- Код статьи
- 10.31857/S0869780925010097-1
- DOI
- 10.31857/S0869780925010097
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том / Номер выпуска 1
- Страницы
- 87-96
- Аннотация
- Для оценки вариаций пространственного загрязнения тяжелыми металлами верхнего слоя городской почвы использована гибридная модель Land Use Regression (LUR) и регрессионный кригинг (RK). Модель построена на основе данных мониторинга содержания никеля и марганца в верхнем слое почвы арктического г. Тарко-Сале. Предложенный LUR и RK метод моделирования загрязнения автотранспортом верхнего слоя почвы может быть использован для любой территории. Применение RK улучшает точность LUR модели: корреляция тестового и предсказанного наборов увеличилась на 7% для никеля и на 17% для марганца, а относительная среднеквадратическая ошибка RRMSE уменьшалась на 10% для обоих элементов. Результаты гибридного моделирования LUR с регрессионным кригингом позволили определить, что распределение марганца и никеля в верхнем слое почвы города не зависит от автотранспорта. Это свидетельствует о природном происхождении марганца и никеля в городской почве в отсутствие других источников загрязнения. Последовательное включение различных источников загрязнения в модель LUR является способом оценки вклада каждого из выбранных источников в загрязнение выбранным элементом.
- Ключевые слова
- тяжелые металлы верхний слой почвы LUR (land use regression) пространственное распределение гибридное моделирование
- Дата публикации
- 19.09.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 10
Библиография
- 1. Антропов К.М., Вараксин А.Н. Оценка загрязнения атмосферного воздуха г. Екатеринбурга диоксидом азота методом Land Use Regression // Экологические системы и приборы. 2011. №8. C. 47-54.
- 2. Буевич А.Г., Сафина А.М., Сергеев А.П. и др. Анализ статистических зависимостей распределения загрязняющих веществ в поверхностном слое почвы урбанизированных территорий с применением математических моделей (LUR метод) // Геоэкология. 2015. №3. С. 268-279.
- 3. Медведев А.Н., Медведев М.А. О применении подхода Land Use Regression для моделирования площадного загрязнения снега при малом количестве точек наблюдения // XI Междунар. конф. «Российские регионы в фокусе перемен». Екатеринбург, 17-19 ноября 2016 г.: сб. докладов. Екатеринбург: Издательство УМЦ УПИ, 2016. Ч. 1. С. 487-494.
- 4. Сергеев А.П., Баглаева Е.М., Субботина И.Е. Загрязнение почв города Тарко-Сале тяжелыми металлами // Геоэкология. 2014. №1. С. 28-36.
- 5. Aguilera I., Sunyer J., Fernandez-Patier R., Hoek G. et al. Estimation of outdoor NOx, NO2 and BTEX exposure in a cohort of pregnant women using land use regression modeling // Environ. Sci. Technol. 2008. V. 42. P. 815-821.
- 6. Brauer M., Hoek G., van Vliet P., Meliefste K. et al. Estimating long-term average particulate air pollution concentrations: application of traffic indicators and geographic information systems // Epidemiology. 2003. V. 14. P. 228-239.
- 7. Briggs D.J., de Hoogh C., Gulliver J., Wills J. et al. A regression-based method for mapping trafficrelated air pollution: application and testing in four contrasting urban environments // Sci. Total. Environ. 2000. V. 253(1-3). P. 151-167.
- 8. Carr D., von Ehrenstein O., Weiland S., Wagner C. et al. Modeling annual benzene, toluene, NO2, and soot concentrations on the basis of road traffic characteristics // Environ. Res. 2002. V. 90. P. 111-118.
- 9. Hoek G., Beelen R., de Hoogh K., Vienneaue D. et al. A review of land-use regression models to assess spatial variation of outdoor air pollution // Atmos. Environ. 2008. V. 36. P. 4077-4088.
- 10. Kashima S., Yorifuji T., Tsuda T., Doi H. Application of land use regression to regulatory air quality data in Japan // Sci Total Environ. 2009. V. 407(8). P. 3055-3062.
- 11. Liu Y., Song S., Bi C., Zhao J., Xi, D., Su Z. Occurrence, Distribution and Risk Assessment of Mercury in Multimedia of Soil-Dust-Plants in Shanghai, China // Int. J. Environ. Res. Public Health. 2019. V. 16. 3028. https://doi.org/10.3390/ijerph16173028
- 12. Moore D.K., Jerrett M., Mack W.J., Kunzli N. A land use regression model for predicting ambient fine particulate matter across Los Angeles, CA // J. Environ. Monitor. 2007. V. 9. P. 246-252.
- 13. Ross Z., English P.B., Scalf R., Gunier R. et al. Nitrogen dioxide prediction in Southern California using land use regression modeling: potential for environmental health analyses // J. Expo. Sci. Environ. Epidemiol. 2006. V. 16. P. 106-114.
- 14. Smith L., Mukerjee S., Gonzales M., Stallings C. et al. Use of GIS and ancillary variables to predict volatile organic compound and nitrogen dioxide levels at unmonitored locations // Atmos. Environ. 2006. V. 40. P. 3773-3787.
- 15. Stedman J., Vincent K., Campbell G., Goodwin J., Downing C. New high resolution maps of estimated background ambient NOx and NO2 concentrations in the U.K. // Atmos. Environ. 1997. V. 31. P. 3591-3602.
- 16. Taylor K. Summarizing multiple aspects of model performance in a single diagram // J. Geophys. Res. 2001. V. 106. P. 7183-7192. https://doi.org/10.1029/2000JD900719
