ASTER卫星影像在太湖水质空间分异分析中的应用

利用ASTER卫星影像针对太湖的部分水域水质进行研究,首先根据夏季与影像同期太湖水体主要为竺山湖水域和梅梁湖水域中的水质实测数据,进行聚类分析和主成分分析,发现太湖水体主要受到悬浮物和藻类物质的污染,其他污染指标与它们之间存在着紧密的联系,所以针对水质的遥感分析也以这两类污染指标为主。对太湖的部分水域水质的遥感影像进行处理,用水体指数掩膜将水体从背景中分离,监督分类将水体按污染物成分与含量不同分成6类:近岸水(相对干净水体)、泥沙污染(泥沙较多)、泥沙和藻类混合、混沙水(泥沙少量)、混藻水(藻类少量)和藻类污染(藻类较多)。分类的总精度为84.796 5%,Kappa系数为0.817 4,统计出各污染类型水域的面积,发现太湖的污染物主要为泥沙类,其次为藻类。在太湖沿岸水域受泥沙污染较严重,且具有一定的扩散趋势;太湖中、东部受藻类的污染较严重。用NDVI提取藻类污染区,结果与监督分类的相符。最后结合遥感图像水体周围状况以及实际统计资料对太湖水质的污染成因作了分析。     

主成分分析法在辽河水质评价中的应用

在水质评价中,表示某一流域水质量情况的指标众多,而不同的指标间往往存在不同程度的相关性。其中有些相关性甚至非常显著,这使它们提供的信息有可能发生重叠。运用主成分分析综合处理可以产生新的指标,而这些新的指标彼此互补相关又能综合反映水质的情况。通过应用主成分分析逐步降维综合处理的特性对辽河水质进行评价,对辽河4个断面的污染程度做了综合评价。然后再应用主成分分析法选取主要污染指标,结合迭代聚类模型对主成分分析得到的结果进行分类。     

大伙房水库监测断面水质特征分析

基于SPSS16．0统计软件,采用主成分分析法对大伙房水库2000-2003年的北杂木、古楼、台沟3个监测断面的16项水质指标数据进行处理,从原始监测数据中提取出2个主成分,并计算其贡献率和3个监测断面的主成分值。2个主成分中各水质指标的载荷值表明．浑河污染主要受上游工业企业污染及沿河农业污染的影响,苏子河受养殖业带来的影响污染较严重,社河污染主要为沿河农业生产带来的污染。从水质污染综合评价得分年际变化来看,浑河有污染加重的趋势,苏子河、社河水质有显著提升。该文针对各河流水质特征提出了环境管理办法。     

南水北调中线工程输水干线水质监测站网规划

从南水北调中线工程沿线的自然环境和工程实际出发,对南水北调中线工程输水干线水质监测站网的规划原则、监测站分类、站网布设及监测方案进行了研究。根据设站目的将水质监测站分成4种类型,规划布设了重点监测站4个、基本监测站3个、辅助监测站11个和流动监测站4个,并对不同发展阶段的监测项目、采样时间和频率进行了分析,为今后监测站网的详细设计提供依据。     

基于主成分分析法的再生水补给河道水质评价

为研究再生水补给河道的水质状况及污染分布特征,以凉水河为研究对象,选取10个监测点于2019年6-12月进行水质指标监测.利用SPSS软件和主成分分析法,从NH3-N、DO、TN、TP、COD及BOD5等6个水质指标中降维得出影响水质的2个主成分,根据主成分的方差贡献率和综合得分可知,上、中、下游综合得分分别为1.684、-0.852及-0.526,上游受污染最严重,主要受再生水厂尾水影响;中游水质优于上、下游,可能是地铁施工地下水抽排和河道中的沉水植物对水质的净化作用;下游受人类活动影响较大,有机污染较严重.通过主成分分析法对凉水河水质进行评价,为凉水河的污染治理提供技术参考,对再生水补水型河道的水质管理具有重要意义.     

