《Water Research》：Data-driven machine learning approach for water quality anomaly detection and NPS-FM non-compliance risk prediction: A study with five New Zealand rivers
编辑推荐：
研究人员提出一种多层机器学习（machine learning, ML）流程，将异常检测与新西兰国家淡水管理政策声明（National Policy Statement for Freshwater Management, NPS-FM）合规风险预测相整合。研
研究人员提出一种多层机器学习（machine learning, ML）流程，将异常检测与新西兰国家淡水管理政策声明（National Policy Statement for Freshwater Management, NPS-FM）合规风险预测相整合。研究基于五条南岛河流长达20年的长期历史监测数据，覆盖多种土地覆盖类型。框架中，阈值比较被完全排除在异常检测之外，转而作为风险评分中的合规组件；统计层衡量各站点相对自身历史基线的偏离，超标率则衡量法律层面的不合规程度，从而在同一可解释评分中区分持续性不合规与偶发性异常。城市站点风险为34.2/100，属高风险；其余四个站点为14.1–19.0，属中等风险，呈现清晰的土地利用梯度。敏感性测试表明，站点排序对替代权重方案具有稳健性。该框架可迁移至任何基于阈值的水质监管标准，首次从新西兰国家河流监测数据生成站点级NPS-FM不合规风险排序，为回顾式合规监测向预测式风险管理转变提供方法学基础。
研究背景方面，淡水退化是二十一世纪全球重大环境挑战，农业集约化、城市扩张与气候变化共同加剧河流污染。新西兰虽以NPS-FM 2020（2024年修订）设定从A带至D带的分级底线，但合规监测仍是回顾式、周期采样、事后报告，缺乏预测未来不合规风险的业务系统。既有研究常把异常检测与阈值合规混为同一任务，导致“长期超限站点”和“通常清洁但偶尔剧变站点”被放在同一尺度，丢失物理区别。因此，研究人员开展一项针对五条南岛河流的研究，用20年LAWA（Land, Air, Water Aotearoa）监测记录，把异常检测与NPS-FM合规评估拆开，构建可解释站点级风险评分。论文发表在《Water Research》。结论上，城市站点Otepuni为高风险34.2/100，其余四站为中等风险14.1–19.0，土地覆盖从原生植被、外来林、牧场到城市呈现污染负荷梯度；该框架能把持续性不合规与偶发异常分开，且具有权重方案下的排序稳健性，可迁移到任何阈值型水质标准，意义重大在于把国家监测数据转化为前瞻式监管工具。
关键技术方法上，研究人员从LAWA获取2004–2024年南岛270站11项指标数据，按近完整记录、11项齐全、覆盖四类土地覆盖筛选出五站：Wairau、Waikaia-N、Mimihau、Waikaia-P、Otepuni。清洗时保留检出限上下数据并打标，剔除未验证NEMS 200记录。异常检测采用孤立森林（Isolation Forest）与季节性IQR（interquartile range）两层，二者同时命中才算确认异常；清晰度（BDISC）只取低于下栏方向性规则。合规层按NPS-FM Band D阈值标记超标。每指标提取超标率、确认异常率、第90百分位严重度、Mann–Kendall趋势斜率，加权得到0–100风险分，再用三种独立验证评估。
研究结果如下。
- 2.
Materials and methods：研究人员说明五站选取依据、LAWA数据源、11项指标与8项进入评分的NPS-FM Band D阈值；通过季节划分、 censored值保留、物理不合理值剔除与质量控制，建立后续分析可用数据集。
2.1 Study sites and data：五站跨越Marlborough与Southland，Waikaia-N与Waikaia-P同河系相距约15 km，形成原生植被对牧场的配对流域；采样约每月一次，土地覆盖梯度直接体现在原始浓度分布中。
2.2 Data cleaning and preparation：研究人员去除负值与分析未验证记录，检出限数据按报告限进入计算；清洁后每站有效记录1885–2387条，为异常与趋势分析提供基础。
2.3 Anomaly detection：两层法不冗余，夏季极端值可能被年尺度忽略却被季节层捕获；交集提高确认异常率证据门槛。该层产出确认异常率与多指标同时异常事件。
2.3.1 Isolation forest：无监督集成通过随机划分隔离少数异常点，路径越短异常分数越高；研究人员用它捕捉值—月份特征空间中的结构离群。
2.3 后续季节性IQR层：按南半球季节算四分位栅栏，对BDISC只标低于下栅栏的异常，过滤掉异常高清晰度，使交集结果聚焦真实污染或水文事件。
结果部分显示，Otepuni的E. coli中位1300 cfu/100 mL、总氮2.050 mg/L、清晰度0.89 m，远差于原生植被站；Waikaia-P硝态氮0.625 mg/L高于Waikaia-N的0.137 mg/L，配对流域证明土地用途改变会抬升营养盐与细菌负荷。风险评分中Otepuni最高，城市土地覆盖驱动微生物与营养盐双重压力。
讨论部分，研究人员强调方法学贡献不是新算法，而是把persistent non-compliance与episodic anomaly在单一可解释分数内分离；现有水质指数把阈值违规聚合成综合质量维，异常检测又把违规当信号之一，本文反其道而行。敏感性测试显示替代权重下站点排序不变，证明结论非权重设定产物。局限包括五站虽代表土地覆盖但并非随机全国样本、月频次限制深度学习应用、censored值处理对低浓度指标使超标率偏保守。
研究结论部分译为：研究人员证实，数据驱动的ML流程能同时量化站点对自身历史的统计偏离与对NPS-FM Band D底线的法律违规；五条南岛河流中城市站点属于高风险，原生植被与外来林站点负荷最低，牧场站点居中但已出现营养盐上升；该风险框架具可解释性、排序稳健性与标准可迁移性，为监管机构从事后合规走向事前风险预警提供首例新西兰河流站点级证据基础。
