《Journal of Cleaner Production》:Explainable Machine Learning Reveals Spatially Heterogeneous BOD–COD Relationships in a Large River Basin to Inform Targeted Monitoring Strategies
编辑推荐:
•集成模型能够高精度预测BOD,达到R2为0.78的水平。•在受人类活动影响的流域中,BOD-COD耦合关系强烈,但在自然流域中较弱。•结构方程模型(SEM)证实生活污水是驱动BOD-COD共变的关键因素。•基于机器学习、因地制宜的策略能够优化黄河流域的BOD监测。引言生化需
- •
集成模型能够高精度预测BOD,达到R2为0.78的水平。
- •
在受人类活动影响的流域中,BOD-COD耦合关系强烈,但在自然流域中较弱。
- •
结构方程模型(SEM)证实生活污水是驱动BOD-COD共变的关键因素。
- •
基于机器学习、因地制宜的策略能够优化黄河流域的BOD监测。
引言
生化需氧量(BOD)和化学需氧量(COD)是国际上广泛用于评估有机污染和水生生态系统健康的两项基本指标(Lee等人,2016;Jin等人,2010)。BOD5(以下简称BOD)是可生物降解有机污染物的核心指标,代表微生物在5天内通过生化作用降解有机物所消耗的氧气量(Ma等人,2020;Heddam等人,2016;Jouanneau等人,2014)。相比之下,CODmn和CODcr测量的是使用高锰酸钾和重铬酸钾等强化学试剂氧化可生物降解和不可生物降解有机化合物所需的总氧需求量(Liu等人,2023)。虽然BOD和COD反映了有机污染水平,但BOD在评估河流自净能力方面尤为有价值,因为它专门针对可通过微生物活动自然分解的有机物部分(Ma等人,2020;Heddam等人,2016;Basant等人,2010)。这一区别使得BOD成为全球监管监测框架不可或缺的指标,包括欧盟水框架指令(EC,2002)和中国地表水环境质量标准(MEEPRC,2002),是评估生态状况和污染控制效果的关键指标(Ma等人,2020;Heddam等人,2016;Jouanneau等人,2014;Basant等人,2010)。
尽管BOD具有重要的生态意义,但其监测在操作上仍存在困难。标准稀释接种法需要5天(Jouanneau等人,2014;MEEPRC,2009),与COD分析相比,其速度明显较慢且劳动强度更大,而COD分析可在数小时内完成(Kim,2025)(表S1)。在中国,国家监测网络中COD监测已实现全面自动化,测量间隔约为4小时(MEEPRC,2017)。相比之下,BOD监测在很大程度上仍为人工操作,通常每月一次。因此,BOD数据在时间上较为稀疏,限制了捕捉短期污染动态的能力,而提高监测频率的成本又高得令人望而却步。有时可以通过易于测量的替代指标来推断难以测量的参数。这些局限性提出了一个重要问题:能否利用BOD与更易获取的COD数据之间的关系,开发出稳健的BOD预测模型,以实现快速且经济的估算?
BOD和COD之间已知存在一定程度的相关性,许多研究已探讨了这一关系以通过COD测量值预测BOD(Sepp等人,2018;Lee等人,2016;Dubber等人,2010;Jin等人,2010)。例如,Jin等人(2010)为香港受污染的河口水体建立了线性回归模型,报告了很强的线性相关性(R2 = 0.8)。Dubber等人(2010)使用线性回归方法,发现废水处理系统中BOD-COD-总有机碳(TOC)之间的相关性更强,而Lee等人(2016)观察到河流与湖泊相比具有一致的线性模式。然而,这些研究局限于局部尺度(例如污水处理厂、小段河道),且仅依赖于简单的线性关系。实际上,BOD-COD关系受多种相互作用的因素影响(Ma等人,2020;Zhu等人,2018;Basant等人,2010)。例如,高浓度的氨氮(NH3-N)可通过硝化作用影响BOD-COD关系(Song等人,2022;Chapra等人,2021)。同样,浮游植物动态可能通过贡献与BOD关联更为密切的藻源有机物而影响BOD-COD关系(Phu,2014)。溶解性有机物(DOM)的组成是另一个关键因素(Jiao等人,2021)。大型河流如黄河横跨数千公里,穿越多样的气候区和土地利用类型,导致DOM组成存在显著的空间异质性(Xiong等人,2025;Wang等人,2023;Su等人,2023;Cui等人,2023;Liu和Wang,2022),这可能对BOD-COD关系产生强烈影响。
