基于GOCI影像反演湖泊悬浮物和叶绿素a含量的研究述评

悬浮颗粒物和叶绿素a是两个重要的湖泊水质参数,常用来衡量湖泊的富营养化程度。阐述了基于GOCI数据的湖泊悬浮颗粒物和叶绿素a浓度反演的研究现状,分析了几种大气校正方法对于GOCI数据的适宜性,发现基于6S模型的大气校正取得的效果最好。对比了GOCI的几种用于叶绿素a和悬浮颗粒物反演的模型,发现基于经验方法的反演虽然简单易行,但缺乏物理依据;基于分析方法的反演机制明确,但较难实现;基于半分析方法的反演是统计水质参数的光谱特征,建立遥感数据的波段组合与水质参数值之间的定量关系,进而估算水质参数含量,此方法较易实现且有一定物理意义。最后,通过总结现状,对利用GOCI反演水体指标的发展提出了一些自己的见解。     

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。     

基于随机化方法的叶绿素a含量神经网络预测模型输入因子敏感性分析

为了区分神经网络预测模型输入因子敏感性强弱,以探寻水体叶绿素a含量变化的主要影响因素,引入随机化方法,分别采用偏导、连接权值、改进连接权值、百分比扰动及改进扰动方法对叶绿素a含量神经网络预测模型输入因子进行1 000次敏感性分析,以计算结果均值对输入因子敏感性进行评价。结果表明:引入随机化方法后,敏感性分析结果稳定,研究区域pH相对敏感度最高,光照、降雨量、极大风速相对敏感度最小。受输入因子波动范围过大影响,百分比扰动方法与其他敏感性分析方法得到的结论不一致;对扰动方法进行改进,基于输入因子标准差扰动进行敏感性分析,光照、降雨量、极大风速相对敏感度分别为0.032、0.030、0.029,pH相对敏感度为0.148,因子敏感性强弱与其他方法一致;改进的扰动方法物理概念清晰,耗机时少,易实现。研究结果可为基于神经网络分析水体水华主要影响因素提供方法,为水体治理措施有效开展提供研究基础。     

浮游植物现存量表征指标间相关性研究Ⅱ:叶绿素a与藻密度

在前文研究叶绿素a与生物量基础上,本文收集国内、外有关资料,并结合潘家口水库现场围隔实验,主要从室内研究水体、野外围隔水体及天然水体三个方面,进一步探讨浮游植物叶绿素a含量与藻密度间的相关性。结果表明:实验室内藻类纯培养或共培养优势藻种稳定单一时,叶绿素a与藻密度呈显著正相关,优势藻发生变更时,二者可能相关或不相关;围隔实验水体及天然水体中优势藻种稳定单一时,叶绿素a与藻密度一般显著正相关,而藻种发生明显更替时,叶绿素a与藻密度可能相关或不相关。     

从水体叶绿素含量评价于桥水库富营养化程度

通过对于桥水库两个监测断面2000年分月水样的叶绿素a和其它三项化学指标的测值进行处理、对比，分析当年于桥水库水体富营养化的水平。     

城市水系叶绿素a含量与环境因子的灰关联分析

以北京市北环水系上游为研究实例，根据9个监测点的实测数据，利用灰关联分析方法分析叶绿素a含量与7个环境因子的相关性。结果表明，城市水系不同环境影响因子空间差异明显。根据显著相关因子，可以将研究区各河段分为2个环境影响类型：浊度显著相关型，浊度与叶绿素a含量的Pearson相关系数在0.583～0.877之间;总氮显著相关型，总氮与叶绿素a含量的Pearson相关系数在0.189～0.696之间。根据主要相关因子，2个环境影响类型各自分为2个亚型:浊度显著相关型分为完全营养相关型和不完全营养相关型；总氮显著相关型分为物理因子相关型和总磷相关型。针对不同的环境影响类型，建议采用控制上游面源污染、恢复与重建水系生态系统和加强综合管理等对策，以实现城市水环境的改善与可持续发展。     

