机器学习在抗生素的鉴定识别、微生物作用机制以及去除效果评估中的应用研究进展

抗生素在医疗卫生、养殖业等领域的广泛应用导致其随着医疗废弃物、废水等进入到自然环境并对人体健康和生态环境造成不利影响,而系统分析环境中残留抗生素的种类、明确其与微生物的作用机制以及开展不同处理方法的效果分析,对于准确评估抗生素的风险和控制其不利影响具有重要意义.作为一种辅助手段,机器学习算法在大量数据解析的基础上可进行结果评估和预测,因此可高效、低成本分析环境污染物的行为特征.基于此,本文综述了机器学习算法在抗生素鉴定识别、微生物作用机制和去除效果评估预测方面的应用现状,并概括了不同算法的应用特点和局限性.鉴于机器学习当前在抗生素研究中的重要作用,为其未来研究方向和发展提出展望,如在其它新兴污染物的环境行为、效应及控制等方面的应用.

基于Landsat影像的崇明岛东滩土壤盐分遥感反演技术

目前我国土地资源面临着严重的盐碱退化问题。以上海市崇明岛东滩盐碱土为研究对象,基于野外实地调查土壤盐分数据以及Landsat遥感影像数据计算获取的各波段反射率、盐分指数(salinity index,SI)、盐分指数1(salinity index 1,SI1)、归一化差分植被指数(normalized difference vegetation index,NDVI)、冠层盐分响应指数(canopy response salinity index,CRSI)和陆地表面水分指数(land surface water index,LSWI),采用多元样条自回归模型(multivariate adaptive regression splines,MARS)与偏最小二乘回归方法(partial least squares regression,PLSR)分别建立土壤盐分的回归模型,并对区域盐碱土的空间格局进行探究。结果表明:(1)滨海土壤盐分在近红外波段有明显的吸收作用,与近红外波段、短波红外波段和NDVI相关系数较高;(2)MARS模型较PLSR模型对于样点土壤盐分反演有更好的效果(R2分别为0.74和0.70);(3)崇明东滩滨海土壤盐分在空间上具有较高的异质性,水体附近和滩涂土壤盐分较高,林地和农田土壤盐分较低。该结果为滨海地区区域尺度上的土壤盐碱化监测提供范例,为滨海土壤盐渍化的治理及岛屿的生态建设提供参考依据。