高温时段湖泊水体二甲基异莰醇预测方法

技术领域

本发明涉及高温时段湖泊水体二甲基异莰醇预测方法，属于水质质量预警技术领域。

背景技术

湖泊是重要的地表水承载体及饮用水资源库。近年来，湖泊水体富营养化引起的蓝藻水华暴发导致了一系列水质问题，引起国内外学者的广泛关注。高温时段(5-9月)蓝藻水华的出现不仅降低水体水质影响城市供水，而且该时段丝状蓝藻常呈高发态势，产生的以2-甲基异莰醇(2-methylisoborneol，2-MIB)为主的嗅味物质，严重威胁水生态安全和水资源质量。2-MIB是一种土霉味的萜类化合物，嗅味阈值较低(<10ng/L)且传统水处理工艺难以去除，它不仅使水体带上难闻的异味增加水厂处理成本，还会富集在鱼类等水产品中影响其使用价值。

湖泊水体2-MIB主要归功于丝状蓝藻的生长代谢，如假鱼腥藻、颤藻、拟浮丝藻和束丝藻等，不同地区2-MIB来源有所不同，有必要寻找目标区域2-MIB的主要生产者，以从源头上防控湖泊水体嗅味问题。同时，2-MIB产嗅蓝藻的生长和嗅味的产生受水文气象和营养盐等众多环境因子影响。但从已有研究结果可以看出，影响2-MIB的环境因子众多，且不同环境条件下2-MIB的主导因素存在较大差异。

目前，国内尚无针对高温时段湖泊2-MIB预测预报方法，给湖泊水源地取水安全带来一定挑战。

发明内容

为了解决上述存在的问题，本发明公开了高温时段湖泊水体二甲基异莰醇预测方法，其具体技术方案如下：

高温时段湖泊水体二甲基异莰醇预测方法，包括如下步骤：

步骤1：目标水层确定

现场采集不同水层2-MIB样品，室内检测，对比分析不同水层2-MIB浓度，以判别水体中2-MIB浓度是否分层，若水体分层，将2-MIB浓度最高的水层进入步骤2；

步骤2：目标水层水环境因子检测

现场测定目标水层水温、溶解氧、酸碱度的数据，现场采集目标水层水质、浮游植物、2-MIB样品，实验室内检测分析不同形态氮磷、浮游植物种类组成、2-MIB浓度数据；

步骤3：水文气象因子数据收集整理

在气象网站收集目标水体附近区域降雨、蒸发、湿度、光照强度、风速风向、气压的逐小时水文气象因子数据，具体包括5月至10月的数据，根据逐小时水文气象因子数据计算得到前一日、当日平均或不同时段的水文气象因子数据；

步骤4：2-MIB产嗅蓝藻确定

通过qPCR技术检测水样中的mic基因拷贝数，通过高通量测序技术检测水样中具有mic基因的不同产嗅蓝藻种类及占比，将mic基因拷贝数和高通量测序得出的2-MIB不同产嗅蓝藻占比相乘得到不同2-MIB产嗅蓝藻的mic基因拷贝数，并将其与目标水层2-MIB浓度进行皮尔逊相关性分析，得到目标水层2-MIB产嗅蓝藻种类；

步骤5：产嗅蓝藻关键影响因子确定

通过皮尔逊相关性分析，统计步骤2中的水环境因子及步骤3中的水文气象因子与2-MIB产嗅蓝藻生物量之间的相关性，选取相关系数大于0.5的指标进入主成分分析，通过主成分分析，识别出对2-MIB产嗅蓝藻贡献量最大的环境因子；

步骤6：2-MIB预测模型构建

从步骤5识别出的对2-MIB产嗅蓝藻贡献量最大的环境因子中选取与产嗅蓝藻生长关系最为密切的因子，用于构建预测预报模型，选取温度(Temperature，T，单位：℃)、风速(Wind speed，S，单位：m/s)和光照强度(Intensity of illumination，I，单位：W/m

lg(2-MIB)＝A×T-B×S-C×lg(I)+D

其中，T为温度指标，S为风速指标，I为光照强度指标，A、B、C依次为T、S、I的权重因数，D为常数项，模型构建过程中会自动给出A、B、C、D数值，同时，为消除2-MIB浓度与光照强度波动范围较大对模型预测精度产生的影响，可对2-MIB浓度和光照强度数据进行对数处理，以进一步提升模型预测精度；

