CN109632738B - 一种评价湖库富营养化程度的方法 - Google Patents

一种评价湖库富营养化程度的方法 Download PDF

Info

Publication number
CN109632738B
CN109632738B CN201811569087.9A CN201811569087A CN109632738B CN 109632738 B CN109632738 B CN 109632738B CN 201811569087 A CN201811569087 A CN 201811569087A CN 109632738 B CN109632738 B CN 109632738B
Authority
CN
China
Prior art keywords
tsi
hix
water
calculated
calculation
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.)
Active
Application number
CN201811569087.9A
Other languages
English (en)
Other versions
CN109632738A (zh
Inventor
尚盈辛
宋开山
温志丹
刘阁
房冲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Institute of Geography and Agroecology of CAS
Original Assignee
Northeast Institute of Geography and Agroecology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Institute of Geography and Agroecology of CAS filed Critical Northeast Institute of Geography and Agroecology of CAS
Priority to CN201811569087.9A priority Critical patent/CN109632738B/zh
Publication of CN109632738A publication Critical patent/CN109632738A/zh
Application granted granted Critical
Publication of CN109632738B publication Critical patent/CN109632738B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N2021/6417—Spectrofluorimetric devices

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供了一种评价湖库富营养化程度的方法，本方法如下：第一、采样；第二、计算TSIM；第三、通过EEM‑FRI方法计算HIX；第四、得出HIX后拟合建立TSIM和HIX的相关性模型，可描述为TSIM＝1.9678×HIX+27.011，其中R2＝0.8745，N＝438，p<0.01；第五、用实测的TSIM与本发明中通过模型计算出的TSIM进行拟合建立模型，判断本发明提出的模型的可靠性。本发明的分析结果表明平均绝对百分误差(MAPE)仅为5.9％，实测TSIM值与本实验的计算值TSIM计算的比值为0.87，TSIM和HIX模型精度良好，依据本方法计算出的TSIM具有极高的可信度。

