基于混合演化算法的乌梁素海芦苇凋落物分解模拟及预测

以乌梁素海湖滨植被带建群植物—芦苇(Phragmites australis)的凋落物为研究对象,基于野外分解袋法对芦苇凋落物进行分解实验,通过混合演化算法(HEA)建模。旨在揭示和预测芦苇凋落物在湖水中的分解过程,并结合阈值和敏感性分析,探讨凋落物分解释放的氮、磷元素与环境影响因子之间的关系。研究结果表明:(1)混合演化算法的最佳模型预测值与实际测量值之间拟合度高(r²=0.90—0.99),质量损失模型(ML-model)的拟合效果最好(r²=0.99)。(2)芦苇凋落物的质量损失(ML)随水温(WT)增高而增加;凋落物中的N元素先累积后释放,且pH较低(pH<8.326)时,促进N元素释放;凋落物中的P元素在整个过程中以释放为主,且WT较高(WT>=16.978℃)时,凋落物中P元素与溶解氧(DO)呈负相关; WT较低时, P元素与WT呈负相关。进一步证明,混合演化算法模型能够模拟和预测湖泊芦苇凋落物水中分解过程,识别和量化凋落物分解与环境因子的生态关系和阈值数据,可为浅水草型湖泊内源污染防治提供理论支撑。     

基于混合演化算法模型的岱海湖泊叶绿素a模拟及预测

基于2013—2017年岱海水质监测数据,分析岱海湖泊叶绿素a浓度时空分布特征,进而通过混合演化算法(HEA)建立湖泊叶绿素a浓度模拟和预测模型,结合生态阈值和敏感性分析,定量揭示和模拟预测湖泊叶绿素a浓度变化及其与环境因子之间的关系。研究表明:(1)岱海富营养化程度的季节变化呈显著性差异,表现为春季显著高于夏季和秋季,但空间变化不具有显著性差异。(2)基于混合演化算法模型的岱海湖泊叶绿素a浓度预测值与实际监测值之间拟合度高(R²=0.95)。(3)混合演化算法的最佳规则集表明,当水体化学需氧量大于172.049 mg·L^–1,且水温在13.97—20.36℃的范围内时,岱海湖泊叶绿素a浓度随水温增高而降低,随pH和水深的增高而增高;反之,叶绿素a浓度与总氮和水深均是负相关关系。混合演化算法模型能够模拟和预测湖泊叶绿素a浓度变化,识别和量化湖泊富营养化与环境因子的生态关系和阈值数据,可为干旱半干旱区内陆湖泊藻类水华的预测预警提供一定的理论依据和技术支撑。