在典型工业区的土壤中预测重金属的空间分布,使用3D卷积神经网络
Chao Liu1, Lan Chen1, Guoqing Ni2
1School of Environment and Municipal Engineering, Qingdao University of Technology, Qingdao, 266520, China.
Scientific reports
|January 2, 2025
概括
这项研究使用3D卷积神经网络 (3DCNN) 预测工业区土壤重金属污染. 该模型准确地映射了,,铜和,有助于可持续的土地利用规划.
科学领域:
- 环境科学 环境科学
- 地理空间分析的研究.
- 环境监测中的人工智能
背景情况:
- 城市发展在很大程度上依赖于土地资源,但废弃的工业场所往往受到重金属污染的影响.
- 评估土壤污染物水平和分布对于公共卫生和可持续的土地管理至关重要.
- 密集地检测土壤重金属是资源密集的,需要预测建模方法.
研究的目的:
- 开发和验证重金属在工业土壤中的空间分布的预测模型.
- 使用一个三维卷积神经网络 (3DCNN),与空间和物理化学数据集成.
- 评估3DCNN在降低与传统土壤采样和分析相关的成本方面的有效性.
主要方法:
- 应用一个三维卷积神经网络 (3DCNN) 模型.
- 整合空间位置数据和土壤物理化学性质.
- 在受污染的工业区中预测重金属含量 (,,铜,).
主要成果:
- 3DCNN模型的预测R2值为 (Cd) 和 (Pb) 的0.59,铜 (Cu) 的0.77和 (Ni) 的0.51.
- 空间分析显示了不同的分布模式:Cd和Pb集中在表面附近,而Cu和Ni显示向下迁移至3米.
- 这些发现证实了研究的工业区的重金属缩.
结论:
- 3DCNN是土壤重金属空间预测的有效工具,大大降低了采样和实验室成本.
- 了解重金属的三维分布对于有针对性的整治工作至关重要.
- 在重新开发之前,建议对工业区进行土壤整治,以减轻健康风险并确保环境安全.