这些复杂性表明,小尺度的简单线性模型已不足以全面表征BOD-COD关系,迫切需要先进的分析和建模工具,能够整合多源环境因素并捕捉复杂的非线性关系,从而更深入地揭示BOD与COD之间的内在耦合关系。机器学习(ML)和深度学习(DL)为捕捉控制BOD动态的非线性、多因素相互作用提供了强大方法。通过整合水质参数和流域尺度环境因素,ML/DL模型展现了优于传统线性方法的预测能力(Zhi等人,2024;Ma等人,2020)。此外,集成/叠加模型结合Shapley加性解释(SHAP)(Zhang等人,2024;Lundberg等人,2020)可以显著增强模型可解释性,并在全球和局部尺度上系统识别控制BOD预测和BOD-COD关系的主导因素。互补地,结构方程模型(SEM)提供了一种基于假设的框架,可明确指定和检验观测变量与潜变量之间的因果路径(Song等人,2022;Zhang等人,2023),从而区分直接和间接效应,为自然和人为驱动因素如何共同调控BOD和COD提供综合视角。
在本研究中,我们利用2016年至2022年黄河流域(YRB)135个监测站点的观测数据,建立了结合叠加机器学习、SHAP和SEM的综合框架,以回答三个关键问题:(1)机器学习能否有效利用COD作为主要预测因子模拟黄河盆地的BOD?(2)哪些环境因素对BOD预测影响最大?(3)BOD-COD关系空间变异的主要决定因素是什么?与以往主要关注提高预测精度的基于机器学习的研究不同,本研究进一步整合了大规模数据集、预测建模、模型可解释性分析、空间异质性识别和监测策略优化。通过回答这些问题,本研究为塑造大型河流系统中BOD-COD耦合的机制提供了新的见解,并为设计经济高效的BOD监测策略提供了实际指导。
章节摘要
研究区域
黄河是中国的第二长河,全长约5,464公里,流域面积约795,000平方公里。其主要支流包括渭河、汾河、滹沱河和黄水河。该流域跨越温带和暖温带气候区,呈现从西到东由干旱到湿润的明显梯度变化。上游地区年平均气温为1–8°C,降水量低于150毫米;中游地区气温为8–14°C,降雨量为400–600毫米。下游
黄河流域BOD和COD动态
黄河流域BOD和COD的时空变化依据中国地表水环境质量标准(GB3838-2002)(MEEPRC,2002)进行评估。根据该标准,I–V类BOD阈值分别为≤3、≤3、≤4、≤6和≤10 mg/L,相应的COD阈值分别为≤2、≤4、≤6、≤10和≤15 mg/L。
在空间上,大多数站点的浓度维持在4 mg/L以下(III类标准),而约10%的站点呈现出较高的浓度(> 6 mg/L,IV类
结论
总之,本研究应用可解释机器学习框架模拟了黄河盆地的BOD动态,系统揭示了BOD-COD关系的空间异质性及其潜在驱动因素,并提出了BOD监测的优化策略。整合关键水质参数(COD、NH3–N、TN)和人类活动变量的叠加模型优于传统的单模型方法,达到R2为0.78的水平。COD和NH3–N成为BOD变异的主要预测因子。
CRediT作者贡献声明
高明:可视化、软件。吴峰昌:监督、方法论。李文晶:软件。张伯伦:可视化。赵震雄:可视化、调查。凌俊宏:调查、构思。刘玲玲:撰写初稿、可视化、软件。赵晓莉:监督、资源获取、项目管理、构思。周凌峰:撰写审阅与编辑、形式分析、数据整理
未引用参考文献
Dubber和Gray,2010;O'Donnell等人,2016;Zhai和Chen,2018。
利益冲突声明
?作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:赵晓莉报告获得国家研发计划提供的财务支持。报告与该计划的关系包括:有专利待批。如有其他作者,他们声明没有已知的可能影响本论文所报告工作的竞争性财务利益或个人关系。
致谢
本研究由国家研发计划(编号:2023YFC3205700)、国家自然科学基金(编号:42577535)以及中国黄河流域生态保护与高质量发展联合研究计划(编号:2022-YRUC-01-0201)资助。
刘玲玲|赵震雄|凌俊宏|李文晶|张伯伦|高明|吴峰昌|赵晓莉|周凌峰