CN112948761A - 河流氮污染物定量源解析系统 - Google Patents
河流氮污染物定量源解析系统 Download PDFInfo
- Publication number
- CN112948761A CN112948761A CN201911255655.2A CN201911255655A CN112948761A CN 112948761 A CN112948761 A CN 112948761A CN 201911255655 A CN201911255655 A CN 201911255655A CN 112948761 A CN112948761 A CN 112948761A
- Authority
- CN
- China
- Prior art keywords
- source
- isotope
- river
- nitrogen
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明属于污染物定量源解析技术领域,具体涉及了一种河流氮污染物定量源解析系统,旨在解决现有技术在使用者不具备良好数学和编程语言基础时,无法定量3种以上污染源的贡献率的问题。本发明包括:污染源同位素、河水同位素组成数据库;待解析数据获取模块,获取各个样品来源同位素、河水同位素组成信息、同位素分馏校正系数;通过源解析模块进行定量源解析;解析结果展示模块,以百分比和/或饼状图形式展示源解析结果。本发明发挥同位素及贝叶斯算法在氮污染物源解析中的优势,解析结果为概率分布而非特定值,对河流氮来源的判定和描述更符合河流真实情况,应用范围广、解析结果准确,不要求使用者具有较好数学和编程语言基础,操作简单灵活。
Description
技术领域
本发明属于污染物定量源解析技术领域,具体涉及了一种河流氮污染物定量源解析系统。
背景技术
氮(N)是水生态系统中调节初级生产力和物种多样性的最重要的营养物质。人类通过多种途径将氮气(N2)转化为反应活性更高的其他形态的氮,造成了诸如水质恶化、富营养化、生物多样性下降等全球性环境问题和环境危害。因此降低地表水体氮含量是保证水质安全的关键问题和重要任务,也是亟待解决的难题。“污染源头控制”是氮污染物消减的根本途径。由于氮来源的多样性以及物理化学和生物作用的影响,靠传统的测定氮形态与含量变化研究无法辩识水体氮的来源。通过排污统计往往存在很大的不确定性,尤其是对面源污染难以统计;同时存在工作量、投资巨大的问题。
迄今为止,稳定同位素地球化学理论和方法是解决上述基础科学问题的最主要和有效的手段。获取河水的同位素组成之后,可以用同位素混合模型定量各来源的贡献率。然而,传统的同位素混合模型模型还存在很多不足:(1)在氮循环的过程中产生的同位素分馏,尤其是反硝化作用等,会对来源的判断和源解析结果产生干扰,定量氮源极其困难;(2)当有n种同位素时,只能解析n+1种来源,当利用N、O两种稳定同位素时,只能解析出3种氮来源,而实际上目标水体的氮来源一般不止3种,因此,这部分未解析出的源的贡献率分摊给解析出的几种己知源,会造成解析的误差。近期,贝叶斯体系开始用于氮的源解析中(SIAR)。在SIAR中,不同来源的贡献率被当作随机变量,使得源贡献率可以被当作概率分布方程。考虑到各个来源的贡献率之和为1,采用Dirichlet分布作为源贡献率的先验分布。在输入污染源和河流同位素特征以及各污染源的校正值之后,软件将利用蒙特卡洛—马尔科夫链生成大量的实现,用这些实现的均值、方差、分位数等来表征各个来源的贡献率。该模型最大特点是可以给出各种来源的后验分布特征,这就解决了传统同位素混合模型不能实现的问题。如当仅有2个污染源时仍可实现源解析,并且,解析的结果是一个概率分布而非特定的值,对河流氮来源的判定和描述更加符合河流的真实情况。另外该技术还可以表征由同位素分馏引起的变异。然而,贝叶斯体系模型的缺点在于需要使用者具有较好的数学和编程语言基础,且模型操作繁琐。
总的来说,传统的氮、氧两种同位素示踪手段运用质量平衡法只能定量3种以内污染源的贡献率,而贝叶斯体系算法可以解决多污染来源的贡献率,但是要求使用者具有数学和编程语言的交叉学科背景,均无法快速简洁地实现河流氮污染物定量源解析。
发明内容
为了解决现有技术中的上述问题,即现有技术在使用者不具备良好数学和编程语言基础时,无法定量3种以上污染源的贡献率的问题,本发明提供了一种河流氮污染物定量源解析系统,该系统包括数据库模块、待解析数据获取模块、源解析模块、解析结果展示模块;
所述数据库模块包含特定区域污染源同位素组成数据库、河水同位素组成数据库;
所述待解析数据获取模块,配置为获取各个样品来源同位素组成信息、河水同位素组成信息、同位素分馏校正系数,作为待解析数据;
所述源解析模块,配置为基于所述数据库模块的信息,通过预设的基于贝叶斯算法的同位素混合模型获取所述待解析数据的源解析结果;
所述解析结果展示模块,配置为将待解析数据的源解析结果根据预设的显示形式展示。
在一些优选的实施例中,该系统还设置有数据库更新模块;
所述数据库更新模块,配置为依据获取的新的研究区域的污染源同位素信息和/或河水同位素信息进行所述污染源同位素组成数据库和/或河水同位素组成数据库更新。
在一些优选的实施例中,所述河水同位素信息包括:
河水组别号、河水氮同位素比值、河水氧同位素比值。
在一些优选的实施例中,所述污染源同位素信息包括:
污染源名称、污染源氮同位素比值、污染源氮同位素标准偏差、污染源氧同位素比值,污染源氧同位素标准偏差。
在一些优选的实施例中,所述预设的基于贝叶斯算法的同位素混合模型运用J种同位素计算K个来源的贡献率:
其中,Xij代表样品i的同位素数据j;Pk代表样品来源k的贡献率,K代表有K个样品来源;Sjk代表污染源k的同位素数据;Cjk代表污染源k的同位素分馏;εjk代表各污染源未定量的变化。
在一些优选的实施例中,所述污染源k的同位素数据为:
其中,μjk代表污染源k的同位素数据平均值,ω2 jk代表污染源k的同位素数据方差。
在一些优选的实施例中,所述污染源k的同位素分馏为:
其中,λjk代表污染源k的同位素分馏平均值,τjk 2代表污染源k的同位素分馏方差。
在一些优选的实施例中,所述各污染源未定量的变化为:
其中,σj 2代表同位素数据j的标准偏差。
在一些优选的实施例中,所述预设的显示形式包括百分比形式、饼状图形式;
所述百分比形式,配置为在输出框中以百分比的形式表达待解析数据的源解析结果;
所述饼状图形式,配置为在地图上以饼状图的形式表达待解析数据的源解析结果。
本发明的有益效果:
(1)本发明河流氮污染物定量源解析系统,能够发挥稳定同位素技术理论以及贝叶斯体系算法技术在氮污染物源解析中的优势,可以定量3种以上污染源的贡献率,给出各种来源的后验分布特征,解析的结果是一个概率分布而非特定的值,对河流氮来源的判定和描述更加符合河流的真实情况,应用范围广、解析结果准确。
(2)本发明将基于贝叶斯算法的同位素混合模型集成到系统中,不要求使用者具有较好的数学和编程语言基础,操作简单灵活。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本发明河流氮污染物定量源解析系统一种实施例的框架示意图;
图2是本发明河流氮污染物定量源解析系统一种实施例的登录界面示例图;
图3是本发明河流氮污染物定量源解析系统一种实施例的流程示意图;
图4是本发明河流氮污染物定量源解析系统一种实施例的百分比形式源解析结果示例图;
图5是本发明河流氮污染物定量源解析系统一种实施例的饼状图形式源解析结果示例图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明的一种河流氮污染物定量源解析系统,该系统包括数据库模块、待解析数据获取模块、源解析模块、解析结果展示模块;
