机器学习评估对巴西赤道边缘植物浮游生物群体的疏影响:多变量分析
Marco Valério Jansen Cutrim1, Ana Karoline Duarte Dos Santos Sá2, Quedyane Silva da Cruz3
1Environmental Science and Technology - PPGC&Tamb - Federal University of Maranhão, Cidade Universitária Dom Delgado, Portugueses Road, N°1966, 65080-805, São Luís, Maranhão, Brazil; Water Resources Management and Regulation - ProfÁgua UEMA - State University of Maranhão, Brazil.
Environmental pollution (Barking, Essex : 1987)
|January 12, 2025
概括
河口的疏大大减少了浮游生物的多样性,悬浮颗粒物和是主要的压力因素. 机器学习模型有助于预测和管理这些对可持续河口生态系统的影响.
科学领域:
- 海洋生态海洋生态学
- 环境科学 环境科学
- 生态系统动力学 生态系统动力学
背景情况:
- 河口系统的疏会造成严重的干扰.
- 植物浮游生物群体是环境变化的敏感指标.
- 悬浮颗粒物 (SPM) 和溶解 (Al) 是疏强度的关键指标.
研究的目的:
- 评估疏事件对圣马可斯河口综合体 (SMEC) 植物浮游生物群落的影响.
- 确定影响植物浮游生物多样性和生物质的关键环境压力因素和气候因素.
- 评估机器学习模型对预测生态系统对疏的反应的有用性.
主要方法:
- 在三次疏事件 (2015,2017,2020) 中对植物浮游生物群落的分析.
- 应用随机森林 (RF) 模型来识别关键压力因素 (SPM,Al,河流排水,盐度).
- 利用通用添加模型 (GAMs) 来评估叶绿素-a对环境变量的反应.
主要成果:
- 观测到植物浮游生物物种多样性减少了43.81%,其中藻和恐龙虫受影响最大.
- SPM和溶解Al被确定为影响物种多样性的关键压力因素.
- 河流排水和盐度预测了植物浮游生物质,而叶绿素-a随着SPM和Al的升高而下降.
结论:
- 疏,加上气候变化,显著减少了河口植物浮游生物的多样性.
- 射频和GAM模型是预测生态系统反应和指导管理的有效工具.
- 可持续的疏实践需要尽量减少生物多样性影响和沉积物再悬浮.
