流域水污染监测与溯源技术研究进展

水污染特征识别和溯源是实施水污染精准治污的关键一步,也是流域水污染防治工作的前提。该文概述了不同分析监测技术、传统溯源方法与人工智能在水污染监测与溯源中的应用进展。光谱分析由于灵敏度高、准确度好,在实现水污染快速监测中应用最为广泛。传统溯源方法在复杂多样的水污染事故中不能准确快速地确定其污染源类型,而人工智能技术由于可以解决动态环境问题中的不确定性和复杂性,能够准确、智能地识别水质特征和追踪污染源。将人工智能与传统技术相结合是流域水污染溯源的发展趋势。展望了人工智能在水污染溯源方面的应用前景,为实现流域水污染全面监管提供了新的思路。     

畜禽养殖废水的三维荧光特征

对某畜禽养殖废水连续采样,利用荧光光谱法研究畜禽养殖废水的三维荧光特性.结果表明:该废水的三维荧光光谱有两个荧光峰,分别为270 nm/297 nm和315 nm/410 nm,两峰的强度之比为3.45～4.94;该畜禽养殖废水由蛋白质、腐酸、尿液及阴离子表面活性剂组成;各峰的峰位置及峰强度比值都可作为判断废水是否为该...     

水质荧光指纹污染溯源技术在跨界断面污染监管中的应用

2020年11月,在我国北方X河流上某跨界断面发生的水质异常事件中,采用水质荧光指纹污染溯源技术开展水体污染溯源工作。使用在线式水污染预警溯源仪监测到水质异常,得到初步溯源结果。依据溯源信息及跨界断面上游产业分布情况,初步锁定重点排查对象。将人工排查和在线溯源相结合,发现水质异常的主要原因和排放源。该污染溯源过程用时仅21 h,且人工排查与在线溯源的结果吻合。结果表明,“在线溯源—人工排查”是一种快速、精准的新型污染监管模式,在解决跨界断面水体污染溯源难、责任划分不清的问题中可发挥重要作用。     

基于水质荧光指纹的污水处理厂异常进水溯源新方法

运用水质荧光指纹溯源技术对南方某城镇污水处理厂（处理水量6万t/d）的异常进水进行污染溯源。水质荧光指纹比对结果显示,异常进水的疑似污染源为塑胶/橡胶类废水。通过与污水管网水样的水质指纹比对,快速锁定异常进水来自污水管网10#处（此处发现污染排放暗管P1）,该处水样的ρ（COD_Cr）高达772 mg/L,超《污水综合排放标准》（GB 8978—1996）三级标准0.54倍;进而根据某塑胶企业生产原废水与P1的水质荧光指纹相似度高达99%,以及原废水的ρ（COD_Cr）高达11 551 mg/L,确定其为此次异常进水的污染来源。由于该企业法定污水排放口水质正常,故可以确定,该企业偷排生产原废水进入污水管网。此次溯源耗时5.5 h。利用水质荧光指纹污染溯源技术快速精准锁定污染源头,及时控制污染源头排放,避免了污水处理厂水质进一步恶化,有效保障了污水处理厂正常运行。这次实践应用研究表明,水质荧光指纹污染溯源技术可以在污水管网的复杂水质条件下完成快速精准的污染溯源。     

基于IsoSource模型的沿海流域硝酸盐氮溯源研究

过量的硝酸盐氮负荷在导致水质下降的同时,也会对流域生态和人类生产生活造成危害,尤其是在东南沿海地区,硝酸盐氮污染现状堪忧。因此,亟需对沿海流域开展氮污染调查,以阐明氮污染分布格局,识别主要污染来源并量化其贡献,进而保障流域水环境安全,促进沿海城市可持续发展。基于此,以东南地区沿海流域——白溪流域为例,结合2016—2020年长时序水质监测数据和硝酸盐氮氧稳定同位素溯源数据,采用IsoSource质量守恒模型,对氮污染分布格局和污染来源进行定量解析。结果表明:①该流域水体中的总氮主要以溶解性无机氮的形态存在。其中,总氮在2019年呈现整体偏高的态势。硝酸盐氮是干流水车国控断面和支流屠岙胡市控断面的主要氮污染形态。水车断面的总氮浓度范围为1.46~1.83 mg/L,屠岙胡断面的总氮浓度在2.12~2.36 mg/L之间。②流域硝酸盐氮污染主要来自流域内村庄排放的污水和粪便,其贡献率达到了44%;其次是土壤有机氮、大气沉降物、化学合成肥,贡献率分别为25%、16%、15%。③从减少氮污染物排放、提高作物氮吸收率、改进养殖策略和完善污水处理设施角度出发采取相关措施,可以有效缓解流域氮污染。另外,还需要全面落实最严格的水资源管理制度,进一步规范库区内各类水资源开发利用活动,继续做好对库区周边生产经营活动的监督管理,从而减少陆源污染物排放,更好地保护饮用水水源地。     

基于紫外可见吸收光谱微型污染溯源站的村镇水环境监测技术研究

为实现村镇分散度高、随机性强的水环境污染的高效管控,采用以紫外可见吸收光谱技术为核心的微型污染溯源站,于2022年4月1—14日对某县域村镇的河流水环境开展了在线监测溯源研究。结果表明,监测期间共发生2组污染事件,微型污染溯源站快速响应,氨氮、电导率等常规指标之间具有较强的相关性,各指标中,氨氮受冲击波动最为显著,最适合用于污染事件报警。通过紫外可见吸收光谱可识别污染事件之间的差异,第1组污染事件光谱特征为205 nm波长吸光度下降,疑似为硝态氮浓度下降;第2组污染事件光谱特征为230 nm波长出现显著吸收峰,疑似为水中烯-酮共轭双键类有机污染物含量大幅增加。多元线性回归拟合结果表明,2组污染事件可能分别由污水处理厂工艺波动导致的超标排放和上游化工类企业的偷排造成。研究结果为微型污染溯源站实现对不同污染情景的报警和溯源提供了依据。     

基于随机森林与神经网络的高光谱土壤重金属Zn含量反演

在河北省保定市白洋淀区域采集115个土壤样品进行重金属含量分析和室内光谱测量,分别将BP神经网络、随机森林、决策树、多元线性回归、K近邻回归、AdaBoost回归和偏最小二乘回归法应用于全部原始波谱数据和基于双层随机森林选择后的波段数据。结果表明,基于原始波谱数据的土壤重金属Zn元素含量的反演模型精度较低,而通过双层随机森林选择出光谱数据中与土壤重金属Zn信息相关的波段,减轻了网络模型的过拟合问题,提高了模型预测精度;与其他模型比较,结合双层随机森林和BP神经网络构建的反演模型对研究区土壤重金属Zn含量预测效果最佳。     

基于L-M神经网络的道路交通噪声预测研究

神经网络具有很强的预测功能.根据石家庄公路交通噪声的实测数据,利用L-M优化算法的多层神经网络预测模型进行道路交通噪声的预测,经检验,计算值与实测值接近,预测精度令人满意.     

基于BP神经网络的藻类水华预测模型研究

以宁波大学校内池塘2009年3—10月间30周的监测数据为基础,运用BP人工神经网络方法构建预测模型,探求颤藻生物量与总氮、总磷、透明度等6项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析。结果显示:①BP神经网络模型对颤藻生物量预测值与实测值之间拟合程度良好,相关系数达到了0.984,说明BP神经网络模型可以用于水体中藻类水华的短期预测。②通过对构建的BP神经网络模型进行敏感度分析,阐明了宁波大学校内池塘藻类水华的主要驱动因素,并指出控制水体的pH是宁波大学校内池塘藻类水华防治工作的重点。     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_2.5)逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_2.5质量浓度预报模型,实现了对郑州市后1日环境空气PM_2.5质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_2.5预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_2.5实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_2.5实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_2.5预报质量浓度与实况质量浓度的NMB和RMSE均低于情景...     

汛期连云港市重点断面污染来源调查研究

长期以来汛期江苏省部分重点断面水质下降明显,是当地水环境质量提升的难点之一.选取连云港市重点断面为研究对象,应用手工监测和卫星遥感监测方法,分析4个典型断面水质变化特点;通过三维荧光溯源分析方法,确定农业源和生活源是主要污染源;结合现场核查,发现秸秆还田沤水和雨污分流不到位是导致典型断面水质下降的主要原因.研究提出,手...     

府河溶解有机质组成及来源探究

采用三维荧光光谱与平行因子分析方法解析府河水体中的溶解有机质(DOM)的组分,开展DOM组分占比与人为排放情况、浮游植物细胞密度动态关系研究。结果显示,府河水样DOM中共鉴定出4种荧光组分,其中两种类腐殖质(C1和C2)组分和一种类蛋白质(C4)组分主要源于人为排放,一种类富里酸(C3)组分主要源于人为排放和自然源输入。通过回归分析发现,浮游植物生物量与C1、C2、C3的占比呈显著负相关(P<0.05),与C4的占比呈显著正相关(P<0.05),表明浮游植物的生长繁殖会增加水体中的类蛋白质的含量。冗余分析(RDA)结果进一步表明,类富里酸对微囊藻(蓝藻)和异极藻(硅藻)的增殖有积极影响,类蛋白质对囊裸藻(裸藻)和小球藻(绿藻)的增殖有促进作用。     

