基于表层环境的矿冶区深层土壤重金属污染风险预测方法技术

本发明专利技术公开了一种基于表层环境的矿冶区深层土壤重金属污染风险预测方法，包括：选择若干矿冶区的若干采样点位，采集各采样点位地下各土层的土壤样品，检测多种重金属含量并确定污染风险指标，预处理后构建样本标签并作为机器学习模型输出；检测表层土壤样品的多种理化性质参数和人为及环境影响因子参数，预处理后构建样本特征向量并作为机器学习模型输入；使用样本集训练和优化机器学习模型，得到矿冶区深层土壤重金属污染风险预测模型；获取未知矿冶区的特征向量，利用预测模型得到该矿冶区预测深度所有土层的重金属污染风险指标

【技术实现步骤摘要】
基于表层环境的矿冶区深层土壤重金属污染风险预测方法


[0001]本专利技术属于环境污染防治
，涉及一种快速评估土壤重金属污染分布预测方法，具体涉及一种基于表层环境的矿冶区深层土壤重金属污染风险预测方法
。

技术介绍

[0002]矿冶过程排放大量含重金属粉尘
、
废渣和废水，如不恰当处置，则会随干湿沉降
、
地表径流和污水灌溉进入周边土壤
。
重金属会在矿冶区土壤中不断富集，含量常常远高于土壤背景值
。
同时，人为
、
自然因素均会影响重金属的迁移和归趋，进而影响土壤重金属垂向分布
。
土壤重金属能二次释放迁移至食物链
、
地下水和地表水中，进而威胁人体健康，因此矿冶区土壤重金属污染风险防控工作尤为重要
。
[0003]常规矿冶区土壤重金属垂向分布研究多依赖于大规模土壤采集，工作成本高
、
效率低，且检测数据缺失现象严重
。
同时，土壤空间位置与重金属含量，以及污染程度与重金本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于表层环境的矿冶区深层土壤重金属污染风险预测方法，其特征在于，包括：步骤1，选择若干个矿冶区，在每个矿冶区均匀选择若干采样点位；步骤2，在每个采样点位，采集地下预测深度以上各土层的土壤样品，检测各土层土壤样品的多种重金属含量，对应确定各土层土壤样品中每种重金属的污染风险指标；步骤3，选择采样点位的表层土壤样品，检测获取表层土壤样品的多种理化性质参数和人为及环境影响因子参数；步骤4，对每个采样点位由步骤2和步骤3得到数据进行预处理，然后根据表层土壤预处理后的多种理化性质参数和人为及环境影响因子参数构建样本的特征向量并作为机器学习模型的输入，以及根据所有土层的重金属污染指数构建样本的标签并作为机器学习模型的输出，每个采样点位对应得到一个样本；步骤5，将所有采样点对应得到的样本集划分训练集和验证集；使用训练集的样本训练机器学习模型，确定超参数后使用验证集的样本优化超参数，得到矿冶区深层土壤重金属污染风险预测模型；步骤6，对于深层土壤重金属污染风险未知的任意矿冶区，检测获取其表层土壤的多种理化性质参数和人为及环境影响因子参数，预处理后得到测试样本的特征向量；再将测试样本的特征向量输入至矿冶区深层土壤重金属污染风险预测模型，模型输出得到该矿冶区地下预测深度以上所有土层的重金属污染风险指标
。2.
根据权利要求1所述的基于表层环境的矿冶区深层土壤重金属污染风险预测方法，其特征在于，步骤2检测土壤样品的多种重金属含量，具体检测方法为：将土壤样品过
100
目筛后采用
HNO3‑
HCl
‑
H2O2消解，采用电感耦合等离子体质谱仪对消解后的土壤样品中的重金属含量进行分析，得到土壤样品的各种重金属含量
。3.
根据权利要求1所述的基于表层环境的矿冶区深层土壤重金属污染风险预测方法，其特征在于，所述多种重金属包括以下任意一种或多种：
As、Cd、Cr、Cu、Ni、Pb、Zn、Hg。4.
根据权利要求1所述的基于表层环境的矿冶区深层土壤重金属污染风险预测方法，其特征在于，基于地累积指数法确定各土层土壤样品中每种重金属的污染风险指标，表示为：式中，
I
geo
(i)
为第
i
种重金属的风险指标；
C
i
为第
i
种重金属的检测含量；
B
i
为第
i
种重金属的土壤背景含量；
α
为土壤背景含量的自然波动系数
。5.
根据权利要求1所述的基于表层环境的矿冶区深层土壤重金属污染风险预测方法，其特征在于，步骤3检测获取的多种理化性质参数包括：土壤
pH、
土壤有机质含量
、
土壤阳离子交换量
、
土壤铁含量
、
土壤铝含量
、
土壤硫含量<...

【专利技术属性】
技术研发人员：彭驰，姜智超，郭朝晖，肖细元，钟佳，
申请(专利权)人：中南大学，
类型：发明
国别省市：