CN109752502A - 建立景观水体表观污染分类模型的方法、景观水体表观污染分类方法 - Google Patents
建立景观水体表观污染分类模型的方法、景观水体表观污染分类方法 Download PDFInfo
- Publication number
- CN109752502A CN109752502A CN201910086767.3A CN201910086767A CN109752502A CN 109752502 A CN109752502 A CN 109752502A CN 201910086767 A CN201910086767 A CN 201910086767A CN 109752502 A CN109752502 A CN 109752502A
- Authority
- CN
- China
- Prior art keywords
- water
- apparent
- water body
- type
- pollution
- 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.)
- Pending
Links
Landscapes
- Sampling And Sample Adjustment (AREA)
Abstract
本发明公开了一种建立景观水体表观污染分类模型的方法及分类方法,首先定义不同表观污染类型,依据定义选取采样点进行水样采集、测定、积累数据,然后在对各指标理论分析基础上采用统计学方法对积累数据量进行归纳分析,识别不同表观污染类型特征指标或特征值,确定不同表观污染类型特征指标及其阈值范围,其次依据特征指标及其阈值范围构建城市景观水体表观污染分类方法,最后反复选取不同采样点收集数据对构建表观污染分类方法进行吻合率验证及阈值修正,直至吻合率达到90%以上,初步完成表观污染分类方法构建,将城市景观水体表观污染分为有机主导型、无机主导型、营养主导型和混合型。
Description
技术领域
本发明涉及景观水体分类技术领域,具体涉及一种建立景观水体表观污染分类模型的方法及景观水体表观污染分类方法。
背景技术
城市景观水体表观污染是指由于人类活动的影响,污染物进入水体后,在各种外部因素的影响下,导致水体呈现浑浊、异色、嗅味等引起人体感官不适的现象。
随着城市的发展,城市水体饮用水功能、航道功能等逐渐消失,景观功能成为其基本功能,但由于城市景观水体表观污染的存在,城市水体景观功能也在逐渐消失,城市景观水体表观污染已严重影响城市形象,影响城市居民生活幸福感和愉悦感,因此国家水十条对恢复城市景观水体的基础的景观功能作出明确要求。
目前针对城市景观水体表观污染问题,现有技术不能对城市景观水体表观污染成因进行分析,不能明确造成城市景观水体表观污染现象的直接原因,无法对城市景观水体表观污染的预防策略和修复方案的制定给出科学性的理论依据和建议。
发明内容
本发明要解决的技术问题是提供一种适用于城市景观水体的表观污染分类方法,为城市景观水体表观污染预防策略的制定,修复方案的提出,提供科学的理论依据及建议。
为了解决上述技术问题,本发明提供了一种建立景观水体表观污染分类模型的方法,其特征在于,包括以下步骤:
步骤一:定义表观污染类型为有机主导型、无机主导型、营养主导型和混合型四类;
步骤二:根据观察及步骤一定义的表观污染类型选取对应的采样点,使水样被初始分类,每个类型的水样至少有一种,同时记录采样现场指标、对采集到的水样进行测定及收集特征数据;
步骤三:根据初始分类,按类型提取每种水样的特征数据,在水样初始分类的基础上,训练得到水体分类的初始分类模型,确定水体分类的特征指标及特征指标的阈值范围;
步骤四:采集水样对步骤三得到的水体初始分类模型进行吻合率验证,并修正特征指标及特征指标的阈值范围;
步骤五:重复步骤四,直至验证结果吻合率达到90%以上。
进一步的,步骤一中对所述有机主导型的定义为水体污染物主要为有机物,包括水体黑臭现象或者藻类过度繁殖所导致的水华现象,水体呈现黑色、墨绿色。
进一步的,步骤一中对所述无机主导型的定义为水体污染物主要为无机颗粒物,水体浊度高,水体呈现黄色、土黄色。
进一步的,步骤一中对所述营养主导型的定义为水体污染物主要为无机营养物,水体清澈。
进一步的,步骤一中对所述混合型的定义为水体污染物包括无机物、有机物和无机营养物,在外部环境改变的前提下具有向有机主导型、无机主导型、营养主导型中任一类型转变的特点,水体呈现灰色、灰绿色。
进一步的,步骤三中确定的特征指标包括氧化还原电位、溶解氧与饱和溶解氧比值、叶绿素a、单位浊度有机物含量以及浊度。
进一步的,高锰酸盐指数测定时,对水样进行充分混匀且避免过滤。
进一步的,步骤四中吻合率为:采集不同于步骤二中的水样,利用步骤三中的初始分类模型针对该水样进行分类,判断每种水样的分类结果是否具有唯一性的统计值。
本发明的建立景观水体表观污染分类模型的方法与现有技术相比的有益效果是:能够简单、便捷、准确的获取景观水体表观污染分类方法指标体系数据。
一种景观水体表观污染分类方法,包括以下步骤:
