CN115575363B - 一种获取生态影响机制的方法及系统 - Google Patents
一种获取生态影响机制的方法及系统 Download PDFInfo
- Publication number
- CN115575363B CN115575363B CN202211179115.2A CN202211179115A CN115575363B CN 115575363 B CN115575363 B CN 115575363B CN 202211179115 A CN202211179115 A CN 202211179115A CN 115575363 B CN115575363 B CN 115575363B
- Authority
- CN
- China
- Prior art keywords
- dom
- index
- information
- model
- sediment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
- G01N21/643—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" non-biological material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
- G01N2021/6439—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" with indicators, stains, dyes, tags, labels, marks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种获取生态影响机制的方法及系统,涉及生态保护技术领域,包括以下步骤:S1采集样本;S2指标筛选;S3指标测定;S4数据预处理;S5模型建立。本发明为明确湖泊DOM和微生物特征,完善环境因子、DOM组成和微生物群落的相互影响机制做出贡献。
Description
技术领域
本发明涉及生态保护技术领域,尤其涉及一种获取生态影响机制的方法及系统。
背景技术
湖泊是地球水环境生态系统的重要组成部分,与人类活动息息相关,随着气候变暖加剧,寒旱区湖泊生态系统的存续受到威胁,对于寒旱区湖泊生态系统的管理与调控迫在眉睫。然而湖泊生态系统元素众多,组成复杂,除了环境监测所关注的水质指标以外,溶解性有机质(DOM)和微生物是研究者不得不考虑的重要组成部分,近年来诞生了大量准确、快捷的表征技术,引导了湖泊生态治理的研究方向。
三维荧光光谱广泛应用于天然水体DOM的表征,具有检测灵敏度高、样品使用量少、检测重复性高、不破坏样品结构等特点,结合平行因子分析法通常情况下可解析出5种组分,分别为类色氨酸物质、类酪氨酸物质、溶解性生物代谢产物、类富里酸物质和类腐殖质。通过荧光指数和生物指数的辅助分析,可以对湖泊水体与沉积物中的DOM进行溯源。因此,三维荧光光谱是认识湖泊DOM的重要工具。
高分辨率傅里叶变换离子回旋共振质谱(FT-ICR-MS)已成为深入分子表征的可靠工具,它可以更加细致地区分荧光光谱不能区分的分子化合物。它通过将分子式分配给DOM复杂混合物的质谱图中的数千个峰来确定准确的质荷比(m/z),FT-ICR-MS的超高分辨率,可以在一个质谱中检测到数千种具有不同m/z值的离子,在FT-ICR-MS精确的质量准确度基础上,通过应用基本化学规则(如氮规则和双键等价物的计算规则),在已知可能包含的元素组成情况下,可以计算每个质量数对应的未知物分子式。在分子式计算时,迭代组合所有可能元素组成的情况进行计算,直到得到所有在误差范围内总质量与给定的质量匹配的可能分子式。可以使用适当的规划方法来找到最优的拆卸顺序。这里的最佳拆卸顺序是指满足特定拆卸目标(如拆卸成本、时间、效益等)的顺序。这个过程可以通过多种优化方法来完成,如自然启发式算法、基于规则的方法、随机模拟技术等。
随着计算机技术的发展,智能算法为环境领域的机制研究带来了新的可能性,运用计算机强大的算力,可以更深入地拟合分析环境因子如何影响了重要的环境变量,比如结构方程模型(SEM)是一种建立、估计和检验因果关系模型的方法。模型中既包含可观测的显在变量,也包含无法直接观测的潜在变量。SEM可替代多重回归、通径分析、因子分析和协方差分析等方法,分析单项指标对总体的作用和单项指标间的相互关系。目前结构方程模型在生态学中的应用主要在探究水质指标对其他因变量的影响,对于微生物、DOM的综合评价目前还没有完整的体系。
本研究综合多种光谱、质谱表征技术及传统模型,全新开发了一种获取生态影响机制的方法及系统,该模型方法的建立为进一步深入研究富营养化湖泊DOM、微生物、水质指标等生态要素的耦合作用关系提供重要科学依据和实践价值。
发明内容
本发明的目的在于提供一种获取生态影响机制的方法及系统,通过新开发的生态要素耦合关系模型和研究方法,实现了对微生物群落结构、DOM和多种环境因子较为理想的拟合,梳理了DOM、微生物和环境因子之间耦合效应的影响链条,量化了耦合作用程度,为明确湖泊DOM和微生物特征,完善环境因子、DOM组成和微生物群落的相互影响机制做出贡献。
为了实现上述目的,本发明采用如下技术方案:
基于湖泊生态要素耦合关系模型获取生态影响机制的方法,包括以下步骤:
