基于神经网络的城市内湖水华预警综合建模方法研究

针对城市内湖水华产生过程存在复杂性、时变性、不确定性等特点,运用内集-外集、粗糙集约简和RBF神经网络模型,通过水华藻生物量阈值界定、风险概率计算、预警等级划分、预警因子识别和神经网络预测模型的研究,提出一种城市内湖水华预警综合建模方法.以天津清净湖为例,利用p H值、水温等12项水质指标监测数据,确定清净湖水华的叶绿素a浓度阈值为70.98?g/L,依据水华风险概率划分5个水华预警等级,并确定水温、溶解氧、高锰酸盐指数和TDS为水华预警因子.利用RBF神经网络技术构建清净湖水华预警模型,验证结果显示,模型预测精度达85.7%,表明该方法能较好地用于城市内湖水华预警模型构建.     

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.      

三峡库区不同河段支流丰水期叶绿素a和营养盐的空间分布特征

三峡水库建设对流域水生态环境产生了一定的影响,使得三峡库区支流库湾频频暴发水华.为了探究夏季三峡库区不同支流水体氮、磷营养盐和叶绿素a浓度的空间分布差异,于2018年6月对三峡库区不同河段的三条支流——香溪河、神农溪和大宁河流域水生态环境进行了调查分析.结果表明香溪河、神农溪和大宁河流域水体中总氮浓度均值依次为1. 86、1. 90和1. 43 mg·L~(-1).这3条河流水体中总磷浓度均值依次为0. 09、0. 07和0. 05 mg·L~(-1).单因素ANOVA分析表明,总氮空间差异较显著,表现为神农溪香溪河大宁河;总磷空间分布差异显著,表现为香溪河神农溪大宁河.香溪河、神农溪和大宁河水体中叶绿素a浓度的均值依次为6. 41、21. 39和9. 85μg·L~(-1). Pearson相关性分析结果显示,这3条河流的叶绿素a浓度与总磷浓度均有显著相关性,其中神农溪与大宁河的叶绿素a浓度还与真光层和混合层之比(Zeu/Zmix)存在显著相关,且香溪河、神农溪和大宁河的氮磷比的均值依次为22. 36、26. 76和28. 6,表明总磷是影响这3条河流水体中浮游植物生长的关键性指标.     

大宁河水华期间叶绿素a变化及环境因子相关分析

以大宁河2011年5月水华敏感期的调查数据为基础,运用数理统计分析方法,分析叶绿素a浓度的变化,以及与TP、PH、DO、SD等环境因子的相互关系。结果表明大宁河水华期间叶绿素a存在明显的时间变化,与TP的变化趋势存在明显的一致性。叶绿素a的对数与总磷的对数呈显著正相关,与透明度的对数呈显著负相关,叶绿素a与PH、DO呈显著正相关。     

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BPNN的三峡水库神农溪叶绿素α浓度预测

三峡水库自蓄水以来,库区水环境发生了巨大变化,部分支流回水区出现大面积水华。为了有效减小及预防水华带来的影响,收集了三峡水库支流神农溪2013年5-12月的水环境监测数据,运用主成分分析法,分析水华的主要影响因子。以筛选出的8个主要因子加上叶绿素a浓度为模型输入,利用Matlab R2010a软件,建立了基于BP神经网络的水华预测模型。结果显示BP网络模型对未来1周的叶绿素a浓度的预测值与实测值之间的拟合程度良好,相关系数达到0.928。说明BP神经网络模型可以用于神农溪叶绿素a浓度预测,并为神农溪水华治理提供科学依据。     

基于GAM模型的太湖叶绿素a含量与环境因子相关性分析

随着富营养化程度的加剧,太湖近30年来水华频发.为了探讨太湖西部沿岸水华暴发与环境因子的关系,于2017年4月1-18日（当地历年蓝藻暴发早期）在太湖西部沿岸进行了密集原位调查.共采集样品72个,测定了水温、溶解氧、各形态氮、磷营养盐浓度以及风速等环境指标,并利用GAM（广义相加模型）定量分析了叶绿素a含量与各环境因子间的关系.结果表明:①叶绿素a含量波动幅度较大（17.10~795.89 mg/m3）,太湖西部沿岸带有明显的蓝藻水华暴发现象.②水温、风速以及硝态氮浓度与叶绿素a含量的变化显著相关（P<0.05）,各环境因子按其对叶绿素a含量变化的解释率排序为水温>风速>硝态氮浓度.其中水温是影响叶绿素a含量最为重要的环境因子,叶绿素a含量随着水温的升高呈现明显上升趋势.风速也是影响叶绿素a含量的关键因子之一,较低的风速（<3 m/s）有利于蓝藻的漂移集聚从而形成水华,引起叶绿素a含量的升高.研究显示,GAM模型较好地解释了叶绿素a的含量变化,模型总体解释度达到70.6%,可为太湖西部沿岸蓝藻水华早期的预测预警提供一定的基础支撑.      

