机器学习辅助的重金属风险评估在海南金矿地区,中国
Xiaomao Song1,2, Ruhua Lu3, Meijuan Kuang4,5
1Hainan Pujin Environmental Technology Co., Ltd, Haikou, 570200, Hainan Province, China.
Environmental monitoring and assessment
|October 8, 2024
概括
非正规采矿严重污染土壤的重金属,如和. 机器学习准确地预测土壤污染水平和金属分布,有助于环境风险评估.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 机器学习应用 机器学习应用
背景情况:
- 非正规采矿在海南省等敏感地区带来生态风险.
- 采矿活动造成的重金属污染是一个日益严重的环境问题.
研究的目的:
- 调查非正式采矿对土壤重金属分布和污染的影响.
- 使用机器学习评估土壤质量和环境危害.
主要方法:
- 从175个钻井地点收集了表面和深层土壤样本.
- 分析的度包括 (Pb),铜 (Cu), (Cd), (Ni), (Hg), (Cr), (As) 和 (Zn).
- 应用污染负荷指数 (PLI),规范污染指数 (NIPI),生态风险指数 (ERI) 和随机森林模型.
主要成果:
- 非正规采矿场所的土壤污染水平很高.
- 表面土壤中Pb,Cd,Hg,As和Zn的平均度超过了国家背景值.
- 机器学习模型实现了金属含量和污染指数的高预测精度 (R2高达0.86).
结论:
- 非正式的采矿活动增加了土壤污染的风险,改变了重金属的分布模式.
- 机器学习对于预测土壤质量参数和评估环境危害是有效的.
- 这项研究为科学评估矿业影响地区的土壤质量提供了基础.