步骤一:定义表观污染类型为有机主导型、无机主导型、营养主导型和混合型四类;
步骤二:根据观察及步骤一定义的表观污染类型选取对应的采样点,使水样被初始分类,每个类型的水样至少有一种,同时记录采样现场指标、对采集到的水样进行测定及收集特征数据;
步骤三:根据初始分类,按类型提取每种水样的特征数据,在水样初始分类的基础上,训练得到水体分类的初始分类模型,确定水体分类的特征指标及特征指标的阈值范围;
步骤四:根据步骤三确定的水体分类的特征指标及特征指标的阈值范围,对采集的水样进行分类,构建出对景观水体表观污染分类的方法;
步骤五:采集水样对步骤四得到的景观水体表观污染分类方法进行吻合率验证,并修正特征指标及特征指标的阈值范围;
步骤六:重复步骤五,直至验证结果吻合率达到90%以上;
步骤七:根据步骤六的结果,确定景观水体表观污染分类方法。
如权利要求9所述的景观水体表观污染分类方法,其特征在于,步骤五中水样采集的地点与步骤二中水样采集的地点不同。
本发明的景观水体表观污染分类方法与现有技术相比的有益效果是:能够用于预防城市景观水体表观污染现象的出现,便于城市景观水体管理者管理;可用于城市景观水体表观污染修复工程,明确表观污染类型,提出针对性的表观污染修复方案,节省时间经济成本。
附图说明
图1是本发明的景观水体表观污染分类方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参照图1所示,本发明的一种建立景观水体表观污染分类模型的方法的一实施例,包括以下步骤:
步骤一:定义表观污染类型为有机主导型、无机主导型、营养主导型和混合型四类;
步骤二:根据观察及步骤一定义的表观污染类型选取对应的采样点,使水样被初始分类,每个类型的水样至少有一种,同时记录采样现场指标、对采集到的水样进行测定及收集特征数据;本实施例中,以苏州水系为研究对象,进行水样测定,数据收集;
步骤三:根据初始分类,按类型提取每种水样的特征数据,在水样初始分类的基础上,训练得到水体分类的初始分类模型,确定水体分类的特征指标及特征指标的阈值范围;本实施例中的训练方式为依据测定指标所反映水体特征,并基于统计学方法归纳分析,确定确定不同表观污染类型的特征指标及特征指标的阈值范围;
步骤四:采集水样对步骤三得到的水体初始分类模型进行吻合率验证,并修正特征指标及特征指标的阈值范围;
步骤五:重复步骤四,直至验证结果吻合率达到90%以上。进行多次吻合率验证,提高分类方法可靠性。
本实施例中,对步骤一种各类型的定义根据文献调研及现有关于表观污染研究基础上进行,具体的,步骤一中对所述有机主导型的定义为水体污染物主要为有机物,包括水体黑臭现象或者藻类过度繁殖所导致的水华现象,水体呈现黑色、墨绿色;对所述无机主导型的定义为水体污染物主要为无机颗粒物,水体浊度高,水体呈现黄色、土黄色;对所述营养主导型的定义为水体污染物主要为无机营养物,水体清澈,表观良好具有景观观赏性;对所述混合型的定义为水体污染物包括无机物、有机物和无机营养物,在外部环境改变的前提下具有向有机主导型、无机主导型、营养主导型中任一类型转变的特点,水体呈现灰色、灰绿色。
本实施例中,步骤二中现场指标包括:溶解氧(DO)、氧化还原电位(ORP)、温度(T)、浊度(Tur);水样测定内容包括:高锰酸盐指数(Im)、叶绿素a(Chla);特征数据包括:饱和溶解氧(DOs);计算特征值包括:DO/DOs、Im/Tur。根据步骤二中提取的数据,步骤三中确定的特征指标包括有机主导型表观污染水体特征指标:氧化还原电位(ORP)、溶解氧与饱和溶解氧比值(DO/DOs)以及叶绿素a(Chla),依据氧化还原电位(ORP)能够反应水体的氧化还原状态,因此选取ORP作为黑臭水体特征指标,DO/DOs(溶解氧与饱和溶解氧比值)特征值及叶绿素a(Chla)作为水华水体指标;无机主导型表观污染水体特征指标:Im/Tur(单位浊度有机物含量),其比值越大,无机物含量越少,比值越小,无机物含量越多,能够侧面反应水体中无机物含量;营养主导型表观污染水体特征指标:浊度(Tur)和叶绿素a(Chla),营养主导型表观污染水体,表观污染程度轻,具有景观观赏性,因此选用浊度(Tur)反应水体清澈程度、叶绿素(Chla)反应水体颜色,共同作为营养主导型特征指标;混合型表观污染水体:采用排除法,将其它表观污染水体归为混合型表观污染水体,因此混合型水体不需特征指标。本实施例中,为使Im/Tur更加准确反映水体中无机物含量,对于步骤2高锰酸盐指数(Im)测定方法做出修改:高锰酸盐指数测定时,对水样进行充分混匀且避免过滤。
步骤四中吻合率为:采集不同于步骤二中的水样,利用步骤三中的初始分类模型针对该水样进行分类,判断每种水样的分类结果是否具有唯一性的统计值,采集不同的水样,使用全新数据进行验证,确保验证结果的准确。
一种景观水体表观污染分类方法,其特征在于,包括以下步骤:
步骤一:定义表观污染类型为有机主导型、无机主导型、营养主导型和混合型四类;
步骤二:根据观察及步骤一定义的表观污染类型选取对应的采样点,使水样被初始分类,每个类型的水样至少有一种,同时记录采样现场指标、对采集到的水样进行测定及收集特征数据;
步骤三:根据初始分类,按类型提取每种水样的特征数据,在水样初始分类的基础上,训练得到水体分类的初始分类模型,确定水体分类的特征指标及特征指标的阈值范围;
步骤四:根据步骤三确定的水体分类的特征指标及特征指标的阈值范围,对采集的水样进行分类,构建出对景观水体表观污染分类的方法;
步骤五:采集水样对步骤四得到的景观水体表观污染分类方法进行吻合率验证,并修正特征指标及特征指标的阈值范围;其中水样采集的地点与步骤二中水样采集的地点不同,保证采用全新的数据进行验证。
步骤六:重复步骤五,直至验证结果吻合率达到90%以上;
步骤七:根据步骤六的结果,确定景观水体表观污染分类方法,并正式提出。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种建立景观水体表观污染分类模型的方法,其特征在于,包括以下步骤:
步骤一:定义表观污染类型为有机主导型、无机主导型、营养主导型和混合型四类;
步骤二:根据观察及步骤一定义的表观污染类型选取对应的采样点,使水样被初始分类,每个类型的水样至少有一种,同时记录采样现场指标、对采集到的水样进行测定及收集特征数据;
步骤三:根据初始分类,按类型提取每种水样的特征数据,在水样初始分类的基础上,训练得到水体分类的初始分类模型,确定水体分类的特征指标及特征指标的阈值范围;
步骤四:采集水样对步骤三得到的水体初始分类模型进行吻合率验证,并修正特征指标及特征指标的阈值范围;
步骤五:重复步骤四,直至验证结果吻合率达到90%以上。
2.如权利要求1所述的建立景观水体表观污染分类模型的方法,其特征在于,步骤一中对所述有机主导型的定义为水体污染物主要为有机物,包括水体黑臭现象或者藻类过度繁殖所导致的水华现象,水体呈现黑色、墨绿色。
3.如权利要求1所述的建立景观水体表观污染分类模型的方法,其特征在于,步骤一中对所述无机主导型的定义为水体污染物主要为无机颗粒物,水体浊度高,水体呈现黄色、土黄色。
4.如权利要求1所述的建立景观水体表观污染分类模型的方法,其特征在于,步骤一中对所述营养主导型的定义为水体污染物主要为无机营养物,水体清澈。
5.如权利要求1所述的建立景观水体表观污染分类模型的方法,其特征在于,步骤一中对所述混合型的定义为水体污染物包括无机物、有机物和无机营养物,在外部环境改变的前提下具有向有机主导型、无机主导型、营养主导型中任一类型转变的特点,水体呈现灰色、灰绿色。
6.如权利要求1所述的建立景观水体表观污染分类模型的方法,其特征在于,步骤三中确定的特征指标包括氧化还原电位、溶解氧与饱和溶解氧比值、叶绿素a、单位浊度有机物含量以及浊度。
7.如权利要求6所述的建立景观水体表观污染分类模型的方法,其特征在于,高锰酸盐指数测定时,对水样进行充分混匀且避免过滤。
8.如权利要求1所述的建立景观水体表观污染分类模型的方法,其特征在于,步骤四中吻合率为:采集不同于步骤二中的水样,利用步骤三中的初始分类模型针对该水样进行分类,判断每种水样的分类结果是否具有唯一性的统计值。
9.一种景观水体表观污染分类方法,其特征在于,包括以下步骤:
步骤一:定义表观污染类型为有机主导型、无机主导型、营养主导型和混合型四类;
步骤二:根据观察及步骤一定义的表观污染类型选取对应的采样点,使水样被初始分类,每个类型的水样至少有一种,同时记录采样现场指标、对采集到的水样进行测定及收集特征数据;
步骤三:根据初始分类,按类型提取每种水样的特征数据,在水样初始分类的基础上,训练得到水体分类的初始分类模型,确定水体分类的特征指标及特征指标的阈值范围;
步骤四:根据步骤三确定的水体分类的特征指标及特征指标的阈值范围,对采集的水样进行分类,构建出对景观水体表观污染分类的方法;
步骤五:采集水样对步骤四得到的景观水体表观污染分类方法进行吻合率验证,并修正特征指标及特征指标的阈值范围;
步骤六:重复步骤五,直至验证结果吻合率达到90%以上;
步骤七:根据步骤六的结果,确定景观水体表观污染分类方法。
10.如权利要求9所述的景观水体表观污染分类方法,其特征在于,步骤五中水样采集的地点与步骤二中水样采集的地点不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910086767.3A CN109752502A (zh) | 2019-01-29 | 2019-01-29 | 建立景观水体表观污染分类模型的方法、景观水体表观污染分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910086767.3A CN109752502A (zh) | 2019-01-29 | 2019-01-29 | 建立景观水体表观污染分类模型的方法、景观水体表观污染分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109752502A true CN109752502A (zh) | 2019-05-14 |
Family
ID=66406998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910086767.3A Pending CN109752502A (zh) | 2019-01-29 | 2019-01-29 | 建立景观水体表观污染分类模型的方法、景观水体表观污染分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109752502A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693522A (zh) * | 2020-05-29 | 2020-09-22 | 苏州科技大学 | 一种城市水体污染程度线上表征方法 |
CN111985222A (zh) * | 2020-08-24 | 2020-11-24 | 平安国际智慧城市科技股份有限公司 | 文本关键词识别方法及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19848230A1 (de) * | 1998-10-20 | 2000-04-27 | Almut Gerhardt | Verfahren zur kontinuierlichen Gewässeranalyse |
CN102903014A (zh) * | 2012-09-06 | 2013-01-30 | 戴会超 | 江湖交汇水系水环境质量监测站点的优化布置方法 |
CN103674869A (zh) * | 2013-12-30 | 2014-03-26 | 苏州科技学院 | 一种吸收光谱法表征景观水体表观污染的方法 |
CN108362845A (zh) * | 2017-12-08 | 2018-08-03 | 环境保护部华南环境科学研究所 | 一种检测水中pops类物质的智能化系统 |
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 |
-
2019
- 2019-01-29 CN CN201910086767.3A patent/CN109752502A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19848230A1 (de) * | 1998-10-20 | 2000-04-27 | Almut Gerhardt | Verfahren zur kontinuierlichen Gewässeranalyse |
CN102903014A (zh) * | 2012-09-06 | 2013-01-30 | 戴会超 | 江湖交汇水系水环境质量监测站点的优化布置方法 |
CN103674869A (zh) * | 2013-12-30 | 2014-03-26 | 苏州科技学院 | 一种吸收光谱法表征景观水体表观污染的方法 |
CN108362845A (zh) * | 2017-12-08 | 2018-08-03 | 环境保护部华南环境科学研究所 | 一种检测水中pops类物质的智能化系统 |
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 |
Non-Patent Citations (3)
Title |
---|
中华人民共和国住房和城乡建设部 等: "城市黑臭水体整治工作指南", 《住房城乡建设部 环境保护部关于印发城市黑臭水体整治工作指南的通知》 * |
孙娜: "表观污染特征物质及污染水体分类研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
张立: "城市缓流水体表观质量评价与分类研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693522A (zh) * | 2020-05-29 | 2020-09-22 | 苏州科技大学 | 一种城市水体污染程度线上表征方法 |
CN111985222A (zh) * | 2020-08-24 | 2020-11-24 | 平安国际智慧城市科技股份有限公司 | 文本关键词识别方法及相关设备 |
CN111985222B (zh) * | 2020-08-24 | 2023-07-18 | 平安国际智慧城市科技股份有限公司 | 文本关键词识别方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abbott et al. | Trends and seasonality of river nutrients in agricultural catchments: 18 years of weekly citizen science in France | |
Lobato et al. | Construction of a novel water quality index and quality indicator for reservoir water quality evaluation: A case study in the Amazon region | |
Maguire et al. | Measuring agronomic and environmental soil phosphorus saturation and predicting phosphorus leaching with Mehlich 3 | |
Bosker et al. | Determining global distribution of microplastics by combining citizen science and in‐depth case studies | |
Khamis et al. | Understanding dissolved organic matter dynamics in urban catchments: insights from in situ fluorescence sensor technology | |
Morabito et al. | Could the extreme meteorological events in Lake Maggiore watershed determine a climate-driven eutrophication process? | |
Zingone et al. | Increasing the quality, comparability and accessibility of phytoplankton species composition time-series data | |
CN104636627A (zh) | 一种土壤重金属生态风险评估方法 | |
Sun et al. | Coupling of non-point source pollution and soil characteristics covered by Phyllostachys edulis stands in hilly water source area | |
CN109752502A (zh) | 建立景观水体表观污染分类模型的方法、景观水体表观污染分类方法 | |
CN110987909A (zh) | 一种耕地土壤重金属的空间分布及来源解析方法及装置 | |
CN116340723B (zh) | 基于大数据的乡村水污染快速溯源方法及系统 | |
CN102214290B (zh) | 车牌定位方法及车牌定位模板训练方法 | |
CN107909192B (zh) | 土壤重金属含量的估测方法及装置 | |
Caillon et al. | Dynamic transfer of soil bacteria and dissolved organic carbon into small streams during hydrological events | |
CN111666909A (zh) | 基于面向对象和深度学习的疑似污染场地空间识别方法 | |
CN103065043A (zh) | 一种基于理化生综合指标评价高寒草地土壤健康的方法 | |
CN111597949A (zh) | 一种基于npp-viirs夜间灯光数据的城市建成区提取方法 | |
Hulatt et al. | Radiocarbon dating of fluvial organic matter reveals land-use impacts in boreal peatlands | |
McCarty et al. | Can we manage nonpoint‐source pollution using nutrient concentrations during seasonal baseflow? | |
Ríos-Villamizar et al. | Water chemistry of rivers and streams from the Jaú and Uatumã basins in central Brazilian Amazon | |
Liang et al. | Low-molecular-weight organic acids as important factors impacting seawater acidification: A case study in the Jiaozhou Bay, China | |
Lazzaro et al. | Bacterial community structure and activity in different Cd-treated forest soils | |
Fedorko et al. | Spatial distribution of land type in regression models of pollutant loading | |
CN115908540A (zh) | 一种基于树木生长轮廓的森林碳汇量检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190514 |