CN115829420B - 浅水湖泊稳态转换阈值的判定方法 - Google Patents
浅水湖泊稳态转换阈值的判定方法 Download PDFInfo
- Publication number
- CN115829420B CN115829420B CN202310108772.6A CN202310108772A CN115829420B CN 115829420 B CN115829420 B CN 115829420B CN 202310108772 A CN202310108772 A CN 202310108772A CN 115829420 B CN115829420 B CN 115829420B
- Authority
- CN
- China
- Prior art keywords
- water
- lake
- ecological environment
- steady
- water ecological
- 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
Links
Images
Classifications
-
- 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
- Farming Of Fish And Shellfish (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施例提供了一种浅水湖泊稳态转换阈值的判定方法,涉及河湖水生态环境技术领域。方法包括获取水生态环境指标、筛选出关键驱动因子、构建水生态环境数值模型、判定稳态转换阈值和评估治理效果。通过对水生态环境指标的全面透彻感知,在水生态环境指标中筛选出关键驱动因子,借助水生态环境数值模型,模拟水生态环境要素变化趋势,判定稳态转换阈值。通过稳态转换阈值动态评价湖泊水生态***健康状况,定量评估不同治理措施对水生态***变化趋势的影响。本方法将水生态环境数值模型融合到浅水湖泊的稳态转换阈值判定中,为城市浅水湖泊富营养化防控和长期健康运行管控提供科学定量化手段。
Description
技术领域
本发明涉及河湖水生态环境技术领域,具体而言,涉及一种浅水湖泊稳态转换阈值的判定方法。
背景技术
浅水湖泊生态***变化对养分负荷有明显的滞后作用,这种现象被成为“稳态转换”,它会导致生态***的急剧恶化,并增加生态恢复的难度。水生态模型可以实现量化管理,为湖泊管理者提供必要的决策管理,但目前大部分水生态模型仅关注于水质变化,鲜少考虑水生生物的变化以及湖泊稳态转换的阈值;Mann-Kendall等非参数检验法在水质突变检验方面已经得到一定的应用,但这类统计学方法依托于大量时间序列数据,且易受缺失值、异常值等影响。
目前国内外对于浅水湖泊的研究主要集中于水动力特征和水质模拟预测,较少关注水生态要素。另一方面,在实际的城市浅水湖泊生态修复中,往往缺乏完整的长时间尺度数据。同时,水生态***复杂,受多种因素影响,通过统计方法确定阈值往往无法解释其内在机理。
发明内容
本发明的目的包括提供了一种浅水湖泊稳态转换阈值的判定方法,其能够定量化、动态化评估湖泊治理措施对水生态指标变化的影响,为浅水湖泊的治理和清水环境的恢复提供了理论指导和技术支持。
本发明的实施例可以这样实现:
本发明提供一种浅水湖泊稳态转换阈值的判定方法,方法包括:
S1:获取湖泊的水生态环境指标;
S2:在水生态环境指标中筛选出关键驱动因子;
S3:根据关键驱动因子,构建水生态环境数值模型;
S4:基于水生态环境数值模型,判定稳态转换阈值;
S5:基于水生态环境数值模型,评估湖泊管理措施的治理效果。
在可选的实施方式中,水生态环境指标包括气象指标、水文指标、水质指标、水生生物指标和表征指标,S1还包括:
根据历史资料调研情况,在浅水湖泊的水环境、水动力及水生态位置布设监测节点,构建河湖水系网格化监测体系,实现对气象指标、水文指标、水质指标、水生生物指标和表征指标的感知。
在可选的实施方式中,气象指标至少包括气温、太阳辐射、风速和风向;水文指标至少包括水位、水深和流速;水质指标包括水温、酸碱度、溶解氧、电导率、浊度、总磷浓度、总氮浓度、氨氮浓度、硅酸盐浓度、磷酸盐浓度、硝酸盐浓度、透明度、高锰酸盐指数、硫酸盐浓度、生化需氧量和叶绿素a浓度;水生生物指标包括浮游植物生物量、浮游动物生物量、沉水植物生物量、底栖动物生物量和鱼类生物量;表征指标包括浮游植物密度、藻密度、沉水植物植被覆盖度、浮游动物种类和丰度、底栖动物种类和丰度、鱼类的种类和丰度。
