共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
通过2018—2019年夏冬季在鄱阳湖布设17个采样点,采样检测浮游藻类和水质参数,并采用典范对应分析法研究该湖浮游藻类群落结构特征及其与环境因子的相互关系。结果表明,两次调查共检测出浮游藻类7门31科58属,浮游藻类丰度范围为3.5×105 L-1~1.15×107 L-1,主要由绿藻门、硅藻门和蓝藻门组成,绿藻门为夏、冬季主要优势种群。典范对应分析结果显示,鄱阳湖冬季湖区水环境空间差异较大,而夏季差异较小;夏季氮磷营养盐和DO是影响浮游藻类群落时空分布的主要环境因子,冬季氮磷营养盐、BOD5和IMn是影响浮游藻类群落时空分布的主要环境因子。 相似文献
3.
4.
5.
根据2012—2016年烟台港港池水质监测结果,运用单因子指数法、Cox-Stuart检验方法及Pearson相关分析探讨港池水质污染程度、水质变化趋势及各监测项目间的相关关系。结果表明:港池海域水质总体良好,各监测项目的单因子污染指数呈现逐年下降趋势,且下降趋势均有统计学意义(P=0.05),COD与DO、活性磷酸盐、Cu呈显著正相关。5年中pH值、COD、DO、石油类、重金属(Cu、Cd、Zn、Pb)未见超标现象,活性磷酸盐和无机氮存在不同程度的超标,为该海域主要污染因子,有引发海域赤潮的潜在生态风险。 相似文献
6.
基于BP神经网络的藻类水华预测模型研究 总被引:2,自引:0,他引:2
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。 相似文献
7.
浮游藻类对水环境的变化非常敏感,是评价水环境质量的重要指示生物。传统的浮游藻类监测依靠人工采样分析,需要专业检测人员使用显微镜对藻细胞逐一鉴定并计数,耗时耗力且严重依赖检测人员的专业知识与鉴定经验,限制了浮游藻类监测工作的标准化推广和普及应用。利用神经网络模型建立了一套浮游藻类智能监测系统,该系统能够实现浮游藻类检测的自动进样、自动显微摄影,同时充分发挥深度学习技术在视觉分析领域的优势,自动进行浮游藻类智能识别和计数。使用大量浮游藻类样品开展了深度学习模型训练和结果验证,结果表明,该浮游藻类智能监测系统能够顺利完成浮游藻类样品自动进样、拍摄、鉴定和计数等一系列流程,且智能识别系统鉴定计数结果与人工镜检结果的误差较小。该系统还具有进一步的泛化和拓展能力,随着后续模型训练样品数量的增多,系统识别效率和精度可得到进一步提升,在浮游藻类监测及研究领域具有广阔的应用前景。 相似文献
8.
9.
杭州西湖水体生态环境参数的相互关系 总被引:6,自引:1,他引:6
采用 2 0 0 0年的西湖常规监测数据 ,分析了西湖水体中生态环境特征参数的季节变化和相互关系。分析表明 ,西湖水体各生态环境参数 ,除总氮外 ,均呈现出明显的季节性变化 ,总磷、溶性正磷酸盐、叶绿素 a和藻类季节变化一致 ,在夏季形成高峰 ,冬季最低 ;三无机氮高峰值出现在冬季 ,夏季含量为全年最低。 2 0 0 0年西湖水体总氮年均值为 2 .0 5 m g/L ,总磷年均值为 0 .12 6mg/L ,N/P大于 16,西湖属于磷控制型富营养湖泊。通过相关分析 ,从另一方面说明磷是西湖水体的限制因子 ;硝酸盐对西湖沉积物和湖水之间的磷酸盐平衡有一定的影响 ;硝酸盐对西湖水体中浮游植物生长繁殖可能有抑制作用 相似文献
10.
洞庭湖南嘴水域浮游藻类及与水质关系的研究 总被引:1,自引:0,他引:1
根据1995-1999年洞庭湖南嘴水域浮游藻类种类组成、数量及生物量的周年资料分析,研讨了其与环境理化因子的关系,并依据Shannon多样性指数标准评价了洞庭湖南嘴水域的水质。 相似文献