基于分区制定水库富营养化管理标准的探讨

在总结水库的区域、流域特性,水动力学特征及功能用途等导致水库富营养化特征之差异性的基础上,讨论水库富营养化分区管理标准的制定方法。研究认为:我国水库富营养化分区管理标准的制定,一是选取合适的分区指标,将水库纳属相应的地理区域;二是选取相应的指标体系制定科学的标准。同时,分区选取的指标应以地理类的指标为主,而标准指标应以营养盐、水动力学及藻类为主。未来工作应主要集中于水库降雨、温度、土地利用、水质等数据的收集及积累。     

河道型水库基于敏感性分区的营养状态标准与评价方法研究

通过对河道型水库水动力学空间特征及其与富营养化敏感性的关系研究,提出了基于河道型水库敏感分区的营养状态评价标准体系以及评价方法.采用滞留率、缓流率等水动力学概率特征指标计算敏感性风险概率指数,在此基础上将河道型水库划分为河流类型区、过渡类型区和湖泊类型区,对不同类型区分别制定营养状态评价标准.建立了由叶绿素a、总磷、总氮及其透明度组成的营养状态评价指标体系,并对各种评价指标在河道型水库的适用条件进行了分析.提出了制定河道型水库营养状态指标分级标准值的统计学分析、营养化指数与营养状态指标的回归分析、营养状态指标的阈值分析等方法.同时对河道型水库的营养状态综合评价方法进行了研究,提出了河道型水库的营养状态综合指数计算方法以及营养状态划分标准.     

湖泊水库营养状态分区研究进展

本文对国内外湖泊、水库营养状态分区状况进行初步探析,在介绍美国湖泊水库营养状态标准研究过程、营养状态分区方法基础上,就中国湖泊研究进展以及中国的湖泊分区加以论述,比较了两国湖泊分区研究差异,以期为下一步中国的湖泊、水库营养状态分区研究奠定基础.     

中国湖泊富营养化防治策略研究

随着湖泊富营养化的加剧,藻类水华暴发的频率也越来越高,规模越来越大,成为制约中国社会和国民经济持续发展的重大环境瓶颈问题,前景堪忧.本文从全国湖泊流域整体层面出发,分析制定基于生态分区的营养物基准和富营养化控制标准,以富营养化控制标准为依据,建立全国不同分区的营养物总量控制和生态修复体系,提出全国湖泊营养物削减和富营养化控制的国家方案,希望为中国湖泊富营养化防治工作提供借鉴.     

人工神经网络在湖泊富营养化评价中的应用研究

运用人工神经网络技术评价湖泊富营养化程度。详细阐述了神经网络的结构设计，样本生成及学习算法，给出了通过训练得出的网络权和阈值，最后将此神经网络用于１２个湖泊的富营养化评价，取得了较好的评价结果。     

湖泊富营养化的综合评价方法的探讨与实例

目前富营养化评价方法众多,但各评价方法之间缺乏可比性,不利于湖泊富营养化的有效管理和治理.本文在对现有湖泊富营养化的评价方法进行分析、评价的基础上,从湖泊水生生态系统出发,提出了适合我国国情的基于<地表水环境质量标准>(GB3838-2002)的湖泊富营养化水生生态系统评价方法.即水质、水生生物与底质评价相结合的系统的、综合的富营养化评价方法.该方法可对不同湖泊的富营养化状况进行比较,并可对同一湖泊富营养化的时空变化进行分析,有利于对湖泊富营养化程度、成因做出客观、合理的判断,为治理富营养化提供全面、科学的决策依据.     

考虑指标协调性的湖泊富营养化评价模型

湖泊富营养化程度评价标准中同一评价指标的分级界点值差异很大,近似地呈现指数变化.基于该认识,提出了1个基于指标协调性的湖泊富营养化综合评价模型.对评价标准及待评湖泊监测值进行对数变换,改善了评价指标值的协调性,降低了评价系统的非线性化程度;在定义待评湖泊各监测指标与富营养化标准各级别之间距离测度的基础上,按评价指标协调性要求构造评价函数;鉴于评价标准为区问教的实际情况,采用区间数计算待评湖泊与各级标准的相对距离测度,并按距离测度值的大小进行湖泊富营养化状态分类.该模型建模思路清晰,物理意义明确,计算过程简捷,一组由5个湖泊组成的富营养化综合评价案例计算结果表明,评价结果符合实际.     