在可选的实施方式中,S2还包括:
引入多元回归分析法和多元数据约束性排序法分析各水生态环境指标的内在关系,并识别影响河湖清水环境的关键驱动因子,按相关性系数进行排序,选取排序前3的水生态环境指标作为关键驱动因子;
在可选的实施方式中,多元回归分析法包括皮尔逊相关性分析和聚类分析,多元数据约束性排序法包括去趋势对应分析、冗余分析和典型对应分析。
在可选的实施方式中,S3还包括:
根据关键驱动因子,以湖泊的进水和出水流量为边界条件,以气象和水文数据为外部环境条件,以水生态环境监测数据为初始条件,基于PCLake构建水生态环境数值模型,并进行敏感性分析和参数校准;其中,敏感性分析利用Python语言平台的SALib程序包进行,参数校准利用Python语言平台的parsac程序包进行。
在可选的实施方式中,S4还包括:
S41:基于水生态环境数值模型的模拟结果,并借助分岔分析方法确定湖泊的稳态转换阈值,对湖泊水生态***状态进行定量化判断。
在可选的实施方式中,S41还包括:
基于水生态环境数值模型,使用P负荷减少方案进行分岔分析,得到负荷-响应曲线;
在水生态环境数值模型中定义浅水湖泊的清水态与浊水态的划分标准为:叶绿素a浓度小于25μg/L,植被覆盖率大于20%,且相对富营养化深度小于0.9m时认为该浅水湖泊处于清水态,否则为浊水态。
在可选的实施方式中,S5还包括:
基于水生态环境数值模型,设置湖泊管理措施,模拟不同情景下浅水湖泊总氮浓度、总磷浓度、叶绿素a浓度和沉水植物生物量,定量化评估不同湖泊管理措施下湖泊水生态环境和稳态转换阈值的变化情况。
在可选的实施方式中,湖泊管理措施包括营养盐调控、水力调控和清理湖面,不同情景包括极端高温、极端降雨、削减外源负荷、收割沉水植物和底泥疏浚。
本发明实施例提供的浅水湖泊稳态转换阈值的判定方法的有益效果包括:
利用PCLake构建了浅水湖泊生态***模型,考虑了水生态过程以及湖泊的稳定状态,可定量化、动态化评估湖泊治理措施对水生态指标变化的影响,为浅水湖泊的治理和清水环境的恢复提供了理论指导和技术支持。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的浅水湖泊稳态转换阈值的判定方法的流程图;
图2为兴隆湖治理前后外部氮磷负荷;
图3为兴隆湖的稳态转换阈值;
图4为不同治理措施下的稳态转换阈值。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
请参考图1,本实施例提供了一种浅水湖泊稳态转换阈值的判定方法(以下简称:方法),方法将水生态机理模型融合到浅水湖泊稳态转换阈值判定和健康评估中,该方法包括以下步骤:
S1:构建河湖水系网格化监测体系,以获取湖泊的水生态环境指标。
具体的,根据历史资料调研情况,在城市浅水湖泊的关键断面、排口、支流出入口等重要水环境、水动力及水生态位置布设监测节点,构建河湖水系网格化监测体系,便于进行水环境、水生态指标的监测。具体的,基于已有的水下高灵敏度生态环境摄像及360°环向全景成像技术,获得基于计算机视觉的沉水植物、鱼类等水生生物行为分析与态势感知,实现对关键气象、水文、水动力、水环境和水生态指标的大范围透彻感知。
水生态环境指标包括气象指标、水文指标、水质指标、水生生物指标和表征指标,水质指标包括常规五参数、生源物质和其他水质指标,水质指标采用水质在线监测仪进行监测。
具体的,气象指标至少包括气温、太阳辐射、风速和风向。水文指标至少包括水位、水深和流速。
水质指标包括水温(WT)、酸碱度(pH)、溶解氧(DO)、电导率(TDS)、浊度(NTU)、总磷(TP)浓度、总氮(TN)浓度、氨氮(NH3-N)浓度、硅酸盐(Si)浓度、磷酸盐(PO4)浓度、硝酸盐(NO3)浓度、透明度(SD)、高锰酸盐指数(CODMn)、硫酸盐(SO4)浓度、生化需氧量(BOD5)和叶绿素a(Chl-a)浓度。
水生生物指标包括浮游植物生物量、浮游动物生物量、沉水植物生物量、底栖动物生物量、鱼类生物量等,采用水下生境原位监测完成,建立包括浮游植物、水生动植物、底栖动物、鱼类等在内的多元水生态要素数据库。
表征指标包括浮游植物优势藻类、藻密度,沉水植物植被群落结构、植被覆盖度,浮游动物、底栖动物和鱼类的种类和丰度。
S2:综合多元回归分析法和多元数据约束性排序法,在水生态环境指标中定量识别出影响河湖清水稳态的关键驱动因子。
