مدل سازی آلودگی خاک به فلزات سنگین با استفاده از روش های یادگیری ماشین و داده‌های طیف سنجی

معادن و صنایع وابسته به آن، در زمان بهره‌برداری و پس از متروکه شدن، بر محیط زیست اطراف خود تاثیرگذارند. از جملۀ این تاثیرات می‌توان به آلودگی آب‌های زیرزمینی و سطحی، و نیز آلودگی خاک اشاره کرد. مدل‌سازی غلظت فلزات سنگین با استفاده از روش‌های مقرون‌به‌صرفه لازمۀ مدیریت و اصلاح آسیب‏های واردشده به محیط زیست است. هدف این تحقیق ارائۀ چارچوبی به‌منظور مدل‌سازی فلزات سنگین در خاک با استفاده از طیف‌سنجی و نیز روش‌های مدل‌سازی آماری است. بدین منظور با استفاده از طیف‌سنجی، نمودار طیفی مربوط به 53 نمونه خاک مربوط به منطقه‌ای در اطراف یک معدن متروکه در ایالت نیوساوث ولز استرالیا در طول موج‌های مرئی تا مادون قرمز میانی برداشت شد و مشتق دوم این داده‌ها محاسبه شد. سپس داده‌های طیفی مناسب برای مدل‌سازی غلظت فلزات سنگین شامل سرب، نقره، کادمیوم و جیوه با استفاده از روش انتخاب ویژگی جنگل تصادفی تعیین شدند و به‌عنوان ورودی برای مدل‌سازی غلظت فلزات سنگین با استفاده از روش‌های رگرسیون خطی چندمتغیره، جنگل تصادفی رگرسیون و ماشین‏بردار رگرسیون به‌کار گرفته شدند. نتایج نشان داد که طول موج‌های مادون قرمز میانی دارای اهمیت بیشتری به‌منظور مدل‌سازی غلظت فلزات سنگین در این تحقیق هستند. همچنین روش‌های غیرخطی یادگیری ماشین به‌خصوص جنگل تصادفی رگرسیون با مقادیر مجذور میانگین مربعات خطا ppm 0.8 و ضریب تعیین 0.51 برای سرب و ppm 9.4 و 0.46 برای کادمیوم دارای عملکرد بهتری نسبت‌به روش رگرسیون خطی چندمتغیره هستند. 

modelling of soil heavy metal contamination using machine learning techniques and spectroscopic data

mines and their related-industries are able to affect their surrounding environment, not only by their activities, but also after being abandoned. among their different harmful effects, under water and surface water contaminations, and soil contamination can be mentioned. in order to manage these environmental effects, it is necessary to use reasonable methods for modelling heavy metal concentration in soil. this study aims to present a framework for modelling heavy metal soil contamination based on spectroscopy and statistical models. for this purpose, the spectral curves of the 53 soil samples, derived from an abandoned mine and its surrounding areas in new south wales, australia, were collected using a spectroradiometer in visible to short wavelength infrared (swir) wavelengths. calculating the second derivative of the collected spectral data, random forest feature selection method (rffs) was used to determine the most important spectral data for modelling heavy metal concentrations including lead, silver, cadmium and mercury. then, the modelling techniques including multiple linear regression, random forest regression, and support vector regression (svr) were applied on the selected spectral data. the results indicated that swir wavelengths are the most important spectral data for modelling heavy metal concentrations. moreover, the non-linear machine learning methods, especially random forest with rmse of 0.8 ppm and r2 of 0.51 for lead and rmse of 9.4 ppm and r2 of 0.46 for cadmium performed better than multiple linear regression.