湖库水体富营养化的评价与模拟研究——以深圳铁岗水库为例

摘要

水体富营养化是当今社会所面临的严重环境问题之一，开展水质评价，模拟不同湖库水域空间污染特征及富营养化状态，对有效防控水体富营养化和改善水环境质量具有重要意义。铁岗水库是深圳宝安区的重要饮用水源水库，有“深圳水缸”之称，其水质的优劣直接影响到当地的民生发展。为了解铁岗水库的浮游植物特征和富营养化状态，本研究对铁岗水库的10个采样点的浮游植物和理化指标进行了为期一年的监测分析。首先，通过灰色聚类法评价了水库的富营养化等级，然后，利用典范对应分析和相关分析探究影响浮游植物群落结构变化的关键因子及其与叶绿素a的关系，接着建立遗传算法改进的BP神经网络模型，模拟和预测富营养化关键因子叶绿素a的动态，最终，根据模拟结果提出防控建议。主要的研究结果如下:
　　1、铁岗水库全年各点的富营养化水平均处于轻度富营养化，在空间上，水库入水口至出水口的水质表现为越来越好，库尾由于外源污染而导致富营养化水平高于其他区域。
　　2、铁岗水库浮游植物种类多样，全年共鉴定有56属，其中包括绿藻门25属，硅藻门15属，蓝藻门16属，甲藻门2属，裸藻门1属。在大部分调查时间内，以蓝藻门的相对丰度占绝对优势，在属水平上，春季和秋季以鞘丝藻属为优势种类，夏季以伪鱼腥藻属为优势种类，而硅藻门的直链藻在冬季的优势度较高，总体而言，丰度变化呈夏季高冬季低的趋势。相关性分析显示铁岗水库浮游植物总体丰度以及各门类在相对丰度较高时与叶绿素a浓度呈显著正相关。典范对应分析结果显示浮游植物群落动态主要受温度、TOC、pH、氨氮的影响。
　　3、通过灰色关联度法筛选的关键环境因子TOC、TN、TP与叶绿素a建立BP神经网络，5周内的预测效果达到理想目标，模拟叶绿素a对其驱动因子的压力响应结果显示，TN的减少能够快速降低叶绿素a浓度。
　　主要结论有:灰色聚类法评价水体富营养化准确、客观、实用;浮游植物各门类在成为优势种时对叶绿素a的贡献度最高;影响铁岗水库浮游植物群落动态的关键环境因子是温度，其次是总有机碳等;BP神经网络短期预测效果较好，削减TN是控制铁岗水库富营养化进程最快速有效的手段。

目录

声明

摘要

1 绪论

1．1 水库生态系统概述

1．2 水库富营养化

1．3 湖库富营养化评价

1．3．1 特征法

1．3．2 参数法

1．3．3 营养状态指数法

1．3．4 生物评价法

1．3．5 数学评价法

1．4 浮游植物的生态学意义

1．4．1 浮游植物的定义及其生态作用

1．4．2 浮游植物的分类及特征

1．4．3 浮游植物群落的结构变化及其影响因素

1．4．4 浮游植物与富营养化的关系

1．5 神经网络在水生态系统中的应用

1．5．1 神经网络概况

1．5．2 BP神经网络在水体富营养化中的应用

1．6 本研究的内容与目的、意义

1．6．1 研究内容

1．6．2 研究目的与意义

1．6 技术路线

2 材料与方法

2．1 水库概况

2．2 采样点设置与采样时间

2．3 理化指标的分析方法

2．4 藻类样品的采集与鉴定

2．5 数据分析及建模

3 聚类分析法评价水库富营养化

3．1 前言

3．2 数据分析

3．3 灰色聚类分析评价富营养化的数学模型

3．3．1 确定聚类指标和灰类并进行数据的无量纲化处理

3．3．2 确定白化函数

3．3．3 各参数聚类权重的计算

3．3．4 求聚类系数及聚类结果

3．3．5 与综合营养状态指数方法和营养状态评分法的比较

3．4 结果

3．5 讨论

3．6 小结

4 浮游植物群落特征及其影响因素

4．1 前言

4．2 数据分析

4．3 结果与分析

4．3．1 浮游植物

4．3．2 环境因子的时空变化

4．3．3 浮游植物与环境因子之间的CCA分析

4．3．4 浮游植物丰度与叶绿素a的关系

4．5 讨论

4．5．1 水库水质状况

4．5．2 浮游植物群落结构与环境因子之间的关系

4．5．3 浮游植物丰度与叶绿素a的关系

4．6 小结

5 基于人工神经网络的富营养化进程模拟和污染控制对策

5．1 前言

5．2 数据分析

5．2．1 采样点设置和测定

5．2．2 数据的预处理

5．2．3 遗传算法优化BP神经网络模型的构建和应用

5．3 结果与分析

5．3．1 网络输入变量的筛选

5．3．2 神经网络模拟Chl-a

5．3．3 神经网络泛化能力检验

5．3．4 叶绿素a的压力响应模拟

5．4 讨论

5．5 小结

6 结论与展望

6．1 主要结论

6．2 展望

参考文献

在校期间参与的科研项目

致谢