城市湖泊水华预警模型研究——以北京“六海”为例

曾勇; 杨志峰; 刘静玲

高级搜索

全国中文核心期刊
中国科技核心期刊
美国工程索引（EI）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

城市湖泊水华预警模型研究——以北京“六海”为例

曾勇, 杨志峰, 刘静玲

文章导航 > 水科学进展 > 2007 > 18(1): 79-85

曾勇, 杨志峰, 刘静玲. 城市湖泊水华预警模型研究——以北京“六海”为例[J]. 水科学进展, 2007, 18(1): 79-85.

引用本文:

曾勇, 杨志峰, 刘静玲. 城市湖泊水华预警模型研究——以北京“六海”为例[J]. 水科学进展, 2007, 18(1): 79-85.

ZENG Yong, YANG Zhi-feng, LIU Jing-ling. Algalbloom prediction models for Liuhai-lake in Beijing city[J]. Advances in Water Science, 2007, 18(1): 79-85.

Citation:

ZENG Yong, YANG Zhi-feng, LIU Jing-ling. Algalbloom prediction models for Liuhai-lake in Beijing city[J]. Advances in Water Science, 2007, 18(1): 79-85.

城市湖泊水华预警模型研究——以北京“六海”为例

水环境模拟国家重点实验室, 北京师范大学环境学院, 北京, 100875

基金项目: 国家自然科学基金重点资助项目(50239020);国家重点基础研究发展计划(973)资助项目(2006CB403303)

详细信息

作者简介:
曾勇(1974- ),男,福建宁化人,博士后,主要从事水资源与水环境管理方面研究.

通讯作者:
杨志峰,E-mail:Zfyang@bnu.edu.cn

中图分类号: X524

Algalbloom prediction models for Liuhai-lake in Beijing city

State Key Laboratory of Water Environment Simulation, School of Environmental, Beijing Normal University, Beijing 100875, China

Funds: The study is financially supported by the National Basic Research and Development Program of China(2006CB403303)and the Key Program ofNational Natural Science Foundation of China(No.50239020).

摘要: 采用决策树方法和非线性回归方法建立湖泊水华预警模型。决策树方法预测水华爆发时机,非线性回归方法预测水华爆发强度,并运用信号灯显示方法,划分出水华爆发的预警区间。以北京六海为例,模型结果表明来水水量Q,温度T和总磷浓度是影响“六海”湖泊水华爆发的主要影响因子,选择叶绿素a(Chl-a)<30 μg/L的预警信号为绿色,30 μg/L60 μg/L为红色。当每月来水量Q>79.0万m³或来水量Q<79.0万m³,水温<13.4℃,预警指标为绿色;Q<79.0万m³,水温T>13.4℃,水华预警为黄色;Q<38.7万m³时,T>23.25℃,TP>0.13 mg/L,水华预警为红色。对模型结果分类进行了验证。结果表明:模型对于限制因素发生变化时的水华预测结果更为准确,并且结构简单,输入输出关系明显,结果易于解释。
- 水华 /
- 预警 /
- 决策树 /
- 非线性回归 /
- 信号灯显示 /
- 北京六海
Abstract: The algalbloom prediction models are constructed by using the decision trees to qualitatively predict bloom timing and use the nonlinear piecewise regression to quantitatively predict bloom intensity.The traffic light systems are used as the indicator for degree of algal bloom.Liuhai-lake in Beijing city is used an example.The constructed model indicates that the water inflow,the temperature and total phosphorus are the most impact factors on the algalbloom in Liuhai-lake.The concentration of Chl-a<30 μg/L is labeled as green,30 μg/L60 μg/L as red.When water inflow Q>79.0×10⁴m³ or Q<79.0×10⁴m³ and water temperature<13.4℃,the indicator is green;when Q<79.0×10⁴m³, water temperature T>13.4℃,the indicator is yellow;and when Q<38.7×10⁴m³,water temperature>23.25℃,TP>0.13 μg/L,the indicator is red.The model is test by an independent dataset from the same area,the predicted blooming time error rate and the error of predicted bloom intensity are presented in the paper.The model has great advantages to deal with the common problem in algal-blooms.It's more accurate when the limiting factor is changing.And the structure is understandable and easy to interpret.
- algalbloom /
- prediction /
- decision trees /
- nonlinear regression /
- traffic light system /
- Liuhai-lake in Beijing city

