融合多源时空数据的地下水硫酸盐预测模型

准确预测地下水SO₄^2-空间变化趋势对改善地下水质量、提高区域地下水管理水平具有重要意义.以2011、2014、2017和2020年叶尔羌河流域平原区土地覆盖数据、土壤参数数据、数字高程数据等多源时空数据和地下水p H值为特征变量,分析其与地下水SO₄^2-浓度的相关性,利用贝叶斯优化算法优化随机森林回归,建立BOA-RFR模型,并基于BOA-RFR模型对特征变量进行重要性分析,对模型预测精度进行评价,最后生成地下水SO₄^2-预测图.结果表明,p H值、地面高程（GE）和贡献区荒地（BAR）面积占比作为影响地下水水化学组分的重要参数,与地下水SO₄^2-浓度均呈现极显著负相关,对地下水SO₄^2-浓度预测的重要度均大于25%;地统计插值方法作为空间分布预测建模的辅助手段,加入辅助样本后的BOA-RFR模型,地下水SO₄^2-浓度预测的R²均大于0.96,且多辅助样本构建模型的RMSE和MAE最大值较少样本模型的最小值分别降低了4.7%和23.8%;在地下水SO₄^2-浓度预测中,高SO₄^2-地下水向叶尔羌河流域平原区东北部富集,且面积呈扩张趋势.