顶层土壤中的全球潜在风险:以耕地为中心的量化框架
Zhentao Xiao1, Ruixing Huang2, Chengxue Ma2
1Key Laboratory of Eco-Environments in Three Gorges Reservoir Region, Ministry of Education, College of Environment, and Ecology, Chongqing University, Chongqing 400044, China.
Environmental science & technology
|April 24, 2025
概括
(Tl) 污染对环境和健康构成风险. 这项研究使用机器学习绘制全球上层土壤Tl热点地图,确定需要土壤测试的农业安全的高风险耕地.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 毒理学 毒理学 毒理学
背景情况:
- 来自自然和人为来源的 (Tl) 污染引发了越来越多的环境和健康问题.
- 局部的TI污染热点带来了重大风险,尽管全球背景水平普遍较低.
研究的目的:
- 使用机器学习预测全球地表土壤度超过1毫克/公斤的度.
- 确定已知和以前未报告的TI污染热点.
- 评估全球耕地中TI污染的风险.
主要方法:
- 利用了超过20,000个表土Tl测量和21个环境变量.
- 应用CatBoost分类和回归模型来预测TI热点和度.
- 集成的耕地覆盖地图与模型预测.
主要成果:
- CatBoost分类模型实现了0.89的AUC,识别了Tl热点.
- CatBoost回归模型实现了0.62的R平方,预测了Tl度分布.
- 污染高风险地区与采矿,土地覆盖和地质因素有关.
- 大约9.9%的全球耕地有超过1毫克/公斤的Tl的概率> 47%.
结论:
- 南美洲,亚洲和非洲的大量耕地面临着Tl污染的高风险.
- 对高风险耕地进行土壤TI测试的高度关注对于农业安全至关重要.
- 该研究为管理农业土壤中TI污染风险提供了预测框架.
更多相关视频
12:03Two-Dimensional Visualization and Quantification of Labile, Inorganic Plant Nutrients and Contaminants in Soil
Published on: September 1, 2020
6.0K
08:22Author Spotlight: A New and Efficient Method for Comprehensive Metabolite Cytotoxicity Assessment of Triazole Pesticides in Plants
Published on: December 22, 2023
451
