CN117390466A - 一种基于相似性度量的湖泊稳态判别方法 - Google Patents
一种基于相似性度量的湖泊稳态判别方法 Download PDFInfo
- Publication number
- CN117390466A CN117390466A CN202311704226.5A CN202311704226A CN117390466A CN 117390466 A CN117390466 A CN 117390466A CN 202311704226 A CN202311704226 A CN 202311704226A CN 117390466 A CN117390466 A CN 117390466A
- Authority
- CN
- China
- Prior art keywords
- lake
- evaluation index
- steady state
- index
- 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.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 25
- 238000012850 discrimination method Methods 0.000 title claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 92
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000012851 eutrophication Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 21
- 241000195493 Cryptophyta Species 0.000 claims description 12
- 229930002868 chlorophyll a Natural products 0.000 claims description 12
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 12
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 11
- 229910052698 phosphorus Inorganic materials 0.000 claims description 11
- 239000011574 phosphorus Substances 0.000 claims description 11
- 229910052757 nitrogen Inorganic materials 0.000 claims description 10
- 244000025254 Cannabis sativa Species 0.000 claims description 8
- 241000196324 Embryophyta Species 0.000 claims description 7
- 235000003715 nutritional status Nutrition 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 2
- 238000013278 delphi method Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 229910052760 oxygen Inorganic materials 0.000 claims description 2
- 239000001301 oxygen Substances 0.000 claims description 2
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- -1 transparency Chemical compound 0.000 claims description 2
- 235000016709 nutrition Nutrition 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004379 similarity theory Methods 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于相似性度量的湖泊稳态判别方法，其方法步骤为：构建湖泊监测体系，获取拟判别湖泊基础数据；依据拟判别湖泊基础数据，选取参考湖泊；筛选湖泊稳态判别评价指标；采用数据标准化公式，对湖泊稳态判别评价指标进行标准化处理，去除湖泊稳态判别评价指标的量纲；基于新权重确定方法确定湖泊稳态判别评价指标的权重；采用非平权距离系数法进行相似性度量，评估湖泊稳态。本发明的有益效果是：基于系统属性和特征的相似理论，考虑了湖泊生态系统演化规律，以及湖泊富营养化评价方法中各指标的重要性，采用非平权距离方法进行相似性度量，可定量化、动态化评估湖泊水环境因子对湖泊稳态变化的影响。