具体的,基于长序列水位、透明度、营养盐、藻类、沉水植被等水生态环境指标监测数据,分析浅水湖泊生态环境的多尺度时空变化特征;引入多元回归分析法和多元数据约束性排序法开展各水生态环境指标的内在关系研究,明晰其关系,并识别影响河湖清水环境的关键驱动因子。其中,多元回归分析法包括皮尔逊(Pearson)相关性分析、聚类分析等。多元数据约束性排序法包括去趋势对应分析(DCA)、冗余分析(RDA)和典型对应分析(CCA)等方法,对影响湖泊清水环境(重点关注透明度)的主导水生态环境因子进行定量化识别。
也就是说,根据各监测点位获取的水生态环境指标,采用皮尔逊相关性分析或聚类分析法开展气象指标、水文指标、水质指标、水生生物指标和表征指标之间的相关性分析,按相关性系数进行排序,选取排序前3的水生态环境指标作为关键驱动因子,其中,重点考虑影响湖泊透明度的关键影响因子。其中,Pearson相关性分析、聚类分析法可以利用SPSS平台进行。
S3:根据关键驱动因子,以浊水态和清水态为初始条件,基于PCLake水生态***模型构建水生态环境数值模型。
具体的,水生态环境数值模型的构建主要借助PCLake模型,PCLake模型是一种浅水湖泊专用模型,可以高精度预测浅水湖泊水环境和水生态的变化。
也就是说,根据S2中得到的关键驱动因子,以湖泊的进水和出水流量为边界条件,以气象和水文数据为外部环境条件,以水生态环境监测数据(可以来源于水生态环境指标)为初始条件,基于PCLake构建水生态环境数值模型,并进行敏感性分析和参数校准。
具体的,分别以“浊水态”和“清水态”为初始条件,基于PCLake水生态***模型构建总氮、总磷、叶绿素a、沉水植物生物量等关键驱动因子的水生态环境数值模型,分别模拟浅水湖泊治理前后水环境因子的变化趋势。
其中,敏感性分析可以利用Python语言平台的SALib程序包进行。参数校准可以利用Python语言平台的parsac程序包进行。选取统计量决定系数(R2)、均方根误差(RMSE)和平均相对误差(MRE)为评价指标,以评价模型性能。
S4:基于水生态环境数值模型,借助分岔分析方法判定浅水湖泊清水态与浊水态的稳态转换阈值。
其中,稳态转换阈值判定采用PCLake模型中的分叉分析,稳态转换阈值分为草型湖泊向藻型湖泊转换和藻型湖泊向草型湖泊转换两个拐点,中间状态称为“多稳态”。
也就是说,基于水生态环境数值模型的模拟结果,并借助分岔分析方法确定湖泊稳态转换(浊水态→清水态、清水态→浊水态)阈值,对湖泊水生态***状态进行定量化判断。
具体的,基于S3中构建的水生态环境数值模型,使用P负荷减少方案进行分岔分析,得到负荷-响应曲线。
在水生态环境数值模型中定义浅水湖泊清水态与浊水态的划分标准为:Chl-a浓度小于25μg/L,植被覆盖率大于20%,且相对富营养化深度小于0.9m时认为该浅水湖泊处于清水态,否则为浊水态。
S5:基于水生态环境数值模型,设置湖泊管理措施,并定量化评估湖泊管理措施的治理效果。
具体的,基于S2和S3的水生态环境数值模型,设置湖泊管理措施,模拟不同情景下浅水湖泊总氮、总磷、叶绿素a和沉水植物生物量,定量化评估不同湖泊管理措施下湖泊水生态环境和稳态转换阈值的变化情况。
其中,湖泊管理措施包括营养盐调控、水力调控、清理湖面等常用湖泊治理措施。不同情景包括极端高温、极端降雨、削减外源负荷、收割沉水植物、底泥疏浚等工况。
本实施例提供的浅水湖泊稳态转换阈值的判定方法的有益效果包括:
该方法从湖泊水生态***的机理为切入点,使用影响叶绿素a的关键驱动因子,利用P负荷减少方案进行分岔分析,通过负荷-响应曲线判断该水生态***的稳态转换阈值。从效果上来看,一方面,通过模型判断水生态***的稳态转换阈值,与统计学方法相比,不受长时间序列数据限制,并能够解释变化规律的背后机理。另一方面,通过判定稳态转换阈值能够对水生态***的退化达到提前预警的效果,并且该方法能够量化生态***修复措施的有效性,可为生态修复提供科学指导,是实现河湖水生态***长效运维的重要保障。
实施例
以四川省成都市兴隆湖为例,本实施例提供的浅水湖泊稳态转换阈值的判定方法包括以下步骤:
步骤1:选择监测点位和获取湖泊的水生态环境指标。
具体的,水生态环境指标的数据来自历史数据、现场监测和调查。
选取兴隆湖水系为研究区域,开展针对兴隆湖7个关键点位的26个水生态环境指标的持续监测,水质指标包括水温(WT)、溶解氧(DO)、氨氮(NH3)、硝酸盐(NO3)、总氮(TN)、磷酸盐(PO4)、总磷(TP)、高锰酸盐指数(CODMn)、叶绿素(Chl-a)、透明度(SD)等)。生物指标包括优势藻类、藻密度等。
步骤2:在水生态环境指标中筛选出关键驱动因子,构建水生态环境数值模型。
