基于无人机多光谱影像的小微水域水质要素反演

总磷(TP)、悬浮物浓度(SS)、浊度(TUB)3种水质参数可以直接通过遥感反演得到,常用于评价区域水环境的污染状况.以浙江农林大学东湖为研究对像,使用无人机携带多光谱传感器(Mica Sense Red Edge)获取多光谱影像,进而提取16个光谱参数,分别构建东湖水域TP、SS、TUB的反演模型.结果表明:光谱参数V5(NIR 0.770～0.890μm)与TP、SS相关性显著(r分别为0.470、-0.537,p0.05),V4(0.670～0.760μm)与TUB相关性显著(r=0.486,p0.05).在建立的TP反演模型中,指数函数模型精度最高,决定系数R~2为0.7829;在建立的SS、TUB反演模型中,多项式函数模型精度最高,决定系数R~2分别为0.7503、0.7334.经检验,TP、SS、TUB模型估测值与实测值线性拟合曲线的决定系数R~2分别为0.7374、0.8978、0.6726,满足水质要素反演的精度要求.最后利用建立的模型,结合多光谱影像数据,建立了东湖水域各参数的空间分布图,实现了水质参数的可视化,可为小微水域的污染防治提供技术支撑.     

基于三角模糊数的贝叶斯水质评价模型

将贝叶斯理论和模糊集理论引入水质评价领域,分别描述了水质评价过程中模型结构和参数的不确定性,建立了基于三角模糊数的贝叶斯模糊综合水质评价模型.对Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ类水分别赋值,并根据监测点水质对各类别的后验概率计算水质的综合得分进而确定水质类别.同时,选取了TP、NH4+-N、COD、DO、As及粪大肠菌群为水质评价因子,将建立的模型应用于2010年洞庭湖水质评价中.结果表明,小河嘴、横岭湖、万子湖、目平湖、洞庭湖出口水质达到Ⅱ类水标准;南嘴、岳阳楼水质为Ⅲ类水;东洞庭湖和扁山水质介于Ⅱ类水和Ⅲ类水之间,对各等级的隶属度分别为0.4983/Ⅲ+0.5017/Ⅱ、0.7962/Ⅲ+0.2038/Ⅱ.各监测点位中,仅南嘴水质未达到相应的水质标准.较均值模型、三角模糊数模型和传统贝叶斯模型而言,基于三角模糊数的贝叶斯水质评价模型对不确定性的表达更为全面、更符合实际.     

光学复杂水体中水色参数反演的不确定性评价

湖泊水色遥感为大范围、长时序监测湖泊水质提供了可能性,遥感反射率对构建水环境参数反演模型具有重要意义。该研究以太湖和乌梁素海为研究区,结合Landsat-8 OLI数据及已有的算法对透明度、悬浮物、藻华等参数进行验证,比较了不同级别反射率产品(大气顶部反射率(TOA)、经瑞利校正后的反射率(R_rc)、地表反射率(SR))在参数反演中的不确定性。结果表明：(1)浑浊水体反射率高于清澈水体,TOA在可见光波段反射率明显提升,R_rc和SR更符合水体光谱曲线特征,且R_rc稳定性优于SR;(2)透明度模型SDD_Song在乌梁素海的效果优于太湖,SDD_Zhang模型则相反,SPM_Cao模型在2个湖泊的精度均高于SPM_Wen模型,FAI_Rrc和FAI_SR结果具有一致性;(3)不同级别的反射率产品误差表现为TOArcrc     

不确定性流域污染负荷优化分配模型及其应用

流域优化决策模型以最优化建模方法指导流域管理决策过程,然而流域系统的不确定性会导致决策存在一定风险.本研究通过建立区间参数机会约束线性规划(ICILP)模型来处理流域决策过程中的不确定性,并将该模型运用于太滆运河流域优化决策中,探讨在不同违反概率下系统最优解.结果表明,随着允许入湖量约束违反概率增加,系统对污染物削减量和削减成本有所降低.由于受到经济成本和削减量约束,系统优先减小环境代价较大、削减效率较低的工程项目规模.但受到最低处理率约束,违反概率增加到一定水平时各工程项目趋于定值.虽然较高的违反概率使系统成本降低,但也会导致削减效率降低,不利于流域保护.因此,在实际管理中应根据管理需求选择合适的削减方案以达到保护流域水质的目标.     

基于无人机多光谱影像和OPT-MPP算法的水质参数反演

无人机多光谱遥感可用于监测多个水质参数,如悬浮物、浊度、总磷和叶绿素等,建立稳定和准确的水质参数反演模型是开展这一工作的前提.matching pixel-by-pixel(MPP)算法是一种针对无人机影像高分辨率特点的反演算法,但其存在运算量过大和过拟合的问题,基于此,提出optimize-MPP(OPT-MPP)算法,以克服运算量过大和过拟合的问题.本研究以浙江省杭州市青山湖作为研究区域,采集45个样本,分别构建悬浮物浓度(SS)与浊度(TU)的OPT-MPP算法反演模型.结果表明,最佳悬浮物反演模型的决定系数R~2达到0.787 0,综合误差为0.130 8;最佳浊度反演模型的决定系数R~2达到0.804 3,综合误差为0.150 3.最后利用分别建立的两个参数的最优模型,实现青山湖各实验区域的水质参数空间分布信息的反演.     

不确定性模糊多目标模型在生态城市水资源配置中的应用

针对生态城市水资源配置的不确定性、模糊、多目标特点,建立了基于不确定性基本理论的不确定性模糊多目标(IFMOP)水资源配置模型.该模型改变了以往按照确定性目标进行优化的思路,用区间参数的方法将现实中的不确定因素表现为区间形式,将各变量在区间内组合求解,并且通过决策者与模型的交互,用MATLAB软件编程求解,很好地体现了实际决策过程.通过采用华北某市新区水资源数据进行优化配置实例验证,得到了较为合理的2020年水资源优化配置方案.     

基于Sentinel-3OLCI的查干湖水质参数定量反演

通过2020～2021年5次对查干湖实地采集87个水体样品,测定水质参数,并同步匹配经Acolite大气校正后的Sentinel-3OLCI(OLCI),结合412～885nm遥感反射率(Rrs)与支持向量机(SVM)算法、经验算法以及半分析算法构建查干湖悬浮物(TSM)、浊度(Turb)、透明度(SDD)以及叶绿素(Chl-a)高精度反演模型,通过模型精度的对比,遴选出SVM模型并据此模型反演查干湖2017—2021年上述4种水质变化,分析其对降雨和风速的动态响应.结果表明:(1)实测TSM与Turb之间呈现显著正相关(P<0.01),相关系数为0.93;两者与SDD均呈现显著负相关(P<0.01),相关系数分别为0.71, 0.73;(2)TSM、Turb、SDD、Chl-a反演模型决定系数分别为0.85,0.91,0.93,0.85;且误差分析RMSE值分别为8.75g/mL,10.95FNU,2.11cm,3.64μg/L;MAE值为5.99g/mL,6.86FNU,1.04cm,2.19μg/L;(3)查干湖水质参数年际分布特征呈动态下降趋势,于2020年TSM与...     

城市河道无人机高光谱水质监测与应用

高光谱成像技术具有大范围、快速、动态监测等优势,提供了一种客观监测大面积水体污染状况的方法,是水环境监测体系发展的趋势。文章以广东省鹤山市沙坪河为研究区域,通过无人机高光谱成像遥感数据对城市河网的Chl-a、COD、TN、TP、NH_4~+-N等水质参数进行了定量反演研究,研究结果显示,沙坪河原始光谱主要表现为4种不同的光谱曲线特征,对于沙坪河河道而言,导数光谱具有更高的估算精度。选择拟合效果较好的一阶导数对应的线性拟合模型(R~2介于0.85～0.96之间)为沙坪河水质指标定量反演模型,拟合效果次序依次为TNNH_4~+-NChl-aCODTP。各指标的反演误差绝对值介于1.01%～35.81%之间,认为一阶导数对应的线性拟合模型具有较好的反演精度。通过高光谱水质监测仪测量的区域性结果,可快速获取城市河道水质分布情况,对城市水体环境治理具有重要意义。     

