MacroSimply: 一种直观的基于规则的分类器，用于预测生物状态以支持生态恢复

《Water》：MacroSimply: An Intuitive Rule-Based Classifier to Predict Biotic Status in Supporting Ecological Restoration

　　

研究人员解决了基于一组环境和管理相关驱动因素预测水体生物质量的挑战性问题。虽然根据水文和污染负荷变量预测水质的建模方法已经成熟，但预测生物状态的类似工具仍不够完善。然而，根据水框架指令（WFD），这两个组成部分都是评估生态状态（ES）和支持恢复规划所必需的。本文通过介绍在意大利北部伦巴第大区四条受严重影响的河流上开展的经验，聚焦于后一个挑战。常规的环境、水文形态和生物数据被系统化，以建立连接管理相关压力与生态状态的大型底栖无脊椎动物组成部分的预测框架。开发了一个名为MacroSimply的基于规则的分类器，并与替代的统计和机器学习方法进行了比较：逻辑回归、分类树（CHAID）和多层感知器神经网络。测试的模型表现出不同的优缺点：逻辑回归在预测性能和可解释性之间提供了良好的平衡；分类树生成了透明的基于阈值的决策规则；神经网络捕捉了潜在的复杂非线性关系，但可解释性降低。MacroSimply实现了与替代方法相当的预测性能，甚至具有更高的可靠性，同时保持了结构的完全透明性以及预测因子与管理行动之间的直接联系。所提出的框架随后在基于电子表格的工具中实现，以便在恢复规划练习中易于使用。尽管所获得的模型不应被视为即使对于特定案例的最终建模解决方案，但结果表明，当可解释性、可重复性和实际适用性是环境管理的关键要求时，所采用的基于规则的方法代表了一种可行的、有价值的选项，优于更复杂的数据驱动方法。

**论文解读文章**

**研究背景与问题**

水框架指令（WFD，Water Framework Directive）要求所有地表水体至少达到良好生态状态（GES，Good Ecological Status）或良好生态潜力（GEP，Good Ecological Potential）。生态状态（ES，Ecological Status）由物理化学和生物质量中最退化的组分决定，而水文形态（HYMO，Hydro-Morphological）组分仅在超过“良好”阈值时参与分类。长期以来，水质（WQ，Water Quality）模拟模型已能基于系统内在属性和控制因素（如污染负荷、水流管理）预测河流水质，但预测生物响应（尤其是大型底栖无脊椎动物群落）的工具仍不成熟。现有研究虽尝试连接非生物与生物变量（如贝叶斯信念网络、栖息地适宜性模型），但多停留在研究层面，缺乏可直接用于管理实践的透明、可解释且与行动直接关联的工具。人工智能（AI，Artificial Intelligence）虽然潜力巨大，但环境管理需要模型不仅预测准确，还要可解释、可追溯，并直接链接到关键类型措施（KTM，Key Type of Measures）。因此，本研究旨在开发一种基于规则的简单分类器，并检验其能否在保持完全透明性和可操作性的同时，达到与复杂数据驱动方法相当的预测性能。

**研究内容与结论**

研究人员在意大利伦巴第大区（Regione Lombardia，意大利北部）四条受严重影响的河流（Olona、Seveso、Lambro Meridionale、Oglio Sublacuale）上开展研究，系统化了常规环境、水文形态和生物数据，开发了名为MacroSimply的基于规则的分类器，用于预测大型底栖无脊椎动物指数（ICM*）是否达到“良好”状态。该模型与三种替代方法——逻辑回归（LogIT）、CHAID分类树和多层感知器神经网络（MLP）——进行了比较。结果表明，各模型各有优劣：逻辑回归在预测性能与可解释性间取得平衡；CHAID树生成透明阈值规则；神经网络捕捉复杂非线性关系但可解释性差。MacroSimply在预测性能上与替代方法相当，且展现出更高的可靠性，同时保持了完全透明的结构和预测因子与管理行动的直接联系。该框架随后被实现为基于电子表格的工具，便于恢复规划使用。尽管模型并非最终解决方案，但研究证实，当可解释性、可重复性和实际适用性是关键要求时，基于规则的方法优于更复杂的数据驱动方法。论文发表在《Water》。

