使用统计技术评估藻类物种分布和预测蓝藻细胞数量
Seong-Yun Hwang1, Byung-Woong Choi2, Jong-Hwan Park1
1Yeongsan River Environment Research Center, National Institute of Environmental Research, 5, Cheomdangwagi-ro 208beon-gil, Buk-gu, Gwangju, 61011, Republic of Korea.
Environmental science and pollution research international
|October 20, 2023
概括
准确预测蓝色植物细胞数量对于安全饮用水至关重要. 一个极端的梯度增强随机森林模型最好地预测了这些藻类水平,有助于水质管理.
科学领域:
- 环境科学 环境科学
- 水资源管理 水资源管理
- 生态生态学 生态生态学
背景情况:
- 安全的饮用水对公共健康至关重要.
- 有效的水质管理需要持续监测水源的藻类和其他参数.
- 蓝花植物的开花对水安全和人类健康构成风险.
研究的目的:
- 开发和比较蓝色植物细胞计数的统计预测模型.
- 确定影响水源藻类的环境因素.
- 为了生成一个预测模型,用于蓝花植物分布和相关的毒性风险.
主要方法:
- 利用了2017-2022年间韩国朱安湖和坦金湖的水质,藻类警报和水力/水文数据.
- 采用了一套培训套件 (2017-2021年) 和一套测试套件 (2022年) 来评估七种不同的预测模型.
- 专注于统计模型,考虑与ophyte细胞计数相关的概率分布.
主要成果:
- 与随机森林模型相结合的极端梯度增强显示了对蓝色植物细胞数量的优异预测性能.
- 确定了影响研究水源中藻类存在的关键环境因素.
- 性能最好的模型提供了关于蓝花植物分布和潜在的毒性风险的见解.
结论:
- 统计预测模型,特别是组合方法,如随机森林的极端梯度增强,可以有效地预测蓝色植物细胞数量.
- 准确的藻类预测对于主动水质管理和确保安全饮用水至关重要.
- 这些发现支持实施先进的建模来管理水系统并减轻与藻类繁殖相关的风险.


