利用机器学习方法分析城市溪流中大肠杆菌变异性的环境驱动因素与预测模型

《Environmental Pollution》：Environmental Drivers and Predictive Modeling of E. coli Variability in an Urban Stream Using Machine Learning Approaches

　　

摘要

城市河流的地表水质量受复杂且具有空间变化性的环境因素影响，这使得传统的监测方法效果有限。本研究结合了25年来的水文、气候和水质数据，并运用可解释的机器学习技术，旨在找出拉斯维加斯排水系统中大肠杆菌浓度变化的主要驱动因素。集合模型揭示了微生物动态在不同区域所受的不同空间因素影响。在下游区域，电导率、总溶解物和悬浮固体、气候变量以及营养物质浓度是主要的预测因子，这些因素反映了处理过的水废液及其所含离子和营养物质的影响。而上游区域的浓度变化则更多受到暴雨事件、流量、营养物质以及高氯酸盐的影响，表明该区域对偶发性水文输入和局部污染源更为敏感。XGBoost模型的表现优于随机森林模型，在下游和上游区域分别获得了0.67和0.81的R²值。这些研究结果表明，由于源头贡献和传输过程的空间差异性，同一连通系统内的地表水质量受到的环境驱动因素可能存在显著差异。本研究强调了可解释机器学习在解析复杂环境相互作用方面的价值，同时为改善城市及以水再利用为主的系统中的水质预测管理提供了框架。

引言

地表水资源容易受到自然和人为活动带来的污染。尽管地表水为全球提供了重要的服务，但由于直接暴露于大气和周围环境中，它们常常被病原体及化学物质污染。除了自然的水文和生物地球化学变化外，地表水质量还受到人类活动的强烈影响。了解地表水质量的变化驱动因素并建立微生物浓度的预测模型，对于有效管理水资源至关重要。水质监测通常依靠各种指标来检测粪便污染。物理指标（Akpokodje等人，2025年）、化学指标（Hachad等人，2024年）以及与粪便污染存在关联的生物指标（McMinn等人，2024年）常被用作直接预测的替代指标。大肠杆菌这类粪便指示菌通常被用来评估地表水系统的污染程度。实际上，大肠杆菌还被用作其他潜在病原体存在的替代指标（Cookson等人，2024年）。大肠杆菌属于肠杆菌科的革兰氏阴性细菌，它既可以无害地定植于人体肠道，也可能引发肠道或肠道外的感染。当粪便指示菌含量升高时，相关水务部门通常会发出警示。通过培养样品的系列稀释液并在选择性培养基中培养，根据不同稀释度下的生长情况来判断样品中细菌的大致数量，这就是最可能数法（Gunawardane，2026年）。1-10 MPN/100毫升和11-100 MPN/100毫升的数值分别代表低风险和中风险。而大肠杆菌浓度超过100 MPN/100毫升则被视为高风险（Odonkor & Mahami，2020年）。

目前检测大肠杆菌的方法高度依赖劳动密集型的实验室技术（Khan等人，2021a年）。不过，这些方法存在诸多局限性。尤其是传统的培养法，据报道其难以检测到那些虽无法培养但仍可能带来健康风险的存活大肠杆菌细胞（Zhuang等人，2024年）。此外，这些方法的准确性和特异性也存在问题，常常导致误判（Mendes Silva & Domingues，2015年）。基于物理原理的模型被广泛用于模拟和预测水文系统中的大肠杆菌动态（Jamieson等人，2005年）。然而，要描述水流、温度、沉积物相互作用以及微生物衰变等环境变量之间的复杂关系，就需要做出一些简化的数学假设。这些假设可能会降低模型准确捕捉微生物过程的变异性和耦合非线性行为的能力，从而导致预测精度下降（Abbas等人，2021年）。基于近期历史数据集训练的数据驱动模型，则可以为高频地表水质量监测提供预测补充。实现这一目标的一种常见方法就是运用机器学习技术（Huang等人，2024年；Zhu等人，2022年）。机器学习模型能够捕捉不同环境中的复杂非线性关系（Maity等人，2024年）。研究人员已经使用了多种机器学习模型来预测地表水中的大肠杆菌浓度（Nafsin & Li，2023年；Nageswari等人，2024年；Yusri等人，2022年）。在环境水质研究中，随机森林和XGBoost模型相比其他建模方法表现更为出色（Leggesse等人，2023年），这为预测娱乐用水（Park等人，2018年；Rossi等人，2020年）和饮用水系统（Kuroki等人，2023年；White等人，2021年）中的微生物浓度带来了重大进展。不过，只有少数研究明确探讨了这些驱动因素在单一连通的城市水系统中的空间变化情况。

