CN114548754A - 一种基于趋势判策的湿地缓冲区水生态健康评价方法 - Google Patents
一种基于趋势判策的湿地缓冲区水生态健康评价方法 Download PDFInfo
- Publication number
- CN114548754A CN114548754A CN202210155667.3A CN202210155667A CN114548754A CN 114548754 A CN114548754 A CN 114548754A CN 202210155667 A CN202210155667 A CN 202210155667A CN 114548754 A CN114548754 A CN 114548754A
- Authority
- CN
- China
- Prior art keywords
- water ecological
- ecological health
- influence factors
- index
- influence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 79
- 238000011156 evaluation Methods 0.000 title claims abstract description 35
- 230000007613 environmental effect Effects 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 238000013210 evaluation model Methods 0.000 claims abstract description 8
- 238000010219 correlation analysis Methods 0.000 claims abstract description 7
- 238000011835 investigation Methods 0.000 claims abstract description 5
- 238000010197 meta-analysis Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000003862 health status Effects 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于趋势判策的湿地缓冲区水生态健康评价方法，包括：S1：基于Meta分析判定影响因素：设置检索关键词收集潜在影响因子的实验观测数据，通过环境因子关联分析，得到水生态健康的关键影响因素，计算影响因子权重；S2：收集指标数据；S3：建立基于机器学习的预测模型；S4：趋势判策：将各关键影响因素的预测值，不同影响因素类型的影响权重输入水生态健康评价模型，得到未来n年后的水生态健康状况，由此，作为当前水生态健康状态的预测评价。该方法可以得到相关性强、影响敏感的影响因子，最大限度排除区域尺度调研导致的局限性，在未来视角下评价当前水生态健康，可以更好地体现当前水生态健康状态的发展趋势和当前状态。
Description
技术领域
本发明创造属于水生态健康评价领域，主要涉及一种基于趋势判策的湿地缓冲区水生态健康评价方法。
背景技术
湿地是指地表过湿或经常积水，生长湿地生物的地区。湿地生态***是湿地植物、栖息于湿地的动物、微生物及其环境组成的统一整体。湿地具有多种功能：保护生物多样性、调节径流、改善水质、调节小气候以及提供食物及工业原料，提供旅游资源等。水质评价指按照评价目标，选择相应的水质参数、水质标准和评价方法，对水体的质量利用价值及水的处理效果作出评定。水质评价是合理开发利用和保护水资源的一项基本工作。根据不同评价类型，采用相应的水质标准。评价水环境质量，采用地面水环境质量标准；评价养殖水体的质量，采用渔业用水水质标准；评价集中式生活饮用水取水点的水源水质，用地面水卫生标准；评价农田灌溉用水，采用农田灌溉水质标准。一般都以国家或地方政府颁布的各类水质标准作为评价标准。
当前的评价方法大多是基于实地监测取样，并就所监测时空的水生态健康状态进行评价，该评价不具有前瞻性。在评价因子选择方面，大多考虑单一类型的影响，对整体水生态健康评价具有片面影响，然而，对于多因素的选择又会由于采样具有时空的局限性，无法根据其实际的影响程度来确定相应的权重，导致参数信息表达量的丢失。此外，在预测预报方面，机器学习是一种先进高效的手段，但对于机器学习而言，一个普遍的问题在于它的预测往往并不是基于物理意义的。也就是说，算法只是在寻找输入和输出之间的相关性，但有些时候，这种相关性可能是“虚假的”，或者可能会给出错误的结果，直接用于水生态健康评价中可导致算法模型无法处理输入和输出之间的关系发生变化时的结果。
发明内容
本发明创造的目的是针对上述现有技术存在的问题，提出了一种基于趋势判策的湿地缓冲区水生态健康评价方法。
本发明创造的目的是这样实现的，一种基于趋势判策的湿地缓冲区水生态健康评价方法，其特征在于，包含如下步骤：
S1：基于Meta分析判定影响因素：设置检索关键词，在学术数据库中进行文献调查，收集不同类型潜在影响因子的实验观测数据，通过环境因子关联分析，得到水生态健康的关键影响因素；通过权重分析得到不同因子类型的影响权重以及相同类型中不同影响因子的影响权重；
S2：收集指标数据：收集目标区域的关键影响因素的多年数据集；
S3：建立基于机器学习的预测模型：将关键影响因素的多年数据集根据不同时间滑窗对应划分为训练集和预测集，通过机器学习的方法分别建立各自关键影响因素对应的预测模型；
S4：趋势判策：以收集的关键影响因素的整体数据作为预测依据，输入其对应的预测模型，得到未来n年后的该关键影响因素的预测值；将各关键影响因素的预测值通过评分后，搭配其不同影响因素类型、不同影响因素对应的影响权重输入水生态健康评价模型，得到未来n年后的水生态健康状况，由此，作为当前水生态健康状态的预测评价。
