×

当地与区域土壤筛选水平,以确定潜在污染区域。 (英语) Zbl 1434.86036号

摘要:土壤筛选水平(SSL)是环境法要求的参考阈值,根据十个广泛采样区域的土壤地球化学背景数据确定。这些区域通常不适合解释小区域的真正污染风险,因为它们忽略了当地因素(例如地质、工业和交通),而这些因素不可能包含在大规模采样中。为了解决这个问题,本文提出了局部SSL的计算,在更接近感兴趣区域的大尺度上进行。为了证明这一建议,在西班牙西北部阿斯图里亚斯公国工业化程度最高的地区之一兰格里奥市开展了一次土壤采样活动。采样可以测量当地土壤对几种无机污染物的筛选水平。然后,根据区域和地方阈值计算土壤污染指数,以评估污染程度。这两个污染指标均采用基于贝叶斯网络分析的方法,然后采用随机序列高斯模拟方法。所使用的方法表明,根据所使用的土壤筛选水平(地区或地方),在识别潜在污染区域方面存在差异。得出的结论是,在城市/工业核心区,当地土壤筛选水平有助于识别污染区域,并减少与采样密度和扩散污染相关的不确定性。因此,使用当地水平可以避开假阳性区域,如果使用区域土壤筛选水平,这些假阳性区域将被归类为受污染区域。

MSC公司:

86A32型 地理统计学
62页第12页 统计在环境和相关主题中的应用
68T05型 人工智能中的学习和自适应系统

软件:

