《Marine Pollution Bulletin》：Exploring seasonal coastal water quality parameter interactions through the self-organizing map neural network in eastern Mediterranean: Lebanon as a case study
编辑推荐：
本研究基于黎巴嫩沿海35个监测站2017-2020年数据，构建四个季节性自组织映射（SOM）模型，揭示水温、盐度、磷酸盐等8项水质参数的时空交互规律及人类活动影响，为区域水环境管理提供工具。
埃卡特琳妮·哈吉索洛穆（Ekaterini Hadjisolomou）|阿贝德·埃尔·拉赫曼·哈苏恩（Abed El Rahman Hassoun）|米拉德·法赫里（Milad Fakhri）|阿比尔·加内姆（Abeer Ghanem）|鲁拉·米娜（Roula Mina）|赫罗多托斯·赫罗多托乌（Herodotos Herodotou）|米哈利斯·米凯利迪斯（Michalis Michaelides）
塞浦路斯科技大学电气工程、计算机科学与工程系，3036，利马索尔，塞浦路斯
摘要
沿海水污染对环境构成了重大挑战，导致严重的生态和公共卫生问题。因此，需要开发和完善新的评估工具来更有效地管理水质。在本文中，我们展示了自组织映射（SOM）神经网络模型的结果，这些模型用于模拟地中海东南部35个沿海站点（包括黎巴嫩）监测到的多个水质参数之间的相互作用。基于可用数据集（n = 1087），开发并校准了四个季节性SOM模型。SOM的组件平面（CPs）可视化功能使我们能够从季节性角度研究水质参数之间的相互作用和关联。此外，还计算了每个监测参数的最佳匹配单元之间的皮尔逊相关性分析，以补充CPs分析。SOM对数据样本的聚类以及对相关监测站附近人类活动的评估，有助于评估现有人类活动对每个监测站的潜在影响。具体而言，季节性模型揭示了位于特定土地利用区域附近的站点（如ANT-2（靠近河口）、SEL-2（靠近化工厂）和BEY-6（公共海滩）的空间-季节性模式，这些模式可能与黎巴嫩沿海水质恶化有关。总体而言，本文表明SOM模型可以揭示参数相互作用，并突出可能表明营养物质富集和/或粪便污染压力的空间-季节性模式。因此，SOM模型可能是沿海水质管理的宝贵工具。
引言
确保高海洋水质对水生生态系统和人类健康至关重要。水质恶化，特别是通过富营养化，对社会构成了重大环境挑战（Huang等人，2019年）。人为活动与气候变化相结合，加剧了这一问题，导致有害的生态和社会经济后果（Hays等人，2005年；Horta等人，2021年；Lan等人，2024年）。富营养化常常导致有害藻类大量繁殖（HABs）和缺氧条件，破坏水生生态系统并降低生物多样性。这些环境变化对娱乐活动和旅游业产生了负面影响，因为水质恶化降低了沿海地区的美观性和吸引力（Hoagland和Scatasta，2006年；Islam和Tanaka，2004年），从而导致巨大的经济损失，并对许多海洋行业（如水产养殖/渔业、休闲活动和旅游业）以及公共卫生相关成本产生影响。仅在欧洲，估计的损失每年就达到约8.13亿欧元（Hoagland和Scatasta，2006年）。
作为人口密集地区，沿海地带受到来自陆地的污染物的严重影响，包括营养物质、重金属和微塑料（He和Silliman，2019年）。其他值得关注的污染物还包括油类、放射性核素和病原体（Islam和Tanaka，2004年；Yan等人，2024年）。营养物质污染，特别是氮和磷，可能导致富营养化，从而引发HABs，这对许多沿海国家来说是重大的环境挑战（Anderson等人，2008年；Cosme等人，2017年）。氮通常是沿海水域中的限制性营养物质，驱动过度的藻类初级生产（Glibert，2017年）和HABs事件。后者会产生生物毒素，并可能导致缺氧，对景观美观性、娱乐活动、生物多样性和渔业产生不利影响（Cabrita等人，2015年；Lassudrie等人，2020年）。此外，沿海地区的病原体污染对环境和公共卫生构成严重风险（Pandey等人，2014年）。与大肠菌群相比，粪便链球菌（肠球菌）等指标在检测人类污水污染方面更为可靠，因为它们在海水中的存活率更高（Islam和Tanaka，2004年；E. Li等人，2021年）。多项研究表明，接触被肠球菌和大肠杆菌污染的娱乐用水可能导致多种健康问题，如胃肠炎（Fewtrell和Kay，2015年）。
考虑到大多数生态过程是非线性和复杂的，人工神经网络（ANNs）被认为是水质建模的理想选择（Hadjisolomou等人，2016年）。ANNs不受非线性的限制，在模拟现象时不需要依赖变量和自变量之间的机械描述/关系（Almeida，2002年）。Kohonen自组织映射（SOMs）是一类无监督ANN，这意味着SOM模型可以在不知道输入数据输出值的情况下进行学习（Licen等人，2023年）。此外，SOM模型还成功应用于多变量数据集的聚类和探索性数据分析任务（Peeters等人，2007年）。
