印度半城市化泰伦加纳地区地表水污染的季节性动态：利用PCA、FA和UMAP进行的比较分析

《Environmental Forensics》：Seasonal Dynamics of Surface Water Pollution in Semi-Urban Telangana, India: A Comparative Analysis Using PCA, FA, and UMAP

半城市化地区地表水质量呈现显著季节波动，本研究通过比较PCA、FA与UMAP方法，揭示污染群集特征及季节迁移规律，其中FA聚类效果最优（Silhouette=0.85），UMAP有效捕捉非线性动态，为流域可持续管理提供技术支撑。

　　

摘要

半城市地区的地表水质量存在显著的季节性波动（例如，生化需氧量（BOD）的变化幅度可达±30%），这些波动主要由季风降雨、农业径流和未经处理的 domestic discharges（此处“domestic discharges”可能需根据上下文明确具体含义，如生活污水等）引起。理解这些过程对于防止污染和实现可持续的水资源管理至关重要。尽管主成分分析（PCA）/因子分析（FA）在水资源研究中被广泛使用，但在半城市热带流域，尤其是季节转换期间，与 UMAP 等非线性技术的比较评估仍然缺乏。本研究通过使用主成分分析（PCA）、因子分析（FA）和均匀流形逼近与投影（UMAP）对特伦甘纳邦的五个地点的污染特征进行了比较，以填补这一空白。本研究的主要目的是利用降维技术来探讨地表水污染的空间和季节性变化。数据收集涵盖了两个季节，共测量了16个关键的物理化学参数。PCA（解释的方差占比：78%）、FA（KMO = 0.82）和 UMAP（邻居数量：15）使得污染群体、主要污染源以及污染动态的变化能够清晰地可视化。PCA 在季风前期的 Pratapsingaram 地区识别出了高污染区域，其中生化需氧量、铵离子和浊度是主要污染因素；FA 揭示了与城市径流和农业活动相关的污染结构；作为非线性技术的 UMAP 能够有效捕捉复杂的季节性变化，并突出了线性方法难以发现的污染模式变化。FA 的聚类完整性最高（Silhouette 值为 0.85），其次是 PCA（0.62），这验证了多种多变量技术的比较优势。本研究验证的这种比较分析方法具有很高的普适性，可为其他复杂水文地质环境中的水质监测提供有力工具。最终，该研究通过提供实现可持续发展目标 6（清洁水和卫生设施）和可持续发展目标 11（可持续城市和社区）所需的实证证据，促进了河流生态系统的可持续管理。