[go: up one dir, main page]

CN109657200B - 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 PDF

Info

Publication number
CN109657200B
CN109657200B CN201811479966.2A CN201811479966A CN109657200B CN 109657200 B CN109657200 B CN 109657200B CN 201811479966 A CN201811479966 A CN 201811479966A CN 109657200 B CN109657200 B CN 109657200B
Authority
CN
China
Prior art keywords
species
main driving
probability
water quality
data
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.)
Active
Application number
CN201811479966.2A
Other languages
English (en)
Other versions
CN109657200A (zh
Inventor
赵长森
郝芳华
杨胜天
刘昌明
邵南方
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Normal University
Original Assignee
Beijing Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Normal University filed Critical Beijing Normal University
Priority to CN201811479966.2A priority Critical patent/CN109657200B/zh
Publication of CN109657200A publication Critical patent/CN109657200A/zh
Application granted granted Critical
Publication of CN109657200B publication Critical patent/CN109657200B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING 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
    • G01D21/00Measuring or testing not otherwise provided for
    • G01D21/02Measuring two or more variables by means not covered by a single other subclass
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152Water 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藻类物种、密度和生物量数据;通过水质仪器测量获得水质数据;根据物种、密度和生物量数据获得各藻类的优势度;根据藻类优势度和水质数据确定优势物种主要驱动因子;根据优势物种主要驱动因子预测蓝藻爆发几率。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

一种确定湖泊水库蓝藻水华爆发几率的方法
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,基于藻类物种的统计数据分析藻类优势物种,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藻类物种、密度和生物量数据;
2)通过水质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)根据物种、密度和生物量数据获得各藻类的优势度;
4)根据藻类优势度和水质数据确定优势物种主要驱动因子;
5)根据优势物种主要驱动因子预测蓝藻爆发几率。
步骤3)中,密度用D表示,生物量用B表示,通过公式二计算各个物种的优势度I:
Figure GDA0002607561550000021
式中,i代表第i种物种,a、b为权重。
进一步地,步骤3)根据公式三确定权重a、b:
Figure GDA0002607561550000022
式中,i为第i种物种,D为密度,B为生物量。
步骤4)中基于优势度高低确定优势物种,进一步采用典范对应分析方法分析藻类优势度和水质数据的关系,确定优势物种的主要驱动因子。
步骤5)具体为:
a、根据公式一计算蓝藻爆发几率:
Figure GDA0002607561550000031
式中,P代表蓝藻爆发几率,c为权重,n为主要驱动因子总数,Sj为第j种主要驱动因子实测值,
Figure GDA0002607561550000032
为第j种主要驱动因子最适值;
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藻类物种、密度和生物量数据;
(2)通过水质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。
步骤二:优势度确定:
(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,通过公式二计算各个物种的优势度,用I表示。
公式二:
Figure GDA0002607561550000041
公式中,i代表第i种物种,a、b为权重。
(2)根据公式三确定权重a、b。
公式三:
Figure GDA0002607561550000042
式中,i为第i种物种,D为密度,B为生物量。
步骤三:优势物种主要驱动因子确定:
基于优势度高低确定优势物种,进一步采用典范对应分析方法分析藻类优势度和水质数据的关系,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)根据公式一计算蓝藻爆发几率。
公式一:
Figure GDA0002607561550000043
式中,P代表蓝藻爆发几率,c为权重,n为主要驱动因子总数,Sj为第j种主要驱动因子实测值,
Figure GDA0002607561550000044
为第j种主要驱动因子最适值。
(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 (3)

