整合机器学习以提高土壤重金属的空间预测和风险评估
Yaotao Xu1, Peng Li2, Zeyu Zhang3
1State Key Laboratory of Water Engineering Ecology and Environment in Arid Area, Xi'an University of Technology, Xi'an, 710048, China; Key Laboratory of Coupling Process and Effect of Natural Resources Elements, Beijing, 100055, China.
Environmental pollution (Barking, Essex : 1987)
|July 31, 2025
概括
这项研究开发了一种先进的框架,用于预测中国北方土壤中的重金属化物. 新模型准确地识别污染热点,评估生态和人类健康风险,指导环境管理.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 数据科学数据科学数据科学
背景情况:
- 准确的土壤重金属化物预测对于环境和健康风险评估至关重要.
- 传统方法在异质环境中难以准确,特征选择和解释性.
- 高维数据对通用预测模型提出了挑战.
研究的目的:
- 为土壤重金属化物提出一个综合预测框架.
- 为了在中国北部进行10种重金属的高分辨率空间预测.
- 根据预测的土壤污染情况,进行生态和人类健康风险评估.
主要方法:
- 综合框架结合了无监督和基于LASSO的变量选择.
- 拉索-堆叠组合模型,以提高预测准确性和通用性.
- 基于SHAP的可解释性分析,以了解环境驱动因素.
- 利用了6403个土壤样本和34个环境变量.
主要成果:
- 整体模型显著优于传统方法 (R2 > 0.6).
- 确定了关键的驱动因素:干旱度指数,相对湿度,总,散装密度.
- 南关州平原和甘南部被确定为重金属化物热点.
- 生态风险:轻微受到Cd,Se,Pb,Cu的污染.
- 健康风险:As,Cr,Mn (儿童) 和As,Cr,Ni (儿童/成人) 的高非致癌风险.
结论:
- 拟议的框架为土壤污染风险评估提供了一个经验合理的方法.
- 提供了干旱地区有针对性的环境管理战略的基础.
- 突出了与特定重金属化物相关的重大生态和人类健康风险.
更多相关视频
10:05Integrated Field Lysimetry and Porewater Sampling for Evaluation of Chemical Mobility in Soils and Established Vegetation
Published on: July 4, 2014
14.4K
12:03Two-Dimensional Visualization and Quantification of Labile, Inorganic Plant Nutrients and Contaminants in Soil
Published on: September 1, 2020
6.2K