洪湖水质空间特异性及主导因子分析

运用聚类分析和主成分分析方法对洪湖湿地12个采样点的理化特性进行分析。聚类分析表明,根据各采样点水质组分的相似性将洪湖大致分为3个空间区域,各空间区域正好分属于核心区、实验区、河口区,各区域间特征差异显著。对各区域水质的主成分分析表明,洪湖不同空间区域水质信息差异很大。第1组核心区主要体现富营养化信息;第2组实验区主要体现总氮、氧化还原电位、浊度信息;第3组河口区主要体现溶解氧及亚硝酸盐氮等污染物信息。揭示了洪湖水质现状及其成因,为洪湖水资源合理利用及生态保护提供基础数据。同时,运用地统计学方法为生态环境研究提供新的思路与方法。  

基于PCA的区域环境质量综合评价及应用实例研究

区域环境质量综合评价是"十二五"期间环境综合分析的发展方向。基于主成分分析理论,借助SPSS软件,对山东省某市2003—2008年空气环境质量进行综合评价。结果表明,该市的空气环境质量远优于二级标准,总体处于良好水平。对大汶河水质进行综合评价,结果表明,寨子桥、东周水库和王台大桥3个监测断面水质较好,角峪和大汶口监测断面的水质较差,有机污染物是造成大汶河水质污染的主要原因。以上结果均与实际拟合度较好,PCA法是环境质量综合评价中一种简单易行的有效方法。  

化工园区污水特征分析及生物毒性研究

对天津市某化工园区9个主要污染企业及总排放口的废水进行监测分析,测定了12项水质常规指标和8项重金属指标,采用主成分分析法和生物毒性测试对化工区废水的水质进行了综合评价。结果表明,水质指标中大部分常规项目(如COD、氨氮和重金属含量)在多数企业污水中都符合排放标准,总氮、总磷污染较重,其中磷的污染最严重,最高超标23.83倍;影响污水性质的第一主成分为氯化物、电导率、全盐量和Cr,第二主成分为溶解氧、悬浮物、氨氮、总氮、总磷和As;废水具有一定的生物毒性,且不同化工企业之间毒性差异较大。水质化学测定的结果和生物毒性程度有一定相关性,但也存在差异,应该结合两者综合评价水质污染特征。  

洋河水库水质主成分分析

自20世纪80年代以来,洋河水库每年夏季都爆发“水华”现象,水质不断恶化。为研究水库水体水质年变化情况,于2005年对水库5个采样点的叶绿素a(Chl-a)、总磷(TP)等12项水化学指标进行为期1年的监测。采用基于因子分析的主成分分析方法,将洋河水库水质参数概括为5个主要成分,并分析各个主成分的含义以及其月均值随时间的变化规律。最后结合空间数据,分析了5个主成分年均值的空间分布特征和意义。结果表明,南库区的水质要明显好于北库区。  

烟花燃放对空气中PM2.5及水溶性离子的影响研究

于2013年2月9日—2月16日在南京城区连续观测PM10、PM2.5、PM1的质量浓度、能见度、PM2.5中水溶性离子浓度等参数,探讨了因春节期间烟花爆竹的燃放导致大气中颗粒物浓度出现短时峰值,同时能见度急剧降低,空气质量下降的原因。研究发现:因烟花爆竹的燃放,PM2.5局地短时间浓度可达863μg/m3,能见度仅为1.2km;PM2.5中Cl-、K+与SO2-4浓度短时间上升,这与烟花爆竹中氧化剂、还原剂等组分的燃烧释放有关。由春节期间观测结果统计发现,因烟花爆竹燃放对PM2.5中水溶性离子的贡献约占50%。  

Using improved neural network model to analyze RSP,NOx and NO2 levels in urban air in Mong Kok,Hong Kong