湖泊水库富营养化问题探讨及防治措施

随着城市化进程的加快和工农业的快速发展,湖泊水库的富营养化问题日益严重,并逐渐成为目前亟待解决的重要问题。本文主要分析了湖泊水库富营养化的污染源种类以及水体富营养化的防治措施。可为湖泊水库富营养化的治理工作提供参考依据。     

湖泊水质富营养化评价的模糊决策方法

针对湖泊水质富营养化评价中各等级之间的模糊性,在充分考虑水质各污染因素权重大小的基础上,运用模糊综合评判方法建立了湖泊水质富营养化评价模型.并研究了我国5个主要湖泊的富营养化状况,和其它方法比较,取得了满意的结果.为湖泊水质富营养化评价提供了一种准确的、有效的决策方法.     

松华坝水库水体营养状况评价与污染控制

采用中国环境监测总站<湖泊(水库)富营养化评价方法及分级技术规定>(2001年12月)中的综合营养状态指数法评价2004年松华坝水库水体的营养状况枯水期均处于贫营养状态;平水期处于贫营养和中营养状态;丰水期均处于中营养状态,出现了富营养化的征兆.针对丰水期水体已面临轻度富营养化的威胁,提出防治对策与建议.     

基于云模型的水体富营养化程度评价方法

水体富营养化程度评价对生态环境保护具有重要意义.针对水体富营养化程度评价不可避免的模糊性和随机性的特点,本文引入云模型的方法,对我国14个代表性湖库的富营养化程度进行评价.根据确定的评价标准,生成各评价因子隶属于各级别的综合云模型,并针对湖库实测资料,得到各评价物的确定度,由最大确定度决定湖库营养化级别.将该法所得结果与湖库实际水质状况、国内外应用较为广泛且简便的营养状态指数、评分公式法及模糊综合评价法所得结果进行对比,发现评价结果真实可靠,计算过程简洁明了,验证了该方法的可行性和有效性.     

湖泊水质富营养化评价的模糊神经网络方法

为了探索人工神经网络用于湖泊营养化评价的可能性,提出了基于多准则学习的模糊神经网络湖泊水质营养化评价模型。该模型应用于我国五大主要湖泊水质营养化的评价结果表明,模糊神经网络用于湖泊水质营养化评价,具有简便、实用、客观性和广泛的通用性。      

Prediction of the concentration of chlorophyll-a for Liuhai urban lakes in Beijing City

The weekly water quality monitor data of Liuhai lakes between April 2003 and November 2004 in Beijing City were used as an example to build an artificial neural networks （ANN） model and a multi-varieties regression model respectively for predicting the fresh water algae bloom. The different predicted abilities of the two methods in Liuhai lakes were compared. A principle analysis method was first used to select the input variables of the models to avoid the phenomenon of collinearity in the data. The results showed that the input variables for the artificial neural networks were T, TP, transparency（SD）, DO, chlorophyll-a （Chl-a）,pH and the output variable was Chl-a. A three layer Levenberg-Marguardt feed forward leaming algorithm in ANN was used to model the eutrophication process of Liuhai lakes. 20 nodes in hidden layer and 1 node of output for the ANN model had been optimized by trial and error method. A sensitivity analysis of the input variables was performed to evaluate their relative significance in determining the predicted values. The correlation coefficient between predicted value and observed value in all data and in test data were 0.717 and 0.816 respectively in the artificial neural networks. The stepwise regression method was used to simulate the linear relation between Chl-a and temperature, of which the correlation coefficient was 0.213. By comparing the results of the two models, it was found that neural network models were able to simulate non-linear behavior in the water eutrophication process of Liuhai lakes reasonably and could successfully estimate some extreme values from calibration and test data sets.     