主成分分析法在沙河水质评价分析中的应用

采用主成分分析法,选取具有代表性的6个断面和溶解氧、高锰酸盐指数、化学需氧量、五日生化需氧量、氨氮、氟化物、锰7个水质指标对沙河水质进行分析评价。以石佛口断面为重点,研究分析断面水体的主要污染物。结果表明,主成分分析法在指标权重选取方面具有减少主观误差和操作简单等优越性。     

密云水库入库水质对库区水质的影响初探

潮河和白河是密云水库主要入库河流,其入库水量与水质对密云水库的蓄水量及水质有直接影响。辛庄桥和大关桥监测站是潮河与白河的入库控制站,金沟和套里监测站是库区入库口控制站。通过对1989—2010年入库控制站及库区入库口控制站水质状况分析,发现密云水库目前水质状况总体良好,但入库水体氮含量较高及库区蓄水量的持续低水位运行是密云水库富营养化面临的最主要问题。     

基于主成分分析的大伙房水库水质影响因子研究

以大伙房库区浑37断面2005—2009年水质监测资料为依据,运用SPSS统计分析软件,对水质监测指标进行主成分分析,得出影响库区水体富营养化程度的主要限制因子为溶解氧(DO)、生化需氧量(BOD)、硝酸盐氮(NO3-N)、高锰酸盐(CODMn)、pH值、总磷(TP),为针对性的水质预测、水质污染控制和治理提供科学合理的依据。     

浅谈南水北调东线一期工程省际水质监测

从南水北调东线一期工程实际出发,对监测站网的规划原则、监测站分类、站网布设及监测方案进行了研究。根据设站目的将水质监测站分成4种类型,设计共布设36个监测站点,4个重点站,11个基本站,20个辅助站和1个流动站,并对监测项目、方法和采样频次进行了分析,为今后监测站网的详细设计提供依据。     

淮河流域水质污染时空变异特征分析

选取淮河流域的82个水质监测站,对各站点的1986—2005年水质监测数据进行统计分析,探讨了全流域内水体污染物浓度变化的时空变异特征,为淮河流域水污染治理、水环境保护以及生态修复提供依据。采用时间序列法分析水体污染物浓度的时间变化规律,应用Mann-Kendall检验法对流域范围内水体污染物浓度变化趋势进行了分析。研究结果表明,淮河流域水质变化主要受到入河排污量、上游来水量、闸坝调控方式以及气候条件等方面因素的影响。蚌埠站的水体污染物浓度多年变化规律表明,1995年是水体污染物浓度变化的转折点,1995年前水体污染物浓度不断恶化,1995年后水体污染物浓度逐渐好转。DO浓度的年内变化主要受到水温的影响,表现为冬季浓度高于夏季浓度;CODMn浓度同时受到闸坝调控方式以及区域来水量的影响,汛期浓度低于非汛期。从全流域的水体污染物浓度变化规律看,有机污染物浓度呈显著上升趋势的河段主要分布在淮北支流上,说明在20世纪90年代后期,虽然流域进入相对丰水期以及进行了大规模的水污染联防工作,淮河流域水质污染得到了一定程度的改善。但在2000年后,随着流域内入河污水量和污染物排放量的增加,淮河流域的水质污染依然严重。     

主成分分析法在温榆河水质评价中的初步应用

常规的水质评价方法有很多因不能克服由于涉及因子过多而造成某些重要信息被掩盖的缺陷,而主成分分析法能从众多变量中剔除具有相关性的因子,筛选出主要少数独立综合因子,且这些综合因子能对研究结论做出充分合理的解释。应用主成分分析法,借助Statistical Product and ServiceSocutions(SPSS)软件,对2009年温榆河10个监测断面的7项水质指标进行了分析。通过水质评价综合得分的结果可以看出,在10个监测断面中,丁家坟的污染程度最大。从水质监测数据及其评价结果来看,说明主成分分析结果能真实地反映水质实际情况。     

基于多元统计的西安市河流水质评价及污染源解析

以西安市2009-2017年地表河流水质的逐月监测数据为研究对象,利用多元统计学方法对水质进行综合分析;通过因子分析法探究水中主要污染物及其变化趋势,并分析污染物来源;利用主成分分析法综合评价各个采样点的水质。结果表明:2009-2017年间,24个水质指标可由4~6个主成分描述,方差累计贡献率在78%以上;对西安市河流水质影响最大的指标是有机物和氨氮类;根据主要控制指标的因子载荷,可知2009-2012年间水质整体趋于平稳,2013-2015年间污染加剧,但在2016-2017年又有不同程度的缓解;就采样点的地理位置而言,皂河污染最为严重,而黑河水质整体良好。     