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，涉及一种基于相似性度量的湖泊稳态判别方法。
背景技术
浅水湖泊存在两种不同的稳定状态，一种是以大型水生植物为主导的清水稳态，沉水植物覆盖度高，水质清澈；一种是以藻类为主的浊水稳态，沉水植物覆盖度低甚至消失，浮游植物占优势，水质浑浊甚至夏季有蓝藻水华暴发。这两种状态下湖泊的主要初级生产力分别为水生植物和藻类，随着湖泊的生态演替，湖泊在景观上表现为草型或藻型。伴随着湖泊富营养化的发生，许多湖泊由沉水植物丰富的清水状态转变为藻类占主导的浊态。而湖泊稳态判别是人们对湖泊生态系统运动过程进行分析并据以制定湖泊管理策略与实施评估的有效工具，也是探索浅水富营养化湖泊治理的一个非常有效的途径。
目前，较多的研究从沉水植物的覆盖度判断湖泊稳态，而采用数学方法对湖泊稳态判别的研究较少。其中，基于统计学方法的判别方法，主要针对基础资料较多、时间序列长的湖泊。对于水生态环境数据缺少或时间序列稀疏的湖泊，尚无合适的稳态判别方法。
发明内容
本发明的目的在于提供一种基于相似性度量的湖泊稳态判别方法，能够克服当前湖泊稳态评价中水生态环境数据缺少、监测时间短等困难，基于相似性评价方法，打破现有技术应用的局限性，提高评价结果的准确性和客观性，为浅水湖泊的治理和清水环境的恢复提供理论指导和技术支持。
为了实现上述目的，本发明采用的技术方案为：一种基于相似性度量的湖泊稳态判别方法，包括以下步骤：
步骤S1：构建湖泊监测体系，获取拟判别湖泊基础数据，并筛选湖泊稳态判别评价指标；
步骤S2：依据步骤S1的拟判别湖泊基础数据，选取参考湖泊；
步骤S3：采用数据标准化公式，对步骤S1的湖泊稳态判别评价指标进行标准化处理，去除湖泊稳态判别评价指标的量纲；
步骤S4：基于新权重确定方法，对步骤S3的标准化完成数据进行权重计算，确定湖泊稳态判别评价指标的权重；
步骤S5：采用非平权距离系数法，对步骤S3的标准化完成数据进行相似性度量，评估湖泊稳态。
进一步的，步骤S1中，拟判别湖泊基础数据包括地理、气候、水文、水质和水生生物指标数据，具体为：
地理指标数据至少包括经度、纬度，气候指标数据至少包括气温、太阳辐射、风速和风向，水文指标数据至少包括水位、水深和流速，水质指标数据至少包括总磷(TP)、总氮(TN)、透明度、叶绿素a浓度(Chl-a)和化学需氧量，水生生物指标数据至少包括沉水植物覆盖度和浮游植物密度。
进一步的，步骤S1中，湖泊稳态判别评价指标基于多种湖泊富营养化评价方法中评价指标的使用频率确定，多种湖泊富营养化评价方法具体为：
卡尔森营养状态指数(TSI)、修正的营养状态指数、综合营养状态指数(TLI)、营养度指数法和评分指数法(M)。
进一步的，步骤S1中，湖泊稳态判别评价指标具体包括总磷、总氮和叶绿素a浓度，其中总磷、总氮和叶绿素a浓度湖泊稳态判别评价指标需要拟判别湖泊和参考湖泊分别提供三个采样点以上的样本数据，用于求取总磷、总氮和叶绿素a浓度湖泊稳态判别评价指标的平均值。
进一步的，步骤S2中，选取参考湖泊，具体为：
参考湖泊具备超过连续二十年的水体理化因子和水生生物数据，且在连续二十年期间湖泊稳态需要发生转变。
进一步的，步骤S3中，采用数据标准化公式如公式（1）所示，具体为：
（1）；
其中：i表示第i个评价指标，j表示第j个湖泊；Xij表示第j个湖泊的第i个评价指标的标准化值，xij表示第j个湖泊的第i个评价指标的实测值，ximax表示第i个评价指标的实测最大值；
评价指标标准化值的范围为(0,1]，使评价指标的值具有可比性，保证计算结果的一致性。
进一步的，步骤S4中，新权重确定方法，具体为：
综合分析多种权重确定方法，湖泊在各评价指标特征属性上具有不一致性，并且不一致性超过50%的评价指标特征属性对相似性评价结果造成偏差，基于偏差赋予评价指标新的权重系数；
其中，多种权重确定方法包括二项系数法、模糊数学法、层次分析法、德尔菲法、主成分分析法、关联系数法和熵权法。
进一步的，步骤S4中，确定湖泊稳态判别评价指标的权重，具体为：
步骤S41，将第j个湖泊的第i个评价指标的标准化值Xij 按从大到小降序排列形成新数据集Xnm，依据公式（2），求每一个评价指标的平均差值：
（2）；
其中，表示评价指标的平均差值，m表示行数，其中m=j，n表示列数，其中n=i；
[ ]为求整符号，u为前项和中新数据集Xnm的个数，t为后项和中新数据集Xnm的个数；Xnu表示
从1到[m/2]的新数据集，Xnt表示从[(m+3)/2]到m的新数据集，其中前项和为新数据集Xnu从
1到[m/2]的累加和，后项和为评价指标标准化值Xnt从[(m+3)/2]到m的累加和；
步骤S42，基于公式（3），得到每一个评价指标的权重：
