汚染されたサイトでの汚染物質の空間分布を分析するための一般的な空間補間方法の比較

適用可能な補間法に基づいた土壌中の汚染物質の空間分布の正確な予測は、多くの場合、汚染された部位の土壌修復の基礎となっています。ただし、複雑な空間分布特性と汚染物質の局所的な空間的変動性が強いため、適用可能な補間法は汚染された部位について決定されていません。この研究では、4つの土壌層におけるベンゾ[B]フルオランテン（BBF）の空間分布のための3つの補間法（パラメーターの異なる値を含む）の予測精度を比較しました。これらには、逆距離重み付け（IDW）、放射状基底関数（RBF）、通常のクリギング（OK）が含まれていました。示された結果：（1）IDW1は最初の層に適用可能であり、RBF-IMQは2番目、3番目、および4番目の層に適用できます。（2）IDWの場合、予測誤差は大きくなり、高い値と低い値が交差する場合、高い（または低い）値の集約分布がある場合は予測誤差が小さくなります。（3）RBFの場合、予測された位置での汚染物質濃度の傾向が近隣の既知のポイントと一致している場合、予測の精度は高くなります。（4）IDWは、より劇的な湾曲した表面を取り付けるのに適していますが、RBFは比較的穏やかな湾曲した表面により効果的であり、局所的な外れ値のない湾曲した表面にはOKは合理的です。（5）補間の不確実性は、汚染物質濃度と局所的な空間的変動と正の関連があります。したがって、該当する補間モデルの選択は、モデルの原理と汚染物質の空間分布特性に基づいている必要があることをお勧めします。

Accurate prediction of the spatial distribution of pollutants in soils based on applicable interpolation methods is often the basis for soil remediation in contaminated sites. However, the applicable interpolation method has not been determined for contaminated sites due to the complex spatial distribution characteristics and stronger local spatial variability of pollutants. In this research, the prediction accuracies of three interpolation methods (including the different values of their parameters) for the spatial distribution of benzo[b]fluoranthene (BbF) in four soil layers were compared. These included inverse distance weighting (IDW), radial basis function (RBF), ordinary kriging (OK). The results indicated: (1) IDW1 is applicable for the first layer, RBF-IMQ is applicable to the second, third, and fourth layers. (2) For IDW, the prediction error is bigger with high weight where high values and low values intersect, while the prediction error is smaller where high (or low) values aggregated distribution. (3) For RBF, if the pollutant concentration trend at the predicted location is consistent with the known points in its neighborhood, the prediction accuracy is higher. (4) IDW is suitable for fitting more drastic curved surfaces, while RBF is more effective for relatively gentle curved surfaces and OK is reasonable for curved surfaces without local outliers. (5) The interpolation uncertainty is positively associated with the contaminant concentration and local spatial variability. Therefore, we suggest the selection of the applicable interpolation model must be based on the principle of the model and the spatial distribution characteristics of the pollutants.