S1.采集样本:采集不同季节、不同点位、不同深度的水体和沉积物样本;
S2.指标筛选:选择表征DOM信息、微生物群落信息和环境因子信息的指标;
S3.指标测定:对S2中指标筛选后的DOM信息、微生物群落信息、环境因子信息进行指标测定,得到指标测定数据;
S4.数据预处理:根据S3中得到的指标测定数据,对DOM信息和微生物群落信息进行数据预处理;
S5.模型建立:根据筛选出的指标建立潜变量,按照沉积物体系、水与沉积物的交互体系分配到模型中,通过导入数据、潜变量的设定、路径构建、模型检验,实现模型建立。
优选的,S2.指标筛选结果:
表征DOM信息包括:表征DOM来源的荧光指数FI、表征DOM腐殖化程度的腐殖化指数HIX和表征新产生DOM的生物指数BIX;
微生物群落信息包括:选择不同分类水平上丰度高、季节变化明显的物种作为模型的关键物种指标,添加五种α多样性指标Ace、Chao、Sobs、Simpson、Shannon表征微生物多样性;
环境因子信息包括:基本水质指标水温、溶解氧和pH,营养指标沉积物总碳、沉积物总氮、水体总有机碳和水体总氮。
优选的,S3.指标测定的具体内容为:通过三维荧光和高分辨率傅里叶变换离子回旋共振质谱对DOM信息进行测定;通过16s-RNA高通量测序技术对微生物群落信息进行测定;对于环境因子信息进行理化指标的测定。
优选的,S4.数据预处理具体内容为:荧光光谱应进行平行因子分析,解析出组分后以相对荧光强度表征各荧光组分的含量,同时计算生物指数BIX、荧光指数FI和腐殖化指数HIX,微生物群落信息应计算α多样性指数,并按研究湖泊所关注的主要环境问题和物种的相对丰度选定3-5个关键物种。
优选的,S5.模型建立具体包括以下步骤:
S501.导入数据:所有指标测定数据以csv格式进行保存和整理,行标题为样品名称,列标题为指标名称;
S502.潜变量设定:设置水体DOM、沉积物DOM、和DOM分子三个潜变量作为DOM信息,设置关键物种、微生物多样性两个潜变量作为微生物群落信息,设置环境变量、水体营养物质和沉积物营养物质三个潜变量作为环境因子信息,关键物种、水体营养物质和沉积物营养物质为形成型变量,其他为反应型变量;
S503.路径构建:将指标按照体系进行分类,分别建立相应的结构方程模型,分别以DOM信息和微生物群落信息为因变量单独建立模型,在因变量之间通过添加路径的方式验证是否存在中介效应;
S504.模型检验:设置子样本数量为第一预设值,显著性水平阈值为第二预设值,验证模型适应性指标GOF值是否大于第三预设值,同时验证因变量之间是否存在中介效应。
优选的,S504中验证因变量之间是否存在中介效应,判定条件为:
若p1,p2显著,p3不显著,则存在完全中介效应;
若p1,p2和p3都显著,则存在部分中介效应;
其中,p1,p2,p3为路径系数。
基于湖泊生态要素耦合关系模型获取生态影响机制的系统包括:采集样本模块、指标筛选模块、指标测定模块、数据预处理模块、模型建立模块;
采集样本模块,与指标测定模块的输入端相连,用于采集不同季节、不同点位、不同深度的水体和沉积物样本;
指标筛选模块,与指标测定模块输入端相连,用于选择表征DOM信息、微生物群落信息和环境因子信息的指标;
指标测定模块,与数据预处理模块输入端相连,用于对指标筛选后的DOM信息、微生物群落信息、环境因子信息进行指标测定,得到指标测定数据;
数据预处理模块,与模型建立模块输入端相连,用于对DOM信息和微生物群落信息进行数据预处理;
模型建立模块,根据筛选的数据指标建立潜变量,按照沉积物体系、水与沉积物的交互体系分配到模型中,包括导入数据模块、潜变量的设定模块、路径构建模块、模型检验模块。
优选的,模型建立模块具体包括以下单元:导入数据单元、潜变量设定单元、路径构建单元、模型检验单元;
导入数据单元,与潜变量设定单元的输入端相连,用于对所有指标的数据以csv格式进行保存和整理,行标题为样品名称,列标题为指标名称;
潜变量设定单元,与路径构建单元的输入端相连,用于设置水体DOM、沉积物DOM、和DOM分子三个潜变量作为DOM信息,设置关键物种、微生物多样性两个潜变量作为微生物信息,设置环境变量、水体营养物质和沉积物营养物质三个潜变量作为环境因子信息,关键物种、水体营养物质和沉积物营养物质为形成型变量,其他为反应型变量;
路径构建单元,与模型检验单元的输入端相连,用于将指标按照体系进行分类,分别建立相应的结构方程模型,分别以DOM信息和微生物信息为因变量单独建立模型,在因变量之间通过添加路径的方式验证是否存在中介效应;
模型检验单元,用于设置子样本数量为第一预设值,显著性水平阈值为第二预设值,验证模型适应性指标GOF值是否大于第三预设值,同时验证因变量之间是否存在中介效应。
经由上述的技术方案可知,与现有技术相比,本发明的有益效果是:通过该模型,可将DOM、微生物信息、环境因子等生态系统元素之间的联系深入到潜变量的层面进行表征,细致地探讨生态元素之间的影响机制。DOM与微生物之间存在耦合关系,DOM可以被微生物利用,同时微生物代谢产生的有机物又会成为DOM的一部分,目前对于两者之间相互作用的分析并不清晰明确,在该模型中,通过同一路径不同方向路径系数的比较,可分析出两个变量相互影响的程度差别,从而得出产生影响更大的一方。通过对中介效应的分析,可以得出潜变量之间清晰的因果关系链条,从而完善影响机制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的基于湖泊生态要素耦合关系模型获取生态影响机制的方法流程图;
