一種基于局部風(fēng)速的大型淺水湖泊水華微囊藻垂向分布模式的判別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種大型淺水湖泊中水華分布的判別方法，特別是涉及一種基于局部 風(fēng)速的微囊藻水華垂向分布模式的判別方法。
【背景技術(shù)】
[0002] 藍(lán)藻水華的發(fā)生經(jīng)常表現(xiàn)為"突發(fā)性"，這種"突發(fā)性"主要源于水華藍(lán)藻在水體內(nèi) 的水平和垂直迀移。為應(yīng)對(duì)這種移動(dòng)性的藍(lán)藻水華，監(jiān)測(cè)工作通常要提高監(jiān)測(cè)頻率，以跟蹤 水華藍(lán)藻在時(shí)空范圍內(nèi)的變動(dòng)。但是由于水華藍(lán)藻時(shí)空范圍內(nèi)變動(dòng)的速度較快，傳統(tǒng)的監(jiān) 測(cè)方法很難達(dá)到如此高的監(jiān)測(cè)頻率。近年來(lái)廣泛應(yīng)用的遙感方法為這種監(jiān)測(cè)提供了解決方 案，其可以提供每天兩次的遙感分布影像，但是其也僅僅跟蹤了表層水華藍(lán)藻的水平迀移， 對(duì)于垂直分布仍缺乏有效的解決方法。
[0003] 藍(lán)藻水華，特別是微囊藻水華的垂向分布受水深、距岸距離、風(fēng)速和水動(dòng)力等的影 響。在大型淺水湖泊中，水深較淺，基本不存在穩(wěn)定的水體成層過(guò)程，同時(shí)敞水區(qū)寬闊，水體 整體流速較緩，因此水深、水動(dòng)力和距岸距離等對(duì)水華微囊藻垂向分布的影響有限。局部風(fēng) 速由于其在時(shí)空上的多變性，決定了水華微囊藻的垂向分布模式。通常來(lái)講，當(dāng)風(fēng)速較小 時(shí)，水華微囊藻在自身浮力的作用下上浮到水體表面，導(dǎo)致表層生物量迅速堆積；當(dāng)風(fēng)速較 大時(shí)，在風(fēng)浪擾動(dòng)作用下，水華微囊藻趨向于在水體中均勻分布。而且已有研究表明，表層 藍(lán)藻占比與風(fēng)速具有顯著的相關(guān)性。因此，對(duì)大型淺水湖泊而言，基于風(fēng)速預(yù)測(cè)水華微囊藻 垂向分布具有可行性。
[0004] 根據(jù)藍(lán)藻垂向運(yùn)動(dòng)規(guī)律，構(gòu)建基于風(fēng)速條件的水華微囊藻垂向分布模式判別方 法，對(duì)于提高水華藍(lán)藻的監(jiān)測(cè)水平具有重要的實(shí)用價(jià)值，若結(jié)合遙感表層藍(lán)藻檢測(cè)手段，可 以實(shí)現(xiàn)水華藍(lán)藻總量的計(jì)算與評(píng)估，對(duì)于提升藍(lán)藻水華的預(yù)測(cè)預(yù)警的精度、構(gòu)建有害藍(lán)藻 的處置方法、提高環(huán)境管理部門的決策能力等方面都具有重要的現(xiàn)實(shí)意義。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于局部風(fēng)速條件的大型淺水湖泊水華微囊藻垂向 分布模式判別方法，從而實(shí)現(xiàn)水華微囊藻垂向分布模式的快速定量識(shí)別。
[0006] 概括地，本發(fā)明運(yùn)用實(shí)際監(jiān)測(cè)數(shù)據(jù)，構(gòu)建描述水華微囊藻垂向分布的統(tǒng)一函數(shù)，統(tǒng) 一函數(shù)系數(shù)以包括風(fēng)速在內(nèi)的環(huán)境變量為自變量;對(duì)于大型淺水湖泊，風(fēng)速作為主要影響 因子，其單因素貢獻(xiàn)超過(guò)90%，據(jù)此構(gòu)建風(fēng)速與水華微囊藻垂向分布模式的函數(shù)，通過(guò)函數(shù) 的整合與優(yōu)化，最終形成基于風(fēng)速的垂向分布經(jīng)驗(yàn)預(yù)測(cè)模型。
[0007] 為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用如下技術(shù)方案：
[0008] -種基于局部風(fēng)速條件的大型淺水湖泊夏季水華微囊藻垂向分布模式判別方法， 其特征在于:在微囊藻水華湖區(qū)布設(shè)監(jiān)測(cè)點(diǎn)，于夏季藍(lán)藻水華發(fā)生期在不同風(fēng)速條件下進(jìn) 行分層水樣采集，利用化學(xué)分析方法和/或鏡檢方法測(cè)定不同水層中藻類生物量占總生物 量的比例;選擇回歸函數(shù)并采用AICc標(biāo)準(zhǔn)進(jìn)行篩選，將該比例作為因變量構(gòu)建不同風(fēng)速條 件下藻類垂向分布模式的統(tǒng)一函數(shù);提取統(tǒng)一函數(shù)系數(shù)，運(yùn)用一般加性模型篩選影響函數(shù) 系數(shù)主要因子，確定風(fēng)速作為主要因子的貢獻(xiàn)和閾值，并采用回歸分析方法確定統(tǒng)一函數(shù) 系數(shù)與風(fēng)速的關(guān)系函數(shù);實(shí)現(xiàn)基于局部風(fēng)速條件的大型淺水湖泊夏季水華微囊藻垂向分布 模式判別。
[0009]所述的方法步驟如下：
[0010] 1.利用色素分析和/或藻類鑒定確定水華微囊藻的垂向分布模式 [0011]基于微囊藻水華常見區(qū)設(shè)定監(jiān)測(cè)點(diǎn)，確保不同水深和距岸距離均有點(diǎn)位設(shè)置，同 時(shí)兼顧不同水華強(qiáng)度。于夏季藍(lán)藻水華發(fā)生期，利用分層采樣器進(jìn)行不同風(fēng)速條件下的分 層采樣，分層設(shè)置根據(jù)由水表層向下逐漸加大分層間距的原則設(shè)置。采樣同時(shí)測(cè)定不同環(huán) 境變量，如風(fēng)速、即時(shí)流速、水深、溫度等指標(biāo)。
[0012] 通過(guò)色素分析和藻類鑒定測(cè)定藻類生物量，以確定不同風(fēng)速條件下的藻類垂向分 布模式。色素的測(cè)定包括葉綠素 a和藻藍(lán)素含量分析，采用熒光光譜分析方法;藻類鑒定采 用鏡檢計(jì)數(shù)方法。
[0013] 根據(jù)不同水層中藻類生物量占總生物量比例，繪制不同風(fēng)速條件下的藻類垂向分 布模式的散點(diǎn)圖，得到藻類垂向分布模式。所述的藻類生物量可采用葉綠素 a含量、藻藍(lán)素 含量和/或鏡檢計(jì)數(shù)生物量，可以代表水華微囊藻的生物量(本說(shuō)明書中，如非特別說(shuō)明，以 簡(jiǎn)稱"藻類"指代"水華微囊藻"）。
[0014] 2.藻類垂向分布模式統(tǒng)一函數(shù)的構(gòu)建
[0015] 根據(jù)不同風(fēng)速條件下的藻類垂向分布模式的散點(diǎn)圖，采用局部加權(quán)回歸方法 (Loess)繪制藻類生物量沿水深的分布曲線，初步判定藻類垂向分布模式。根據(jù)初步判定的 垂向分布曲線形狀，構(gòu)建多種可能的回歸函數(shù)，并利用AICc標(biāo)準(zhǔn)選擇最優(yōu)回歸函數(shù)模型作 為分布模式的統(tǒng)一函數(shù)。
[0016] (a)垂向分布模式的判定
[0017] 繪制不同風(fēng)速條件下的藻類垂向分布模式的散點(diǎn)圖，采用局部加權(quán)回歸方法 (Loess)繪制藻類生物量沿水深的分布曲線，初步判定藻類垂向分布模式。
[0018] (b)統(tǒng)一函數(shù)的構(gòu)建
[0019] 根據(jù)初步判定的垂向分布曲線形狀，構(gòu)建多種可能的回歸函數(shù)，將實(shí)際測(cè)得的數(shù) 值代入回歸函數(shù)進(jìn)行模型篩選，利用AICc標(biāo)準(zhǔn)選擇最優(yōu)模型。
[0020] 對(duì)于大型淺水湖泊，最優(yōu)模型為式(1):
[0022]其中y為不同水深水華微囊藻占整個(gè)水柱藻類總量的百分比，X為水深。
[0023] (c)統(tǒng)一函數(shù)的診斷
[0024] 首先利用回歸值與殘差的散點(diǎn)圖來(lái)檢驗(yàn)?zāi)Ｐ偷莫?dú)立性，如果散點(diǎn)圖沒(méi)有明顯的變 化趨勢(shì)則接受模型的獨(dú)立性，如果殘差具有明顯的變化趨勢(shì)，則不接受其獨(dú)立性。結(jié)果表 明，該統(tǒng)一函數(shù)模型具有獨(dú)立性，且不受個(gè)別異常數(shù)據(jù)的影響。
[0025] 3.統(tǒng)一函數(shù)系數(shù)與風(fēng)速關(guān)系函數(shù)的構(gòu)建
[0026] 統(tǒng)一函數(shù)確立后，提取不同風(fēng)速條件的統(tǒng)一函數(shù)系數(shù)作為因變量，將包括風(fēng)速在 內(nèi)的環(huán)境變量作為自變量，運(yùn)用一般加性回歸模型進(jìn)行逐步回歸分析，確定風(fēng)速對(duì)統(tǒng)一函 數(shù)系數(shù)的貢獻(xiàn)，同時(shí)利用一般加性回歸模型的連接函數(shù)確定風(fēng)速的閾值，然后選擇回歸函 數(shù)并采用AICc標(biāo)準(zhǔn)進(jìn)行篩選，構(gòu)建統(tǒng)一函數(shù)系數(shù)與風(fēng)速的關(guān)系函數(shù)。
[0027] (a)統(tǒng)一函數(shù)系數(shù)的提取
[0028] 統(tǒng)一函數(shù)獲取后，將不同風(fēng)速條件下的實(shí)測(cè)數(shù)據(jù)輸入統(tǒng)一函數(shù)，獲取特定風(fēng)速下 的特定函數(shù)，并將特定函數(shù)系數(shù)提取，構(gòu)建統(tǒng)一函數(shù)系數(shù)與風(fēng)速數(shù)據(jù)表。
[0029] (b)風(fēng)速對(duì)統(tǒng)一函數(shù)系數(shù)的貢獻(xiàn)和閾值的確定
[0030] 將統(tǒng)一函數(shù)系數(shù)作為因變量，環(huán)境變量作為自變量，所述的環(huán)境變量至少包括溫 度、水深、距岸距離、風(fēng)速、流速等，運(yùn)用一般加性回歸模型(Generalized additive model， GAM)，進(jìn)行逐步回歸分析，確定風(fēng)速對(duì)函數(shù)系數(shù)的貢獻(xiàn)，同時(shí)利用一般加性回歸模型的連接 函數(shù)確定風(fēng)速的閾值。
[0031] 結(jié)果表明，對(duì)于大型淺水湖泊，上述環(huán)境變量中風(fēng)速對(duì)函數(shù)系數(shù)的貢獻(xiàn)最大，單因 素貢獻(xiàn)超過(guò)90%，因此可以據(jù)此建立基于風(fēng)速的統(tǒng)一函數(shù)系數(shù)模型。而且，根據(jù)加性模型連 接函數(shù)可以發(fā)現(xiàn)：當(dāng)風(fēng)速超過(guò)某一值時(shí)，水華微囊藻在水體垂向分布上呈現(xiàn)均勻分布，進(jìn)一 步增大風(fēng)速對(duì)其分布沒(méi)有影響，該風(fēng)速即為閾值，統(tǒng)一函數(shù)系數(shù)在風(fēng)速超過(guò)閾值時(shí)將不再 變化。
[0032] (c)統(tǒng)一函數(shù)系數(shù)與風(fēng)速關(guān)系函數(shù)的構(gòu)建
[0033]將統(tǒng)一函數(shù)中的系數(shù)作為因變量，風(fēng)速作為自變量，構(gòu)建統(tǒng)一函數(shù)系數(shù)與風(fēng)速的 關(guān)系函數(shù)。該關(guān)系函數(shù)的構(gòu)建仍采