首页|黄河下游豫北区高砷地下水空间分布研究

黄河下游豫北区高砷地下水空间分布研究

扫码查看
原文链接
  • 万方数据
  • 维普
不同类型机器学习模型对地下水砷的预测存在较大差别,现有机器学习模型不能较好预测地下水砷的空间分布.基于黄河下游豫北区1081个浅层地下水砷质量浓度实测值,结合人类活动、气候、沉积环境、土壤理化特征、水文地质等环境因子,构建以随机森林(RF)、极端梯度提升(XGBoost)、支持向量机(SVM)为基学习器,线性判别分析(LDA)为元学习器的堆叠(Stacking)集成学习模型,对研究区高砷地下水空间分布进行预测,并对关键环境变量进行识别.结果表明:研究区地下水砷质量浓度为0.01～190μg/L,超标率为16.74％;相对于RF、XGBoost、SVM模型,Stacking集成学习模型ROC曲线下面积(AUC)、准确率(Accuracy)、特异性(Specificity)和敏感性(Recall)最大;研究区高砷地下水主要分布在太行山前洼地及黄河决口扇地区,占总面积的33.81％;黄河决口情况、年均气温、年降水量、高程、水力梯度是影响研究区高砷地下水分布的重要环境变量,沉积环境与地下水中砷富集显著相关.
Spatial Distribution of High⁃Arsenic Groundwater in Northern Henan Region of Lower Yellow River

翟文华、付宇、曹文庚、李泽岩、任宇

展开 >

华北水利水电大学 地球科学与工程学院,河南 郑州450046

华北水利水电大学 测绘与地理信息学院,河南 郑州450046

中国地质科学院 水文地质环境地质研究所,河北 石家庄050061

高砷地下水 Stacking集成学习模型 黄河下游 豫北地区

国家自然科学基金河北省自然科学基金优秀青年科学基金生态环境部中央环保项目华北水利水电大学硕士创新能力提升工程项目

41972262D2020504032H2020419900S1-00001YK-2021-79

2023

10.3969/j.issn.1000-1379.2023.01.021

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2023.45(1)
  • 10