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区(水源地)为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM(长短期记忆神经网络)3种时间序列模型在藻华(日平均叶绿素a大于15μg·L^-1)预测方面的效果.结果表明：(1)时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;(2)基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;(3)输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于...     

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.     

三峡水库支流大宁河冬、春季水华调查研究

以三峡水库主要支流--大宁河冬、春季2次不同类型水华的调查数据为依据,分析并比较了不同水华期间水质的变化、营养盐的构成及水华的特征.结果表明,大宁河冬季水华以唐家湾为中心,叶绿素a(Chl-a)含量较高[(Chl-a)_(max)/(Chl-a)_(min)=260];随着藻类的生长总氮(TN)、总磷(TP)和高锰酸盐指数出现富集而含量升高,溶解氧(DO)和pH却出现低值;水华高峰期水体藻类较少,共发现2门4种,水华优势种为铜绿微囊藻和水华微囊藻,藻密度高达3.15×10~7个/L,相关加权综合营养状态指数为80,属于重度富营养化水体.而春季水华属于自回水段以下整体性暴发,Chl-a含量也较高[(Chl-a)_(max)/(Chl-a)_(min)=140];TN、TP和高锰酸盐指数均是随着水华的发生逐渐升高;水华高峰期藻类种群丰富,共发现5门44种,各断面水华优势种和藻密度均不同,相关加权综合营养状态指数显示东坪坝和白水河为轻度富营养化水体.相关性分析表明,冬季水华期间Chl-a与TN、TP、高锰酸盐指数、水温呈显著正相关,与DO、透明度(SD)呈显著负相关;春季水华Chl-a与TP、高锰酸盐指数、DO、pH呈显著正相关,与SD呈显著负相关.冬季水华pH与SD呈显著正相关,与TN、TP、高锰酸盐指数呈显著负相关;而春季水华pH与Chl-a、TP、高锰酸盐指数、DO、气温呈显著正相关,与SD呈显著负相关.     

三峡水库退水期间大宁河“水华”监测探讨

三峡水库2011年上半年在大宁河支流白水河发生了以绿藻为主的“水华”,用DS5x便携式多参数水质测定仪进行了现场监测。通过分析发现溶解氧、pH、PCY、叶绿素4项指标成正相关的关系,在水柱监测中发现水温、溶解氧、pH、PCY、叶绿素5项指标从水面往下是递减,且5m以下趋于稳定。基于此,建议今后在水华应急监测中可以直接用现场监测指标来判断水华的严重程度。     

三峡水库蓄水前后大宁河水体中营养盐时空分布及水质变化趋势探讨

通过分析历年监测资料,研究了三峡工程蓄水前后大宁河水质时空变化状况。结果表明：整体上三峡工程蓄水前后大宁河水质类别未发生变化,营养盐指标中氨氮较蓄水前有明显的下降;其它营养指标变化较复杂;从上游至下游,各营养盐指标呈上升趋势,较长江干流营养盐水平要低;另外受干流回水顶托,致使水流回水区流速变缓,部分河段出现了富营养化现象。     

三峡库区大宁河枯水期藻细胞的时空分布

本研究旨在为三峡库区大宁河藻华预警提供基础数据,于2011年4～9月期间在大宁河流域选择4个取样点开展藻细胞时空变化研究.藻细胞在时间序列表现为:4～9月,藻种主要以蓝藻、绿藻和硅藻为主,藻密度呈逐步递增趋势;在此期间4个取样点的蓝藻比重均逐步增大,硅藻比重逐步降低,绿藻比重变化不显著.藻细胞在空间分布上表现为:藻密度与水温和叶绿素呈极显著相关,相关系数分别为0.97和0.95,与光照、溶解氧、pH值和可溶性磷盐呈显著相关,相关系数分别为0.87、0.83、0.82、0.82;菜子坝在整个试验期间0 m处藻密度比其他水层的藻密度高,白水河在6月和7月的2.0 m处藻密度最高,双龙在7、8和9月的0 m和2.0 m处藻密度较高,大昌在整个试验期间,藻密度变化不大;不同藻细胞在垂向水层中的比重也随时间的变化而改变,可能是不同藻细胞适合不同生态环境所致.     

大宁河2010年春季水华浮游植物群落结构分析

2010年3月对大宁河发生水华现象的水质及其浮游植物进行调查监测研究,应用多样性指数、物种丰富度指数及均匀性指数对藻类多样性进行评价,研究了藻类的优势种、细胞密度及藻类的空间分布。结果表明,其水质属于中富营养型,浮游植物主要为甲藻门的拟多甲藻,绿藻门的小球藻,共鉴定出7个门31个属。在水平方向,S8点的藻密度最大;在垂直方向,各种浮游植物藻类细胞密度出现明显的分层变化,不同深度的优势种也有一定的差异;在水华期间,表层藻细胞密度最高,随着深度的增加,藻类细胞密度逐渐减小。     

