CN109657200A - 一种确定湖泊水库蓝藻水华爆发几率的方法 - Google Patents
一种确定湖泊水库蓝藻水华爆发几率的方法 Download PDFInfo
- Publication number
- CN109657200A CN109657200A CN201811479966.2A CN201811479966A CN109657200A CN 109657200 A CN109657200 A CN 109657200A CN 201811479966 A CN201811479966 A CN 201811479966A CN 109657200 A CN109657200 A CN 109657200A
- Authority
- CN
- China
- Prior art keywords
- species
- probability
- main driving
- formula
- reservoir
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Seaweed (AREA)
Abstract
本发明公开了一种确定湖泊水库蓝藻水华爆发几率的方法,包括如下步骤:通过实地采样和室内鉴定获取水体中所有藻类的数据;通过仪器测量获得水质数据;根据采样数据获得各种藻类的密度和生物量;确定优势物种主要驱动因子:蓝藻爆发几率预测。本发明利用实测的藻类和水质数据,通过识别优势物种、确定主要驱动因子,最终根据蓝藻爆发几率预测模型预测蓝藻爆发几率。本发明不依赖蓝藻爆发的实测数据,应用范围广,对于蓝藻水华的防治具有重要作用。
Description
技术领域
本发明涉及一种方法,尤其涉及一种确定湖泊水库蓝藻水华爆发几率的方法。
背景技术
随着工农业的发展,大量营养物质流入江河湖泊,水体富营养化程度不断加剧,在全球变暖的促进下,蓝藻爆发事件频繁发生。蓝藻的大量繁殖和腐烂,影响水体溶解氧含量,导致水生动物大量死亡,使水生态系统遭到严重破坏。蓝藻水华还会产生各种各样的生物毒素,尤其是微囊藻毒素最为常见且危害最大,能损害脊椎动物的肝、肾、心脏、性腺等器官组织和神经系统。蓝藻水华的爆发不仅危害水生态系统的健康,更严重危害人类的饮水安全和生命健康。
目前存在众多的蓝藻爆发预测模型,多以神经网络等不确定的数据驱动模型为主,此类模型注重于蓝藻爆发的临界判断,对于水华未爆发的环境状况不能分析其爆发风险和主要驱动因子。并且受到地域限制,不能在蓝藻未爆发的区域使用,因此限制了它们的使用范围,不能有效预报蓝藻爆发范围和爆发时间,削弱了人类对水华藻类的预判和控制能力。因此,基于蓝藻物种的统计数据分析蓝藻优势物种,基于优势物种筛选主要驱动因子,建立不受地域限制的蓝藻爆发几率预测模型、确定蓝藻爆发风险对于蓝藻水华的防治具有重要意义。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种确定湖泊水库蓝藻水华爆发几率的方法。
为了解决以上技术问题,本发明采用的技术方案是:一种确定湖泊水库蓝藻水华爆发几率的方法,包括如下步骤:
1)通过实地采样和室内鉴定获取水体中所有藻类的数据;
2)通过仪器测量获得水质数据,包括水体温度、pH、电导率、溶解氧、总氮、总磷;
3)根据采样数据获得各种藻类的密度和生物量;
4)确定优势物种主要驱动因子:
5)蓝藻爆发几率预测。
进一步地,步骤3)中,密度用D表示,生物量用B表示,通过公式一计算各个物种的优势度I;
式中,i代表第i种物种,a、b为权重。
进一步地,步骤4)根据公式二确定权重a、b。
进一步地,步骤5)采用典范对应分析方法分析优势物种与环境因子的关系,确定优势物种的主要驱动因子,具体为:
a、根据公式三计算蓝藻爆发几率;
式中,P代表蓝藻爆发几率,c为权重;S为主要驱动因子,Sb为主要驱动因子的最适值;
b、将水质因子的监测范围均分为五级,计算每个分级的栖息地适宜度指数,确定主要驱动因子最适值范围,以该范围的中间值为主要驱动因子最适值;
c、以主要驱动因子和物种数据做典范对应分析,物种-环境关系的累积百分比变化在第一排序轴的值大于50%时,以第一排序轴的Biplot scores值的绝对值归一化得到各驱动因子的权重,物种-环境关系的累积百分比变化在第一排序轴的值小于50%时,以第一排序轴和第二排序轴的Biplot scores值的均方根归一化得到各驱动因子的权重。
综上,根据以上步骤可以根据采样数据确定水体中蓝藻的爆发几率。
本发明的有益效果在于:
本发明是一种确定水体中蓝藻的爆发几率的方法,与现有技术相比,本发明通过藻类和水质采样数据分析优势物种和主要驱动因子,根据蓝藻爆发几率预测模型计算蓝藻爆发几率,适用范围广,不依赖蓝藻爆发的实测数据。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明。
一种确定湖泊水库蓝藻水华爆发几率的方法,包括以下步骤:
步骤一:数据获取:
(1)通过实地采样和室内鉴定获取水体中所有藻类的数据;
(2)通过仪器测量获得水体温度、pH、电导率、溶解氧、总氮、总磷等水质数据。
步骤二:优势物种确定:
(1)根据采样数据获得的各种藻类的密度和生物量,密度用D表示,生物量用B表示,通过公式一计算各个物种的优势度,用I表示。
公式一:
公式中,i代表第i种物种,a、b为权重。
(2)根据公式二确定权重a、b。
公式二:
步骤三:优势物种主要驱动因子确定:
采用典范对应分析方法分析优势物种与环境因子的关系,确定优势物种的主要驱动因子。
步骤四:蓝藻爆发几率预测:
(1)根据公式三计算蓝藻爆发几率。
公式三:
公式中,P代表蓝藻爆发几率,c为权重。S为主要驱动因子,Sb为主要驱动因子的最适值。
(2)将水质因子的监测范围均分为五级,计算每个分级的栖息地适宜度指数,确定主要驱动因子最适值范围,以该范围的中间值为主要驱动因子最适值。
