|
PresentationsAnalysis of the state of natural phytoplankton from the Kalmius River using machine learning methodsМосковский государственный университет имени М. В. Ломоносова, Биологический факультет, 119991, Россия, г. Москва, ул. Ленинские горы, д. 1 1Донецкий государственный университет, Биологический факультет, 283001, Россия, ДНР, г. Донецк, ул. Университетская, д.24 В настоящее время одной из актуальных задач является анализ влияния различных факторов стресса на фотосинтетический аппарат природного фитопланктона, в частности – для оценки состояния его среды обитания. К факторам, воздействующим на фотосинтетический аппарат водорослей, относятся токсиканты, поступающие в водную среду в результате деятельности человека, а также колебания освещенности и температуры в течение года. Флуориметры дают возможность быстро измерять кривую индукции флуоресценции хлорофилла, по форме которой можно судить как об общей жизнеспособности фотосинтетического аппарата, так и о функциональном состоянии его отдельных элементов. При анализе больших массивов таких данных целесообразно использовать математические методы, в частности – статистические методы и машинное обучение (уменьшение размерности, кластеризация, классификация). В данной работе был проанализирован массив кривых индукции флуоресценции хлорофилла природного фитопланктона из реки Кальмиус, полученных в 2021 году из мониторинговых точек, расположенных на Нижнекальмиусском водохранилище, а также выше и ниже его по течению. Для каждой из рассмотренных кривых в программе PyPhotoSyn были рассчитаны 12 параметров JIP-теста. С целью удобства визуализации данных, было проведено уменьшение размерности данных при помощи метода t-SNE, что дало возможность выделить группы данных, различающихся по местам и времени обора проб. Для данных, полученных за летний и осенний периоды, наблюдались явно выраженные различия между пробами из НКВ и пробами ниже по течению, чем НКВ, в результате чего они выделились в отдельные группы. Данные, полученные за весенний период, а также для русла реки выше по течению, чем НКВ, были объединены в одну группу. Для большинства рассмотренных параметров сезонные различия более выражены, чем различия, связанные с местом отбора проб: в частности, для летнего периода наблюдается возрастание квантового выхода первичной фотохимии, характеризующего эффективность работы фотосистемы II. Далее был построен классификатор по алгоритму «случайный лес» для выявления времени года, в которое были получены данные, для которого в качестве признаков классификации использовались параметры JIP-теста, точность классификатора составляет 84%. Выявленные различия между местами отбора проб могут быть связаны с воздействием токсикантов, поступающих в реку с предприятий (шахты и металлургический завод), а также высокой рекреационной нагрузкой. Более высокая фотосинтетическая активность в летний период по сравнению с весенним и осенним может быть связана с более высокими значениями освещенности и температуры.
|
