研究人员创建算法来预测私人水井中的砷污染

尽管对人体健康存在风险，但新泽西州的大多数私人饮用水井不需要进行砷检测。为了帮助解决这一监管缺口，罗格斯大学的一名研究人员开发了一种机器学习模型，该模型可以估计私人水井中的砷污染，而无需对水本身进行采样。

“新泽西州有许多天然存在的砷源，可以提高地下水中的砷浓度，”生态、进化和自然资源系助理研究教授、该研究的主要作者 Subhasis Giri 说，该研究发表在《科学》杂志上。整体环境。“我们的工作通过揭示私人饮用水井中砷浓度的来源，有助于了解这种人类健康风险，这反过来将有助于缓解。”

砷以有机和无机形式存在。天然来源是岩石、土壤和水，而人为来源包括杀虫剂、木材防腐剂、采矿和含砷矿物的冶炼。长期接触饮用水中砷含量较高的环境会导致严重的健康后果，例如心脏病、糖尿病和癌症。

为了确定新泽西州中西部三个国家(亨特登、萨默塞特和莫里斯)的砷热点，哥伦比亚大学和新泽西理工学院的 Giri 及其同事开发了一种计算机模型，该模型使用机器学习来预测私人井被不安全的砷水平污染。

第一步是分析 Raritan Headwaters(一个在 Raritan 河流域工作的保护组织)在 2011 年至 2019 年期间收集的 2,626 口私人水井的数据。在这些井中，有 496 口井的砷浓度达到或超过每升 5 微克，这是国家允许的公共饮用水系统的最高水平。这些数据使用井位绘制在地图上。

接下来，研究人员开发了机器学习算法来确定是什么导致了更高的砷浓度。因素包括地质基岩类型、土壤类型、排水等级、土地利用覆盖、果园的存在、已知污染和每口井 500 英尺范围内的废弃矿山。

通过这个多层数据集，Giri 将预测的砷含量与 Raritan Headwaters 样品的实际含量进行了比较。

“我们发现砷的主要来源是地质而不是人类活动，”吉里说。

例如，玄武岩是整个研究区域的一种常见岩石类型，由含有高浓度砷的矿物质构成，可以渗入地下水。他说，第二大贡献因素是土壤类型，其次是土地利用。

创建了两个模型，分别达到了 55% 和 66% 的准确率。

的大多数公共供水均受联邦《安全饮用水法》监管，但私人水井通常不受监管。2001 年，新泽西州出台了《私人试井法》，但仅在买卖房产或租户使用水井时才要求进行强制性测试。

研究人员发现，在新泽西州大约 400,000 口私人水井中，多达 80% 的水井未进行水质监测。Giri 说，他开发的计算机模型可以帮助识别砷风险较高的区域，在规划测试策略时为井主提供更多信息。

Giri 说：“绘制砷浓度升高的潜在‘热点’地图的能力有助于针对油井测试计划和实施解决方案的努力。” “测试油井质量会给业主带来经济负担，而像我们的建模软件这样的工具可以成为帮助平衡风险的具有成本效益的方法。”