(3)以主要驱动因子和物种数据做典范对应分析,物种-环境关系的累积百分比变化在第一排序轴的值大于50%时,以第一排序轴的Biplot scores值的绝对值归一化得到各驱动因子的权重,物种-环境关系的累积百分比变化在第一排序轴的值小于50%时,以第一排序轴和第二排序轴的Biplot scores值的均方根归一化得到各驱动因子的权重。
综上,根据以上步骤可以根据采样数据确定水体中蓝藻的爆发几率。
本发明充分利用采样得到的藻类和水质数据,识别优势物种代表藻类群落以确定主要驱动因子,根据蓝藻爆发几率预测模型计算蓝藻爆发几率,可以指导蓝藻防治工作。本发明不需要蓝藻爆发的实测数据即可确定研究水体的蓝藻爆发几率,应用范围不受研究水体蓝藻是否爆发限制。
以上显示和描述了本发明的基本原理和主要特征及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种确定湖泊水库蓝藻水华爆发几率的方法,其特征在于:所述方法包括如下步骤:
1)通过实地采样和室内鉴定获取水体中所有藻类的数据;
2)通过仪器测量获得水质数据,包括水体温度、pH、电导率、溶解氧、总氮、总磷;
3)根据采样数据获得各种藻类的密度和生物量;
4)确定优势物种主要驱动因子:
5)蓝藻爆发几率预测。
2.根据权利要求1所述的确定湖泊水库蓝藻水华爆发几率的方法,其特征在于:所述步骤3)中,密度用D表示,生物量用B表示,通过公式一计算各个物种的优势度I;
式中,i代表第i种物种,a、b为权重。
3.根据权利要求2所述的确定湖泊水库蓝藻水华爆发几率的方法,其特征在于:所述步骤4)根据公式二确定权重a、b。
4.根据权利要求3所述的确定湖泊水库蓝藻水华爆发几率的方法,其特征在于:所述步骤5)采用典范对应分析方法分析优势物种与环境因子的关系,确定优势物种的主要驱动因子,具体为:
a、根据公式三计算蓝藻爆发几率;
式中,P代表蓝藻爆发几率,c为权重;S为主要驱动因子,Sb为主要驱动因子的最适值;
b、将水质因子的监测范围均分为五级,计算每个分级的栖息地适宜度指数,确定主要驱动因子最适值范围,以该范围的中间值为主要驱动因子最适值;
c、以主要驱动因子和物种数据做典范对应分析,物种-环境关系的累积百分比变化在第一排序轴的值大于50%时,以第一排序轴的Biplot scores值的绝对值归一化得到各驱动因子的权重,物种-环境关系的累积百分比变化在第一排序轴的值小于50%时,以第一排序轴和第二排序轴的Biplot scores值的均方根归一化得到各驱动因子的权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811479966.2A CN109657200B (zh) | 2018-12-05 | 2018-12-05 | 一种确定湖泊水库蓝藻水华爆发几率的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811479966.2A CN109657200B (zh) | 2018-12-05 | 2018-12-05 | 一种确定湖泊水库蓝藻水华爆发几率的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109657200A true CN109657200A (zh) | 2019-04-19 |
| CN109657200B CN109657200B (zh) | 2020-10-23 |
Family
ID=66112822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811479966.2A Active CN109657200B (zh) | 2018-12-05 | 2018-12-05 | 一种确定湖泊水库蓝藻水华爆发几率的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109657200B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110414051A (zh) * | 2019-06-27 | 2019-11-05 | 长江水资源保护科学研究所 | 一种抑制河流水华的生态需水核算方法 |
| CN110991047A (zh) * | 2019-12-04 | 2020-04-10 | 珠江水利委员会珠江水利科学研究院 | 一种水源地水库蓝藻水华的快速预警方法 |
| CN112345473A (zh) * | 2020-10-23 | 2021-02-09 | 中国水利水电科学研究院 | 一种热分层水库溶解氧控制因素的识别方法 |
| CN115795367A (zh) * | 2023-01-29 | 2023-03-14 | 湖南大学 | 基于机器学习的藻华爆发预测方法及应用 |
| CN116070755A (zh) * | 2023-01-30 | 2023-05-05 | 南京信息工程大学 | 一种测算海洋藻华爆发水域的方法 |
| CN117116335A (zh) * | 2023-08-21 | 2023-11-24 | 太湖流域水文水资源监测中心(太湖流域水环境监测中心) | 高温时段湖泊水体二甲基异莰醇预测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101533000A (zh) * | 2009-03-05 | 2009-09-16 | 重庆大学 | 一种构建水体富营养化风险分析模型的方法 |
| WO2010077922A1 (en) * | 2008-12-17 | 2010-07-08 | LiveFuels, Inc. | Systems and methods for reducing algal biomass |
