一种面向污染湿地恢复的植物微生物修复决策方法

摘要: 本技术涉及生态环境修复与机器学习辅助决策,具体涉及一种面向污染湿地恢复的植物微生物修复决策方法。背景技术:1、湿地在污染物净化、生物多样性维持、水文调节等方面发...
一种面向污染湿地恢复的植物微生物修复决策方法

本技术涉及生态环境修复与机器学习辅助决策,具体涉及一种面向污染湿地恢复的植物微生物修复决策方法。

背景技术:

1、湿地在污染物净化、生物多样性维持、水文调节等方面发挥着不可替代的作用。然而,随着工业化、城市化进程的加速,大量微塑料、重金属及富营养化物质排入湿地,导致全球范围内湿地严重退化;传统的物理修复,如清淤换土、投加化学药剂等易造成二次污染,且对湿地原有生态结构破坏较大;相比之下,生物修复技术在湿地修复中展现出广阔的应用前景;植物微生物联合修复作为生物修复的核心技术路径,利用植物根系与根际微生物的协同作用,植物通过根系分泌物为微生物提供碳源和能量,微生物则通过代谢活动降解有机污染物或改变重金属形态,二者共同提升污染物的去除效率;参与湿地修复的生态环境管理部门等需要在多种植物微生物组合中选取适配污染湿地的最优修复方案,故亟需一套能够综合考虑湿地污染特征与环境条件的筛选方案。

2、现有植物微生物修复决策方法的实现流程为:首先,获取目标区域的多源异构数据,包括土壤、水体中主要污染物的种类与浓度、ph值等理化性质参数,以及目标区域的如植物类型、高度等植物群落组成和如水位、水深等信息;接着,基于z-score等标准化处理方法对所获取的多源异构数据进行标准化处理,基于最大相关最小冗余等特征提取算法提取多源异构数据中的数值特征向量;随后,基于如余弦相似度算法等将数值特征向量与预设案例特征向量进行相似度计算,从案例库中检索出与目标区域最相似的历史修复案例,并获取修复植物与修复微生物候选集合;基于如支持向量机、随机森林等机器学习模型,结合当前污染特征与环境参数对候选植物微生物组合的修复效果进行预测评估,基于预测评估结果生成目标区域的最优植物微生物联合修复方案。

3、现有修复决策方法中,已尝试利用机器学习模型对污染修复效果进行预测以辅助方案制定,例如公告号为:cn118798279b的中国发明专利公开的一种微塑料污染土壤修复效果分析方法及装置,方法包括:获取微塑料污染的当前土壤指标数据;根据当前土壤指标数据,通过第一分析模型确定对应于当前土壤指标数据的分析结果;其中,分析结果指示微塑料污染土壤的修复程度;第一分析模型的网络结构为第一极限学习机;第一极限学习机中隐含层的第一权重矩阵为根据多个第二极限学习机中隐含层的第一权重矩阵的加权和确定的;第二极限学习机为根据包括历史土壤指标数据的训练样本集进行训练得到的。

4、现有修复决策方法,其核心思路大致都是将污染物浓度作为独立特征输入预测模型;然而,在同时存在重金属、有机污染物、氮磷营养盐以及持久性污染物等多类型污染因子的复合污染湿地植物微生物修复过程中,由于湿地环境中不同污染物之间可能同时存在竞争吸附、氧化还原耦合以及微生物代谢竞争等相互影响关系,而现有技术通常采用如有机污染物浓度、总氮和总磷等单项污染指标,或使用不同的单项污染指标独立选择对应的候选植物微生物组合,可能因忽略污染物之间的协同增强或相互抑制作用,导致获取的如重金属浓度、有机污染物浓度以及氮磷营养盐浓度等污染特征数据无法准确反映复合污染湿地的真实污染压力,进而在基于机器学习模型对当前候选植物微生物组合的修复效果进行预测评估时,可能导致生成的植物微生物联合修复组合与目标区域实际污染状态适配性不足,例如,在同时存在镉污染和石油烃污染的复合污染湿地环境中,若仅将镉浓度和石油烃浓度作为独立污染特征输入机器学习模型,则无法体现石油烃形成的疏水性环境对镉迁移转化过程的影响,也无法体现镉污染对石油降解微生物活性的抑制作用,使模型可能错误预测某一候选植物微生物组合具有较高修复能力,而实际应用过程中该组合无法同时实现重金属固定和有机污染降解等,进而因植物微生物联合修复组合与目标区域实际污染状态适配性不足导致部分湿地污染物去除效率降低或二次释放等,最终导致植物微生物联合修复组合与复合污染湿地实际污染状态适配性不足的问题。

