首页分享一种基于机器学习和环境DNA技术的鱼类完整性指数评价水体健康状况的方法与流程

一种基于机器学习和环境DNA技术的鱼类完整性指数评价水体健康状况的方法与流程

来源：萌宠菠菠乐园时间：2025-03-06 17:27

本发明属于水生态环境监测领域，尤其涉及一种基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法。

背景技术：

1、在水生态环境监测和评价的学术与实践领域中，鱼类群落的结构与多样性是评估水体生态健康状况的关键生物指标。鱼类作为水生食物链中的顶级消费者，其分布和种群动态对水体的理化特性和环境变化极为敏感，能够为生态系统的健康状况提供直观而及时的反馈。因此，开展深入的鱼类群落调查与评估，并据此发展一套综合性的鱼类完整性评价指标体系，对于水生态环境的研究与管理具有至关重要的作用。

2、现行的鱼类生物完整性指数(fish index of biotic integrity,f-ibi)在淡水生态系统健康评价中扮演着核心角色，它为水质评估提供了一套量化和科学的基准，并对水体的生态健康状态进行判定。然而，现行f-ibi的构建与应用主要基于传统的形态学物种识别方法，这些方法不仅操作繁琐、耗时长久，而且高度依赖于分类学家的专业知识和经验。受限于专业人员的经验和可识别物种的数量，传统方法在物种多样性的覆盖度和识别精度上存在明显局限，导致f-ibi的评估结果可能无法全面捕捉水生态系统的生物多样性和完整性。此外，构建f-ibi所使用的候选参数种类相对较少，这也影响了其在生态环境监测和评价中的适用性和准确性，使水生态环境评估并不准确。

技术实现思路

1、为解决上述技术问题，本发明提出了一种基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，以解决上述现有技术存在的问题。

2、为实现上述目的，本发明提供了一种基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，包括以下步骤：

3、采集水样，提取水样中的edna并进行edna的扩增测序，获得扩增子序列信息；

4、基于鱼类线粒体基因组数据库对所述扩增子序列信息进行种类标注，获得候选指标，所述候选指标包括种类组成与丰度指标和多样性指数；

5、基于候选指标构建鱼类生物完整性指数；

6、基于随机森林算法对候选指标进行筛选，获得对水生态系统健康具有显著指示作用的关键鱼类指标；

7、将所述关键鱼类指标添加至所述候选指标中，获得优化后的鱼类生物完整性指数，基于优化后的鱼类生物完整性指数评估水体健康状况。

8、优选地，在基于随机森林算法对候选指标进行筛选之前，还需要对鱼类丰度原始数据进行标准化处理。

9、优选地，所述标准化处理的方法包括：

10、将每个样本中的物种丰度值除以该样本的丰度中位数；

11、对所述鱼类丰度原始数据执行自然对数转换；

12、计算每个物种在所有样本中的丰度，并从该物种的丰度均值中减去每个样本的丰度，然后除以该物种的丰度标准差。

13、优选地，获取关键鱼类指标的方法包括：通过随机森林算法对候选指标进行筛选，获得重要性排前三的物种，将重要性排前三的物种丰度之和作为关键鱼类指标。

14、优选地，将所述关键鱼类指标添加至所述候选指标中后还需剔除无法区分参照点与受损点的指标；剔除方法包括：通过判别能力箱线图分析，剔除无法区分参照点与受损点的指标。

15、优选地，所述多样性指数包括样本中所含otu数目的指数、simpson指数值和shannon值。

16、优选地，所述样本中所含otu数目的指数的计算表达式为：

17、

18、其中，schao1为估计的otu数；sobs为实际观测到的otu数；n1为只含有一条序列的otu数目；n2为只含有两条序列的otu数目。

19、优选地，所述simpson指数值的计算表达式为：

20、

21、其中，sobs为实际观测到的otu数目；ni为第i个otu所含的序列数；n为所有的序列数。

22、优选地，所述shannon值的计算表达式为：

23、

24、其中，sobs为实际观测到的otu数目；ni为第i个otu所含的序列数；n为所有的序列数。

25、与现有技术相比，本发明具有如下优点和技术效果：

26、本发明通过随机森林算法对环境dna数据进行深入分析，成功识别了对水体健康状况具有显著指示作用的关键物种。随机森林算法的高效模式识别能力，使得从复杂的edna数据中提取精确信息成为可能，为水生态健康评价提供了更为精确的生物标志。

27、将随机森林分析确定的重要物种纳入f-ibi指数的构建过程，作为新的评价指标。这一创新步骤不仅提高了f-ibi评价体系的科学性，也增强了其实用性。通过这种方式，f-ibi指数能够更全面地反映水生态系统的鱼类生物完整性，从而提供更准确的水体健康状况评估。

28、本发明采用的edna技术和随机森林算法，大幅提高了环境监测的响应速度，使得对水体健康状况的快速评估成为可能。此外，该方法的高通量特性也允许对更广泛的区域进行监测，扩大了监测的覆盖范围，为水生态环境保护提供了更为有效的数据支持。

技术特征：

1.一种基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，其特征在于，

3.根据权利要求2所述的基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，其特征在于，

4.根据权利要求1所述的基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，其特征在于，

5.根据权利要求1所述的基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，其特征在于，

6.根据权利要求1所述的基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，其特征在于，

7.根据权利要求6所述的基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，其特征在于，

8.根据权利要求6所述的基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，其特征在于，

9.根据权利要求6所述的基于机器学习和环境dna技术的鱼类完整性指数评价水体健康状况的方法，其特征在于，

技术总结
本发明公开了一种基于机器学习和环境DNA技术的鱼类完整性指数评价水体健康状况的方法，包括以下步骤：采集水样，提取水样中的eDNA并进行eDNA的扩增测序；基于鱼类线粒体基因组数据库对扩增后的子序列信息进行种类标注，获得候选指标，所述候选指标包括种类组成与丰度指标和多样性指数；基于候选指标构建鱼类生物完整性指数；基于随机森林算法对候选指标进行筛选，获得关键鱼类指标；将所述关键鱼类指标添加至所述候选指标中，获得优化后的鱼类生物完整性指数评估水体健康状况。本发明通过随机森林算法能够筛选出更具代表性和精准度的候选参数，从而优化F‑IBI指数的构建，增强了评价体系的科学性和实用性。

技术研发人员：曾露苹,谢柯檀,黄邦杰,杜宏伟,房怀阳,简宏先,谭秀琴,李文静,温婧,杨馥榕
受保护的技术使用者：生态环境部华南环境科学研究所（生态环境部生态环境应急研究所）
技术研发日：
技术公布日：2024/10/31