图2为本发明提供的模型建立方法流程图;
图3为本发明提供的中介效应示意图;
图4为本发明提供的沉积物体系中DOM和环境因子对微生物群落的影响模型;
图5为本发明提供的沉积物体系中微生物群落和环境因子对DOM的影响模型;
图6为本发明提供的水体和沉积物交互体系中DOM和环境因子对微生物群落的影响模型;
图7为本发明提供的水体和沉积物交互体系中微生物群落和环境因子对DOM的影响模型;
图8为本发明提供的基于湖泊生态要素耦合关系模型获取生态影响机制的系统框图;
图9为本发明提供的模型建立模块系统框图;
图10为本发明提供的模型建立的原理图。
具体实施方式
下面结合附图和实施例,进一步阐述本发明,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明公开了一种基于湖泊生态要素耦合关系模型获取生态影响机制的方法,包括以下步骤:
S1.采集样本:采集不同季节、不同点位、不同深度的水体和沉积物样本;
S2.指标筛选:根据采集到的样本,对DOM、微生物群落信息和环境因子信息进行指标筛选;
S3.指标测定:对指标筛选后的DOM、微生物群落、环境因子信息进行指标测定;
S4.数据预处理:根据指标测定,对DOM和微生物群落信息进行数据预处理;
S5.模型建立:根据筛选的数据指标建立潜变量,按照沉积物体系、水与沉积物的交互体系分配到模型中,通过导入数据、潜变量的设定、路径构建、模型检验,实现模型建立。
进一步的,S1中样本量不应低于后续潜变量内模型路径数的10倍,采样点应尽量分散,若存在显著外源输入(如河流,排污口)则应适当增大采样密度。
进一步的,S2.指标筛选结果:
表征DOM信息包括:表征DOM来源的荧光指数FI、表征DOM腐殖化程度的腐殖化指数HIX和表征新产生DOM的生物指数BIX;
微生物群落信息包括:选择不同分类水平上丰度高、季节变化明显的物种作为模型的关键物种指标,添加五种α多样性指标来表征微生物多样性;
环境因子信息包括:基本水质指标水温、溶解氧和pH,营养指标沉积物总碳、沉积物总氮、水体总有机碳和水体总氮。
具体的,S2中围绕DOM、微生物和环境因子三个方面选择指标。三维荧光光谱技术可提供水体和沉积物DOM的组分信息,选择了平行因子分析法解析出的所有组分丰度作为模型指标,同时为了补充未能识别出的荧光信息,选择表征DOM来源的荧光指数FI、表征DOM腐殖化程度的腐殖化指数HIX和表征新产生DOM的生物指数BIX作为DOM组分信息的补充,力求完整全面地概括DOM组分信息。高分辨率傅里叶变换离子回旋共振质谱(FT-ICR-MS)可从分子层面提供DOM的组成信息,考虑到模型所需信息需要高度概括,选择相对分子质量和芳香度作为模型指标。微生物信息通过16s-RNA高通量测序技术测得,选择不同分类水平上丰度高、季节变化明显的物种作为模型的关键物种指标,并添加常用的五种α多样性指标(Ace、Chao、Sobs、Simpson、Shannon)表征微生物多样性,全面概括湖泊系统中的微生物信息。环境因子指标包括基本水质指标水温、溶解氧和pH,以及营养指标沉积物总碳、沉积物总氮、水体总有机碳和水体总氮。
其中,α多样性指标Ace、Chao、Sobs、Simpson、Shannon的具体含义如下:
Ace:用来估计群落中含有OTU数目的指数,由Chao提出,是生态学中估计物种总数的常用指数之一,与Chao指数的算法不同。
Chao:是用chao算法计算群落中只检测到1次和2次的OTU数估计群落中实际存在的物种数。Chao指数在生态学中常用来估计物种总数,由Chao(1984)最早提出。
Chao值越大代表物种总数越多。Chao=Sobs+n1(n1-1)/2(n2+1)
其中,Chao为估计的OTU数,Sobs为观测到的OTU数,n1为只有一条序列的OTU数目,n2为只有两条序列的OTU数目。
Simpson:用来估算样品中微生物的多样性指数之一,由Edward Hugh Simpson(1949)提出,在生态学中常用来定量的描述一个区域的生物多样性。Simpson指数值越大,说明群落多样性越高。
Shannon:用来估算样品中微生物的多样性指数之一。它与Simpson多样性指数均为常用的反映a多样性的指数。Shannon值越大,说明群落多样性越高。
进一步的,S3.指标测定的具体内容为:通过三维荧光和高分辨率傅里叶变换离子回旋共振质谱(FT-ICR-MS)对DOM信息进行测定;通过16s-RNA高通量测序技术对微生物群落信息进行测定;对于环境因子信息进行理化指标的测定。