[1]	卢小燕,徐福留,詹巍,等.湖泊富营养化模型的研究现状与发展趋势[J].水科学进展,2003,14(6):792-798.
[2]	夏军,窦明.水体富营养化综合水质模型及其应用研究[J].上海环境科学,2000,19(7):302-308.
[3]	彭虹,郭生练.汉江下游河段水质生态模型及数值模拟[J].长江流域资源与环境,2002,11(4):363-369.
[4]	金腊华,徐峰俊.水环境数值模拟与可视化技术[M].北京:化学工业出版社,2004.
[5]	Walter M.Predicting eutrophication effects in the Burrinjuck reservoir(Australia) by means of the deterministic model SALMO and the recurrent neural network model ANNA[J].Ecological modeling,2001,146:97-113.
[6]	周勇,刘凡,吴丹,等.湖泊水环境预测的原理和方法[J].长江流域资源与环境,1999,8(3):305-311.
[7]	Maier H R,Dandy G C,Burch M D.Use of artificial neural networks for modeling cyanobacteria Anabaena spp.In the river murray,south Australia[J].Ecological modeling,1998,105:257-272.
[8]	Gurbuz H.Predicting dominant phytoplankton quantities in a reservoir by using neural networks[J].Hhydrobiologia,2003,504:133-141.
[9]	裴洪平,罗妮娜,蒋勇.利用BP神经网络方法预测西湖叶绿素a的浓度[J].生态学报,2004,24 (2):246-251.
[10]	Solomatine D P,Dulal K N.Model tree as an alternative to neural network in rainfall-runoff modeling[J].Hydrological Science Journal,2003,48:399-411.
[11]	Chen Q,Mynett A E.Predicting phaeocystis globosa bloom in Dutch coastal waters by decision trees and non-linear piecewise regression[J].Ecological Modeling,2004,176:277-290.
[12]	Mingers J.An Empirical comparison of selection measures for decision-tree induction[J].Machine learning,1989,3:319-342.
[13]	Quinlan J R.C4.5:Programs for machine learning[M].San Mateo,California:Morgan Kaufrmann,1993.
[14]	张文彤.SPSS11统计分析教程高级篇[M].北京:希望电子出版社,2002.
[15]	韩秀娣.非点源污染最佳管理实践[J].上海环境科学,2000,19(3):102-104.
[16]	Webb A A,Erskine W D.A practical scientific approach to riparian vegetation rehabilitation in Australia[J].Journal of environmental management,2003,68:329-341.
[17]	全为民,沈新强,严力蛟.富营养化水体生物净化效应的研究进展[J].应用生态学报,2003,14(11):2 057-2 061.

[1]	刘雪梅, 章光新. 气候变化对湖泊蓝藻水华的影响研究综述 . 水科学进展, 2022, 33(2): 316-326. doi: 10.14042/j.cnki.32.1309.2022.02.015
[2]	原文林, 宋汉振, 刘美琪. 基于随机雨型的山洪灾害预警模式 . 水科学进展, 2019, 30(4): 515-527. doi: 10.14042/j.cnki.32.1309.2019.04.007
[3]	乔建平, 李明俐, 杨宗佶, 孟华君, 姜元俊. 基于模型试验的泥石流坡面物源启动预警模型 . 水科学进展, 2018, 29(1): 64-72. doi: 10.14042/j.cnki.32.1309.2018.01.008
[4]	金菊良, 陈梦璐, 郦建强, 张礼兵, 吴成国. 水资源承载力预警研究进展 . 水科学进展, 2018, 29(4): 583-596. doi: 10.14042/j.cnki.32.1309.2018.04.015
[5]	刘宁. 中国干旱预警水文方法探析 . 水科学进展, 2014, 25(3): 444-450.
[6]	郭劲松, 蒋滔, 李哲, 陈永柏, 孙志禹. 三峡水库澎溪河春季水华期p(CO₂)及影响因素分析 . 水科学进展, 2011, 22(6): 829-838.
[7]	吴开亚, 金菊良, 魏一鸣. 流域水安全预警评价的智能集成模型 . 水科学进展, 2009, 20(4): 518-525.
[8]	宁德志, 滕斌, 谭丽, 周斌珍. 完全非线性聚焦波浪的数值模拟 . 水科学进展, 2008, 19(6): 875-881.
[9]	刘浩, 潘伟然. 营养盐负荷对浮游植物水华影响的模型研究 . 水科学进展, 2008, 19(3): 345-351.
[10]	张东辉, 张金存, 刘方贵. 关于水文学中非线性效应的探讨 . 水科学进展, 2007, 18(5): 776-784.
[11]	林鸿州, 于玉贞, 李广信, 陈天健. 坡地地质灾害的减灾策略——以降雨预警基准为例 . 水科学进展, 2006, 17(4): 490-495.
[12]	丛沛桐, 王瑞兰, 李翠霞. 黄河封河期冰凌预警地电测试技术研究 . 水科学进展, 2006, 17(6): 877-880.
[13]	王志良, 门宝辉, 邱林, 裴源生. 区域水规划方案多属性递阶群决策 . 水科学进展, 2005, 16(3): 391-396.
[14]	王大国, 邹志利. 浅水非线性长波的数值模拟与实验研究 . 水科学进展, 2004, 15(2): 178-183.
[15]	张扬, 李瑞杰, 郑金海. 波浪的非线性频散关系 . 水科学进展, 2004, 15(4): 448-453.
[16]	肖芳, 刘静玲, 杨志峰. 城市湖泊生态环境需水量计算——以北京市六海为例 . 水科学进展, 2004, 15(6): 781-786.
[17]	杨具瑞, 方铎, 何文社, 刘兴年. 推移质输沙率的非线性研究 . 水科学进展, 2003, 14(1): 36-40.
[18]	窦明, 谢平, 夏军, 沈晓鲤, 方芳. 汉江水华问题研究 . 水科学进展, 2002, 13(5): 557-561.
[19]	窦明, 谢平, 夏军, 张万顺, 侯丙亮. 南水北调中线工程对汉江水华影响研究 . 水科学进展, 2002, 13(6): 714-718.
[20]	郭宗楼. 非线性节水高产优化模型 . 水科学进展, 1994, 5(1): 58-63.

