10.13198/j.issn.1001-6929.2021.04.20
非参数模型在河湖富营养化研究领域应用进展
河湖富营养化过程受流域水污染、生境破坏和闸坝控制等多因素非线性叠加影响,在一定程度上限制了常规水生态机理模型的模拟精度.非参数模型以其强大的数据分析能力在河湖水生态问题诊断和预测方面得到了广泛应用,该文系统梳理了国内外近20年来河湖富营养化非参数模型的相关研究成果,通过Citespace开展基于WoS与CNKI数据库的相关文献大数据可视化分析,全面阐明了结构方程模型(SEM)、贝叶斯网络(BN)、支持向量机(SVM)、人工神经网络(ANN)、随机森林(RF)、梯度推进机(GBM)、广义相加模型(GAM)等主流非参数模型在河湖富养化营研究中的适用性与局限性,对具有相似特征的模型进行对比分析并提出展望,以期为水生态模拟相关研究提供科学有效的方法支撑.结果表明:非参数模型在河湖富营养化研究领域中的应用呈指数增长趋势,其中SEM、BN、RF、GBM和GAM模型适用于河湖富营养化问题的诊断和驱动要素识别,BN、ANN、SVM、RF、GBM和GAM具有良好的非线性拟合预测能力.非参数模型将是今后一段时期内开展水生态大数据分析诊断和预测管控的关键技术手段.综合考虑区域异质性与多重环境因子在不同时空尺度上响应关系及强人类活动干扰下的河流水生态退化风险,利用生态机理模型与非参数模型耦合求解与优化算法引入,精准识别水生态健康退化的环境压力阈值,开展变化环境下的水生态退化风险预测预警,将是未来非参数模型在河湖富营养化应用研究的重要方向.
富营养化;非参数模型;问题诊断;预测预警;对比分析
34
X1(环境科学基础理论)
中国科学院"美丽中国"生态文明建设科技工程专项;国家自然科学基金面上项目;国家重点研究计划项目
2021-10-14(万方平台首次上网日期,不代表论文的发表时间)
共13页
1928-1940