基于复杂网络同步特征的水华暴发数值模型

基于复杂网络的同步特征和藻类动力学生长特性, 以汉江近年来水华污染的现场监测资料为例, 并结合氮磷浓度、水温等实测数据构建了水华暴发的数值模型, 用以描述藻类生长和水华暴发的动力学机制; 同时, 利用达到指定藻生物量临界值的网格数规模作为判定水域是否暴发水华以及规模大小的依据, 从复杂网络同步特性的角度验证了水华暴发的临界性和全局突发性, 进而揭示了水华暴发现象是水域子区域整体协同作用的结果. 计算结果表明, 如果达到临界值的网格数超过指定的规模, 相应水域将暴发水华, 且网格达到峰值状态持续的时间越长, 水华污染越严重.     

基于多重优化灰色模型的三峡库区香溪河支流回水区水华变化趋势预测研究

三峡水库蓄水后,支流香溪河夏季水体富营养化严重,水华现象暴发频繁,水质污染严重.为预知香溪河库湾水华暴发程度与分布区域,以叶绿素-a为指标,引入灰色伯努利模型,并运用参数优化、含参马尔科夫误差修正、子序列独立优化等多重优化理论对模型进行改进,验证模型的优化效果.同时,利用该优化模型对2015年夏季香溪河近10个点位的叶绿素-a平均浓度变化趋势进行短期预测,结果表明,预测值与实际值相差较小,该模型能够基本反映香溪河近几年的水华变化趋势,目前香溪河库湾XX06~XX08和XX02点位区域分别为水华暴发高危区和局部次高危区,叶绿素-a浓度远高于水华阈值,有较高的水华暴发风险.与传统灰色预测相比,该预测方法的精确度和对波动序列的适应性更好.     

基于水动力学的中小水库藻类生长模型及蓝藻暴发的模拟

应用PHREEQC软件建立了基于水动力学作用的温岭市太湖水库藻类生长模型。选用2007年度温岭市太湖水库总磷、总氮、水温、叶绿素a的实测值,采用三次样条插值的方法估计出每一天的总磷、总氮、水温、叶绿素a的数值,对模型参数进行了率定和验证。将建立的模型应用于2009年温岭市桐岭水库水华暴发的模拟预测中,结果表明本文所建立的模型进行模拟运算精度较高,可以应用于中小型水库水华暴发的模拟预测方面。     

汉江下游河流型水华暴发的多影响要素特征识别

水体富营养化通常发生于湖泊和水库等闭合水域,在大型流动性河流中通常较少发生.然而,随着近年来人类活动的干扰,汉江中下游水华事件频繁暴发,给沿岸居民的饮用水安全带来了严重隐患.科学辨识可能导致汉江下游水华暴发的多要素变化特征,是揭示河流水华成因和优化上游水利工程调度的重要依据.基于收集的汉江流域下游气象、水文、水环境和水生态长序列数据,系统检测了可能导致汉江河流型水华暴发的多要素特征和不同时期的变化差异.结果表明:①汉江中下游降雨量（1961-2015年）下降、气温（1961-2012年）显著上升,汉江流域近50年气候逐渐呈现暖干的变化趋势.②1992-2013年汉江中下游径流变化呈显著下降趋势,在水华严重暴发的2008-2011年,汉江干流中下游主要断面年均流量和水位均处于历史上相对较低的一段时期.③2004-2014年汉江下游主要水环境指标变化趋势不显著,但总体水质状况较差,水华年ρ（COD_Mn）和ρ（TP）明显高于非水华年.④汉江水华暴发季节时间自2008年后有明显前移趋势,每年春季的2月中下旬-3月中旬将是水华暴发的重点防控时段.研究显示,汉江下游藻密度的变化相对于营养盐和水文情势要素更加敏感,在不同水华暴发时期的差异也最为显著,是导致河流型水华暴发的主要驱动因素.      