由于兴隆湖治理前(2015-2020年)和治理后(2022年)分别处于以浮游植物为主的浊水态和以沉水植物为主的清水态,因此分别以2015年1月和2022年1月作为初始状态,以出入流量和养分负荷(请参阅图2)为边界条件,以气象和水文数据为外部环境条件进行模拟,预运行1年以消除初始值对模型的影响。
敏感性分析结果表明兴隆湖TP、TN和Chl-a浓度对粒子动力学(沉降、再悬浮)以及水生植物和浮游植物生长相关参数较为敏感。
影响TN的敏感性因子,除了浮游动物偏好因子最大过滤率,浮游动物半饱和常数(hFilt)和生物扰动因子(cTurbDifNut)也是影响TN的重要参数。蓝藻最大生长率(cMuMaxBlue)、浮游动物偏好因子(cFiltMax)和浮游动物最大过滤率(cFiltmax)是影响兴隆湖TP和叶绿素a浓度的最主要参数。沉水植物生长率(cMuMaxVeg)、越冬比例(FwinVeg)是影响沉水植物生物量的主要因素。
步骤3:基于水生态环境数值模型,判定稳态转换阈值。
具体的,基于S2已构建的针对兴隆湖的水生态环境数值模型进行分岔分析。分别设置21种磷负荷递增和递减的负荷条件,共产生42种不同的外部负荷情景,模拟30年后兴隆湖水生态***的磷负荷响应。在所有磷负荷变化情境内,选取叶绿素a的夏季平均值,建立负荷-响应曲线,评估兴隆湖完成治理后水生态***的稳定性。
请参阅图3,当前情景下兴隆湖清水态向浊水态转换的磷负荷阈值为1.15mg/m2/day,从浊水态恢复至清水态的磷负荷阈值0.54 mg/m2/day。
根据监测数据可以得到兴隆湖治理前后的年均磷负荷分别为2.6和1.1mg/m2/day,说明治理前兴隆湖处于浊水态,进一步说明了经过治理后目前兴隆湖生态***不稳定,因此有必要开展湖泊运维管理。
步骤4:基于水生态环境数值模型,评估治理效果。
具体的,基于S2和S3的水生态环境数值模型,设置营养盐削减、水力调控、清理湖面等常用湖泊管理措施等情景,模拟不同情景下浅水湖泊总氮、总磷、叶绿素a和沉水植物生物量以及湖泊的稳态转换阈值的变化情况,定量分析湖泊管理措施的有效性。
其中,营养盐削减情景中假设进一步改善入流水质,将削减营养盐浓度20%、50%,入湖水量不变。结果表明,削减20%的入湖营养盐浓度时总磷、总氮浓度分别下降2.2%和0.8%,叶绿素a浓度下降6.8%。削减50%的入湖营养盐浓度时总磷、总氮浓度分别下降10.9%和8.8%,叶绿素a浓度下降28.7%,透明度增加5.0%。目前兴隆湖污染负荷中上游补水带来的氮、磷负荷分别仅占11%和19%,且入流水质已经满足III类水质标准,进一步削减营养盐负荷不是兴隆湖未来管理的最佳措施。
其中,水力调控是浅水湖泊稳态变化的重要触发机制,控制水位可以改善沉水植物的光合作用条件,是恢复沉水植物的有效措施。设置水位2m、2.5m(默认值)和3m。当水深调控至3m时,兴隆湖未来1年叶绿素a浓度大幅增加,夏季叶绿素a浓度的最大值为原模型的4倍,在这期间沉水植物生物量明显减少,湖泊存在藻类爆发的风险。在当前营养盐负荷的情况下,第二年起沉水植物逐渐恢复,叶绿素a浓度较第一年逐渐减少。
其中,若不及时打捞断根脱落后漂浮在河面上的水生植物,不仅对景观产生影响,还会导致沉水植物可利用的光照强度降低,不利于沉水植物的光合作用,进而影响水质、破坏水生态环境。设置打捞频率1天(k=0.5)、180天(k=0.55)、365天(k=0.60)和548天(k=0.65)。
请参阅图4,在水力调控情景下,当水深减少至2m时,兴隆湖的稳态转换阈值不变,但清水态转换向浊水态转换时阈值所对应的叶绿素a浓度增加,表明在相同营养盐负荷下,水深2m情景的富营养化将更为严重。当水深增加至3m时,清水态转换为浊水态的阈值及浊水态向清水态转变的阈值均降低,验证了深水环境不利于沉水植物的光合作用,湖泊中藻类更易占优势。在湖面清理情景下,若湖面漂浮物增加且不采取人工打捞的措施,兴隆湖稳态转换阈值均不同程度减小,表明湖泊更易向浊水态转变,并且在恢复清水态时也需要削减更多的营养盐负荷。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (2)
1.一种浅水湖泊稳态转换阈值的判定方法,其特征在于,所述方法包括:
S1:构建河湖水系网格化监测体系,以获取湖泊的水生态环境指标,包括根据历史资料调研情况,在浅水湖泊的水环境、水动力及水生态位置布设监测节点,构建河湖水系网格化监测体系,实现对所述水生态环境指标的感知,包括基于已有的水下高灵敏度生态环境摄像及360°环向全景成像技术,获得基于计算机视觉的水生生物行为分析与态势感知,实现对关键气象、水文、水动力、水环境和水生态指标的透彻感知;
其中,所述水生态环境指标包括气象指标、水文指标、水质指标、水生生物指标和表征指标;
