印度喀拉拉邦的地下水质量预测和风险评估:一种机器学习方法
C D Aju1, A L Achu2, Maharoof P Mohammed3
1Department of Climate Variability and Aquatic Ecosystems, Kerala University of Fisheries and Ocean Studies (KUFOS), Kochi, 682 508, Kerala, India; Centre for Climate Change Research, Indian Institute of Tropical Meteorology, Pune, India.
Journal of environmental management
|September 26, 2024
概括
喀拉拉邦的地下水质量是可变的,该州7.4%的地下水质量不佳. 机器学习模型,特别是随机森林,准确地预测了这些区域,确定了590万人面临受污染饮用水的风险.
科学领域:
- 水文地质学和环境科学
- 水资源管理 水资源管理
- 机器学习应用 机器学习应用
背景情况:
- 地下水对健康,农业和经济至关重要,但容易受到污染.
- 喀拉拉邦的地下水面临着压力和稀缺,有62%的人口依赖井.
- 有效地评估地下水质量往往会被推迟,直到发生显著的恶化.
研究的目的:
- 通过机器学习来调查水地化学和预测喀拉拉邦的地下水质量区域.
- 评估与地下水质量差有关的人口健康风险.
- 为可持续的地下水管理和公共卫生保护提供见解.
主要方法:
- 在喀拉拉邦各地对地下水样本进行水文地质化学分析.
- 机器学习模型的应用:极端梯度提升 (XGBoost),支持向量回归 (SVR),人工神经网络 (ANN) 和随机森林 (RF) 回归.
- 使用空间分布的Stiff图表和地下水饮用风险评估,验证预测的地下水质量区域.
主要成果:
- 在喀拉拉邦,地下水质量差异很大.
- 随机森林模型在预测地下水质量方面表现出高准确度 (R2:0.922).
- 预测区显示地下水质量非常好 (31.7%),好 (40.4%),中度 (20.4%),以及质量差 (7.4%).
- 在252个地方自治机构 (LSG) 中,大约有590万人口因消耗质量差的地下水而面临风险.
结论:
- 机器学习,特别是射频,对于准确地预测和绘制地下水质量有效.
- 克拉拉州有很大一部分人口可能因地下水质量不佳而面临健康风险.
- 这些发现支持可持续的地下水管理,公共卫生保护和可持续发展目标6 (清洁水和卫生设施).