已经实施了多个与水质建模相关的SOM应用，因为先进的建模技术和算法对于更高效和有效地监测水质是必要的（Hadjisolomou等人，2021年）。例如，Tang和Lu（2022年）使用SOM模型研究了太湖流域（中国）的土地利用与水质之间的关系，基于五个水质变量（pH值、铵氮、总磷酸盐、溶解氧和高锰酸盐指数），从而评估了水质和营养物质富集情况。在Du等人（2019年）的另一个研究中，使用SOM对中国的富贤湖、伊龙湖和滇池进行了建模，研究了环境因素（如氮、磷、化学需氧量）与富营养化发生之间的关系，从而研究了参数之间的相互作用以及湖泊营养级的相关变化。因此，SOM模型可以作为控制高Chl-a水平和潜在富营养化事件的工具，有助于理解与藻类生产力和相关水质参数相关的机制。正如Caballero-Alfonso等人（2015年）所指出的，不同区域（如农业、工业、城市、森林）的土地利用情况反映在附近沿海站点的营养水平上。因此，创建的SOM不仅有助于研究与高Chl-a水平相关的沿海水质参数之间的相互作用，还可以提供有关附近土地利用的信息及其受人类活动影响的情况。
为了研究季节性对水质参数相互作用的影响，我们决定为每个季节创建四个不同的SOM模型。季节性水质模型在理解影响沿海地区水质的多种机制方面起着关键作用。特别是，它们使我们能够了解不同因素对海洋环境的影响，如温度变化和降雨模式等气象因素；以及水生生态系统的季节性生物周期，如藻类大量繁殖（Xiong等人，2023年）。此外，季节性模型有助于评估影响海洋环境的人类活动，如农业径流、废水排放和旅游业，以及这些人为活动在不同季节对水质的影响（Pásková等人，2024年）。季节性模型的另一个重要方面是提高了模型的准确性。例如，Zhao等人（2016年）发现，季节性ANN在预测污水处理厂的水质方面比年度ANN具有更高的准确性。最后，季节性水质模型更适合用于场景测试，通过预测不同季节条件下各种管理策略的影响。在Hammoumi等人（2024）的研究中，应用了主成分分析（PCA）来研究摩洛哥纳多尔运河的地表水质，发现夏季水质有显著季节性变化。
研究黎巴嫩沿海地区的叶绿素-a（Chl-a）水平至关重要，因为该地区具有重要的生态和经济意义。黎巴嫩海岸线支持多样化的海洋生态系统，并维持着渔业和旅游业等关键经济部门。然而，来自城市径流、农业活动和未经处理的污水的营养物质污染导致了富营养化，从而引发有害藻类大量繁殖和缺氧条件，威胁海洋生物多样性和人类健康（Abboud-Abi Saab和Hassoun，2017年；Hassoun等人，2021年）。了解这些沿海水域中Chl-a产量增加和富营养化的程度和驱动因素对于制定有效的管理策略以保护和恢复重要的沿海生态系统至关重要。因此，本研究旨在以黎巴嫩海岸为例，展示地中海东南部季节性SOM模型的应用结果。
研究区域和监测参数
2017年至2020年间，作为黎巴嫩国家科学研究委员会国家海洋科学中心每月进行的全国监测计划的一部分，对黎巴嫩的多个沿海采样站点（n = 35个）进行了监测（图1）。
监测的参数包括：水温（WT，°C）、盐度、磷酸盐（μmol/l）、亚硝酸盐（μmol/l）、硝酸盐（μmol/l）、FC（UFC/100 ml）、FS（UFC/100 ml）和叶绿素-a（Chl-a）（μg/L）。大多数站点主要监测了这些参数。
SOMs结果
创建了四个不同的季节性SOM模型，以从季节性角度研究参数之间的相互作用。此外，还创建了一个年度SOM模型（见图A1）用于比较。评估了监测站的作用，以确定人类活动对监测区域沿海水质的可能影响。地表水的季节性特征为预防和管理沿海污染提供了重要信息。
讨论
由于水体系统内存在复杂的生态功能，解析海洋环境中的水质参数相互作用是一项艰巨的任务。此外，相关的水质参数具有不稳定性和非线性特征（Gao等人，2024年）。因此，基于机器学习（ML）方法可以成功模拟诸如藻类过度繁殖等难以理解和建模的严重环境问题（Zhu等人）。
结论
创建了季节性SOM模型，以评估地中海东南部黎巴嫩海岸沿线的水质参数之间的关系。创建的SOM模型得出了关于参数相互作用的生态学上有意义的结果，这些结果通过SOM的CPs可视化进行了检验。此外，还检查了每个季节性SOM的输出，以确定参数之间的统计显著相关性。正如预期的那样，CPs的视觉检查结果通常与……
CRediT作者贡献声明
埃卡特琳妮·哈吉索洛穆（Ekaterini Hadjisolomou）：撰写——初稿、可视化、验证、软件、方法论、概念化。阿贝德·埃尔·拉赫曼·哈苏恩（Abed El Rahman Hassoun）：撰写——审阅与编辑、验证、资源、调查。米拉德·法赫里（Milad Fakhri）：撰写——审阅与编辑、资源、调查。阿比尔·加内姆（Abeer Ghanem）：撰写——审阅与编辑、资源、调查。鲁拉·米娜（Roula Mina）：撰写——审阅与编辑、资源、调查。赫罗多托斯·赫罗多托乌（Herodotos Herodotou）：撰写——审阅与编辑、验证。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
本工作得到了欧洲区域发展基金和塞浦路斯共和国通过研究与创新基金会（MDigi-I: STRATEGIC INFRASTRUCTURES/1222/0113）的共同资助。