成都市一次重度灰霾期间大气PM2.5的自组织临界特性

2013年1—2月期间,四川省成都市出现大范围、长时间、高浓度的严重霾污染.本文运用频度统计分析和消除趋势波动分析方法,研究了成都市2013年1月25日—2月7日一次典型重度灰霾期间8个监测站点(草堂寺、人民公园、梁家巷、金泉两河、十里店、沙河铺、三瓦窑、灵岩寺)大气PM2.5小时平均浓度序列的时空演化规律.结果表明,各站点大气PM2.5的浓度波动并非随机,而在统计上服从典型的负幂律分布,同时均表现出很强的长期持续性特征.这些特征刻画了灰霾期间大气PM2.5浓度波动的宏观特征.将PM2.5浓度演化与沙堆崩塌进行类比,发现大气PM2.5演化具有自组织临界性复杂系统的基本特征.进一步根据自组织临界(SOC)理论,建立了大气PM2.5数值沙堆模型,模型算法考虑了此次灰霾期间成都市的气象因素和PM2.5的迁移扩散机制.通过对该模型的数值模拟,能够定量阐明此次重度灰霾期间成都市各监测站点大气PM2.5浓度时空波动宏观统计规律的产生根源.同时,深入讨论了该模型的自组织临界特征.模拟结果和实际结果的高度一致表明该模型真正阐明了导致PM2.5浓度时空波动的重要动力机制.SOC内禀机制是控制此次成都市灰霾期间大气PM2.5浓度演化的主要机制之一.本研究可为灰霾期间PM2.5的演化动力学提供新的研究方法.     

基于复杂网络的城市湖库藻类水华形成识别研究

在对城市湖库藻类水华形成机理深入研究的基础上,将提取的影响水华暴发的关键因子总磷(TP)、总氮(TN)、温度(T)、pH值、溶解氧(DO)、光照(I)、叶绿素a浓度(chl_a)作为网络节点,将影响因素间的关系抽象成网络的边,构建了藻类水华形成的有向网络模型.同时,计算了复杂网络的统计特征参数,构建了节点的关键度模型,并进行修正,进而构建了水华形成的复杂网络统计特征参数模型G,对其进行半定量分级,从而实现对水华暴发的有效识别,最后采用北京城市河湖水质的实验数据对模型进行了验证.结果表明,复杂网络统计特征参数G与叶绿素a浓度有显著的相关性,能够较好地表征水华形成过程.     

水华暴发机理研究进展与展望

阐述了水华暴发的概念及危害。主要从物理学角度、化学角度、生物学角度以及系统的角度分析了水华暴发的机理。最后对水华暴发的研究做出了展望。     

香溪河库湾水质特征与非回水区水华响应关系

为探究香溪河在受倒灌影响较弱的河段水华暴发征兆及机理,于水华高发期5~8月对香溪河进行监测,分析电导率、水温、叶绿素a（Chl-a）以及流速.结果表明,在6~8月,香溪河倒灌现象于XX05点（峡口镇）处基本结束,XX06~XX09受倒灌来水影响较弱;香溪河于7月暴发水华,各个监测点位上Chl-a含量均值达到100μg/L以上,XX05~XX06与XX07-XX09点位上暴发不同种水华;在水华暴发前后,水体温度无显著变化,且并无明显分层现象,说明水温分层是水华暴发的主要原因这一理论并不能很好的适用于非回水区;通过对电导率数值的研究发现,数值在垂向上出现显著拐点,而拐点出现在临界层与光补偿层之间,同时与叶绿素a含量分布呈现显著负相关性.香溪河总氮（TN）、总磷（TP）平均值为1.849mg/L和0.157mg/L,均超过富营养化的阈值,水体氮磷含量与Chl-a浓度无显著相关性,水体中除N、P营养盐外的其它离子对香溪河水华的暴发起着重要作用.在水华消退后,电导率数值又逐渐恢复表层高底层低的垂向线性分布特性,与水华的暴发、消退有着明显的响应.     

水华过程水质参数与浮游植物定量关系的研究——以太湖梅梁湾为例

考虑到太湖水华暴发过程中水质参数（如营养盐或水体理化参数）对浮游植物增殖的滞后效应,利用有滞后变量参与的格兰杰因果关系检验和向量自回归模型,分析了太湖梅梁湾湖区2000年~2012年的监测数据,探讨了湖泊水质参数对于水华暴发的影响和定量关系.结果发现,表征浮游植物生物量的叶绿素a（Chl-a）浓度与总磷（TP）、氮磷比（N/P）、水温（WT）之间存在长期的均衡关系,格兰杰因果关系模型和向量自回归模型（VAR）的结果显示,水体中TP浓度、N/P和WT是Chl-a含量变化的格兰杰原因,上述结果提供了湖泊水质参数与蓝藻生物量的定量关系,在其他水质参数保持不变的情况下,约1%湖泊TP含量、N/P和水温的变化分别造成0.97%、0.078%和0.55%的浮游植物生物量的变化.本研究为水华暴发研究过程中水质参数的定量化影响提供一个新颖的视角,考虑了时间滞后变量的时间序列分析方法也可以加深对水华暴发过程的理解.     

