文献总结 | WR：水质评估中参数应该如何选择？

文摘 2024-10-21 17:00 北京

点击上方湖泊遥感与智慧流域关注我们

研究背景

RESEARCH BACKGROUND

水质评估结果很大程度上取决于水质指数参数的选择。然而水质参数诸多，到底应该使用哪个（些）参数来评估水质呢？本研究根据现有的关于环境分析的研究，归类参数选择方案，对水质评估中不同参数选择的目标、方法、意义进行讨论，如图1所示。

图1 研究框架图

参数选择目标及方法

1、参数选择的目标

本章节阐明了在研究中细化不同参数的四个关键指标，包括减少不确定性、降低成本、解决数据模糊问题以及提高机器学习模型的性能。

不确定性：采用哪些准则来确定最合适的水质评估参数进而通过水质指数进行评估是不确定性的主要来源，可行的解决方案是通过专家建议和实测结果相组合。

数据成本：这部分通常包含金钱成本、人力成本以及水质参数测量的复杂度。因此，在全面的水质评估和具有成本效益的数据收集之间保持平衡是关键，通常使用一些可以通过便携式仪器快速评估的参数或者是可以在实验室轻松分析得到的参数。

数据驱动模糊：诸多水质参数的应用可能会导致在计算水质指数时出现部分参数“失效”的问题，要解决该问题，就必须通过分配权重等手段合理量化不同参数的重要性或者通过适当的聚合函数对水质参数进行归类。

机器学习：根据选定的参数采用各种超参数选择方法提高机器学习模型性能。

2、参数选择的方法

通过水质指数对水样进行分类很大程度上取决于所用参数，因此在分类之前需要先挑选出来具有普遍适用性的参数集，其次通过监督分类、深度神经网络、主成分分析，将有效参数数量缩减，简化数据。

目标一：参数选择以确保一致预测

采用多种方法来减少参数集以提高水质指数的预测准确性。主要方法包括：

随机森林，Lasso回归，贪婪算法：通过迭代选择表现良好的参数，构建有效的参数集。

敏感性分析：通过评估不同参数组合的表现，确定最佳参数集。

手动选择：在某些情况下，研究者手动选择少量参数以估算其他参数的值。

目标二：参数选择以保留信息

这一类别的研究侧重于在消除参数的同时保留数据中的关键信息。主要方法包括：主成分分析，相关性分析，极端梯度增强树。

参数选择的原理

1. 专家意见和不确定性

受到地理位置、环境条件、相关成本和具体研究目的的影响，专家关于确定关键水质参数的意见各不相同，甚至存在矛盾。在应用时应该分析水质参数的动态变化对水质评估的影响，采用不同的参数类型来分析水质评估的最佳参数集。

2. 参数选择的成本

先前研究认为参数量越少对应着评估成本降低，然而实际的成本取决于水质参数的采样与测量方法。采样方面，它通常涉及人员的训练、收集水样，并将其送回实验室进行后续分析。各种因素都会影响总成本，包括技术的可达性、从样本采集到实验室分析所经过的时间、与参数分析相关的费用以及数据分析的精度。

3. 挑战与前景

未来研究需要评估所选参数集是否可以有效替代完整参数集，确保数据驱动方法能够证明某些参数的排除不会显著影响水质测量。在参数选择过程中，必须考虑到不同参数的时间变化和环境因素对水质的影响。同时应关注如何利用机器学习方法识别更有效的参数，并进行成本分析，以确保在降低成本的同时保留关键参数。

总结讨论

本节总结了对水质指数参数选择的研究回顾，强调了以下几个关键点：

1）主要目标：研究中存在四个关键目标，即减少不确定性、降低成本、最小化参数遮蔽效应，以及提高机器学习模型预测水质指数的准确性。

2）参数保留方法：一类是确保一致预测的参数选择，另一类是保留数据中信息的参数选择。这两种方法各有优缺点，且在实现目标方面的效果不同。

3）专家意见的多样性：仅仅减少参数集以提高机器学习模型性能不应成为孤立的目标，而应与其他目标结合考虑。专家意见的多样性在适应不同环境条件方面是有益的，但是缺少用普遍参数集来评估水质的可行性和经济性。

4）机器学习的潜力：机器学习有潜力有效替代专家判断，显著减少水质参数选择中的不确定性，能够考虑多种环境条件的影响。

5）成本分析的重要性：参数减少并不一定导致成本降低。

6）未来研究方向：建议未来研究应关注如何利用机器学习方法识别更有效的参数，并进行详细的成本分析，以确保在降低成本的同时保留关键参数。

✎ 编者注

以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。未经同意，禁止转载。

原文链接 ↓

https://doi.org/10.1016/j.watres.2024.121777

点击左下方 “阅读原文” 可下载论文原文。

团队介绍

湖泊遥感与智慧流域创新团队，主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作，并在流域尺度开展大数据智慧管理平台研究，保障湖泊水质安全。团队拥有博士和硕士导师5人（段洪涛，罗菊花，刘东，谭振宇，邱银国），可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学（国科大南京学院联合培养）等招收博、硕士研究生，欢迎报考！同时，长期招收联合培养研究生，欢迎咨询！

联系人：段洪涛研究员，htduan@niglas.ac.cn。

点击下方链接直接关注我们

科学前沿丨文献总结 | nature communications：植被增强了蜿蜒河流中的曲率驱动力

科学前沿丨文献总结 | RSE：基于物理模型与机器学习方法的云下海表温度重建

科学前沿丨文献总结 | RSE：美国湖泊监测卫星：MERIS时间序列及其叶绿素a应用

科学前沿丨文献总结 | WR：利用分类和回归模型对伊利湖藻华进行短期预测

【团队成果】Nature Communications：中国湖泊有机碳总储量大幅增加

团队成果 | JAG：Sentinel-2助力黄河干支流泥沙精细化遥感监测

团队动态 | 段洪涛研究员连续4年入选全球前2％科学家榜单

团队动态丨段洪涛研究员荣获朱李月华优秀教师奖

http://mp.weixin.qq.com/s?__biz=MzA3NTg4NDcwMQ==&mid=2247543168&idx=1&sn=2dfb4279d2da301357072fd279ae02dd

湖泊遥感与智慧流域

最新文章

文献总结 | WR：太阳紫外线辐射促进全球湖泊蓝藻水华的周期性扩展

文献总结 | RSE：充分挖掘Sentinel-1在干旱地区洪水监测的应用潜力

团队成果 | 湖泊蓝藻水华天空地协同监测和多尺度模拟预测研究取得进展