CN112903945A - 一种基于常规水质参数的城市黑臭水体识别方法 - Google Patents

一种基于常规水质参数的城市黑臭水体识别方法 Download PDF

Info

Publication number
CN112903945A
CN112903945A CN202110215338.9A CN202110215338A CN112903945A CN 112903945 A CN112903945 A CN 112903945A CN 202110215338 A CN202110215338 A CN 202110215338A CN 112903945 A CN112903945 A CN 112903945A
Authority
CN
China
Prior art keywords
water quality
black
water
water body
odorous
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
Application number
CN202110215338.9A
Other languages
English (en)
Other versions
CN112903945B (zh
Inventor
冯佑斌
何颖清
杨留柱
亢庆
卢陈
喻丰华
扶卿华
刘超群
潘洪洲
邝高明
刘晓林
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.)
Pearl River Hydraulic Research Institute of PRWRC
Original Assignee
Pearl River Hydraulic Research Institute of PRWRC
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 Pearl River Hydraulic Research Institute of PRWRC filed Critical Pearl River Hydraulic Research Institute of PRWRC
Priority to CN202110215338.9A priority Critical patent/CN112903945B/zh
Publication of CN112903945A publication Critical patent/CN112903945A/zh
Application granted granted Critical
Publication of CN112903945B publication Critical patent/CN112903945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18Water
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18Water
    • G01N33/1806Water biological or chemical oxygen demand (BOD or COD)
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18Water
    • G01N33/1826Water organic contamination in water

Abstract

本发明公开了一种基于常规水质参数的城市黑臭水体识别方法,包括以下步骤:获取水体的常规水质检测参数;对水体的常规水质检测参数的浓度进行标准化计算,得到标准化水质检测参数;根据标准化水质检测参数,获取对应水质检测时段的水体黑臭等级;建立因子分析模型,所述因子分析模型包含致黑公共因子和致臭公共因子;通过致黑公共因子和致臭公共因子建立水体识别决策树模型,进而通过水体识别决策树模型判定水体黑臭情况,得到识别结果;本发明充分利用现有地表水水质监测体系,在不增加成本的前提下,实现黑臭水体判别,且具有较高的可行性和经济性,能大范围推广应用。

