基于集成学习优化的河套盆地地下水砷风险评估

付宇; 曹文庚; 张春菊; 翟文华; 任宇; 南天; 李泽岩

doi:10.13745/j.esf.sf.2023.2.40

地学前缘 ›› 2024, Vol. 31 ›› Issue (3) : 371 -380. DOI: 10.13745/j.esf.sf.2023.2.40

地下水与地热资源

基于集成学习优化的河套盆地地下水砷风险评估

付宇 ¹ ,
曹文庚 ²^,^* ,
张春菊 ³ ,
翟文华 ¹ ,
任宇 ² ,
南天 ² ,
李泽岩 ²

作者信息 +

Risk assessment of groundwater arsenic in Hetao Basin base on ensemble learning optimization

Yu FU ¹ ,
Wengeng CAO ²^,^* ,
Chunju ZHANG ³ ,
Wenhua ZHAI ¹ ,
Yu REN ² ,
Tian NAN ² ,
Zeyan LI ²

Author information +

文章历史 +

PDF (1664K)

摘要

河套盆地浅层地下水砷污染严重超标,其潜在的高砷风险对当地居民健康造成严重威胁。当前宏观尺度的高砷地下水风险分布认识仍显不足。本研究以605个浅层地下水样数据以及沉积环境、气候、人类活动、土壤理化特征、水文地质条件等环境因子为数据源,构建了以随机森林(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)为元学习器的高砷地下水Stacking集成学习模型,预测了研究区地下水砷风险分布,并对影响该地区地下水砷风险分布的关键环境因子进行识别。研究表明:研究区地下水砷浓度超标(>10 μg/L)率为49.59%,多集中在改道形成的古河道影响带和黄河决口扇;构建的Stacking集成模型比单一模型中性能最优的RF模型具有更高的可靠性,ROC曲线下的面积(AUC)和准确率分别提高了1.1%和3.2%;高风险区面积达到5 257 km²,占研究区总面积的38.44%;沉积环境是影响高砷地下水风险分布的关键环境因素,对模型准确性贡献度高达25.06%。研究结果能够为地下水砷风险分布制图提供方法及参考,对地区饮水安全和人类健康具有重要意义。