一种基于趋势判策的湿地缓冲区水生态健康评价方法

1.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：

2.湿地是指地表过湿或经常积水，生长湿地生物的地区。湿地生态系统是湿地植物、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。
3.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。


技术实现要素：

4.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。
5.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：
6.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；
7.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；
8.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；
9.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。
10.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”。
11.优选的，s1中所述权重分析为方差分解分析。
12.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：
[0013][0014]
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。
[0015]
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：
[0016][0017]
式中，kj为第j类指标的分类权重，g
ji
为第j类指标中第i个指标的指标权重，x
ji
为第j类指标中第i个指标的指标赋分。
[0018]
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。
[0019]
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
[0020]
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
[0021]
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：
[0022]
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；
[0023]
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：
[0024][0025]
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。
[0026]
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；
[0027]
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；
[0028]
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：
[0029]
m＝∑kj(σg
ji
x
ji
)
[0030]
式中，kj为第j类指标的分类权重，g
ji
为第j类指标中第i个指标的指标权重，x
ji
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。


技术特征：
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＝∑k
j
(σg
ji
x
ji
)式中，k
j
为第j类指标的分类权重，g
ji
为第j类指标中第i个指标的指标权重，x
ji
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。

技术总结
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。前状态。前状态。


技术研发人员：张盼月 刘国军 付昊 张晓璐 张小玫 蔡雅静
受保护的技术使用者：北京林业大学
技术研发日：2022.02.14
技术公布日：2022/5/31