Description

一种基于常规水质参数的城市黑臭水体识别方法
技术领域
本发明涉及水环境监测的研究领域,特别涉及一种基于常规水质参数的城市黑臭水体识别方法。
背景技术
据住建部发布的《城市黑臭水体整治工作指南》,黑臭水体的主观判别标准较为直观,即“呈现令人不悦的颜色和(或)散发令人不适气味”。但客观判别所需的透明度、溶解氧、氧化还原电位、氨氮4个水质参数中,氧化还原电位未出现在《地表水环境质量标准》(GB3838-2002)中,不属于常规水质监测内容。在现行的黑臭水体排查中,需额外投入成本开展特定水质参数检测,无法充分利用各地、市水文部门已建成运行的常规水质检测系统。
将主观判别标准对应到水体的理化特性时,致黑的原因包括:①以固态形式存在的不溶性物质或吸附于悬浮颗粒上的污染物质,②有色且溶于水的腐殖质类有机化合物;致臭的原因有:①有机物厌氧分解产生易挥发的刺激性气体,②有机污染严重的厌氧状态水体中,放线菌和藻类的分解产生醇类异臭物质。而常规的地表水监测项目中均能在一定程度上反映出致黑或致臭的可能性,例如,透明度、溶解氧、氨氮、总磷、化学需氧量等。
可以看出,在不额外增加水质检测参数的情况下,通过现有地表水水质监测体系各项指标,存在识别城市黑臭水体的可能。但在《城市黑臭水体整治工作指南》为基础性指导文件的情况下,开展黑臭水体排查仍需额外投入检测成本。因此,需要一种依靠常规地表水质参数识别黑臭水体的技术方法。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种基于常规水质参数识别城市黑臭水体的方法,相较于将多变量重新组合为新变量的主成分分析,因子分析的思路是对原始变量(即常规水质检测项目)进行分解、归纳,形成可解释的、具有物理含义的新变量,更适用于研究黑臭水体这种主观特征明显的水体现象。
本发明的目的通过以下的技术方案实现:
一种基于常规水质参数的城市黑臭水体识别方法,包括以下步骤:
获取水体的常规水质检测参数;
对水体的常规水质检测参数的浓度进行标准化计算,得到标准化水质检测参数;
根据标准化水质检测参数,获取对应水质检测时段的水体黑臭等级;
建立因子分析模型,所述因子分析模型包含致黑公共因子和致臭公共因子;
通过致黑公共因子和致臭公共因子建立水体识别决策树模型,进而通过水体识别决策树模型判定水体黑臭情况,得到识别结果。
进一步地,所述获取水体的常规水质检测参数,具体为:获取水体的透明度(m)、溶解氧(mg/L)、氨氮(mg/L)、总磷(mg/L)、化学需氧量(mg/L)的浓度。
进一步地,所述对水体的常规水质检测参数的浓度进行标准化计算,具体如下:构建标准化计算公式:
Figure BDA0002953517560000021
其中,x为原水质参数浓度值;为标准化计算后水质参数特征值;xΙΙΙ为地表水环境质量标准(GB3838-2002)所述的ΙΙΙ类水标准限值,xV为地表水环境质量标准(GB3838-2002)所述的V类水标准限值;
标准化计算后,若x′大于1,则表示该水质参数优于ΙΙΙ类水标准;若x′位于0和1之间,则表示该水质参数对应地表水环境质量标准(GB3838-2002)所述的ΙV类水标准;若x′小于0,则表示该水质参数对应劣于V类水。
进一步地,所述ΙΙΙ类水标准限值具体为:溶解氧(mg/L)为5,氨氮(mg/L)为1,总磷(mg/L)为0.2,化学需氧量(mg/L)为20;所述V类水标准限值具体为:溶解氧(mg/L)为2,氨氮(mg/L)为2,总磷(mg/L)为0.4,化学需氧量(mg/L)为40。
进一步地,所述根据标准化水质检测参数,获取对应水质检测时段的水体黑臭等级,具体为:根据城市黑臭水体整治工作指南的主、客观标准判别水体黑臭等级。
进一步地,所述建立因子分析模型,具体为:
