一种集成的机器学习和遥感方法,用于预测蓝藻细菌的繁殖:在中国的湖泊沿着一个大规模的水分转移项目案例研究
Yue Zhang1, Jun Hou2, Lin Lan3
1Key Laboratory of Integrated Regulation and Resources Development on Shallow Lakes of Ministry of Education, College of Environment, Hohai University, Nanjing, China.
Environmental management
|November 19, 2025
概括
使用机器学习和遥感,改善了蓝藻细菌繁殖预测. 未来的情景显示,水转移和气候变化增加了花,但污水处理提供了缓解. 温度和太阳辐射是早期预警的关键因素.
科学领域:
- 环境科学 环境科学
- 生态生态学 生态生态学
- 数据科学数据科学数据科学
背景情况:
- 蓝藻细菌的繁荣构成了全球环境挑战,由于有限的数据阻碍了准确的预测.
- 之前的工作集成机器学习和遥感,用于利用各种环境因素预测花.
研究的目的:
- 开发一个未来的场景框架,用于预测洪泽湖和卢马湖的蓝藻细菌繁殖趋势.
- 评估水转移,气候变化和污染排放对开花动态的影响.
- 为了确定有效的早期预警因素的蓝藻细菌的开花.
主要方法:
- 开发了一个未来的场景框架,包括水转移,气候变化和污染排放.
- 应用了一种集成的机器学习和遥感模型来预测花趋势.
- 确定了用于预测花的临界温度和太阳辐射值.
主要成果:
- 预计增加的水转移将促进4月和5月的开花.
- 预计气候变化将使洪泽湖的开花增加5.33%,卢马湖的开花增加3.20%.
- 污水处理可以减轻气候变化对花的不利影响;温度和太阳辐射作为有效的预警指标.
结论:
- 该研究提出了一种改进的机器学习模型预测性能方法.
- 整合卫星遥感数据提供了一种有效的方法来管理和预测数据稀缺的湖泊地区的开花.
- 这些发现为管理面临气候变化和污染压力的盆地间转水湖提供了关键的见解.
