view in publisher's site

Mapping lead concentrations in urban topsoil using proximal and remote sensing data and hybrid statistical approaches

Highlights•Proximal and remote sensing data are suitable for extracting landscape factors.•Hybrid statistical approaches were employed to map lead (Pb) in urban topsoil.•Combined use of proximal and remote sensing improved the predictions of Pb contents.•Geographically weighted regression outperformed regression kriging for mapping Pb.AbstractDue to rapid urbanization in China, lead (Pb) continues to accumulate in urban topsoil, resulting in soil degradation and increased public exposure. Mapping Pb concentrations in urban topsoil is therefore vital for the evaluation and control of this exposure risk. This study developed spatial models to map Pb concentrations in urban topsoil using proximal and remote sensing data. Proximal sensing reflectance spectra (350–2500 nm) of soils were pre-processed and used to calculate the principal components as landscape factors to represent the soil properties. Other landscape factors, including vegetation and land-use factors, were extracted from time-sequential Landsat images. Two hybrid statistical approaches, regression kriging (RK) and geographically weighted regression (GWR), were adopted to establish prediction models using the landscape factors. The results indicated that the use of landscape factors derived from combined remote and proximal sensing data improved the prediction of Pb concentrations compared with useing these data individually. GWR obtained better results than RK for predicting soil Pb concentration. Thus, joint proximal and remote sensing provides timely, easily accessible, and suitable data for extracting landscape factors.

ترسیم غلظت سرب در خاک سطحی شهری با استفاده از داده‌های سنجش از دور و نزدیک و روش‌های آماری ترکیبی

نکات برجسته: پروکسیمال و داده‌های سنجش از دور برای استخراج عوامل چشم‌انداز مناسب هستند. روش‌های آماری ترکیبی برای ترسیم سرب (Pb)در خاک شهری مورد استفاده قرار گرفت. * استفاده ترکیبی از سنجش از دور و نزدیک، پیش‌بینی محتوای Pb را بهبود بخشید. * رگرسیون وزنی از نظر جغرافیایی بهتر از رگرسیون کریجینگ برای ترسیم نقشه Pb.abst عمل می‌کند. به دلیل شهرنشینی سریع در چین، سرب (Pb)به تجمع در خاک سطحی شهری ادامه می‌دهد، که منجر به تخریب خاک و افزایش در معرض قرار گرفتن عمومی می‌شود. بنابراین ترسیم غلظت Pb در خاک سطحی شهری برای ارزیابی و کنترل این خطر آلودگی ضروری است. این مطالعه مدل‌های فضایی را برای ترسیم غلظت Pb در خاک سطحی شهری با استفاده از داده‌های سنجش از دور و نزدیک توسعه داده‌است. طیف‌های انعکاسی سنجش نزدیکی (۳۵۰ - ۲۵۰۰ nm)خاک‌ها از پیش پردازش شدند و برای محاسبه مولفه‌های اصلی به عنوان عوامل چشم‌انداز برای نشان دادن ویژگی‌های خاک استفاده شدند. سایر عوامل چشم‌انداز، از جمله عوامل پوشش گیاهی و کاربری اراضی، از تصاویر زمینی متوالی زمانی استخراج شدند. دو روش آماری ترکیبی، رگرسیون کریجینگ (RK)و رگرسیون وزن دار جغرافیایی (GWR)، برای ایجاد مدل‌های پیش‌بینی با استفاده از عوامل چشم‌انداز اتخاذ شدند. نتایج نشان داد که استفاده از فاکتورهای چشم‌انداز به‌دست‌آمده از داده‌های ترکیبی سنجش از راه دور و نزدیک، پیش‌بینی غلظت Pb را در مقایسه با استفاده از این داده‌ها به صورت جداگانه بهبود می‌بخشد. GWR نتایج بهتری نسبت به RK برای پیش‌بینی غلظت Pb خاک به دست آورد. بنابراین، سنجش از دور و نزدیک مشترک، داده‌های به موقع، به راحتی در دسترس و مناسبی را برای استخراج عوامل چشم‌انداز فراهم می‌کند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Pollution
  • ترجمه مقاله Pollution
  • مقاله آلودگی
  • ترجمه مقاله آلودگی
  • مقاله General Medicine
  • ترجمه مقاله General Medicine
  • مقاله طب عمومی
  • ترجمه مقاله طب عمومی
  • مقاله Toxicology
  • ترجمه مقاله Toxicology
  • مقاله سم‌شناسی
  • ترجمه مقاله سم‌شناسی
  • مقاله Health, Toxicology and Mutagenesis
  • ترجمه مقاله Health, Toxicology and Mutagenesis
  • مقاله سلامت، سم‌شناسی و جهش‌زایی
  • ترجمه مقاله سلامت، سم‌شناسی و جهش‌زایی
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.