将常规水质检测参数分解成两部分,一部分是致黑公共因子和致臭公共因子的线性组合,另一部分是该常规水质检测参数所独有的特殊因子;则因子分析模型为:
x=μ+Λf+e
其中,x为d×m的矩阵;表示该常规水质检测参数的观测变量;d为观测样本的个数,m为该常规水质检测参数的观测指标;μ为常向量,d×1表示相应常规水质检测参数的均值;f为1×m的矢量,表示观测变量的公共因子;Λ为d×m的矩阵,称为因子载荷矩阵,反映公共因子对变量的重要程度;e为d×1的矢量,称为特殊因子矢量。
进一步地,所述致臭公共因子包括氨氮、总磷、化学需氧量;所述致黑公共因子包括透明度。
进一步地,所述通过致黑公共因子和致臭公共因子建立水体识别决策树模型,具体为:
以非黑臭、轻度黑臭、重度黑臭为最终的属性输出,构建致黑公共因子、致臭公共因子为判定条件的决策树模型。
进一步地,所述判定条件具体如下:
致黑公共因子取-0.738时,进行第一级划分;
致黑公共因子<-0.738时,以致臭公共因子取1.84进行第二级划分;当致臭公共因子<1.84时,归为轻度黑臭;致臭公共因子≥1.84时,归为重度黑臭;
致黑公共因子≥-0.738时,以致臭公共因子取0.549进行第二级划分;当致臭公共因子<0.549时,归为非黑臭水体;
致黑公共因子≥-0.738且致臭公共因子≥0.549时,以致臭公共因子取2.414进行第三级划分;当致臭公共因子<2.414时,归为轻度黑臭;致臭公共因子≥2.414时,归为重度黑臭。
本发明与现有技术相比,具有如下优点和有益效果:
本发明以《地表水环境质量标准(GB3838-2002)》所列的常规水质检测参数为输入数据,在不增加水质参数检测种类的基础上,结合《城市黑臭水体整治工作指南》所述的黑臭水体评价标准,构建了包含致黑、致臭两个公共因子的因子分析模型,并根据简易的决策树模型,完成黑臭水体判别。本发明可充分利用现有地表水水质监测体系,在不增加成本的前提下,实现黑臭水体判别,且具有较高的可行性和经济性,能大范围推广应用。
附图说明
图1是本发明所述一种基于常规水质参数的城市黑臭水体识别方法的流程图;
图2是本发明所述实施例中判别规则流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例:
一种基于常规水质参数的城市黑臭水体识别方法,如图1所示,包括以下步骤:
获取水体的常规水质检测参数;
对水体的常规水质检测参数的浓度进行标准化计算,得到标准化水质检测参数;
根据标准化水质检测参数,获取对应水质检测时段的水体黑臭等级;
建立因子分析模型,所述因子分析模型包含致黑公共因子和致臭公共因子;
通过致黑公共因子和致臭公共因子建立水体识别决策树模型,进而通过水体识别决策树模型判定水体黑臭情况,得到识别结果。
具体如下:
步骤1:根据“广州环保地理信息系统”网站,获取广州53条河涌的透明度(m)、溶解氧(mg/L)、氨氮(mg/L)、总磷(mg/L)、化学需氧量(mg/L)共5种水质参数数据。
步骤2:因各项水质参数的计量单位和有效范围不统一,需进行标准化处理。同时,为使标准化后的数值具有明显的水质等级特征,构建的标准化计算公式为:
Figure BDA0002953517560000041
其中,x为原水质参数浓度值;为标准化计算后水质参数特征值;xΙΙΙ为ΙΙΙ类水标准限值,xV为V类水标准限值,即xΙΙΙ和xV分别为《地表水环境质量标准》(GB3838-2002)中Ⅲ类水和Ⅴ类水的标准限值,具体取值见表1。标准化后,x′大于1,表示该水质参数优于Ⅲ类水标准;x′位于0和1之间,表示该水质参数对应Ⅳ类、Ⅴ类水;x′为负值,表示该水质参数对应劣Ⅴ类水。此外,由于透明度在上述水质标准中无相应的标准限值,这里以米(m)为单位,取相应数值参与后续计算,如表1所示。
表1式1所述xΙΙΙ、xV取值
Figure BDA0002953517560000051
步骤3:对应步骤1水质检测数据时段,根据《城市黑臭水体整治工作指南》的主、客观标准判别水体黑臭等级;其中,主观判别标准依据黑臭水体定义“呈现令人不悦的颜色和(或)散发令人不适气味”进行判断;客观标准根据透明度、溶解氧(DO)、氧化还原电位(ORP)和氨氮(NH3-N)四项指标检测值进行判断。黑臭水体污染程度分级标准如表2所示。
表2《城市黑臭水体整治工作指南》所述黑臭水体污染程度分级标准
特征指标(单位) 轻度黑臭 重度黑臭
透明度(cm) 25~10* <10*
溶解氧(mg/L) 0.2~2.0 <0.2
氧化还原电位(mV) -200~50 <-200
氨氮(mg/L) 8.0~15 >15
注:*水深不足25cm时,该指标按水深的40%取值。
步骤4:建立包含致黑和致臭两个公共因子的因子分析模型。具体实现包括以下子步骤:
4.1因子分析模型构建
将步骤1所列的水质参数分解成两部分,一部分是致黑和致臭这两个公共因子的线性组合,另一部分是该水质参数所独有的特殊因子。因子分析矩阵模型为:
x=μ+Λf+e
其中,x为d×m的矩阵;表示该常规水质检测参数的观测变量(即这里的水质参数);d为观测样本的个数,m为该常规水质检测参数的观测指标(即这里的水质参数);μ为常向量,d×1表示相应常规水质检测参数的均值;f为1×m的矢量,表示观测变量的公共因子;Λ为d×m的矩阵,称为因子载荷矩阵,反映公共因子对变量的重要程度;e为d×1的矢量,称为特殊因子矢量。
4.2公共因子分析
子步骤4.1获取的因子载荷矩阵如表3所示。其中,氨氮、总磷、化学需氧量在第1个公共因子的载荷较大,由于这些水质参数均可在一定程度上反映水体有机物含量,可解释为致臭公共因子;透明度在第2个公共因子的载荷较大,可解释为致黑公共因子。两个因子对原始数据总方差的累积贡献率为72.32%。
表3因子分析返回参数
Figure BDA0002953517560000061
步骤5:通过得到的公共因子,建立决策树模型,判定水体黑臭情况。具体实现包括以下子步骤:
5.1决策树模型构建
以非黑臭、轻度黑臭、重度黑臭为最终的属性输出,构建致黑公共因子、致臭公共因子为判定条件的决策树模型。得到的判别规则如图2所示。
⑵致黑公共因子(BF)取-0.738时,进行第一级划分。
⑵BF<-0.738时,以致臭公共因子(OF)取1.84进行第二级划分。当OF<1.84时,归为轻度黑臭;OF≥1.84时,归为重度黑臭。
⑶BF≥-0.738时,以致臭公共因子(OF)取0.549进行第二级划分。当OF<0.549时,归为非黑臭水体。
⑷BF≥-0.738且OF≥0.549时,以致臭公共因子(OF)取2.414进行第三级划分。当OF<2.414时,归为轻度黑臭;OF≥2.414时,归为重度黑臭。
5.2精度评价
本方法识别的非黑臭水体中,有86%的可能确为非黑臭水体,14%误判为非黑臭水体;轻度黑臭水体中,87%的可能确为轻度黑臭水体,7%误判为非黑臭水体,6%误判为重度黑臭;重度黑臭水体中,90%的可能确为重度黑臭,10%误判为轻度黑臭,具体如表4所示。
表4依据致臭因子/致黑因子判断黑臭的混淆矩阵
Figure BDA0002953517560000071
本发明综合了《地表水环境质量标准(GB3838-2002)》和《城市黑臭水体整治工作指南》两套水环境评价标准,充分利用现有地表水水质监测体系,在不增加成本的前提下,实现黑臭水体判别,且具有较高的可行性和经济性,能大范围推广应用。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (9)

1.一种基于常规水质参数的城市黑臭水体识别方法,其特征在于,包括以下步骤:
获取水体的常规水质检测参数;
对水体的常规水质检测参数的浓度进行标准化计算,得到标准化水质检测参数;
根据标准化水质检测参数,获取对应水质检测时段的水体黑臭等级;
建立因子分析模型,所述因子分析模型包含致黑公共因子和致臭公共因子;
通过致黑公共因子和致臭公共因子建立水体识别决策树模型,进而通过水体识别决策树模型判定水体黑臭情况,得到识别结果。
2.根据权利要求1所述的一种基于常规水质参数的城市黑臭水体识别方法,其特征在于,所述获取水体的常规水质检测参数,具体为:获取水体的透明度、溶解氧、氨氮、总磷、化学需氧量的浓度,透明度计算单位为m,溶解氧计算单位为mg/L,氨氮计算单位为mg/L,总磷计算单位为mg/L,化学需氧量计算单位为mg/L。
3.根据权利要求1所述的一种基于常规水质参数的城市黑臭水体识别方法,其特征在于,所述对水体的常规水质检测参数的浓度进行标准化计算,具体如下:构建标准化计算公式:
Figure FDA0002953517550000011
其中,x为原水质参数浓度值;为标准化计算后水质参数特征值;xΙΙΙ为地表水环境质量标准所述的ΙΙΙ类水标准限值,xV为地表水环境质量标准所述的V类水标准限值;
标准化计算后,若x′大于1,则表示该水质参数优于ΙΙΙ类水标准;若x′位于0和1之间,则表示该水质参数对应地表水环境质量标准所述的ΙV类水标准;若x′小于0,则表示该水质参数对应劣于V类水。
4.根据权利要求3所述的一种基于常规水质参数的城市黑臭水体识别方法,其特征在于,所述ΙΙΙ类水标准限值具体为:溶解氧为5mg/L,氨氮为1mg/L,总磷为0.2mg/L,化学需氧量为20mg/L;所述V类水标准限值具体为:溶解氧为2mg/L,氨氮为2mg/L,总磷为0.4mg/L,化学需氧量为40mg/L。
5.根据权利要求1所述的一种基于常规水质参数的城市黑臭水体识别方法,其特征在于,所述根据标准化水质检测参数,获取对应水质检测时段的水体黑臭等级,具体为:根据城市黑臭水体整治工作指南的主、客观标准判别水体黑臭等级。
6.根据权利要求2所述的一种基于常规水质参数的城市黑臭水体识别方法,其特征在于,所述建立因子分析模型,具体为:
将常规水质检测参数分解成两部分,一部分是致黑公共因子和致臭公共因子的线性组合,另一部分是该常规水质检测参数所独有的特殊因子;则因子分析模型为:
x=μ+Λf+e
其中,x为d×m的矩阵;表示该常规水质检测参数的观测变量;d为观测样本的个数,m为该常规水质检测参数的观测指标;μ为常向量,d×1表示相应常规水质检测参数的均值;f为1×m的矢量,表示观测变量的公共因子;Λ为d×m的矩阵,称为因子载荷矩阵,反映公共因子对变量的重要程度;e为d×1的矢量,称为特殊因子矢量。
7.根据权利要求6所述的一种基于常规水质参数的城市黑臭水体识别方法,其特征在于,所述致臭公共因子包括氨氮、总磷、化学需氧量;所述致黑公共因子包括透明度。
8.根据权利要求1所述的一种基于常规水质参数的城市黑臭水体识别方法,其特征在于,所述通过致黑公共因子和致臭公共因子建立水体识别决策树模型,具体为:
以非黑臭、轻度黑臭、重度黑臭为最终的属性输出,构建致黑公共因子、致臭公共因子为判定条件的决策树模型。
9.根据权利要求8所述的一种基于常规水质参数的城市黑臭水体识别方法,其特征在于,所述判定条件具体如下:
致黑公共因子取-0.738时,进行第一级划分;
致黑公共因子<-0.738时,以致臭公共因子取1.84进行第二级划分;当致臭公共因子<1.84时,归为轻度黑臭;致臭公共因子≥1.84时,归为重度黑臭;
致黑公共因子≥-0.738时,以致臭公共因子取0.549进行第二级划分;当致臭公共因子<0.549时,归为非黑臭水体;
致黑公共因子≥-0.738且致臭公共因子≥0.549时,以致臭公共因子取2.414进行第三级划分;当致臭公共因子<2.414时,归为轻度黑臭;致臭公共因子≥2.414时,归为重度黑臭。
CN202110215338.9A 2021-02-26 2021-02-26 一种基于常规水质参数的城市黑臭水体识别方法 Active CN112903945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110215338.9A CN112903945B (zh) 2021-02-26 2021-02-26 一种基于常规水质参数的城市黑臭水体识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110215338.9A CN112903945B (zh) 2021-02-26 2021-02-26 一种基于常规水质参数的城市黑臭水体识别方法

Publications (2)

Publication Number Publication Date
CN112903945A true CN112903945A (zh) 2021-06-04
CN112903945B CN112903945B (zh) 2022-02-22

Family

ID=76108408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110215338.9A Active CN112903945B (zh) 2021-02-26 2021-02-26 一种基于常规水质参数的城市黑臭水体识别方法

Country Status (1)

Country Link
CN (1) CN112903945B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114368795A (zh) * 2021-12-31 2022-04-19 天健创新(北京)监测仪表股份有限公司 一种在线式黑臭水体的多模态辨识方法及系统
CN115631408A (zh) * 2022-12-20 2023-01-20 天地信息网络研究院(安徽)有限公司 一种星地协同的黑臭水体识别模型自动优化系统

Citations (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1657934A (zh) * 2005-03-01 2005-08-24 徐祖信 河流综合水质标识指数评价方法
CN1657935A (zh) * 2005-03-01 2005-08-24 徐祖信 河流单因子水质标识指数评价方法
JP2006302049A (ja) * 2005-04-21 2006-11-02 Hitachi Ltd 水質管理システム
JP2010131328A (ja) * 2008-12-08 2010-06-17 Tokyo Univ Of Agriculture & Technology 嗜好判別装置、嗜好判別方法、嗜好判別プログラム、及び脳波解析方法
CN105352782A (zh) * 2015-11-23 2016-02-24 中国科学院南京地理与湖泊研究所 一种沉积物中硫醚类致臭物质的测定前处理方法
CN105469224A (zh) * 2016-01-06 2016-04-06 天津工业大学 一种恶臭污染源关键致臭物质的识别方法
CN106353283A (zh) * 2016-11-04 2017-01-25 青岛佳明测控科技股份有限公司 水体透明度检测方法及基于该方法的检测装置
CN106530133A (zh) * 2016-11-22 2017-03-22 山东省城市供排水水质监测中心 一种基于综合水质指数法的湖库型水源水质评价方法
CN106570591A (zh) * 2016-11-08 2017-04-19 北京师范大学 基于水质监测及源解析的傍河水源地水质安全预警方法
CN106874948A (zh) * 2017-02-08 2017-06-20 武汉海卓科科技有限公司 一种黑臭水自动识别与评估方法
CN107025467A (zh) * 2017-05-09 2017-08-08 环境保护部卫星环境应用中心 一种水体分类模型的建立方法及装置
CN107239613A (zh) * 2017-06-05 2017-10-10 南开大学 一种基于在线数据和因子分析模型的智能源类识别方法
CN108470234A (zh) * 2018-02-02 2018-08-31 中国海洋大学 一种综合性水质评价方法
CN108645853A (zh) * 2018-05-11 2018-10-12 南京吉泽信息科技有限公司 一种黑臭水体遥感识别的比值指数方法
CN109142296A (zh) * 2018-08-16 2019-01-04 中国科学院合肥物质科学研究院 基于多源光谱特征的城市水体黑臭快速识别测定方法
CN109190884A (zh) * 2018-07-26 2019-01-11 福建海峡环保集团股份有限公司 一种河道水体综合评价方法
CN109269994A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种化学需氧量的识别方法、装置、存储介质及设备
CN109269992A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种氨氮的识别方法、装置、存储介质及设备
CN109269988A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种氨氮的识别方法、装置、存储介质及设备
CN109269989A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种溶解氧的识别方法、装置、存储介质及设备
CN109269990A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种总磷的识别方法、装置、存储介质及设备
CN109269991A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种总磷的识别方法、装置、存储介质及设备
CN109472294A (zh) * 2018-10-15 2019-03-15 广州地理研究所 一种城市水体的识别方法、装置、储存介质及设备
CN109948482A (zh) * 2019-03-07 2019-06-28 中山市信息技术研究所 一种黑臭水体图像提取与识别方法
CN110095424A (zh) * 2019-04-30 2019-08-06 广东赛能科技股份有限公司 一种黑臭水体四参数在线监测一体化装置
CN110390277A (zh) * 2019-07-04 2019-10-29 中科卫星应用德清研究院 复杂下垫面水体识别方法及黑臭水体预测方法
CN110688909A (zh) * 2019-09-05 2020-01-14 南京有春科技有限公司 城市黑臭水体的识别方法、装置、设备以及存储介质
CN110954490A (zh) * 2019-12-03 2020-04-03 交通运输部天津水运工程科学研究所 一种评价河道生态恢复状况的方法
CN110987955A (zh) * 2019-12-05 2020-04-10 南京师范大学 一种基于决策树的城市黑臭水体分级方法
CN111008910A (zh) * 2019-12-20 2020-04-14 湖南省建筑设计院有限公司 农村黑臭水体识别与判定方法

Patent Citations (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1657934A (zh) * 2005-03-01 2005-08-24 徐祖信 河流综合水质标识指数评价方法
CN1657935A (zh) * 2005-03-01 2005-08-24 徐祖信 河流单因子水质标识指数评价方法
JP2006302049A (ja) * 2005-04-21 2006-11-02 Hitachi Ltd 水質管理システム
JP2010131328A (ja) * 2008-12-08 2010-06-17 Tokyo Univ Of Agriculture & Technology 嗜好判別装置、嗜好判別方法、嗜好判別プログラム、及び脳波解析方法
CN105352782A (zh) * 2015-11-23 2016-02-24 中国科学院南京地理与湖泊研究所 一种沉积物中硫醚类致臭物质的测定前处理方法
CN105469224A (zh) * 2016-01-06 2016-04-06 天津工业大学 一种恶臭污染源关键致臭物质的识别方法
CN106353283A (zh) * 2016-11-04 2017-01-25 青岛佳明测控科技股份有限公司 水体透明度检测方法及基于该方法的检测装置
CN106570591A (zh) * 2016-11-08 2017-04-19 北京师范大学 基于水质监测及源解析的傍河水源地水质安全预警方法
CN106530133A (zh) * 2016-11-22 2017-03-22 山东省城市供排水水质监测中心 一种基于综合水质指数法的湖库型水源水质评价方法
CN106874948A (zh) * 2017-02-08 2017-06-20 武汉海卓科科技有限公司 一种黑臭水自动识别与评估方法
CN107025467A (zh) * 2017-05-09 2017-08-08 环境保护部卫星环境应用中心 一种水体分类模型的建立方法及装置
CN107239613A (zh) * 2017-06-05 2017-10-10 南开大学 一种基于在线数据和因子分析模型的智能源类识别方法
CN108470234A (zh) * 2018-02-02 2018-08-31 中国海洋大学 一种综合性水质评价方法
CN108645853A (zh) * 2018-05-11 2018-10-12 南京吉泽信息科技有限公司 一种黑臭水体遥感识别的比值指数方法
CN109190884A (zh) * 2018-07-26 2019-01-11 福建海峡环保集团股份有限公司 一种河道水体综合评价方法
CN109142296A (zh) * 2018-08-16 2019-01-04 中国科学院合肥物质科学研究院 基于多源光谱特征的城市水体黑臭快速识别测定方法
CN109269994A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种化学需氧量的识别方法、装置、存储介质及设备
CN109269992A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种氨氮的识别方法、装置、存储介质及设备
CN109269988A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种氨氮的识别方法、装置、存储介质及设备
CN109269989A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种溶解氧的识别方法、装置、存储介质及设备
CN109269990A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种总磷的识别方法、装置、存储介质及设备
CN109269991A (zh) * 2018-10-15 2019-01-25 广州地理研究所 一种总磷的识别方法、装置、存储介质及设备
CN109472294A (zh) * 2018-10-15 2019-03-15 广州地理研究所 一种城市水体的识别方法、装置、储存介质及设备
CN109948482A (zh) * 2019-03-07 2019-06-28 中山市信息技术研究所 一种黑臭水体图像提取与识别方法
CN110095424A (zh) * 2019-04-30 2019-08-06 广东赛能科技股份有限公司 一种黑臭水体四参数在线监测一体化装置
CN110390277A (zh) * 2019-07-04 2019-10-29 中科卫星应用德清研究院 复杂下垫面水体识别方法及黑臭水体预测方法
CN110688909A (zh) * 2019-09-05 2020-01-14 南京有春科技有限公司 城市黑臭水体的识别方法、装置、设备以及存储介质
CN110954490A (zh) * 2019-12-03 2020-04-03 交通运输部天津水运工程科学研究所 一种评价河道生态恢复状况的方法
CN110987955A (zh) * 2019-12-05 2020-04-10 南京师范大学 一种基于决策树的城市黑臭水体分级方法
CN111008910A (zh) * 2019-12-20 2020-04-14 湖南省建筑设计院有限公司 农村黑臭水体识别与判定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHE QIN 等: "Research on evaluation model of Baoding city river black-odor", 《INTERNATIONAL JOURNAL OF SCIENCE》 *
张骥 等: "因子分析法在天津市主要河流水质污染程度综合评价中的应用", 《安全与环境工程》 *
韩明 编: "《应用多元统计分析》", 31 August 2019, 同济大学出版社 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114368795A (zh) * 2021-12-31 2022-04-19 天健创新(北京)监测仪表股份有限公司 一种在线式黑臭水体的多模态辨识方法及系统
CN115631408A (zh) * 2022-12-20 2023-01-20 天地信息网络研究院(安徽)有限公司 一种星地协同的黑臭水体识别模型自动优化系统
CN115631408B (zh) * 2022-12-20 2023-03-28 天地信息网络研究院(安徽)有限公司 一种星地协同的黑臭水体识别模型自动优化系统

Also Published As

Publication number Publication date
CN112903945B (zh) 2022-02-22

Similar Documents

Publication Publication Date Title
Cui et al. Assessment of phytotoxicity grade during composting based on EEM/PARAFAC combined with projection pursuit regression
Cavlovic et al. A meta-analysis of environmental Kuznets curve studies
CN112903945B (zh) 一种基于常规水质参数的城市黑臭水体识别方法
Liu et al. Anthropogenic factors of PM2. 5 distributions in China’s major urban agglomerations: A spatial-temporal analysis
Lehmann et al. Long-term behaviour and cross-correlation water quality analysis of the river Elbe, Germany
Lehndorff et al. Biomonitoring of air quality in the Cologne Conurbation using pine needles as a passive sampler–Part III: Major and trace elements
Turan et al. The use of olive tree (Olea europaea L.) leaves as a bioindicator for environmental pollution in the Province of Aydın, Turkey
CN110308255B (zh) 一种基于污染指示菌群对近海水体污染程度定量预测方法
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
CN115048475A (zh) 一种基于大数据的快速水污染溯源方法以及系统
Iwasaki et al. Sensitivity of planktic foraminiferal test bulk density to ocean acidification
Mustapha et al. Statistical approach in determining the spatial changes of surface water quality at the upper course of Kano River, Nigeria
Oberholster et al. The development of a wetland classification and risk assessment index (WCRAI) for non-wetland specialists for the management of natural freshwater wetland ecosystems
CN115691670A (zh) 一种基于微生物群落特异性响应的河流生态系统健康评价方法
Hiriart-Baer et al. Dissolved organic matter quantity and quality in Lake Simcoe compared to two other large lakes in southern Ontario
CN110658305A (zh) 一种正向设计车内气味物质等级的方法
Ansorge et al. UEEJ
Lee et al. On the relationship between economic growth and environmental sustainability
Kubule et al. Modelling of the bioeconomy system using interpretive structural modelling
Wan et al. Odour emission characteristics of 22 recreational rivers in Nanjing
CN113793645A (zh) 一种基于机器学习模型的堆肥腐熟度预测方法
Galvez et al. Principal Component Analysis of Heavy Metals in Atmospheric Aerosols from Meycauayan, Bulacan, Philippines
CN111707652A (zh) 基于三维荧光光谱的水体中雌激素生物降解潜力评价方法
CN113990407B (zh) 对多氯萘及其同系物的含量及来源进行解析的解析方法
Postolache et al. Factors controlling key nitrogen fluxes in grassland ecosystems: case studies-Southern Romania.

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