优选的，所述关键词为“浮游植物”、“浮游动物”、“多样性”、“水生态健康”。
优选的，S1中所述权重分析为方差分解分析。
优选的，S1中所述环境因子关联分析为通过最大信息系数计算影响因素与水生态健康评价指标直接的相关性，所述最大信息系数MIC的计算方式如下：
式中，X、Y分别为环境影响因子和水生态健康评价指标；B为变量，一般选取数据量的0.6次方。
优选的，S4中所述水生态健康评价模型为水生态健康指数模型，其中，水生态健康指数M的计算方式如下：
式中，Kj为第j类指标的分类权重，Gji为第j类指标中第i个指标的指标权重，Xji为第j类指标中第i个指标的指标赋分。
优选的，指标赋分的评分体系可参考水生态健康评价技术规范DB11/T1722-2020。
本发明公开了一种基于趋势判策的湿地缓冲区水生态健康评价方法，具有如下优点：(1)综合现有研究搜集水生态健康的潜在影响因子，基于Meta分析在全球尺度上进行关键影响因子的判定，由此得到相关性更强、影响更为敏感的影响因子，最大限度排除了区域尺度调研导致的局限性；(2)基于现有关键影响因子的时间序列数据集，通过机器学习对未来关键影响因子进行预测，提高了预测精度；(3)通过对关键影响因子的未来预测数据进行评价，由此得到未来视角下的当前水生态健康评价，该评价可以更好地体现当前水生态健康状态的发展趋势和健康状态。
附图说明
图1为本发明一种基于趋势判策的湿地缓冲区水生态健康评价方法原理示意图。
具体实施方式
一种基于趋势判策的湿地缓冲区水生态健康评价方法，其特征在于，包含如下步骤：
S1：基于Meta分析判定影响因素：设置“浮游植物”、“浮游动物”、“多样性”、“水生态健康”为检索关键词，在学术数据库中进行文献调查，收集不同类型潜在影响因子的实验观测数据，通过方差分解分析得到不同因子类型的影响权重以及相同类型中不同影响因子的影响权重；通过环境因子关联分析，得到水生态健康的关键影响因素；
环境因子关联分析为通过最大信息系数计算影响因素与水生态健康评价指标直接的相关性，所述最大信息系数MIC的计算方式如下：
式中，X、Y分别为环境影响因子和水生态健康评价指标；B为变量，一般选取数据量的0.6次方。
S2：收集指标数据：收集目标区域的关键影响因素的多年数据集；
S3：建立基于机器学习的预测模型：将关键影响因素的多年数据集根据不同时间滑窗对应划分为训练集和预测集，通过机器学习的方法分别建立各自关键影响因素对应的预测模型；
S4：趋势判策：以收集的关键影响因素的整体数据作为预测依据，输入其对应的预测模型，得到未来n年后的该关键影响因素的预测值；将各关键影响因素的预测值，以及不同影响因素类型的影响权重输入水生态健康评价模型，得到未来n年后的水生态健康状况，由此，作为当前水生态健康状态的预测评价，所述水生态健康评价模型为水生态健康指数模型，其中，水生态健康指数M的计算方式如下：
M＝∑Kj(ΣGjiXji)
式中，Kj为第j类指标的分类权重，Gji为第j类指标中第i个指标的指标权重，Xji为第j类指标中第i个指标的指标赋分。指标赋分的评分体系可参考水生态健康评价技术规范DB11/T1722-2020。
Claims (6)
1.一种基于趋势判策的湿地缓冲区水生态健康评价方法，其特征在于，包含如下步骤：
S1：基于Meta分析判定影响因素：设置检索关键词，在学术数据库中进行文献调查，收集不同类型潜在影响因子的实验观测数据，通过环境因子关联分析，得到水生态健康的关键影响因素；通过权重分析得到不同因子类型的影响权重以及相同类型中不同影响因子的影响权重；
S2：收集指标数据：收集目标区域的关键影响因素的多年数据集；
S3：建立基于机器学习的预测模型：将关键影响因素的多年数据集根据不同时间滑窗对应划分为训练集和预测集，通过机器学习的方法分别建立各自关键影响因素对应的预测模型；
S4：趋势判策：以收集的关键影响因素的整体数据作为预测依据，输入其对应的预测模型，得到未来n年后的该关键影响因素的预测值；将各关键影响因素的预测值通过评分后，搭配其不同影响因素类型、不同影响因素对应的影响权重输入水生态健康评价模型，得到未来n年后的水生态健康状况，由此，作为当前水生态健康状态的预测评价。
2.根据权利要求1所述的一种基于趋势判策的湿地缓冲区水生态健康评价方法，其特征在于：所述关键词为“浮游植物”、“浮游动物”、“多样性”、“水生态健康”。
3.根据权利要求1所述的一种基于趋势判策的湿地缓冲区水生态健康评价方法，其特征在于：S1中所述权重分析为方差分解分析。
4.根据权利要求1所述的一种基于趋势判策的湿地缓冲区水生态健康评价方法，其特征在于：S1中所述环境因子关联分析为通过最大信息系数计算影响因素与水生态健康评价指标直接的相关性，所述最大信息系数MIC的计算方式如下：
式中，X、Y分别为环境影响因子和水生态健康评价指标；B为变量，一般选取数据量的0.6次方。
5.根据权利要求1所述的一种基于趋势判策的湿地缓冲区水生态健康评价方法，其特征在于：S4中所述水生态健康评价模型为水生态健康指数模型，其中，水生态健康指数M的计算方式如下：
M＝∑Kj(ΣGjiXji)
式中，Kj为第j类指标的分类权重，Gji为第j类指标中第i个指标的指标权重，Xji为第j类指标中第i个指标的指标赋分。
6.根据权利要求5所述的一种基于趋势判策的湿地缓冲区水生态健康评价方法，其特征在于：指标赋分的评分体系可参考水生态健康评价技术规范DB11/T1722-2020。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210155667.3A CN114548754A (zh) | 2022-02-14 | 2022-02-14 | 一种基于趋势判策的湿地缓冲区水生态健康评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210155667.3A CN114548754A (zh) | 2022-02-14 | 2022-02-14 | 一种基于趋势判策的湿地缓冲区水生态健康评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114548754A true CN114548754A (zh) | 2022-05-27 |
