Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.     

细菌群落结构对水体富营养化的响应

于2005年2月在太湖不同营养水平湖区采集水样,寞接提取水样的总DNA,以细菌16SrDNA通用引物进行V3区PCR扩增,产物经DGGE(变性凝胶梯度电泳)分离后,获得水体细菌群落的16SrDNA指纹图谱;并运用FDC(表面荧光直接计数)方法对细菌丰度进行了测定.结果表明,水体中细菌的群落结构随着水体富营养化程度的改变产生明显变化,细菌数量呈现随水体营养水平增加而上升的趋势,营养水平较低的湖心区细菌数量仅为2.87×106 cells·mL-1,超富营养化的五里湖区水体中.细菌数量高达5.92×106cells·mL-1;细菌群落多样性随水体营养水平增加呈现显著的下降趋势,在超富营养化的1#、2#采样位点,细菌DGGE主要条带数量仅为23条,在沉水植物丰富区(贡湖湾)细菌DGGE主要条带数量达33条.PCA(主成分分析)的聚类结果表明,太湖水体中不同营养水平下的细菌群落多样性可大致归为3种类型,超富营养化的五里湖区水体细菌群落结构与梅粱湾及汞湖湾存在明显不同,可以大体归为超富营养类型、藻型湖区及草型湖区类型3种.此结果反映了水体富营养化过程中,由于营养物质的增加,促进了某些类群微生物的大量繁殖,水体中微生物的生物量显著增加;生态环境条件的恶化,造成了微生物多样性的下降,这可能导致原本稳定的水生态系统脆弱化.     

武汉城市湖泊环境地球化学研究--以东湖为例

选择武汉市具有代表性的城市湖泊——东湖，进行湖泊底积物及湖水的环境地球化学研究，主要研究了湖水电导率(Ec)的变化趋势和湖泊底积物中重金属Cu、Pb、Zn、Cd、Hg等元素含量的变化规律，最后得出：武汉东湖已经开始受到重金属污染，重金属污染是人类活动直接影响的后果。     

白洋淀水体、底泥及鲫鱼体内DDT、BHC污染状况研究

对白洋淀水体、底泥及鲫鱼肌肉中的ＤＤＴ及其衍生物和ＢＨＣ的残留量进行了测定研究，分别给出含量范围．研究表明，鱼体肌肉中ＢＨＣ的４种异构体的含量顺序（δ＞α＞γ＞β）与其在水和底泥中的含量顺序（α＞γ＞δ＞β）略有不同．鱼体肌肉中ＤＤＴ主要以代谢物Ｐ，Ｐ′ＤＤＥ形式存在．两种农药的污染具有明显的地域差异，位于府河入淀口及村庄附近的水体、底泥及鱼体肌肉中ＤＤＴ及其衍生物，ＢＨＣ含量较高，与１９７５—１９７７年检测结果相比，鲫鱼肌肉中ＤＤＴ及其衍生物残留量下降了５４２％，ＢＨＣ下降了８６９％．     

滇池草海污染底泥疏挖及处置工程效益分析

草海污染底泥疏挖及处置工程是滇池综合治理的重要组成部分。本文针对草海底泥分布及污染特征。在已确定的工程措施基础上，探讨分析了工程的综合效益。明确了该工程是解决滇池内源污染的重要措施，工程的实施能有效清除草游淤泥、改善水质及促进水生生态恢复，可望达到积极而显著的环境效益，同时也将取得良好的社会效益和经济效益。     

杞麓湖主要污染物的动态变化特征研究

以１９９７年杞麓湖水质监测结果为基础，运用相关分析，双因子方差分析等方法，对杞麓湖主要污染物动态变化特征的研究结果表明，杞麓湖主要污染物的空间分布较为均匀；ＢＯＤ５和ＴＮ都有较为明显的季节变化。     

洱海地面水环境监测优化布点研究

根据１９８７年以后五年洱海水质监测数据的数理统计分析，选择污染指数大的ｐＨ、ＣＯＤ＿（Ｍｎ）、ＢＯＤ＿５、Ｔ－Ｎ、Ｔ－Ｐ进行单项方差分析，进而再进行灰色关联聚类分析和年际相关分析，确知洱海三个水质监测断面可归于一类。考虑水下地形、湖流、环湖工农业布局，水质监测点优化为两个即可保证其准确性、可控性和代表性。     

湖泊水质参数空间分析中异常值的识别与处理

异常值的存在对湖泊水质参数局部估计精度产生重要影响 ,制约了地统计学在湖泊水质研究中的应用。文章以太湖为例 ,介绍了在湖泊水质参数研究中的三种异常值识别和处理的方法。应用这些方法可以有效地降低异常值的影响水平     

太湖水-气界面CO2交换通量观测研究

基于2003-01～2005-06利用静态箱法对太湖水-气界面CO₂交换通量的观测,对太湖水-气界面交换通量的变化特征进行了分析研究.结果表明:太湖水-气界面CO₂交换通量存在明显的日变化,春、夏、秋、冬4季日平均通量分别为-0.79mg/(m²·h)、-4.89 mg/(m²·h)、-4.06 mg/(m²·h)和-2.56 mg/(m²·h),太湖均是CO₂的汇.一般污染越重的区域,CO₂通量值越大.藻型湖区水-气界面CO₂交换通量季节变化不明显,草型湖区水-气界面CO₂交换通量季节变化很明显,夏秋季高,冬春季低.CO₂通量变化的可能相关因子还有天气情况、太阳辐射、风速及水温、pH、TA、Chla、TC、TN和TP等.     

阳宗海水质污染及其控制

由于近年Ｎ、Ｐ输入、输出失衡，大量营养盐滞留湖中，加以电厂温排水影响，阳宗海水体恶化加剧，两年出现大面积水华；且湖中鱼类结构不合理，数量偏少，导致水质变化。为此，必须取缔网箱及高密度堰塘养鱼，实施环湖截污，降低电厂排水温度，调整鱼类种群结构。