[发明专利]一种构建历史时期湖泊浮游植物群落的方法

摘要

本发明针对湖泊历史时期生物物种数据短缺的问题，发明了一种以湖泊表水理化因子、水中浮游植物群落及表层沉积物理化因子为依据，运用小波分析、遗传算法、典范对应分析的数学模型构建历史时期浮游植物群落的方法，从而了解历史时期湖泊浮游植物群落与理化因子的作用关系，对理解历史时期湖泊环境演变及生态系统状况起着重要作用。

主权项

1.一种利用湖泊表水理化因子、表水浮游植物群落及表层沉积物理化因子构建历史时期浮游植物群落的方法，其特征在于：运用小波分析选出表水中及表层沉积物中的关键理化因子，借助遗传算法确定两种关键理化因子的定量关系，从而推算出对应历史时期表水中关键理化因子值，通过典范对应分析探索表水理化因子与浮游植物群落的响应关系，基于历史时期表水中关键理化因子值及响应关系，从而构建历史时期湖泊浮游植物群落，具体步骤如下：1)筛选关键理化因子运用Haar小波分解模式分析理化因子的变化趋势，Haar小波的光滑性较差，但具有很好的局部性，可以对波动信号的总体趋势进行分析，局部振荡较大的理化因子表明其变化具有显著性，理化因子的变化梯度大有助于分析浮游植物群落的结构变化Haar小波：其中，θ(t)表示一个基小波小波母函数公式：ψa,b(x)=|a|1/2ψ(x-ba)]]>其中，a，b∈R，a≠0，a为尺度因子，b为沿样带的距离当a＝2^j，b＝k2^j，采样间隔取1时，小波滤波函数为：g_j，k(x)＝2^-j/2g(2^-jx-k)其中j，k∈N，j为小波分解的水平数，k为采样点数则进行j次分解的小波变换函数为：其中，x＝1，2，3，...，k，s(x)为信号数据序列2)分析关键理化因子的相关性表层沉积物是湖泊表水中的颗粒纤过沉积作用形成的，表水中的理化因子与表层沉积物中的理化因子存在一定的作用关系，运用回归方程建立两种关键理化因子的相关性，引入遗传算法确定回归方程的系数，可有效减少回归分析中的人工干预程度A、设定回归方程：y＝β₁x+β₂x²+β₃x³+...+β_nxⁿ其中x代表表水关键理化因子，y代表表层沉积物关键理化因子B、将待确定系数按顺序排列构成个体的染色体向量为{β₁，β₂，...，β_n }，染色体向量的每个分量成为一个基因，若干个基因{β₁，β₂，...，β_m}编制成个体，多个个体构成一组种群，设置种群的数目，为偶数C、设置杂交和变异的概率杂交的过程：选定两个父向量father1={β11,β21,...,βk1},]]>father2={β12,β22,...,βk2},]]>随机生成n个(0，1)区间的数a₁，a₂，...，a_n，两个后代定义为变异的过程：每个待确定系数均有上下限，设定上限为c_i，下限为d_i，产生(0，1)之间的随机数k，则父代为β_j的基因经过变异，子代为child＝d_i+k(c_i-d_i)D、适应值评价函数将所有自变量样本值x_i带入回归方程计算得出Y_i，然后将Y_i与实际因变量y_i的差值平方和ξ作为评价标准当取得极小值运算终止，确定回归系数3)表水关键理化因子与浮游植物的响应关系不同浮游植物物种对理化因子的响应程度有差异，浮游植物主要指浮游藻类，主要分为硅藻、绿藻、蓝藻、甲藻、金藻属，通过鉴别分析选取各属中百分含量大于10％的种作为代表种，运用典范对应分析探讨代表种与关键理化因子的关系A、确定表水采样点的排序值B、将采样点的排序值与表水关键理化因子用回归分析法结合起来，其回归方程为：Z_j＝b₀+bU_jZ_j代表第j个采样点的排序值，b₀为截距，b为采样点与表水关键理化因子之间的回归系数，U_j代表表水关键理化因子在第j个采样点的观测值C、运用采样点的排序值加权平均求浮游植物代表种的排序值Spk=Σj=1nZj×AbundkjΣj=1nAbundkj]]>Sp_k代表第k种浮游植物的排序值，Abund_kj代表第k种浮游植物在第j个采样点的丰富度，n代表采样点的数目D、建立表水关键理化因子与浮游植物代表种的对应关系4)构建历史时期浮游植物群落及模型验证测定沉积柱各剖面层中的关键理化因子，根据表水和表层沉积物理化因子的定量关系，计算各剖面层对应的历史时期湖泊表水中关键理化因子值，基于浮游植物代表种与表水关键理化因子的响应关系，构建历史时期湖泊浮游植物群落，同时鉴别并统计沉积柱各剖面层中的硅藻物种，对模型结果进行验证。