方法
為了評估有害藍(lán)藻水華預(yù)測和預(yù)報模型的當(dāng)前知識，進行了系統(tǒng)的文獻綜述(SLR)。具體來說，是對應(yīng)用于靜水水體淡水系統(tǒng)中已發(fā)表的有害藍(lán)藻水華模型的案例進行了批判性綜述。
SLR通過明確界定搜索關(guān)鍵詞和納入/排除標(biāo)準(zhǔn)，對現(xiàn)有文獻進行了可靠的評估。此外，它還是可重復(fù)的。SLR從數(shù)據(jù)源的標(biāo)識和搜索標(biāo)準(zhǔn)的定義開始。然后，根據(jù)一組與研究目的相關(guān)的任意標(biāo)準(zhǔn)，文章會被包括或排除在最終樣本中。最后，從樣本全文中提取感興趣的數(shù)據(jù)，然后進行分析和總結(jié)。我們知道，即使從SLR中提取了一個重要的樣本，并不是所有相關(guān)的參考資料都被SLR所收集。在某些情況下，盡管SLR的結(jié)果中沒有包含的一些參考文獻，但也涵蓋在這次討論中。在這次SLR中應(yīng)用的方法如圖1所示。
1.數(shù)據(jù)來源和檢索標(biāo)準(zhǔn)
于2019年10月在Scopus、Web of Science、ProQuest數(shù)據(jù)庫上進行文獻檢索。通過將多個關(guān)鍵詞與布爾運算符AND、OR和NOT組合在三個數(shù)據(jù)庫中進行相同的搜索。搜索標(biāo)準(zhǔn)詳見補充材料1。只包括同行評審的期刊文章和用英語發(fā)表的圖書章節(jié)。
2. 納入和排除標(biāo)準(zhǔn)
接著將文章在三個不同層次上進行納入和排除(圖1)：i)標(biāo)題和關(guān)鍵詞，ii)摘要，iii)全文，按以下三個標(biāo)準(zhǔn)：
I)研究必須是在天然或人工淡水湖泊中進行的(排除小型臺架控制實驗?zāi)Ｐ?，在流水、咸水、海洋環(huán)境的研究，以及純概念模型)。
II)研究必須模擬藍(lán)藻動態(tài)或有害藍(lán)藻水華相關(guān)的環(huán)境或生理條件(排除水華模擬對人類或其他動物的經(jīng)濟影響或毒性的研究)。
III)模型必須包括藍(lán)藻動態(tài)行為的預(yù)報、預(yù)測，而不僅僅是倒推、驗證或?qū)τ^測數(shù)據(jù)提供定性的解釋。
如果沒有足夠的信息在標(biāo)題篩選期間排除一種文章，就將它包括在下一級(例如摘要篩選等)，直到對全文進行了評估。最后共有122份同行評議的期刊論章是全文評估的方式進行。
在篩選所有期刊論文后，按照相同的標(biāo)準(zhǔn)篩選圖書章節(jié)。章節(jié)只有在它們提出了新的案例研究時，才被包括在篩選的期刊論文庫中。在最后的樣本中增加了一個章節(jié)，因此最終包括123份文章。每個級別篩選的文章和排除數(shù)量如圖1所示。
3. 數(shù)據(jù)提取與匯總
從文章的最后樣本中提取數(shù)據(jù)，分為四組：
(1) 研究地點的特征：研究地點的信息，如模擬湖泊的數(shù)量、位置、營養(yǎng)狀態(tài)和循環(huán)模式;
(2)研究材料和方法：監(jiān)測特性如監(jiān)測持續(xù)時間、取樣頻率、地點數(shù)目和監(jiān)測技術(shù)。對于DD模型，還提取了用作模型訓(xùn)練輸入變量的物理、化學(xué)、生物和土地利用變量的類型;
(3)建模技術(shù)：提取每個研究案例的建模技術(shù)的數(shù)量和類型，并將其分類為PB模型或DD模型。確定了每個建模方法中最經(jīng)常出現(xiàn)的變量，以及用于優(yōu)化輸入變量或確定主要預(yù)測因素的統(tǒng)計程序。此外，盡可能提取和量化用于評估模型性能的指標(biāo);
(4)預(yù)測水平和模型應(yīng)用：通過預(yù)測水平和/或應(yīng)用于場景評估來評估模型的性能。此外，還記錄了藍(lán)藻分類水平和質(zhì)量/體積方面的最終模型輸出結(jié)果。
聲明：所載內(nèi)容來源互聯(lián)網(wǎng)，僅供參考，交流之目的，轉(zhuǎn)載的稿件版權(quán)歸原創(chuàng)和機構(gòu)所有，如有侵權(quán)，請聯(lián)系我們刪除。
市場服務(wù)中心
總經(jīng)辦
微信掃一掃
