基于机器学习KNN方法的星云湖表层沉积物氮、磷元素空间分布及驱动因素研究

Spatial characteristics and driving factors of nitrogen and phosphorus in surface sediments of Xingyun Lake based on the machine learning KNN method

二维码有效期 120s

摘要通过测定星云湖23个表层沉积物中氮、磷元素含量,结合该湖泊不同时期的营养盐数据和机器学习K近邻(KNN)、反距离权重(IDW)、普通克里金(OK)及核平滑(KS)方法,分析表层沉积物中氮、磷元素含量的空间分布特征及各插值模型预测的精度,研究星云湖氮、磷浓度持续增加的影响因素,探讨机器学习KNN算法在湖泊表层沉积物氮、磷元素含量预测中的优势.结果表明:星云湖表层沉积物TN含量在0.56％～0.86％,平均值为0.71％;TP含量介于0.57％～0.91％,平均值为0.78％.4种算法模型插值预测的氮、磷元素空间分布具有一定的相似性,但在不同时期KNN算法的空间插值预测误差最小,拟合精度高于传统插值模型,并将其运用于已有的相关研究结果中,发现在氮、磷浓度相对较低时KNN模型的空间预测精度更高.研究表明,星云湖表层沉积物氮、磷元素浓度整体呈上升趋势,其不同时期和空间上的差异主要由流域内土地利用类型、农业面源及湖泊自然要素等影响.研究结果将为低纬高原湖泊表层沉积物营养盐空间预测及湖泊生态保护提供一定参考.