巴西半干旱地区水库富营养化预测因子之间的相互关系:如何测量?决策树在机器学习中的应用

IF 0.4 4区 环境科学与生态学 Q4 WATER RESOURCES
L. Freire, Francisco de Assis Souza Filho
{"title":"巴西半干旱地区水库富营养化预测因子之间的相互关系:如何测量?决策树在机器学习中的应用","authors":"L. Freire, Francisco de Assis Souza Filho","doi":"10.1590/s1413-415220220099","DOIUrl":null,"url":null,"abstract":"RESUMO Um problema emergente para a segurança hídrica consiste nas consequências da eutrofização sobre a qualidade das águas. Metodologias de regressão convencionais não têm sido suficientes para explicar satisfatoriamente a complexidade da relação entre as variáveis hidrológicas e limnológicas desse processo. Nessa perspectiva, esta pesquisa buscou identificar preditores para variáveis indicadoras de eutrofização (cianobactérias, clorofila a, nitrogênio, fósforo e medição em disco de Secchi), por meio das relações destas entre si e entre 17 variáveis fisiográficas e climáticas das bacias hidrográficas de 155 reservatórios do semiárido brasileiro. Aplicou-se um método de aprendizado de máquina com o algoritmo classification and regression trees para árvores de decisão. Os resultados revelaram que os indicadores de eutrofização estão intrinsecamente relacionados entre si, de maneira especial as concentrações de clorofila a com os demais. A variabilidade da vazão afluente repercutiu no aumento da concentração de cianobactérias; a redução do volume de água armazenado gerou aumento da concentração de nitrogênio e fósforo; e a densidade de drenagem gerou aumento da concentração de nitrogênio. As concentrações de nitrogênio superiores a 5 mg.L−1 apresentaram consequências representativas sobre a clorofila a, a qual esteve fortemente associada às cianobactérias. O volume de água armazenado, a precipitação e a vazão afluente aos reservatórios também foram preditores da transparência das águas. Apesar de os índices de performance do modelo apontarem para margens de erro amplas para os conjuntos de dados com elevados coeficientes de variação, a aplicação de árvores de decisão pode auxiliar no entendimento de processos ocorridos e no planejamento de ações estratégicas para a governança hídrica.","PeriodicalId":11619,"journal":{"name":"Engenharia Sanitaria E Ambiental","volume":" ","pages":""},"PeriodicalIF":0.4000,"publicationDate":"2022-11-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":"{\"title\":\"Inter-relações entre preditores de eutrofização em reservatórios do semiárido brasileiro: como mensurar? Uma aplicação de aprendizado de máquina por árvores de decisão\",\"authors\":\"L. Freire, Francisco de Assis Souza Filho\",\"doi\":\"10.1590/s1413-415220220099\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"RESUMO Um problema emergente para a segurança hídrica consiste nas consequências da eutrofização sobre a qualidade das águas. Metodologias de regressão convencionais não têm sido suficientes para explicar satisfatoriamente a complexidade da relação entre as variáveis hidrológicas e limnológicas desse processo. Nessa perspectiva, esta pesquisa buscou identificar preditores para variáveis indicadoras de eutrofização (cianobactérias, clorofila a, nitrogênio, fósforo e medição em disco de Secchi), por meio das relações destas entre si e entre 17 variáveis fisiográficas e climáticas das bacias hidrográficas de 155 reservatórios do semiárido brasileiro. Aplicou-se um método de aprendizado de máquina com o algoritmo classification and regression trees para árvores de decisão. Os resultados revelaram que os indicadores de eutrofização estão intrinsecamente relacionados entre si, de maneira especial as concentrações de clorofila a com os demais. A variabilidade da vazão afluente repercutiu no aumento da concentração de cianobactérias; a redução do volume de água armazenado gerou aumento da concentração de nitrogênio e fósforo; e a densidade de drenagem gerou aumento da concentração de nitrogênio. As concentrações de nitrogênio superiores a 5 mg.L−1 apresentaram consequências representativas sobre a clorofila a, a qual esteve fortemente associada às cianobactérias. O volume de água armazenado, a precipitação e a vazão afluente aos reservatórios também foram preditores da transparência das águas. Apesar de os índices de performance do modelo apontarem para margens de erro amplas para os conjuntos de dados com elevados coeficientes de variação, a aplicação de árvores de decisão pode auxiliar no entendimento de processos ocorridos e no planejamento de ações estratégicas para a governança hídrica.\",\"PeriodicalId\":11619,\"journal\":{\"name\":\"Engenharia Sanitaria E Ambiental\",\"volume\":\" \",\"pages\":\"\"},\"PeriodicalIF\":0.4000,\"publicationDate\":\"2022-11-21\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Engenharia Sanitaria E Ambiental\",\"FirstCategoryId\":\"93\",\"ListUrlMain\":\"https://doi.org/10.1590/s1413-415220220099\",\"RegionNum\":4,\"RegionCategory\":\"环境科学与生态学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"WATER RESOURCES\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Engenharia Sanitaria E Ambiental","FirstCategoryId":"93","ListUrlMain":"https://doi.org/10.1590/s1413-415220220099","RegionNum":4,"RegionCategory":"环境科学与生态学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"WATER RESOURCES","Score":null,"Total":0}
引用次数: 1

摘要

富营养化对水质的影响是一个新出现的水安全问题。传统的回归方法不足以令人满意地解释这一过程中水文和水文变量之间关系的复杂性。从这个角度来看,本研究试图通过这些变量与巴西半干旱地区155个水库流域的17个自然地理和气候变量之间的关系,确定指示富营养化的变量(蓝藻、叶绿素a、氮、磷和Secchi圆盘测量)的预测因子。将机器学习方法应用于决策树的算法分类和回归树。结果表明,富营养化指标之间存在着内在的相关性,尤其是叶绿素a浓度和其他指标之间的相关性。流入流量的变化反映在蓝藻浓度的增加上;储存水产生量的减少增加了氮和磷的浓度;并且排水密度产生增加的氮浓度。氮浓度高于5 mg.L−1对叶绿素a产生了代表性影响,叶绿素a与蓝藻密切相关。蓄水量、降水量和水库流入量也是水透明度的预测因素。尽管该模型的性能指标表明,对于具有高变异系数的数据集,误差幅度很大,但决策树的应用有助于理解所发生的过程,并有助于规划水治理的战略行动。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Inter-relações entre preditores de eutrofização em reservatórios do semiárido brasileiro: como mensurar? Uma aplicação de aprendizado de máquina por árvores de decisão
RESUMO Um problema emergente para a segurança hídrica consiste nas consequências da eutrofização sobre a qualidade das águas. Metodologias de regressão convencionais não têm sido suficientes para explicar satisfatoriamente a complexidade da relação entre as variáveis hidrológicas e limnológicas desse processo. Nessa perspectiva, esta pesquisa buscou identificar preditores para variáveis indicadoras de eutrofização (cianobactérias, clorofila a, nitrogênio, fósforo e medição em disco de Secchi), por meio das relações destas entre si e entre 17 variáveis fisiográficas e climáticas das bacias hidrográficas de 155 reservatórios do semiárido brasileiro. Aplicou-se um método de aprendizado de máquina com o algoritmo classification and regression trees para árvores de decisão. Os resultados revelaram que os indicadores de eutrofização estão intrinsecamente relacionados entre si, de maneira especial as concentrações de clorofila a com os demais. A variabilidade da vazão afluente repercutiu no aumento da concentração de cianobactérias; a redução do volume de água armazenado gerou aumento da concentração de nitrogênio e fósforo; e a densidade de drenagem gerou aumento da concentração de nitrogênio. As concentrações de nitrogênio superiores a 5 mg.L−1 apresentaram consequências representativas sobre a clorofila a, a qual esteve fortemente associada às cianobactérias. O volume de água armazenado, a precipitação e a vazão afluente aos reservatórios também foram preditores da transparência das águas. Apesar de os índices de performance do modelo apontarem para margens de erro amplas para os conjuntos de dados com elevados coeficientes de variação, a aplicação de árvores de decisão pode auxiliar no entendimento de processos ocorridos e no planejamento de ações estratégicas para a governança hídrica.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
CiteScore
0.90
自引率
20.00%
发文量
101
审稿时长
>12 weeks
期刊介绍: Information not localized
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信