方法
为了评估有害蓝藻水华预测和预报模型的当前知识,进行了系统的文献综述(SLR)。具体来说,是对应用于静水水体淡水系统中已发表的有害蓝藻水华模型的案例进行了批判性综述。
SLR通过明确界定搜索关键词和纳入/排除标准,对现有文献进行了可靠的评估。此外,它还是可重复的。SLR从数据源的标识和搜索标准的定义开始。然后,根据一组与研究目的相关的任意标准,文章会被包括或排除在最终样本中。最后,从样本全文中提取感兴趣的数据,然后进行分析和总结。我们知道,即使从SLR中提取了一个重要的样本,并不是所有相关的参考资料都被SLR所收集。在某些情况下,尽管SLR的结果中没有包含的一些参考文献,但也涵盖在这次讨论中。在这次SLR中应用的方法如图1所示。
1.数据来源和检索标准
于2019年10月在Scopus、Web of Science、ProQuest数据库上进行文献检索。通过将多个关键词与布尔运算符AND、OR和NOT组合在三个数据库中进行相同的搜索。搜索标准详见补充材料1。只包括同行评审的期刊文章和用英语发表的图书章节。
2. 纳入和排除标准
接着将文章在三个不同层次上进行纳入和排除(图1):i)标题和关键词,ii)摘要,iii)全文,按以下三个标准:
I)研究必须是在天然或人工淡水湖泊中进行的(排除小型台架控制实验模型,在流水、咸水、海洋环境的研究,以及纯概念模型)。
II)研究必须模拟蓝藻动态或有害蓝藻水华相关的环境或生理条件(排除水华模拟对人类或其他动物的经济影响或毒性的研究)。
III)模型必须包括蓝藻动态行为的预报、预测,而不仅仅是倒推、验证或对观测数据提供定性的解释。
如果没有足够的信息在标题筛选期间排除一种文章,就将它包括在下一级(例如摘要筛选等),直到对全文进行了评估。最后共有122份同行评议的期刊论章是全文评估的方式进行。
在筛选所有期刊论文后,按照相同的标准筛选图书章节。章节只有在它们提出了新的案例研究时,才被包括在筛选的期刊论文库中。在最后的样本中增加了一个章节,因此最终包括123份文章。每个级别筛选的文章和排除数量如图1所示。
3. 数据提取与汇总
从文章的最后样本中提取数据,分为四组:
(1) 研究地点的特征:研究地点的信息,如模拟湖泊的数量、位置、营养状态和循环模式;
(2)研究材料和方法:监测特性如监测持续时间、取样频率、地点数目和监测技术。对于DD模型,还提取了用作模型训练输入变量的物理、化学、生物和土地利用变量的类型;
(3)建模技术:提取每个研究案例的建模技术的数量和类型,并将其分类为PB模型或DD模型。确定了每个建模方法中最经常出现的变量,以及用于优化输入变量或确定主要预测因素的统计程序。此外,尽可能提取和量化用于评估模型性能的指标;
(4)预测水平和模型应用:通过预测水平和/或应用于场景评估来评估模型的性能。此外,还记录了蓝藻分类水平和质量/体积方面的最终模型输出结果。
声明:所载内容来源互联网,仅供参考,交流之目的,转载的稿件版权归原创和机构所有,如有侵权,请联系我们删除。