S2:综合多元回归分析法和多元数据约束性排序法,在海量多源水生态环境指标中定量识别出影响河湖清水稳态的关键驱动因子,包括:引入多元回归分析法和多元数据约束性排序法分析各水生态环境指标的内在关系,并识别影响河湖清水稳态环境的所述关键驱动因子,按相关性系数进行排序,选取排序前3的水生态环境指标作为关键驱动因子,所述多元回归分析法包括皮尔逊相关性分析和聚类分析,所述多元数据约束性排序法包括去趋势对应分析、冗余分析和典型对应分析;
S3:根据所述关键驱动因子,以浊水态和清水态为初始条件,基于PCLake水生态***模型构建水生态环境数值模型,包括:根据所述关键驱动因子,以湖泊的进水和出水流量为边界条件,以气象和水文数据为外部环境条件,以水生态环境监测数据为初始条件,基于PCLake构建水生态环境数值模型,并进行敏感性分析和参数校准;其中,所述敏感性分析利用Python语言平台的SALib程序包进行,所述参数校准利用Python语言平台的parsac程序包进行,选取统计量决定系数、均方根误差和平均相对误差为评价指标,以评价模型性能;
S4:基于所述水生态环境数值模型,借助分岔分析方法判定浅水湖泊清水态与浊水态的稳态转换阈值,包括:基于所述水生态环境数值模型,使用P负荷减少方案进行分岔分析,得到负荷-响应曲线;在所述水生态环境数值模型中定义浅水湖泊的清水态与浊水态的划分标准为:叶绿素a浓度小于25μg/L,植被覆盖率大于20%,且相对富营养化深度小于0.9m时认为该浅水湖泊处于清水态,否则为浊水态;
S5:基于所述水生态环境数值模型,设置湖泊管理措施,并定量化评估湖泊管理措施的治理效果,包括:基于所述水生态环境数值模型,设置湖泊管理措施,模拟不同情景下浅水湖泊总氮浓度、总磷浓度、叶绿素a浓度和沉水植物生物量,定量化评估不同湖泊管理措施下湖泊水生态环境和稳态转换阈值的变化情况,所述湖泊管理措施包括营养盐调控、水力调控和清理湖面,不同情景包括削减外源负荷、收割沉水植物和底泥疏浚。
2.根据权利要求1所述的浅水湖泊稳态转换阈值的判定方法,其特征在于,所述气象指标至少包括气温、太阳辐射、风速和风向;所述水文指标至少包括水位、水深和流速;所述水质指标包括水温、酸碱度、溶解氧、电导率、浊度、总磷浓度、总氮浓度、氨氮浓度、硅酸盐浓度、磷酸盐浓度、硝酸盐浓度、透明度、高锰酸盐指数、硫酸盐浓度、生化需氧量和叶绿素a浓度;所述水生生物指标包括浮游植物生物量、浮游动物生物量、沉水植物生物量、底栖动物生物量和鱼类生物量;所述表征指标包括浮游植物密度、藻密度、沉水植物植被覆盖度、浮游动物种类和丰度、底栖动物种类和丰度、鱼类的种类和丰度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310108772.6A CN115829420B (zh) | 2023-02-14 | 2023-02-14 | 浅水湖泊稳态转换阈值的判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310108772.6A CN115829420B (zh) | 2023-02-14 | 2023-02-14 | 浅水湖泊稳态转换阈值的判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115829420A CN115829420A (zh) | 2023-03-21 |
CN115829420B true CN115829420B (zh) | 2023-05-02 |
Family
ID=85521212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310108772.6A Active CN115829420B (zh) | 2023-02-14 | 2023-02-14 | 浅水湖泊稳态转换阈值的判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115829420B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116306055B (zh) * | 2023-05-25 | 2023-08-04 | 清华四川能源互联网研究院 | 对浅水湖泊暴雨输沙过程进行生态风险评估的方法 |
CN117350068B (zh) * | 2023-10-25 | 2024-06-18 | 广东工业大学 | 复杂水生态***模型中草食性鱼类的数值模拟方法及装置 |