Description

一种评价湖库富营养化程度的方法
技术领域
本发明涉及湖库水环境评价领域，具体涉及一种通过计算修正的富营养化指数来评价湖库富营养化程度的方法。
背景技术
我国湖库水体的富营养化程度较为严重，严重影响了生态环境。湖泊富营养化评价就是通过与湖泊营养状态有关的一系列指标及指标间的相互关系，对湖泊的营养状态作出准确的判断。
目前评价方法大多是用溶解氧、浊度、叶绿素、BOD、COD、TN、TP、透明度等参数进行评价。这些方法都需要进行大量的实地测量，进行起来十分繁琐，同时对测量和分析的要求较高。另外进行数据处理时也存在缺点，包括富营养化评价用到的参数之间有高度相关性，因此，在富营养化评价时，要先去除它们之间的相关性，同时有些变量不服从正态分布。
以往我国湖泊富营养化评价的基本方法主要有营养状态指数法(卡尔森营养状态指数(TSI)、修正的营养状态指数(TSIM)、综合营养状态指数(TII))、营养度指数法和评分法。近年来，光学参数CDOM的荧光光谱测定具有快速、无催化、可以提取大量环境信息等的特性，使得CDOM三维荧光光谱技术在水质监测中得到了广泛的应用。
三维荧光光谱技术结合区域荧光积分法(EEM-FRI)方法可用于自然水体CDOM荧光区域的研究中，Yu等在2015年采用EEM-FRI方法对流经沈阳市的西河水样中DOM的结构组成进行了表征，分析了不同采样点的各区域荧光强度及分布特征，并采用多元分析PCA方法与水质参数建立了相关性。
因此，开发一种利用EEM-FRI方法计算HIX进而稳定快速精确地计算TSIM的方法已经成为湖库水环境评价领域研究的迫切需要。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种评价湖库富营养化程度的方法，该方法操作简单，结果准确，可信度高，可推广使用。
为解决上述技术问题，本发明采用的技术方案是：一种评价湖库富营养化程度的方法，其特征在于通过EEM-FRI方法计算的腐殖质参数HIX用于计算修正卡尔森指数TSIM进而评价湖库的富营养化程度的方法包括以下步骤：
步骤一、在长江流域、黄河流域、松花江流域、海河流域、辽河流域、珠江流域、淮河流域及青藏内流区采集734个水样，其中438个水样用于建立模型，296个水样用于验证模型，所述水样采集于湖库中央水面0.1m以下的位置，所述每个水样采集量均为2500mL，同时记录各采样点的GPS位置，并实地使用塞氏盘测量水体的透明度SDD，将水样保存于4℃的冰箱内冷藏并尽快运回实验室，到达实验室后用过滤膜过滤，得到734个待测水样；
步骤二、计算待测水样的修正卡尔森指数TSIM
在实验室用国家标准方法测量待测水样的总磷TP和叶绿素浓度Chla，待测水样的水体透明度SDD在采样时测量得到；
待测水样的修正的卡尔森指数TSIM通过以下计算公式计算：
Figure GDA0003015055400000021
Figure GDA0003015055400000022
Figure GDA0003015055400000023
TSIM＝0.54×TSIM(Chla)+0.297×TSIM(SDD)+0.163×TSIM(TP)；
步骤三、计算待测水样的腐殖质参数HIX
该方法可参照公开号CN108896507A中描述的方法，具体方法为使用日立F-7000荧光光度计测量待测水样的三维荧光光谱，荧光光度计的参数设定为：激发波长Ex为200～450nm，发射波长Em为250～600nm；激发狭缝宽带为5nm，发射狭缝宽带为5nm；PMT电压为700V。用荧光区域积分法FRI对三维荧光光谱进行定量分析，将三维荧光光谱区域划分为5个部分：
区域1的波长范围Ex/Em为(200nm～250nm)/(280nm～330nm)，F1代表酪氨酸类蛋白类物质的荧光强度；
区域2的波长范围Ex/Em为(200nm～250nm)/(330nm～380nm)，F2代表色氨酸类蛋白物质的荧光强度；
