利用高频水质替代指标预测河流中沉积物与营养盐浓度
应用统计
2020-07-01 v1
摘要
水质监测的一个重点是河流中沉积物与营养盐的浓度，这些成分会窒息生物并导致富营养化。然而，人工采样的物理与经济限制阻碍了以充分捕捉浓度随时间变化所需频率进行数据收集。在此，我们基于流入大堡礁泻湖的河流中低成本原位传感器所得浊度、电导率与水位数据的高频时间序列，建立预测总悬浮固体(TSS)与氧化氮(NOx)浓度的模型。我们将具有连续一阶自回归相关结构的广义最小二乘线性混合效应模型拟合于传统人工采样并在实验室后续分析的数据，随后用这些模型在两个淡水点与一个河口点根据原位传感器水质替代数据预测TSS或NOx。这些模型兼顾了数据中的时间自相关与非等间隔时序观测。浊度被证明是TSS的有效替代指标，在淡水与河口点均有高预测能力。NOx模型拟合差得多，即便在浊度之外加入电导率与水位作为附加协变量亦然。此外，NOx模型中协变量的相对影响在各点并不一致。我们的发现可能反映了河流中溶解态营养盐动力学的复杂性——其受物理、化学与生物过程等多重且相互作用的因素影响——以及模型中需更大更好地纳入时空分量的需求。
引用
@article{arxiv.1810.12499,
title = {Predicting Sediment and Nutrient Concentrations in Rivers Using High Frequency Water Quality Surrogates},
author = {Catherine Leigh and Sevvandi Kandanaarachchi and James M. McGree and Rob J. Hyndman and Omar Alsibai and Kerrie Mengersen and Erin E. Peterson},
journal= {arXiv preprint arXiv:1810.12499},
year = {2020}
}