步骤7：预测模型准确度判别

将预测模型计算得到的2-MIB浓度数值与实际监测值作图对比分析，通过折线图判别预测模型计算得到的2-MIB浓度数值与实际监测值不一致的区间，并开展针对性复盘分析，优化参与构建2-MIB预测模型的指标，以进一步提升模型精度；

步骤8：目标水层2-MIB高风险期阈值界定

对因变量的对数转换减少了2-MIB浓度波动范围对预测准确度的影响，但也降低了预测模型对异常峰值的预测精度，可导致异常峰值时段2-MIB浓度预测值低于实际值，2-MIB高值发生时段内，模型预测值都大于2.0，因此，选取2.0作为2-MIB高值发生临界阈值；

步骤9：用预测模型进行预警判断

从气象网站收集目标水体附近区域未来3日温度、光照强度、风速逐小时数据，计算2-MIB预测模型中的T、S、I指标带入预测模型，计算目标水层未来3日2-MIB发生情况，若计算结果大于2.0，需要及时启动应急预案，确保水厂取水安全。

进一步的，所述步骤1具体为：2-MIB主要分布在0-5米水深范围，按照0.5米间隔分层，即水面以下0.5米、1.5米、2.5米、3.5米、4.5米现场采集0-5米水柱中2-MIB样品，并在实验室内检测不同水层2-MIB浓度，若所有水层2-MIB浓度相差20-30％，则认为水体不分层，重点关注0.5米处水层；若所有水层2-MIB浓度相差超过30％，则认为水体存在分层，重点关注2-MIB浓度最高的水层。

进一步的，所述步骤6中通过以下标准判断建立的预测模型是否可靠：首先，采用F检验来检验整体模型是否显著异于零，若F值大于0.5，即预测模型可进入下一步检验，若F值小于0.5，说明模型整体回归是不显著的，需要返回上一步对构建模型的温度、风速、光照强度指标进行重新筛选，直至F值大于0.5。

本发明的有益效果是：

通过本发明方法，可确定目标水域2-MIB产嗅蓝藻种类及影响因子，并可建立目标水域2-MIB预测预报模型，可提前预知未来几日目标水域2-MIB浓度变化，为水厂择机取水提供科学依据，避免因原水2-MIB浓度过高暂停取水。

附图说明

图1是本发明的MIB浓度预测值与实际值对比。

具体实施方式

本发明方案所公开的技术手段不仅限于上述技术手段所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

(一)目标水层确定

2-MIB主要分布在0-5米水深范围。按照1米间隔分层，即水面以下0.5米、1.5米、2.5米、3.5米、4.5米现场采集0-5米水柱中2-MIB样品，并实验室内检测不同水层2-MIB浓度。对比分析不同水层2-MIB浓度，以判别水体中2-MIB浓度是否分层：若不同水层2-MIB浓度相差20-30％，则认为水体不分层，重点关注0.5米处水层；若不同水层2-MIB浓度相差超过30％，则认为水体存在分层，重点关注2-MIB浓度最高的水层。

(二)目标水层水环境因子检测

现场测定目标水层水温、溶解氧、酸碱度等数据，现场采集目标水层水质、浮游植物、2-MIB样品，实验室内检测分析不同形态氮磷、浮游植物种类组成、2-MIB浓度数据，相关指标检测参照已有国标检测方法。

(三)水文气象因子数据收集整理

在气象网站收集目标水体附近区域降雨、蒸发、湿度、光照强度、风速风向、气压等逐小时水文气象因子数据，具体包括5月至10月的数据.根据逐小时数据计算得到前一日、当日平均或不同时段的水文气象因子数据。

