利用多元统计分析筛选出东江流域对硅藻群落影响最大的环境变量,并对附着硅藻与该环境变量转换函数模型的适用性进行了评估。结果显示:13个环境变量中,电导率(conductivity,Cond.)的第一特征值(λ1)和第二特征值(λ2)的比值(λ1/λ2)最...利用多元统计分析筛选出东江流域对硅藻群落影响最大的环境变量,并对附着硅藻与该环境变量转换函数模型的适用性进行了评估。结果显示:13个环境变量中,电导率(conductivity,Cond.)的第一特征值(λ1)和第二特征值(λ2)的比值(λ1/λ2)最高,为0.8,成为用于加权平均回归分析(Weighted averaging analysis,WA)建模的环境变量。用WA初步建立了东江流域附着硅藻-电导率转换函数模型,反向的WA方法提供了最小的推导误差值(Root mean square error of prediction,RMSEP)(RMSEP=0.209)和最高的电导率推导值与实测值的回归相关系数(R2=0.778)而成为最佳建模方法。在删除异常样品后,硅藻-电导率转换函数的推导能力增加,推导误差值降低(RMSEP=0.183),实测值与推导值的回归相关系数提高(R2=0.818)。结果表明,电导率是影响东江流域硅藻群落最大的环境变量,建立的附着硅藻-电导率转换函数模型适用于东江流域电导率值的推导。展开更多
文摘利用多元统计分析筛选出东江流域对硅藻群落影响最大的环境变量,并对附着硅藻与该环境变量转换函数模型的适用性进行了评估。结果显示:13个环境变量中,电导率(conductivity,Cond.)的第一特征值(λ1)和第二特征值(λ2)的比值(λ1/λ2)最高,为0.8,成为用于加权平均回归分析(Weighted averaging analysis,WA)建模的环境变量。用WA初步建立了东江流域附着硅藻-电导率转换函数模型,反向的WA方法提供了最小的推导误差值(Root mean square error of prediction,RMSEP)(RMSEP=0.209)和最高的电导率推导值与实测值的回归相关系数(R2=0.778)而成为最佳建模方法。在删除异常样品后,硅藻-电导率转换函数的推导能力增加,推导误差值降低(RMSEP=0.183),实测值与推导值的回归相关系数提高(R2=0.818)。结果表明,电导率是影响东江流域硅藻群落最大的环境变量,建立的附着硅藻-电导率转换函数模型适用于东江流域电导率值的推导。