具体的,S3中对于DOM,应通过三维荧光和FT-ICR-MS进行测定,取冷干研磨过筛后沉积物粉末0.5g,用超纯水以1:60比例20℃震荡提取16h,取上清液过0.45μm滤膜,即为沉积物提取液。使用分子荧光光谱仪对水样进行荧光光谱测定,150W氙灯作为激发光源,PMT电压:700V,激发波长:200-600nm,发射波长:250-600nm,光栅宽度为5nm,超纯水作为空白校正。使用PPL(Bond Elut PPL)固相萃取柱浓缩沉积物提取液中的DOM,先使用1倍柱体积甲醇和3倍柱体积酸化水(盐酸酸化,pH=2)活化萃取柱,后加入200mL沉积物提取液,再用3倍柱体积酸化水洗脱盐分,将柱子用氮气吹干,最后使用1倍柱体积甲醇洗脱DOM,洗脱所得液体即为浓缩后待测液。使用Bruker APEX Ultra FT-ICR质谱仪进行测定,用9.4T超导磁体和Apollo II型电喷雾离子源(ESI)分析,ESI源在负离子模式下运行,通过注射泵以200μL/h的速度将样品注入电喷雾源。通过3.5kV发射极电压、4.0kV毛细管柱引入电压和-320V毛细管柱端电压,在荷质比150-1000的范围内进行全扫描,测试后用Bruker Daltonics软件分析数据。
对于微生物群落信息,应通过16s-RNA高通量测序技术测定,将-80℃保存的沉积物样品在冰上融化,离心混匀后使用Nanodrop 2000超微量分光光度计确定DNA纯度和浓度符合测定要求,同时使用1%琼脂糖凝胶电泳确定DNA完整性。检验完毕后进行PCR扩增,使用细菌16SrRNA通用引物338F和806R对V3-V4区进行扩增实验。
对于环境因子信息,主要为理化指标的测定,基本水质指标pH、溶解氧、水温、盐度依靠便携式水质监测仪进行测定,TOC使用岛津TOC仪进行测定,沉积物TC、TN通过元素分析仪进行测定,水体TN通过国标规定分光光度仪进行测定。
进一步的,S4.数据预处理具体内容为:荧光光谱应进行平行因子分析,解析出组分后以相对荧光强度表征各荧光组分的含量,同时计算生物指数BIX、荧光指数FI和腐殖化指数HIX,微生物群落信息应计算α多样性指数,并按研究湖泊所关注的主要环境问题和物种的相对丰度选定3-5个关键物种。
进一步的,S5模型建立的主要内容为:导入筛选的数据指标,即图10的Xn,根据指标之间的生态学逻辑建立潜变量即图10的Yn,并按照体系(沉积物体系、水与沉积物的交互体系)分配到模型中。根据主要的研究对象,建立指向特定潜变量的路径,模型构建完成后,相当于构建了方程组:
进行迭代运算后,求得a,b,c三个负载系数(指标对潜变量的贡献)和路径系数d(潜变量之间影响的大小),模型的分析主要关注路径系数。
进一步的,S5中模型建立包括:S501导入数据、S502潜变量设定、S503路径构建、S504模型检验。
如图2所示,S5构建步骤具体如下:
S501.导入数据:所有指标的数据应以csv格式进行保存和整理,行标题为样品名称,列标题为指标名称,尽量减少缺失值的存在。本发明基于smartPLS软件2.0版,在软件中可直接导入csv数据文件并自动完成归一化,并排除缺失值;
S502.潜变量设定:潜变量的设定规则应基于生态学基础,将具有一定相似性或共同作用的指标归纳为一个无法直接测量且作用关键的综合变量,在本模型中,设置水体DOM、沉积物DOM和DOM分子三个潜变量作为DOM信息,设置关键物种、微生物多样性两个潜变量作为微生物信息,最后设置环境变量、水体营养物质和沉积物营养物质三个潜变量作为环境因子信息,其中,关键物种、水体营养物质和沉积物营养物质为形成型变量,其他为反应型变量。另外,若研究湖泊存在特殊的环境问题,可单独设置潜变量。比如岱海近年来存在盐化加剧的环境问题,可单独设置盐度作为环境因子中的特殊变量加入模型,探讨盐度对DOM和微生物的影响;
S503.路径构建:不同于以往将所有指标直接全部揉和的结构方程模型,本发明要求将指标按照体系进行分类,如沉积物体系、水体与微生物的交互体系等,分别建立相应的结构方程模型,对于每个模型,应通过路径的指向对DOM、微生物信息进行分别讨论,即分别以DOM信息和微生物信息为因变量单独建立模型,在因变量之间应通过添加路径的方式验证是否存在中介效应;
S504.模型检验:模型最大迭代次数为300次,收敛至10-7,为了验证路径系数的显著性,使用自助法计算p值,设置子样本数量为500,显著性水平阈值为0.05。
进一步的,先应验证模型适应性指标Goodness of fitting(GOF)值是否大于0.36,以确保模型整体合理有效。分析时,可挑选路径系数具有显著性的部分进行因果关系论述,应重点关注中介效应的解释。
进一步的,S504中验证因变量之间是否存在中介效应(如图7),判定条件为:
若p1,p2显著,p3不显著,则存在完全中介效应;
若p1,p2和p3都显著,则存在部分中介效应;
其中,p1,p2,p3为路径系数。
具体的,p1,p2,p3为路径系数,即箭头起始端的变量变化1,末端变量会变化pn,用来解释中介效应,并未以具体变量的形式出现在模型中,如图4,沉积物DOM,关键物种和微生物多样性组成了一个如图3所示的中介效应,p1为0.936,p2为1.048,p3不显著因此未给出,该处存在完全中介效应。
进一步的,与图1所述的方法相对应,本发明实施例还提供了基于湖泊生态要素耦合关系模型获取生态影响机制的系统,用于对图1中方法的具体实现,其系统框图如图8所示,具体包括:采集样本模块、指标筛选模块、指标测定模块、数据预处理模块、模型建立模块;
采集样本模块,与指标测定模块的输入端相连,用于采集不同季节、不同点位、不同深度的水体和沉积物样本;
指标筛选模块,与指标测定模块输入端相连,用于选择表征DOM信息、微生物群落信息和环境因子信息的指标;
指标测定模块,与数据预处理模块输入端相连,用于对指标筛选后的DOM信息、微生物群落信息、环境因子信息进行指标测定,得到指标测定数据;
数据预处理模块,与模型建立模块输入端相连,用于对DOM信息和微生物群落信息进行数据预处理;
