用机器学习模型为中国大陆的水生环境量身定制的氨风险管理
Zitong Liao1, Yun Lu2, Dongbin Wei3
1Environmental Simulation and Pollution Control State Key Joint Laboratory, Key Laboratory of Microorganism Application and Risk Control (SMARC) of Ministry of Ecology and Environment, School of Environment, Tsinghua University, Beijing 100084, PR China.
Journal of hazardous materials
|September 6, 2024
概括
有效管理水中的氨 (NH3-N) 风险至关重要. 这项研究确定了热点并推了有针对性的策略,预测到2100年NH3-N风险将增加6.1%,原因是温度上升.
科学领域:
- 环境科学 环境科学
- 水质管理水质管理
- 生态毒理学 生态毒理学
背景情况:
- 氨 (NH3-N) 毒性受pH值和温度的影响,使风险管理复杂化.
- 水质因素的空间和时间变化阻碍了有效的污染物风险控制.
- 可持续的水体管理对于公共卫生和生态系统完整性至关重要.
研究的目的:
- 通过使用高频监测数据,评估中国水生生态系统的长期NH3-N风险.
- 为了准确评估,将NH3-N风险分解为影响因素的贡献.
- 确定不同的NH3-N风险热点,并提出量身定制的管理策略.
主要方法:
- 利用了一年的高频水质监测数据.
- 采用随机森林模型和沙普利添加式解释来解释风险因素的归因.
- 分析了NH3-N与环境变量 (pH,温度) 之间的非线性关系.
主要成果:
- 在18个城市中确定了两种类型的NH3-N风险热点:高度区域和低环境能力区域.
- 15个城市面临需要减排的高NH3-N度;3个城市由于高pH/温度而具有低容量.
- 预测到2100年NH3-N风险在SSP 2-4.5情景下会因变暖而增加6.1%.
结论:
- 建议在高度地区快速减少NH3-N,在低产能地区转移工业.
- 强调需要采用适应性管理策略,考虑非线性污染物风险因素.
- 提出了该方法的适应性,用于全球水生生态系统风险管理和可持续发展.
更多相关视频
00:05In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
Published on: August 28, 2019
13.9K
05:04Author Spotlight: Understanding Riverine Nitrogen Impacts and Primary Productivity for Effective Nutrient Management
Published on: July 14, 2023
365