标准Int
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[1] 阿拉米丁,I。;马萨诸塞州肯尼;RJ戈斯内尔;Reckhow,KH,《环境数据的稳健多元异常值检测方法》,《环境工程杂志》,1361299-1304(2010)·doi:10.1061/(ASCE)EE.1943-7870.000271
[2] 阿尔伯克基,MTD;Gerassis,S。;Sierra,C.,《为土壤污染风险评估制定新的贝叶斯风险指数》,《科学总环境》,603-604167-177(2017)·doi:10.1016/j.scitotenv.2017.06.068
[3] 弗吉尼亚州Alekseenko;Bech,J。;Alekseenko,AV,《俄罗斯罗斯托夫州煤矿废弃物处置对土壤和植物的环境影响》,《地球化学探索杂志》,184,261-270(2018)·doi:10.1016/j.explo.2017.06.003
[4] 阿勒,J。;Gallastegui,J.,《中央煤田(西班牙西北部坎塔布里亚带)千米级叠加褶皱分析》,《构造地质学杂志》,17,961-969(1995)·doi:10.1016/0191-8141(94)00115-g
[5] 安图内斯,IMHR;Albuquerque,MTD,使用指示剂克里格法评估废弃矿区的潜在砷污染(葡萄牙),《科学总环境》,442545-552(2013)·doi:10.1016/j.scitotenv.2012.10.010
[6] Araújo,PRM;比昂迪,CM;da Silva,FBV,地球化学土壤异常:人类健康风险评估和环境监测影响,《地球化学探索杂志》,190,325-335(2018)·doi:10.1016/j.gexplo.2018.03.016
[7] Beguin,J。;Fuglstad,G-A;Mansuy,N。;Paré,D.,用有限的数据预测加拿大北方森林的土壤特性:空间和非空间统计方法的比较,Geoderma,306195-205(2017)·doi:10.1016/j.geoderma.2017.06.016
[8] Benavoli A、Corani G、Demsar J、Zaffalon M(2016)《改变的时间:通过贝叶斯分析比较多个分类器的教程》。J Mach学习研究·Zbl 1440.62237号
[9] Boente,C。;北马坦萨斯州。;García-González,N.,《影响工业化地区城市农业的关注微量元素:多元方法》,《化学圈》,183546-556(2017)·doi:10.1016/j.chemosphere.2017.05.129
[10] 博恩特,C。;阿尔伯克基,MTD;Fernández-Braña,a.,结合原始数据和成分数据确定土壤中潜在有毒元素的空间模式,《科学总环境》,631-632117-1126(2018)·doi:10.1016/j.scitotenv.2018.03.048
[11] 蔡,C。;熊,B。;Zhang,Y.,评估有毒金属污染的土壤污染指数临界比较,水-空气-土壤污染,226352(2015)·doi:10.1007/s11270-015-2620-2
[12] Conrady S,Joufe L(2013)贝叶斯网络和贝叶斯实验室简介。贝叶斯实验室30
[13] Cracknell,MJ;Reading,AM,Geological mapping using remote sensing data:a comparison of five machine learning algorithms,their response to variation in the spatial distribution of training data and use of explicit spatial information,计算地球科学,63,22-33(2014),使用遥感数据进行地质制图:五种机器学习·doi:10.1016/j.cageo.2013.10.008
[14] 德米扬诺夫,V。;阿诺德·D·。;罗哈斯,T。;Christie,M.,《储层预测中的不确定性量化:第2部分——地质场景中的不确定因素处理》,《数学地质科学》(2018)·Zbl 1411.86008号 ·doi:10.1007/s11004-018-9755-9
[15] 粪,TTT;卡普因,V。;Swennen,R。;Phung,NK,《从地球化学背景测定到沉积物和土壤中重金属污染评估》,《环境科学与生物技术评论》,12,335-353(2013)·doi:10.1007/s11157-013-9315-1
[16] 费尔南德斯,S。;Cotos-Yáñez,T。;罗卡·帕迪尼亚斯,J。;Ordóñez,C.,《评估土壤重金属扩散污染源的地理加权主成分分析:在西班牙西北部崎岖山区的应用》,Geoderma,311120-129(2018)·doi:10.1016/j.geoderma.2016.10.012
[17] 加列戈,JR;罗德里格斯-巴尔德斯,E。;Esquinas,N.,《对一个20公顷多污染棕色地块巨型场址的洞察:环境取证方法》,《Sci Total Environ》,563-5646892(2016)·doi:10.1016/j.scitotenv.2015.09.153
[18] Garrett,RG,《美国和加拿大两个横断面上的相对空间土壤地球化学变化》,Appl Geochem,241405-1415(2009)·doi:10.1016/j.apgeochem.2009.04.011
[19] Ghahramani,Z.,概率机器学习和人工智能,《自然》,521452-459(2015)·doi:10.1038/nature14541
[20] Goovaerts,P.,《自然资源评估的地质统计学》,496(1997),纽约:牛津大学出版社,纽约
[21] 瓜利亚尔迪,I。;Cicchella,D。;De Rosa,R.,《土壤中钒的地球化学来源:意大利南部地区的证据》,《地球化学勘探杂志》,184,358-364(2018)·doi:10.1016/j.gexplo.2016.11.017
[22] Järup,L.,重金属污染的危害,《英国医学杂志》,68,167-182(2003)·doi:10.1093/bmb/ldg032
[23] 密歇根州约旦;Mitchell,TM,《机器学习:趋势、前景和展望》,《科学》(80-),349255-260(2015)·Zbl 1355.68227号 ·doi:10.1212/科学.aa8415
