基于神经网络的水库藻类预警模型研究

针对水环境水体富营养化现象日渐严重导致控制水质难度和成本增高情况,对华南地区S水库进行藻类水质监测及风险预警研究。根据水库藻类水华产生的特点,通过对近一年水库气象、水质数据的整理与分析,建立基于神经网络的S水库藻类水华短期智能预警模型。预警模型选取水库水温、pH、叶绿素总浓度、总磷、总氮、溶解氧6种水质指标作为神经网络预警模型的输入量,分别采用BP神经网络、广义回归网络对S水库藻类建立预警模型并对两种预警模型的特点进行分析与总结,并通过对预测精度和泛化能力等因素的综合比较推荐最优预警模型结构和参数值。     

水库藻类暴发特征与预警指标探讨

近些年来,水库水源地藻类暴发频繁,对水库的水生态环境造成了严重的破坏,因此构建一套水库藻类暴发预警指标体系对监控水库生态环境有着重要的意义。文章以浙江省6座水库为研究对象,通过分析研究水库藻类暴发时各理化指标的监测数据,得到以下研究结果:(1)确定了水温、透明度、pH值、总氮、总磷、溶解氧、藻类数量和叶绿素a含量8个理化指标作为水库藻类暴发的预警指标;(2)预警指标的警戒值分别为水温25℃、透明度低于1 m、pH值8、总氮1.0 mg/L、总磷0.5 mg/L、溶解氧8 mg/L、藻类数量100万个/L、叶绿素a含量20μg/L;(3)以藻类数量、叶绿素a含量为控制指标,将浙江省水库藻类暴发预警划分为4级。     

青狮潭水库藻类暴发机理分析

以2011年青狮潭水库藻类暴发期的监测数据为基础,分析水体浮游藻类参数（藻类种群结构、优势种类、藻细胞密度）以及水体水质的理化参数（水温、总氮、总磷、叶绿素a）对藻类繁殖的影响,从而研究青狮潭水库藻类水华暴发的机理。     

苏烟水库藻类暴发机理分析

以2009、2010年苏烟水库藻类暴发期的监测数据为基础,分析水体浮游藻类参数(藻类种群结构、优势种类、藻细胞密度)以及水体水质物化参数(水温、总氮、总磷、叶绿素a)等有关参数对藻类繁殖的影响,从而研究苏烟水库藻类水华暴发机理。     

汛期水库调度对小江水华的影响

为研究三峡水库汛期调度对支流水华的抑制效果,于2022年6月24日—7月3日,跟踪监测三峡水库调度前期、调度期、调度后期代表性支流小江的藻类群落结构与水体理化因子,采用Kruskal-Wallis秩检验分析调度前后的水环境变化,采用Pearson相关分析和逐步回归分析探究藻类与环境因子的关系,采用RDA分析探究不同环境因子对藻类群落结构变化的贡献度,构建结构方程模型解析水库调度对水华的影响。结果显示,调度前期小江常年回水区发生蓝藻水华,以叶绿素a浓度表征的藻类生物量最高达到58.33μg/L;通过调度水位抬升后,藻类生物量降至6.41μg/L。回水区水温、pH值、总氮(TN)浓度降低,总磷(TP)浓度、硝酸盐(NO^-₃-N)浓度升高(p<0.01);逐步回归分析结果表明藻类生物量受水位变化过程中的TN、NO^-₃-N、磷酸盐(PO■-P)、水温、电导率(Cond)和化学需氧量(COD)的影响,共解释了79%的生物量变化。结构方程模型表明,水位抬升能降低COD浓度,显著降低支流水体的叶绿素a含量。...     

闹德海水库叶绿素a与生态因子的灰关联分析

本文应用灰关联分析方法进行数据分析,在水温、水深等7项环境因素中找出影响叶绿素a的主要因素。结果表明,闹德海水库浓度大小即藻类含量高低主要由总氮、总磷,水温及有机污染决定。     

泽雅水库藻类群落组成及季节变化特征研究

利用2014年5月至2016年12月的监测成果,对泽雅水库的藻类群落结构和季节变化进行系统分析,结果表明:泽雅水库藻类群落结构涵盖6门30属,以硅藻、隐藻、绿藻为主要种群,常年监测优势种群有针杆藻、隐藻、栅藻、直链藻和小环藻,每年6—9月出现藻类高发现象;藻类数量与水温、水体p H值呈显著正相关,与总氮、总磷的相关性不显著;该水库藻类生长基本不受氮、磷营养盐限制。     

福建省山仔水库富营养化特征

通过水质主要指标的时空变化以及气象、水文条件等因素,研究山仔水库富营养化特征。研究表明,山仔水库1997~2005年年平均质量浓度总氮为0.59~2.89mg/L,总磷为0.035~0.063mg/L,总氮、总磷从1997年开始呈现下降趋势,2001年后又有所回升,水库的进口、支流入口的总磷、总氮、COD、藻类数量相对较高。在1年内藻类种群冬、春季以硅藻为主,其余季节以蓝藻为主,水花微囊藻为优势种群持续的时间最长,每年的春末、秋初有2个藻类生长的高峰期。枯水年份水库水体滞留时间长,水力交换能力差,是导致2000~2004年水库水华频繁暴发的主要原因。     

棘洪滩水库叶绿素a与水质因子关系分析

本文依据2010—2014年棘洪滩水库入水口与出水口水质监测资料,分析叶绿素a变化规律,水库富营养化程度,同时对叶绿素a与水质因子进行多元回归分析。结论表明:棘洪滩水库叶绿素a含量呈明显季节变化,水库富营养化程度为中营养状态,入水口与出水口叶绿素a含量与水质因子相关性不同,叶绿素a对数值与水质因子对数值存在线性关系,入水口拟合方程有实际指导意义。     

长潭水库富营养化的季节演变分析

根据2011-2012年在梅州长潭水库不同水深及不同方位布点采样,对水体的浮游藻类藻相（群落结构、密度）和水质状况水温、总氮、总磷和叶绿素含量进行了的调查、监测,采用湖库营养状态指数法对湖泊富营养化评价,对梅州长潭水库的富营养化的状况和不同时期藻类组成进行季节演变分析.     

洋河水库污染现状及对策分析

通过对洋河水库污染源进行了调查分析,结果表明:(1)西洋河淀粉废水和东洋河地表径流是水库的主要污染源;(2)2004年西洋河淀粉废水排入洋河水库的总磷量为19.4 t,占全年入库总磷量的68.5%;(3)东洋河流域含氮量比较高,2004年通过地表径流带入水库的总氮量为292.8 t,占全年入库总氮量的50.2%。在调查水库污染源的基础上,建立水库水质经验模型并分别对模型进行验证,结果表明,OECD模型能较好预测洋河水库总氮、总磷浓度。最后利用该模型,对所提出的洋河水库富营养化防治方案进行计算分析比较,并确定合适的防治方案。     

三峡水库香溪河库湾水体富营养化演化监测分析

三峡水库蓄水后,香溪河平邑口水域成为库区支流水体富营养化演化和水华发生的典型水域。通过对该水域表层水体叶绿素a与各种环境因子持续1 a的高密度监测结果的分析表明,叶绿素a与TP、温度、溶解氧,pH值和浊度正相关性明显,与PO4-P/TP和透明度负相关性明显。虽然叶绿素a与TN的全年监测结果的相关性较差,但水华发生时,TN、TP和叶绿素a存在明显的正相关性,说明水华期间藻类增殖对氮磷有明显富集作用。     

Remote Estimation of Nutrients for a Drinking Water Source Through Adaptive Modeling

Morse Reservoir, a major water supply for the Indianapolis metropolitan area, IN, USA, experiences nuisance cyanobacterial blooms due to agricultural and point source nutrient loadings. Hyperspectral remote sensing data from both in situ and airborne AISA measurements were applied to an adaptive model based on Genetic Algorithms-Partial Least Squares (GA-PLS) by relating the spectral signal with total nitrogen (TN) and phosphorus (TP) concentrations. Results indicate that GA-PLS relating in situ spectral reflectance to the nutrients yielded high coefficients of determination (TN: R ²?=?0.88; TP: R ²?=?0.91) between measured and estimated TN (RMSE?=?0.07 mg/L; Range: 0.6–1.88 mg/L), and TP (RMSE?=?0.017; Range: 0.023–0.314 mg/L). The GA-PLS model also yielded high performance with AISA imaging data, showing close correlation between measured and estimated values (TN: RMSE?=?0.11 mg/L; TP: RMSE?=?0.02 mg/L). An analysis of in situ data indicated that TN and TP were highly correlated with chlorophyll-a and suspended matter in the water column, setting a basis for remotely sensed estimates of TN and TP. Spatial correlation of TN, TP with chlorophyll-a and suspended matters further confirmed that remote quantification of nutrients for inland waters is based on the strong association of optically active constituents with nutrients. Based on these results, in situ and airborne hyperspectral remote sensors can provide both quantitative and qualitative information on the distribution and concentration of nutrients in Morse Reservoir. Our modeling approach combined with hyperspectral remote sensing is applicable to other productive waters, where algal blooms are triggered by nutrients.     

水华前后叶绿素a变化及其与水质因子的关系

针对目前关于叶绿素a(Chl-a)与水质因子关系的研究成果多是基于分析水华发生后水质资料的现状,以我国南方某水库2003年2月—2009年12月的水质资料为基础,分析水华(2006年)前后水库Chl-a随时间的变化特征和Chl-a与总氮(TN)、总磷(TP)、pH值、透明度(SD)和溶解氧(DO)的相关关系。结果表明:水华发生前(2003—2005年)叶绿素a峰值主要出现在夏季,水华发生后(2007—2009年)叶绿素a峰值集中在冬季出现,冬季发生水华的可能性增加;水华发生前Chl-a与TN、TP、SD、pH值、DO均无显著的相关关系,水华发生后Chl-a与TP、SD、pH值、DO的相关关系显著增强,表现为直接或间接的线性关系。     

青岛棘洪滩水库氮磷营养盐分析

根据棘洪滩水库2000—2009年水质监测数据,分析该水库水体中总氮(TN)、总磷(TP)及叶绿素(Ch-l a)等水质指标的变化情况,并进行富营养化评价。结果表明:TN质量浓度超出地表水Ⅴ类标准,TP质量浓度满足地表水Ⅱ类标准,ρ(TN)/ρ(TP)值为80.6～246.2,水库属于磷(P)限制型。TN质量浓度冬季、春季较高,夏季、秋季逐渐降低;TP、Ch-la质量浓度在夏末和秋季较高,春季和冬季较低。水库营养盐主要来源是引水,水库水质2000—2009年近10年的营养程度均为中营养。     

官厅水库夏季叶绿素a浓度短时分布特征

分析官厅水库夏季(8月份)叶绿素a浓度短时变化特征,对于水库水体富营养化研究具有重要意义。利用以分钟为步长的水温、水深及叶绿素a浓度实测数据及气象数据,对叶绿素a浓度垂向及昼夜变化特征进行了分析。结果表明:叶绿素a浓度最高值是表层浓度的1.5~2倍,其出现位置与温度跃层位置基本一致。叶绿素a浓度具有昼夜周期性变化特征。白昼,温度跃层以上叶绿素a浓度随水深增加逐渐增加,在温度跃层以下,随水深增加逐渐降低;夜间,温跃层以上叶绿素a浓度基本稳定不变,在温度跃层以下与白昼变化趋势相同。表层水体叶绿素a浓度夜间大于白天,且与光照及表层水温呈负相关。水库叶绿素a浓度短时分布特征主要与温度分层以及限制性营养盐磷的释放有关。     

衡水湖叶绿素a含量变化及其与氮、磷浓度关系的初步研究

采用2010年衡水湖监测数据,运用回归统计方法,分析衡水湖水体叶绿素a浓度变化特征,及其与TN、TP、TN/TP的相关关系,建立相应的回归方程.结果表明:衡水湖叶绿素a浓度在时间上变化规律与TP的变化较为一致,为7月、8月＞9月＞10月＞6月、11月＞5月,其对数与TP的对数呈明显正相关,与TN/TP的对数有显著负相关关系,而与TN的对数则无明显的相关性.     

Eutrophication model for river-type reservoir tributaries and its applications

With the impoundment of the Three Gorges Reservoir, algal blooms have been found in some tributaries. In this study, according to the theoretical analysis of the eutrophication mechanismin a river-type reservoir tributary, a one-dimensional eutrophication model was developed for the Xiangxi River tributary of the Three Gorges Reservoir, and the influence of hydrodynamic conditions on the primary growth rate of algae was investigated. Furthermore, numericalpredictions of hydraulic variables and eutrophication factors, such as the concentration distribution of TP, TN, and Chl-a in the spatial and temporal domains, were carded out. Comparison of computation results of TP, TN, and Chl-a concentrations along the river in the spring of 2005 with experimental data demonstrates the validity of the model. The agreement between the computation results and the experimental data of TP and TN concentrations is better than the agreement between those of Chl-a concentration. The simulated results also show that the Chl-a concentration downstream is much higher than that in the upstream tributary, which potentially indicates the outbreak of algae in this area. Therefore, this study provides a feasible method of accurately predicting the state of eutrophication in river-type reservoirs and their tributaries.     

水动力条件对富营养化影响规律探讨

富营养化防治的技术关键，是需要了解抑制藻类生长的外部环境条件及其影响作用规律．基于国内外对气候条件和营养盐条件对藻类生长速率影响研究成果基础上，采用机理分析和实际案例分析相结合的方法，重点探讨了以流速为表征要素的水动力条件对藻类生长速率的影响特点，并且以三峡库区支流大宁河为例，初步建立了流速对藻类生长速率影响规律的经验关系式，为预测三峡库区富营养化演变态势提供基础，进而为有效防治富营养化提供技术支撑．     

Resurrection of the Lake Michigan Eutrophication Model,MICH1

The Lake Michigan model, MICH1, was developed more than 30 years ago. This framework was evaluated using field data collected in 1976 and was later applied to predict total phosphorus and phytoplankton concentrations in Lake Michigan during the 1980s and early 1990s. With a renewed interest in the interaction of phytoplankton with toxics and the applicability to Total Maximum Daily Load studies, several new models have been developed and older models have been revived. As part of our interest in plankton dynamics in Lake Michigan, the MICH1 model was resurrected. The model was evaluated over the 1976–1995 period, with a surprisingly good model fit to lake-wide average total phosphorus (TP) field data. However, the model was less successful in mimicking the chlorophyll-a measurements, especially in the hypolimnion. Given the results, the model was applied to perform a few long-term TP model simulations. Using the model with average 1994–95 phosphorus loadings, a steady state was reached within approximately 20 years, and the lakewide phosphorus concentration was below the International Joint Commission water quality guideline of 7 μg/L. This exercise demonstrated that a relatively simple, four-segment model was able to mimic the TP lake-wide data well. However, this model was less suitable to predict future chlorophyll-a concentrations due to the limitation in the representation of the foodchain and the difficulty of the coarse segmentation of the model to capture the deep chlorophyll-a layer. Strengths and limitations of this model can guide future development of eutrophication models for Lake Michigan and the other Great Lakes.