业务咨询:18994070706   服务投诉:17372256883

JEM:利用可解释的机器学习模型在污水主导的接收河流的潜流区预测微生物活动和丰度

发表时间:2024-06-03 14:25

文章信息

**作者:王龙飞

通讯作者:李轶 & 杨正健

通讯单位:河海大学& 三峡大学

期刊:Journal of Environmental Management

DOI:10.1016/j.jenvman.2024.120627


摘要

作为地表水和地下水之间的重要联系,河漫滩区(HZ)在改善水质和维护生态安全方面发挥着基础性作用。在干旱或半干旱地区,来自污水处理厂的废水排放可能占据了接纳河流总基流的很大一部分。尽管如此,废水接纳河流的HZ中微生物活性、丰度与环境因素之间的关系似乎很少被探讨。本研究在中国西安两个代表性的以废水为主导的接纳河流进行了时空现场研究。土地利用数据、地表水和地下水的物理化学水质参数被用作预测变量,而微生物呼吸电子传递系统活性(ETSA)、总微生物群落的Chao1和Shannon指数,以及反硝化细菌群落的Chao1和Shannon指数被用作响应变量,其中ETSA作为指示生态过程的响应变量,Shannon和Chao1作为指示微生物多样性的参数。利用两种机器学习模型提供基于证据的信息,说明环境因素如何在不同深度的HZ中相互作用并驱动微生物活性和丰度。以Chao1和Shannon作为响应变量的模型展现出了**的预测性能(R2: 0.754–0.81 和 0.783–0.839)。溶解有机氮(DON)是影响微生物功能最重要的因素,且观察到明显的阈值约为2 mg/L。以反硝化细菌群落的Chao1和Shannon指数作为响应变量的模型预测是可信的(R2: 0.484–0.624 和 0.567–0.638),其中溶解反应性磷(SRP)是关键的影响因素。Fe(II)有利于预测反硝化细菌群落。ESTA模型强调了总氮在HZ生态健康监测中的重要性。这些发现为预测高影响区域(如以废水为主导的接纳河流的HZ)中的微生物活性和丰度提供了新的见解。

随机森林(RF)模型预测ETSA(a)、Chao1(b)、Shannon(c)、N Chao1(d)和N Shannon(e)的SHAP结果,以及随机森林模型预测ETSA(f)、Chao1(g)、Shannon(h)、N Chao1(i)和N Shannon(j)的SHAP重要性汇总结果。


XGBoost模型预测Chao1(a–c)、Shannon(d–f)、N Chao1(g–i)和N Shannon(j–l)的SHAP依赖图。每个图表中的趋势显示了SHAP值如何随着输入变量值的变化而变化。每个符号的颜色编码表示输入数据集中选定元素的值(红色:高,蓝色:低)。


在本研究中,随机森林(RF)和XGBoost模型证实了使用多种压力因素和环境因素来预测两个代表性的以废水为主导的接纳河流的河漫滩区(HZ)中的微生物活性和多样性的可行性。溶解有机氮(DON)和溶解反应性磷(SRP)是预测微生物多样性(Chao1和Shannon)的重要因素之一。对于反硝化细菌群落,SRP和Fe(II)是影响其生态功能的关键因素。通过SHAP分析了各种环境变量与微生物功能指标之间的关系,并检测到了DON和SRP的阈值。当SHAP依赖性图考虑了不同的环境因素时,DON和SRP与其他环境因素之间存在明显的关系,这些因素显著影响了HZ中的微生物功能。然而,需要更广泛的数据集来确认这些模式。这些发现表明,通过重要的水质因素来判断地下区域的生态状态是可行的,并且应该更多地关注河流中以废水排放为主导的氮和磷输入。值得注意的是,由于现场采样和现场分析的困难,当前案例研究中的数据可能不足以支持模型。为了获得更好的模型准确性和可信度,未来需要扩大采样范围并丰富数据的研究。据我们所知,这是**个应用回归机器学习模型预测HZ中微生物活性和丰度的案例研究。我们相信,在评估如HZ、岸边过滤、河岸过滤等地下区域的生态行为的研究中,应用机器学习和SHAP是一个有希望的方向。


Longfei Wang, Haojie Yin, Yi Li, Zhengjian Yang, Yutao Wang, Xianwei Liu, Prediction of microbial activity and abundance using interpretable machine learning models in the hyporheic zone of effluent-dominated receiving rivers, Journal of Environmental Management, Volume 357, 2024, 120627, ISSN 0301-4797, https://doi.org/10.1016/j.jenvman.2024.120627.


文章链接:

https://www.sciencedirect.com/science/article/abs/pii/S0301479724006133?via%3Dihub=

注:本平台不主张对原文的版权。转载文章仅出于学术交流和传播信息的需要,文章版权归原作者所有,作者如不希望被转载或本平台有侵权行为,请联系小编删除,谢谢。

文章分类: 技术进展
在线客服
 
 
 联系方式
业务咨询:17372286883
业务咨询:18994070706
服务投诉:17372206883
邮箱:zhigan@easysensor.net
会员登录
获取验证码
登录
登录
购物车
0
留言
回到顶部