多变量函数数据分析揭示了无脊椎动物对微污染物的运动反应中的行为特征

《Environmental Science & Technology》：Multivariate Functional Data Analysis Uncovers Behavioral Fingerprints in Invertebrate Locomotor Response to Micropollutants

通过分析水生无脊椎动物行为反应，研究成功开发基于功能数据分析的废水污染指纹识别方法，实验室测试和实际污水处理厂数据显示该方法可有效监测多类污染物并识别污染事件类型。

　　

由于持续监测水生环境中所有化学物质和新兴污染物的不切实际性，对废水进行有效生物监测的需求变得十分明显。基于效应的生物监测提供了一种成本效益较高的解决方案。ToxMate设备通过视频追踪水生无脊椎动物的运动行为，已被证明能够实时检测出废水中的微量污染物峰值。为了扩展这一方法，本研究首次评估了将实时视频追踪数据中的行为特征转化为量化指标，以表征废水污染质量变化的潜力。我们首次将功能性数据分析（FDA）框架应用于生态毒理学领域。实验中，同时追踪了三种来自不同门类的生物（甲壳类动物、环节动物和腹足类动物）在接触四种化学物质（两种金属、一种药物和一种杀虫剂）时的反应。通过分析个体和多物种的反应，确定结合多种物种是否能够通过多维功能性数据分析提高污染特征的识别精度。将同样的数据驱动方法应用于污水处理厂的实地数据后，发现了四种反复出现的微量污染事件。这一概念验证表明，行为特征分析方法有助于改进废水监测，并减少污染物向环境的排放。