基于不同评价方法的柳州市水质分析

本文采用单因子指数法、综合污染指数法及主成分分析法,对柳州市8处地表水水质数据进行综合评价。结果表明:单因子指数法计算结果均为Ⅱ类水质;综合污染指数法与单因子指数法计算结果趋势基本接近,但不能直接判断水质级别;主成分分析法可以分析水质的主要影响污染物。因此,综合考虑3种评价方法对地表水水质进行评价,可以获取更多的潜在信息。     

以上海市为例对比分析几种常用水质评价方法

水环境质量的综合评价方法很多,特点各异。本文在重点分析最差因子判别法、有机污染综合指数评价法、主分量分析法和基于模糊理论的贴近度综合评价法这四种方法的特点的基础上,以上海市若干水质监测点的监测成果为例,应用这四对方法分别对它们进行了综合评价。评价结果表明,最差因子判别法评价的水质较差,而基于模糊理论的贴近度综合评价法评价的水质又过于乐观,另外,有机污染综合指数评价法需要多次计算,多次比较,比较繁琐。主分量分析法充分考虑了各参评因子的权重,评价过程只需要通过一次计算,就能得出一个判别式和判别标准,以后评价时可以直接使用,而且评价结果符合实际情况,因此是一种比较好的评价方法。     

改进的主成分分析法在白洋淀水质评价中的应用

针对数据标准化信息丢失以及主成分中各系数相近造成的涵义不明确,对主成分分析法进行了改进,很好地实现了降维的效果.将其应用于河北省白洋淀水质综合分析,结果表明:在各观测断面中普遍存在富营养化现象,氨氮、总磷是水质的主要污染指标.通过对各断面的水质进行综合评比,得出各站点的污染程度排序,为白洋淀区域治理提供理论指导.     

常用水质评价方法的选择

水环境质量的综合评价方法很多,特点各异.在重点分析最差因子判别法、有机污染综合指数评价法、主分量分析法和基于模糊理论的贴近度综合评价法这4种方法特点的基础上,以上海市若干水质监测点的监测成果为例,利用这4种方法分别进行了综合评价.评价结果表明,最差因子判别法评价的水质较差,而贴近度综合评价法评价的水质又过于乐观.有机污染综合指数评价法需要多次计算,多次比较,比较繁琐.主分量分析法充分考虑了各参评因子的权重,评价过程只需要通过一次计算,就能得出一个判别式和判别标准,以后评价时可以直接使用,而且评价结果符合实际情况,因此是一种比较好的评价方法.     

WATER QUALITY ASSESSMENT AND APPORTIONMENT OF POLLUTION SOURCES OF TIGRIS RIVER (TURKEY) USING MULTIVARIATE STATISTICAL TECHNIQUES—A CASE STUDY

The Tigris is one of the most important transboundary rivers in western Asia and originates in the Toros mountains of the Eastern Anatolia region of Turkey. Multivariate statistical techniques, such as cluster analysis (CA), principal component analysis (PCA) and factor analysis (FA), were applied for the evaluation of temporal/spatial variations and the interpretation of a water quality data set for the Tigris River, which was obtained during 1 year of monitoring. This study presents the usefulness of multivariate statistical techniques for the evaluation and interpretation of complex water quality data sets and apportionment of pollution sources/factors to obtain better information about water quality and the design of a monitoring network for the effective management of water resources. Hierarchical CA grouped 12 months into two periods (the first and second periods) and classified seven monitoring sites into three groups, that is, less polluted sites, medium polluted sites and highly polluted sites, based on similarities in the water quality characteristics. PCA/FA identified five factors in the data structure, which explained 77.5% of the total variance of the data set. This allowed us to group the selected parameters according to common features and to evaluate the influence of each group on the overall variation in water quality. Varifactors obtained from the factor analysis indicated that the parameters responsible for water quality variation were mainly related to soluble salts (natural), organic pollution and nutrients (anthropogenic). Copyright © 2011 John Wiley & Sons, Ltd.