以数据驱动的框架来确定瓦多塞区的特定地点衰减因子

科学领域:

• 环境科学 环境科学
• 水文地质学 水文地质学
• 地质化学 地质化学

背景情况:

• 地下水中的 (As) 污染对公众健康构成重大关注.
• 瓦多区对于调节As运输至关重要,但目前的规定认为在不和流下没有衰减 (衰减因子[AF]=1).
• 这种假设可能会高估风险,因为它忽视了剂区的自然减弱能力.

研究的目的:

• 开发一个以数据为导向的框架,用于估计在瓦多斯区的特定地点的衰减因子 (AF).
• 整合机器学习回归模型与移动-不移动水 (MIM) 模型用于溶液运输.
• 为评估地下水污染风险提供传统反应式运输模型的实用替代方案.

主要方法:

• 基于机器学习的回归模型被用来估计MIM模型的参数.
• 在MIM模型中,模拟了的运输,并结合了由于湿干循环而导致的减速和再动员.
• 随时可用的土壤特性被用作回归模型的输入来预测MIM参数.

主要成果:

• 开发的框架成功估计了在韩国21个地点的特定地点的AF值大于1.
• 观察到的AF值表现出显著的变化,从3.56到24.38.
• 结果表明,瓦多斯区在衰减方面具有相当大的缓冲能力.

结论:

• 瓦多斯区具有显著的衰减能力,需要进行特定地点的评估.
• 数据驱动的框架为可靠的污染地下水风险评估提供了可扩展和实用的方法.
• 这种方法为监管机构和处理影响地下水资源的环境管理人员提供了有价值的工具.