使用实测低值负样本的采样偏差感知机器学习绘制韩国全罗南道地质成因室内氡危害图

《Journal of Hazardous Materials Advances》:Sampling-bias-aware machine-learning mapping of geogenic indoor radon hazard in Jeollanam-do, Korea using measured-low negatives

【字体: 大 中 小 】 时间:2026年07月14日 来源:Journal of Hazardous Materials Advances 9.1

编辑推荐:

  室内氡是一种天然存在的有害暴露,受源岩放射性元素含量、风化层和裂隙通道、地形环境、土壤性质以及建筑物空间分布耦合效应的控制。研究人员开发了一种采样偏差感知的机器学习框架,用于绘制韩国全罗南道的地质成因室内氡危害易感性图,该框架将岩性解析的频率比编码(FR)与地

  
室内氡是一种天然存在的有害暴露,受源岩放射性元素含量、风化层和裂隙通道、地形环境、土壤性质以及建筑物空间分布耦合效应的控制。研究人员开发了一种采样偏差感知的机器学习框架,用于绘制韩国全罗南道的地质成因室内氡危害易感性图,该框架将岩性解析的频率比编码(FR)与地质、地貌、土壤和地球化学因素相结合,并采用四种监督分类器:XGBoost、卷积神经网络(CNN)、CNN-长短期记忆(CNN-LSTM)和微型U-Net。该研究解决了两个反复出现的局限性,这些局限性可能扭曲基于住宅环境监测数据的危害暴露制图。首先,负类并非依赖未测量的随机伪缺失,而是由实测低值室内氡调查点(即实测室内氡低于148 Bq m-3参考水平用于定义阳性位点的点)构建,这些点通过1,000或1,500米缓冲区与阳性位点分离,从而使两类均基于观测的环境测量数据。其次,土地利用被诊断性地用于识别住宅调查聚类;由于其单因素受试者工作特征曲线下面积(AUC)主要反映监测设计而非氡的产生或运移,因此被排除在最终的地质成因危害预测因子集之外。在十个随机种子中,XGBoost在选定的1,500米缓冲区和九方向增强设置下获得了最高的平均测试AUC(0.81 ± 0.01;用于生成易感性图的单个模型达到0.8140);CNN、CNN-LSTM、U-Net和未加权FR基线分别达到平均AUC 0.79、0.77、0.77和0.70,因此非线性学习在危害区域筛选上优于未加权FR叠加。XGBoost与CNN之间的差异无统计学显著性(DeLong检验p=0.44;AUC差异的配对自助法95%置信区间包含零),因此表格型和空间型架构被视为统计上可比较。生成的易感性得分图将412.8 km2(占全省面积的3.3%)划分为极高等级。与韩国地质资源研究院(KIGAM)岩性栅格的空间叠加突显了佛国寺斑状花岗岩、二叠系忠南群、白垩系英安岩单元以及受保护的四纪冲积低地为高易感性区域。因此,该图应作为岩性感知的危害暴露筛选层,用于氡优先调查、抗氡建筑规划、缓解优先排序和未来分层监测,而非作为校准的住宅级别超标概率图。
室内氡(222Rn)是一种天然地质成因危害,其暴露受源岩放射性元素含量、风化层与裂隙通道、地形、土壤性质及建筑物分布的耦合效应控制。此前,韩国全罗南道缺乏省尺度、岩性解析的室内氡易感性产品,且现有研究常使用随机空间伪缺失作为负样本,导致采样设计偏差(如住宅与非住宅对比),而土地利用因子(Land Use)的高单因素AUC(0.948)主要反映监测设计而非氡生成机制。为克服这些局限,研究人员将地质、地貌、土壤和地球化学共15个候选因素(经频率比编码,FR)与四种监督分类器(XGBoost、CNN、CNN-LSTM、U-Net)结合,并引入实测低值负样本协议(从同一调查中选取测量值低于148 Bq m-3的点,通过1,000或1,500米缓冲区与阳性点分离),同时诊断性排除土地利用。该研究在《Journal of Hazardous Materials Advances》上发表,旨在构建可迁移的采样偏差感知危害制图工作流,生成地质成因室内氡暴露筛选图,用于氡优先调查、抗氡建筑规划、缓解优先排序及分层监测,而非作为校准的住宅级别超标概率图。

主要关键技术方法包括:(1)频率比(FR)编码:将每个条件因子重分类为少量子类,计算正类点比例与面积比例之比,得到无量纲对比标量,并基于训练子集计算FR权重;(2)实测低值负样本采样:从韩国国立环境研究院(NIER)的2,735个室内氡测量点中,选取低于148 Bq m-3参考水平的点,经缓冲区(1,000或1,500米)排除与阳性点邻近的点后构建负类;(3)数据增强:对训练子集每个点进行9方向±10米偏移复制,生成21×21像素FR补丁;(4)四种监督分类器:XGBoost(梯度提升树,基于中心点14维FR向量)、CNN(两个卷积块+全连接层)、CNN-LSTM(CNN编码器后接行方向LSTM)、U-Net(微型编码器-解码器结构,含跳跃连接);(5)验证与消融:单种子消融矩阵(缓冲区×增强因子),十种子性能评估(平均AUC、标准差、DeLong检验、配对自助法置信区间),以及空间块交叉验证(5、10、20公里块)和校准分析。

研究结果如下:

