基于GAM模型的太湖叶绿素a含量与环境因子相关性分析

随着富营养化程度的加剧,太湖近30年来水华频发.为了探讨太湖西部沿岸水华暴发与环境因子的关系,于2017年4月1-18日（当地历年蓝藻暴发早期）在太湖西部沿岸进行了密集原位调查.共采集样品72个,测定了水温、溶解氧、各形态氮、磷营养盐浓度以及风速等环境指标,并利用GAM（广义相加模型）定量分析了叶绿素a含量与各环境因子间的关系.结果表明:①叶绿素a含量波动幅度较大（17.10~795.89 mg/m3）,太湖西部沿岸带有明显的蓝藻水华暴发现象.②水温、风速以及硝态氮浓度与叶绿素a含量的变化显著相关（P<0.05）,各环境因子按其对叶绿素a含量变化的解释率排序为水温>风速>硝态氮浓度.其中水温是影响叶绿素a含量最为重要的环境因子,叶绿素a含量随着水温的升高呈现明显上升趋势.风速也是影响叶绿素a含量的关键因子之一,较低的风速（<3 m/s）有利于蓝藻的漂移集聚从而形成水华,引起叶绿素a含量的升高.研究显示,GAM模型较好地解释了叶绿素a的含量变化,模型总体解释度达到70.6%,可为太湖西部沿岸蓝藻水华早期的预测预警提供一定的基础支撑.      

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

崇明北湖叶绿素a浓度与环境因子的GAM回归分析

以崇明北湖为例,采用广义加性模型(GAM)对该湖的叶绿素a浓度与相关环境因子进行分析.结果表明,叶绿素a浓度与总氮、总磷和水温之间存在较好的非线性关系(P<0.05),叶绿素a浓度与总磷之间的关系先为单调递增,当总磷浓度达到0.12mg/L时,变为单调递减;不同总氮浓度区间上,总氮对叶绿素a浓度的影响不同,氮浓度为0.6~1.8mg/L时,对叶绿素a浓度的影响不大;水温在24~26℃时,叶绿素a浓度最高.叶绿素a浓度与氮磷比之间也存在较好的非线性关系(P<0.1),氮限制时,叶绿素浓度与氮磷比呈反比;磷限制时,叶绿素a浓度随着氮磷比单调递减.     

宜兴市殷村港叶绿素a与影响因子的多元分析

根据2011年1月—2015年12月殷村港水体中叶绿素a(Chl-a)及溶解氧、氨氮、总磷、总氮和水温等环境因子的监测数据,通过Pearson相关分析分析了叶绿素a浓度与水质指标、环境因子之间的相关性,并确定了影响因子;通过多元回归分析模型,建立了叶绿素a浓度和影响因子之间的相关性,实现叶绿素a浓度的预测,多元回归方程的复相关系数R都较高,均在0.8以上。多元回归模型能够较好地预测叶绿素a的浓度和走向趋势,对蓝藻水华的爆发提供参考。     

基于BPNN的三峡水库神农溪叶绿素α浓度预测

三峡水库自蓄水以来,库区水环境发生了巨大变化,部分支流回水区出现大面积水华。为了有效减小及预防水华带来的影响,收集了三峡水库支流神农溪2013年5-12月的水环境监测数据,运用主成分分析法,分析水华的主要影响因子。以筛选出的8个主要因子加上叶绿素a浓度为模型输入,利用Matlab R2010a软件,建立了基于BP神经网络的水华预测模型。结果显示BP网络模型对未来1周的叶绿素a浓度的预测值与实测值之间的拟合程度良好,相关系数达到0.928。说明BP神经网络模型可以用于神农溪叶绿素a浓度预测,并为神农溪水华治理提供科学依据。     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

太湖富营养化控制机理模拟

建立了一个将三维风生湖流模型,水质模型和富营养化模型耦合的数学模型,该模型不仅可以对太湖的风生湖流,总磷、总氮、COD等水质要素进行模拟,还可以模拟藻类在太湖中的生长和消亡情况以及其随风生湖流迁移的规律;在模型中,还考虑了水温、总氮、总磷和太阳辐射等环境生态因子对藻类生长率的影响,并且将模拟结果与1998年太湖的实测资料进行了对比,结果表明:该模型对风生湖流、总磷、总氮的模拟都是切合实际的,以叶绿素a浓度描述的藻类浓度的模拟值也能较好的拟合实测值。     

