华北平原典型水文地质单元浅层地下水铁异常识别与自然背景值评估：水化学与机器学习方法的对比研究

这篇研究通过迭代2σ法（Iterative 2-Sigma）、改进水化学法（MI-OPT）和孤立森林模型（Isolation Forest），系统评估了华北平原（NCP）浅层地下水中铁（Fe）异常识别的有效性，并确定了其自然背景值（NBLs）。研究揭示了MI-OPT方法在稳定性与多指标关联分析中的优势，为地下水铁污染治理提供了科学依据。

　　

Highlight

铁（Fe）作为地下水中的关键元素，其浓度变化直接影响水质安全与生态系统功能。本研究创新性地结合水化学与机器学习方法，揭示了人类活动对Fe自然循环的干扰机制，为精准识别异常提供了多维解决方案。

Section snippets

研究区域

华北平原（NCP）作为中国重要农业与工业区，其浅层地下水系统受多重人为因素影响。研究选取了补给区-径流排泄区的4个典型水文地质单元，涵盖氧化还原梯度带与高TDS（总溶解固体）区域，为Fe迁移转化研究提供了理想模型。

NBLs计算单元划分

基于水文地质结构与水化学空间异质性，研究首次提出"单元细分法"，通过Eh-pH-离子三元图解耦自然过程与人为干扰，使NBLs估算更符合地质背景。

Conclusion

改进水化学法（MI-OPT）因整合Fe²⁺/Fe³⁺循环与关联指标（Mn/As/NO₃^-等），其异常识别结果被最终采纳。确定的NBLs上限值（0.45-2.80 mg/L）呈现沿水文路径递增趋势，印证了氧化还原分带理论。该成果为《生活饮用水卫生标准》中Fe限值（0.3 mg/L）的修订提供了区域适应性依据。