技术实现思路

1、提供一种面向污染湿地恢复的植物微生物修复决策方法,旨在解决相关技术中因难以表征多种污染物交互作用而导致植物微生物联合修复组合与复合污染湿地实际污染状态适配性不足的问题,本技术提供的一种面向污染湿地恢复的植物微生物修复决策方法,包括:在复合污染湿地植物微生物修复过程中,将目标复合污染湿地划分为预设区域数量的湿地评价单元,获取各湿地评价单元的湿地多维度环境参数,基于湿地多维度环境参数获取当前湿地评价单元的实际生态响应参数;利用实际生态响应参数与根据当前湿地评价单元中各污染物对应的单污染物生态参考响应确定的污染物独立作用预期响应进行比较,执行复合污染交互偏离识别,以确定当前湿地评价单元中多种污染物共同存在时的实际生态响应相对于污染物独立作用预期状态的交互偏离情况;根据复合污染交互偏离识别的结果确定对应的交互胁迫补偿需求强度及状态保持约束强度,并结合候选植物微生物组合的修复补偿能力执行交互胁迫补偿适配评价,以确定各候选植物微生物组合对对应湿地评价单元复合污染交互扰动的修复适配程度,得到交互胁迫补偿适配评价结果;根据交互胁迫补偿适配评价结果确定目标候选植物微生物组合,并将目标候选植物微生物组合作为对应湿地评价单元的植物微生物联合修复组合。

2、本技术所实现的有益效果至少包括:

3、(1)通过将目标复合污染湿地划分为预设区域数量的湿地评价单元,获取各湿地评价单元的湿地多维度环境参数,基于湿地多维度环境参数获取当前湿地评价单元的实际生态响应参数,有助于减弱复合污染湿地空间异质性对整体评价结果的干扰,并从污染迁移、氧化还原、微生物代谢及植物根际等多个方面更准确地表征各湿地评价单元的实际受扰状态;利用实际生态响应参数执行复合污染交互偏离识别,有助于识别多种污染物共同存在时相对于各污染物独立作用预期状态产生的额外增强作用或相互削弱作用,从而避免仅依据单项污染物浓度难以反映复合污染真实作用状态的问题;根据复合污染交互偏离识别的结果执行交互胁迫补偿适配评价,将当前湿地评价单元中由复合污染交互作用形成的实际修复需求与不同候选植物微生物组合的修复补偿能力进行对应匹配,从而提高候选植物微生物组合与当前复合污染状态之间的适配性;根据交互胁迫补偿适配评价结果确定目标候选植物微生物组合,并将目标候选植物微生物组合作为对应湿地评价单元的植物微生物联合修复组合,优先选取能够针对当前复合污染交互状态实施有效修复的植物微生物组合,从而提高复合污染湿地的整体修复效果和修复方案的针对性;

4、(2)通过根据当前湿地评价单元中检测到的污染物类型、污染物浓度参数、湿地类型以及环境理化参数,检索获得对应的候选植物微生物组合集合以及每一个候选植物微生物组合对应的污染迁移补偿能力值、氧化还原补偿能力值、微生物代谢补偿能力值和植物根际补偿能力值,有助于结合当前湿地评价单元的实际污染环境条件筛选具有相似修复适用背景的植物微生物组合,并同时获得各候选组合在不同生态响应维度上的历史修复能力,从而提高后续补偿适配评价的数据针对性和可靠性;根据复合污染交互响应特征向量中统一尺度处理后的各交互偏离程度,确定当前湿地评价单元对应的交互胁迫补偿需求强度以及状态保持约束强度,有助于区分复合污染作用下需要重点消减的额外增强扰动与需要避免过度干预的相互削弱状态,从而使后续候选植物微生物组合的修复适配评价能够同时兼顾污染交互胁迫的补偿需求;

5、(3)当当前湿地评价单元的各环境理化参数分别处于对应预设参考范围内,但不同环境理化参数之间的组合关系发生异常变化时,单独判断各环境理化参数的偏离程度可能无法准确反映当前湿地评价单元的氧化还原扰动状态,故需执行氧化还原扰动响应值获取的另一种替换方案,通过获取当前环境理化状态向量、正常环境理化状态中心向量以及对应的环境理化参数协方差矩阵,有助于同时表征当前环境理化参数的整体状态及各参数之间在正常湿地条件下的联合变化关系,从而为识别单个参数未越界但参数组合状态已经异常的氧化还原扰动提供数据基础;基于马氏距离,得到当前湿地评价单元的氧化还原扰动响应值,有助于在考虑不同环境理化参数量纲差异及相互相关性的情况下量化当前联合环境状态相对于正常状态的整体偏离程度,从而提高对复合污染湿地氧化还原异常状态的识别准确性。