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藻类物种、密度和生物量数据;
2)通过水质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)根据物种、密度和生物量数据获得各藻类的优势度;
4)根据藻类优势度和水质数据确定优势物种主要驱动因子;
5)根据优势物种主要驱动因子预测蓝藻爆发几率;所述步骤4)采用典范对应分析方法分析藻类优势度和水质数据的关系,确定优势物种的主要驱动因子,步骤5)具体为:
a、根据公式一计算蓝藻爆发几率:
Figure FDA0002607561540000011
式中,P代表蓝藻爆发几率,c为权重,n为主要驱动因子总数,Sj为第j种主要驱动因子实测值,
Figure FDA0002607561540000012
为第j种主要驱动因子最适值;
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。
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,通过公式二计算各个物种的优势度I:
Figure FDA0002607561540000021
式中,i为第i种物种,
Figure DEST_PATH_IMAGE001
、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3)根据公式三确定权重
Figure DEST_PATH_IMAGE002
、b:
Figure FDA0002607561540000022
式中,i为第i种物种,D为密度,B为生物量。
CN201811479966.2A 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 Active CN109657200B (zh)

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 CN109657200A (zh) 2019-04-19
CN109657200B true 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)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
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
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
CN117116335B (zh) * 2023-08-21 2024-11-05 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 (4)

* Cited by examiner, † Cited by third party
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
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
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533000B (zh) * 2009-03-05 2012-07-25 重庆大学 一种构建水体富营养化风险分析模型的方法
CN104112080B (zh) * 2014-07-29 2016-03-02 武汉大学 水体水华风险快速预警方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
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
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
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)

* Cited by examiner, † Cited by third party
Title
A simple tool for the early prediction of the cyanobacteria Nodularia spumigena bloom biomass in the Gulf of Finland;Madis-Jaak Lilover et al;《OCEANOLOGIA》;20061231;第48卷(第S期);第8-10页 *
北京城市水华预警指标体系研究;黄振芳 等;《人民黄河》;20100531;第32卷(第5期);第213-229页 *

Also Published As

Publication number Publication date
CN109657200A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN109657200B (zh) 一种确定湖泊水库蓝藻水华爆发几率的方法
Liu et al. Insights into the long-term pollution trends and sources contributions in Lake Taihu, China using multi-statistic analyses models
Li et al. Effects of cascading hydropower dams on the composition, biomass and biological integrity of phytoplankton assemblages in the middle Lancang-Mekong River
Zhu et al. Development and testing of the phytoplankton biological integrity index (P-IBI) in dry and wet seasons for Lake Gehu
CN105445431B (zh) 一种城市地表水水质分析方法
CN112966891B (zh) 一种河流水环境质量预测方法
CN107609290A (zh) 一种以底栖生物多样性为目标的河流生态流量确定方法
CN106845750A (zh) 一种淮河流域水生态健康状况评价方法
CN114118877B (zh) 一种增殖型海洋牧场生态适宜性评价方法
CN107449883A (zh) 一种湖泊、水库水生态健康评估技术方法
CN107247888B (zh) 基于储备池网络的污水处理出水总磷tp软测量方法
Chen et al. Adaptation and multiple parameter optimization of the simulation model SALMO as prerequisite for scenario analysis on a shallow eutrophic Lake
CN116739421A (zh) 一种基于psr模型的养殖海湾渔业生境健康评价方法及系统
CN118420189A (zh) 一种园林内湖的水循环处理系统
Liu et al. Spatiotemporal variation of phosphorus use efficiency across 70 lakes in China: Implications for lake eutrophication management
CN113111956B (zh) 一种精确定位鱼类产卵场位置的方法
Shi et al. Spatiotemporal distribution of phytoplankton community structure and its relationship with environmental factors in Hongze Lake, China
CN111723479B (zh) 面向过程的富营养化湖泊藻总量遥感估算方法
CN106295135B (zh) 分段回归突变点确定浅水湖泊水质管理目标方法
CN115953053A (zh) 一种基于决策树分析的湖库水体混合程度及缺氧区评估预测方法
TW201014798A (en) Early warning mode for eutrophication of water quality and detection method thereof
CN118243888B (zh) 一种耦合生物和非生物要素的水质综合评价方法及系统
Zhang et al. Diatom taxa and assemblages for establishing nutrient criteria of lakes with anthropogenic hydrologic alteration
CN115759851B (zh) 鱼类健康评估方法
CN105760665A (zh) 一种受干扰平原区河网生态需水计算方法

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