蓝藻水华显著影响因子识别模型

根据蓝藻水华反演图判断蓝藻水华发生与否,进而构建了直接以蓝藻水华发生与否的指标为因变量,同时以水质、水文和气象3类共19个指标为自变量的蓝藻水华环境影响因子识别模型(Probit模型),并将该模型应用到太湖.经模型分析,识别出太湖蓝藻水华暴发的显著环境影响因子:气温和硝酸盐浓度与蓝藻水华暴发的概率正相关;风速、湿度和电导率则与水华暴发的概率负相关.将离散因变量模型(二元选择模型)引入蓝藻水华研究领域,对湖泊(水库)蓝藻水华暴发的预测和预防具有参考价值.     

洱海夏秋季蓝藻种群动态变化及水华成因分析

目的：为洱海蓝藻污染治理提供依据。方法：通过对2006年洱海蓝藻种群动态变化的跟踪调查和定性、定量分析,探讨洱海夏秋季蓝藻种群动态变化及藻源污染成因。结果：洱海蓝藻种群增殖及水华发生不仅与营养盐积累、环境、气象因子有关,而且与生态系统脆弱、流域面源污染加重等因素密切相关,由于几者共同作用,导致了洱海蓝藻水华的发生。结论：必须加强洱海蓝藻污染治理工作。     

不同湖泊水华发生机制研究进展

目前,世界各地湖泊水华的暴发越来越严重,对人类健康和生态系统有重大危害.本文调研了国内外典型湖泊水华的相关研究成果,从湖泊所属地理位置、气候带、受人类活动干扰强度、主要水华发生藻种和主控环境因子等不同角度进行了总结和分析,揭示了不同类型的湖泊水华特征和发生机制.最后以我国太湖为例,总结已有的研究成果,结合近几年太湖水华和水环境实测数据的分析结果,归纳了太湖水华的主要影响因子,包括Chl-a、TN、TP、COD、温度、风速六个指标,其中Chl-a、COD能指示说明水华的程度,TN、TP是营养盐状况的代表,温度和风速是水华发生的主要气象因子,并定量分析了水华程度和影响因子之间的关系,为水华的预警、预测和评价提供基础和支持.     

湖泊蓝藻水华发生的影响因子

蓝藻水华频发,湖泊富营养化是诱因。但蓝藻水华暴发的确切机理还有待深入研究,本文综述了蓝藻生长密切相关的物理影响因子、化学影响因子和生物影响因子,他们共同作用使蓝藻与其他藻类相比有生长优势,进而过度生长形成水华,并对蓝藻监测中采样提出一点建议。     

巢湖蓝藻水华预警监控方案研究

文章根据近年来巢湖蓝藻水华预警监测期间的水质监测结果、水华暴发情况和MODIS蓝藻影像图,研究制定了巢湖蓝藻水华预警监控方案;将巢湖划分为饮用水源地、河流入湖区和湖区3个蓝藻水华预警监控区域,设置蓝色、黄色和红色三级预警响应级别;优化了巢湖蓝藻水华预警监测布点方案、监测时段、监测频次和监测项目,为今后巢湖蓝藻水华研究提供科学依据。     

BP神经网络在水华短期预测中的应用

为解决影响因素多、作用关系复杂的水华预测问题,将BP神经网与水体环境因子的高频实测数据相结合,构建了巢湖水华的短期动态预测模型,该模型准确地预测了每次水华发生的时间,预测值与实际观测值相关系数可达0.608 4;在分析BP神经网络自身局限性的基础上,研究了建模过程中输入输出数据预处理、网络结构设计、训练模式选择等问题,给出了水华预测中确定环境因子和建模方案的具体方法.该方法容易移植到其它湖库,提高了模型的实用性和通用性.     

有害藻类水华的形成机制

随着富营养化的发展,有害藻类水华的爆发也日渐频繁,研究其形成机制及影响因素,对预测藻类水华的发生,采取相应的防治措施,减少其带来的危害具有重要的生态和环境意义。本文从不同角度总结了水华的形成机制,结果表明:化学、物理、生物等因素的综合作用导致藻类水华的爆发。     

