登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《重庆研究院在水库水体富营养化研究中取得系列进展》

  • 来源专题：长江流域资源与环境知识资源中心 | 领域情报网
  • 编译者： changjiang
  • 发布时间：2017-09-22

  • . 2017-09-20 编辑：信息所大数据挖掘机应用中心 大 中 小 .

    　　日前，重庆研究院大数据挖掘及应用中心在水库水体富营养化研究中取得系列进展，相关 研究成果发表在 Ecological Indicators 、 Chemometrics and intelligent laboratory systems 和 Water Resources Management 等期刊上。研究获得国家科技重大专项“水体污染防治与治理”项目、中国科学院率先行动相关人才计划项目和国家自然科学基金项目的支持。

    富营养化是一种氮、磷等营养盐含量过多所引起的全球性水环境问题，受到世界各国政府和学者的高度关注。 为有效防止富营养化的发生，保障水体的正常功能，对富营养化程度进行科学评价是一个重要前提。它是水环境科学管理的基本手段，可为富营养化的防治提供决策依据。 在富营养化评价中通常会面临三种问题：

    　　一是知识冗余及其不确定性问题：由于影响富营养状态的因素众多并具有很多不确定性，这种冗余和不确定性来源多个方面，如不同地域间的影响因素不同，以及人为活动和社会经济不同等；二是监测数据的获取具有一定的随机性：包括监测人员的个体操作差异、统计方法的选用差异以及监测仪器的精度差异和故障问题；三是监测数据的获取成本： 在富营养化评价中，各监测指标数据的获取代价并不相同，如总磷 ( TP ) 、总氮 ( TN ) 和高锰酸盐指数 ( CODMn ) 的在线监测需要消耗大量试剂和能量用于复杂的消解过程，因而其获取代价高于叶绿素 a( Chl-a ) 、透明度 ( SD ) 等指标。

    　　针对以上三种问题， 研究团队分别提出了一种粗糙集与多维云模型的混合模型、一种动态的奇异粗糙集模型和一种基于半监督分类技术的富营养化评价模型。与主流富营养化评价模型比较，上述模型从信息科学角度出发，实现了高质量的富营养化评价，主要体现在：（ 1 ）评价结果优于主流分类及富营养评价模型。其不仅能评价富营养级别，还能预测富营养状态值，预测效果理想；（ 2 ）能协助专家在区域内的所有水华异常项中分析出某次水华前兆异常项的最小集合，减小了问题求解规模，为水华预测提供了客观依据，以此辅助决策者快速准确的评估水质以及估计其发展趋势。（ 3 ）不仅 能针对实时监测大数据实现快速评价处理，还能利用部分低代价监测指标帮助或取代部分高代价监测指标实现富营养化的准确评价。本系列项目研究成果将有助于对大型水库富营养化问题的科学认知评价和监测预警。

    　　 论文链接：

    　　1 ． http://www.sciencedirect.com/science/article/pii/S1470160X17303461?_rdoc=1&_fmt=high&_origin=gateway&_docanchor=&md5=b8429449ccfc9c30159a5f9aeaa92ffb

    　　2 ． http://xueshu.baidu.com/s?wd=paperuri%3A%28e9b35ed8c16144a6ec6f1e43aa8869ca%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Fwww.sciencedirect.com%2Fscience%2Farticle%2Fpii%2FS0169743917300850&ie=utf-8&sc_us=8358941143496873497

    　　3 ． http://xueshu.baidu.com/s?wd=paperuri%3A%28af9820a585fc1b683236fac9dabe2039%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Flink.springer.com%2F10.1007%2Fs11269-017-1579-8&ie=utf-8&sc_us=6806749988936586749

174浏览量
原文链接
相关报告

  • 《重庆研究院在三峡库区沉降研究工作中取得系列进展》
    • 来源专题：长江流域资源与环境知识资源中心 | 领域情报网
    • 编译者：changjiang
    • 发布时间：2018-06-26
    • 重庆研究院大气环境研究中心在三峡库区的氮素、多环芳烃以及重金属沉降研究中初步取得进展。目前相关成果发表学术期刊论文9篇，其中7篇发表在SCI收录期刊，包括《Environmental Pollution》、《Science of the Total Environment》、《Chemosphere》等环境领域的知名刊物上。 　　研究初步明晰了澎溪河-小江流域不同形态氮素浓度时空分布特征及干湿沉降规律，获得了活性氮的总沉降量，在2014年和2015年分别为23.1 和14.9 kg N ha-1 yr-1。通过来源解析，明确氮素主要来自于本地排放，且工业排放是城区氮素的主要来源。通过氮同位素分析，发现万州城区降水中铵态氮、硝态氮的来源与乡镇地区存在明显的差异。此外，研究表明降水中的无机氮对水域和森林生态系统有潜在的负面影响。 　　具有致癌、致畸、致基因突变等效应的大气多环芳烃（PAHs）类物质主要来自各种不完全燃烧过程。母体PAHs（PPAHs）、含氧PAHs（OPAHs）及甲基PAHs（MPAHs）沉降通量在重庆城区分别为：536±216、221±118和131±41.9 ng m-2d-1，农村地区分别为：347±185、160±112和85.2±32.0 ng m-2 d-1。其在重庆城区的沉降受颗粒物沉降控制，而PAHs中含氧、含硝类衍生物则受光化学反应等二次过程影响；在库区的农村地区，PAHs类物质的沉降与颗粒物沉降无明显相关，可能主要受二次过程的影响。相关的研究有助于科学理解库区内PAHs类物质的来源、归趋及其大气沉降对水体环境的影响。 　　大气干湿沉降是库区水体重金属的重要来源，库区典型城区的沉降能量为0.18–10.22 mg m？2yr？1。镉在库区大气沉降中显著富集，其余重金属（锌、铜、砷、镍、铬、铅、锰、铁、钒）的沉降通量在全国处于中等水平。这些重金属主要来自于本地工业区、电厂、水泥厂和交通等排放源。初步解析了大气重金属沉降对库区表层水体的贡献，其中铅的贡献率最大，平均为9.25%；镉的贡献率为1.12%；其余重金属贡献率均小于0.10%。 　　上述研究在三峡库区经济快速发展、空气污染较严重的背景下探究了营养元素（氮素）和有毒有害物质（多环芳烃、重金属）的沉降特征和规律，为科学认识人类活动对三峡库区的水域、土壤和生态系统的影响打下了良好基础。 　　自2013年开始，依托中国科学院“西部行动计划”、国家自然科学基金、重庆市基础与前沿研究计划，以及重庆研究院协同创新联合学者等项目的支持，大气环境研究中心在三峡库区典型流域建立了大气环境观测站，开展综合研究。
    70浏览量
    原文链接