三峡库区大宁河藻细胞昼夜垂直迁移研究

旨在准确为三峡库区藻华预警提供基础数据,本研究于2011年7月底在三峡库区大宁河流域进行藻细胞昼夜垂直迁移试验.结果表明,大宁河在此期间,藻细胞主要以绿藻、蓝藻、硅藻和甲藻为主;藻细胞在水体中的分布不均匀,72.5%～76.2%的藻细胞集中在0.5～4.0 m水体之间,0～0.5 m处藻细胞较少,占垂直水体藻密度的7.5%～16.3%,白天藻细胞Morisita指数(MI)为1.41～1.97,夜晚MI指数为1.17～1.55,叶绿素a白天MI指数为1.31～1.59,而夜晚MI指数为1.17～1.39.藻细胞在水体中存在明显的昼夜垂直迁移现象,该现象主要发生在0.5～4.0 m水体之间.水体中的藻密度受营养盐的影响较小,与可溶解性总磷显著相关(r=0.89),藻密度主要受温度、pH值和导电率影响,藻密度与温度、pH值和导电率呈极显著相关,相关系数分别为0.96、0.97和-0.99.     

三峡大宁河水体光学特征及其对藻类生物量的影响

基于2012-04-27—2013-01-19大宁河不同水文期的监测数据,确定大宁河水体光学特性的季节变化特征,并探究其对藻类生物量的影响. 结果表明:①不同水文期大宁河的D_eu(真光层深度)差异显著(P＜0.01),最高值出现在高水位运行期,为(5.22±2.70)～(8.71±5.20)m;最低值出现在汛限期,为(3.22±0.08)～(3.81±0.14)m. ②回归分析结果表明,ρ(SS)能较好地反演真光层深度的时空变化规律,而ρ(Chla)的解释度不高,仅用ρ(SS)即可有效地反推真光层深度. ③利用局部多项式回归拟合大宁河E_t(总能量密度)和浮游生物量的回归模型,结果表明,在100t≤300时,藻类生物量随着E_t的增加而增大;E_t>300时则出现“光抑制”现象,藻类生物量随着E_t的增加而减少,基本符合藻类生物量随光辐射强度而改变的响应机制.      

面向流域水质安全预警的土地开发压力源评估方法及其应用

为适应水环境风险管理中压力源风险的快速识别需求,构建了土地开发压力源评估方法,并以三峡库区为案例区进行应用研究. 土地开发压力源评估方法首先是基于不同土地利用类型的排污参数来确定敏感土地利用类型和不利转移方向,再采用状态和趋势兼顾的原则筛选流域内敏感单元,然后根据各单元的实际特征逐一确定预警指标,以进行压力源评估和预警级别划分. 案例研究结果表明:重庆市辖区控制单元、涪陵区万州区控制单元和澎溪河开县控制单元是库区水质安全预警的3个敏感单元;其中,重庆市辖区控制单元和涪陵区万州区控制单元的预警指标均为敏感土地类型面积比例和发生不利转移的土地面积比例,其中重庆市辖区控制单元的2个预警指标值分别为42.17%、3.43%;涪陵区万州区控制单元分别为32.86%、1.74%;而澎溪河开县控制单元的预警指标仅为敏感土地类型面积比例,其值为32.31%. ③重庆市辖区控制单元、涪陵区万州区控制单元和澎溪河开县控制单元的预警指标最大超标率分别为163%、33%和19%,相应各单元土地开发压力分别为红色预警(重警)、橙色预警(中警)和黄色预警(轻警)级别. 从管理意义上,重庆市辖区控制单元和涪陵区万州区控制单元未来需要从优化当前土地利用方式、合理控制未来土地开发的双重角度来降低压力;澎溪河开县控制单元未来应重点关注和降低当前土地利用状况对水质安全的压力. 研究认为,所提出的面向流域水质安全预警的土地开发压力源评估方法具有可操作性,其案例研究结果可为三峡库区案例区水环境风险管理提供决策支撑.      

蓝藻水华及其降解对沉积物-水微界面的影响

模拟研究了不同条件下,蓝藻水华及其降解过程对沉积物-水微界面的影响.采用丙酮法测定水体中叶绿素质量浓度,溶解氧微电极测定界面溶解氧质量浓度,毫米级分层测定沉积物中营养盐与金属元素的垂直分布.结果表明,蓝藻水华及其降解过程改变了界面附近溶解氧环境和表层约3 mm深沉积物中营养盐与金属元素的垂直分布.扰动在蓝藻水华降解过程和C、P营养盐与Fe、Ca、Mg、Al和K等金属元素的早期成岩过程中起着重要作用.遮光加速了蓝藻降解,并且削弱了扰动的影响.无处理对照组沉积物表面出现了一层底栖藻,底栖藻的光合作用产生了氧气,造成表层1 mm沉积物中大部分营养盐与金属元素质量浓度和处理组间的显著性差异.相关分析结果表明,沉积物中P的垂直分布与Mn显著相关,其次是C.高分辨率研究结果可见,蓝藻水华及其降解过程在毫米级厚度内即对沉积物-水界面产生了影响.