模型建立模块,根据筛选的数据指标建立潜变量,按照沉积物体系、水与沉积物的交互体系分配到模型中,包括导入数据模块、潜变量的设定模块、路径构建模块、模型检验模块。
进一步的,如图9所示模型建立模块包括:导入数据单元、潜变量设定单元、路径构建单元、模型检验单元;
导入数据单元,与潜变量设定单元的输入端相连,用于对所有指标的数据以csv格式进行保存和整理,行标题为样品名称,列标题为指标名称;
潜变量设定单元,与路径构建单元的输入端相连,用于设置水体DOM、沉积物DOM、和DOM分子三个潜变量作为DOM信息,设置关键物种、微生物多样性两个潜变量作为微生物信息,设置环境变量、水体营养物质和沉积物营养物质三个潜变量作为环境因子信息,关键物种、水体营养物质和沉积物营养物质为形成型变量,其他为反应型变量;
路径构建单元,与模型检验单元的输入端相连,用于将指标按照体系进行分类,分别建立相应的结构方程模型,分别以DOM信息和微生物信息为因变量单独建立模型,在因变量之间通过添加路径的方式验证是否存在中介效应;
设置子样本数量为第一预设值,显著性水平阈值为第二预设值,验证模型适应性指标GOF值是否大于第三预设值,同时验证因变量之间是否存在中介效应。
如图3所示,该图选取了与沉积物体系相关的五个潜变量,分别为沉积物营养物质、沉积物DOM、DOM分子、关键物种和微生物多样性,并以微生物信息作为因变量建立路径,该模型GOF=0.996,在验证中介效应后,发现关键物种是DOM对微生物多样性影响的完全中介变量,意味着DOM通过影响关键物种从而影响了微生物多样性,路径系数为0.936和1.048,具有显著性。
如图5所示,均为沉积物体系相关潜变量,但图5将DOM作为因变量建立了路径,该模型GOF=0.464,经验证,路径间不存在中介效应,关键物种对DOM存在显著影响,路径系数为0.768,与图4相比,同一路径不同方向路径系数的差异指示着存在耦合作用的两个指标互相影响的作用大小,比如图5和图4的对比就指示了在该示例湖泊中DOM对微生物群落的影响大于微生物的群落对DOM的反作用。
图6选取了在水与沉积物体系中存在交互的六个潜变量,分别为水体营养物质、水体DOM、环境变量、盐度、关键物种和微生物多样性,该模型GOF=0.995,验证中介效应后,发现在该示例中,水体DOM、营养物质、盐度和环境变量都通过关键物种的中介效应影响了微生物多样性,路径系数分别为-0.913、0.825、0.511和-0.844,负路径系数代表反向作用,正路径系数代表正向作用。
本发明将整个湖泊生态系统结构方程模型分为了四个模块(图4-7),图4和图5为沉积物体系,所选变量均为沉积物相关变量,图6和图7为水体与沉积物交互体系,所选变量为水体相关变量和沉积物微生物变量,图4和图6以微生物信息为主要研究变量,而图5和图7则以DOM信息为主要研究变量。
其中,图4-7中路径上的数字代表路径系数,虚线代表路径系数不显著,实线代表路径系数显著,箭头表示路径方向。
在一个具体的实施例中,通过对岱海水体和沉积物的三维荧光光谱分析,从水体和沉积物中解析出四种荧光物质,分别为类色氨酸、类酪氨酸、内源腐殖质和陆源腐殖质,微生物关键物种选择了厚壁菌门、放线菌门、α变形菌纲、酸微菌纲和硫杆菌属,分别以DOM和微生物信息为因变量对沉积物体系和水体与沉积物的交互体系分别进行分析后,得出以下结论:
沉积物中的DOM显著影响着微生物群落,且存在中介效应,DOM通过促进关键物种改善微生物多样性;
相对的,关键物种显著促进沉积物中的DOM生成,但影响程度不及DOM对关键物种的影响;
环境因子显著影响着微生物群落,且存在中介效应,盐度、水质、水中营养物质对微生物多样性的影响是通过影响关键物种实现的,另外水体中的DOM通过抑制关键物种影响了微生物多样性;
水中营养物质与水中DOM丰度正相关显著,主要原因为TOC代表了DOM的总量。其他潜变量对DOM不产生显著影响。
该模型将岱海复杂的生态元素按体系清晰梳理,阐明了环境扰动对生态系统影响的逻辑链条,对寒旱区湖泊生态系统保护做出贡献。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且不背离本发明的精神或基本特征的情况下,能够以其它的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.基于湖泊生态要素耦合关系模型获取生态影响机制的方法,其特征在于,包括以下步骤:
S1.采集样本:采集不同季节、不同点位、不同深度的水体和沉积物样本;
S2.指标筛选:选择表征DOM信息、微生物群落信息和环境因子信息的指标;
S3.指标测定:对S2中指标筛选后的DOM信息、微生物群落信息、环境因子信息进行指标测定,得到指标测定数据;
S4.数据预处理:根据S3中得到的指标测定数据,对DOM信息和微生物群落信息进行数据预处理;
S5.模型建立:根据筛选出的指标建立潜变量,按照沉积物体系、水与沉积物的交互体系分配到模型中,通过导入数据、潜变量的设定、路径构建、模型检验,实现模型建立;
S5.模型建立具体包括以下步骤:
S501.导入数据:所有指标测定数据以csv格式进行保存和整理,行标题为样品名称,列标题为指标名称;