Prediction of the concentration of chlorophyll-α for Liuhai urban lakes in Beijing City

Introduction The eutrophication of fresh w ater has becom e a m ain w ater environm ental problem in the w orld. The m ain negative im pacts of fresh w ater eutrophication are w ater quality deterioration and the decrease of hydrophytes and aquatic specie…     

海水水质富营养化评价的集对分析方法

建立了利用集对分析方法进行海水水质富营养化综合评价的新模型，并通过实例研究评价效果，与BP人工神经网络方法比较，集对分析方法评价模型严谨，评价结果合理、精细、分辨率高，取得了满意的结果，为海水环境质量综合评价提供了一种简单而适用的评价方法。     

典型云南高原湖泊叶绿素a与影响因子的定量关系及对比分析

湖泊富营养化的影响因子涉及水文、物化、生物等多方面,具有复合性和非线性特征,定量化其与影响因素间的相关关系有助于识别影响湖泊营养状态的关键因子,可以用较低的成本、较短的时间达到理想的控制效果.云南高原湖泊具有易发生富营养化的自然和气候特征,对其富营养化发生条件及影响因子的分析可为科学的控制决策提供参考.本文选取云南滇池、程海、抚仙湖和异龙湖4个高原湖泊,比较湖泊自然特征与流域社会经济条件的异同;构建包括绝对主成分多元线性回归分析(APCS-MLR)、结构方程模型(SEM)及人工神经网络模型(ANN)的综合分析方法,重点关注并确定浮游初级生产力的代表指标(叶绿素a,Chla)与相关影响因子间的定量相关关系.研究发现:14个湖泊中,对Chla浓度变化影响最大的均为理化因子,但在各湖中该影响的正、负性及不同理化因子的贡献权重有较大差异;2流域污染源构成的不同在一定程度上影响了入湖的氮、磷负荷,使4个湖泊表现出不同的营养盐限制性特征;3流域面积、湖泊形态及湖体水动力条件影响着营养盐在湖体中的迁移转换,造成4个湖泊富营养化的差异性特征;4对Chla与影响因子间因果关联的识别须结合深入的机理过程分析.     

中国湖库营养状态现状调查分析

近年来,随着经济的高速发展,我国湖库氮、磷污染负荷增加,富营养化问题有增无减,已经成为我国湖库面临的重大环境问题。以2005年-2007年我国大陆地区各省(自治区、直辖市)183个湖泊、541个水库的调查资料为基础,采用单项指标评价和综合评价方法,分析了我国湖库富营养化状况。结果表明:我国湖库受营养盐污染的形势十分严峻,富营养化成为我国湖库共同面临的主要环境问题;总体而言,水库的富营养状态要优于湖泊,但水库的富营养化污染也不容乐观;总磷超标情况要重于总氮,透明度超标比例相对较小。     

达里诺尔湖溶解性有机质荧光特征与人工神经网络非线性响应研究

研究湖泊水体DOM（溶解性有机质）特征及其与复合环境要素的响应关系,对水生态系统保护及生物地球化学循环研究具有重要意义.以内蒙古达里诺尔湖（简称“达里湖”）为研究区,利用紫外-可见光谱技术（UV-vis）和人工神经网络模型（ANN）方法,开展达里湖水体DOM特征识别及其水质响应关系的研究.结果表明:①达里湖水环境污染程度较为严重,水体呈富营养化趋势.DOM吸收系数〔α（355）〕表明,夏季湖体DOM浓度较高.②建立了α（355）与达里湖水体ρ（TN）、ρ（TP）、pH和ρ（Chla）的人工神经网络模型,该模型验证期和测试期决定系数（R2）分别为0.78和0.84,该模型具有较好的DOM模拟和预测能力.③人工神经网络模型参数敏感性分析结果表明,α（355）对ρ（Chla）变化最敏感,敏感性水平为31.95%;其次为pH和ρ（TN）,α（355）对二者变化的敏感性水平分别为28.53%和25.54%;α（355）对ρ（TP）变化敏感性最低,敏感性水平为8.16%.研究显示,达里湖DOM对富营养化的发生具有较显著的表征影响,人工神经网络模型可为富营养化预测提供科学参考.      

湖库富营养化的改进型模糊综合评价方法研究

针对水体富营养化评价系统的非线性、模糊综合评价法过程中权重赋予的主观随意性和隶属函数的不准确性等特点,对传统模糊综合评价法进行了改进,并据此对我国24个代表性湖库的富营养化程度进行了评价.其中以SPSS16.0和Yaaph软件为载体,采用层次分析法和主成分分析法相结合来确定选取因子的权重.根据确定的评价标准作自然对数变换使之线性化,并结合由基础数据统计分布情况,生成各评价因子隶属于各营养等级的对数形式的降半梯形隶属函数,进而得到各湖库的确定度,最后依据最大确定度得到湖库富营养化级别.该法所得结果与湖库实际富营养化状况以及现有多种评价方法的结果的对比表明,该改进方法的评价结果真实、准确、计算简单,具有可行性.