| CN102135531A (zh) * | 2010-12-24 | 2011-07-27 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊72小时蓝藻水华预测方法 |
| CN102141517A (zh) * | 2011-01-05 | 2011-08-03 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊翌年蓝藻水华首次发生水域预测方法 |
| CN104112080A (zh) * | 2014-07-29 | 2014-10-22 | 武汉大学 | 水体水华风险快速预警方法 |
| CN107292436A (zh) * | 2017-06-16 | 2017-10-24 | 北京工商大学 | 基于非线性动力学时序模型的蓝藻水华预测方法 |
-
2018
- 2018-12-05 CN CN201811479966.2A patent/CN109657200B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010077922A1 (en) * | 2008-12-17 | 2010-07-08 | LiveFuels, Inc. | Systems and methods for reducing algal biomass |
| CN101533000A (zh) * | 2009-03-05 | 2009-09-16 | 重庆大学 | 一种构建水体富营养化风险分析模型的方法 |
| CN102135531A (zh) * | 2010-12-24 | 2011-07-27 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊72小时蓝藻水华预测方法 |
| CN102141517A (zh) * | 2011-01-05 | 2011-08-03 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊翌年蓝藻水华首次发生水域预测方法 |
| CN104112080A (zh) * | 2014-07-29 | 2014-10-22 | 武汉大学 | 水体水华风险快速预警方法 |
| CN107292436A (zh) * | 2017-06-16 | 2017-10-24 | 北京工商大学 | 基于非线性动力学时序模型的蓝藻水华预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| MADIS-JAAK LILOVER ET AL: "A simple tool for the early prediction of the cyanobacteria Nodularia spumigena bloom biomass in the Gulf of Finland", 《OCEANOLOGIA》 * |
| 黄振芳 等: "北京城市水华预警指标体系研究", 《人民黄河》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110414051A (zh) * | 2019-06-27 | 2019-11-05 | 长江水资源保护科学研究所 | 一种抑制河流水华的生态需水核算方法 |
| CN110414051B (zh) * | 2019-06-27 | 2023-04-18 | 长江水资源保护科学研究所 | 一种抑制河流水华的生态需水核算方法 |
| CN110991047A (zh) * | 2019-12-04 | 2020-04-10 | 珠江水利委员会珠江水利科学研究院 | 一种水源地水库蓝藻水华的快速预警方法 |
| CN110991047B (zh) * | 2019-12-04 | 2023-04-25 | 珠江水利委员会珠江水利科学研究院 | 一种水源地水库蓝藻水华的快速预警方法 |
| CN112345473A (zh) * | 2020-10-23 | 2021-02-09 | 中国水利水电科学研究院 | 一种热分层水库溶解氧控制因素的识别方法 |
| CN112345473B (zh) * | 2020-10-23 | 2021-08-24 | 中国水利水电科学研究院 | 一种热分层水库溶解氧控制因素的识别方法 |
| CN115795367A (zh) * | 2023-01-29 | 2023-03-14 | 湖南大学 | 基于机器学习的藻华爆发预测方法及应用 |
| CN116070755A (zh) * | 2023-01-30 | 2023-05-05 | 南京信息工程大学 | 一种测算海洋藻华爆发水域的方法 |
| CN116070755B (zh) * | 2023-01-30 | 2025-09-16 | 南京信息工程大学 | 一种测算海洋藻华爆发水域的方法 |
| CN117116335A (zh) * | 2023-08-21 | 2023-11-24 | 太湖流域水文水资源监测中心(太湖流域水环境监测中心) | 高温时段湖泊水体二甲基异莰醇预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109657200B (zh) | 2020-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657200A (zh) | 一种确定湖泊水库蓝藻水华爆发几率的方法 | |
| Beichman et al. | Aquatic adaptation and depleted diversity: a deep dive into the genomes of the sea otter and giant otter | |
| Stelkens et al. | Genetic and phenotypic population divergence on a microgeographic scale in brown trout | |