区域3的波长范围Ex/Em为(200nm～250nm)/(380nm～500nm)，F3代表富里酸类物质的荧光强度；
区域4的波长范围Ex/Em为(250nm～400nm)/(280nm～380nm)，F4代表溶解性微生物代谢产物的荧光强度；
区域5的波长范围Ex/Em为(250nm～400nm)/(380nm～500nm)，F5代表腐殖酸类物质的荧光强度；
其中Ex为激发波长，Em为发射波长；
计算公式如下：
Figure GDA0003015055400000031
HIX＝(F3+F5)/(F1+F2+F4)；
步骤四、构建TSIM和HIX的相关性，并建立模型
随机选取438个待测水样，由步骤二和步骤三可知438个待测水样的TSIM和HIX，以HIX为横坐标，TSIM为纵坐标，线性拟合TSIM和HIX构建TSIM和HIX的线性模型，拟合得到的线性模型公式：TSIM＝1.9678×HIX+27.011，其中R2＝0.8745，N＝438，p<0.01；
步骤五、验证步骤四得到的线性模型的可靠性
将剩余的296个待测水样根据步骤三中计算的HIX，带入步骤四中的线性模型公式TSIM＝1.9678×HIX+27.011中计算出296个待测水样的TSIM计算，与由步骤二中计算得到的296个TSIM实测进行线性拟合，构建TSIM计算和TSIM实测的线性模型，拟合得到的线性模型公式：TSIM计算＝0.8704×TSIM实测+6.6543(R2＝0.887，N＝296,p<0.01)；得到的该拟合模型中的数据点在回归线两侧均匀分布，依据该模型，通过实际计算的TSIM来验证模型的准确性；将这些TSIM计算与TSIM实测进行拟合分析，结果表明平均绝对百分误差(MAPE)仅为5.9％，TSIM计算与TSIM实测的比值为0.87，依据本实验方法计算出来的TSIM具有极高的可信度。
步骤六、评价湖库富营养化程度
通过计算得到的待测水样的HIX，代入步骤四中的线性模型计算出TSIM，通过判断标准：TSIM<30为贫营养状态；30≤TSIM≤50为中营养状态；TSIM>50为富营养状态；50<TSIM<60为轻度富营养状态；60<TSIM≤70为中度富营养状态；TSIM>70为重度富营养状态，在同一营养状态下，指数值越高，其营养程度越重，对湖库的富营养化进行评价。
本发明与现有技术相比具有以下优点：
1、本发明提供的方法操作简便，计算效率高，计算结果准确，可信度高，可推广使用。
2、本发明提供的方法使用了EEM-FRI方法来计算腐殖质参数HIX，将三维荧光光谱划分出五个荧光区域：类酪氨酸、类色氨酸、微生物作用产生的类蛋白、类腐殖酸和类富里酸区域，对其进行定量分析，进而根据公式得出HIX，这种方法操作简便，计算结果精确，干扰因素少。
3、本发明中通过实际计算出的TSIM与HIX进行拟合，得到拟合模型，通过所述拟合模型能快速计算出待评价水体的TSIM值，能节省大量的人力财力，仅需简单的测量计算便能评价湖库水体的富营养化程度。
4、本发明通过296个水样的实测计算数据来验证所得到的TSIM与HIX拟合模型的准确性，科学严谨地论证了该方法的可靠性和可操作性。
下面结合附图和实施例对本发明作进一步详细说明。
附图说明
图1是本发明中湖库采样点分布图。
图2是本发明中TSIM与HIX的相关性分析图。
图3是实际测算的TSIM与通过本发明方法计算的TSIM相关性分析图。
具体实施方式
本发明通过EEM-FRI方法计算的腐殖质参数HIX用于计算修正卡尔森指数TSIM进而评价湖库的富营养化程度的方法包括以下步骤：
步骤一、如图1所示，在长江流域、黄河流域、松花江流域、海河流域、辽河流域、珠江流域、淮河流域及青藏内流区采集734个水样，其中438个水样用于建立模型，296个水样用于验证模型，所述水样采集于湖库中央水面0.1m以下的位置，所述每个水样采集量均为2500mL，同时记录各采样点的GPS位置，并实地使用塞氏盘测量水体的透明度SDD，将水样保存于4℃的冰箱内冷藏并尽快运回实验室，到达实验室后用47μm的玻璃纤维微孔滤膜，得到734个待测水样；
步骤二、计算待测水样的修正卡尔森指数TSIM
在实验室用国家标准方法测量待测水样的总磷TP和叶绿素浓度Chla，待测水样的水体透明度SDD在采样时测量得到；
待测水样的修正的卡尔森指数TSIM通过以下计算公式计算：
Figure GDA0003015055400000051
Figure GDA0003015055400000052
Figure GDA0003015055400000053
TSIM＝0.54×TSIM(Chla)+0.297×TSIM(SDD)+0.163×TSIM(TP)；
步骤三、计算待测水样的腐殖质参数HIX
使用日立F-7000荧光光度计测量待测水样的三维荧光光谱，荧光光度计的参数设定为：激发波长Ex为200～450nm，发射波长Em为250～600nm；激发狭缝宽带为5nm，发射狭缝宽带为5nm；PMT电压为700V。用荧光区域积分法FRI对三维荧光光谱进行定量分析，将三维荧光光谱区域划分为5个部分：
区域1的波长范围Ex/Em为(200nm～250nm)/(280nm～330nm)，F1代表酪氨酸类蛋白类物质的荧光强度；
区域2的波长范围Ex/Em为(200nm～250nm)/(330nm～380nm)，F2代表色氨酸类蛋白物质的荧光强度；
区域3的波长范围Ex/Em为(200nm～250nm)/(380nm～500nm)，F3代表富里酸类物质的荧光强度；
区域4的波长范围Ex/Em为(250nm～400nm)/(280nm～380nm)，F4代表溶解性微生物代谢产物的荧光强度；
区域5的波长范围Ex/Em为(250nm～400nm)/(380nm～500nm)，F5代表腐殖酸类物质的荧光强度；
其中Ex为激发波长，Em为发射波长；
计算公式如下：
Figure GDA0003015055400000061
HIX＝(F3+F5)/(F1+F2+F4)；
步骤四、构建TSIM和HIX的相关性，并建立模型
如图2所示，随机选取438个待测水样，由步骤二和步骤三可知438个待测水样的TSIM和HIX，以HIX为横坐标，TSIM为纵坐标，线性拟合TSIM和HIX构建TSIM和HIX的线性模型，拟合得到的线性模型公式：TSIM＝1.9678×HIX+27.011，其中R2＝0.8745，N＝438，p<0.01；
步骤五、验证步骤四得到的线性模型的可靠性
如图3所示，将剩余的296个待测水样根据步骤三中计算的HIX，带入步骤四中的线性模型公式TSIM＝1.9678×HIX+27.011中计算出296个待测水样的TSIM计算，与由步骤二中计算得到的296个TSIM实测进行线性拟合，构建TSIM计算和TSIM实测的线性模型，拟合得到的线性模型公式：TSIM计算＝0.8704×TSIM实测+6.6543(R2＝0.887，N＝296,p<0.01)；得到的该拟合模型中的数据点在回归线两侧均匀分布，依据该模型，通过实际计算的TSIM来验证模型的准确性；将这些TSIM计算与TSIM实测进行拟合分析，结果表明平均绝对百分误差(MAPE)仅为5.9％，TSIM计算与TSIM实测的比值为0.87，由此可知本发明提供的方法计算出来的TSIM具有极高的可信度。
步骤六、评价湖库富营养化程度
通过计算得到的待测水样的HIX，代入步骤四中的线性模型计算出TSIM，通过判断标准：TSIM<30为贫营养状态；30≤TSIM≤50为中营养状态；TSIM>50为富营养状态；50<TSIM<60为轻度富营养状态；60<TSIM≤70为中度富营养状态；TSIM>70为重度富营养状态，在同一营养状态下，指数值越高，其营养程度越重，对湖库的富营养化进行评价。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制。凡是根据发明技术实质对以上实施例所作的任何简单修改、变更以及等效变化，均仍属于本发明技术方案的保护范围内。

