一些研究對(duì)多種DD建模技術(shù)在有害藍(lán)藻水華預(yù)測(cè)中的性能和局限性進(jìn)行了比較。有學(xué)者比較了12種DD建模技術(shù)，包括利用簡(jiǎn)單回歸、ANN和DTs預(yù)測(cè)美國(guó)Cheney水庫(kù)藍(lán)藻細(xì)胞、微囊藻毒素和土臭素濃度。利用立體回歸模型更好地再現(xiàn)了最大有害藍(lán)藻水華的濃度，這也是水資源管理人員最感興趣的，因?yàn)榧?xì)胞濃度最大值通常與最危險(xiǎn)的情況有關(guān)。此外，支持向量機(jī)(SVM)、隨機(jī)森林方法和Boosted樹(shù)也表現(xiàn)出良好的性能，在60000 cells.ml-1濃度以下，支持向量機(jī)方法的均方根誤差(RMSE)比較小。在澳大利亞菲茨羅伊瀑布水庫(kù)，比較ANN、DTs(極端隨機(jī)樹(shù)和模型樹(shù))和用多元回歸預(yù)測(cè)時(shí)間尺度為一周的藍(lán)藻、綠藻和硅藻種群。根據(jù)作者的說(shuō)法，極端隨機(jī)樹(shù)方法的表現(xiàn)是最好的。有學(xué)者通過(guò)對(duì)ANN、SVM、回歸樹(shù)和隨機(jī)森林的比較，預(yù)測(cè)了中國(guó)密云水庫(kù)藻類細(xì)胞密度和群落變化。隨機(jī)森林(DTs)在訓(xùn)練步驟中的表現(xiàn)是最好的，而在使用缺失數(shù)據(jù)的測(cè)試中表現(xiàn)不佳。對(duì)于這個(gè)案例，作者建議使用DTs，因?yàn)樗鼈兊谋憩F(xiàn)更好，只需要容易測(cè)量的水質(zhì)變量。
還可以結(jié)合DD建模技術(shù)來(lái)提高預(yù)報(bào)和預(yù)測(cè)性能。結(jié)合模型樹(shù)和GP來(lái)預(yù)測(cè)以色列Kineret湖的有害藍(lán)藻水華。模型表現(xiàn)根據(jù)所選狀態(tài)變量的數(shù)量和類型在不斷變化。作者考慮了輸入狀態(tài)變量的可靠性(或不確定性)和便于在選擇最合適的模型時(shí)測(cè)量變量。
DD模型概述數(shù)據(jù)驅(qū)動(dòng)模型通過(guò)多種統(tǒng)計(jì)技術(shù)被廣泛應(yīng)用于有害藍(lán)藻水華的預(yù)測(cè)。DD模型與PB模型相比的一個(gè)主要優(yōu)點(diǎn)是它們對(duì)專業(yè)知識(shí)的要求較低，具有發(fā)展優(yōu)勢(shì)。然而，對(duì)與有害藍(lán)藻水華相關(guān)的潛在現(xiàn)象的認(rèn)知理解可以應(yīng)用于優(yōu)化輸入變量，進(jìn)而提高DD模型的性能。由于DD模型強(qiáng)烈依賴于數(shù)據(jù)的可用性和質(zhì)量，如果數(shù)據(jù)不匹配模型的目的，則模型性能可能受到嚴(yán)重限制。此外，由于預(yù)測(cè)規(guī)則是完全從數(shù)據(jù)中提取的，因此它們的預(yù)測(cè)性能通常僅限于觀測(cè)數(shù)據(jù)的變化范圍。DD模型的另一個(gè)局限是，并不是所有的輸出(即預(yù)測(cè)規(guī)則和觀察到的模式)都允許用戶獲得驅(qū)動(dòng)有害藍(lán)藻水華過(guò)程的因子。換句話說(shuō)，一些預(yù)測(cè)規(guī)則可說(shuō)明數(shù)學(xué)模式，可以幫助預(yù)測(cè)選定變量的值，但缺乏與有害藍(lán)藻水華的直接或間接的物理原因。然而一些建模技術(shù)，如DTs、GPs和BNS能夠提供預(yù)測(cè)規(guī)則，表明有害藍(lán)藻水華與環(huán)境因素之間的因果關(guān)系，從而有助于基本的過(guò)程認(rèn)識(shí)。在這個(gè)層面上，DD和PB模型都可以很好地相互補(bǔ)充地評(píng)估有害藍(lán)藻水華。