S502.潜变量设定:设置水体DOM、沉积物DOM、和DOM分子三个潜变量作为DOM信息,设置关键物种、微生物多样性两个潜变量作为微生物群落信息,设置环境变量、水体营养物质和沉积物营养物质三个潜变量作为环境因子信息,关键物种、水体营养物质和沉积物营养物质为形成型变量,其他为反应型变量;
S503.路径构建:将指标按照体系进行分类,分别建立相应的结构方程模型,分别以DOM信息和微生物群落信息为因变量单独建立模型,在因变量之间通过添加路径的方式验证是否存在中介效应;
S504.模型检验:设置子样本数量为第一预设值,显著性水平阈值为第二预设值,验证模型适应性指标GOF值是否大于第三预设值,同时验证因变量之间是否存在中介效应。
2.根据权利要求1所述的基于湖泊生态要素耦合关系模型获取生态影响机制的方法,其特征在于,
S2.指标筛选结果:
表征DOM信息包括:表征DOM来源的荧光指数FI、表征DOM腐殖化程度的腐殖化指数HIX和表征新产生DOM的生物指数BIX;
微生物群落信息包括:选择不同分类水平上丰度高、季节变化明显的物种作为模型的关键物种指标,添加五种α多样性指标来表征微生物多样性;
环境因子信息包括:基本水质指标水温、溶解氧和pH,营养指标沉积物总碳、沉积物总氮、水体总有机碳和水体总氮。
3.根据权利要求1所述的基于湖泊生态要素耦合关系模型获取生态影响机制的方法,其特征在于,
S3.指标测定的具体内容为:通过三维荧光和高分辨率傅里叶变换离子回旋共振质谱对DOM信息进行测定;通过16s-RNA高通量测序技术对微生物群落信息进行测定;对于环境因子信息进行理化指标的测定。
4.根据权利要求1所述的基于湖泊生态要素耦合关系模型获取生态影响机制的方法,其特征在于,
S4.数据预处理具体内容为:荧光光谱应进行平行因子分析,解析出组分后以相对荧光强度表征各荧光组分的含量,同时计算生物指数BIX、荧光指数FI和腐殖化指数HIX,微生物群落信息应计算α多样性指数。
5.根据权利要求4所述的基于湖泊生态要素耦合关系模型获取生态影响机制的方法,其特征在于,
S504中验证因变量之间是否存在中介效应,判定条件为:
若p1,p2显著,p3不显著,则存在完全中介效应;
若p1,p2和p3都显著,则存在部分中介效应;
其中,p1,p2,p3为路径系数。
6.基于湖泊生态要素耦合关系模型获取生态影响机制的系统,其特征在于,应用权利要求1-5任一项所述的基于湖泊生态要素耦合关系模型获取生态影响机制的方法,包括:采集样本模块、指标筛选模块、指标测定模块、数据预处理模块、模型建立模块;
采集样本模块,与指标测定模块的输入端相连,用于采集不同季节、不同点位、不同深度的水体和沉积物样本;
指标筛选模块,与指标测定模块输入端相连,用于选择表征DOM信息、微生物群落信息和环境因子信息的指标;
指标测定模块,与数据预处理模块输入端相连,用于对指标筛选后的DOM信息、微生物群落信息、环境因子信息进行指标测定,得到指标测定数据;
数据预处理模块,与模型建立模块输入端相连,用于对DOM信息和微生物群落信息进行数据预处理;
模型建立模块,根据筛选的数据指标建立潜变量,按照沉积物体系、水与沉积物的交互体系分配到模型中,包括导入数据模块、潜变量的设定模块、路径构建模块、模型检验模块;
模型建立模块具体包括以下单元:导入数据单元、潜变量设定单元、路径构建单元、模型检验单元;
导入数据单元,与潜变量设定单元的输入端相连,用于对所有指标的数据以csv格式进行保存和整理,行标题为样品名称,列标题为指标名称;
潜变量设定单元,与路径构建单元的输入端相连,用于设置水体DOM、沉积物DOM、和DOM分子三个潜变量作为DOM信息,设置关键物种、微生物多样性两个潜变量作为微生物信息,设置环境变量、水体营养物质和沉积物营养物质三个潜变量作为环境因子信息,关键物种、水体营养物质和沉积物营养物质为形成型变量,其他为反应型变量;
路径构建单元,与模型检验单元的输入端相连,用于将指标按照体系进行分类,分别建立相应的结构方程模型,分别以DOM信息和微生物信息为因变量单独建立模型,在因变量之间通过添加路径的方式验证是否存在中介效应;
模型检验单元,用于设置子样本数量为第一预设值,显著性水平阈值为第二预设值,验证模型适应性指标GOF值是否大于第三预设值,同时验证因变量之间是否存在中介效应。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211179115.2A CN115575363B (zh) | 2022-09-27 | 2022-09-27 | 一种获取生态影响机制的方法及系统 |
PCT/CN2023/105827 WO2024066642A1 (zh) | 2022-09-27 | 2023-07-05 | 一种获取生态影响机制的方法及系统 |
US18/387,860 US20240111923A1 (en) | 2022-09-27 | 2023-11-08 | Method and system for obtaining ecological impact mechanism |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211179115.2A CN115575363B (zh) | 2022-09-27 | 2022-09-27 | 一种获取生态影响机制的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115575363A CN115575363A (zh) | 2023-01-06 |