三峡库区出露期消落带沉积物磷分布特征

为了揭示经历完整反季节干湿交替周期消落带沉积物磷的源汇转化趋势,分析了三峡库区出露期消落带沉积物中磷酸盐的分布特征及含量变化.结果表明,首次经历完整反季节干湿交替的消落带宏观上表现出沉积物总磷(TP)累积现象,但覆水沉积物TP>落干沉积物TP,表明夏季水库开闸放水排沙,且消落带夏季出露期降雨资源丰富,有利于出露消落带表层沉积物被冲刷排除.有机磷(Or-P)含量升高是导致首次经历完整反季节干湿交替的消落带沉积物总磷积累的主要原因.消落带反季节干湿交替有利于沉积物中活性较高的活性磷(Ac-P)、Or-P的累积,有利于相对稳定的闭蓄态磷(O-P)、钙磷(Ca-P)排出.     

大气PM10跨界输送的自组织动力机制——以舟山市为例

我国城市间大气污染物的相互输送作用非常显著.舟山市大气污染物主要来源于长三角地区,本地源影响较小.因此,本文将以舟山市为例,应用频度统计分析方法,研究舟山市大气PM10污染演化宏观动态的统计分布规律.结果发现,舟山市大气PM10小时平均浓度的波动并非随机,而是在0.065~0.324 mg·m-3范围内具有标度不变特征,统计上服从典型的分形幂律分布.同时,为了阐明该分形幂律分布的产生动力机制,基于自组织临界理论,建立了大气PM10跨界输送模型.该模型以污染输送机制、二次颗粒物生成机制、城市内污染迁移扩散机制、大气自净机制这4个主导动力机制为核心,组建了非线性关联迭代算法.新的自组织动力模型的模拟结果定量地解释了舟山市大气PM10污染浓度的分形幂律统计分布规律的产生根源.同时,本研究结合区域风场等气象因素,深入讨论了大气PM10跨界输送的自组织行为机制.     

内蒙古乌梁素海“黄苔”暴发初探及防治对策

内蒙古乌梁素海分别于2008年5月和2009年5月连续2年暴发了"黄苔"事件,已不断丧失湖泊固有的养殖、灌溉、旅游等功能,严重制约着区域经济的可持续发展。乌梁素海水体富营养化程度的加剧已引起国务院领导和各界学者的关注。根据乌梁素海试验站实际监测的数据,对"黄苔"暴发期前后的水质、水文、气象等因素进行分析,以揭示影响"黄苔"暴发的环境、营养盐、水动力等条件。研究结果表明:乌梁素海"黄苔"的暴发主要是水体长期处于富营养化状态和适宜"黄苔"生长的各种条件共同作用的结果。系统科学地研究"黄苔"暴发的原因能够为乌梁素海"黄苔"暴发的预警、防治提供一定的依据。     

太原市迎泽湖富营养化控制的模型研究

针对湖泊富营养化问题,对太原市迎泽湖进行资料收集和长期水体监测,综合水动力模型、水质模型,融合参与湖泊富营养化的各种生命活动过程,建立湖泊富营养化耦合模型,用实测水质数据进行参数率定与验证,选取总氮、总磷、叶绿素a及透明度4项因子进行模拟,得出迎泽湖营养物质输移扩散及时空分布规律.结合迎泽湖实际情况,从补水方式、补水频率以及改变湖泊柔性结构三方面,提出改变水动力条件的方案并进行数值模拟,研究了各方案水动力、物质输移扩散的改进效果,结果表明,作为富营养化程度表征的叶绿素a在空间和时间分布上均存在一定的规律性,其浓度变化范围在0.035~0.105mg/L之间;藻类等浮游植物迅速增殖导致水质恶化水华暴发,而采取加大湖水水力循环和改善入口水质的控制方案,可有效改善湖水水质.     