監(jiān)測(cè)和輸入變量目前確定用于開(kāi)發(fā)和驗(yàn)證有害藍(lán)藻水華預(yù)測(cè)和預(yù)測(cè)模型的四種主要藍(lán)藻監(jiān)測(cè)方法：顯微鏡、色素分析、原位熒光法和遙感(圖2)。傳統(tǒng)的監(jiān)測(cè)包括顯微鏡和色素分析。顯微鏡用于通過(guò)專家目視來(lái)估算細(xì)胞濃度和生物體積，并允許通過(guò)形態(tài)特征進(jìn)行物種分類。然而，這種微觀評(píng)估是非常耗時(shí)且昂貴的，而且需要熟練的專業(yè)人才。色素分析是指葉綠素a，也有時(shí)是通過(guò)實(shí)驗(yàn)室定量提取的化學(xué)色素或其他光學(xué)活性化合物，然后進(jìn)行光譜、色譜或熒光分析。葉綠素a是一種色素，存在于包括藍(lán)藻在內(nèi)的所有浮游植物群中，因此它不能評(píng)估不同、不能區(qū)分物種。一般需要人工取樣和運(yùn)輸?shù)綄?shí)驗(yàn)室分析，這會(huì)增加時(shí)間和成本，也會(huì)影響結(jié)果。最新的監(jiān)測(cè)技術(shù)是指原位熒光法和遙感技術(shù)。原位熒光法是一種光學(xué)方法，通過(guò)特定的發(fā)射波長(zhǎng)和激光波長(zhǎng)來(lái)估計(jì)葉綠素a或藻藍(lán)素(phycocyanin, PC)的色素濃度。光子吸收后細(xì)胞被激發(fā)，然后它們返回到原來(lái)的基激發(fā)狀態(tài)。在返回過(guò)程中，能量較低的光子從細(xì)胞中發(fā)射并通過(guò)熒光發(fā)射測(cè)量出來(lái)。可以在湖中安裝幾個(gè)監(jiān)測(cè)探頭，提供高頻數(shù)據(jù)(采樣間隔在秒和小時(shí)之間)，這樣的監(jiān)測(cè)成本相對(duì)較低。然而，由于多個(gè)潛在的光干擾，就需要在特定地點(diǎn)通過(guò)傳統(tǒng)的采樣進(jìn)行持續(xù)的數(shù)據(jù)校準(zhǔn)。在垂直剖面系統(tǒng)(VPS)中，葉綠素a和PC熒光探頭可以與其他探頭(例如測(cè)量濁度或熒光溶解有機(jī)物)一起安裝，提供整個(gè)水柱的實(shí)時(shí)數(shù)據(jù)。這一技術(shù)已被世界各地許多自來(lái)水公司采用，并成為大多數(shù)實(shí)時(shí)水質(zhì)監(jiān)測(cè)技術(shù)的方法基礎(chǔ)。由于PC主要是藍(lán)藻特有的色素，它可以提供藍(lán)藻群體的生物量、生物體積或細(xì)胞密度的估計(jì)值。然而它不能區(qū)分藍(lán)藻不同物種。遙感監(jiān)測(cè)依靠藍(lán)藻的光學(xué)特性，利用衛(wèi)星多光譜傳感器，無(wú)人機(jī)或飛機(jī)。哨兵3號(hào)是一個(gè)廣泛使用的觀測(cè)衛(wèi)星，該衛(wèi)星的任務(wù)是支持多種環(huán)境的應(yīng)用，如海面地形測(cè)量、海洋和陸地表面、溫度測(cè)量、內(nèi)陸水體監(jiān)測(cè)、天氣預(yù)報(bào)、水和土地顏色測(cè)量等。