  • 《重庆研究院在数据驱动的蓝藻水华认知上取得系列进展》
    • 来源专题：长江流域资源与环境知识资源中心 | 领域情报网
    • 编译者：lifs
    • 发布时间：2020-06-04
    • 目前，中国科学院重庆研究院大数据挖掘及应用中心与中国科学院水生所宋立荣研究员课题组合作，尝试将人工智能方法与水生态问题进行融合，利用概率图模型方法对我国大中型浅水湖泊蓝藻水华数据进行深入挖掘分析，相关研究成果以论文形式发表在海洋湖沼学领域知名刊物《 Harmful Algae 》上，研究结果将有助于科学认知蓝藻水华的演变风险，为大型水体生态系统的长效恢复提供参考。 随着全球气候变化和水体富营养化加剧，蓝藻水华暴发已变成世界性的生态环境问题。监测蓝藻水华的动态变化、解析水华生消过程的驱动因子，将有助于重要水体水质目标管理、预防和控制有害水华的发生。以往研究常聚焦于蓝藻生物量的时空分布，而关于水华优势种内部的演替模式，尚未受到足够关注；在解析真实环境中固氮 - 非固氮、产毒 - 非产毒蓝藻共存与竞争机制上，亦缺乏足够的研究手段。 研究表明，首先，研究围绕野外大尺度现场数据挖掘分析，提出含隐变量的结构方程模型，量化温度、光强、营养盐、浮游动物及它们的交互作用对蓝藻水华优势种演替的驱动机制（微囊藻 - 鱼腥藻 - 束丝藻），证实微囊藻生物量变化主要受到水温和总磷浓度调控，丝状蓝藻生物量依赖于具体的水体生境条件（图 1 ）。其次，利用贝叶斯网络模型，建立了环境因子与蓝藻生物量及产毒能力的因果关联，检验出水温、光强和氮浓度依次为影响毒素浓度的关键因子，从毒素控制角度强调了氮磷双控的控制策略（图 2 ）。最后，利用贝叶斯推断方法对我国“三湖”氮、磷营养盐的控制浓度进行估算，强调气候变暖会影响营养盐标准的参考阈值。 该研究得到十二五国家科技重大专项“水体污染防治与治理” （ 2014ZX07104-006 ）、国家自然科学基金（ 51609229 ） 、重庆市自然科学基金及重庆市社会事业与民生保障等课题的联合资助（ cstc2017jcyjAX0241; cstc2018jscx-msybX0175 ）。 相关论文链接： 1. Kun Shan # , Mingsheng Shang, Botian Zhou, Lin Li, Xiaoxiao Wang, Hong Yang, Lirong Song. Application of Bayesian network including Microcystis morphospecies for microcystin risk assessment in three cyanobacterial bloom-plagued lakes. Harmful Algae, 2019, 83, 14-24. https://www.sciencedirect.com/science/article/pii/S1568988319300113 2. Kun Shan # , Xiaoxiao Wang, Hong Yang, Botian Zhou, Lirong Song, Mingsheng Shang. Use statistical machine learning to detect nutrient thresholds in Microcystis blooms and microcystin management. Harmful Algae, 2020, 94, 101807. https://www.sciencedirect.com/science/article/pii/S156898832030086X 3. Kun Shan # , Lirong Song, Wei Chen, Lin Li, Liming Liu, Yanlong Wu, Yunlu Jia, Qichao Zhou, Liang Peng. Analysis of environmental drivers influencing interspecific variations and associations among bloom-forming cyanobacteria in large, shallow eutrophic lakes. Harmful Algae, 2019, 84, 84-94. https://www.sciencedirect.com/science/article/pii/S1568988319300198 蓝藻水华优势种与不同环境因子间相互关系 基于贝叶斯网络的微囊藻及藻毒素风险评估模型
    36浏览量
    原文链接