用先进的机器学习预测土壤Cd,Pb和As的生物可访问性,用于在中国大陆范围内确定土壤环境标准
Kunting Xie1, Jiajun Ou2, Minghao He1
1Guangdong Key Laboratory of Environmental Catalysis and Health Risk Control, School of Environmental Science and Engineering, Institute of Environmental Health and Pollution Control, Guangdong University of Technology, Guangzhou 510006, China.
Environment & health (Washington, D.C.)
|November 8, 2024
概括
机器学习模型准确地预测土壤无机元素的生物可访问性,这对于环境风险评估至关重要. 这种方法改善了土壤管理,并减少了,和等有害元素的风险.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 计算科学 计算科学
背景情况:
- 评估土壤无机元素的生物可访问性对于环境风险评估至关重要.
- 传统的方法耗时且缺乏精度.
- 诸如 (Cd), (Pb) 和 (As) 等有害元素构成重大风险.
研究的目的:
- 开发精确的机器学习模型,以实现无机元素的生物可访问性.
- 使用SHAP值确定影响生物可访问性的关键因素.
- 为土壤环境管理和风险评估提供科学基础.
主要方法:
- 从56篇期刊文章中编制了937个数据点.
- 开发和优化机器学习模型,使用增强整体策略.
- 用于特征重要性分析的SHAP值.
- 应用逆距离权重 (IDW) 用于空间绘图.
主要成果:
- 实现了高模型性能,平均R2为0.95和RMSE为0.25.
- 确定了影响Cd,Pb和As生物可访问性的关键特征.
- 为中国生成空间分布图.
- 在超出Cd,Pb和As的土壤环境标准的地点观察到显著减少.
结论:
- 机器学习为土壤生物可访问性评估提供了精确有效的方法.
- 该研究为跨区域环境风险评估提供了一个强大的框架.
- 调查结果支持改善土壤环境管理,特别是在金工厂.
