通过机器学习和空间分析发现土壤重金属污染热点,并通过机器学习和空间分析影响机制
Xiaoyong Song1, Yao Sun2, Huijuan Wang3
1Department of Environmental Science and Engineering, Fudan University, Shanghai, 200433, China; Shanghai Academy of Landscape Architecture Science and Planning, Shanghai, 200433, China.
Environmental pollution (Barking, Essex : 1987)
|February 23, 2025
概括
中国的土壤重金属污染非常普遍,其中和是最严重的. 交通和农业是主要的驱动力,因地区而异,需要有针对性的管理策略.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 生态毒理学 生态毒理学
背景情况:
- 土壤重金属 (HM) 污染是中国的一个关键环境挑战.
- 了解HM污染特征和驱动因素对于有效管理至关重要.
- 之前的研究没有使用最近的数据全面评估中国各地的HM污染.
研究的目的:
- 调查中国8个土壤HM (2000-2022) 的污染特征和空间分布.
- 确定HM污染的热点区域及其主要影响因素.
- 为土壤HM污染控制和政策制定提供数据驱动的见解.
主要方法:
- 2000年至2022年土壤HM度的文献数据编制.
- 应用随机森林-夏普利增量扩张 (RF-SHAP) 模型以确定关键影响因素.
- 使用基于莫兰的I的空间协会 (LISA) 的双变局部指标进行空间分析.
主要成果:
- 所有八种HM的平均度都超过了背景值; (Cd) 和 (Hg) 显示出最严重的污染.
- 根据RF-SHAP模型,运输和农业活动是土壤HM积累的主要贡献者.
- LISA分析显示了HM污染驱动因素的区域差异:长江和珍珠河三角洲的工业和运输,以及中国中部的农业和工业.
结论:
- 土壤HM污染是中国普遍存在的问题,Cd和Hg构成最大的风险.
- 交通和农业活动是土壤HM污染的主要驱动因素,具有特定的区域贡献.
- 调查结果为有针对性的土壤HM污染管理和政策制定提供了关键的见解.
