将水质数据与贝叶斯网络模型集成,以改善空间和时间的归因:适用于Maumee河流域
Zihan Wei1, Sarfaraz Alam2, Miki Verma3
1Department of Geophysics, Stanford University, Stanford, 94305, CA, USA.
Journal of environmental management
|May 17, 2024
概括
埃里湖的地表水营养污染是一个主要问题. 这项研究开发了一种贝叶斯网络模型,用于在水下流域规模的源归因,揭示了显著的变化,并告知了有针对性的管理.
科学领域:
- 环境科学 环境科学
- 水质管理水质管理
- 农业科学 农业科学
背景情况:
- 表面水的营养污染,主要来自农业,导致埃里湖西部的肥胖化.
- 毛米河流域是一个主要的贡献者,肥料和便作为主要来源.
- 之前的营养来源归因研究缺乏精细的时空分辨率以有效管理.
研究的目的:
- 开发一个可概括的贝叶斯网络模型,用于在水下流域尺度 (12-位水文单位代码) 上的源归因.
- 为改善水质管理,应对微量营养源归因的挑战.
- 量化来自不同农业来源的含量在水下流域层面.
主要方法:
- 开发了一个贝叶斯网络模型,集成过量的数据,作物吸收量,SWAT模拟的流量和流水质量.
- 采用近似贝叶斯计算来得出源归因的后向分布.
- 专注于Maumee河流盆地在12位数的水文单位代码下水域区划尺度.
主要成果:
- 确定了水下流域规模释放的显著变化,通常被粗略规模分析掩盖.
- 归因的贡献通常低于标准营养平衡方法的估计.
- 肥料是溶性反应性的更大来源,而便则贡献了更多的不反应性.
结论:
- 开发的贝叶斯网络模型为地下流域规模源归因提供了一个可概括的框架.
- 更细微的归因揭示了对营养素变异性的关键见解,这对于有针对性的环境监管至关重要.
- 该模型对其他地区和污染物的适应性可以增强水质管理策略.
