时间累积效应与机器学习驱动的预测方法:用于数据稀疏的富营养化湖泊中蓝藻水华的监测

《Journal of Hydrology》:Time cumulative effects and machine learning–driven forecasting of cyanobacterial blooms in data-sparse eutrophic lakes

【字体: 大 中 小 】 时间:2026年01月18日 来源:Journal of Hydrology 6.3

编辑推荐:

  蓝藻水华预测框架通过整合稀疏监测站与卫星数据,构建时间累积效应变量优化模型输入,在巢湖实证中随机森林模型实现1天最高精度(RMSE 4.18%,R2 0.81),时空预测稳定性显著优于传统机理模型。

  
张凯莉|齐天慈|沈明|邱英国|曹志刚|焦雅琴|段洪涛
西北大学城市与环境科学学院,中国西安710127

摘要

蓝藻有害藻华(CyanoHABs)对全球湖泊的淡水安全构成严重威胁。及时预测其规模和空间分布对于减轻生态风险至关重要。传统的机械模型需要大量的数据输入、明确的边界条件以及密集的计算,这使得它们对大多数湖泊来说不切实际。我们提出的机器学习框架通过智能整合稀疏的监测站数据和卫星数据,并构建时间累积效应变量(定义为环境变量在前几天的平均值或累积值)来克服这些限制。利用中国巢湖23年的观测数据,我们评估了四种算法——随机森林(RF)、XGBoost、人工神经网络(ANN)和岭回归,在1天、3天和7天的提前时间内预测CyanoHABs。通过从累积变量中策略性地选择特征,RF在1天预测CyanoHABs百分比(CBP)方面取得了最佳效果(均方根误差(RMSE)= 4.18%,决定系数(R2)= 0.81)。RF在时间模式识别方面优于其他模型,并在所有预测时段内保持了稳健的性能(RMSE:4.18%–6.26%,R2:0.59–0.81)。对于空间明确的预测,RF模型通过动态插值稀疏站点数据实现了更高的1天准确性(RMSE = 5.05%,F1分数 = 0.84),优于3天和7天的预测。通过利用稀疏的监测数据,这种计算效率高的方法能够可靠地进行1至7天的空间明确分布预测。因此,它为全球数据稀疏的富营养化湖泊中的CyanoHABs主动管理提供了一个可转移的解决方案。

引言

蓝藻有害藻华(CyanoHABs)是指蓝藻在水体中大量繁殖并形成表面浮渣的现象。它们已成为内陆水域最严重的环境问题之一(Cressey, 2017, Hou et al., 2022)。随着气候变化和人类活动的加剧,CyanoHABs在全球范围内扩散(Dai et al., 2023, Ho et al., 2019)。全球超过60%的湖泊(面积大于500平方公里)面临富营养化问题,其中44%的湖泊在2000年至2020年间经历了CyanoHABs(Ma et al. 2023)。CyanoHABs会改变水的颜色,产生难闻的气味,并威胁水生植被的生长、渔业和饮用水安全(Luo et al., 2025, Luo et al., 2023)。例如,2007年太湖(Qin et al. 2009)和2013年伊利湖(Steffen et al., 2017, Wynne and Stumpf, 2015)的严重CyanoHABs扰乱了数百万居民的供水。更严重的是,CyanoHABs会释放毒素,直接危害人类和动物的健康。2000年,蓝藻毒素导致至少330头非洲大象死亡(Wang et al. 2021)。甚至有研究表明,CyanoHABs在未来几十年可能会加剧(Paerl and Huisman, 2008, Tigli et al., 2024)。因此,及时预测CyanoHABs至关重要。然而,CyanoHABs的动态和复杂性使得开发有效的预测模型变得具有挑战性。
目前,基于物理、化学和生物学的机械模型(如EFDC、PCLake、MIKE和WASP)主导着CyanoHABs的预测(Kim et al., 2017, Liang et al., 2020, Zhang and Rao, 2012)。尽管这些模型能够有效模拟CyanoHABs的动态,但它们有明显的局限性。它们需要大量的观测数据进行参数化和边界条件设定,这使得它们对数据依赖性很强。例如,预测尚普兰湖的CyanoHABs需要大量的数据处理(近600GB的输出)和计算密集型的模拟(4428个建模任务)(Zia et al. 2016)。这种对大型数据集的依赖阻碍了在极端天气事件中的快速响应。此外,它们的适应性有限,通常需要针对不同湖泊进行大量的参数调整,这使得在波动条件下进行预测变得复杂。相比之下,机器学习算法(如随机森林(RF)(Gupta et al. 2023)、梯度提升决策树(GBDT)(Yao et al. 2021)、XGBoost(Villanueva et al. 2023)、人工神经网络(ANN)(Kim et al. 2021b)和长短期记忆(LSTM)网络(Li et al. 2025)提供了更大的灵活性。它们能够高效地建模复杂和非线性关系,非常适合CyanoHABs的预测。RF、XGBoost和ANN通过结合多个基础学习器或神经元进一步增强了学习能力。此外,它们通过调整模型参数和结构来提高泛化能力(Ai et al., 2023, Shan et al., 2022)。这种适应性允许根据不同湖泊的具体特征进行个性化训练,其快速的预测能力支持及时的CyanoHABs应急管理和决策。
机器学习的计算能力伴随着挑战,其中之一是为CyanoHABs预测构建有效的变量。尽管先前的研究已经确定了与CyanoHABs动态密切相关的关键环境变量(如营养物质、温度、光照、风速)(Ai et al., 2023, Deng et al., 2023, Song et al., 2021),但传统的预测通常依赖于瞬时变量,其累积和时间滞后效应尚未得到充分探索。有研究表明,气象变量(如25-30天前的温度)和降水(10天的滞后)对CyanoHABs的形成具有关键的时间依赖性控制(Wang et al. 2022)。相比之下,尽管氮和磷等水质参数具有直接的生物学相关性(Kim et al. 2021a),但由于每日监测数据稀疏,它们经常被排除在累积影响分析之外。整合具有时间累积效应的异构变量可以加深对环境-CyanoHABs相互作用的理解,弥合数据限制和生态复杂性的差距。
机器学习模型面临的另一个关键挑战是预测CyanoHABs的空间分布。当前的方法在计算可行性和需要反映湖泊整体异质性的空间代表性变量之间难以平衡。基于遥感的方法(如结合卫星产品和贝叶斯框架的方法)(Du et al., 2024, Mu et al., 2021)能够进行大规模的CyanoHABs预测,但在夏季云层覆盖时会出现问题,从而中断时间连续性。相反,ERA5-Land气象数据使得在太湖进行小时级的CyanoHABs预测成为可能,但其较低的分辨率(9公里)无法解析细小的空间模式,限制了其在大型水体中的实用性(Wang et al. 2023b)。虽然现场监测数据作为CyanoHABs状态的最直接指标,不足以捕捉湖泊的全貌(Kim and Seo 2024),但整合先进的数据挖掘技术(如数据融合、空间插值)为高分辨率的空间预测开辟了新的途径。
巢湖(图1)是中国第五大淡水湖,由于快速的城市化和农业集约化导致的富营养化,该湖一直存在持续的CyanoHABs问题(Chen et al., 2023, Zhou et al., 2023)。这种富营养化的湖泊需要一个有效的预测框架,以更好地适应时空明确的CyanoHABs动态,从而制定相应的缓解策略。因此,我们通过结合机器学习与现场站点数据和MODIS衍生的CyanoHABs数据开发了一个预测框架。具体目标包括:(1)量化环境驱动因素的累积效应并确定模型输入的最佳变量组合;(2)在1天、3天和7天的提前时间内预测CyanoHABs百分比(CBP),并评估模型性能;(3)在极端天气条件下预测高分辨率的空间CyanoHABs模式。通过整合地面和卫星数据,这项工作实现了CyanoHABs的空间明确预测,这对于基于位置的精确干预至关重要。