CN117390466B (zh) * | 2023-12-13 | 2024-02-06 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 一种基于相似性度量的湖泊稳态判别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926786A (zh) * | 2021-03-10 | 2021-06-08 | 太湖流域管理局水利发展研究中心 | 一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104109717A (zh) * | 2014-07-18 | 2014-10-22 | 新疆农业科学院微生物应用研究所 | 一种针对新疆地区基于细菌群落结构变化的地震监测方法 |
CN105354415A (zh) * | 2015-10-26 | 2016-02-24 | 江西省水利科学研究院 | 一种湖泊生态***稳态转换突变的分析方法 |
CN108108911B (zh) * | 2018-01-09 | 2020-09-15 | 中国科学院南京地理与湖泊研究所 | 基于水生态***健康的大型湖泊分区水质目标制定方法 |
CN111090831A (zh) * | 2019-11-21 | 2020-05-01 | 河海大学 | 一种湖泊面积变化关键驱动因子识别方法 |
CN111652195B (zh) * | 2020-07-14 | 2023-06-09 | 宁夏回族自治区自然资源勘测调查院 | 一种土地利用变化分析预测方法 |
US20220324737A1 (en) * | 2021-04-03 | 2022-10-13 | Power and Water Utility Company for Jubail and Yanbu (MARAFIQ) | Methods for monitoring marine waterbody sustainability at discharge sites |
CN113283743B (zh) * | 2021-05-21 | 2023-06-20 | 中国科学院南京地理与湖泊研究所 | 一种流域中不同生态修复类型生境阈值的判定方法 |
CN114066211B (zh) * | 2021-11-11 | 2022-08-30 | 北京师范大学 | 一种流域水环境管理大数据平台 |
-
2023
- 2023-02-14 CN CN202310108772.6A patent/CN115829420B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926786A (zh) * | 2021-03-10 | 2021-06-08 | 太湖流域管理局水利发展研究中心 | 一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及*** |
Non-Patent Citations (2)
Title |
---|
Predicting ecosystem state changes in shallow lakes using an aquatic ecosystem model: Lake Hinge, Denmark, an example;Tobias Kuhlmann Andersen 等;《Ecological Applications》;第30卷(第7期);第1-21页 * |
以清水稳态为目标的湖泊水生植物生物量阈值研究;胡文;《中国优秀硕士学位论文全文数据库 基础科学辑》(第2期);第A006-1330页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115829420A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115829420B (zh) | 浅水湖泊稳态转换阈值的判定方法 | |
Gökçe | Algae as an indicator of water quality | |
Wang et al. | A deep learning based dynamic COD prediction model for urban sewage | |
