融合非生物指标、多类群生物群落与机器学习的综合水质评估框架构建及其在南水北调工程应用

本综述创新性地提出BE-WQI水质评估框架，通过整合环境DNA（eDNA）测序技术、机器学习算法（LightGBM）和博弈论权重分配方法，实现了对传统理化指标与新兴污染物的系统性评估。该框架通过多类群生物群落（细菌/古菌/真核生物等）的生态响应验证指标权重，为大型调水工程（如南水北调东线）的水质安全管理提供了关键技术支撑。

　　

Highlight

本研究开发的BE-WQI框架通过融合环境DNA（eDNA）宏条形码技术、多维度生物群落数据（细菌、古菌、真核生物、藻类、底栖生物和鱼类）以及机器学习驱动的特征重要性分析（如LightGBM算法），显著提升了水质评估的准确性与生态相关性。框架创新性地结合博弈论整合了机器学习权重（W_LGBM）与生物响应权重（W_Bio），并通过Rank Order Centroid（ROC）方法进行标准化计算。

方法、方法论与案例研究

本研究构建的优化WQI框架需同步采集环境参数与同点位eDNA数据。通过三阶段筛选（缺失过滤、范围检验、冗余分析）确定核心非生物指标，并利用主成分分析（PCA）降维提取代表性参数。基于LightGBM算法量化指标对水质变化的贡献度，同时通过生物群落α多样性、分类丰度和网络结构等核心指数验证其生态相关性。

讨论

BE-WQI框架通过纳入新兴污染物拓展了传统指标的监测范围，其权重分配机制有效降低了主观偏差。在南水北调东线（ER-SNWDP）的案例应用中，模型识别出下游氮污染加剧与湖泊蓄水影响，46.7%样本为"轻度污染"，53.3%为"中度污染"。该框架为长距离调水工程的水质风险管理提供了动态评估工具。

结论与展望

基于大规模eDNA测序与多源环境数据构建的BE-WQI框架，通过机器学习与生物响应双权重验证机制，实现了水质评估的客观化和生态化。未来可进一步整合实时监测数据与深度学习模型，提升对复杂水生态系统的动态预警能力。