Family
ID=81674600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210155667.3A Pending CN114548754A (zh) | 2022-02-14 | 2022-02-14 | 一种基于趋势判策的湿地缓冲区水生态健康评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114548754A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117273197A (zh) * | 2023-08-28 | 2023-12-22 | 长江水上交通监测与应急处置中心 | 基于航迹及生产信息融合的船舶运营状态预测方法及*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101635623B1 (ko) * | 2015-04-10 | 2016-07-04 | (주)한국연안환경생태연구소 | 해양 저서생태계 변화 예측 시스템 |
| CN106202960A (zh) * | 2016-07-21 | 2016-12-07 | 沈阳环境科学研究院 | 一种基于湖泊水生态***的健康评价方法 |
| CN106778013A (zh) * | 2016-12-29 | 2017-05-31 | 钦州学院 | 一种近海海域生态环境的综合评价方法 |
| CN109657942A (zh) * | 2018-12-05 | 2019-04-19 | 北京师范大学 | 一种预测气候变化下河流健康发展趋势的方法 |
| CN112801344A (zh) * | 2021-01-07 | 2021-05-14 | 湛江市环境科学技术研究所 | 基于dpsir模型的海岸带生态***健康预测方法、电子设备及计算机可读介质 |
| CN113283743A (zh) * | 2021-05-21 | 2021-08-20 | 中国科学院南京地理与湖泊研究所 | 一种流域中不同生态修复类型生境阈值的判定方法 |
-
2022
- 2022-02-14 CN CN202210155667.3A patent/CN114548754A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101635623B1 (ko) * | 2015-04-10 | 2016-07-04 | (주)한국연안환경생태연구소 | 해양 저서생태계 변화 예측 시스템 |
| CN106202960A (zh) * | 2016-07-21 | 2016-12-07 | 沈阳环境科学研究院 | 一种基于湖泊水生态***的健康评价方法 |
| CN106778013A (zh) * | 2016-12-29 | 2017-05-31 | 钦州学院 | 一种近海海域生态环境的综合评价方法 |
| CN109657942A (zh) * | 2018-12-05 | 2019-04-19 | 北京师范大学 | 一种预测气候变化下河流健康发展趋势的方法 |
| CN112801344A (zh) * | 2021-01-07 | 2021-05-14 | 湛江市环境科学技术研究所 | 基于dpsir模型的海岸带生态***健康预测方法、电子设备及计算机可读介质 |
| CN113283743A (zh) * | 2021-05-21 | 2021-08-20 | 中国科学院南京地理与湖泊研究所 | 一种流域中不同生态修复类型生境阈值的判定方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张玲等: "基于Meta 分析的中国湖沼湿地生态***服务价值转移研究", 《生态学报》, vol. 35, no. 16, 31 August 2015 (2015-08-31), pages 5507 - 5517 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117273197A (zh) * | 2023-08-28 | 2023-12-22 | 长江水上交通监测与应急处置中心 | 基于航迹及生产信息融合的船舶运营状态预测方法及*** |
| CN117273197B (zh) * | 2023-08-28 | 2024-05-28 | 长江水上交通监测与应急处置中心 | 基于航迹及生产信息融合的船舶运营状态预测方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rousso et al. | A systematic literature review of forecasting and predictive models for cyanobacteria blooms in freshwater lakes | |
| Bush et al. | Studying ecosystems with DNA metabarcoding: lessons from biomonitoring of aquatic macroinvertebrates | |