**主要关键技术方法**

研究基于伦巴第大区四条河流的监测数据，包括常规环境、水文形态和生物变量。主要技术方法为：（1）伪分位数回归：通过图形分析和专家判断，识别各潜在因果因子（如氨氮NH₄-N、总磷P_tot、溶解氧饱和度dsat、洪水污水溢流口数量、水文低流量胁迫Q_min/Q_NAT、河岸植被指数）的阈值，构建MacroSimply规则分类器；（2）逻辑回归（LogIT）：基于Wald准则逐步选择预测因子，采用留一法验证；（3）CHAID分类树：基于卡方检验迭代分割，十折交叉验证；（4）多层感知器神经网络（MLP）：含一个隐藏层（6个神经元），60/40随机分割训练与测试。各模型使用不同有效数据集，因此比较为定性评估。

**研究结果**

**6.1 MacroSimply性能**
通过校准两个参数（洪水污水溢流口数量阈值、Q_min/Q_NAT阈值），在完整记录数据集上校准准确率达82%左右，其中“假警报”（实际良好但模型判为不佳）略多，“乐观偏差”（实际不佳但模型判为良好）仅1例。验证集上性能甚至略优，表明模型未过拟合，具有鲁棒性。

**6.2 LogIT性能**
基于161个完整案例拟合逻辑回归，采用0.30决策阈值以平衡类别不平衡。总体准确率84.5%，对良好状态的敏感性79.2%，对不佳状态的特异性85.4%。保留的三个预测因子（LIMeco（污染水平宏观指标，Pollution Level of Macroindicators）、河岸植被连续性、平均河宽w）均具有生态意义，其中LIMeco与良好状态正相关，河岸植被连续性与不佳状态正相关（即连续性低对应差状态），河宽与良好状态弱正相关。

**6.3 CHAID分类树性能**
基于479条记录训练，十折交叉验证，最终树仅含两个判别变量：根节点为洪水污水溢流口数量，其次为河岸植被连续性。总体准确率90.7%，敏感性89.8%，特异性90.8%，交叉验证误差率10.0%，与重代入误差9.2%接近，表明规则集可靠且透明。

**6.4 神经网络（MLP）性能**
基于119个完整案例，73个训练，46个测试。训练准确率90.4%，测试准确率89.1%，差异小表明泛化良好。变量重要性分析显示，河岸植被连续性为最重要预测因子，其次为氨氮和溢流口数量，硝酸盐、溶解氧饱和度和LIMeco中等，总磷影响最小。

**总结与讨论**

讨论部分指出，虽然机器学习模型在总体正确率上略优于MacroSimply，但MacroSimply在避免乐观偏差（即避免将不佳状态误判为良好）和鲁棒性-可靠性方面表现更佳。此外，机器学习模型（如LogIT和CHAID）中河宽作为预测因子虽看似合理，但反映的是已有空间梯度而非真实因果效应，可能误导管理决策。MacroSimply结构直观、易于解释，且可灵活添加新因果因子，更适合实际管理应用。研究局限性包括地理范围有限、数据量小、阈值确定主观等，未来需在更大数据集和更广泛地理背景下验证，并整合更正式的统计程序和额外生物质量要素。

**研究结论翻译**
本研究解决了在水框架指令框架下，基于一组环境和管理相关变量（预测因子）预测生态状态中大型底栖无脊椎动物组成部分的挑战性问题。一个透明的基于规则的分类器MacroSimply被开发，并与三种替代建模方法（逻辑回归、CHAID分类树、神经网络）进行了评估比较。比较凸显了不同方法具有互补的优缺点。机器学习和逻辑回归提供了有价值的预测能力，并能识别数据中的复杂关系。同时，MacroSimply提供了一个完全透明且易于解释的决策框架，直接链接到管理相关的环境驱动因素和恢复行动。尽管测试的机器学习模型在某些分类指标上获得了略高的预测性能，但MacroSimply产生了在同一总体范围内且更可靠的结果，并保持了决策过程的完全可追溯性。这一特性在恢复规划背景下尤其重要，因为理解模型预测背后的理由可能与最大化预测准确性同等重要。所提出的框架无意成为更严谨建模方法的普遍优越替代，而是作为具有透明度、可解释性和操作适用性基本优势的额外选项。其简单结构促进了规划者、环境机构和利益相关者之间的沟通，同时允许随着更多知识和监测数据的获得进行未来改进。相当令人惊讶的是，它还证明其性能与更技术性的替代方案基本相当，同时更加可靠。然而，应承认一些局限性，包括研究的地理范围有限、可用样本量小以及阈值确定过程的专家指导性质。未来应探索将该框架应用于更大数据集和更广泛地理背景，以及整合更正式的阈值确定统计程序和额外生物质量要素。在这些局限性内，结果表明，在支持水框架指令下的生态恢复规划和决策时，透明的基于规则的方法可以代表更复杂数据驱动方法的有价值替代方案。