CN115575363B true CN115575363B (zh) | 2023-06-13 |
Family
ID=84583407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211179115.2A Active CN115575363B (zh) | 2022-09-27 | 2022-09-27 | 一种获取生态影响机制的方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115575363B (zh) |
WO (1) | WO2024066642A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115575363B (zh) * | 2022-09-27 | 2023-06-13 | 北京航空航天大学 | 一种获取生态影响机制的方法及系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI582238B (zh) * | 2012-07-17 | 2017-05-11 | 奈寇公司 | 建構於處理樣品中微生物的多樣性指數及生存力指數之方法 |
CN103886217A (zh) * | 2014-04-04 | 2014-06-25 | 江苏省环境科学研究院 | 一种河湖沉积物中重金属污染的生态风险确定方法 |
CN106202163A (zh) * | 2016-06-24 | 2016-12-07 | 中国环境科学研究院 | 通江湖泊生态监测信息管理及预警系统 |
CN106202960A (zh) * | 2016-07-21 | 2016-12-07 | 沈阳环境科学研究院 | 一种基于湖泊水生态系统的健康评价方法 |
CN108108911B (zh) * | 2018-01-09 | 2020-09-15 | 中国科学院南京地理与湖泊研究所 | 基于水生态系统健康的大型湖泊分区水质目标制定方法 |
RU2732100C1 (ru) * | 2019-12-26 | 2020-09-11 | Общество с ограниченной ответственностью "Научно-исследовательский институт проблем Каспийского моря" | Система интегральной оценки качества среды и биоты моря по комплексным исследованиям состояния локального биоценоза стационарных биостанций. |
CN111429039A (zh) * | 2020-04-26 | 2020-07-17 | 国家海洋环境监测中心 | 一种海岛生态脆弱性评估方法 |
CN113157772B (zh) * | 2021-04-29 | 2023-04-28 | 东莞理工学院 | 一种基于古湖沼学方法的湖泊适宜生态水位确定方法 |
CN113555059B (zh) * | 2021-06-25 | 2024-02-02 | 中国科学院南京地理与湖泊研究所 | 环境变化下有机碳和微生物耦合关系的定量方法 |
CN114240196A (zh) * | 2021-12-21 | 2022-03-25 | 中国科学院东北地理与农业生态研究所 | 一种基于水动力-水质-生态模型的湖泊多水源调控方法 |
CN114386710A (zh) * | 2022-01-20 | 2022-04-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于stl-rf-lstm的湖泊蓝藻水华长期预报方法与系统 |
CN115034425B (zh) * | 2022-03-08 | 2024-07-26 | 武汉大学 | 耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 |
CN115575363B (zh) * | 2022-09-27 | 2023-06-13 | 北京航空航天大学 | 一种获取生态影响机制的方法及系统 |
-
2022
- 2022-09-27 CN CN202211179115.2A patent/CN115575363B/zh active Active
-
2023
- 2023-07-05 WO PCT/CN2023/105827 patent/WO2024066642A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024066642A1 (zh) | 2024-04-04 |
CN115575363A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mentges et al. | Functional molecular diversity of marine dissolved organic matter is reduced during degradation | |