從觀測(cè)衛(wèi)星的圖像中，已經(jīng)獲得了許多經(jīng)驗(yàn)、半經(jīng)驗(yàn)和分析算法來(lái)提取特定的頻帶，并估計(jì)水體整個(gè)表面的葉綠素a和PC。與傳統(tǒng)的取樣監(jiān)測(cè)相比，該技術(shù)可以為用戶提供低成本、高效率的有害藍(lán)藻水華的空間信息，考慮到已經(jīng)部署的衛(wèi)星和廣泛獲取的衛(wèi)星圖像。然而，信息的質(zhì)量取決于天氣條件(例如云量會(huì)阻礙其應(yīng)用)。遙感范圍僅限于地面和近地下水域，還需要對(duì)具體地點(diǎn)進(jìn)行校準(zhǔn)。多(超)光譜信號(hào)缺乏足夠空間和時(shí)間分辨率的數(shù)據(jù)，也被認(rèn)為是利用遙感技術(shù)預(yù)測(cè)有害藍(lán)藻水華的關(guān)鍵限制。使用這種方法對(duì)PC進(jìn)行準(zhǔn)確估計(jì)仍然是一個(gè)挑戰(zhàn)，這可能限制了它作為有害藍(lán)藻水華模型中數(shù)據(jù)源的使用。有趣的是，即使遙感和原位熒光法可提供一個(gè)高的時(shí)空分辨率，低成本的解決方案，來(lái)估計(jì)湖泊的表面的葉綠素a或PC，但是很少有研究將這兩種監(jiān)測(cè)技術(shù)結(jié)合起來(lái)。
數(shù)據(jù)質(zhì)量是預(yù)報(bào)和預(yù)測(cè)模型性能的基礎(chǔ)。因此，考慮到監(jiān)測(cè)的特殊性(例如，定量化方法、采樣頻率、地點(diǎn)、時(shí)間和深度等)至關(guān)重要。評(píng)估不同的藍(lán)藻監(jiān)測(cè)方法是否會(huì)影響加拿大伊利湖有害藍(lán)藻水華模型的性能。對(duì)于每一種監(jiān)測(cè)方法，有研究者開(kāi)發(fā)了一個(gè)增強(qiáng)的回歸樹(shù)模型來(lái)預(yù)測(cè)季節(jié)性和年度的藍(lán)藻動(dòng)態(tài)。對(duì)于每種監(jiān)測(cè)技術(shù)來(lái)說(shuō)，模型預(yù)測(cè)性能和所識(shí)別的有害藍(lán)藻水華的驅(qū)動(dòng)因素并不相同，這說(shuō)明了監(jiān)測(cè)方法對(duì)模型的結(jié)構(gòu)和準(zhǔn)確性來(lái)說(shuō)是十分重要的。開(kāi)發(fā)DD預(yù)報(bào)模型，顯微鏡和色素分析技術(shù)是收集藍(lán)藻數(shù)據(jù)最常用的方法。這些技術(shù)比熒光和遙感等新傳感技術(shù)有更高的精準(zhǔn)度，但仍然具有局限性。有研究通過(guò)在顯微鏡分析前僅改變采樣量，評(píng)估了烏拉圭Salto Grande水庫(kù)銅綠微囊藻的檢測(cè)效率和預(yù)測(cè)精度。他們發(fā)現(xiàn)，樣本量的增加顯著提高了預(yù)測(cè)性能。
聲明：所載內(nèi)容來(lái)源互聯(lián)網(wǎng)，僅供參考，交流之目的，轉(zhuǎn)載的稿件版權(quán)歸原創(chuàng)和機(jī)構(gòu)所有，如有侵權(quán)，請(qǐng)聯(lián)系我們刪除。
市場(chǎng)服務(wù)中心
總經(jīng)辦
微信掃一掃
