社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

亚美尼亚国家科学院生态圈研究中心SEH:利用机器学习识别不同类型土壤中的有毒元素聚类

环境人Environmentor • 1 年前 • 149 次点击  

导读

亚美尼亚共和国国家科学院生态圈研究中心Gevorg Tepanosyan团队在Soil & Environmental Health(SEH,《土壤与环境健康》)期刊发表题为“利用无监督机器学习和成分数据分析识别不同土壤类型中潜在有毒元素的空间聚类(Identification of spatial clusters of potentially toxic elements in different soil types using unsupervised machine learning and compositional data analysis;2024,2(3):100085)”的研究成果。

    该研究在亚美尼亚共和国阿拉加措特恩省进行地球化学调查,揭示了当地土壤潜在有毒元素(PTEs)的空间分布模式、来源以及地球化学关联性。论文利用X射线荧光光谱法分析了该地区土壤中Cr、V、Ti、As、Zn、Cu、Co、Fe、Mn、Ba 和 Pb元素的含量。结果表明,当地Cr和As的平均含量分别超出其大陆地壳(Continental Crust)上限的1.50倍和3.12倍,超出其最大可接受值的1.53倍和1.50倍。空间分析显示,这些元素在该地区中部和东部以及矿区呈现最高值。通过组合应用无监督机器学习、组分数据分析和地理空间映射,发现三组土壤样本聚类,分别反映了不同元素对不同地质和人为活动的响应。该研究填补了亚拉加兹甘地区土壤地球化学数据的空白,为当地土壤资源管理提供了可靠的数据支持,所获结果值得进一步进行“土壤健康”评估,以更好地对当地土壤资源进行利用和保护。

 图文摘要(Graphic abstract)


主要内容

阿拉加措特恩地区位于亚美尼亚共和国西北部,面积2753平方公里,该地区的地质基础以各种火山岩为代表。通过比较研究区域土壤与上部地壳中PTEs的平均含量发现其Cr、As和Cu高于上部地壳的平均值,而Fe、Ti、Pb和Ba则相反。空间分布显示,Fe、Mn、Co、Ti、V、Zn和As在该地区北部和东北部的采矿点附近含量较高。文章还对研究区土壤中PTEs的平均含量与最大可接受浓度(MAC)进行了比较,发现Cr、As和Mn的平均含量超过了MAC值。箱线图结果显示(图2),约33%的土壤样品存在异常值,其中Pb、Cu和Zn的异常值约占22%。而多变量异常值的结果形成了一个有迹可循的空间集群,其分布范围从该地区北部延伸至东部(图3),这种分布模式可通过成矿带的存在以及该地区金和铜矿床的开采活动予以解释。相关性分析显示,除Cu以外,其它元素之间存在显著的正相关性,Cu的行为和来源与其他元素显著不同,这种特殊性是怎样产生的呢?

图1 土壤元素浓度箱线图

图2 所研究元素的空间分布图






为进一步发掘元素分布潜在规律,该研究使用主成分分析(PCA)和k-means聚类方法揭示了研究元素地球化学组合关系。通过PCA结果发现,研究元素可以从空间上分为三组,分别与1)Cu(Group I),2)Fe、Co、Cr、Mn、Zn、As(Group II)和3)Pb、Ba、V、Ti(Group III)相关联(图4)。

Group I中的土壤样本分布在该地的农业区,包括葡萄园、其它果园和谷物农田,这些区域常常使用硫酸铜作为杀菌剂,这极有可能是Cu异常偏高的原因。Group II含有Fe、Co、Cr、Mn、Zn和As,与火山碎屑岩、火山灰、熔岩碎屑岩等地质特征相关联,其中Fe和Mn的存在表明Group II反映了当地地质基岩的主要化学成分。Group III包括Ti、V、Pb和Ba,与Kastanozems和Chernozems相关,空间位置与地区高速公路和乡村道路相符,表明这些元素可能来自不同的源。

图3 利用k-means聚类确定各组的空间分布和元素clr-biplot图


总结与展望

该论文旨在帮助解决阿拉加措特恩省缺乏土壤化学成分分布数据的问题。研究人员通过多种组合手段,揭示了该地区PTEs的空间分布模式、起源和地球化学关联。CoDA和k-means聚类两种方法相结合确保了结果的可靠性,在各土壤类型中发掘了各元素间的地球化学联系。基于以上研究结果,提出了对下一步研究工作的建议与展望,包括进一步调查和识别污染源,特别是针对土壤中超出最大可接受浓度的元素,如Cr、As和Mn等。通过分析周边环境和人类活动,包括工业排放、农业实践和交通运输等来与相应元素数据建立联系。利用以上土壤地球化学数据,开展土壤健康评估。这将有助于制定土壤修复和保护策略,确保土壤资源的可持续利用。

原文链接:

https://doi.org/10.1016/j.seh.2024.100085


作者简介

第一兼通讯作者简介:

Gevorg Tepanosyan,亚美尼亚共和国国家科学院生态圈研究中心环境地球化学部主任,2015年于亚美尼亚国家科学院获得博士学位。主要研究领域为环境地球化学,主要研究方向为土壤健康、土壤成分与地球化学数据分析、环境风险评估等。

图片

来源:土壤与环境健康SEH。投稿、合作、转载、进群,请添加小编微信Environmentor2020!环境人Environmentor是环境领域最大的学术公号,拥有20W+活跃读者。由于微信修改了推送规则,请大家将环境人Environmentor加为星标,或每次看完后点击页面下端的 “在看”,这样可以第一时间收到我们每日的推文!环境人Environmentor现有综合群、期刊投稿群、基金申请群、留学申请群、各研究领域群等共20余个,欢迎大家加小编微信Environmentor2020,我们会尽快拉您进入对应的群。

图片

往期推荐

年度热点文章Top10(2024年)
中科大俞汉青院士、陈洁洁教授、华中科大黄明杰Nat. Commun.:精准定制高价金属氧化物的d带中心实现污染物完全聚合去除
香港城市大学袁志国院士、新南威尔士大学郑敏Nature Sustainability综述:污水资源化前沿路径
Nature:全球塑料垃圾中的“潜行者”
中国科学院生态环境研究中心俞文正课题组Nature Water:三价金属混凝去除天然有机物的分子尺度理论
清华大学曲久辉院士团队刘锐平、中国科学技术大学陈洁洁Angew:纳米-生物杂合体界面间电子定向转移实现硝酸盐选择性转化
浙江大学环境纳米技术研究团队Nature Water:晶格工程实现纳米零价铁的高效选择性还原反应
山大刘建、港理工金灵等ES&T封面:联合提出“微塑料组”呼吁以整体视角研究微塑料以捕获其在真实世界中的生态与健康影响
哈工大(深圳)任南琪院士团队陈以頔、阿德莱德大学段晓光ES&T补充封面:聚焦微污染物聚合转化研究
大连理工陈景文团队、哈工大姜杰团队、宾大Joseph S. Francisco教授JACS:全多氟烷基化合物在微液滴表面自发降解
ESE专栏 | 《中国碳中和与清洁空气协同路径年度报告》工作组:2022年中国碳中和与清洁空气协同路径报告——提速重点部门转型
学术招聘
美国范德堡大学环境工程研究生项目招生 (博士硕士)
加州大学河滨分校化学与环境工程系门玉洁课题组招收博士生(或博士后)
香港城市大学能源与环境学院Dr. Sam H. Y. HSU课题组招聘博士
美国圣母大学环境分子与合成生物学实验室拟招收2名全奖博士生
瑞典斯德哥尔摩大学和瑞士Eawag联合招聘全奖博士生(环境方向)
北京大学环境科学与工程学院赵华章教授团队招聘博士
学术资讯
耶鲁大学Julie B. Zimmerman教授出任ES&T主编
贝勒大学Bryan W. Brooks教授出任ES&T Letters主编
韩国科学院院士Wonyong Choi将出任ACS ES&T Engineering创刊主编
CEJ Advances创刊 | 潘丙才教授任主编,四位华人学者任副主编
ACS对话 | ACS ES&T Engineering创刊副主编马军院士
专访:Environmental Science & Ecotechnology 主编团队

图片

图片
图片

扫描二维码,快速入群~

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/187642