紫外光照射影响微塑料性质及团聚-微浮选法去除水中微塑料

《Water》：Ultraviolet Irradiation Affects Microplastic Properties and Removal from Water Using Agglomeration–Micro-Flotation

　　

河湖健康评估对生态治理至关重要，但指标值预测不确定性与权重方法不确定性（双重不确定性）引发的高估风险会损害评估结果及治理决策的可靠性。为弥补这一不足，研究人员提出了一种整合双重不确定性量化与高估风险耦合的通用风险分析框架。首先通过Meta分析与定量筛选建立了含12项关键指标（涵盖水文、水质、水生生物及社会服务）的多维评估体系。不确定性量化方面：采用物理信息神经网络（Physics-Informed Neural Networks, PINN）基于1264份历史监测样本表征指标值不确定性；综合层次分析法（Analytic Hierarchy Process, AHP）、熵权法（Entropy Weight Method, EWM）、CRITIC法及主成分分析（Principal Component Analysis, PCA）四种赋权法，基于博弈论（纳什均衡，Nash Equilibrium）框架协调权重冲突，并假设权重服从正态分布（均值=协调权重，标准差=均值/10）量化权重不确定性。随后采用一阶二次矩法（First-Order Second-Moment, FOSM）建立"双重不确定性–高估风险"耦合模型，量化高估风险发生概率与偏差幅度。以中国最大淡水湖鄱阳湖（Poyang Lake）验证表明，总磷（Total Phosphorus, TP）、总氮（Total Nitrogen, TN）及鱼类生物损失指数（Fish Biological Loss Index, FBLI）为高风险指标，其在1%~50%风险水平下的最大允许阈值分别为5.10~7.40、7.04~9.38和6.05~9.02。综合高估风险得分为74.16~81.17，可为治理提供可操作阈值。该框架系统解决了现有研究对双重不确定性考虑不足的问题，为提高河湖健康评估可靠性及制定靶向生态保护决策提供了科学可操作的工具。

河湖健康评估中双重不确定性引发的高估风险量化及基于PINN–博弈论–FOSM的鄱阳湖案例研究论文解读

研究背景与意义

河湖生态系统是全球水循环与生态平衡的核心载体，河湖健康评估是生态治理的关键技术支撑，其结果直接影响生态保护资源分配与管控措施有效性。然而现有评估多采用多年均值或单期实测值预测指标值，且赋权方法常偏向直观反映健康的指标，两者叠加易造成系统性高估实际生态健康状况（即高估风险），导致治理措施失当。现有研究多孤立分析指标值或权重的不确定性，缺乏将双重不确定性耦合量化为高估风险的框架。为此，研究人员开发了融合双重不确定性量化与高估风险耦合分析的通用框架，并在《Water》发表以鄱阳湖为案例的验证研究，填补了该领域空白。

主要关键技术方法

研究人员基于Web of Science中160篇河湖健康评估文献Meta分析初筛45个高频指标，经Pearson相关性剔除冗余后确立含12项指标的四维度（水文与水资源、水质、水生生物、社会服务功能）评估体系；收集鄱阳湖流域1264组历史监测样本归一化处理。指标值不确定性采用物理信息神经网络（Physics-Informed Neural Network, PINN）滚动预测历史指标并与实测比对，假设预测误差服从正态分布N(μ_ε,σ_ε²)量化。权重不确定性采用层次分析法（AHP）、熵权法（EWM）、CRITIC法及主成分分析（PCA）分别计算初始权重，以纳什均衡（Nash Equilibrium）博弈理论线性组合求得协调权重，假设各指标权重服从正态分布N(μ_w, (μ_w/10)²)表征权重波动。高估风险采用一阶二次矩法（First-Order Second-Moment Method, FOSM）建立功能函数Z = ∑w_i·X?_i,pred? ∑w_i·X?_i,meas，推导第i项指标及综合评价的高估概率P_r,i=Φ(?β_i)与综合高估概率P_r=Φ(?β)，其中β为可靠度指标。

研究结果

4.1. Uncertainty Analysis of Health Assessment Indicators（健康评估指标的不确定性分析）

研究人员选取归一化后600组连续时序样本训练PINN模型，滚动预测其余时段指标值并计算预测偏差序列的均值与标准差。结果表明不同指标预测不确定性存在显著差异，水质类指标（如TP、TN、叶绿素aChl-a）因受季节性水文波动及外源污染输入影响，标准差相对较大，为后续高估风险计算提供基础统计量。

4.2. Uncertainty Analysis of Assessment Indicator Weights（评估指标权重的不确定性分析）

AHP、EWM、CRITIC、PCA四种方法所得初始权重存在明显分歧，尤以社会服务类指标（水资源开发利用率WRDUR、水功能区达标指数WFZCI）为甚。经纳什均衡博弈协调后得到最终协调权重，设权重随机分布N(μ_w,(μ_w/10)²)，按3σ法则验证随机权重落于可行域(0,1)内，合理量化了权重不确定性。

4.3. Overestimation Risk in Poyang Lake Health Assessment（鄱阳湖健康评估中的高估风险）

定义1%~50%风险水平区间，转换为标准正态可靠度指标后反算各指标最大允许阈值。结果显示TP、TN和鱼类生物损失指数（FBLI）在各风险水平下阈值最低，被识别为高风险指标——TP允许阈值5.10~7.40，TN为7.04~9.38，FBLI为6.05~9.02。综合评价高估风险得分74.16~81.17，高于常规确定性评估的健康得分，证明忽略双重不确定性会乐观高估湖泊健康。

讨论与结论翻译

讨论部分指出TP、TN易受季节水文与非点源污染干扰致指标值预测偏差大，FBLI对权重不确定性敏感，三者叠加双重不确定性后高估风险显著高于其余指标，与既有鄱阳湖研究吻合。FOSM基于线性近似，在强非线性生物响应中存在轻微偏差属矩法通病。框架创新点在于建立标准化双重不确定性量化体系（PINN+博弈论权重协调+正态假设）、构建双重不确定性–高估风险耦合通用模型、经鄱阳湖实证给出可操作风险阈值与决策支持。局限为权重正态假设简化现实、案例单一需多生态系统验证、未考虑外部扰动下不确定性动态演化。未来应拓展多生态系统验证、引入贝叶斯推断等细化不确定性刻画、耦合气候变化与土地利用变化动态因子、建立风险评估–治理政策闭环机制。

结论：本研究针对指标值预测不确定性与权重方法不确定性（双重不确定性）诱发河湖健康评估高估风险这一关键缺口，开发了集成不确定性量化、权重协调及高估风险耦合的通用风险分析框架，并以鄱阳湖验证。基于1264份历史样本用物理信息神经网络（PINN）预测指标值并以正态分布表征指标值不确定性；用AHP、EWM、CRITIC、PCA四法赋权后经纳什均衡博弈求得协调权重，假设权重服从N(协调权重, (协调权重/10)²)量化权重不确定性，经3σ法则验证合理性。选用一阶二次矩法（FOSM）建立双重不确定性–高估风险耦合模型，量化单项与综合高估概率与偏差。识别出TP、TN、FBLI为鄱阳湖健康评估高风险指标，1%~50%风险水平下最大允许阈值分别为5.10~7.40、7.04~9.38、6.05~9.02。综合高估风险得分74.16~81.17，为生态治理提供明确阈值。框架模块化设计可推广至其他河湖生态系统。