太湖富营养化指标BP人工神经网络预测模型的建立

富营养化是太湖面临的一个重大环境问题。富营养化预测是湖泊水质变化的有效预警手段。本文选择TN、TP和叶绿素a(Chl-a)三个富营养化重要评价指标,基于Minitab软件的相关性分析,利用MatlabR2010b软件建立了太湖TN、TP和Chl-a变化的BP人工神经网络预测模型。结果表明,在对TN、TP、Chl-a的预测中,训练的均方差在0.02以下,相关系数在0.88以上,测试的均方差在0.17以下,相关系数在0.70以上,具有较强的相关性;Chl-a、TN的模型预测的结果最为理想,TP的预测结果次之,总体结果较好。因此,建立的BP神经网络能较好地预测太湖富营养化指标的变化情况,可作为太湖富营养化管理的一个有效工具。     

在线气相色谱-质谱联用技术在定性定量监测水中挥发性有机物的应用

通过将动态吹扫捕集气相色谱-质谱联用技术在线化,实现了全自动在线测定地表水中的54种挥发性有机物(VOCs),并能对其他VOCs进行定性半定量监测。54种VOCs的方法检出限为0.05~0.74μg/L,在0~10μg/L范围内线性良好;加标回收率为69.6%~107.2%;除1,2,4-三氯苯等5种VOCs外,其余49种VOCs的测定标准偏差均10%。该方法检出限、线性、准确度和精密度都能满足水质自动监测的需要。     

夜间光污染的遥感监测及防治措施浅析

夜间人工照明在给人们的生活生产带来诸多便利的同时,也产生了一系列生态影响,导致了夜间光污染这一新的环境问题。然而,目前对于夜间光污染的监测和防控还未得到重视。针对我国对生态环境保护和建设的新要求,简述了夜间光污染对于天文观测、人类身心健康、交通安全、生态系统和能源浪费方面的影响,列举了夜间光污染的监测方法,包括实地测量和卫星遥感监测。针对我国目前夜间光污染防治现状,提出了完善法律法规、开展监测和评价、健全监管体系、推动宣传和教育等方面的防治建议。     

基于Sentinel-2与随机森林算法的太湖水生植被分布监测

基于2018—2021年太湖地区哨兵2号（Sentinel-2）卫星遥感影像和随机森林算法，结合植被敏感指数，开展太湖水生植被分布监测，综合分析了水生植被的时空变化特征，初步揭示了太湖水生植被的动态变化。结果表明，太湖水生植被分布面积有逐年上升的趋势，且年间变化具有明显的单峰型特征，表现为春季沉寂，夏季快速增长，秋季达到暴发期，冬季面积开始减退；太湖水生植被主要分布于东太湖、东部沿岸和贡湖，类型以沉水植被为主，其中浮叶植被主要分布于东太湖，挺水植被主要分布于东太湖沿岸的浅水区域；沉水植被主要分布于东部沿岸和贡湖；水生植被主要分布的东太湖水域，其水质总体优于太湖其他水域。     

江苏省水质自动监测预警规则的设计与应用

基于分级、分类、精简的设计原则,设计了江苏省水质自动监测预警规则,包括运维人员进行核实,环保部门加强监控(一级预警);运维人员核实后,环保部门短信预警(二级预警);水质明显异常,核实确认后报送纸质版快报(三级预警)。该预警规则在江苏省水质自动监测系统中得到应用,通过与上下游环保局、督查部门的配合联动,在捕获水质异常信息、预警污染事故等方面发挥了重要作用。