As the health impact of air pollutants existing in ambient addresses much attention in recent years, forecasting of airpollutant parameters becomes an important and popular topic inenvironmental science. Airborne pollution is a serious, and willbe a major problem in Hong Kong within the next few years. InHong Kong, Respirable Suspended Particulate (RSP) and NitrogenOxides NO_x and NO₂ are major air pollutants due to thedominant diesel fuel usage by public transportation and heavyvehicles. Hence, the investigation and prediction of the influence and the tendency of these pollutants are ofsignificance to public and the city image. The multi-layerperceptron (MLP) neural network is regarded as a reliable andcost-effective method to achieve such tasks. The works presentedhere involve developing an improved neural network model, whichcombines the principal component analysis (PCA) technique and theradial basis function (RBF) network, and forecasting thepollutant levels and tendencies based in the recorded data. Inthe study, the PCA is firstly used to reduce and orthogonalizethe original input variables (data), these treated variables arethen used as new input vectors in RBF neural network modelestablished for forecasting the pollutant tendencies. Comparingwith the general neural network models, the proposed modelpossesses simpler network architecture, faster training speed,and more satisfactory predicting performance. This improvedmodel is evaluated by using hourly time series of RSP, NO_x and NO₂ concentrations collected at Mong Kok Roadside Gaseous Monitory Station in Hong Kong during the year 2000. By comparing the predicted RSP, NO_x and NO₂ concentrationswith the actual data of these pollutants recorded at the monitorystation, the effectiveness of the proposed model has been proven.Therefore, in authors' opinion, the model presented in the paper is a potential tool in forecasting air quality parameters and hasadvantages over the traditional neural network methods.  

官厅水库入库断面水质多指标评价与演变特征分析

水体质量状况及其污染特征是流域水污染防治规划和治理措施制定的前提和基础。采用主成分分析和层次聚类分析等多元统计分析方法,选取溶解氧、高锰酸盐指数、化学需氧量等10个不同类型的监测指标,综合评价了官厅水库入库断面八号桥2006—2017年丰水期和枯水期水质年际变化特征,识别了不同阶段关键污染指标。结果表明:各年份丰水期(9月)大多数水质指标均优于枯水期(5月),特别是粪大肠菌群和氨氮,但总磷和高锰酸盐指数的差异较小。根据水质指标年际变化情况,可将研究期分为污染严重阶段(2006—2007年)、污染改善阶段(2008—2015年)和污染全面好转阶段(2016—2017年)。大部分水质指标呈现逐年好转的趋势,特别是粪大肠菌群、氨氮和五日生化需氧量,但总磷仍是官厅水库入库河流的重要污染指标。  

北京昌平某地冬季大气PM2.5元素污染特征分析

以北京昌平区某地大气PM_(2.5)和重金属污染状况为研究对象,应用射线法与XRF技术相结合的分析技术,对PM_(2.5)浓度和其重金属组分浓度进行同步监测,以重金属元素为污染物示踪因子进行污染特征分析。结果表明,监测期间该区域PM_(2.5)平均质量浓度达92μg/m~3,Ca、Fe、K元素含量较高。通过主成分分析该区域PM_(2.5)元素影响因素主要为工业和生活燃料燃烧、冶金工业废气、扬尘3类,贡献比分别为52.42%、26.82%、13.10%。  

基于主成分分析-多元线性回归的松花江水体中多环芳烃源解析

对松花江全流域14个监测断面的16种美国环保局优先控制的多环芳烃(PAHs)的主要来源及其贡献率应用主成分因子分析-多元线性回归模型(PCA-MLR)进行了来源解析。结果表明:松花江全流域为化石和石油燃料的复合PAHs污染,水体环境中PAHs首要污染源为化石燃料燃烧和交通污染,合计贡献率为63.1%,第二大污染源为工业和民用燃煤污染,合计贡献率为36.9%,沿江的石化、石油基地、大型焦化厂、电厂都是PAHs的主要来源。  

杭州市钱塘江干支流水质多元统计分析

运用多元统计方法分析了杭州市钱塘江干支流上26个断面的水质监测指标。利用系统聚类分析方法将断面所在河流分为3组,与钱塘江流域污染空间分布现状基本一致。对各组水质的主成分分析表明,第1组河流水质以有机污染为主,水体中氮、磷营养盐浓度较高,水体污染程度较轻,污染来源相对单一;第2组河流水体受有机物、重金属、石油类等多个污染指标的影响,水体水质较第1组差,污染来源相对复杂;第3组河流水体既有一般有机污染,也有重金属、有毒有害物质的污染,水体水质污染严重。