（3）；
其中，表示评价指标的权重，k表示评价指标的总个数。
进一步的，步骤S5中，受限于传统距离系数法在相似度量中的局限性，并考虑到湖泊各个属性特征对系统相似度的影响差异，采用非平权距离系数法进行相似性度量，其中非平权距离系数法，计算方法如下：
步骤S51，基于数据标准化公式（1）得到的湖泊评价指标标准化数据，计算湖泊评价指标的欧式距离如公式（4）所示，具体为：
（4）；
其中，dij表示第j个湖泊第i个评价指标的欧式距离，Ximin表示j个湖泊中第i个评价指标标准化的最小值；
步骤S52，湖泊评价指标的综合距离如公式（5）所示，具体为：
（5）；
其中，zij表示第j个湖泊第i个评价指标的综合距离；
步骤S53，湖泊的相似度如公式（6）所示，具体为：
（6）；
其中，θij表示第j个湖泊第i个评价指标的湖泊相似度。
进一步的，湖泊稳态包括清水、草藻共存、藻草共存、藻型浊水和黑臭五个阶段。
本发明的有益效果是：基于湖泊生态系统属性和特征的相似性理论，考虑湖泊生态系统演化规律，以及湖泊富营养化评价方法中各指标的重要性，采用非平权距离方法进行相似性度量，可定量化、动态化评估湖泊水环境因子对湖泊稳态变化的影响；同时，其能够克服当前湖泊稳态评价中水生态环境数据缺少、监测时间短等困难，其基于相似性评价方法，打破现有技术应用的局限性，提高评价结果的准确性和客观性，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
图1为本发明湖泊稳态判别流程图；
图2为实施例鄱阳湖采样点布置图；
图3为实施例总氮随时间变化趋势及稳态阶段其平均值变化图；
图4为实施例总磷随时间变化趋势及稳态阶段其平均值变化图；
图5为实施例叶绿素a浓度随时间变化趋势及稳态阶段其平均值变化图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例：
本发明一种基于相似性度量的湖泊稳态判别方法如图1所示，以鄱阳湖为研究对象开展评价过程。
鄱阳湖丰枯水位变幅较大，根据水位变化特征，分别设置丰水期和平水期监测点，其中丰水期设置44个监测点，枯水期25个监测点，如图2所示。
为避免单一年份水生态环境状态突变的可能，采用连续三年(2013-2015年)的数据进行鄱阳湖湖泊稳态判别，全年指标值采用丰水期和枯水期的平均值进行计算。
根据鄱阳湖的地理、气候、水文、水质和水生生物指标，选取太湖作为参考湖泊，并以太湖1981-2008年水生态环境数据作为样本。
具体的，鄱阳湖和参考湖泊太湖湖泊稳态转换评价因子变化趋势如图3-图5所示。
根据权重计算方法，总氮、总磷和叶绿素a浓度三个指标的权重分别为0.207、0.234和0.559。
具体的，指标权重表示对湖泊稳态转换的影响程度不同，其中叶绿素a浓度对湖泊稳态转换起着重要作用。
根据数据标准化方法和非平权距离计算方法，判别湖泊稳态类型(表1)。
表1鄱阳湖及参考湖泊太湖水环境数据标准化及综合距离评价
具体的，根据表1可知，参考湖泊太湖1981年水生态环境特征综合距离为0，表示该年份水生态环境特征值在各年份中为最小值，则该年份为时间序列综合距离评价的目标年份。
按照时间序列，各年份与目标年份的距离分别用de表示，其中e表示评价时间排序，综合距离均表示该年份水生态环境特征与太湖1981年的水环境特征的相似性，综合距离越小，水生态环境特征越相似。
根据评价结果，鄱阳湖2013年至2015年的水生态环境特征与目标年的综合距离d24、d25和d26分比为9.866、11.543和9.686，大于太湖水生态环境特征与目标年的综合距离d1~d4以及d6、d7，但均小于其它年份与目标年份的综合距离。
具体的，结合湖泊稳态连续性和突变共存特征，鄱阳湖2013至2015年的湖泊状态处于参考湖泊太湖1992与1993年之间的状态。
参考湖泊太湖在1981年至1987年间属于草藻共存阶段，接近于清水稳态，1988~1996年间属于藻草共存阶段，1997~2008年间为藻型浊水稳态阶段。
具体的，太湖在三个阶段的综合距离平均值分别为0.625,13.507和22.895。
鄱阳湖2013年至2015年的平均综合距离为10.365，介于太湖第一阶段和第二阶段之间，并且太湖在1992至1993年同属于第二阶段藻草共存稳态阶段。
由此推断，鄱阳湖湖泊稳态属于藻草共存阶段，并且接近于藻草共存湖泊稳态。
综上所述，基于相似性度量的湖泊稳态判别方法可以很好的适用于湖泊稳态的评价。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于相似性度量的湖泊稳态判别方法，其特征在于：包括以下步骤：
步骤S1：构建湖泊监测体系，获取拟判别湖泊基础数据，并筛选湖泊稳态判别评价指标；
步骤S2：依据步骤S1的拟判别湖泊基础数据，选取参考湖泊；
步骤S3：采用数据标准化公式，对步骤S1的湖泊稳态判别评价指标进行标准化处理，去除湖泊稳态判别评价指标的量纲；
步骤S4：基于新权重确定方法，对步骤S3的标准化完成数据进行权重计算，确定湖泊稳态判别评价指标的权重；
步骤S5：采用非平权距离系数法，对步骤S3的标准化完成数据进行相似性度量，评估湖泊稳态。
2.根据权利要求1所述的一种基于相似性度量的湖泊稳态判别方法，其特征在于：步骤S1中，拟判别湖泊基础数据包括地理、气候、水文、水质和水生生物指标数据，具体为：
地理指标数据至少包括经度、纬度，气候指标数据至少包括气温、太阳辐射、风速和风向，水文指标数据至少包括水位、水深和流速，水质指标数据至少包括总磷、总氮、透明度、叶绿素a浓度和化学需氧量，水生生物指标数据至少包括沉水植物覆盖度和浮游植物密度。
3.根据权利要求2所述的一种基于相似性度量的湖泊稳态判别方法，其特征在于：步骤S1中，湖泊稳态判别评价指标基于多种湖泊富营养化评价方法中评价指标的使用频率确定，多种湖泊富营养化评价方法具体为：
卡尔森营养状态指数、修正的营养状态指数、综合营养状态指数、营养度指数法和评分指数法。
4.根据权利要求3所述的一种基于相似性度量的湖泊稳态判别方法，其特征在于：步骤S1中，湖泊稳态判别评价指标具体包括总磷、总氮和叶绿素a浓度，其中总磷、总氮和叶绿素a浓度湖泊稳态判别评价指标需要拟判别湖泊和参考湖泊分别提供三个采样点以上的样本数据，用于求取总磷、总氮和叶绿素a浓度湖泊稳态判别评价指标的平均值。
5.根据权利要求4所述的一种基于相似性度量的湖泊稳态判别方法，其特征在于：步骤S2中，选取参考湖泊，具体为：
参考湖泊具备超过连续二十年的水体理化因子和水生生物数据，且在连续二十年期间湖泊稳态需要发生转变。
6.根据权利要求5所述的一种基于相似性度量的湖泊稳态判别方法，其特征在于：步骤S3中，采用数据标准化公式如公式（1）所示，具体为：
（1）；
其中：i表示第i个评价指标，j表示第j个湖泊；Xij表示第j个湖泊的第i个评价指标的标准化值，xij表示第j个湖泊的第i个评价指标的实测值，ximax表示第i个评价指标的实测最大值；
评价指标标准化值的范围为(0,1]，使评价指标的值具有可比性，保证计算结果的一致性。
7.根据权利要求6所述的一种基于相似性度量的湖泊稳态判别方法，其特征在于：步骤S4中，新权重确定方法，具体为：
综合分析多种权重确定方法，湖泊在总磷、总氮和叶绿素a浓度特征属性上具有不一致性，并且不一致性超过50%的评价指标特征属性对相似性评价结果造成偏差，基于偏差赋予评价指标新的权重系数；
其中，多种权重确定方法包括二项系数法、模糊数学法、层次分析法、德尔菲法、主成分分析法、关联系数法和熵权法。
8.根据权利要求7所述的一种基于相似性度量的湖泊稳态判别方法，其特征在于：步骤S4中，确定湖泊稳态判别评价指标的权重，具体为：
步骤S41，将第j个湖泊的第i个评价指标的标准化值Xij 按从大到小降序排列形成新数据集Xnm，依据公式（2），求每一个评价指标的平均差值：
（2）；
其中，表示评价指标的平均差值，m表示行数，其中m=j，n表示列数，其中n=i；[ ]为求整符号，u为前项和中新数据集Xnm的个数，t为后项和中新数据集Xnm的个数；Xnu表示从1到[m/2]的新数据集，Xnt表示从[(m+3)/2]到m的新数据集，其中前项和为新数据集Xnu从1到[m/2]的累加和，后项和为评价指标标准化值Xnt从[(m+3)/2]到m的累加和；
步骤S42，基于公式（3），得到每一个评价指标的权重：
（3）；
其中，表示评价指标的权重，k表示评价指标的总个数。
9.根据权利要求8所述的一种基于相似性度量的湖泊稳态判别方法，其特征在于：步骤S5中非平权距离系数法，计算方法如下：
步骤S51，基于数据标准化公式（1）得到的湖泊评价指标标准化数据，计算湖泊评价指标的欧式距离如公式（4）所示，具体为：
（4）；
其中，dij表示第j个湖泊第i个评价指标的欧式距离，Ximin表示j个湖泊中第i个评价指标标准化的最小值；
步骤S52，湖泊评价指标的综合距离如公式（5）所示，具体为：
（5）；
其中，zij表示第j个湖泊第i个评价指标的综合距离；
步骤S53，湖泊的相似度如公式（6）所示，具体为：
（6）；
其中，θij表示第j个湖泊第i个评价指标的湖泊相似度。
10.根据权利要求9所述的一种基于相似性度量的湖泊稳态判别方法，其特征在于：湖泊稳态包括清水、草藻共存、藻草共存、藻型浊水和黑臭五个阶段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311704226.5A CN117390466B (zh) | 2023-12-13 | 2023-12-13 | 一种基于相似性度量的湖泊稳态判别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311704226.5A CN117390466B (zh) | 2023-12-13 | 2023-12-13 | 一种基于相似性度量的湖泊稳态判别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117390466A true CN117390466A (zh) | 2024-01-12 |
| CN117390466B CN117390466B (zh) | 2024-02-06 |
Family
ID=89437823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311704226.5A Active CN117390466B (zh) | 2023-12-13 | 2023-12-13 | 一种基于相似性度量的湖泊稳态判别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117390466B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053140A (zh) * | 2009-10-27 | 2011-05-11 | 华中科技大学 | 一种富营养化浅水湖泊生态修复后水质的诊断和评价方法 |
| CN102628857A (zh) * | 2012-03-21 | 2012-08-08 | 中国环境科学研究院 | 一种划分草型湖泊不同稳态状态下营养盐阈值的方法 |
| RU2513330C1 (ru) * | 2012-10-31 | 2014-04-20 | Дмитрий Михайлович Безматерных | Способ оценки трофического статуса экосистем минерализованных озер по уровню развития водных сообществ |
| US20160110835A1 (en) * | 2014-04-04 | 2016-04-21 | Jiangsu Provincial Academy Of Environmental Science | A method for determining ecological risks of heavy metal pollution in river and lake sediments |
| CN105631904A (zh) * | 2015-09-21 | 2016-06-01 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊藻类总存量遥感估算方法 |
| CN106096253A (zh) * | 2016-06-07 | 2016-11-09 | 中国环境科学研究院 | 一种划定湖泊缓冲带范围的方法 |
| WO2017101434A1 (zh) * | 2015-12-16 | 2017-06-22 | 深圳大学 | 一种多摄像机间人体目标再识别的方法及系统 |
| US20210064917A1 (en) * | 2019-08-27 | 2021-03-04 | Nanjing University Of Aeronautics And Astronautics | Method for measuring airport flight waveform similarity by spectral clustering based on trend distance |
| CN112651548A (zh) * | 2020-12-11 | 2021-04-13 | 中国电建集团昆明勘测设计研究院有限公司 | 一种高原湖滨生态景观修复规划的评估识别方法 |
| US20210293770A1 (en) * | 2017-06-19 | 2021-09-23 | Nanjing Institute Of Geography & Limnology. Chinese Academy Of Sciences | Stereoscopic monitoring and data mining system and method for harmful lake cyanobacteria bloom |
| CN114331053A (zh) * | 2021-12-14 | 2022-04-12 | 上海琸源水生态环境工程有限公司 | 一种基于模糊层次评价模型的浅水湖泊富营养化评价方法 |
| WO2022099852A1 (zh) * | 2020-11-10 | 2022-05-19 | 广东粤海水务股份有限公司 | 一种城市景观湖泊水生态系统健康评价及诊断方法 |
| CN115829420A (zh) * | 2023-02-14 | 2023-03-21 | 清华四川能源互联网研究院 | 浅水湖泊稳态转换阈值的判定方法 |
| US20230157214A1 (en) * | 2021-11-19 | 2023-05-25 | Changjiang Water Resources Protection Institute | Ecological restoration method for lake wetland against effects of water level rise in dry season |
| CN116681180A (zh) * | 2023-06-19 | 2023-09-01 | 中国水利水电科学研究院 | 一种基于两层相似性度量的湖泊水位相似预报方法 |
| CN116823047A (zh) * | 2023-06-27 | 2023-09-29 | 长安大学 | 基于蒙特卡洛-可变模糊集的湖泊富营养化评价方法 |
-
2023
- 2023-12-13 CN CN202311704226.5A patent/CN117390466B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053140A (zh) * | 2009-10-27 | 2011-05-11 | 华中科技大学 | 一种富营养化浅水湖泊生态修复后水质的诊断和评价方法 |
| CN102628857A (zh) * | 2012-03-21 | 2012-08-08 | 中国环境科学研究院 | 一种划分草型湖泊不同稳态状态下营养盐阈值的方法 |
| RU2513330C1 (ru) * | 2012-10-31 | 2014-04-20 | Дмитрий Михайлович Безматерных | Способ оценки трофического статуса экосистем минерализованных озер по уровню развития водных сообществ |
| US20160110835A1 (en) * | 2014-04-04 | 2016-04-21 | Jiangsu Provincial Academy Of Environmental Science | A method for determining ecological risks of heavy metal pollution in river and lake sediments |
| CN105631904A (zh) * | 2015-09-21 | 2016-06-01 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊藻类总存量遥感估算方法 |
| WO2017101434A1 (zh) * | 2015-12-16 | 2017-06-22 | 深圳大学 | 一种多摄像机间人体目标再识别的方法及系统 |
| CN106096253A (zh) * | 2016-06-07 | 2016-11-09 | 中国环境科学研究院 | 一种划定湖泊缓冲带范围的方法 |
| US20210293770A1 (en) * | 2017-06-19 | 2021-09-23 | Nanjing Institute Of Geography & Limnology. Chinese Academy Of Sciences | Stereoscopic monitoring and data mining system and method for harmful lake cyanobacteria bloom |
| US20210064917A1 (en) * | 2019-08-27 | 2021-03-04 | Nanjing University Of Aeronautics And Astronautics | Method for measuring airport flight waveform similarity by spectral clustering based on trend distance |
| WO2022099852A1 (zh) * | 2020-11-10 | 2022-05-19 | 广东粤海水务股份有限公司 | 一种城市景观湖泊水生态系统健康评价及诊断方法 |
| CN112651548A (zh) * | 2020-12-11 | 2021-04-13 | 中国电建集团昆明勘测设计研究院有限公司 | 一种高原湖滨生态景观修复规划的评估识别方法 |
| US20230157214A1 (en) * | 2021-11-19 | 2023-05-25 | Changjiang Water Resources Protection Institute | Ecological restoration method for lake wetland against effects of water level rise in dry season |
| CN114331053A (zh) * | 2021-12-14 | 2022-04-12 | 上海琸源水生态环境工程有限公司 | 一种基于模糊层次评价模型的浅水湖泊富营养化评价方法 |
