利用高频传感器数据理解淡水流中水质变量与硝酸盐浓度之间的联系
摘要：用原位传感器进行实时监测越来越成为衡量流域水质的常见方法。高频率的测量产生了大量的数据，为改善对水质动态的理解和更有效地管理河流提供了机会。提高对硝酸盐（一种在水环境中最具反应性的无机氮形式）与其他水质变量之间关系的了解至关重要。我们分析了美国国家生态观测网络内不同流域和气候区域的三个点位处的原位传感器高频水质数据。我们使用广义可加混合模型来解释每个点位的硝酸盐浓度与电导率、浊度、溶解氧、水温和海拔之间的非线性关系。时间自相关性采用自回归滑动平均模型建模，并评估了解释变量的相对重要性。模型解释的总差异在所有点位都很高。尽管变量重要性和平滑回归参数在不同点位之间存在差异，但解释硝酸盐变异最多的模型都包含相同的解释变量。本研究表明，利用相同的水质解释变量构建硝酸盐模型是可行的，即使在具有非常不同环境和气候特征的点位。应用这样的模型将帮助管理者在目标是获取空间和时间上深入了解硝酸盐动态并相应地调整管理计划时，选择经济实惠的水质变量进行监测。
作者：Claire Kermorvant, Benoit Liquet, Guy Litt, Kerrie Mengersen, Erin Peterson, Rob Hyndman, Jeremy B. Jones Jr., and Catherine Leigh
论文ID：2106.01719
分类：Applications
分类简称：stat.AP
提交时间：2023-07-19