基于3D-DKNN的某钢铁厂场地土壤多环芳烃污染分布三维插值方法研究
文献类型：学位论文
| 作者 | 张睿聪 |
| 答辩日期 | 2025-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 胡茂桂 |
| 关键词 | 土壤污染 三维空间插值 GeoAI 多环芳烃 空间分布格局 |
| 学位名称 | 硕士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 土壤作为地球生态系统的关键组成部分，对人群健康和粮食安全有着重要的意义。但全球重工业发展导致土壤污染问题日益严峻，引发了广泛关注。其中，多环芳烃（PAHs）是土壤有机污染中典型的污染物，也是钢铁厂场地中最常见的污染物之一，具有毒性和致癌性，对人群健康及生存发展构成了严重威胁。探究土壤PAHs 的空间分布及范围，精准刻画土壤污染物分布，能够为生态修复提供理论支撑，因此成为当前研究的重要课题。然而，传统空间插值方法因过于简化总体特征或假设较强，难以适用于具有复杂空间特征的研究对象。近年来，地理空间人工智能（GeoAI）方法的兴起为地理问题的解决提供了新思路。GeoAI 通过挖掘空间数据内在的特征，在精度和细节模拟上展现出优越的性能。本研究旨在基于土壤样本数据集，构建一种适用于土壤PAHs 污染的三维插值方法，并与传统方法进行比较，以评估方法在土壤PAHs 污染空间分布模拟中的适用性和有效性。 本研究首先使用样点数据探索分析了钢铁厂场地土壤PAHs 的空间分布特征。随后，结合土壤PAHs 污染的空间分布特征设计模型结构，构建基于深度克里金神经网络（DKNN）的土壤PAHs 污染分布三维插值方法：三维深度克里金神经网络（3D-DKNN）和三维分层深度克里金神经网络。该方法融合了深度学习算法和克里金族方法，结合土壤PAHs 污染分布特征先验知识，引入高程膨胀因子处理各向异性，通过空间编码器的深度学习算法学习数据空间结构，并最终利用克里金方程完成空间插值。研究以某钢铁厂遗留场地的土壤PAHs 污染空间分布模拟为例，通过精度验证和细节模拟两方面展示3D-DKNN 相较于传统方法（包括反距离加权、普通克里金和分层克里金）的优越性能，探究土壤PAHs 的空间格局。主要结果如下： （1）案例研究区的土壤PAHs 具有变异性特征，数据分布呈现明显的长尾效应。水平方向上，污染在仓库区等区域有显著聚集效应。垂直方向上，土壤PAHs存在局部污染热点，萘在1-3.5m 深度含量高，苯并[b]荧蒽和苯并[a]芘表土污染严重。苯并[b]荧蒽和苯并[a]芘的空间分层异质性明显，以2m 深度作为分层标准，分层异质性最强。 （2）3D-DKNN 在精度和细节模拟方面表现出色，精度显著优于比较的传统方法。与传统空间插值方法相比，3D-DKNN 具有最低的均方根误差（RMSE）、平均绝对误差（MAE）和最高的相关系数。相较于反距离加权插值方法，3DDKNN在土壤PAHs 的模拟中RMSE 提升了36-85%，MAE 提升了40-58%，展现出最强的拟合能力。并且，3D-DKNN 的插值结果连续性更强，细节模拟效果优秀，与样本点一致性高，为后续土壤修复及场地改造工作提供了理论支持。 （3）水平方向上，研究区内仓库区和生产车间部分区域苯并[b]荧蒽和苯并[a]芘超标，存在人群的潜在暴露风险，是土壤修复重点区域。在垂直方向上，土壤PAHs 的迁移范围较小，主要集中于土壤表层。本研究不仅提升了土壤PAHs污染的三维插值精度，还为场地评估和修复工作提供了理论基础和参考。 |
| 学科主题 | 地图学与地理信息系统 |
| 语种 | 中文 |
| 页码 | 81 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/215745]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 张睿聪. 基于3D-DKNN的某钢铁厂场地土壤多环芳烃污染分布三维插值方法研究[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2025. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。