| Mourier et al. | Direct genetic evidence for reproductive philopatry and associated fine‐scale migrations in female blacktip reef sharks (Carcharhinus melanopterus) in French Polynesia | |
| CN105259873B (zh) | 水生态保护监控的方法 | |
| CN114118877B (zh) | 一种增殖型海洋牧场生态适宜性评价方法 | |
| CN106932553A (zh) | 一种水质在线生物安全预警监测方法 | |
| Maduna et al. | When two oceans meet: regional population genetics of an exploited coastal shark, Mustelus mustelus | |
| Liang et al. | Biological thresholds of nitrogen and phosphorus in a typical urban river system of the Yangtz delta, China | |
| CN116739817B (zh) | 一种海洋生物多样性监测系统及数据处理方法 | |
| Caccavo et al. | Along-shelf connectivity and circumpolar gene flow in Antarctic silverfish (Pleuragramma antarctica) | |
| CN116245361A (zh) | 工厂化鱼菜共生循环水中氮素浓度预警方法、装置与系统 | |
| Quéméré et al. | Seascape and its effect on migratory life‐history strategy influences gene flow among coastal brown trout (Salmo trutta) populations in the English Channel | |
| CN115200647A (zh) | 一种水产养殖环境监测管理方法及系统 | |
| Daugherty et al. | Population structure of Alligator Gar in a Gulf Coast river: insights from otolith microchemistry and genetic analyses | |
| Amaliah et al. | Water quality level for shrimp pond at probolinggo area based on fuzzy classification system | |
| CN105600841B (zh) | 一种水产养殖水质监控及净化处理方法 | |
| Pilgrim et al. | Microsatellite variation and genetic structure of Brook Trout (Salvelinus fontinalis) populations in Labrador and neighboring Atlantic Canada: evidence for ongoing gene flow and dual routes of post‐Wisconsinan colonization | |
| CN108668962A (zh) | 一种鱼类窒息死亡风险的确定方法及系统 | |
| Ashford et al. | Otolith chemistry reflects frontal systems in the Antarctic Circumpolar Current | |
| Brookes et al. | Neutral and adaptive drivers of genomic change in introduced brook trout (Salvelinus fontinalis) populations revealed by pooled sequencing | |
| Rogowski et al. | Colorado River fish monitoring in Grand Canyon, Arizona—2018 annual report | |
| Zhang et al. | Population genetic pattern of the freshwater fish Amur sleeper (Perccottus glenii) across its native distribution area in China | |
| Blanton et al. | Impacts of habitat loss by reservoir inundation on occurrence, abundance, and genetic diversity of an imperiled, river-adapted, benthic-specialist fish, Etheostoma lemniscatum (Tuxedo Darter) | |
| Pugliares‐Bonner et al. | Strandings provide insight into social group structure of Atlantic white‐sided dolphins |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |