空间时间变化评估和提高预测的蓝藻细菌在湖泊中开花使用改进的机器学习模型基于多变量数据的改进模型

科学领域:

• 环境科学 环境科学
• 生态生态学 生态生态学
• 水资源管理 水资源管理

背景情况:

• 蓝藻细菌的繁殖是对水生生态系统和公共健康的全球威胁.
• 预测这些开花对于管理水资源至关重要,特别是在南北水分分流项目中的洪泽湖和卢马湖等被封存湖泊.

研究的目的:

• 开发和验证一种精确的机器学习模型,用于预测浅湖的蓝藻细菌繁殖范围.
• 确定影响洪泽湖和卢马湖开花形成的关键环境因素.

主要方法:

• 利用卫星遥感数据来分析蓝藻细菌繁殖的时空动态.
• 开发了一个与随机森林 (PP-RF) 算法集成的投影追踪模型.
• 将物理,化学,气候和水文变量纳入预测模型.

主要成果:

• 蓝藻细菌的开花表现出显著的季节性波动,在夏季达到顶峰.
• 确定了关键预测因素:洪泽湖的太阳辐射,温度和总;卢马湖的温度,水温和太阳辐射.
• 在处理多对线性时,PP-RF模型在传统方法上表现出优越性.

结论:

• PP-RF模型提供了一种可行且准确的方法,用于预测被扣留的湖泊中的蓝藻细菌繁殖.
• 这种预测能力对于水资源管理和减轻开花的不利影响至关重要.
• 该模型能够适应特定区域的数据,因此可以广泛应用于水生生态系统保护.