港湾快速城市化地区河流水质主控因子识别及调控方案

识别快速城市化地区的河流污染的主控因子,对于科学实施河流污染防治调控及实现区域经济又好又快发展具有积极意义。运用流量校准浓度分析法、多元逐步回归分析相结合的方法识别连云港港湾快速城市化地区影响水质变化的主控因子,可准确把握该类区域河流污染趋势及主导原因,进而提出相应的优选调控方案。     

多元统计在土壤重金属污染源解析中的应用

土壤中重金属污染及其防治愈来愈受重视,查明污染源是有效治理污染的前提。本文总结了近年来国内外聚类分析、主成分分析、园子分析在土壤重金属溯源中的应用。针对以往研究工作的不足和存在的问题,指出了今后土壤重金属污染源解析研究中的新思路：（1）GIS技术与多元统计相结合生成的污染专题地图,可以更好地确定污染物来源;（2）利用富...     

神经网络模型在O_3浓度预测中的应用

O3是近地面大气中一种重要的二次污染物.本研究采用神经网络多层感知器（Multi-Layer Perceptron）和多元线性回归2种模型,以广州万顷沙站2006年的气象观测数据为输入,对该站O3的1 h平均峰值浓度进行提前1 d的预测,并比较了2种模型的预测效果.模型的输入参数为前1d O3的最高1h平均浓度和第二天...     

艾比湖区域景观格局与河流水质关系探讨

为进一步明确景观格局对河流水质的影响.本研究选择新疆艾比湖区域为研究对象,以28个水质采样点为中心,建立100、200、300、400 m的河流缓冲区,并提取土地利用/覆被-景观格局数据.首先,通过主成分分析获得水环境的主要水质变量.其次,利用多元线性回归探讨研究区不同宽度缓冲区土地利用/覆被-景观格局变化对河流水质的影响,获得水质管理的有效缓冲区.结果表明：①2015年5月,在艾比湖区域测得的18个地表水水质指标中提取TDS、SO₄^2-、NH₄⁺-N、HCO₃^-、Na⁺和TP这6个水质指标.②对斑块密度（PD）、最大斑块指数（LPI）、边缘密度（ED）、景观形状指数（LSI）、蔓延度指数（CONTAG）进行统计分析,发现人类活动在4个缓冲区内强弱不均.③本文在不同尺度的缓冲区下,将PD、LPI、ED、LSI、CONTAG和TDS、SO₄^2-、NH₄⁺-N、HCO₃^-、Na⁺、TP分别进行相关性分析,发现300m缓冲区相关性最为显著.④在300m缓冲区内,通过多元线性回归分析,将TDS、HCO₃^-与其各自对应的景观指数的关系进行定量化表达,进一步探明区域流域地表水与周围一定缓冲区范围内的景观格局的内在关系.     

西北旱区盐湖盆地地下水化学组分源解析

为实现对吉兰泰盐湖盆地地下水污染源的识别与管理,系统采集区域内71个地下水样品,测定16项地下水质关键指标;以GB/T 14848—2017《地下水质量标准》中的Ⅲ类标准为依据确定特征污染物,利用因子分析（FA）确定地下水水质指标的因子分类,以地质统计学插值绘图揭示不同污染源的空间分布特征,运用APCS-MLR（绝对主成分得分多元线性回归）量化不同污染源的贡献率.结果表明:研究区内ρ（Cr6+）、ρ（As）、ρ（NH₄+）、ρ（F-）、ρ（Cl-）、ρ（NO₂-）、ρ（COD_Mn）、ρ（TDS）、pH等9项地下水水质指标均存在超标现象,其中ρ（NH₄+）、ρ（Cl-）、ρ（F-）超标较为严重.通过因子分析法筛选出影响研究区地下水水质的6个公因子,即溶滤-富集作用因子（F₁,贡献率为24.61%）、农业活动因子（F₂,贡献率为20.38%）、原生地质-农业生产、生活污染因子（F₃,贡献率为11.72%）、工业生产污染因子（F₄,贡献率为10.38%）、地质环境背景因子（F₅,贡献率为10.78%）、原生地质因子（F₆,贡献率为10.61%）,其中F₁、F₅、F₆为环境影响因子,F₂、F₃、F₄为人类活动影响因子.采用因子得分函数计算得到因子得分,巴音乌拉山一带整体污染因子得分较高,乌兰布和沙漠存在点状高值区,图格力高勒沟谷上游也存在一定程度的污染,而盐湖盆地东南大部分区域水质相对较好,其分布与变化受到天然因素和人类活动的双重影响.利用APCS-MLR得到各水质指标预测值与实测值的R2（线性拟合优度）均大于0.7,APCS-MLR可较好地评估各因子对水质的贡献率.研究显示,因子分析与APCS-MLR相结合可以有效地对地下水化学组分进行定性识别与定量解析.      

城市交通绿地土壤重金属含量的高光谱反演

以交通绿地区土壤Cr、Pb、Zn为研究对象,分析重金属元素与土壤光谱在一阶、二阶等微分变换下的相关性,突出特征波段,通过多元线性逐步回归(MLR)和偏最小二乘回归(PLSR)方法,建立光谱与重金属元素含量的最佳模型,并进行精度检验与模型预测。结果表明:光谱微分变换可以有效地提高土壤重金属含量与土壤光谱反射率间的相关性,土壤Cr、Pb、Zn的最大特征波段分别在1 289.41、1 408.35、1 411.9 nm;从模型稳定性和精确性来看,土壤Cr、Pb、Zn在PLSR模型中的R~2分别为0.986、0.809、0.629,依次是MLR模型的1.32、1.14、1.12倍,土壤Cr、Pb、Zn在PLSR模型中的建模RMSE均低于MLR模型,PLSR模型效果较优;与土壤Cr相比,土壤Pb、Zn的MLR和PLSR模型效果较差,这可能与人为因素影响有关。     

应用多元统计研究蘑菇湖水体DOM紫外光谱特征

为了探究蘑菇湖水体中DOM（溶解性有机物）的组成和结构特征、识别来源及表征腐殖化程度,采用UV-Vis（紫外-可见吸收光谱）和紫外吸收光谱指数、多元统计分析方法对蘑菇湖水体DOM进行表征.结果表明:①蘑菇湖水体DOM腐殖化程度由滨湖区向深湖区递减,DOM主要以脂肪链和酯类等非极性官能团及相对分子质量较大的外源胡敏酸为主. ②皮尔逊相关性分析发现,A_{250 nm}/A_{365 nm}、A_{240 nm}/A_{420 nm}与A₃/A₂（600~700 nm与460~480 nm波段下的积分面积之比）之间呈显著正相关,A_{465 nm}/A_{665 nm}、S_R〔光谱斜率比,S_g（275~295 nm）/S_g（350~400 nm）〕、A₂/A₁（460~480 nm与260~280 nm波段下的积分面积之比）与A₃/A₁（600~700 nm与260~280 nm波段下的积分面积之比）之间也均呈显著正相关,而二者之间呈负相关,表明蘑菇湖水体中DOM的腐殖化水平与有机质的相对分子质量、芳香度以及苯环碳骨架的聚合程度等密切相关. ③CCA（canonical correspond analysis,典范对应分析）结果发现,蘑菇湖水体采样点与DOM的芳香度、腐殖化程度存在一定的相关性,与皮尔逊相关性分析结果相似.研究显示,UV-Vis、紫外吸收光谱指数、多元统计分析能够在一定程度上表征蘑菇湖水体DOM的分子量、芳香度以及腐殖化程度.      

基于特征指标的气象因子对PM2.5浓度的影响分析

以西安为研究区域,为探究气象因子对PM_2.5浓度的影响,采集2017-2019年空气质量与气象因子数据,改进k-Means聚类算法,形成严重污染、重度污染、中度污染、轻度污染共4个PM_2.5浓度与气象因子样本簇集。分析簇集数据分布,选择Spearman相关性分析方法,确定影响PM_2.5浓度的气象因子;定义PM_2.5凸显性条件,给出幅度特征FOA、浮动特征FOF和凸显特征FOH,构建三维空间,确定气象因子对PM_2.5影响的大小,进而建立气象因子对PM_2.5浓度的影响分析方法。比较多元线性回归和随机森林回归方法,结果表明:该方法提高了分析效率,且无需考虑因子选取和表达,能有效确定影响PM_2.5浓度的气象因子种类及影响程度。在低温、高湿、高压和相对静风的气象条件下,空气中颗粒物难以扩散和输送,使西安市PM_2.5浓度升高。严重污染、重度污染和中度污染中,PM_2.5浓度与相对湿度呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为相对湿度>风速>气温;轻度污染中,PM_2.5浓度与相对湿度、气压呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为气温>相对湿度>气压>风速。