4.1 频率比特征分析:通过计算各FR编码层在30%保留测试集上的单变量ROC-AUC和信息增益,发现土地利用(Land Use)AUC高达0.948但被排除;土壤类型(S_TY)AUC为0.846,风暴露(WE)AUC为0.817,谷深(VD)AUC为0.747,岩性(Lithology)AUC为0.736,而地球化学因子(如c_Zr,AUC 0.584)较弱。结论:土壤类型、地形(风暴露、谷深)和岩性是主要单因素判别因子,地球化学因子贡献有限但非冗余。

4.2 模型性能与对缓冲区和增强的敏感性:在四种消融设置(缓冲区1,500 m或1,000 m,增强4或9)下,XGBoost在所有设置中取得最高测试AUC,其中缓冲区1,500 m、增强9的设置下XGBoost AUC为0.8140,CNN为0.8073,CNN-LSTM为0.7835,U-Net为0.7639,FR基线为0.704。十种子评估显示XGBoost平均AUC 0.805 ± 0.006,CNN为0.789 ± 0.011;DeLong检验p=0.44,差异不显著。结论:XGBoost与CNN统计上可比,非线性学习优于未加权FR,但表格型与空间型架构无显著差异。

4.3 易感性图:选定配置下,XGBoost易感性图将全省12,568 km2的3.3%(412.8 km2)划分为极高等级(得分>0.8)。与KIGAM岩性栅格叠加显示:佛国寺斑状花岗岩(Kpgr)在极高等级中富集18.7倍,二叠系忠南群(Pch)富集4.2倍,白垩系英安岩和海南组(Kjd, Kha)富集3-4倍,四纪冲积层(Qa)贡献最大绝对面积但富集倍数仅2.6倍;东部小白山片麻岩-花岗岩带(PCEggn, ggn, Jbgr)在极高等级中贫化。结论:高易感性区域与特定岩性(富铀-钍侵入岩和火山碎屑岩)及地形(受保护谷地)相关,但东部山区因采样稀疏被低估。

4.4 采样设计与空间依赖的鲁棒性:以随机伪缺失替代实测低值负样本后,所有分类器AUC提升0.08-0.18,FR基线提升0.18;空间块交叉验证(5-20公里块)使XGBoost AUC从约0.80降至约0.71,下降约0.09。结论:实测低值负样本和空间验证可减少评估乐观偏差,随机分裂评估高估性能。

讨论部分总结了三方面:第一,高易感性类的地质和地貌控制——佛国寺斑状花岗岩、二叠系忠南群等岩性通过源岩放射性元素和裂隙通道贡献高易感性,而四纪冲积低地主要受地形因素(风暴露、谷深)影响;第二,表格型与空间型归纳偏置——XGBoost在FR编码的表格空间上表现最佳,但卷积架构因粗分辨率邻居信息有限而未显著优于XGBoost;第三,采样设计局限性——缓冲区距离本身是一阶建模选择,可能引入易负样本偏差,东部山区采样稀疏导致预测置信度低,且易感性得分未校准,应作为相对筛选层而非概率图。

研究结论翻译如下:本研究通过将14个因素的频率比编码与四种分类器消融矩阵结合,在实测低值负样本协议下,生成了韩国全罗南道的地质成因室内氡危害筛选图。工作流程以未测量的随机空间伪缺失替换为来自同一NIER室内氡调查的实测低值点,并通过1,000或1,500米缓冲区与阳性点分离。诊断性排除土地利用(单因素AUC 0.948,归因于88%住宅聚类)和KIGAM地质栅格的岩性解析编码构成了工作流程的方法核心。在单种子消融中,缓冲区1,500米、增强9的配置取得了最佳测试AUC,并选定该配置;十种子评估中XGBoost取得最高平均测试AUC(0.805),CNN紧随其后(0.789),CNN-LSTM(0.773)、U-Net(0.768)和未加权FR基线(0.704)较低。多种子DeLong检验和配对自助法检验显示XGBoost与CNN差异不显著,因此不宣称模型在排名顶端的优越性。所选XGBoost危害筛选图将412.8 km2(全省面积的3.28%)划分为极高得分类,识别出优先进行现场验证和缓解规划的区域(相对排名范围,非超标概率)。与KIGAM岩性栅格的空间叠加突显了佛国寺斑状花岗岩、二叠系忠南群、白垩系英安岩和海南组单元以及受保护的四纪冲积低地为高易感性区域。佛国寺斑状花岗岩与极高得分类的18.7倍关联是一个值得注意的描述性结果,但需通过置信区间或置换检验评估后才能视为统计上解析的富集。东部小白山片麻岩-花岗岩带的明显贫化同样被解释为低置信度、欠采样预测,而非低地质成因氡易感性的证据。由此得出三点:第一,实测低值负样本采样可减少对未测量伪缺失的依赖,但缓冲区距离本身是一阶建模选择,可能引入易负样本偏差;第二,土地利用的诊断性排除有助于将地质成因易感性与住宅调查聚类分离,同时承认土地利用和建筑物分布对暴露仍然重要;第三,该图最适用于作为氡优先场地调查、抗氡建筑、室内测试、改造优先排序和未来分层监测的危害暴露筛选层。空间验证、多种子不确定性报告、富集不确定性、校准分析以及对代表性不足岩性的针对性采样仍是必要的扩展,然后才能将该产品视为校准的住宅级别风险图。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号