基于ROC曲线与确定性系数法集成模型的三峡库区奉节县滑坡易发性评价

滑坡易发性评价是区域滑坡灾害风险评估和防控的基础。以滑坡灾害高易发区三峡库区奉节县为研究区,首先初步选取坡度、坡向、高程、剖面曲率、断裂带距离、岩土体类型、水系距离、降雨量、道路距离和植被覆盖度10项基本指标,构建滑坡易发性初始评价指标体系,并采用频率比法对各评价指标进行分级;然后,采用ROC曲线(Receiver Operating Characteristic curve受试者工作特征曲线)法定量分析各评价指标对滑坡易发性建模精度的影响程度,确定对研究区滑坡易发性建模影响的关键评价指标体系;最后,分别应用确定性系数法和逻辑回归模型对研究区滑坡易发性进行建模与分区,并对比分析两种模型评价结果的精度。结果表明:确定性系数法的成功率和预测率为82.1%和82.0%,其值高于逻辑回归模型的80.5%和79.5%;确定性系数法中92.24%的滑坡分布在高易发区和较高易发区,其值高于逻辑回归模型的80.65%,表明集成ROC曲线法与确定性系数法的区域滑坡易发性评价方法具有可靠性和精确性,可为完善滑坡灾害易发性评价理论和技术方法提供新的思路。     

基于贝叶斯网络的大连市空气质量预测与诊断

贝叶斯网络具有双向推理能力,可有效解决空气质量研究中的不确定问题。将贝叶斯网络引入到空气质量研究中,基于大连市2014—2016年空气质量指数(AQI)以及SO_2、NO_2、O_3、CO、PM_(10)、PM_(2.5)6种污染物浓度数据,通过构建贝叶斯网络模型对大连市空气质量进行了预测与诊断研究。结果表明:(1)利用贝叶斯网络因果推理功能验证了贝叶斯网络预测模型的有效性:大连市春、夏、秋、冬四季和全年的空气质量预测精度分别为89.29%、92.86%、88.89%、85.19%、89.09%;(2)利用贝叶斯网络模型和模糊综合评价法分别对大连市2017年5月1日至15日的空气质量进行预测,并比较官方的监测值,结果显示贝叶斯网络模型用于空气质量的预测更为准确;(3)利用贝叶斯网络诊断推理得出O_3和PM_(2.5)是大连市空气污染的主要贡献者。贝叶斯网络技术用于空气质量的预测和诊断具有可行性和可靠性。     

不确定性方法耦合水质模型研究综述

水质模型是模拟和预测水体中污染物迁移和转化的重要工具.水质模型作为水环境保护的有效工具,已经广泛应用于环境污染控制和水质规划管理中.详细清晰地阐述了水质模型的研究进展、几种常用的确定性水质模型的特点及适用范围、在模型构建的过程中产生的不确定性的研究方法、模型结构的不确定性研究方法以及不确定性方法与水质模型耦合的研究现状,并说明了水质模型未来的研究方向和发展趋势包括:加强对模型的不确定进行数学描述与评价,在模型构建过程中,各种不确定性方法应相互渗透;将不确定性研究方法与传统的水质模型进行耦合,构建各种不确定性水质模型的多样化、复杂化、耦合化;将水质模型与“3S”技术结合,使应用水质模型实时、动态的反应水质变化成为可能.     

多时间尺度HSPF模型参数不确定性研究

模型参数的不确定性是水文模型应用研究领域的重点与难点.本研究以密云水库东北部的潮河流域为例,构建了潮河流域HSPF水文模型,并采用1998~2010年逐月地表径流量数据对模型参数进行校准与验证,并结合GLUE算法分析了模型参数的敏感性和不确定性.结果表明:(1)经过参数调整,HSPF模型径流模拟取得了较好的效果,率定期和验证期的纳什系数分别为0.84和0.55;(2)可将影响HSPF模型的参数分为3类,即全局敏感性参数(LZSN、INFILT、IRC和AGWRC)、局部敏感性参数(UZSN)和不敏感参数(DEEPFR、BASETP、AGWEPT、INTFW和CEPSC);(3)不同敏感性参数间存在复杂的相关关系,参数组合(LZSN与INFILT)、(INFILT与UZSN)和(UZSN与AGWRC)间均呈极显著负相关关系;(LZSN与UZSN)和(UZSN与AGWRC)呈极显著正相关;(4)HSPF模型参数存在大量复杂的"异参同效"现象,证实影响模拟结果优劣的是参数组合而非某一参数值;(5)模型不确定性发现,模型预测的不确定性范围与降雨量密切相关,即降雨量越大,模型预报的不确定性就越大,反之亦然;(6)不同时间尺度下HSPF模型的模拟效果总体较好,但是也存在一定差异性,年尺度、季节尺度和月尺度下不确定性范围分别包含了81.80%、78.70%和80.56%的观测值,即年尺度效果略优于月尺度和季节尺度;该研究结果可为HSPF模型在相似区域应用与参数本土化提供科学参考和借鉴.     

