使用机器学习和GIS方法评估埃及北部三角洲的土地退化和环境危害

科学领域:

• 环境科学 环境科学
• 土壤科学 土壤科学
• 地理空间分析的研究.

背景情况:

• 土壤退化是干旱和半干旱地区的一个关键挑战.
• 恢复土壤功能需要了解物理,化学和生物相互作用.
• 需要综合方法来评估土壤质量,退化和生态风险.

研究的目的:

• 用集成的GIS,遥感和机器学习 (ML) 模型来评估土壤质量,土地退化和生态风险.
• 为了比较人工神经网络 (ANN),随机森林 (RF) 和决策树 (DT) 的性能,用于预测土壤质量指标.
• 确定土壤退化的主要形式并评估重金属污染水平.

主要方法:

• 使用Landsat ETM+图像和数字海拔模型 (DEM) 来生成地形地图.
• 应用ML模型 (ANN,RF,DT) 用于土壤质量评估和预测.
• 分析了微量元素度的土壤样本,并计算了地质积累指数 (Igeo),污染程度 (CD),潜在生态风险 (PER) 和污染负载指数 (PLI).

主要成果:

• 研究区域包括洪水平原和湖平原景观.
• 确定的主要土壤退化问题是盐化,化,压缩和水积.
• 该地区的90.61%被归类为高质量,微量元素度和高重金属污染 (Cu,Pb,Zn,U) 的差异很大.
• 所有测试的土壤样本都显示出基于CD,PER和PLI评估的高污染水平.
• ANN和DT模型在预测CD,PLI和PER方面表现出很高的准确性.

结论:

• 集成的GIS,遥感和ML提供了一种全面的方法来了解土壤质量和退化.
• 尽管土壤质量一般很高,但重金属污染对生态构成重大风险.
• 准确的土壤质量预测可以带来巨大的经济效益,并改善土壤恢复的资源配置.