基于机器学习方法的太湖叶绿素a定量遥感研究

为了比较评价人工神经网络和支持向量机2种机器学习算法在水质遥感中的应用能力,本研究首先从基础理论和学习目的入手,对比分析了2种机器学习算法的理论体系;其次,以太湖为例,基于MODIS遥感影像,构建了反演太湖叶绿素a浓度的2种机器学习方法模型,通过对模型的验证、稳定性和鲁棒性分析以及全湖反演结果对比3个方面评价了2种模型的泛化能力.验证结果表明,支持向量机模型对验证样本预测结果的均方差根和平均相对误差分别为5.85和26.5%,而人工神经网络模型的预测结果均方差和平均相对误差则高达13.04和46.8%;稳定性和鲁棒性评价亦说明,以统计学习理论为基础的支持向量机模型具有更加良好的稳定性、鲁棒性,空间泛化能力优于人工神经网络模型;2种机器学习算法对太湖叶绿素a的浓度分布反演结果基本一致,但人工神经网络模型因其学习目标设定和网络构建中的“过学习”等缺陷,造成了对东太湖以及湖心区叶绿素a的反演结果与实际监测结果差异较大.     

太湖底泥营养要素动态释放模拟和模型计算

采用太湖湖区底泥,根据环型水槽实验总结了各种扰动强度下太湖底泥的起动、悬浮和营养盐释放规律.环型水槽内水体流速均匀且能够通过控制水槽的转速精确控制水槽的水体流速.通过考察水槽中水体TN、TP浓度的变化,建立起了底泥TN、TP释放率(y)与水体流速大小(x)的定量化关系.根据实验确定的各种参数,采用ECOMSED模型计算模拟,并和太湖实测资料进行了对比,结果较为合理.由于目前太湖的野外监测资料存在较明显的时空不一致性,模型参数率定的精度受到了较大影响,通过室内实验模拟底泥的内源释放对太湖的富营养化治理具有重要意义.     

冬季水生高等植物对富营养化湖水的净化作用

在太湖一湖湾的物理-生态工程围区内,采用覆膜和改变生态位的越冬技术,使喜早莲子草、风眼莲等漂浮植物能安全越冬,并有效地改善水体透明度,为沉水植物生长及种群自我演替提供了保障。静态试验结果表明,采取简易的防寒越冬技术,改变生态位的喜早莲子草对TN、NH₄⁺－N、Chla的去除率达77.2％、90.1％、58.3％,透明度提高1.5倍：对喜早莲子草覆膜并间种沉水植物,这一镶嵌组合群落对TN、NH₄⁺－N、CHla的去除率达65.7％、90.7％、58.7％,透明度提高1.6倍。动态试验结果表明,当富营养化湖水在围区内滞留时间达7.33d时,经越各处理的镶嵌组合群落使围区内水体透明度达90～100cm,比围区外提高2.6－3.0倍,对TN、TP及NH₄⁺－N的浓度分别比围区外降低37.5％、52.0％及75.4％;而滞留时间低于4.33d时,净化效果不明显。     

风浪作用下的底泥悬浮沉降及内源释放量研究

分别于春夏秋冬4个季节对太湖梅梁湾水体开展了5次野外实验,利用沉积物捕获器收集沉积物,采用Gansith公式法计算了沉积物的再悬浮通量,并建立了其与风速的关系;对代表不同风浪作用下的太湖悬浮物进行了7次静沉降实验,计算了悬浮物的静沉降通量,并建立了其与悬浮物浓度关系.以3.7 m/s为界对低泥悬浮沉降过程进行分解和概化,计算了2005年每日的悬浮沉降量,并利用近10年的风速资料估算了太湖年均内源释放量,结果表明,太湖每日的内源释放量受风速影响显著,和风速变化趋势较为接近,然而不同营养盐的释放状况却各不相同.太湖内源年均进人水体的净底泥量有19.03万t,冬季最大.夏季次之;就营养物质释放量而言,COD约4.96万t、总氮约7 773.0 t、总磷约275.5 t.其中秋季营养物质释放量最小,夏季最大.     

太湖沉积物中重金属污染状况及分布特征探讨

依据沉积学原理和水体沉积物重金属的环境地球化学特性，用地积累指数法和改进的多变量Chernoff脸谱图，对太湖沉积物中重金属的污染状况及不同重金属的地积累程度进行了综合性的评价。结果表明：（1）太湖沉积物中重金属的污染可划分为3个区域：湖心相对清洁区、湖岸轻度污染区和内湖综合污染区。（2）太湖沉积物中重金属存在轻度污染。其中铜污染极别高于其它金属，且集中的太湖北部地区。铬污染属于轻度污染，具有分布空间广且均衡的特点。     

浅水富营养化湖泊蓝藻垂向分布特征及其动力机制研究——以太湖为例

蓝藻垂向运动的表征对于理解浅水富营养化湖泊中蓝藻水华的形成过程至关重要.本研究以太湖为研究区,通过野外实验观测,分析蓝藻生物量及颗粒物粒径分布的垂向变化特征,结合一维蓝藻平流运动模型,研究在不同扰动强度和群体粒径下的蓝藻垂向运动规律.结果表明,在低风速条件下(风速小于3 m·s^-1),太湖水体中蓝藻生物量在垂向上分布不均匀,其垂直分布剖线在水表或水柱某一深度形成峰值.当水华发生时,直径> 75μm的蓝藻群体主要聚集在水表,其剖线在水下形成不明显的峰值;在水华未发生时,75～175μm直径范围内的蓝藻群体主要聚集在水深1.2 m处,175～250μm直径范围内的大粒径蓝藻群体仍聚集在水表.垂向运动模拟表明,直径> 100μm的蓝藻群体随光照变化在水柱中进行周期性上浮下沉运动,直径<100μm的蓝藻群体,由于垂向迁移速度较小,在弱扰动条件下聚集在真光层深度附近.不同粒径蓝藻群体的垂向运动规律不同,导致蓝藻生物量垂直剖线在水表和水下形成两类特征峰.     

