地化学演化,地统绘图和机器学习地下水化物的预测建模:巴鲁吉斯坦西部的一个案例研究,奎达

科学领域:

• 环境科学 环境科学
• 水文地质学 水文地质学
• 公共卫生 公共卫生

背景情况:

• 在全球范围内,有26亿人面临牙和化风险.
• 位于巴鲁吉斯坦高原的奎达地区的地下水具有高度的化物水平.
• 该地区缺乏对地下水化物的时空空间研究.

研究的目的:

• 评估地下水的化物水平,并确定奎达的风险人群.
• 整合地理空间,地球化学和数据驱动的方法进行化物评估.
• 了解与化物暴露相关的健康风险.

主要方法:

• 使用IDW工具进行地理空间分析,绘制化物热点的地图.
• 地质化学分析以将化物与地质和水类型相关联.
• 机器学习模型 (SVM,RFR,CART) 用于化物预测.
• 修改的水质指数和非致癌性健康风险评估.

主要成果:

• 52%的地下水样本超过了安全饮用限值 (0-3.4 mg/l).
• 地质化学分析显示,沉积物的变化会影响化物度 (NaHCO3与CaHCO3水类).
• 卡特模型 (R2=0.732) 准确地预测了化物水平,将盐度和SO4确定为关键变量.
• 婴儿和儿童是最容易受到化物健康风险的影响的人群.

结论:

• 地下水的化物污染是奎达的一个重大问题,影响公共卫生.
• 地理空间和地化学数据对于了解化物分布至关重要.
• 机器学习模型为预测化物水平提供了强大的工具.
• 迫切需要制定安全的化物限量和针对弱势群体的有针对性的干预措施.