使用机器学习评估城市雨水微塑料的环境和社会经济驱动因素
Mir Amir Mohammad Reshadi1, Fereidoun Rezanezhad2,3, Ali Reza Shahvaran2
1Ecohydrology Research Group, Department of Earth and Environmental Sciences, University of Waterloo, 200 University Avenue West, Waterloo, ON, N2L 3G1, Canada. am.reshadi@uwaterloo.ca.
Scientific reports
|February 21, 2025
概括
城市雨水排放是微塑料 (MP) 进入水生环境的主要途径. 机器学习模型确定了MP负载的关键驱动因素,强调了在研究中需要标准化的MP大小定义.
科学领域:
- 环境科学 环境科学
- 水的质量 水的质量
- 污染控制 污染控制
背景情况:
- 微塑料 (MP) 是来自城市地区的普遍环境污染物.
- 暴风雨水的排水是MP进入水生生态系统的重要运输机制.
- 了解影响城市雨水MP负载的因素对于有效管理至关重要.
研究的目的:
- 确定城市雨水中微塑料度的主要驱动因素.
- 开发和验证机器学习模型,用于预测城市雨水MP负载.
- 评估微塑料尺寸定义对度变化的影响.
主要方法:
- 编制了107个雨水流域 (SWC) 的全球数据集.
- 训练和评估了包括CatBoost在内的三个渐变增强机器学习 (ML) 模型.
- 纳入水文气象学,社会经济学和微塑料大小定义变量作为预测因素.
主要成果:
- 在预测MP度方面,CatBoost表现出卓越的性能.
- 水文气象条件 (34%),流域特征和人类活动 (25%),以及废物管理 (4.8%) 是重要的预测因素.
- 微塑料大小定义占预测度变化的36%,这表明由于研究定义不一致,存在重大不确定性.
结论:
- 机器学习模型有效地预测城市雨水的MP度,特别是在数据稀缺的地方.
- 标准化微塑料尺寸定义对于减少对比研究中的不确定性至关重要.
- 开发的ML方法提供了一种定量工具,用于评估各种因素对MP污染的影响,以及对数据层进行基准分析.