太湖地区稻田氮素损失特征及环境效应分析

通过氮肥减量小区试验,研究了太湖地区稻田氮素径流损失、渗漏损失、氨挥发损失以及氨挥发通量的动态变化特征,阐述了氮素损失量、水稻产量与施氮量之间的关系。结果表明：稻季氮素径流损失和氨挥发损失均随施氮量的增加不断增加,而渗漏损失与施氮量没有显著相关性。综合整个稻季,氨挥发损失以分蘖肥期最高,基肥期次之,穗肥期最低。稻季氮素总损失为13.7～59.8 kg·hm-2,占总施氮量的16.5%～22.2%,且随施氮量的增加而不断增加,其中氨挥发损失占42.2%～72.0%,径流损失占22.2%～38.4%,渗漏损失占5.8%～22.7%。稻季181 kg·hm-2的氮肥用量,较常规施氮量减少了33%的氮肥,增加了10.3%的产量,降低了48.5%的氮素损失,较好地兼顾了粮食产量和环境效应;而对于重要环境区域或高污染区域,还可以尝试更低的氮肥投入,以达到更好的环境效益。     

“哨兵-2”卫星影像及C2RCC算法在太湖冬春季水色分析中的应用

利用太湖2019—2022年冬春季“哨兵-2”卫星10 m分辨率的MSI影像和SNAP软件C2RCC (Case 2 RegionalCoastColour)模块,以适合浑浊、富营养程度较高、光学复杂的“二类水体”的C2X-nets为模式,开展太湖叶绿素a、总悬浮物浓度、透明度等水色参数反演。结果表明:冬春季太湖各湖区叶绿素a浓度处于较低水平,但4月中旬起有明显抬升;太湖西部沿岸区、南部沿岸区和湖心区总悬浮物浓度较高,表明这些湖区易受风浪影响,造成沉积物再悬浮;太湖东部沿岸区、北部湖湾及东太湖遥感反演的水体清澈度较高,可能与这些湖区冬春季沉水植物菹草的分布有关,菹草生长对水质有较好的净化效果。总体来看,基于C2X-nets模式的C2RCC反演算法从较高分辨率卫星遥感影像中提取的水色信息,能有效反映太湖冬春季水色指标的空间分布特征,可为湖体生态状况及动态变化的长期监测评估提供有价值的参考。     

太湖北部湖区COD浓度空间分布及与其它要素的相关性研究

利用2004年夏季在太湖北部湖区的采样数据,分析了化学需氧量(COD)浓度的空间分布,建立了COD浓度与有色可溶性有机物(CDOM)吸收、荧光、溶解性有机碳(DOC)浓度之间的定量关系.并以2004-01、2005-01、2007-06的数据探讨了COD的来源.结果表明,夏季COD浓度的变化范围为3.77～7.96 mg·L-1,均值为(5.90±1.54)mg·L-1. COD浓度从梅梁湾内往湾口再往大太湖呈现逐渐降低趋势,梅梁湾和大太湖的均值分别为(6.93±0.89)ms·L-1、(4.21±0.49)mg·L-1,梅梁湾的值显著要高于大太湖开阔水域. COD浓度与CDOM吸收、荧光、DOC浓度存在显著的正相关.通过对光学活性物质CDOM浓度的反演,可以外推水体有机物污染程度,为日后利用遥感影像反演和评估太湖水体有机物污染状况奠定基础.夏季COD浓度与叶绿素a浓度存在极显著正相关,而冬季没有相关或这种相关性很弱,并且夏季的值明显要高于冬季的值,反映了除入湖河流带来外源COD的输入外,夏季浮游植物大量生长死亡腐烂后的降解产物也是水体中COD的重要来源.     

太湖平原城近郊区浅层地下水中多环芳烃污染特征及污染源分析

为查明苏南太湖平原区浅层地下水水质状况,在苏南北部(C区)、东北部(W区)和东部(S区)3个地区共采集56组地下水样,利用气相色谱仪分析样品中16种优先控制的多环芳烃组分浓度,并运用谱系聚类分析法和分子比例法探寻多环芳烃来源.结果表明,检出的多环芳烃中以3～4苯环组分为主,总多环芳烃浓度最高达32.45μg/L,均值为4.42μg/L.多环芳烃分布具有区域分布特征,高值点多出现在工业区附近.分子比值法表明,研究区浅层地下水中多环芳烃来源是化石燃料和石油源叠加的结果.谱系聚类分析法结果表明, C区各采样井的苯并(k)荧蒽异常浓度控制该区的聚类结果;W区各采样井的苯并(a)蒽异常浓度控制着该区聚类结果;S区各采样井的苯并(b)荧蒽异常浓度控制该区的聚类结果.在0.05水平上, C区的荧蒽、苊、亚二氢苊、菲、苯并(a)芘间的Pearson相关系数达到0.680～0.712;W区的苯并(g,h,i)芘、苯并(a)蒽和苯并(a)芘间的Pearson相关系数到达0.724～0.773;S区的亚二氢苊和芴的Pearson相关系数为0.659.可以推测出各区所列的这几种多环芳烃组分很可能分别来自于各区内同一类型污染源.