(四)2-MIB产嗅蓝藻确定

通过qPCR技术检测水样中的mic基因拷贝数。通过高通量测序技术检测水样中具有mic基因的不同产嗅蓝藻种类及占比。根据mic基因拷贝数和高通量测序得出的2-MIB不同产嗅蓝藻占比，相乘得到不同2-MIB产嗅蓝藻的mic基因拷贝数，并将其与目标水层2-MIB浓度进行皮尔逊相关性分析。根据相关系数大小排序，最终确认目标水层2-MIB产嗅蓝藻种类。

qPCR技术是一种现有的成熟的技术，qPCR通过荧光信号值实时监控PCR扩增产物的变化，在指数扩增期进行定量分析。PCR每进行1个循环，DNA呈2倍的指数关系增长，不久达到平台期。假设起始DNA的量为A0，经过了n个循环后，理论上DNA产物的量可以表示为：An＝A0×2n那么，起始DNA量A0越多，扩增产物的量便越早达到检出值An，达到An时的循环圈数即Ct值。也就是起始DNA量A0越多，扩增曲线越早起峰，对应需要的循环圈数n越小。理论上，Ct值与起始模板数的对数值成反比线性关系。将已知浓度的标准品进行梯度稀释，作为模板进行Real Time PCR，就会按照起始DNA量由多到少的顺序等间隔得到一系列扩增曲线。根据Ct值与起始模板数的对数值之间的线性关系，就可以制作出标准曲线。未知浓度的样品的Ct值代入标准曲线，就可以求出未知浓度样品的起始模板量，这就是qPCR的定量原理。

高通量测序技术是一种现有的成熟的核算检测技术。

皮尔逊相关性分析是衡量向量相似度的一种方法，通过相关系数大小来表征，输出范围为-1到+1，0代表无相关性，负值为负相关，正值为正相关，若两个变量的线性关系增强时，相关系数趋于1或-1，具体计算公式如下：

根据相关系数大小排序，相关系数最大的，即为目标水层2-MIB产嗅蓝藻种类。

qPCR技术、高通量测序技术和皮尔逊相关性分析均是现有的成熟技术的直接使用，本专利不对该技术改进，只是通过该技术进行检测而已，得到测试结果即可，本专利将测试结果进行后续分析处理。

(五)产嗅蓝藻关键影响因子确定

通过皮尔逊相关性分析筛选出与2-MIB产嗅蓝藻生物量密切相关的因子，再将这些因子与2-MIB产嗅蓝藻进行主成分分析，识别出贡献量最大的环境因子。通过以下标准判断筛选的环境因子是否有效：主成分分析结果中前两个主成分特征值均大于1，且总方差贡献率为80.0％。若未达到上述标准，需要重新筛选环境因子，直至满足以上标准。进而基于主成分分析结果，进一步分析主成分1和主成分2主要因子组成，以确定关键影响因子。

主成分分析是一种数据降维算法，将n维特征映射到k维上，这k维是全新的正交特征，即主成分，具体流程如下：

1.输入数据集X＝{x

2.去平均值，即去中心化，每一位特征减去各自的平均值，

3.计算协方差矩阵

4.用特征值分解方法求协方差矩阵

5.对特征值从大到小排序，选择其中最大的k个，然后将其对应的k个特征向量分别作为行向量组成特征向量矩阵P，

6.将数据转换到k个特征向量构建的新空间中，即Y＝PX。

主成分分析也是现有的一种成熟技术，现有专利中也有一些介绍，比如申请号为201811479966.2，其中公式三也应用采用典范对应分析方法分析优势物种与环境因子的关系，确定优势物种的主要驱动因子，也是主成分分析的应用例子。