[24] Journel,A。;Huijbregts,C.,《采矿地质统计学》(1978),圣地亚哥:学术出版社,圣地亚戈
[25] Kiciñska,A.,《西里西亚集聚区选定城市公园中接触锌、铅和铁的儿童的健康风险》,《人类生态风险评估国际期刊》,22,1687-1695(2016)·doi:10.1080/10807039.2016.1218271
[26] Kiciñska,A.,家用炉灰的化学和矿物成分,以及与它们在环境中的存在相关的健康和环境风险,《化学世界》,215574-585(2019)·doi:10.1016/j.chemosphere.2018.10.061
[27] Kicińska,A。;Bożcki,P.,《克拉科夫不同城市公园收集的灰尘的金属和矿物相及其对城市居民健康的影响》,《环境地球化学健康》,40,473-488(2018)·doi:10.1007/s10653-017-9934-5
[28] 李纳德,A。;布罗斯托克斯,Y。;Colinet,G.,《前Zn-Pb矿石处理厂附近的土壤污染:景观尺度下确定性因素和空间结构的评估》,《J Geochem Explor》,147107-116(2014)·doi:10.1016/j.gexplo.2014.07.014
[29] Matheron,G.,《地质统计学原理》,《经济地质学》,581246-1266(1963)·doi:10.2113/gsecongeo.58.8.1246
[30] Matheron G(1971)区域化变量理论及其应用。摘自:数学形态学中心,第5名。巴黎矿业大学
[31] 麦克瓦恩,R。;多尔蒂,R。;考克斯,平方英尺;Cave,M.,《城市土壤中历史发展与潜在有毒元素浓度之间的关系》,《环境污染》,2201036-1049(2016)·doi:10.1016/j.envpol.2016.11.040
[32] 麦金利,JM;赫隆,K。;欧共体格伦斯基,《单组分地球化学图:事实还是虚构?》?,《地球化学勘探杂志》,162,16-28(2016)·doi:10.1016/j.gexplo.2015.12.005
[33] 米克尔,WQ;哈恩,GJ;洛杉矶埃斯科瓦尔,《统计区间》(2017),霍博肯:威利,霍博克·兹比尔1395.62002
[34] Moreno-Jiménez,E。;加西亚·戈梅斯,C。;Oropesa,AL,《西班牙废弃黄铁矿环境影响评估的筛选风险评估工具》,Sci Total Environ,409,692-703(2011)·doi:10.1016/j.scitotenv.2010.10.056
[35] 南澳州Naghibi;Pourghasemi,HR;Dixon,B.,使用增强回归树、分类和回归树以及伊朗随机森林机器学习模型进行基于GIS的地下水潜力制图,《环境监测评估》,188,1-27(2016)·doi:10.1007/s10661-015-5049-6
[36] Nussbaumer,R。;Mariethoz,G。;Gloaguen,E。;Holliger,K.,《在连续高斯模拟中选择哪条路径》,《数学地质》,50,97-120(2018)·Zbl 1406.86035号 ·doi:10.1007/s11004-017-9699-5
[37] Oprea,M.,智能环境决策支持系统的知识建模框架及其在一些环境问题中的应用,环境模型软件(2018)·doi:10.1016/j.envsoft.2018.09.001
[38] Pawlowsky-Glahn,V。;Egozcue,JJ,成分数据及其分析:导论,Geol Soc Lond Spec Publ,264,1-10(2006)·Zbl 1156.86308号 ·doi:10.1144/GSL。SP.2006.264.01.01
[39] Pereira MJ,Soares A(2018)《环境应用的地质统计学》。收录:《数学地球科学》,第123-125页·Zbl 1406.86003号
[40] Pham,英国电信;Tien Bui,D。;I·普拉卡什。;Dholakia,MB,使用GIS对喜马拉雅地区(印度)滑坡易感性进行评估的多层感知器神经网络和机器学习集成的混合集成,CATENA,149,52-63(2017)·doi:10.1016/j.catena.2016.09.007
[41] 里根,HM;样品,BE;Ferson,S.,《生态土壤筛选水平的确定性和概率计算比较》,《环境毒物化学》,21,882-890(2002)·doi:10.1897/1551-5028(2002)021<0882:CODAPC>2.0.CO;2
[42] 北卡罗来纳州罗卡。;帕佐斯,MS;Bech,J.,《土壤中潜在有毒元素的背景水平:卡塔马卡(阿根廷半干旱地区)的案例研究》,CATENA,92,55-66(2012)·doi:10.1016/j.catena.2011.11.009
[43] 罗素,S。;Norvig,P.,《人工智能-现代方法》(2010年),伦敦:普伦蒂斯·霍尔出版社,伦敦
[44] 苏亚雷斯,A。;Nunes,R。;Azevedo,L.,地质统计学建模中不确定数据的整合,Math Geosci,49253-273(2017)·Zbl 1365.86024号 ·doi:10.1007/s11004-016-9667-5
[45] 土壤筛选指南:用户指南(1996),华盛顿特区:华盛顿特区环境保护局
[46] 美国环境保护局(2002)《开发土壤筛选的补充指南》。美国环境保护署106
[47] Verron,S。;李,J。;Tipli,T.,《利用贝叶斯网络检测和隔离多元过程中的故障》,《过程控制杂志》,20902-911(2010)·doi:10.1016/j.jprocon.2010.06.001
[48] Ye,C。;李,S。;Zhang,Y.,使用地球化学和土壤微生物方法评估中国三峡水库水位波动区的重金属污染,环境监测评估,185,231-240(2013)·doi:10.1007/s10661-012-2547-7
[49] 齐西莫斯,AM;科恩博士;Christopofou,IC,《塞浦路斯莱夫科西亚(尼科西亚)土地利用对土壤地球化学的影响》,《地球化学探索杂志》,187,6-20(2018)·doi:10.1016/j.gexplo.2017.03.005
[50] 左,X。;Hua,H。;东,Z。;Hao,C.,中国2006-2011年省级环境绩效指数,经济指数,75,48-56(2017)·doi:10.1016/j.ecolind.2016.12.016
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。