点击查看大图

计量

文章访问数: 98
HTML全文浏览量: 17
PDF下载量: 465
被引次数: 0

城市湖泊水华预警模型研究——以北京“六海”为例

水环境模拟国家重点实验室, 北京师范大学环境学院, 北京, 100875

基金项目: 国家自然科学基金重点资助项目(50239020);国家重点基础研究发展计划(973)资助项目(2006CB403303)

作者简介:
曾勇(1974- ),男,福建宁化人,博士后,主要从事水资源与水环境管理方面研究.

通讯作者: 杨志峰,E-mail:Zfyang@bnu.edu.cn

收稿日期: 2005-09-16
修回日期: 2006-02-24
刊出日期: 2007-01-25

中图分类号: X524

关键词:

水华 /

预警 /

决策树 /

非线性回归 /

信号灯显示 /

北京六海

摘要: 采用决策树方法和非线性回归方法建立湖泊水华预警模型。决策树方法预测水华爆发时机,非线性回归方法预测水华爆发强度,并运用信号灯显示方法,划分出水华爆发的预警区间。以北京六海为例,模型结果表明来水水量Q,温度T和总磷浓度是影响“六海”湖泊水华爆发的主要影响因子,选择叶绿素a(Chl-a)<30 μg/L的预警信号为绿色,30 μg/L60 μg/L为红色。当每月来水量Q>79.0万m³或来水量Q<79.0万m³,水温<13.4℃,预警指标为绿色;Q<79.0万m³,水温T>13.4℃,水华预警为黄色;Q<38.7万m³时,T>23.25℃,TP>0.13 mg/L,水华预警为红色。对模型结果分类进行了验证。结果表明:模型对于限制因素发生变化时的水华预测结果更为准确,并且结构简单,输入输出关系明显,结果易于解释。

English Abstract

Algalbloom prediction models for Liuhai-lake in Beijing city

State Key Laboratory of Water Environment Simulation, School of Environmental, Beijing Normal University, Beijing 100875, China

Received Date: 2005-09-16
Rev Recd Date: 2006-02-24
Publish Date: 2007-01-25

Keywords:

Abstract: The algalbloom prediction models are constructed by using the decision trees to qualitatively predict bloom timing and use the nonlinear piecewise regression to quantitatively predict bloom intensity.The traffic light systems are used as the indicator for degree of algal bloom.Liuhai-lake in Beijing city is used an example.The constructed model indicates that the water inflow,the temperature and total phosphorus are the most impact factors on the algalbloom in Liuhai-lake.The concentration of Chl-a<30 μg/L is labeled as green,30 μg/L60 μg/L as red.When water inflow Q>79.0×10⁴m³ or Q<79.0×10⁴m³ and water temperature<13.4℃,the indicator is green;when Q<79.0×10⁴m³, water temperature T>13.4℃,the indicator is yellow;and when Q<38.7×10⁴m³,water temperature>23.25℃,TP>0.13 μg/L,the indicator is red.The model is test by an independent dataset from the same area,the predicted blooming time error rate and the error of predicted bloom intensity are presented in the paper.The model has great advantages to deal with the common problem in algal-blooms.It's more accurate when the limiting factor is changing.And the structure is understandable and easy to interpret.

曾勇, 杨志峰, 刘静玲. 城市湖泊水华预警模型研究——以北京“六海”为例[J]. 水科学进展, 2007, 18(1): 79-85.

引用本文:

曾勇, 杨志峰, 刘静玲. 城市湖泊水华预警模型研究——以北京“六海”为例[J]. 水科学进展, 2007, 18(1): 79-85.

ZENG Yong, YANG Zhi-feng, LIU Jing-ling. Algalbloom prediction models for Liuhai-lake in Beijing city[J]. Advances in Water Science, 2007, 18(1): 79-85.

Citation:

ZENG Yong, YANG Zhi-feng, LIU Jing-ling. Algalbloom prediction models for Liuhai-lake in Beijing city[J]. Advances in Water Science, 2007, 18(1): 79-85.