浮游植物体内叶绿素a含量测定方法

文中通过系列实验,主要研究并验证了浮游植物叶绿素a含量测定提取过程中过滤藻类的滤膜最佳浸泡时间,以及对校正脱镁叶绿素a的最佳酸化时间,以便得到更为准确的结果。     

从水体叶绿素含量评价于桥水库富营养化程度

通过对于桥水库两个监测断面2000年分月水样的叶绿素a和其它三项化学指标的测值进行处理、对比,分析当年于桥水库水体富营养化的水平。     

滇池叶绿素a的时空分布及其影响因子的相关分析

为了解滇池的叶绿素a的时空分布格局及其与主要环境因子的相关性,从2009年1月至2010年12月对滇池叶绿素a及其水质理化指标进行定期采样及监测.结果表明:滇池叶绿素a含量存在明显的季节变化.叶绿素a含量与水温、pH、溶解氧、高锰酸盐指数、总氮、总磷呈显著正相关,与透明度呈明显的负相关.     

浮游植物现存量表征指标间相关性研究Ⅰ:叶绿素a与生物量

收集国内、外有关资料,并结合潘家口水库现场围隔实验,主要从实验室内研究水体、野外围隔水体及天然水体三个方面,对浮游植物叶绿素a含量与生物量间的相关性进行探讨。结果表明:在实验室条件下,叶绿素a与生物量一般呈显著正相关关系,但当优势藻种发生明显变更时,二者相关性不明显甚至不相关;现有资料显示,野外围隔实验水中,叶绿素a与生物量一般呈显著正相关。在天然水体中,叶绿素a与生物量可能相关或不相关。叶绿素a与藻密度的关系将在续文中予以讨论。     

典型微量金属元素对铜绿微囊藻生长影响的研究

针对Cu、Fe、Zn的不同离子浓度对铜绿微囊藻生长的影响进行研究,以期为水体富营养化防治的进一步开展提供理论支持。试验采用BG11培养基,分别测定了3种微量金属在不同浓度下铜绿微囊藻细胞密度和细胞叶绿素a含量变化。结果表明:当Cu、Fe、Zn浓度分别为0.001、3~12、0.05 mg/L时,铜绿微囊藻生长最佳,且在最佳浓度范围内铜绿微囊藻对Cu、Fe、Zn的利用率与其生长状况呈明显的相关性。Cu、Fe、Zn在不同浓度范围对藻类光合作用的促进或抑制是影响其生长的主要因素。因此,控制水体蓝藻暴发时,除了调节氮磷以外,通过微量金属元素浓度的调节也可作为一条有效抑制蓝藻暴发的途径。     

北京市妫水湖的叶绿素a及其水质关系分析

通过对妫水湖水环境中的叶绿素a的测定并同时分析其水质,结果表明,妫水湖水域的叶绿素a的含量呈明显的时空变化特征,其中7月和10月含量高于6月、8月和9月,另外,1号、2号和3号位置的含量明显高于4号、5号和6号位置.叶绿素a含量与环境因子,如水中总氮、总磷、BOD5、CODMn有关.妫水湖叶绿素a含量变化多在(5～40)mg/m3范围内,说明妫水湖水体处于富营养状态.     

5种沉水植物对富营养化水体的净化能力研究

为完善水生态修复技术,研究了太湖流域常见的5种沉水植物对富营养化水体的净化能力。通过室内模拟、实验室测定,分析了不同种类沉水植物对水环境质量的改善能力。结果表明:5种沉水植物均有一定能力去除水体中总磷、总溶解态磷、总氮、叶绿素a,改善水体中溶解氧条件。本试验中,综合多个指标,金鱼藻在各方面表现能力均较强,可作为太湖流域富营养化水体修复优先选用的物种。     

香溪河库湾春季影响叶绿素a的环境因子

2007年2月22日至5月29日,在三峡水库香溪河库湾内每天进行定点水质采样,监测叶绿素a浓度及相关因子随时问和水深的变化情况,对监测数据进行偏相关分析和多个相关样本检验,研究相关因子对叶绿素a浓度的影响情况.研究结果表明:在整个春季水华期间,水体中的优势藻种不断改变,叶绿素a浓度沿水深分布出现明显的分层现象,从表层至水底逐渐降低.水体中的浮游植物主要在表层至8 m水深之间活动,在1～3m水深之间密度达到最大.相关因子对表层叶绿素a浓度随时间变化的影响程度从大到小是:气温、水温、光照、湿度、透明度、浊度、降雨量;水体中相关因子对叶绿素a浓度沿水深分布的影响程度从大到小是:水下光强、水温、浊度.     

北京城区河湖富营养化特征及对策分析

根据北京城区河湖监测资料，应用多元统计方法，分析了河湖中叶绿素a与磷、氮等营养物和其他水质指标的相互关系。结果表明北京城区河湖在藻类生长旺季，氮营养盐为藻类生长的主要影响因素，城区河湖富营养化正处于发展阶段。     

分光光度法测定水体中叶绿素a含量的改进

本文在大量实验基础上对分光光度法测定水体中叶绿素a方法进行了改进研究.实验结果表明:过滤藻类使用玻璃纤维滤膜结果要优于普通微孔滤膜;提取过程中用反复冻融法结果优于研钵研磨法.     

南水北调中线总干渠叶绿素a与藻密度相关性研究

叶绿素a浓度和藻细胞密度是表征藻类生物量的两种不同方法。为了分析南水北调中线总干渠叶绿素a与藻密度的相关关系,在干渠内(动态条件)和干渠旁(静态条件)设置断面进行了采样,依据实测数据分析了叶绿素a和藻密度的变化情况及相关性。结果表明:动态条件下,叶绿素a浓度与藻密度的变化趋势基本一致,两者之间具有显著的相关性,相关系数为0. 88～0. 90;单一优势藻种水体中叶绿素a浓度与藻密度存在显著正相关性,r 0. 95;优势藻种的更替变化会导致叶绿素a浓度与藻密度的相关性下降;动态条件转为静态条件时,空间和水文要素发生变化,将导致藻种、藻密度及叶绿素a浓度发生变化,并影响藻密度和叶绿素a浓度之间的相关性。研究成果有利于有关部门掌握南水北调中线工程引水水质的变化,可为沿线用水户提供更好的服务。     

南湖叶绿素a含量与湖水理化性质的多元分析

利用因子分析技术对长春市南湖不同空间叶绿素ａ的季节变化进行排序分析，并以排序结果为因变量、１０项湖水理化因子为自变量进行逐步回归分析。分析结果表明：在１０项理化因子中，决定南湖叶绿素ａ数量变动的主导因子为总磷。在此基础上，就除磷及治理途径方面提出建议。     

改进淡水中叶绿素a测定方法的探讨

本文对叶绿素a的测定方法中的样品处理方法进行了深入对比实验研究，分析了实验过程中出现研磨损失和750nm处吸光值达不到要求等缺陷的原因，并在大量实验的基础上提出了改进措施。     

不同数据处理策略对Chl-a浓度预测精度的影响

为了确定合理数据处理策略,提高基于神经网络的叶绿素a含量预测精度,采用7种数据处理方案和5种神经网络输入参数组合,研究了不同数据处理策略对叶绿素a含量预测精度的影响。结果表明:数据处理可有效提高基于神经网络的水体中叶绿素a含量预测精度,不同数据处理策略得到的主成分不同,对预测精度的提高程度不同;在输入参数数量相同情况下,以格拉布斯准则处理异值点,再采用局部多项式回归进行数据平滑所得的神经网络预测精度最高;4个输入参数情况下,预测精度在进行数据处理后最高可达到0.986,比采用原始数据提高23.25%。