一个整合亲和力传播算法和空间双变量分析的框架,用于更好地识别和定位土壤重金属污染源
Feng Zhang1, Shenglu Zhou2, Zhenyi Jia3,4
1College of Geography and Environmental Sciences, Zhejiang Normal University, Jinhua, 321004, China.
Environmental geochemistry and health
|September 25, 2024
概括
确定土壤重金属 (SHM) 污染源是关键. 结合受体模型,随机森林和空间分析的新框架精确地定位了SHM在工业区的起源和分散.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 空间分析 空间分析
背景情况:
- 准确识别土壤重金属 (SHM) 的来源及其空间分布对于有效的污染减缓至关重要.
- 传统的受体模型在精确分类来源和确定分散趋势方面面临着挑战.
研究的目的:
- 开发和验证一个全面的框架,以优化传统的方法来追踪工业地区的SHM来源.
- 为了准确地定位SHM的来源区域,并确定它们的分散趋势.
主要方法:
- 一个新的框架,将接收器模型与随机森林 (RF) 集成,用于源分配.
- 使用空间关联的双变局部指标 (BLISA) 结合亲和力传播 (AP) 算法用于源定位和分散分析.
主要成果:
- SHM被归因于混合来源:设备制造/农业 (59.0%),地质背景 (30.5%) 和重工业排放 (10.5%).
- 土壤Cd和Pb的来源靠近特定的行业,表现出受到邻近影响的多地点扩散.
- ,和的来源集中在城市工业区,从点向非点来源过渡,受到工业聚合的影响.
结论:
- 增强的框架准确地识别了SHM的来源位置和分散模式.
- 这种方法显著改善了区域土壤污染管理战略.
更多相关视频
12:03Two-Dimensional Visualization and Quantification of Labile, Inorganic Plant Nutrients and Contaminants in Soil
Published on: September 1, 2020
6.1K
05:04Author Spotlight: Understanding Riverine Nitrogen Impacts and Primary Productivity for Effective Nutrient Management
Published on: July 14, 2023
360