部分摘录

CyanoHABs数据集

高频卫星数据(如每日MODIS图像)对于监测CyanoHABs至关重要。Ma等人(2023)使用Terra/MODIS数据监测了全球161个大型湖泊(包括巢湖),平均识别准确率为79.9%。基于此,我们手动选择了2000年至2023年间覆盖整个巢湖区域、无云且质量良好的Terra/MODIS地表反射率图像(表S1)。随后,使用

CBP预测

我们评估了四种模型在预测CBP方面的性能(图4)。在所有预测时段中,1天的预测准确性最高,而随着提前时间从1天增加到7天,预测性能逐渐下降。具体来说,在1天的预测中,RF模型的表现最好(R2 = 0.81,RMSE = 4.18%),超过了XGBoost(R2 = 0.79,RMSE = 4.77%),ANN(R2 = 0.72,RMSE = 6.00%)和岭回归(R2 = 0.52,RMSE = 6.78%)。在3天的预测中,RF

CyanoHABs动态的累积环境驱动因素

CyanoHAB“爆发”是环境逐渐累积的结果,而非瞬时事件。我们对时间累积效应的系统性评估揭示了环境变量与CyanoHABs形成之间的关键时间累积关系(图2、S3、S4)。气象变量显示出较长的累积窗口(15-30天),而水质变量则显示出较短的累积时间(1-10天)。这可能表明气象

结论

我们分析了基于Terra/MODIS图像、气象和水质变量(2000-2023年,来自巢湖)的CyanoHABs与变量之间的累积效应(1-30天)。接下来,使用这些累积变量,评估了四种模型(RF、XGBoost、ANN和岭回归)在1天、3天和7天的提前时间内预测CyanoHABs百分比(CBP)的性能。最后,选择了最佳模型来进一步预测CyanoHABs的空间分布并评估其稳定性

CRediT作者贡献声明

张凯莉:撰写——原始草稿,正式分析。齐天慈:验证、监督、方法论、资金获取。沈明:可视化、项目管理、资源协调。邱英国:软件、资源、数据管理。曹志刚:调查、概念化。焦雅琴:验证、正式分析。段洪涛:撰写——审稿与编辑、监督、方法论、资金获取。

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了国家自然科学基金(编号42425104、42301422)和江苏省自然科学基金(编号BK20231094)的支持。我们感谢安徽巢湖生态与环境研究所和巢湖管理局在提供部分气象和水质数据方面的帮助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号