融合Lamb-Jenkinson分型法和LSTM神经网络的PM2.5预测研究

文章采用NCEP/NCAR逐日海平面气压场资料,利用Lamb-Jenkinson环流分型法对张家口大气环流进行分型,分析环流型与PM_(2.5)质量浓度之间的关系,并针对PM_(2.5)浓度的预测,提出一种融合Lamb-Jenkinson环流分型和LSTM神经网络混合模型的方法,即以环流指数为预测因子基于LSTM方法搭建PM_(2.5)质量浓度的预测模型。结果表明:影响张家口地区的主要环流型有反气旋型、气旋型、偏北平直型、西南平直型、偏西平直型、东北平直型等、西北平直型、偏东平直型。PM_(2.5)污染日出现的主要环流型为南气旋平直型、东南平直型、偏南平直型、偏东气旋型、西南气旋平直型、偏东平直型、气旋型等,而反气旋型和反气旋式平直环流型不利于污染出现。张家口地区的PM_(2.5)污染与地面环流有着密切的联系,当存在PM_(2.5)污染时,张家口地区处于日本海高压后部的均压场区域,污染越严重,日本海高压中心强度越强。模型预测结果的均方根误差为9.88、平均绝对误差为5.84、拟合优度达0.80,表明该模型具有一定的预报能力。     

12种水生植物对茅洲河污染水体的净化研究

文章选取12种水生植物苦草、篦齿眼子菜、伊乐藻、水龙、蕹菜、节节草、芦苇、水葱、风车草、紫芋、水生美人蕉和梭鱼草为研究对象,于2018年10底至12月中旬在深圳市茅洲河中游河畔开展试验,对比研究其对河流污染水体的净化能力。结果表明,12种水生植物对茅洲河污染水体TN和COD的去除率差异显著(p<0.05),对TP和NH_3-N去除率差异不显著(p>0.05)。本土优势种水龙和节节草能快速生长、繁殖,且对TN、NH_3-N和TP具有较高的去除率,分别达86.0%、41.3%和95.1%以上,但是对COD的去除率较低。挺水植物紫芋表现出最强的综合水质净化能力,其对TN、NH_3-N、TP和COD的去除率分别为93.1%、98.1%、42.3%和80.8%,并能在较短时间内大幅降低水体中TN和NH_3-N浓度。水生美人蕉、水葱和芦苇等挺水植物也显示出较强的水质净化能力,可作为水质净化中的优选种类。伊乐藻、苦草和篦齿眼子菜3种沉水植物在试验过程中生长较缓慢,对TN和COD的去除率较低,但显示出较强的TP净化能力,TP去除率分别为48.6%、43.1%和42.9%,且能在较短时间内大幅降低水体TP浓度。     

滦河秋季大型底栖动物群落结构空间格局与关键环境影响因子识别

掌握水生生物的空间分布特征及其关键影响因子是科学制定生物多样性保护策略的基础.于2016年秋季对滦河53个样点开展了大型底栖动物和环境因子的现场调查,分析了大型底栖动物群落结构与空间分布特征,并识别出影响大型底栖动物物种空间分布的关键环境因子.结果表明:①滦河（河北省）共采集并鉴定出大型底栖动物206种,隶属于8纲22目70科144属,以纹石蚕（Hydropsyche sp.）和东方蜉蝣（Ephemera orientalis）为优势种.②根据滦河大型底栖动物群落结构相似性,53个样点在空间上被分为3组.第1组分布在滦河干流的中下游及支流下游,无指示物种;第2组分布在支流上游,指示种为纹石蚕、朝大蚊（Antocha sp.）和中华小长臂虾（Palaemonetes sinensis）;第3组分布在滦河干流中上游,指示种为东方蜉蝣和中华齿米虾（Neocaridina denticulate sinensis）.③第3组的分类单元数显著高于第1组和第2组;第1组的多样性指数显著高于第2组;第1组的均匀度指数显著高于其他2组.单因素方差分析（one-way ANOVA）发现,pH、TN、底质、河道变化、水质状况和河岸土地利用类型等环境因子在第2组与第3组之间差异显著,第2组明显高于第3组.典范对应分析（CCA）表明,栖境复杂性、河水水量状况和河岸土地利用类型是影响滦河大型底栖动物空间分布的关键环境因子.研究显示,降低河岸带干扰强度、恢复河道生境多样性是未来滦河大型底栖动物多样性保护恢复的重要管理措施.      

天津市河流生态完整性评价

对河流生态健康状况进行评价,可为河流治理和生态修复提供依据.基于2018年8—9月天津市河流现场调查获取的物理、化学和生物群落指标（浮游动物、浮游植物、底栖动物、鱼类、水生大型植物、陆生植物）数据,构建包含物理完整性、化学完整性和生物完整性在内的河流IEI（index of ecological integrity,生态完整性指数）评价体系,对天津市河流生态健康状况进行评价.根据生物栖息地评分和水质状况确定参照点位,采用标准化方法筛选候选指标,应用层次分析法计算三部分指标权重,最终得出天津市河流生态健康评价结果.结果表明:①IEI评价结果显示,天津市河流生态健康状况等级为“健康”的样点占18.8%,“较好”的样点占28.1%,“一般”的样点占40.6%,“较差”的样点占6.3%,“差”的样点占6.3%,天津市河流生态健康状况整体处于“一般”水平.②相关性分析表明,ρ（NH₄+-N）和ρ（COD_Mn）超标是造成天津市水质达不到功能区标准的主要原因,同时也是影响河流生态健康的主要因素.研究显示,IEI评价法能够较为敏感地响应研究区面临的环境压力,适用于评价研究区河流生态健康.