Claims (2)

1.一种评价湖库富营养化程度的方法，其特征在于，通过EEM-FRI方法计算的腐殖质参数HIX用于计算修正卡尔森指数TSIM进而评价湖库的富营养化程度的方法包括以下步骤：
步骤一、在长江流域、黄河流域、松花江流域、海河流域、辽河流域、珠江流域、淮河流域及青藏内流区采集734个水样，其中438个水样用于建立模型，296个水样用于验证模型，所述水样采集于湖库中央水面0.1m以下的位置，所述每个水样采集量均为2500mL，同时记录各采样点的GPS位置，并实地测量水体的透明度SDD，将水样保存于4℃的冰箱内冷藏并尽快运回实验室，到达实验室后用过滤膜过滤，得到734个待测水样；
步骤二、计算待测水样的修正卡尔森指数TSIM
在实验室用国家标准方法测量待测水样的总磷TP和叶绿素浓度Chla，待测水样的水体透明度SDD在采样时测量得到；
待测水样的修正的卡尔森指数TSIM通过以下计算公式计算：
Figure FDA0003015055390000011
Figure FDA0003015055390000012
Figure FDA0003015055390000013
TSIM＝0.54×TSIM(Chla)+0.297×TSIM(SDD)+0.163×TSIM(TP)；
步骤三、计算待测水样的腐殖质参数HIX
使用荧光光度计测量待测水样的三维荧光光谱，并用荧光区域积分法FRI对三维荧光光谱进行定量分析，计算得出HIX，HIX的具体计算方法为：
使用日立F-7000荧光光度计测量待测水样的三维荧光光谱，荧光光度计的参数设定为：激发波长Ex为200～450nm，发射波长Em为250～600nm；激发狭缝宽带为5nm，发射狭缝宽带为5nm；PMT电压为700V；用荧光区域积分法FRI对三维荧光光谱进行定量分析，将三维荧光光谱区域划分为5个部分：
区域1的波长范围Ex/Em为(200nm～250nm)/(280nm～330nm)，F1代表酪氨酸类蛋白类物质的荧光强度；
区域2的波长范围Ex/Em为(200nm～250nm)/(330nm～380nm)，F2代表色氨酸类蛋白物质的荧光强度；
区域3的波长范围Ex/Em为(200nm～250nm)/(380nm～500nm)，F3代表富里酸类物质的荧光强度；
区域4的波长范围Ex/Em为(250nm～400nm)/(280nm～380nm)，F4代表溶解性微生物代谢产物的荧光强度；
区域5的波长范围Ex/Em为(250nm～400nm)/(380nm～500nm)，F5代表腐殖酸类物质的荧光强度；
其中Ex为激发波长，Em为发射波长；
计算公式如下：
Figure FDA0003015055390000021
HIX＝(F3+F5)/(F1+F2+F4)；
步骤四、构建TSIM和HIX的相关性，并建立模型
随机选取438个待测水样，由步骤二和步骤三可知438个待测水样的TSIM和HIX，以HIX为横坐标，TSIM为纵坐标，线性拟合TSIM和HIX构建TSIM和HIX的线性模型，拟合得到的线性模型公式：TSIM＝1.9678×HIX+27.011，其中R2＝0.8745，N＝438，p<0.01；
步骤五、验证步骤四得到的线性模型的可靠性
将剩余的296个待测水样根据步骤三中计算的HIX，带入步骤四中的线性模型公式TSIM＝1.9678×HIX+27.011中计算出296个待测水样的TSIM计算，与由步骤二中计算得到的296个TSIM实测进行线性拟合，构建TSIM计算和TSIM实测的线性模型，拟合得到的线性模型公式：TSIM计算＝0.8704×TSIM实测+6.6543(R2＝0.887，N＝296,p<0.01)；得到的该拟合模型中的数据点在回归线两侧均匀分布，依据该模型，通过实际计算的TSIM来验证模型的准确性；将这些TSIM计算与TSIM实测进行拟合分析，结果表明平均绝对百分误差(MAPE)仅为5.9％，TSIM计算与TSIM实测的比值为0.87，依据本实验方法计算出来的TSIM具有极高的可信度；
步骤六、评价湖库富营养化程度
通过计算得到的待测水样的HIX，代入步骤四中的线性模型计算出TSIM，通过判断标准：TSIM<30为贫营养状态；30≤TSIM≤50为中营养状态；TSIM>50为富营养状态；50<TSIM<60为轻度富营养状态；60<TSIM≤70为中度富营养状态；TSIM>70为重度富营养状态，在同一营养状态下，指数值越高，其营养程度越重，对湖库的富营养化进行评价。
2.根据权利要求1所述的一种评价湖库富营养化程度的方法，所述步骤一中取样时使用塞氏盘测量水体透明度SDD。
CN201811569087.9A 2018-12-21 2018-12-21 一种评价湖库富营养化程度的方法 Active CN109632738B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811569087.9A CN109632738B (zh) 2018-12-21 2018-12-21 一种评价湖库富营养化程度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811569087.9A CN109632738B (zh) 2018-12-21 2018-12-21 一种评价湖库富营养化程度的方法

Publications (2)

Publication Number Publication Date
CN109632738A CN109632738A (zh) 2019-04-16
CN109632738B true CN109632738B (zh) 2021-06-11

Family

ID=66076113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811569087.9A Active CN109632738B (zh) 2018-12-21 2018-12-21 一种评价湖库富营养化程度的方法

Country Status (1)

Country Link
CN (1) CN109632738B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113340914B (zh) * 2021-06-17 2022-04-08 重庆大学 一种基于高光谱遥感的水体富营养化状态测算方法
CN114705632B (zh) * 2021-11-18 2024-02-06 中林信达（北京）科技信息有限责任公司 一种利用卫星遥感反射率估算水库营养状态指数的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004121034A (ja) * 2002-09-30 2004-04-22 Ohbayashi Corp 樹林地の保全方法
CN106501196A (zh) * 2016-10-13 2017-03-15 中国科学院南京地理与湖泊研究所 一种基于水体吸收系数的湖泊富营养化评价方法
CN108614086A (zh) * 2018-05-02 2018-10-02 中国科学院东北地理与农业生态研究所 一种评价湖泊富营养化的方法
CN108896507A (zh) * 2018-08-06 2018-11-27 中国科学院东北地理与农业生态研究所 估算河流腐殖化指数的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004121034A (ja) * 2002-09-30 2004-04-22 Ohbayashi Corp 樹林地の保全方法
CN106501196A (zh) * 2016-10-13 2017-03-15 中国科学院南京地理与湖泊研究所 一种基于水体吸收系数的湖泊富营养化评价方法
CN108614086A (zh) * 2018-05-02 2018-10-02 中国科学院东北地理与农业生态研究所 一种评价湖泊富营养化的方法
CN108896507A (zh) * 2018-08-06 2018-11-27 中国科学院东北地理与农业生态研究所 估算河流腐殖化指数的方法

Also Published As

Publication number Publication date
CN109632738A (zh) 2019-04-16

Similar Documents

Publication Publication Date Title
Zhang et al. Characteristics and sources of chromophoric dissolved organic matter in lakes of the Yungui Plateau, China, differing in trophic state and altitude
CN106442441B (zh) 基于荧光光谱积分比值判定有色可溶性有机物来源的方法
CN112881353B (zh) 一种测定水体中溶解性有机碳浓度的方法和装置
CN100514060C (zh) 水体化学需氧量在线虚拟监测方法
CN109632738B (zh) 一种评价湖库富营养化程度的方法
CN104899419A (zh) 一种淡水水体中氮和/或磷含量检测的方法
Copetti et al. Direct measurement of nutrient concentrations in freshwaters with a miniaturized analytical probe: evaluation and validation
CN108896507B (zh) 估算河流腐殖化指数的方法
Liu et al. Tracing sources of oilfield wastewater based on excitation-emission matrix fluorescence spectroscopy coupled with chemical pattern recognition techniques
CN113658640B (zh) 一种淡水生态系统健康评价方法
Ofogh et al. Effect of seasonal variability on the development and application of a novel Multimetric Index based on benthic macroinvertebrate communities–A case study from streams in the Karun river basin (Iran)
Shen et al. Spectroscopic and compositional profiles of dissolved organic matters in urban snow from 2019 to 2021: Focusing on pollution features identification
CN115575363B (zh) 一种获取生态影响机制的方法及系统
Cao et al. Nutrient detection sensors in seawater based on ISI web of science database
JP7084577B2 (ja) 窒素分定量方法、窒素分定量装置
CN112557614A (zh) 一种区域海洋生物指数和污染承载指数的评价方法
Dontu et al. Spatial and temporal variability of organic matter from an urban lake
Lei Collection of multiscale hydrological information and water quality evaluation methods of Wuhan East Lake scenic spot.
CN111126782A (zh) 基于碳代谢速率评估河流源区减水河段环境流量的方法
CN115201173B (zh) 基于三维荧光的水中阴离子表面活性剂测定方法
Sighicelli et al. An innovative and high-speed technology for seawater monitoring of Asinara Gulf (Sardinia-Italy)
Jackson Exploring Surface and Subsurface Physical/Biogeochemical Pathways within a Constructed Stormwater Wetland
CN114674793A (zh) 基于光谱电化学的水污染源解析方法、装置及设备
CN115112862A (zh) 基于土壤线虫完整性指数的土壤生态损害基线确定方法
Michaelis et al. Testing pore-water sampling, dissolved oxygen profiling and temperature monitoring for resolving dynamics in hyporheic zone geochemistry

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