Wilmes et al. | A decade of metaproteomics: where we stand and what the future holds | |
D'Andrilli et al. | An ultrahigh‐resolution mass spectrometry index to estimate natural organic matter lability | |
US20240111923A1 (en) | Method and system for obtaining ecological impact mechanism | |
Cooper et al. | A history of molecular level analysis of natural organic matter by FTICR mass spectrometry and the paradigm shift in organic geochemistry | |
Graham et al. | Multi'omics comparison reveals metabolome biochemistry, not microbiome composition or gene expression, corresponds to elevated biogeochemical function in the hyporheic zone | |
Buzzard et al. | Continental scale structuring of forest and soil diversity via functional traits | |
Kim et al. | Analysis of environmental organic matters by Ultrahigh‐Resolution mass spectrometry—A review on the development of analytical methods | |
Longnecker et al. | Using network analysis to discern compositional patterns in ultrahigh‐resolution mass spectrometry data of dissolved organic matter | |
CN104820873A (zh) | 一种基于金属定量构效关系的淡水急性基准预测方法 | |
CN103776891B (zh) | 一种检测差异表达蛋白质的方法 | |
CN115575363B (zh) | 一种获取生态影响机制的方法及系统 | |
Kelly | Use of similarity measures for quality control of benthic diatom samples | |
CN113658640B (zh) | 一种淡水生态系统健康评价方法 | |
CN112150044B (zh) | 基于高分辨率质谱的污水厂含氮有机物去除效果评价方法 | |
Osterholz et al. | Accumulation of DOC in the South Pacific subtropical gyre from a molecular perspective | |
Myrold et al. | Classical techniques versus omics approaches | |
Overy et al. | “Omics” technologies for the study of soil carbon stabilization: a review | |
Brown et al. | Soil metabolomics-current challenges and future perspectives | |
Laffely et al. | Dissolved organic carbon chemical composition controls the rate of CO2 release from rewetted soil | |
Cui et al. | Chemodiversity of riverine dissolved organic matter: Effects of local environments and watershed characteristics | |
CN109632738B (zh) | 一种评价湖库富营养化程度的方法 | |
Drenovsky et al. | New and current microbiological tools for ecosystem ecologists: towards a goal of linking structure and function | |
CN113916817B (zh) | 用于城镇生活饮用水的光谱法色度在线测量方法 | |
CN113555059A (zh) | 环境变化下有机碳和微生物耦合关系的定量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |