简介:为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧(DO)、铵态氮(NH4+—N)、硝态氮(NO3-—N)、总氮(TN)、总磷(TP)6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM(1,1)灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。
简介:本文应用山仔水库2003~2006年叶绿素a浓度、总磷浓度、总氮浓度、水温、溶解氧浓度、高锰酸盐指数、pH值7个参数监测数据对人工神经网络模型进行训练,在此基础上应用1997—2002年除叶绿素a浓度外其他6个参数监测数据,推算出1997~2002年间缺失的叶绿素a浓度,并对1997—2006年春末夏初的叶绿素a浓度动态进行分析,结果表明:山仔水库1997年建库初期,叶绿素a浓度处于较高水平,2000年以后叶绿素a浓度开始降低,近几年基本保持稳定.2003—2006年叶绿素a浓度呈季节周期性变化,春末经夏季到初秋,叶绿素a浓度持续升高,冬季下降明显,春季又开始回升;说明近几年山仔水库水体春末夏季秋初处于富营养化水平,秋末冬季处于中营养水平.本研究结果将为山仔水库的富营养化防治提供科学依据.
简介:湿地与周边水文系统通过复杂的水文过程相互联系和影响,具有整体性和复杂性。研究湿地与周边水文系统相互作用过程和机理,对湿地保护和恢复起着重要的作用。以美国奥克弗诺基(Okefenokee)流域为案例,构建包含沼泽地表水、沼泽地下水、高地地表水和高地地下水4个水文子系统的流域水文网络模型,采用生态网络分析方法中的效用、控制和单位元分析研究水文单元间作用关系。控制分析的结果显示,高地地表水和地下水两个子系统对沼泽地表水和地下水子系统的支持程度达到100%。无论是沼泽还是松林高地,其地表水和地下水之间存在高度的相互依赖和互补性。效用分析结果表明,沼泽地表水和高地地下水之间存在着互利的水文关系。而单位元分析结果显示,沼泽地下水深层渗漏和高地松树生态系统的蒸散过程是袭夺流域湿地系统水资源的重要一环。上述结果表明,生态网络分析方法可以有效地分析水文单元之间的作用过程、描述水文单元之间直接和间接的水文关系,可以用于流域湿地水资源管理。
简介:以闽江沙溪流域2008—2012年水文站及雨量站的实测降水资料为基准数据,利用探测率、击中率、Heidke技巧评分指数、模糊评分、统计参数、降水重心等指标,对热带降水测量卫星(TRMM)的3B42V6和3B42V7两种降水产品进行精度检验和分析。结果表明:日尺度上,TRMM数据在多数情况下能比较准确预报降水是否发生,两种TRMM降水数据的探测率Pd、集中率FH、Heidke技巧评分指数的平均值都超过0.55,3B42V7的漏报率和空报率比3B42V6均有所降低;两种TRMM降水数据在不同降水量级的预测中精度由好到差依次为小雨、暴雨、大雨、中雨,其中小雨预报精度最好,达到良好水平以上,3B42V7的效果更好一点;两种TRMM数据与实测数据的一致性都比较好,其中3B42V6的数据均方根误差、偏差、相关系数都更小;月尺度上,3B42V6降水数据呈现旱季偏差大、雨季偏差小的特征,而3B42V7数据在全年的偏差都较小;年尺度上,两种TRMM数据的降水重心位置与实测数据的降水重心位置十分接近,纬度方向的变迁路径一致,TRMM数据的空间分布与实测数据比较吻合。
简介:[1]AiNanshan,1999.Makingforfractalphysiognomy.GeographyandTerritorialRes.,15(1):92-96.(inChinese)[2]AiNanshan,1993.FromMandelbrotlandscapetofractalphysiognomy.NatureJ.,16(1):13-17.(inChinese)[3]AiNanshan,ZhuZhijunetal.,1998.OnthestochasticnatureofexogenicprocessandthestabilityoffractionalBrownianlandscape.GeographicalResearch,17(1):23-29.(inChinese)[4]BBMandelbrot,1967.HowlongisthecoastofBritain?Statisticalself-similarityandfractaldimension.Science,150(3775):636-638.[5]ChenHui,GuoShichang,1997.ThemultifractalstudyofchangesofclimateinKunmingarea.ClimaticandEnvironmentResearch,2(4):261-268.(inChinese)[6]ChenYanguang,1999.Geography:thefailureofcomputionmotionandthegrowingupoffractalstudies.JournalofXinyangNormalUniversity(NaturalScienceEdition),12(3):310-314.(inChinese)[7]ChenYanguang,1997.Onfractalsandtouristlandscape.HumanGeography,12(1):62-66.(inChinese)[8]ChenYanguang,WangYimin,1999.Fractal,1/ffluctuationandtheaestheticessenceoftouristresorts.ExplorationofNature,18(3):51-54.(inChinese)[9]ChenYanguang,LiBaolin,2003.StudiesofthefractalnetworkcompositionofriversinJilinprovince,China.AdvanceinEarthSciences,18(2):178-184.(inChinese)[10]DingYizhong,LouYong,1998.Applicationoffractaltheoryintheevaluationontransportationnetwork.JournalofShanghaiMaritimeUniversity,19(4):7-12.(inChinese)[11]DingWenfeng,DingDengshan,2002.ThefractalfeaturesofsoilgranulestructurebeforeandaftervegetationdestructiononLoessPlateau.GeographicalResearch,21(6):700-706.(inChinese)[12]FengJinliang,ZhengLi,1997.Thesimpleanalysisofgeographicsignificanceoffractaldimensionofcoastline.MarineGeologyandQuaternaryGeology,17(1):35-51.(inChinese)[13]HuangGuilan,ZhengZhaobao,1995.Theapplicationoffuzzyclusteranalysisinimagetexturebasedonfractal.JournalofWuha
简介:本研究探讨地上、地下植物氮循环周期的改变如何影响地上植物的氮含量.用2个模拟实验分别探讨模拟地上植物氮库与地上、地下植物氮库循环周期的关系以及地上植物氮库与地上、地下植物氮交换的关系,是对Dijkstra模型的延伸和补充.模拟实验说明在植物与微生物存在氮竞争的情况下,会促使地上植物氮库短期迅速增长,但从长期来看仍保持不变.实验还说明地上、地下植物氮之间的再吸收、再转移的极端情形对地上植物中氮含量的长期影响非常小,但这些效果在短期是可观的.