融合空间及环境要素机器学习模型的重金属含量预测:以硇洲岛为例OA北大核心CSTPCD
传统的土壤重金属污染评价方法通常只依赖于有限采样点数据进行空间插值分析,忽略了如地质背景、人类活动、地理要素等环境协变量对重金属分布的影响,而仅考虑环境协变量的预测又难以反映重金属元素分布的空间聚集效应。因此,该文章提出了一种新的方法,即融合空间及环境要素作为协变量,基于随机森林(RF)、极致梯度提升树(XGboost)、深度学习神经网络(DNN)三种模型对硇洲岛重金属空间分布进行预测。结果表明,将空间要素融入模型后,预测性能得到显著提升。文章另外还采用了数据分割和外部数据验证等方法验证改进模型的稳健性,并选择最优模型进行预测。基于预测结果,从数据特征层面对重金属元素进行相关分析、聚类分析,并从空间分布层面对重金属元素进行LISA空间聚类分析的研究表明,控制岛内Cu、Ni、Cr、Zn元素分布的关键因素是地质因素,而Pb、As、Hg的分布主要由人类活动控制,Cd元素的分布由人类活动及地质背景共同影响。
贾黎黎;胡飞跃;李婷婷;朱鑫;易隆科;
广东省地质调查院,广州510080
环境科学
重金属空间异质性机器学习精确预测
《高校地质学报》 2024 (004)
P.485-495 / 11
湛江市财政项目“湛江市区多要素城市地质调查”(CLZ0121ZJ01ZC00);广东省地质勘查与城市地质专项“广东粤东地区1:25万区域地球化学调查及全省成果集成”(2023-25)联合资助。
评论