由于资源限制，频繁采集地表水样本也颇具挑战性。因此，有些机构只能每周或每两周采集一次样本，这样可能无法掌握相关参数的高分辨率时间变化趋势。此外，与现场测量不同，那些需要实验室分析的参数，比如微生物指标和营养物质，往往会出现处理延迟。在这样的情况下，机器学习模型就能够实现近乎实时的分析以及及时的预测评估。尽管机器学习在这一领域应用日益广泛，但大多数研究仍存在以下局限：一是数据集时间较短，二是缺乏对单一系统内空间差异的分析，三是关键环境驱动因素的可解释性较差。因此，长期的环境变异性和空间异质性究竟在多大程度上影响着模型性能以及各预测因子的作用，目前仍不甚清楚。

在美国内华达州拉斯维加斯，米德湖为南内华达州的社区提供了90%甚至更多的饮用水。为了增加拉斯维加斯谷地从科罗拉多河获得的供水量，经过高度处理的废水会通过拉斯维加斯排水渠被引入米德湖。这条排水渠负责将再生水、城市径流、雨水以及浅层地下水输送到米德湖（南内华达州水资源局，2022年）。由于南内华达州在废水处理和水源保护方面持续投入，拉斯维加斯排水渠的水质一直保持相对良好，这也体现了人们对于米德湖作为科罗拉多河下游流域主要水源的重要性认识，该流域包括亚利桑那州、加利福尼亚州、墨西哥以及多个依赖该水源进行农业和城市建设的原住民部落。除了具备保障水质的功能外，这条排水渠还为维持湿地及相关生态系统发挥着重要作用。除了在基础设施和处理技术方面不断改进之外，美国水利局和南内华达州水资源局还支持相关研究工作，致力于开发用于量化排水渠中病原体的建模框架（Clements等人，2025a年）。

本研究通过将长期监测数据与机器学习方法相结合，填补了地表水质量研究中的若干空白，有助于更深入地了解影响大肠杆菌浓度变化的环境因素。与那些仅依靠较短时间跨度的数据集或单点分析的以往研究不同，本研究利用25年来的水文、气候和水质数据，分析了时间上的变化趋势，并研究了城市水道不同区域之间的空间差异。此外，本研究还借助可解释的机器学习技术，识别出主要的驱动环境因素，进而分析人类活动如何影响微生物污染的模式。这些研究结果为理解制约地表水质量的复杂相互作用提供了新见解，同时也为水资源管理和公共卫生保护提供了预测框架。

章节节选

研究区域

拉斯维加斯排水渠（见图1）是位于内华达州克拉克县的一个面积为4084平方公里的干旱流域的唯一排水通道，其水流最终汇入米德湖。排水渠的上游部分为混凝土衬砌，而下游则是在天然的裸土上流动，部分区域还设置了堰坝，以减少侵蚀和冲刷。正因如此，污染物传输的动态可能会有所不同，天然区域或许可以通过与植物的相互作用来帮助去除污染物（Bai & Acharya，2019年）。最近有一项研究指出

结果与讨论

本研究的结果主要体现了五个方面的贡献：（一）明确了微生物浓度变化的长期趋势；（二）描述了不同区域在环境控制因素方面的差异；（三）运用可解释的机器学习技术分析了非线性相互作用；（四）比较了不同的确定性机器学习方法；（五）通过概率建模框架量化了预测的不确定性。

结论

本研究表明，将长期的现场测量数据与确定性和概率性机器学习方法相结合，能够有效地预测城市河流中大肠杆菌浓度的峰值。电导率、总溶解固体、总悬浮固体、平均水温以及营养物质负荷等水质参数被证实是反映微生物污染程度的可靠指标。尤为重要的是，通过引入工程学上的交互特征，能够捕捉到营养物质与温度等方面的耦合环境效应

CRediT作者贡献说明

Emmanuel Cobbinah：撰写——初稿撰写、可视化、方法设计、研究实施、正式分析、数据整理。 Deena Hannoun：撰写——审阅与编辑、监督指导、概念构思。 Rishi Parashar：撰写——审阅与编辑、监督指导、项目管理、资金筹集、概念构思

未引用参考文献

Gregory等人，2017a年；南内华达州水资源局，2022年。

关于写作过程中生成式人工智能及人工智能辅助技术的声明

在撰写本文时，作者们使用了ChatGPT来优化语言和语法表达。在使用该工具之后，作者们又对内容进行了必要的审阅和修改，并对文章的内容负全责。

利益冲突声明

? 作者声明，他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

致谢

本研究部分得到了沙漠研究所的Maki捐赠基金的支持。通讯作者（R. P）感谢美国国家科学基金会（NSF）提供的2123481号资助，该资助用于支持他在人工智能和机器学习方法领域的职业发展。作者们还要感谢南内华达州水资源局的Todd Tietjen、Daniel Chan和Xiaoping Zhou，以及克拉克县水资源回收局的Daniel Fischer和克拉克县区域洪水控制局的John Tennert，感谢他们提供的审阅意见

Emmanuel Cobbinah|Deena Hannoun|Rishi Parashar

内华达州里诺市，沙漠研究所水文科学部