CN112418611A - 湖泊叶绿素与营养盐关系时间稳定性判定方法及电子设备 - Google Patents
湖泊叶绿素与营养盐关系时间稳定性判定方法及电子设备 Download PDFInfo
- Publication number
- CN112418611A CN112418611A CN202011197371.5A CN202011197371A CN112418611A CN 112418611 A CN112418611 A CN 112418611A CN 202011197371 A CN202011197371 A CN 202011197371A CN 112418611 A CN112418611 A CN 112418611A
- Authority
- CN
- China
- Prior art keywords
- chlorophyll
- year
- lake
- data
- relationship
- 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.)
- Granted
Links
- 229930002875 chlorophyll Natural products 0.000 title claims abstract description 153
- 235000019804 chlorophyll Nutrition 0.000 title claims abstract description 153
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 title claims abstract description 149
- 150000003839 salts Chemical class 0.000 title claims abstract description 128
- 235000015097 nutrients Nutrition 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012851 eutrophication Methods 0.000 claims abstract description 28
- 230000000050 nutritive effect Effects 0.000 claims abstract description 26
- 238000009825 accumulation Methods 0.000 claims abstract description 8
- 230000001186 cumulative effect Effects 0.000 claims description 30
- 238000007726 management method Methods 0.000 claims description 19
- 150000003017 phosphorus Chemical class 0.000 claims description 15
- 150000002829 nitrogen Chemical class 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 10
- 125000001477 organic nitrogen group Chemical group 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 46
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 24
- 229910052698 phosphorus Inorganic materials 0.000 description 24
- 239000011574 phosphorus Substances 0.000 description 24
- 229910052757 nitrogen Inorganic materials 0.000 description 23
- 238000004891 communication Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 5
- 239000001752 chlorophylls and chlorophyllins Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 1
