美数模——Hydrilla和HABs研究

美数模系列文章目录

数模
1、温度和二氧化碳预测及关系分析
2、Hydrilla和HABs

---

---

前言

background infromation

近年来Cayuga Lake一直受到入侵物种水藻（Hydrilla）和蓝藻(也称为有害藻华或HABs)的威胁。
社区科学研究所(CSI)培训志愿者进行监测和采集HAB样本。

---

一、问题重述

需要在Hydrilla和HABs中选择一个题目进行建模

Hydrilla(3选2)

• 模拟Hydrilla在Cayuga Lake的多年蔓延，在这种情况下，Hydrilla没有被处理，船只可能在这种扩散中发挥重要作用，因为它们可能将植物的小碎片运送到湖的其他地方。
• CLWN有大约40名志愿者参与监测Hydrilla的可能扩散和重新出现。这包括监测(a)所有以前处理过的区域，(b)附近未处理的区域，©湖的其余部分，以及(d)定期检查沿岸各个码头和登陆点的船只。您被要求就如何在这些任务中分配志愿者的工作提供建议。
• 反复提取沉积物的小样本(“岩芯”，每个岩芯约187平方厘米)，然后计算每个岩芯中发现的块茎的数量。每平方米42个或更多块茎的密度被认为是高的，这表明明年夏天这个地点将有许多水螅植物。在每个地点分析30个岩心是很常见的。但随着化学处理的继续和活块茎密度的减少，使用在不同岩心中观察到的数量来推断整体情况变得越来越困难。你需要提出一个算法，以便在何时请求额外的核心样本时做出适应性决策。

HABs

• 2021年，CSI依靠93名志愿者监测了约57%的湖岸。从表中可以看出，近年来已确定的HAB事件数量一直在稳步增加。但是，由于监测工作也在增加，我们对HABs总数的增加(包括那些没有被发现的)能说些什么呢?
  
• 志愿者选择了他们的个人责任区域(在这张地图上用灰色表示)，他们每周至少调查一次(通常是周日-周二)。除了这些常规的调查，当公众报告在志愿者的区域内或附近有可疑的生活区时，志愿者也可能会被要求进行抽查。请您估计2021年这些监测工作可能遗漏的HAB事件的数量。
  不是很理解怎么估计遗漏的HAB事件的数量
• 普遍的科学共识是，高浓度的磷和氮营养物质、温暖的水温和阳光直射会促进HABs的产生。营养物质的主要来源是在暴雨期间流入支流。你被要求看看哪些因素或因素组合与卡尤加湖的HAB事件联系最紧密。你可以使用CSI关于卡尤加湖支流的营养浓度的长期数据集，以及通过PRISM提供的当地气候数据。

二、Hydrilla参考论文

1.问题重述

• 哪些因素有助于植物的生长和传播？
• 植物的自然传播模式是什么样的？
• 如何准确、及时地监控工厂的当前分布？
• 人类活动，如划船和化学处理，如何影响植物？
• 如果样本的方差和均值的差值比较小，那么逻辑回归比较符合，但是在经过化学物质处理之后，样本在经过消毒的区域内和没有经过化学处理的区域势必会相差比较大，所以这时就需要增加样本的数量。S1单调递增，S2单调递减，两者终会相遇。

2.模型假设

• 块茎是指数/逻辑型增长的，但是一旦达到了每平方米6000就不会在生长

• 传播概率为35%
• 只能在0-25英尺的区域内生长

3.Hydrilla模型建立

该系统主要包括采样和仿真两个部分。第3节详细讨论了基于增强入侵植物种群动态(IPPD)模型的随机蒙特卡罗模拟。人类活动，如划船，被认为大大加速了海德拉的传播。在第4节中，使用统计方法来提高样本结果的可信度，从而保证更准确的模拟。

• Auld’s Model——Hydrilla的传播和生长模型（未添加船只因素）
  $P_n=P_{n-1}(1+r)(1-s)$
  其中P为n时刻Hydrilla密度，r为种群增长率，s为扩散率。
• Invasive Plant Population Dynamics Model(IPPD)——改良版Auld’s Model
  $\mathbb{E}\left[P_n(i,j)\right]=P_{n-1}(i,j)(1+r(1-s))+\mathbb{E}\left[I_n(i,j)\right]$
  其中Pn(i, j)表示时间n时位置(i, j)的Hydrilla种群(块茎数量)。In(i, j)是时间n时位置(i, j)的扩散增量
  原因:因为Hydrilla最终的形态是块茎，所以不同生长状态的Hydrilla传播概率不同，只有刚生长出来的Hydrilla才有传播扩散的能力
• 考虑到Hydrilla移动能力一般，所以使用Auld’s Model
  s = 0.05；传播范围为3个单位；Hydrilla每天能长0.3米，能长到9米；相当于每长9米产生一个块茎
  $r=\frac{9m}{0.3m\times 30day}=1$
• 将分散的概率分布从均匀分布改为二元正态分布,任何半径大于3单位的传播概率都为0
  Auld’s Model的另外一个缺陷是从一点传播到另一点的概率相同
  $\mathbb{E}[I(i,j)]=\iint f(x,y)P(i+x,j+y)rsdxdy$
  扩散增量I(I, j)；f(x, y)为正态分布的概率密度函数，反映了Hydrilla从位置(i+x, j+y)向(i, j)扩散的概率。
• 传播总数Pn-1rs服从二项分布；块茎增长数量符合中心极限定理；
  $N\left(P_{n-1}(i,j)rs,P_{n-1}(i,j)rs(1-s)\right)$
  在实际编码中，我们引入一个中间变量En(i, j)作为在n时刻远离(i, j)的Hydrilla种群，并通过伯努利计算En
  $P_n(i,j)=P_{n-1}(i,j)(1+r)-E_n(i,j)+I_n(i,j)$
• 结论：一旦Hydrilla在一个新的位置建立了自己，该区域很快就会变得高度集中

---

• 添加船只：因素，用mi表示码头i的权重，那么某一天从码头a出发到码头b的概率为:
  $p_{ab}=\frac{m_a{m}_b}{{\sum }_{i\ne j}{m}_i{m}_j}$
• 结论：划船极大地促进了水螅的传播，将Hydrilla引入到自然环境中无法到达的新地点；5年后，Hydrilla浓度高的敏感区差别不大。

---

• Spencer’s Logistic Regression
  从4942个岩心(即样本单位)中，数据之和为379个样本均值和相关的标准误差。
  Hydrilla的频率分布，服从对数正态分布
  $\log s^2=1.7039+1.2668\log \bar{x}$
  x为样本每平方米块茎的平均数量，s为样本标准差。
• The Baseline Approach
  卡尤加湖目前的采样设计包括在每个地点取30个岩心，每个岩心面积约为0.0187平方米。假设每个核心包含xi(1≤i≤30)个块茎，则每平方米的200个样本均值为
  $\bar{x}=\frac{\sum x_i/0.0187}{30}=\frac{\sum x_i}{0.561}$
  标准差为
  $s=\sqrt{\frac{\sum {\left(x_i-\bar{x}\right)}^2}{30-1}}$

4.HABS模型建立

本研究利用PLS-PM模型对A Baxe水库不同水文年的环境数据进行了不同的交互作用研究。

• 偏最小二乘路径建模
  分为内部模型和外部模型，在内部模型中，LV之间的联系通过路径系数(β)进行量化，而外部模型中LV与MV之间的联系通过权重(W)进行量化。
  潜在变量：Climatic conditions+Ecological integrity
  外部模型：Climatic conditions