基于贝叶斯优化的三维水动力-水质模型参数估值方法

随着水质目标管理要求的提升,基于复杂的三维水动力-水质模型的决策成为流域精准治理的必需.水质模型通常具有复杂的结构,包含大量的方程和参数,而参数取值的准确性会影响模型对水体系统表征的可靠性,进而影响根据模型结果进行水环境管理的效果,因此,有必要探究适用于复杂水质模型的高效参数估值方法.传统的自动参数估值方法应用于复杂的水质模型时会面临计算瓶颈,而贝叶斯优化适用于高运算成本模型的优化问题.本研究提出基于贝叶斯优化的复杂水质模型参数估值方法,主要包括:①重要影响参数识别;②重要参数敏感性排序与筛选;③采用贝叶斯优化对筛选出的参数进行估值;④方法的适用性评估.同时,将该方法应用于云南异龙湖的三维水动力-水质模型的参数估值中,发现进行参数估值后模型lg(NSE)均大于0.65,表明模型达到了满意的级别.研究表明,当贝叶斯优化算法的采集函数为EI时,仅需要141次迭代lg(NSE)即可达到0.766,该方法对复杂水质模型的参数估值具有一定的借鉴意义.     

基于数据同化的太湖叶绿素多模型协同反演

在国内外众多学者的不懈努力下,开发了大量的水质参数遥感估算反演模型,但不同的模型都具有其"局限性",只能从某个层面反映"真值".基于上述考虑,本研究发展了基于数据同化方法的太湖叶绿素a浓度多模型协同反演算法.利用2006~2009年太湖野外实测水体高光谱遥感反射率数据,构建了7个叶绿素a浓度反演模型;通过模型精度对比,最终遴选出6个适宜的叶绿素a浓度反演模型.进而使用不同模型组合,进行多模型协同反演.结果表明:1多模型协同反演算法的反演精度要高于单模型反演的反演精度,最优MAPE仅为22.4%;2随着参与多模型协同反演的模型个数的增加,其反演精度也逐渐提高,MAPE均值从25.6%降低到23.4%,RMSE均值从15.082μg·L-1降低到14.575μg·L-1,相关系数R均值从0.91提升到0.92;3通过对多模型协同反演产品的置信区间进行计算,可以有效地估算产品精度和误差,同时使得获取全湖反演叶绿素a浓度的误差空间分布情况成为可能.     

基于Fuzzy-DBN的氨泄漏爆炸事故风险分析

传统的事件树、故障树和静态贝叶斯网络在事故风险分析中存在一定的局限性,动态贝叶斯网络对于描述多态性、相关性、时序性、交互行为的复杂系统在节点的安全风险以及预测未来一段时间内事故发生概率方面较为突出。提出将动态贝叶斯网络模型与模糊数学方法相结合的思路,分析氨制冷系统预防氨泄漏爆炸事故风险的方法。先根据氨泄漏爆炸事故故障树,利用GENIE软件建立了氨泄漏爆炸事故风险评估的模糊动态贝叶斯网络(Fuzzy-DBN)模型;然后利用模糊数学方法确定动态贝叶斯网络模型中的条件概率参数,利用动态贝叶斯网络算法推理计算各根节点发生的后验概率,并进行前向推理,预测事故发生概率;最后将该风险评估模型应用于某氨泄漏爆炸事故风险分析,通过案例分析验证了该模型的可行性。得出导致氨泄漏爆炸事故发生的关键火源因素及泄漏因素,并基于动态贝叶斯网络,根据氨制冷系统发生氨泄漏报警情况,对氨泄漏爆炸事故发生概率进行预测。     

