基于机器学习的长江流域磷酸盐源解析及驱动因子识别

来源：环境监测管理与技术杂志2026年第1期北京时间：

作者：马天启；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；陈星；安徽省矿山生态修复工程研究中心；；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；董想；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；付心怡；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；张子寒；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；郑刘根；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；

单位：安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；安徽省矿山生态修复工程研究中心；；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；安徽大学资源与环境工程学院；；安徽省矿山生态修复工程研究中心；

摘要：采集长江流域内不同季节的84个水样并测定其理化指标，运用自组织映射神经网络和随机森林算法进行溶解性磷酸盐（SRP）的来源解析与驱动因素分析。结果表明，长江流域SRP测定值为0011 mg/L～0771 mg/L，空间差异显著，且中下游地区SRP值较高；上游SRP来源主要受人为源和自然源共同作用影响，自然土地利用类型的贡献率最高，达到55%；中游受到生活污水、农业等人为源影响较大，自然土地利用类型贡献率为45%，人工土地利用贡献率为23%；下游主要受到交通、工矿业和水产养殖等人为源的影响，大气污染贡献率高达56%。

关键词：溶解性磷酸盐,空间分布特征,机器学习,源解析,驱动因素,长江流域,

基金资助：国家自然科学基金资助项目（42072201）；安徽省高校协同创新基金资助项目（GXXT-2021-017）