Allan et al. | Investigating the relationships between environmental stressors and stream condition using Bayesian belief networks | |
Rehn | Benthic macroinvertebrates as indicators of biological condition below hydropower dams on west slope Sierra Nevada streams, California, USA | |
CN111241476B (zh) | 一种获得区域性河口营养物基准值的方法 | |
Graham et al. | Using Bayesian networks to predict risk to estuary water quality and patterns of benthic environmental DNA in Queensland | |
CN110570089A (zh) | 水生生物群落多参数指数评价河流生态状况的构建方法 | |
CN106600509A (zh) | 一种基于基础数据分析判断企业兑水排污行为的方法 | |
Garcia et al. | Assessment of water quality using principal component analysis: A case study of the açude da Macela-Sergipe-Brazil | |
Li et al. | Remote monitoring of water quality for intensive fish culture | |
Johnson et al. | Establishing reference conditions and setting class boundaries | |
Kim et al. | Operator decision support system for integrated wastewater management including wastewater treatment plants and receiving water bodies | |
Castillo-Torres et al. | Potential distribution of native freshwater fish in Tabasco, Mexico | |
CN116502034A (zh) | 一种基于无线通讯的河流水文监测*** | |
CN114626771B (zh) | 一种城市区域水生态状态反应器构建方法、装置及反应器 | |
Kim et al. | Forecasting performance of algae blooms based on artificial neural networks and automatic observation system | |
France | Use of sequential sampling of amphipod abundance to classify the biotic integrity of acid-sensitive lakes | |
Oliveira et al. | An indicator system for surface water quality in river basins | |
CN116070931B (zh) | 一种基于野外生态数据的土壤污染生态效应定量评价方法 | |
CN117109665B (zh) | 一种河流生态环境数据在线监测方法及*** | |
Qian et al. | Forecasting water quality using AI with monitoring data collected by wireless sensors | |
Haggard et al. | Final Report to Governors from the Joint Study Committee and Scientific Professionals | |
CN117875573B (zh) | 一种基于生物毒性和生物有效性的水环境评价方法和*** | |
Wilding et al. | Flow-ecology relationships for the watershed flow evaluation tool |
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 |