- 150000003863 ammonium salts Chemical class 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- BHEPBYXIRTUNPN-UHFFFAOYSA-N hydridophosphorus(.) (triplet) Chemical class [PH] BHEPBYXIRTUNPN-UHFFFAOYSA-N 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本说明书实施例提供一种基于分位数回归的湖泊叶绿素与营养盐关系时间稳定性判定方法及电子设备，所述方法包括：(1)对湖泊整体数据集进行分位数回归分析，得到整体叶绿素与营养盐之间关系，并将其设定为后续判定的基准关系；(2)对湖泊单年子数据集进行分位数回归分析，得到每年叶绿素与营养盐的关系方程，将方程的斜率与截距和基准关系比较；(3)对湖泊年累积子数据集进行分位数回归分析，得到年累积叶绿素与营养盐的关系方程，将方程的斜率与截距和基准关系比较；(4)确定为达到稳定的叶绿素与营养盐关系所需的监测数据量。建立了湖泊中叶绿素与营养盐关系时间稳定性的判定方法，为湖泊富营养化评价与管理建立可靠的关系方程提供方法。
Description
技术领域
本说明书一个或多个实施例涉及水体环境监测和治理技术领域，尤其涉及一种湖泊叶绿素与营养盐关系时间稳定性判定方法及电子设备。
背景技术
富营养化已造成湖泊水质恶化、生态系统结构和功能遭到严重破坏等问题。氮和磷是控制湖泊富营养化最重要的两种营养物质。因此，准确建立叶绿素(Chl)和营养盐之间的定量关系是湖泊富营养化控制与管理的基础。
湖泊间叶绿素与营养盐的关系差异较大，使得湖泊富营养化管理更为复杂。特定湖泊中，建立可靠、准确的叶绿素与营养盐关系对于湖泊管理至关重要。目前对于湖泊中叶绿素与营养盐关系的监测和管理，不能确定所需的检测数据是否满足叶绿素与营养盐关系的稳定性要求。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种湖泊叶绿素与营养盐关系时间稳定性判定方法、一种湖泊富营养化管理方法及电子设备，以解决前述的问题。
基于上述目的，本说明书一个或多个实施例提供了一种湖泊叶绿素与营养盐关系时间稳定性判定方法，包括：
以数据组的形式获取湖泊的叶绿素历史数据和营养盐历史数据，并构建包含叶绿素和营养盐的数据组的整体数据集；
根据所述整体数据集，通过分位数回归，建立叶绿素与营养盐的整体关系方程，得到整体斜率系数和整体截距系数；
以单年为单位，将所述整体数据集划分为多个单年子数据集，并通过分位数回归，分别建立多个叶绿素与营养盐的单年关系方程，得到多个单年斜率系数和单年截距系数；
以累积年为单位，将所述整体数据集划分为累积年子数据集，并通过分位数回归，分别建立多个叶绿素与营养盐关系的累积年关系方程，得到多个累积年斜率系数和累积年截距系数；
以整体斜率系数和整体截距系数为基准系数，分别根据多个单年斜率系数和单年截距系数与多个累积年斜率系数和累积年截距系数，绘制斜率系数折线图和截距系数折线图；
分别分析所述斜率系数折线图和截距系数折线图，选取目标点对应的累积年限，判定为湖泊的叶绿素数据和营养盐数据达到稳定性关系的时间；所述目标点对应的斜率系数与整体斜率系数的差值在预设值范围内，且所述目标点对应的截距系数与整体截距系数的差值在预设值范围内。
在其中一个实施例中，当所述目标点为多个时，选取累积年限最短的拐点。
在其中一个实施例中，所述整体关系方程、单年关系方程和累积年关系方程的通式为：
yi＝b0+b1xi+εi，其中，i表示样本量，y表示经log10转换后的叶绿素浓度，x表示经log10转换后的营养盐浓度，b1表示斜率，b0表示截距，ε表示误差。
在其中一个实施例中，所述误差ε的通式为
在其中一个实施例中，所述预设值范围的值为整体数据集分位数回归系数的–10％～10％。
在其中一个实施例中，所述分位数回归中分位数的值为0.9。
在其中一个实施例中，所述营养盐包括氮盐和磷盐，所述氮盐包括无机氮盐和有机氮盐中的至少一种，所述磷盐包括无机磷盐和有机磷盐中的至少一种。
在其中一个实施例中，所述构建包含叶绿素和营养盐的数据组的整体数据集之前包括：
将所述数据组中的叶绿素历史数据和营养盐历史数据进行预处理，得到标准数据组。
本发明一个或多个实施例还提供一种湖泊富营养化管理方法，应用前述任一所述的湖泊叶绿素与营养盐关系时间稳定性判定方法所得的累积年限内的叶绿素数据和营养盐数据作为标准数据，指导富营养化管理。
本发明一个或多个实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如前所述的任一方法。