富营养化状态下太湖蓝藻水华气象条件影响的评估

根据2005～2017年太湖流域气象观测数据与同步卫星观测数据分析结果,表明：太湖蓝藻水华在日平均气温为0～35℃的区间内都会出现,高发区间为15.0～35℃,大面积蓝藻水华也多集中在20.0～35℃区间内,33℃以上的高温会产生抑制作用;蓝藻水华在卫星过境前6h平均风速为0.5～3.4 m/s区间内集中出现,占94.7%,89%的大面积蓝藻水华出现在0～2.0 m/s,风向主要影响蓝藻水华的移动和空间分布;降水的影响总体上呈负效应,但大面积蓝藻水华在前24小时有降水的情况下,其中小雨量级（＜10mm）的占比达88%,说明降水的适度扰动可能有利于大面积蓝藻水华形成;日照充足可能有利于蓝藻生长,但并非蓝藻水华形成的必要条件。在上述分析基础上,构建了气象评估多元回归模型,实际值和模拟值拟合的相关系数达0.83,通过了0.001显著性检验,可用于蓝藻水华的定量气象评估,从而为政府防控蓝藻水华提供决策依据。     

“病虫害预测系统”的设计与开发

气象条件是农作物病虫害发生的主要因素之一。介绍了利用气象因子预测病虫害系统的设计思路与实现方法。系统对历年监测到的历史数据（病虫害发生记录、气象数据等）进行整理形成数据库,并对历史数据进行挖掘,通过分析得到病虫害发生与气象因子之间关系的数学模型,最后用计算机技术开发出了基于气象数据的病虫害预测系统。     

不同水温下蓝藻水华生消模拟与预测

蓝藻是河湖水华中常见优势种群,其生命活动、物质代谢与水温密切相关,针对该问题,以铜绿微囊藻为供试对象,利用物理模型模拟了不同温度下该藻引发的水华生消的过程.结果表明:该蓝藻水华生消与水温密切相关,当营养物质及其他条件适宜时,水温为28±1℃可促进水华发生;此时藻类比增长率最高,可达1.05;水体氮磷营养在藻类进入对数生长期即消耗殆尽,水体pH和溶解氧受藻类光合作用影响发生变化,经一个周期后达到稳定状态,水体电导率主要因氮磷营养含量降低而降低.以28℃下蓝藻叶绿素a随时间变化的观测值建立时序模型AR(3)进行预测,经检验,模型模拟精度较高,在实际工作中有一定的应用价值.     

BP神经网络水华预测模型的敏感性分析

敏感性分析能够定量地评价模型输入变量的变化对输出结果产生的影响,是揭示模型蕴含规律的有效途径.本文将敏感分析方法应用于BP神经网络巢湖水华预测模型中,分析结果表明巢湖水华形成受诸多环境因子共同影响,水温、溶解氧、浊度、气温、光照强度等环境因子变化与藻类质量浓度变化相关,其中气温是最大影响因素,相对贡献率达到17.01%;气压的上升则不利用于藻类质量浓度的增加;pH值的上升对藻类质量浓度的影响有正有负.     

南宁市PM2.5浓度与气象因素的关系研究

摘 要 空气污染主要与污染源的排放、气象条件、地形地貌三方面因素有关。对南宁市空气质量指数与气象因素的关系进行研究,进一步探究空气污染的主要污染源PM2.5与气象因素之间的关系,分析了促进空气污染发生的气象条件。并在此基础上建立多元线性模型对空气污染物PM2.5的浓度值进行预测。结果表明预测模型拟合度R2值最大达到了0.747,说明了该模型预测效果良好并能够适用于南宁市空气污染物PM2.5的监测和预报。     

洋河水库“水华”发生的实验研究

本工作在洋河水库现场进行了“水华”发生的实验研究，采用以受控生态系统实验为主，结合对自然水体进行观测的方法，观察了从藻类增殖到“水华”形成及消失的全过程；定量研究了“水华”发生所需的条件。研究表明：水体的富营养状态是藻类异常增殖的主要原因，而藻类的异常增殖又是“水华”发生的前提条件。“水华”发生时水体表层所需的藻类生物量阈值为４８．０μｇＣｈｌａ／ｌ。气象因子引起的藻类聚集对于“水华”的发生具有诱     

利用复杂网络理论研究三峡库区流域水华暴发

根据复杂网络(CNs)理论初步建立三峡流域的水华暴发动力学模型,利用水华暴发的三类因素建立起水华暴发CNs无边接连基本模型图,参考实际水域水华暴发因素设定各节点子节点范围,建立各节点的边连接,从而初步建立水华暴发的CNs模型.模型中代入2007年春季嘉陵江、长江和2002年乌江"黑潮"8月份乌江渡水库监测数据,计算得出两个区域水华暴发CNs模型的平均路径长度L和聚类系数C,发现发生水华的流域平均路径长度L越小流域水华暴发的可能性越大,且现场监测数据与CNs理论结果相符.同时,水华暴发流域的聚类系数比未暴发流域小,表明水华暴发前后聚类系数C是一个先增加后减少再增加的过程.因此水华暴发周期内(暴发前期、暴发时期、消退期),各因素间的相互作用是先增强后减弱再增强的过程.     

Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为：乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM（1,5）预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM（1,5）模型的残差进行修正,以便改善预测精度。实例结果：事后检验阶段GM（1,5）模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。     

水生所发现维生素E对于蓝藻越冬的作用

中科院水生所徐旭东研究员领导的蓝藻遗传学与生物技术学科组利用一种中温蓝藻模式生物——集胞藻PCC6803，发现了蓝藻的“获得性寒冷光照耐受性（ACLT）”，认为是蓝藻越冬的重要基础，并证明阿法-维生素E是形成ACLT所必需的，研究结果发表于新近一期细菌学期刊（Journal of Bacteriology，190：1554—1560）。蓝藻在富营养化淡水湖泊中往往过量繁殖形成水华，加剧水质恶化，造成异味，甚至产生毒素，成为世界性的环境问题。我国一些大型浅水湖泊发生蓝藻水华造成的影响尤为严重，影响周边居民的生活。蓝藻水华的爆发一般经历越冬、复苏、生物量增加和上浮聚集四个阶段。蓝藻细胞成功越过冬季寒冷条件才能成为次年水华发生的种源。对于蓝藻越冬已有一些生理生态研究，但对于其机理尚不能清楚阐述。     

概论常用化学药剂在蓝藻水华应急处理中的作用及影响

水华现象主要是由于蓝藻的快速繁殖并大量聚集造成的。在水华爆发初期的应急处理过程中,采用物理或化学的方法清除大量疯长的蓝藻是必须采取的有效措施之一,本文针对化学药剂在蓝藻水华应急处理中的作用及影响进行了概括性的分析和探讨。     

操作变量与前馈变量转换对模型预测控制可行域影响机制

模型预测控制因其解耦性和强鲁棒性得以在过程控制中广泛使用.在实际生产过程中,因操作需要常常放开控制器对部分操作变量的控制,此部分操作变量则转化为前馈变量.变量之间的转换将使系统的结构在方系统、胖系统和瘦系统之间发生转换.对于瘦系统,操作变量的维数少于被控变量,其控制效果往往低于其他结构的系统.同时,原操作变量不被控制器控制后,转换为前馈变量,也会影响对系统的控制效果.可行域能直接反映系统控制效果.在对状态空间模型进行多步预测推导的基础上,将部分控制变量与前馈变量进行转换,用空间几何映射表示变量转换,并分析转换对系统可行域的影响.最后,针对实际生产过程中放开部分控制变量的情况,提出预判机制,以保证系统可控.     

MODIS遥感影像在蓝藻水华灾害监测中的应用

研究如何利用MODIS遥感影像进行蓝藻水华的业务化遥感监测,可以为实时监控水质、预警蓝藻水华爆发提供基础数据和技术支持。通过辐射定标、地理定标等预处理,对云区域进行检测与掩膜标定。采用阈值分割方法,对比分析比值植被指数、归一化植被指数和差值植被指数的阈值分割结果,筛选出最合适的植被指数,结合形态学处理方法,提高水华信息自动的业务化提取能力。采用2015年6—10月数据验证方法的适用性,统计并分析了蓝藻水华主要爆发期的时间分布情况。     

气象过程信息挖掘与输电线路覆冰预测

针对现有覆冰预测回归模型以采样点气象参量预报覆冰值的局限性,提出了一种改进的基于气象过程信息挖掘的覆冰预测方法。按线路覆冰增量将气象参量样本分为覆冰增长、维持、消融3个模糊模式类别,定义了以气象参量样本与模式类别中心的马氏距离为变量的隶属度函数,并在计算马氏距离时采用灰色斜率关联度确定各气象参量的权重。基于此,将隶属度与采样点气象参量结合,形成包含覆冰气象过程信息的高维历史数据样本,采用支持向量机进行覆冰回归模型的训练与预测。算例比较了现有的神经网络、支持向量机预测方法与提出的改进预测方法,结果表明,前两者预测的相对误差均值分别为24.50%和22.66%,而改进的预测方法相对误差均值为6.62%。考虑气象过程信息挖掘的覆冰预测模型具有更高的预测精度。