使用数据驱动的建模方法对布鲁塞尔首都地区地下水对硝酸盐污染的脆弱性进行了建模。 研究区域内的土地用途不均。 该地区的东南部南部为森林,其余部分为城市化。 在研究区域分布的48个测量站确定了地下水硝酸盐浓度数据。 另外,测定硝酸盐的氧和氮同位素浓度。 数据表明,地下水体退化,特别是在研究区域的城市化地区。 退化站的硝酸盐污染略有减少,而退化程度较低的硝酸盐污染则相反。 我们使用线性和非线性统计建模技术对硝酸盐污染的污染和趋势进行了建模。 总共,我们定义了23个空间分布的代理变量,这些变量可以解释地下水体的硝酸盐污染。 这些代理变量的定义是在10 m的网格大小上,并在每个测量站的影响区域上取平均值。 从地下水测压图中使用简化的粒子跟踪算法确定了影响区域。 计算出的影响区与从详细的地下水渗流和运移模型得到的结果一致。 逐步回归可以解释所观察到的硝酸盐污染变化的56%,而非线性人工神经网络建模可以解释近60%的变化。 主要的解释变量是不透水表面的百分比,处于退化状态的污水系统的百分比,具有高污染风险的城市基础设施建设许可的数量,影响区的大小以及地下水的深度采样。 这些结果说明了城市基础设施对地