基于神经网络模型的千岛湖清洁水体叶绿素a遥感反演研究

叶绿素a浓度值是水体水质评价的重要指标,研究基于高分一号(GF-1)卫星遥感影像,利用神经网络模型,选用6节点的隐含层设置,构建了千岛湖清洁水体叶绿素a浓度反演模型,对其叶绿素a浓度值时空特征进行分析,并与其他常规反演方法精确度进行比较.研究结果表明,利用神经网络模型对千岛湖清洁水体叶绿素a浓度值进行反演是可行的,且与其他常规方法相比,该模型对于叶绿素a含量低的内陆清洁水体反演有着更高的相关性(R2 = 0.921 8);在空间分布上,千岛湖区域水体叶绿素a浓度整体较低,高叶绿素a浓度区域主要集中易受人类活动干扰的西南及东北区域;年际变化分析表明,千岛湖区域水体叶绿素a浓度稳定,且波动较小,平均叶绿素a浓度值皆维持在1.70～1.75 pg/L之间,清洁水体特征显著.     

气候变量和设计参数对生物滞留系统去除硝酸盐氮的影响

为探究生物滞留系统对NO₃^--N去除不稳定的主要影响因素,利用国际最佳管理措施数据库(BMPDP)和相关论文中的研究数据,统计分析了气候变量和设计参数对生物滞留系统去除NO₃^--N的影响,结合偏最小二乘回归(PLS)定量分析了不同影响因素的相对重要性,并提出了不同气候类型下的优化设计建议.结果表明,不同气候类型下生物滞留系统对NO₃^--N的去除能力分别为亚热带湿润气候(Cfa)>温带大陆气候(Dfa/Dfb)>温带地中海气候(Csb)>寒冷半干旱气候(BSk),对数去除率(LRV)中位数分别为-0.058、-0.212、-0.241和-0.327.设置内部存水区(IWS)、提高植物多样性、设置合理的服务面积比、添加介质土改良剂等措施均可在一定程度上增强生物滞留系统对NO₃^--N的去除能力.最小二乘回归(PLS)分析表明,气候变量较设计参数更能影响生物滞留系统对NO₃     

利用3S技术动态监测天山草地农业产量及其成因分析

在新疆阜康县大量“天地”资料观测基础上，利用3S(RS、GIS和GPS)技术和生态系统分析方法，对新疆天山草地农业资源进行了系统的动态监测和大面积估产研究。结果表明，该县草地和森林面积1998年比1988年分别下降了17．5％和51．o％，而农业用地面积和沙漠危害面积却分别增加了57．8％和21．2％，实现了利用3s技术系统准确监测新疆阜康县草地农业资源动态变化，其大面积草地遥感估产精度达到75．8％以上。最后，建立了新型PPR估产模型，其估产精度达到81．76％以上，并给出了理论生态成因解释与定量分析结果等。     

一元线性回归方差分析在分析质量控制中的应用

在检测相同标准浓度系数ｘｉ（ｉ＝２，２，．．．，ｍ）ｎ（ｎ〉２）时不同实验条件的重复试验结果时，应用一元线性回归方差分析，能不受重复试验次数ｎ的限制，同时统计检验ｎ次试验结果，根据检验结果是否存在显著差异，可判断ｎ次重复试验间是否等精度，本文介绍一元线性回归的方差分析在实验室分析质量控制中的应用方法，步骤，并以１９８９年温岭市环境监测站６位分析人员砷标准样品考核的数据为例，进行应用实例分析。     

酿酒,制药,化肥行业工业废水中COD与BOD5的相关分析

作为经常需要监测的有机污染综合指标COD、BOD5，它们之间存在着什么样的相关特性？能否以COD的值来确定BOD5的稀释倍数，从而提高测定结果的准确程度并节省一定的人力物力？作者对本地区酿酒、制药、化肥三种行业的工业废水监测数据作了回归分析。结果表明二者之间有着显著的相关性，可以用COD的实测值估算BOD5的值。     

基于绝对主成分-多元线性回归的滇池污染源解析

定量解析污染源是湖泊流域水环境管理的重要基础.基于滇池草海和外海多年水质监测数据,采用主成分分析（PCA）方法识别了主要水质指标的污染源类型,利用绝对主成分-多元线性回归模型（APCS-MLR）得到不同污染源对水质的贡献程度.结果表明,草海主要的污染源有农业面源、城市面源和内源3类,外海的主要污染源是农业面源、城镇生活污染源、城市面源和内源4类.与河流水污染源解析结果不同,底泥内源与气象因子对滇池主要水质指标的影响较大.     

基于RF-LSTM的鸡舍恶臭气体预测研究

以鸡舍氨气为研究对象,对鸡舍氨气预测模型进行了研究.首先,利用随机森林算法（RF）对影响鸡舍氨气浓度的环境变量进行重要性排序,选取温度、湿度、光照、气象温度、降雨量作为模型的输入变量;在此基础上,构建了基于长短时记忆神经网络（LSTM）的鸡舍氨气浓度预测模型,并将提出的预测模型应用于江苏省宜兴市某养鸡场的氨气浓度预测中,并与LSTM模型、RF-Elman模型和RF-BP模型进行了对比实验,结果表明,基于RF-LSTM模型的预测效果最好,其平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为0.9183、4.9637%和1.4262;同时,为了验证该模型的性能,本文还实现了不同时间尺度的鸡舍氨气浓度预测,提前2h、3h、4h、5h氨气预测的平均绝对误差（MAE）分别为1.6218、2.1991、2.8553和3.0677.本文提出的预测模型提高了鸡舍氨气浓度的预测精度,可为减少鸡舍恶臭气体排放提供科学依据.     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。     

中国光伏组件报废量的预测

在采用威布尔分布模型分析光伏组件使用寿命分布情况的基础上,使用神经网络模型和市场供给A模型分别对中国光伏装机容量和组件报废量进行预测。将光伏组件按照不同质量分成2阶段,考虑不同退化情景预测组件报废量,并计算组件中有价值材料和金属报废量。预测结果表明:2025年后中国光伏组件报废量爆发,到2050年,中国光伏组件报废量最高可达60.22 GW,累计报废最高可达673 GW。在4种退化情景下,到2050年,典型贵金属方面最高产生3134.5 t的Ag;稀有金属方面最高产生228.1 t的Te;463.4 t的Cd,58.5 t的Ga,29.8 t的In;有毒有害金属方面最高产生263.9 t的Pb;Si最高产生量43735.4 t。到2050年,光伏组件材料累积废弃总量最高可达64623193.6 t。