黄岐半岛海域赤潮高发区水环境因子与叶绿素a的通径分析

2016年对黄岐半岛海域赤潮高发区进行了水环境调查,获取了水温、盐度、pH、溶解氧、化学耗氧量和营养盐等水质因子调查数据,利用多元线性回归方法对叶绿素a的各影响因子进行回归分析,并用通径分析原理分析各水质因子对叶绿素a的影响程度。结果表明:对叶绿素a产生影响的水质因子有水温、盐度、pH、溶解氧、化学需氧量、活性磷酸盐和亚硝酸盐-氮。通径系数分别为-0.546、-0.888、1.134、1.428、-0.335、-0.775和-1.300。其中溶解氧对叶绿素a正向影响最大,而亚硝酸盐对叶绿素a负向影响最大。     

太湖水域叶绿素a浓度的遥感反演研究

利用太湖水域MODIS遥感数据的各波段反射率组合计算值,与实测的叶绿素a浓度进行相关性分析,找到相关性最好的反射率组合,建立反演太湖叶绿素a浓度的遥感模型.结果表明,利用MODIS数据可以较好地实现对太湖水域叶绿素a浓度的定量反演计算,并以MODIS数据第3、第17波段的反射率组合作为遥感指数建立了反演叶绿素a浓度的模型.第3、第17波段的波长范围分别为459nm～479nm、890nm～920nm,这一波段选择与以往使用TM数据得到的结论有所不同.     

三峡水库汛后蓄水期典型支流溶解氧与叶绿素a垂向分布特征

采用2018年9月对三峡水库典型一级支流——香溪河和神农溪回水区水质监测数据,分析和对比了香溪河和神农溪的溶解氧和叶绿素a等指标垂向分布特征,讨论了影响其垂向分布的环境因子.结果表明,香溪河与神农溪的溶解氧含量在表层0～10 m和0～12 m水体分层现象明显,且随水深增加而递减.其表层水体的溶解氧饱和度S_(DO)分别为139.20%和107.78%,已经达到过度饱和状态(S_(DO)100%);中层与底层水体溶解氧浓度较稳定,无分层现象.香溪河和神农溪回水区水体中叶绿素a垂向分布与溶解氧分布的规律一致,表层水体中叶绿素a浓度整体上表现为中度富营养化(5μg·L~(-1)Chl-a20μg·L~(-1)).Pearson相关性分析显示,香溪河与神农溪水体中的溶解氧与水温、浮游植物垂向分布之间存在显著相关性,水温分层以及浮游植物的生命活动是影响溶解氧垂向分布的关键因素.叶绿素a与水温和pH呈现出显著的正相关性,与浊度表现为显著负相关性,表明浮游植物垂向分布主要受光照强度沿水深衰减和水温分层现象的影响.     

空气污染健康损失中统计生命价值评估研究

采用权变评价法(CVM)评估了我国空气污染健康损失中的统计生命价值,并分析了其影响因素.结果表明,我国空气污染健康损失中的统计生命价值约为100万元/a.区间值线性回归模型分析显示,年龄、受教育程度、人均年收入、健康和家庭规模等因素对统计生命价值均有显著影响,但是城市的不同对统计生命价值并没有显著影响.     

多元线性回归与灰色联合模型在湖泊水质预测中的应用

根据对湖泊水体中所含高锰酸盐指数、氨氮、总磷等主要化学指标及其相关因素人口、工业产值和污水排放量的数据,采用了多元线性回归方法建立了湖泊水质预测的数学模型。并用多元线性回归和灰色模型联合的方法进行实际预测,多元线性回归模型通过F检验认为回归方程的效果比较显著,灰色模型精度检验达到二级,收到了良好效果。     

污水再生利用的健康效益评价

本文通过水体中病原菌与疾病的剂量-健康反应关系、疾病与经济损失的健康反应-经济价值关系的建立,明确了疾病经济损失与水体污染之间的模型关系,并利用统计分析和人力资本法对疾病引起的直接和间接经济损失进行了量化分析,建立了健康效益的评价方法与模型,将其应用于西安市污水再生利用的健康效益评价,结果表明:全面的污水再生利用将给西安市带来1 089 051.70元/a的健康效益。     

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.     

Biological stability in drinking water: a regression analysis of influencing factors

Some parameters, such as assimilable organic carbon(AOC), chloramine residual, water temperature, and water residence time, were measured in drinking water from distribution systems in a northern city of China. The measurement results illustrate that when chloramine residual is more than 0.3 mg/L or AOC content is below 50μg/L, the biological stability of drinking water can be controlled.Both chloramine residual and AOC have a good relationship with Heterotrophic Plate Counts( HPC)(Iog value), the correlation coefficient was-0.64 and 0.33, respectively. By regression analysis of the survey data, a statistical equation is presented and it is concluded that disinfectant residual exerts the strongest influence on bacterial growth and AOC is a suitable index to assess the biological stability in the drinking water.     

