科研之友
微信
新浪微博
Facebook
分享链接
摘要
氨氮是地下水中的主要无机污染物之一，其主要来自农业、工业和生活污染。过量的氨氮会危害人类健康。氨氮时空分布受气象、水文、水文地质和土地利用类型等因素的影响，因此，基于有限采样点的地下水氨氮分析会产生很大的不确定性。本研究以三江平原松花江流域为例，选取土壤有机质质量分数、土壤全氮质量分数、土壤阳离子交换容量(CEC)、土壤pH值、地下水埋深、包气带黏土层厚度和土地利用类型作为潜在的影响因素，建立拟合氨氮质量浓度的机器学习模型；在此基础上使用解释机器学习模型的SHAP(shapley additive explanations)方法识别显著的影响因素，并据此建立机器学习预测模型，对研究区地下水氨氮质量浓度进行数据插补，分析其时空变化规律。研究结果表明：地下水埋深、土地利用类型、CEC和土壤有机质质量分数是研究区地下水氨氮的主要影响因素；2011—2018年期间，研究区地下水氨氮处于Ⅰ—Ⅲ类水质级别的面积呈现增加趋势，面积占比从31%增加到87%,Ⅳ—Ⅴ类水的面积呈现减少趋势，面积占比从69%减少到13%,水质整体向好。
- 单位