新立城水库藻类水华环境因子分析及其预警监测

调查研究表明长春市新立城水库发生小范围藻类水华期间浮游植物藻类群落结构变化不明显,种群丰度增加。对监测数据进行了分析并与该地区非水华期间的监测数据相比较;同时对水质进行了环境因子相关性及对藻类水华的影响分析。结果显示溶解氧和温度是影响水库叶绿素a值变化的主要环境因子,且可以作为北方湖泊藻类水华预警的主要监测指标。     

基于Metropolis准则的BP模型改进及在太湖Chl-a预测中的应用

水体富营养化及藻华暴发已成为湖泊治理中的主要问题,利用历史监测数据,采用BP神经网络对水体中叶绿素a(Chl-a)浓度进行预测,已成为藻华预警的主要手段.但该方法存在迭代速度慢、易陷入局部极值等局限性,导致产生拟合结果不优或预测误差较大等问题.利用Metropolis接受准则的全局寻优能力,将其与BP神经网络相结合构建...     

三峡水域氮磷污染对水华暴发/消涨行为的协同影响

藻类生长/消退与藻类对氮、磷的吸收比率ω₁和ω₂相关,ω_i正/负增长分别对应藻类生长时从水体中吸收氮磷的加速阶段和藻类分解时向水体释放氮磷的消退阶段,在特定磷氮比(P/N)范围出现ω₁和ω₂同时突变有可能从理论上解释水华的暴发/消退.根据三峡流域实测数据和藻类吸收氮磷的关联函数,在三维空间表征了随氮磷浓度协同作用导致的ω₁和ω₂在特定P/N区域同时突变所揭示出的水华暴发/消退现象,从而直观、合理地解释了:①适当的P/N范围才可能暴发水华;②如果P/N区间同时满足ω₁和ω₂正向急剧增长的要求,藻类疯长,而ω₁和ω₂同时朝负值方向急剧降低,水华消退;③水华暴发/消退的速率为同一数量级,且水华暴发/消退在氮、磷浓度达到某一敏感范围时将表现出明显的周期性振荡.这些性态可能更真实地反映出水华暴发/消退时藻类对营养盐的吸收/释放机理.     

再生水补给水体中丝状藻爆发成因分析:以华南某水体为例

利用再生水作为河流、湖泊补给水已成为城市水环境治理的重要措施,但是再生水的汇入也为一些水体带来了"藻华"爆发的风险.针对再生水补给水体中易出现的丝状藻"藻华"现象,以华南地区某再生水补给的河流水体为例,通过现场调研和实验室实验,分析了丝状藻的生长模式及爆发成因.研究结果表明:丝状藻生长过程分为休眠、萌发、扩增和爆发4个...     

基于NARX神经网络的千岛湖藻类短期预测模型构建

局部水域的藻类异常增殖现象逐渐成为千岛湖面临的水环境保护难题. 构建以数据驱动的水华预测模型,实现对重点水域叶绿素a (Chla)浓度短期动态变化的预测,是快速应对潜在水华风险的有效手段之一. 鉴于NARX神经网络在预测非平稳时间序列动态特征方面的优势,以千岛湖国控监测断面小金山2016—2019年Chla的高频时间序列作为研究对象,对Chla剖面数据进行沿深平均、缺失值插补后,分别以连续3 d和连续7 d的Chla浓度作为输入,构建了基于NARX神经网络的藻类预测模型,用于预测未来0.5~7 d Chla浓度的变化,探讨了相关参数设置、训练及评价方法,并针对不同的预见期分析了模型性能. 结果表明:① 模型预测性能稳定,预测值与实测值相关系数保持在0.8~0.9之间,均方误差在15~30之间. ②随着预见期的变化,模型性能不同. 其中,在未来0.5~4 d的预测中,使用连续3 d的 Chla浓度作为输入的预测效果较好;在未来4.5~7 d的预测中,使用连续7 d的Chla浓度作为输入的预测效果较好. 研究显示,该模型可以较为准确地预测未来0.5~7 d的Chla浓度,可为构建以数据驱动的千岛湖水华监测预警系统提供科学依据.