融合拓扑信息与气象信息的空气质量预测网络

通过空气质量监测数据对正在形成或即将到来的空气污染进行预测是一项具有重要意义的工作,而空气质量监测站只能检测其周围一定范围内的空气污染情况。为了衡量整个城市的空气污染情况,获取任意时间、任意位置的空气质量信息,结合交叉注意力机制,提出了一种融合拓扑信息与气象信息的空气质量预测网络(CGMIM)。将西安市空气质量监测数据与气象数据转换为图像拼接起来,作为输入信息。在高阶非线性时空动态神经网络(MIM)的基础上引入注意力机制,并增加拓扑图编码器模块,提高模型提取能力以及对空气质量监测数据中的空间特征的利用率。最后,使用时空损失函数替代传统的均方误差损失函数,提高模型对空间关系的关注。结果表明：CGMIM网络模型能够在准确预测的同时,对位置区域合理填充,能够有效提升空气质量监测数据的空间分辨率。     

全球陆地生态系统净生态系统生产力估算

陆地生态系统作为全球最重要的碳库之一,对缓解全球气候变暖起着重要作用。对陆地生态系统碳通量的估算是评价陆地生态系统碳汇变化的重要环节。该研究基于通量站点观测数据,利用卷积神经网络(CNN),综合气象数据、遥感数据和土壤数据,估算全球陆地生态系统的净生态系统生产力(NEP)。结果表明:CNN能够有效模拟全球NEP的空间分布和总量大小,全球陆地生态系统NEP总量为(22±2) pgC/a,空间上约有三分之二的区域属于碳汇区,整体以碳汇为主导。其中,中国的NEP总量约为1.17 pgC/a,约占全球的5.3%。2000—2018年,全球陆地生态系统NEP平均值的变化趋势不明显,碳汇的变化整体处于动态平衡中。     

基于改进U-Net网络与联合损失函数的海南自然保护区高分辨率遥感变化检测模型

海南自然保护区遥感监测对森林资源监测、生态保护及热带亚热带地表研究具有重要意义。基于深度学习方法,针对海南省自然保护区大范围变化检测问题,对U-Net网络结构进行了改进,在每一个卷积层后加入标准化层,以跳线连接的形式将原有卷积模块改进为优化模块,同时在编码器底端添加金字塔池化模块以更好提取全局信息,形成了改进U-Net网络模型。模型训练采用基于交叉熵损失函数和广义骰子损失函数构建的联合损失函数,配合多种优化策略实现端到端的地物变化信息提取。该模型应用于公开数据集和研究构建的海南自然保护区数据集的变化检测任务,总体精度分别为97.21%(Kappa系数0.88)和95.12%(Kappa系数0.90),相比原始U-Net效果提升显著。     

基于BP神经网络的齐齐哈尔地区地下水水质评价

阐述了人工神经网络基本原理,介绍了BP网络的地下水水质评价模型.在传统的评价方法基础上,根据各评价因子对环境和人类影响程度不同,给水质监测指标分组,从实用角度对水质进行评价.与传统评价方法相比,该评价模型在某评价因子数值极大的情况下,也能准确反映地下水的污染情况,并且通过GIS技术利用评价结果得到地下水水质分布图,从空间反映地下水水质变化规律.     

人工神经网络在水环境质量评价中的应用

为了将人工神经网络应用于水环境质量评价,应用了人工神经网络Ｂ—Ｐ算法,构造了水环境质量评价模型,该模型应用于实例评价结果表明,人工神经网络用于环境质量评价具有客观性,通用性和实用性。     

水质综合评价的径向基函数网络模型

针对目前水质综合评价中常规方法存在的问题 ,提出了径向基函数网络模型 (简记为 RBF-ANN)。以吉林省白城市地下潜水水质资料为例 ,运用该方法对监测样点进行了综合评价。通过与其它方法对比 ,结果表明 ,利用RBF-ANN模型进行水环境质量综合评价不仅方法简便 ,而且结论更接近客观实际。     

Artificial neural network based carbon monoxide persistence models for episodic urban air quality management

This paper describes the development of artificial neural network (ANN) based carbon monoxide (CO) persistence (ANNCOP) models to forecast 8-h average CO concentration using 1-h maximum predicted CO data for the critical (winter) period (November–March). The models have been developed for three 8-h groupings of 10 p.m. to 6 a.m., 6 a.m. to 2 p.m. and 2–10 p.m., at two air quality control regions (AQCRs) in Delhi city, representing an urban intersection and an arterial road consisting heterogeneous traffic flows. The result indicates that time grouping of 2–10 pm is dominantly affected by inversion conditions and peak traffic flow. The ANNCOP model corresponding to this grouping predicts the 8-h average CO concentrations within the accuracy range of 68–71%. The CO persistence values derived from ANNCOP model are comparable with the persistence values as suggested by the Environmental Protection Agency (EPA), USA. This work demonstrates that ANN based model is capable of describing winter period CO persistence phenomena.