(六)2-MIB预测模型构建

从确定的关键影响因子中选取与产嗅蓝藻生长关系最为密切的因子，用于构建预测预报模型。从已有经验来看，一般选取温度(Temperature，T，单位：℃)、风速(Windspeed，S，单位：m/s)和光照强度(Intensity of illumination，I，单位：W/m

lg(2-MIB)＝A×T-B×S-C×lg(I)+D

其中，T为温度指标，S为风速指标，I为光照强度指标，A、B、C依次为T、S、I的权重因数，D为常数项。模型构建过程中会自动给出A、B、C、D数值。同时，为消除2-MIB浓度与光照强度波动范围较大对模型预测精度产生的影响，可对二者进行对数处理，以进一步提升模型预测精度。

通过以下标准判断建立的模型是否可靠：首先，采用F检验来检验整体模型是否显著异于零，若F检验的p值小于0.05，说明模型整体回归是显著的，即模型可进入下一步检验，若F检验的p值大于0.05，说明模型整体回归是不显著的，需要返回上一步对构建模型的温度、风速、光照强度指标进行重新筛选，直至F检验的p值小于0.05。其次，再看各个系数的显著性，也就是t检验，若t值大于2或p值小于0.05，说明该变量前面的系数显著不为0，即所选变量有效，若t值小于2或p值大于0.05，说明所选变量无效，需要对温度、风速、光照强度指标再次进行重新筛选，直至t值大于2或p值小于0.05。

F检验是一种在零假设(null hypothesis,H0)之下，统计值服从F分布的检验，其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体，具体流程如下：

1.分别计算两组样本数据的均值

2.分别计算两组样本数据的标准方差的平方

3.计算两组样本数据标准方差的平方比

式中：F表示两组样本数据标准方差的平方比，S

F检验也是现有的一种成熟的检测手段，本专利没有对F检验做出改变，只是直接使用了F检验进一步提高模型的准确度。

(七)模型准确度判别

将预测模型计算得到的2-MIB浓度数值与实际监测值作图对比分析，对比结果见图1。通过折线图判别预测模型计算得到的2-MIB浓度数值与实际监测值不一致的区间，并开展针对性复盘分析，优化参与构建2-MIB预测模型的指标，以进一步提升模型精度。

(八)目标水层2-MIB高风险期阈值界定

对因变量的对数转换减少了2-MIB浓度波动范围对预测准确度的影响，但也降低了预测模型对异常峰值的预测精度，可能导致异常峰值时段2-MIB浓度预测值低于实际值。从已有经验来看，2-MIB高值发生时段内，模型预测值都大于2.0，因此，选取2.0作为2-MIB高值发生临界阈值。

(九)用预测模型进行预警判断

从气象网站收集目标水体附近区域未来3日温度、光照强度、风速逐小时数据，计算2-MIB预测模型中的T、S、I指标带入预测模型，计算目标水层未来3日2-MIB发生情况，若计算结果大于2.0，需要及时启动应急预案，确保水厂取水安全。

下面给出本专利实际应用的一个例子：

东太湖是太湖的一个湖湾，平均水深不足2米，是苏州市重要水源地。近年来5-9月，东太湖2-MIB浓度经常异常升高，为水源地安全取水造成较大影响。通过对东太湖水下0.5m、1.0m和1.5m处水样中的2-MIB浓度进行检测，发现不同水层2-MIB浓度基本相当，即东太湖2-MIB浓度不存在分层。

采集东太湖水下0.5m水样，现场测定水温、溶解氧、酸碱度等指标，并于实验室分析浮游植物、不同形态氮磷、浮游植物种类组成及2-MIB浓度指标。

从windy网站(https://www.windy.com)收集东太湖周边降雨、蒸发、湿度、光照强度、风速风向、气压等逐小时水文气象因子数据。

实验室内使用

表1含有mic基因蓝藻的相对丰度

通过皮尔逊相关性分析及主成分分析，最终选取温度、风速、光照强度指标用于构建预测模型，其中温度为当日上午10点气温，风速为当日日均风速，光照前度为当日日均光照强度。根据预测模型，预测东太湖2-MIB高值发生于温度较高，无风或风力条件较差的阴天。根据历年气象数据统计结果，2023年7月中下旬可能是2-MIB高值发生时期。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。