基于逐步聚类分析的水库浮游藻类生长预测

采用逐步聚类分析方法预测水库浮游藻类的生长情况,以于桥水库为例,选取了1999~2006年7个水质和气象因子的56组数据建立逐步聚类分析模型,其结果用于预测2007~2010年的叶绿素a含量.结果表明,实测值与预测值的变化趋势基本一致,相关系数R达到0.94,线性相关性较好.预测值的平均绝对误差为-0.0007,平均相对误差为21.66%.逐步聚类分析法可以快速准确的对水库的叶绿素a含量进行有效预测.对逐步聚类分析模型的敏感度分析表明,影响于桥水库藻类生长的主要因素是水体的pH值、溶解氧以及总磷,因此控制这3个因素是预防藻类爆发的重要途径.     

耦合多电极矩阵传感技术在埋地金属腐蚀监测中的应用

目的采用耦合多电极矩阵传感器(CMAS)测量不同状态下的埋地金属腐蚀速率。方法将腐蚀探头插入到含蒸馏水和3.5%模拟海水的饱和土壤中,通过将探头向上提升,测量金属在饱和土壤、水-空气界面、疏松土壤中的腐蚀速率。对两只腐蚀探头分别进行杂散电流干扰、阴极保护处理,一只探头处于自由电位状态,测量三只探头在土壤中的腐蚀速率。结果在含蒸馏水和3.5%模拟海水的饱和土壤中,测量的金属稳态腐蚀速率约为2~15μm/a,金属在含海水饱和土壤中的腐蚀速率并未高于含蒸馏水饱和土壤。在土壤中形成充满水的空间里,水-空气界面附近金属材料的腐蚀速率比饱和土壤中高2个数量级。杂散电流对埋地金属的腐蚀速率影响巨大,与自由状态下的埋地金属相比,受杂散电流干扰的埋地金属腐蚀速率提高2个数量级。在阴极保护电位为-0.9 V的情况下,腐蚀速率约为0.01μm/a,接近CMAS系统检测最低限。结论耦合多电极矩阵传感器(CMAS)能够有效测试埋地金属不同状态下的腐蚀速率。     

于桥水库浮游藻类时空分布规律的数值模拟研究

于桥水库作为天津市重要的饮用水水源地,为改善水库环境、防治水华爆发,有必要研究其浮游藻类时空分布规律.本研究的主要方法是引入可以反映影响藻类生长的多个复杂非线性因子的综合参数——藻类综合生长系数,用于表征其生长变化趋势,该综合参数作为参变量添加到动力迁移模型中的对流—扩散传导方程中求解,实现生长模型与动力迁移模型的耦合,得到的耦合模型即可达到对藻类的生长规律和动力迁移作用同时兼顾的效果.应用耦合模型对于桥水库库区藻类进行模拟预测,模拟输出的时空分布图能够直观清晰地显示库区藻类浓度偏高时期和易富集区域,模拟值与实测值的平均误差为15.4%,在可以接受范围之内.模拟结果表明该模型可用于探索藻类的生长、富集和迁移规律,并为水库防治水华采取相应措施提供科学依据.     

海水中磷酸盐的在线快速检测

利用孔雀绿-磷钼杂多酸分光光度法与流动注射分析(FIA)联用,建立了一种简便、快速、直接的海水中磷酸盐的测定方法.在优化的实验条件下,当磷酸盐浓度在1～50 μg/L时呈现良好的线性,其线性方程为:y=1.2243x + 3.4529(R2 = 0.9995);检出限(3σ)为 0.29 μg/L;相对标准偏差(RSD)为 0.76 %(50 μg/L的磷酸盐添加于空白海水,n=8).利用本方法分析海水水样中的磷酸盐,回收率为91.9 % ～108.2 %.该方法不仅适用于海水中磷酸盐在实验室中的测定,而且满足监测站、监测船等的对磷酸盐的在线快速监测.