| Klinard et al. | The influence of dynamic environmental interactions on detection efficiency of acoustic transmitters in a large, deep, freshwater lake | |
| CN109063962B (zh) | 一种基于权重的城市内河生态***健康评价方法 | |
| Lücke et al. | Detection of ecological change in stream macroinvertebrate assemblages using single metric, multimetric or multivariate approaches | |
| CN106127242A (zh) | 基于集成学习的年极端降水预测***及其预测方法 | |
| CN107945534A (zh) | 一种基于gmdh神经网络的交通车流量预测方法 | |
| Kim et al. | Machine learning for predictive management: short and long term prediction of phytoplankton biomass using genetic algorithm based recurrent neural networks | |
| CN114548754A (zh) | 一种基于趋势判策的湿地缓冲区水生态健康评价方法 | |
| Griffiths et al. | Limited evidence for common interannual trends in Baltic Sea summer phytoplankton biomass | |
| Sultana et al. | Comparison of water quality thresholds for macroinvertebrates in two Mediterranean catchments quantified by the inferential techniques TITAN and HEA | |
| Fernández-Torres et al. | Shallow water ray-finned marine fishes follow Bergmann’s rule | |
| Boswell et al. | Evaluation of target strength–fish length equation choices for estimating estuarine fish biomass | |
| CN117634990A (zh) | 一种用于评估淡水生态***稳定性的方法 | |
| Santos et al. | Assessment of the stock status of blackfin tuna Thunnus atlanticus in the Southwest Atlantic Ocean: a length-based approach | |
| CN103488089B (zh) | 自适应的农药废液焚烧炉有害物排放达标控制***及方法 | |
| Orsi et al. | Connecting the “dots” among coastal ocean metrics and Pacific salmon production in Southeast Alaska, 1997-2012 | |
| Fourqurean et al. | Elucidating seagrass population dynamics: Theory, constraints, and practice | |
| Jähnig et al. | Community–environment relationships of riverine invertebrate communities in central Chinese streams | |
| Hendrix et al. | Relations between abiotic and biotic environmental variables and occupancy of Delta Smelt (Hypomesus transpacificus) in Autumn | |
| Ge et al. | Development and testing of a planktonic index of biotic integrity (P-IBI) for Lake Fuxian, China | |
| Hayati et al. | Predicting habitat suitability for the endangered species Hedysarum criniferum Boiss. using a fuzzy model in the semi-arid zone in Iran | |
| Bertoni et al. | A non-deterministic approach to forecasting the trophic evolution of lakes | |
| Lester et al. | Improving ecological outcomes by refining decision support tools: a case study using the Murray Flow Assessment Tool and the Sustainable Rivers Audit | |
| CN115713232B (zh) | 一种刺参底播增殖风险联防预警*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |