往期文章一览
1、Remote Sensing of Environment丨东北地理所在内陆浑浊水体叶绿素a浓度遥感定量反演算法方面取得进展
2、Journal of Hydrology | 基于小波分析和长短时记忆网络的滇池叶绿素a浓度时空过程模拟与预测
点击上方“蓝字”关注我们
营养物质对湖泊中浮游植物生物量的影响一直是水生科学家们争论的话题。然而,在研究大尺度的数百个湖泊时,很少有人考虑使用概率统计方法去研究叶绿素a(CHL)是否受磷(P)和/或氮(N)的限制。目前,一些研究已经应用了统一的CHL和营养物关系来确定营养物的限制,但是由于它们忽略了生态环境中的空间异质性,因此构成生态谬误的风险。为了检验在数百个湖泊和不同的生态环境中,CHL是否受到P、N或两者营养物的限制,我们应用了一种概率机器学习方法——贝叶斯网络。结果的概率性质适应了生态环境中的空间异质性。
我们分析了来自美国17个州的1382个湖泊的数据,以评估CHL和营养物之间的因果关系。将CHL、总磷(TP)和总氮(TN)观测值被分解成三种营养状态(低—中营养、富营养和重污染)来训练模型。我们发现,虽然两种营养物都与CHL营养状态相关,但TP与CHL的相关性大于TN,尤其是在低—中营养的和富营养的CHL条件下。然而,当CHL营养状态为重污染时,TP和TN都很重要。这些结果提供了额外的证据,表明P限制更可能发生在低-中营养的和富营养的CHL条件下,且P和N共同限制发生在重污染的CHL条件下。
我们还发现随着CHL浓度的增加TN/TP比值呈下降趋势,这可能是营养成分作用改变的关键驱动因素。在小范围内的先前研究支持了我们的发现,表明我们的研究成果有可能推广到其他地区。我们的发现增强了对大尺度营养限制的认识,并揭示了目前关于限制营养的争论可能是由于没有考虑CHL营养状态引起的。我们的研究结果也为未取样或数据有限的湖泊特定地点的富营养化管理提供了先验信息。
想了解更多,一定要下载原文阅读 ↓↓↓
https://doi.org/10.1016/j.watres.2020.116236
往期文章一览
1、Remote Sensing of Environment丨东北地理所在内陆浑浊水体叶绿素a浓度遥感定量反演算法方面取得进展
2、Journal of Hydrology | 基于小波分析和长短时记忆网络的滇池叶绿素a浓度时空过程模拟与预测
欢迎共同开展调研、产品推广等商务合作。测试分析植物、土壤和水样等,可联系我们。