基于回归支持向量机的指标规范值的水质评价模型

传统的回归支持向量机的水质评价模型不具有普适性和通用性,当指标较多时,模型的学习效率和求解精度均会受到影响.若适当设定3类水体(地表水、地下水和富营养化水体)各项指标的参照值及指标值的规范变换式,使不同指标的同级标准的规范值差异不大,从而可以认为用规范值表示的不同指标皆“等效”于某个规范指标.因此,可建立用规范值表示的任意m项指标组合皆适用的水质评价的回归支持向量机模型.通过实例对模型的实用性进行了效果检验,结果表明:用基于回归支持向量机的指标规范值的水质评价模型对河桥地表水、黑龙洞泉域地下水和山仔水库富营养化水体的水质评价结果与用BP神经网络评价法、模糊综合评价法和属性识别评价法的评价结果基本一致.     

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…     

Chloramine demand estimation using surrogate chemical and microbiological parameters

A model is developed to enable estimation of chloramine demand in full scale drinking water supplies based on chemical and microbiological factors that affect chloramine decay rate via nonlinear regression analysis method. The model is based on organic character (specific ultraviolet absorbance (SUVA)) of the water samples and a laboratory measure of the microbiological (F m ) decay of chloramine. The applicability of the model for estimation of chloramine residual (and hence chloramine demand) was tested on several waters from different water treatment plants in Australia through statistical test analysis between the experimental and predicted data. Results showed that the model was able to simulate and estimate chloramine demand at various times in real drinking water systems. To elucidate the loss of chloramine over the wide variation of water quality used in this study, the model incorporates both the fast and slow chloramine decay pathways. The significance of estimated fast and slow decay rate constants as the kinetic parameters of the model for three water sources in Australia was discussed. It was found that with the same water source, the kinetic parameters remain the same. This modelling approach has the potential to be used by water treatment operators as a decision support tool in order to manage chloramine disinfection.     

南昌市浅层地下水水质评价及监测指标优化

地下水环境监测过程中保证地下水水质评价代表性的同时尽量优化监测指标数量,对地下水环境管理具有重要的意义.选取南昌市地区2014年和2019年浅层地下水监测数据,运用统计分析、 Piper三线图和熵权水质指数(EWQI)分析水化学特征及水质变化,并耦合逐步多元线性回归分析构建基于水质评价的关键指标优化方法,评估此方法应用的可行性.结果表明,南昌市地下水2014年和2019年水化学类型主要为HCO₃-Ca型;pH值、 NO^-₃、 I^-、 Fe和Mn等5项超标指标是水质变化的主要影响因子;2019年水质状况总体上高于2014年,基本为“中等”水质,二者EWQI平均值分别为53.72和82.34;基于关键指标优化方法构建的最优模型EWQI_min-4能够较好地代表实际的EWQI,关键指标包括Mn、 NO^-₃、 TH、 Fe、 pH值和I^-,其决定系数(R²)和百分比误差(PE)值分别为0.865和10...     

面向粮食产量空间化的多元回归分析模型中的两个关键问题探讨

为比较不同区域尺度变量对模型拟合效果的影响,在全国不分区和分区两种情况下,分别基于县级和地市级两个区域尺度上的样本构建粮食产量与水田、水浇地、旱地面积之间的多元线性回归模型,结果显示,用地市级数据作分析样本比用县级数据作分析样本好,分区建模比不分区建模效果好。因此,将全国划分为7个区,以地市级数据作为区域尺度的变量,在区域、栅格、亚栅格三个尺度上探讨变量（因变量、自变量）尺度和常数项取值这两个因素对模型应用的影响。得到以下结论：1）基于区域尺度样本构建的多元回归模型,如果常数项不为0,则不能用于空间化计算;如果常数项为0,则可以用于空间化计算;2）基于栅格尺度样本构建的多元回归模型,不论常数项是否为0,均可应用于空间化计算;3）基于亚栅格尺度样本构建的多元回归模型,不论其常数项是否为0,也均可用于空间化计算,但需要将计算结果乘以一个系数,该系数等于栅格单元面积与亚栅格单元面积的比值。上述结论对其他类型的统计数据空间化具有指导和参考价值。