基于非线性规划模型的低污染水湿地净化方案优化技术

为进一步加强太湖流域水环境综合治理,江苏省已在多地推广深度处理低污染水的人工湿地工程。该研究参考国内外各污水处理厂尾水人工湿地的设计参数,以一级动力学去污模型为基础,考虑水质的不确定性,建立了人工湿地的非线性规划模型。针对太湖湾污水处理厂人工湿地的现状,进行不同季节的情景分析并设计了优化方案,结论如下:(1)该技术对太湖流域污水处理厂人工湿地净化方案的优化有很好的适用性;(2)应增加垂直流面积并减小表面流和生态塘面积以保证湿地出水水质达标;(3)为低污染水人工湿地净化方案优化和应用技术推广提供了基础。     

基于XGBoost选择迁移条件提升LSTM模型河流水质预测能力

准确预测河流水质变化是流域水环境管理的重要基础。目前常用的基于数据驱动的深度学习模型依赖大量的监测数据训练,然而很多河流数据缺乏,无法满足水质预测精度要求。提出了一种基于极端梯度提升模型(XGBoost)的迁移条件选择方法,利用全国河流自动监测站点的水质参数(水温、pH、溶解氧、总氮)数据集,研究建立长短期记忆神经网络(LSTM)模型库,通过迁移学习条件的优化,提升LSTM模型的预测能力。结果表明：1)采用不同源域和迁移方式训练出的模型,其预测精度有很大差异;2)基于XGBoost模型选择最佳迁移条件,迁移模型的预测误差(RMSE)降低了9.6%～28.9%,LSTM模型预测精度明显提升;3)选取合适的迁移方式、选用性质接近的源域数据、增加训练数据量均可以提升迁移模型的预测精度。该建模方法可应用于实测数据少的河流水质预测,为流域水环境精细化管理提供技术支持。     

海域水质模型参数动态反演方法研究初探

海域水质模型长周期数值模拟中,模型参数全时段统一赋值的方法忽略了参数随时间动态变化的物理特性,降低了模型的可靠性,增加了海域水质模型验证工作的难度.本文建立了将数据驱动模型和水质模型有机结合的参数动态反演的新方法:以水质模型多参数设计工况的数值模拟,构建海域内部观测点污染物浓度响应解集,并将解集划分为若干时段;应用基于人工神经网络的数据驱动模型归纳建立观测点每一时段内污染物浓度同多个模型参数之间的非线性关系;将实测资料带入关系中,进行模型参数随时间变化的动态反演.以渤海海域水质模型为例,采用“孪生”实验验证参数动态反演新方法的可行性,结果表明该方法是有效的,能够保证模拟周期内较高的数值精度,提高了模型的准确性.     

面向GF-1WFV数据的闽江下游叶绿素a反演模型研究

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度反演模型;并根据验证数据与实测值之间的决定系数(R~2)、均方根误差(RMSE)和平均相对误差对模型反演结果进行了比较.结果发现,随机森林模型的R~2为0.895,RMSE为1.994 mg·m~(-3),平均相对误差为11.502%,是3种模型中最优的.为了评估模型的性能,进一步比较了WFV影像像元反射率反演的叶绿素a浓度值与相应的实测值.结果表明,随机森林模型同样具有较高的精度,其R~2为0.709,RMSE为3.540 mg·m~(-3),平均相对误差为25.616%.本研究可为闽江下游水环境的监测提供一定的理论依据和技术参考.     

基于MCMC方法的SWMM模型参数不确定性分析

基于贝叶斯理论,采用马尔科夫链蒙特卡罗法的差分演化自适应Metropolis算法,即MCMC-DREAM算法,对SWMM模型水量参数及输出的不确定性进行了系统分析。研究结果表明:在模型模拟过程中,不透水区面积比率和管道曼宁系数对模型的模拟结果具有较大的影响,不确定性较小,而其他参数不确定性较大,是水量模拟参数不确定性的主要来源。参数不确定性是造成模型输出不确定的主因。径流峰值模拟最容易产生偏差,是模型输出不确定性的主要来源,提高峰值的模拟精度将有效地提高模型整体的模拟效果。