| CN115829420A (zh) * | 2023-02-14 | 2023-03-21 | 清华四川能源互联网研究院 | 浅水湖泊稳态转换阈值的判定方法 |
| CN116681180A (zh) * | 2023-06-19 | 2023-09-01 | 中国水利水电科学研究院 | 一种基于两层相似性度量的湖泊水位相似预报方法 |
| CN116823047A (zh) * | 2023-06-27 | 2023-09-29 | 长安大学 | 基于蒙特卡洛-可变模糊集的湖泊富营养化评价方法 |
Non-Patent Citations (4)
| Title |
|---|
| 于爱敏;尚广萍;于洋;: "湖泊富营养化的综合评价方法的探讨与实例", 内蒙古环境科学, no. 03 * |
| 张亦飞;: "考虑指标协调性的湖泊富营养化评价模型", 环境科学学报, no. 11 * |
| 张蕊;高良敏;席北斗;苏婧;霍守亮;纪丹凤;吕宁磬;朱建超;: "改进的TLI指数法及其在巢湖营养状态评价中的应用", 环境工程学报, no. 06 * |
| 谢平, 李德, 陈广才, 叶爱中: "基于贝叶斯公式的湖泊富营养化随机评价方法及其验证", 长江流域资源与环境, no. 02 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117390466B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110969346B (zh) | 基于指标筛选的流域水生态功能分区治理需求评价方法 | |
| CN103177301A (zh) | 一种台风灾害风险预估方法 | |
| CN104932035A (zh) | 一种台风强度预报方法及系统 | |
| CN108647425B (zh) | 基于粒子群优化的K-means径流丰枯年份预报方法 | |
| Yu et al. | Using machine learning to reveal spatiotemporal complexity and driving forces of water quality changes in Hong Kong marine water | |
| CN113807562A (zh) | 海洋表面温度的预测方法 | |
| CN106228030A (zh) | 一种基于小波变换的精细粒度自学习集成预测方法 | |
| CN117078114A (zh) | 引水工程影响下受水湖泊水质评价方法和系统 | |
| CN115688982B (zh) | 基于wgan和鲸鱼优化算法的楼宇光伏数据补全方法 | |
| CN116467933A (zh) | 基于深度学习的风暴潮增水预测方法及系统 | |
| CN117390466B (zh) | 一种基于相似性度量的湖泊稳态判别方法 | |
| CN116205136A (zh) | 基于径流滞后信息的大尺度流域深度学习洪水预报方法 | |
| CN114417740A (zh) | 一种深海养殖态势感知方法 | |
| CN115859840B (zh) | 一种海洋环境动力要素区域极值分析方法 | |
| CN116186547A (zh) | 一种环境水务监测采样异常数据快速识别方法 | |
| Li et al. | Spatiotemporal classification analysis of long-term environmental monitoring data in the northern part of Lake Taihu, China by using a self-organizing map | |
| CN116562641A (zh) | 基于mobwo-km算法的高耗能工厂负荷特性分析方法 | |
| CN117116335B (zh) | 高温时段湖泊水体二甲基异莰醇预测方法 | |
| CN112232544B (zh) | 业务化赤潮预警方法及计算机可读存储介质 | |
| CN113378903B (zh) | 一种广流域水体环境数据集成方法及系统 | |
| CN117688853B (zh) | 基于短期潮位和长期气象资料的区域风暴潮破坏性评估方法及系统 | |
| CN115952690B (zh) | 一种长重现期台风风场的构建方法及系统 | |
| CN117973703B (zh) | 一种森林生态环境的分级定损方法及系统 | |
| CN115236277B (zh) | 一种野外评价沉水植物对水交换均匀度适应能力的方法及应用 | |
| CN114660248B (zh) | 基于多步预测策略的cod预警方法和装置 |
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 |