从上面所述可以看出，本说明书一个或多个实施例提供的湖泊叶绿素与营养盐关系时间稳定性判定方法，通过分位数回归，分别建立叶绿素与营养盐的整体关系方程，单年关系方程和累积年关系方程，将得到的多个单年斜率系数、多个单年截距系数、多个累积年斜率系数和多个累积年截距系数分别于整体斜率系数和整体截距系数比较，选取单年斜率系数和累积年斜率系数与整体斜率系数的差值在预设值范围内，且单年截距系数和累积年截距系数与整体截距系数的差值在预设值范围内的累积年限，判定为湖泊的叶绿素数据和营养盐数据达到稳定性关系的时间。能够得到湖泊的叶绿素数据和营养盐数据达到稳定性关系的合理的时间。既不会使得叶绿素数据和营养盐数据的关系不够稳定，从而导致营养盐基准设定不准确而不能有效控制富营养化；也不会使得叶绿素数据和营养盐数据的冗余数据过多，从而增加后续富营养化管理人力和物力的耗费。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例的湖泊叶绿素与营养盐关系时间稳定性判定方法的流程示意图；
图2为本说明书一个或多个实施例的湖泊叶绿素与营养盐关系时间稳定性判定方法的技术框架示意图；
图3为本说明书一个或多个实施例的整体数据集叶绿素与总氮(logChl-logTN，a)、叶绿素与总磷(logChl-logTP，b)关系；
图4为本说明书一个或多个实施例的单年子数据集(空心三角形)和年累积子数据集(实心点)叶绿素与营养盐关系系数随年份变化关系；
图5为本说明书一个或多个实施例的单年子数据集(a、c)和年累积子数据集(b、d)叶绿素与营养盐关系方程；
图6为本说明书一个或多个实施例的电子设备的示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
发明人在长期的湖泊的富营养化控制与管理的工作中注意到，叶绿素与营养盐关系具有空间异质性，且叶绿素与营养关系具有在多尺度变化的驱动因素。区域尺度上，土地利用方式和土地覆盖类型是影响叶绿素与营养盐关系的重要因素。流域特征和湖泊深度等因素也能影响特定湖泊中叶绿素与营养盐的关系。湖泊中叶绿素与营养盐关系存在空间异质性，因此，这要求湖泊管理者应设计各湖泊特有的富营养化管理策略，如制定各湖泊特有的营养盐标准等用于湖泊富营养化的管理。
发明人还注意到，特定湖泊中叶绿素与营养盐的关系可能随时间而改变。因此，发明人认为，探究湖泊中叶绿素与营养盐关系的时间依赖性有助于确定可靠的叶绿素与营养盐关系，对促进科学管理湖泊富营养化具有重要意义。尽管目前湖泊中叶绿素与营养盐的关系有新进展，存在主要包括以下几个问题：(1)叶绿素与营养盐关系在年际间是如何变化的；(2)如何判定叶绿素与营养盐关系的可靠性。特别地，尤其缺乏揭示叶绿素与营养盐关系在时间尺度上的依赖性的研究框架。
发明人提出了一种湖泊叶绿素与营养盐关系时间稳定性判定方法，基于分位数回归，建立了湖泊中叶绿素与营养盐关系时间稳定性的判定方法，为湖泊富营养化评价与管理建立可靠的叶绿素与营养盐关系方程提供依据及方法。
请参阅图1和图2，本发明实施例提供湖泊叶绿素与营养盐关系时间稳定性判定方法，包括：
S100，以数据组的形式获取湖泊的叶绿素历史数据和营养盐历史数据，并构建包含叶绿素和营养盐的数据组的整体数据集；
S200，根据所述整体数据集，通过分位数回归，建立叶绿素与营养盐的整体关系方程，得到整体斜率系数和整体截距系数；
S300，以单年为单位，将所述整体数据集划分为多个单年子数据集，并通过分位数回归，分别建立多个叶绿素与营养盐的单年关系方程，得到多个单年斜率系数和单年截距系数；
S400，以累积年为单位，将所述整体数据集划分为累积年子数据集集，并通过分位数回归，分别建立多个叶绿素与营养盐关系的累积年关系方程，得到多个累积年斜率系数和累积年截距系数；
S500，以整体斜率系数和整体截距系数为基准系数，分别根据多个单年斜率系数和单年截距系数与多个累积年斜率系数和累积年截距系数，绘制斜率系数折线图和截距系数折线图；
S600，分别分析所述斜率系数折线图和截距系数折线图，选取目标点对应的累积年限，判定为湖泊的叶绿素数据和营养盐数据达到稳定性关系的时间；所述目标点对应的单年斜率系数和累积年斜率系数与整体斜率系数的差值在预设值范围内，且所述目标点对应的单年截距系数和累积年截距系数与整体截距系数的差值在预设值范围内。
本发明实施例提供的湖泊叶绿素与营养盐关系时间稳定性判定方法，通过分位数回归，分别建立叶绿素与营养盐的整体关系方程，单年关系方程和累积年关系方程，将得到的多个单年斜率系数、多个单年截距系数、多个累积年斜率系数和多个累积年截距系数分别于整体斜率系数和整体截距系数比较，选取单年斜率系数和累积年斜率系数与整体斜率系数的差值在预设值范围内，且单年截距系数和累积年截距系数与整体截距系数的差值在预设值范围内的累积年限，判定为湖泊的叶绿素数据和营养盐数据达到稳定性关系的时间。能够得到湖泊的叶绿素数据和营养盐数据达到稳定性关系的合理采样时间。既不会使得叶绿素数据和营养盐数据的关系不够稳定，从而导致营养盐基准设定不准确而不能有效控制富营养化；也不会使得叶绿素数据和营养盐数据的冗余数据过多，从而增加后续的富营养化的管理的人力和物力的耗费。
在步骤S100中，数据组指的是，每一个叶绿素历史数据对应一个营养盐历史数据。也即，在一个数据组中，包含在同一个时间点记录的叶绿素历史数据和营养盐历史数据。
叶绿素历史数据可以为历史时间内的每天的叶绿素数据、每周的叶绿素数据或每个季节的叶绿素数据。也可以为根据湖泊的叶绿素的发展状态设定的，在叶绿素变化相对频繁的特定时间段的每小时或更小单位的时间段内的叶绿素数据，以及在剩余时间段内的每天或者更长时间单位的叶绿素数据。叶绿素数据的形式可以为叶绿素浓度数据，浓度单位可以为mg·m-3。
营养盐历史数据可以为历史时间内的每天的营养盐数据、每周的营养盐数据或每个季节的营养盐数据。也可以为根据湖泊的营养盐的发展状态设定的，在营养盐变化相对频繁的特定时间段的每小时或更小单位的时间段内的营养盐数据，以及在剩余时间段内的每天或者更长时间单位的营养盐数据。营养盐数据的形式可以为营养盐浓度数据，浓度单位可以为mg·m-3。
在本发明的一个或多个实施例中，营养盐可以包括氮盐和磷盐。所述氮盐包括无机氮盐和有机氮盐中的至少一种，所述磷盐包括无机磷盐和有机磷盐中的至少一种。
氮盐可以为单独的各种形态的无机氮，例如硝酸盐、铵盐或者亚硝酸盐等中的任意一种或者几种的组合。也可以为单独的各种形态的有机氮中的任意一种或者几种的组合。氮盐还可以为总氮，即水中各种形态的无机和有机氮的总量。
磷盐可以为单独的各种形态的无机磷中的至少一种。也可以为单独的各种形态的有机磷中的任意一种或者几种的组合。磷盐还可以为总磷，即水中各种形态的无机和有机磷的总量。
在本发明的一个实施例中，在构建包含叶绿素和营养盐的数据组的整体数据集之前包括：将所述叶绿素历史数据和营养盐历史数据进行预处理，得到标准数据组，所述标准数据组中包括标准叶绿素历史数据和标准营养盐历史数据。
在一个实施例中所述预处理可以包括，剔除明显异常的数据，即将数据明显过大或者明显过小的不符合叶绿素发展规律异常数据删除，以减少后续分位数回归时的数据量，同时提高分位数回归所得关系方程的准确性。
在另外的实施例中所述预处理可以包括，可叶绿素历史数据和营养盐历史数据进行整理归一化操作，得到具有相同格式的待处理数据，以提高关系方程的建立效率。具体可为：
单元格式名称一致化：明确相同意义的数据，若不同来源的数据采用不同名称储放，于汇聚整合过程中进行一致化设置，并原则上以整体规划一致考虑，给予最适规则，以使各数据档案名称达到编列规则一致化；
单元格式型态一致化：明确相同意义的数据，若不同来源的数据采用不同储放格式，于汇聚整合过程中进行一致化设置；
单元格式长度一致化：明确相同意义的数据，若不同来源的数据采用不同长度储放，汇聚整合过程中进行一致化设置，并原则上以最长长度规划，避免造成源数据截断造成讯息缺失的情形。
步骤S200中，通过对湖泊整体数据集进行分位数回归分析，能够得到整体叶绿素与营养盐之间的关系方程，即整体关系方程，并将其设定为后续的判定的基准关系，即整体斜率系数和整体截距系数分别为基准的斜率系数和基准的截距系数。
应该说明的是，所述整体关系方程的数量与营养盐中的盐的种类数相同。例如，当营养盐包括氮盐和磷盐时，所述整体关系方程的数量为两个，包括叶绿素整体数据集与氮盐整体数据集的整体关系方程，和叶绿素整体数据集与磷盐整体数据集的整体关系方程。下述的单年关系方程和累积年关系方程中也分别包括相应的氮盐和磷盐的方程。
具体地，所述整体关系方程为式(1)，其中，i表示样本量，y表示经log10转换后的整体叶绿素浓度，x表示经log10转换后的整体营养盐浓度，b1为整体斜率系数，b0为整体截距系数，ε表示整体误差。
所述误差ε通过式(2)计算，其中，τ表示分位数回归所选取的分位数。
步骤S300中，通过对湖泊单年子数据集进行分位数回归分析，能够得到每年叶绿素与营养盐的关系方程。所述多个单年关系方程的多个单年斜率系数和多个单年截距系数，分别用于与步骤S200中所得的基准的斜率系数和基准的截距系数比较。
具体地，所述单年关系方程具体地，所述单年关系方程为式(1)，其中，i表示样本量，y表示经log10转换后的单年叶绿素浓度，x表示经log10转换后的单年营养盐浓度，b1为单年斜率系数，b0为单年截距系数，ε表示单年误差。
所述单年误差ε通过式(2)计算，其中，τ表示分位数回归所选取的分位数。
步骤S400中，所述以累积年为单位，将整体数据集划分为多个累积年子数据集，可以理解为，将整体数据集，以逐年累积的形式划分为多个逐年累积的子数据集。例如，当整体数据集中包含的年数为n时，将整体数据集划分得到的累积年子数据集的数量也分别为n。也即，当整体数据集为S1～n，累积年子数据集包括S1，S2，S3……S1～n。
应当说明的是，在该步骤中，可以不对累积年子数据集S1～n进行分位数回归分析，直接使用前述的步骤S100中得到的即可。同时对累积年子数据集S1～n中的各个数据集S1，S2，S3……S1～n分别进行分位数回归分析。
通过对湖泊累积年子数据集进行分位数回归分析，能够得到每年叶绿素与营养盐的关系方程。所述多个累积年关系方程的多个累积年斜率系数和多个累积年截距系数，分别用于与步骤S200中所得的基准的斜率系数和基准的截距系数比较。
具体地，所述累积年关系方程为式(1)，其中，i表示样本量，y表示经log10转换后的累积年叶绿素浓度，x表示经log10转换后的累积年营养盐浓度，b1为累积年斜率系数，b0为累积年截距系数，ε表示累积年误差。
所述误差ε通过式(2)计算，其中，τ表示分位数回归所选取的分位数。
在步骤S200～S300中，可以理解为，所述整体关系方程、单年关系方程和累积年关系方程的通式为式(1)，其中，误差ε的通式为式(2)。
所述分位数回归为90th分位数回归法，也即，该方法中的分位数的值为0.9。将分为数的值设定为0.9，既能够避免该回归法的计算量过于庞大，也能够使最终所得的目标累积年限对应的叶绿素与营养盐数据满足富营养化管理的临界值。
应当说明的是，90th分位数回归法为现有的方法，本发明不涉及对现有的方法的改进，因此，具体的方法此处不再赘述。
在步骤S500中，当所述目标累积年限为多个时，也即，当存在多个满足，与整体斜率系数的差值和与整体截距系数的差值均在预设值范围内的拐点时，将时间最短的目标累积年限作为最终的稳定性关系的时间。通过选取时间最短的目标累积年限，能够得到最佳的湖泊的叶绿素数据和营养盐数据达到稳定性关系的时间。既不会使得叶绿素数据和营养盐数据的关系不够稳定，从而导致营养盐基准设定不准确而不能有效控制富营养化；也不会使得叶绿素数据和营养盐数据的冗余数据过多，从而增加后续的富营养化的管理的人力和物力的耗费。
实施例
本实施例以某湖泊为例展开对本发明的湖泊叶绿素与营养盐关系时间稳定性判定方法，进行描述。
该湖泊已积累1992-2018年共27年监测数据，共包含4413组可用的总氮、总磷和叶绿素浓度。本发明实施例的某湖泊中总氮、总磷和叶绿素的平均浓度分别为403.3mg·m-3、24.2mg·m-3和6.3mg·m-3。
本发明实施例的一种湖泊叶绿素与营养盐关系时间稳定性判定方法，包括：
(1)获取某湖泊的1992-2018年共27年监测数据，共包含4413组可用的总氮、总磷和叶绿素浓度。本发明实施例的某湖泊中总氮、总磷和叶绿素的平均浓度分别为403.3mg·m-3、24.2mg·m-3和6.3mg·m-3。
(2)确定该湖泊整体数据集(S1-27)叶绿素与营养盐的关系，采用90th分位数回归分析方法，得到叶绿素整体数据集与总氮整体数据集、叶绿素整体数据集与总磷整体数据集的关系方程，如图3所示。具体的关系方程如下：
logChl＝1.33(±0.09)×logTN–2.36(±0.22)(3)，该式(3)为叶绿素整体数据集与总氮整体数据集的关系方程，Chl为叶绿素，TN为总氮，表示每增加或降低1％的总氮的浓度，叶绿素的浓度将增加或降低1.33％。
logChl＝0.87(±0.02)×logTP–0.14(±0.03)(4)，该式(4)为叶绿素整体数据集与总磷整体数据集的关系方程，Chl为叶绿素，TP为总磷，表示每增加或降低1％的总磷的浓度，叶绿素的浓度将增加或降低0.87％。
(3)以单年为单位，将湖泊整体数据集(S1～27)划分为确定该湖泊单年子数据集(S1、S2、S3……S27)叶绿素与营养盐的关系，采用90th分位数回归分析方法，得到27个叶绿素与总氮的单年关系方程、27个叶绿素与总磷的单年关系方程。
分别根据最终得到的27个叶绿素与总氮的单年关系方程、27个叶绿素与总磷的单年关系方程，将总氮的27个单年斜率系数和单年截距系数，以及总磷的27个单年斜率系数和单年截距系数分别绘制折线图，如图4和图5中带三角形标记的折线所示。其中，叶绿素与总氮的单年斜率系数变化范围为0.56～2.05，平均为1.35(±0.41)；单年截距系数变化范围为–4.21～–0.50，平均为–2.46(±1.01)。叶绿素与总磷的单年斜率系数变化范围为0.34～1.54，平均为0.87(±0.25)；单年截距系数变化范围为–0.90～0.51，平均为–0.16(±0.34)。
(4)确定该湖泊年累积子数据集(S1、S1～2、S1～3……S1～27)叶绿素与营养盐的关系，采用90th分位数回归分析方法，得到27个叶绿素与总氮的累积年关系方程、27个叶绿素与总磷的累积年关系方程。
最终得到27个年累积子数据集产生的叶绿素与总氮、叶绿素与总磷的年累积关系方程，将总氮的27个累积年斜率系数和累积年截距系数，以及总磷的27个累积年斜率系数和累积年截距系数分别绘制折线图，分别如图4中a,b,c和d中的实心标记的折线所示。其中，叶绿素与总氮方程斜率从0.56增加至1995年的1.22，并逐渐靠近整体数据集产生的斜率1.33；截距从–0.58下降至1995年的–2.23，并逐渐靠近整体数据集产生的截距。叶绿素与总磷方程斜率从0.49增加至2004年的0.80，并逐渐靠近整体数据集产生的斜率0.87；截距从0.36下降至1995年的–0.05，并逐渐靠近整体数据集产生的截距。
(5)分别绘制整体关系方程、单年关系方程与累积年关系方程，其中，叶绿素与总氮和总盐的整体关系方程分别如图5中a，b，c和d中的实线所示。
通过分别将图4中的a和b中的单年斜率系数、累积年斜率系数与整体数据集斜率系数比较；单年截距系数、累积年截距系数与整体截距系数比较，可以看出，叶绿素与总氮的关系的单年斜率和截距随着年份变化呈现波动的趋势并偏离预设值范围；1995年时，累积年叶绿素与总氮的关系趋势趋于稳定，且经计算在对应的整体系数的预设值范围内。具体地，1992至1995年累积年斜率系数为1.23、1992至1995年累积年截距系数为–2.23。因此，选取1992至1995年的累积年限，判定为湖泊的叶绿素数据和总氮数据达到稳定性关系的时间。
通过分别将图4中的c和d中的单年斜率系数、累积年斜率系数与整体数据集斜率系数比较；单年截距系数、累积年截距系数与整体截距系数比较，可以看出，叶绿素与总磷的关系的单年斜率和截距随着年份变化呈现波动的趋势并偏离预设值范围；2012年时，累积年叶绿素与总磷的关系趋势趋于稳定，且经计算在对应的整体系数的预设值范围内。具体地，1992至2012年累积年斜率系数为0.86、1992至1995年累积年截距系数为–0.14。因此，选取1992至2012年的累积年限，判定为湖泊的叶绿素数据和总磷数据达到稳定性关系的时间。本发明实施例提供的湖泊叶绿素与营养盐关系时间稳定性判定方法，能够为判定湖泊中叶绿素与营养盐关系的时间稳定性提供一个技术框架，该技术框架实用性强。通过对湖泊监测数据集的分析，可判定并得到湖泊中稳定可靠的叶绿素与营养盐关系。能够为湖泊环境监测和治理提供新的手段和思路，为进一步提升湖泊富营养化管理提供技术支撑。
基于同一发明构思，与上述任意实施例方法相对应的，本说明书一个或多个实施例还提供了一种湖泊富营养化管理方法，应用如前任一所述的湖泊叶绿素与营养盐关系时间稳定性判定方法所得的累积年限内的叶绿素数据和营养盐数据作为标准数据，进行富营养化管理。
本发明实施例的湖泊富营养化管理方法，具有相应的湖泊叶绿素与营养盐关系时间稳定性判定方法实施例的有益效果，在此不再赘述。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是，上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思，与上述任意实施例的方法相对应的，本说明书一个或多个实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的湖泊富营养化管理方法。
图6示出了本发明实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的湖泊富营养化管理方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种湖泊叶绿素与营养盐关系时间稳定性判定方法，其特征在于，包括：
以数据组的形式获取湖泊的叶绿素历史数据和营养盐历史数据，并构建包含叶绿素和营养盐的数据组的整体数据集；
根据所述整体数据集，通过分位数回归，建立叶绿素与营养盐的整体关系方程，得到整体斜率系数和整体截距系数；
以单年为单位，将所述整体数据集划分为多个单年子数据集，并通过分位数回归，分别建立多个叶绿素与营养盐的单年关系方程，得到多个单年斜率系数和单年截距系数；
以累积年为单位，将所述整体数据集划分为累积年子数据集，并通过分位数回归，分别建立多个叶绿素与营养盐关系的累积年关系方程，得到多个累积年斜率系数和累积年截距系数；
以整体斜率系数和整体截距系数为基准系数，分别根据多个单年斜率系数和单年截距系数与多个累积年斜率系数和累积年截距系数，绘制斜率系数折线图和截距系数折线图；
分别分析所述斜率系数折线图和截距系数折线图，选取目标点对应的累积年限，判定为湖泊的叶绿素数据和营养盐数据达到稳定性关系的时间；所述目标点对应的斜率系数与整体斜率系数的差值在预设值范围内，且所述目标点对应的截距系数与整体截距系数的差值在预设值范围内。
2.根据权利要求1所述的湖泊叶绿素与营养盐关系时间稳定性判定方法，其特征在于，当所述目标点为多个时，选取累积年限最短的拐点。
3.根据权利要求1所述的湖泊叶绿素与营养盐关系时间稳定性判定方法，其特征在于，所述整体关系方程、单年关系方程和累积年关系方程的通式为：
yi＝b0+b1xi+εi，其中，i表示样本量，y表示经log10转换后的叶绿素浓度，x表示经log10转换后的营养盐浓度，b1表示斜率，b0表示截距，ε表示误差。
4.根据权利要求3所述的湖泊叶绿素与营养盐关系时间稳定性判定方法，其特征在于，所述误差ε的通式为
其中，τ表示分位数回归所选取的分位数。
5.根据权利要求1所述的湖泊叶绿素与营养盐关系时间稳定性判定方法，其特征在于，所述预设值范围的值为整体数据集分位数回归系数的–10％～10％。
6.根据权利要求1所述的湖泊叶绿素与营养盐关系时间稳定性判定方法，其特征在于，所述分位数回归中分位数的值为0.9。
7.根据权利要求1所述的湖泊叶绿素与营养盐关系时间稳定性判定方法，其特征在于，所述营养盐包括氮盐和磷盐，所述氮盐包括无机氮盐和有机氮盐中的至少一种，所述磷盐包括无机磷盐和有机磷盐中的至少一种。
8.根据权利要求1所述的湖泊叶绿素与营养盐关系时间稳定性判定方法，其特征在于，所述构建包含叶绿素和营养盐的数据组的整体数据集之前包括：
将所述数据组中的叶绿素历史数据和营养盐历史数据进行预处理，得到标准数据组。
9.一种湖泊富营养化管理方法，其特征在于，应用权利要求1-8任一项所述的湖泊叶绿素与营养盐关系时间稳定性判定方法所得的累积年限内的叶绿素数据和营养盐数据作为标准数据，指导富营养化管理。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011197371.5A CN112418611B (zh) | 2020-10-30 | 2020-10-30 | 湖泊叶绿素与营养盐关系时间稳定性判定方法及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011197371.5A CN112418611B (zh) | 2020-10-30 | 2020-10-30 | 湖泊叶绿素与营养盐关系时间稳定性判定方法及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112418611A true CN112418611A (zh) | 2021-02-26 |
| CN112418611B CN112418611B (zh) | 2022-06-21 |
Family
ID=74828786
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011197371.5A Active CN112418611B (zh) | 2020-10-30 | 2020-10-30 | 湖泊叶绿素与营养盐关系时间稳定性判定方法及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112418611B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628856A (zh) * | 2012-02-24 | 2012-08-08 | 中国环境科学研究院 | 一种湖泊营养物基准参照状态确定的组合方法 |
| CN106248600A (zh) * | 2016-09-05 | 2016-12-21 | 中国科学院南京地理与湖泊研究所 | 基于有色可溶性有机物吸收系数的湖泊富营养化评价方法 |
| US20170109908A1 (en) * | 2015-10-20 | 2017-04-20 | Navico Holding As | Using Chlorophyll Data for a Marine Environment |
-
2020
- 2020-10-30 CN CN202011197371.5A patent/CN112418611B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628856A (zh) * | 2012-02-24 | 2012-08-08 | 中国环境科学研究院 | 一种湖泊营养物基准参照状态确定的组合方法 |
| US20170109908A1 (en) * | 2015-10-20 | 2017-04-20 | Navico Holding As | Using Chlorophyll Data for a Marine Environment |
| CN106248600A (zh) * | 2016-09-05 | 2016-12-21 | 中国科学院南京地理与湖泊研究所 | 基于有色可溶性有机物吸收系数的湖泊富营养化评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| BY ROGER KOENKE: "REGRESSION QUANTILES", 《JSTOR》 * |
| YAOYANG XU ET AL: "Quantile regression improves models of lake eutrophication with implications for ecosystem-specific management", 《FRESHWATER BIOLOGY》 * |
| 邹伟 等: "综合营养状态指数(TLI)在夏季长江中下游湖库评价中的局限及改进意见", 《湖泊科学》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112418611B (zh) | 2022-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111126662B (zh) | 基于大数据的灌溉决策制定方法、装置、服务器和介质 | |
| Xu et al. | Basket options valuation for a local volatility jump–diffusion model with the asymptotic expansion method | |
| CN112308414A (zh) | 收入异常检测的方法、装置、电子设备及存储介质 | |
| CN111525615B (zh) | 一种基于保证率的山地光伏电站出力特性评估方法及系统 | |
| CN112612822B (zh) | 一种北斗坐标时间序列的预测方法、装置、设备和存储介质 | |
| CN111351757B (zh) | 用于预测食用油样品的油掺杂的定量量度的方法和系统 | |
| CN109978342A (zh) | 电子装置、风险评估方法和计算机可读存储介质 | |
| CN118228069A (zh) | 用电负荷预测方法、装置、设备、介质和程序产品 | |
| CN112418611B (zh) | 湖泊叶绿素与营养盐关系时间稳定性判定方法及电子设备 | |
| CN113949644A (zh) | 基于LSTM-prophet的网站访问量预测方法及系统 | |
| CN112257958A (zh) | 一种电力饱和负荷预测方法及装置 | |
| Brown | SDMtoolbox 2.0 User guide | |
| CN102831320A (zh) | 流域水环境有机污染物监测全过程质控指标评价方法系统 | |
| CN116720600A (zh) | 落货量预测方法、装置、设备及存储介质 | |
| Rupsys et al. | A univariate stochastic Gompertz model for tree diameter modeling | |
| CN115809728A (zh) | 大气污染扩散条件预测方法、装置、计算机设备 | |
| CN109636437A (zh) | 小区均价预估方法、电子装置及存储介质 | |
| CN115549082A (zh) | 基于负荷挖掘和lstm神经网络的电力负荷预测方法 | |
| CN115271192A (zh) | 一种工业生产指数预测方法及处理器 | |
| CN115473219A (zh) | 负荷预测方法、装置、计算机设备和存储介质 | |
| CN114781855A (zh) | 基于dea模型的物流传输效率分析方法、装置、设备及介质 | |
| Knapp et al. | A question of scale: modeling biomass, gain and mortality distributions of a tropical forest | |
| EP3317791A1 (en) | Normalizing data sets for predicting an attribute of the data sets | |
| CN113391850B (zh) | 基于边云协同的任务调度方法、装置、设备及存储介质 | |
| CN115329148B (zh) | 一种基于多重大数据处理的数据筛选整合方法及系统 |
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 |