所述数据库模块包含特定区域污染源同位素组成数据库、河水同位素组成数据库;
所述待解析数据获取模块,配置为获取各个样品来源同位素组成信息、河水同位素组成信息、同位素分馏校正系数,作为待解析数据;
所述源解析模块,配置为基于所述数据库模块的信息,通过预设的基于贝叶斯算法的同位素混合模型获取所述待解析数据的源解析结果;
所述解析结果展示模块,配置为将待解析数据的源解析结果根据预设的显示形式展示。
本发明河流氮污染物定量源解析系统的软件是一种基于同位素理论和贝叶斯体系算法的氮污染物的定量源解析软件,可以为科研人员和管理人员提供一个有力的、科学的、易操作的氮污染源解析工具。
本发明软件运行在PC及其兼容机上,使用Windows操作系统,无需安装,点击图标即可显示软件的主菜单,进行需要的软件操作。软件要求在Windows 7以上操作系统运行,要求内存256Mb以上,硬盘10Gb以上,CPU i3以上。此外,要求系统内安装有R3.4.1以上版本R语言编程软件。
为了更清晰地对本发明河流氮污染物定量源解析系统进行说明,下面结合图1对本发明系统实施例中各模块展开详述。
本发明一种实施例的河流氮污染物定量源解析系统,包括数据库模块、待解析数据获取模块、源解析模块、解析结果展示模块,各模块详细描述如下:
软件无需安装,可直接应用,运行后首先出现登录界面。如图2所示,为本发明河流氮污染物定量源解析系统一种实施例的登录界面示例图,初始账号为iggcas,密码为123456。账号密码可根据需要进行设置以及修改。每次使用软件时都需要重新登录(关闭以后自行注销)。
如图3所示,为本发明河流氮污染物定量源解析系统一种实施例的流程示意图,首先确定主要污染源(大气沉降、农用化肥、农业养殖、生活污水、工业废水、自然土壤),然后分析河水、悬浮物的同位素组成以及进行分组、分馏校正后,通过基于贝叶斯算法的同位素混合模型定量解析不同污染源的贡献率,精准获取各个污染源的位置,最终以百分比形式输出结果并以饼状图形式在地图中展示。
所述数据库模块包含特定区域污染源同位素组成数据库、河水同位素组成数据库。
该系统还设置有数据库更新模块:
所述数据库更新模块,配置为依据获取的新的研究区域的污染源同位素信息和/或河水同位素信息进行所述污染源同位素组成数据库和/或河水同位素组成数据库更新。
污染源同位素组成数据库、河水同位素组成数据库可根据不同的研究区域进行编辑
所述待解析数据获取模块,配置为获取各个样品来源同位素组成信息、河水同位素组成信息、同位素分馏校正系数,作为待解析数据。
所述河水同位素信息包括:
河水组别号、河水氮同位素比值、河水氧同位素比值。
所述污染源同位素信息包括:
污染源名称、污染源氮同位素比值、污染源氮同位素标准偏差、污染源氧同位素比值,污染源氧同位素标准偏差。
将各个来源同位素组成信息、河水同位素组成信息、同位素分馏校正系数编辑输入软件中,具体输入规则如下:
河水同位素信息为“组别,氮同位素,氧同位素”,可根据需要进行分组并分别输入。如:“1,5‰,5‰”;
污染源同位素信息为“污染源名称,污染源氮同位素,污染源氮同位素标准偏差,污染源氧同位素,污染源氧同位素标准偏差”,可设置任意数量的污染源。如:“化肥,5‰,2‰,3‰,1‰”;
同位素分馏校正系数与污染源同位素信息输入规则相同。如果忽略硝化作用产生的分馏,同位素分馏校正系数所有数据为0。
所述源解析模块,配置为基于所述数据库模块的信息,通过预设的基于贝叶斯算法的同位素混合模型获取所述待解析数据的源解析结果。
本发明一个实施例中,选择丹江口水源地河流为例,通过软件进行源解析。若要进行其他地区源解析,仅需编辑软件中的data.json文件(输入名称和坐标),并将底图放入软件origin目录下。因此,本发明软件可以实现任意流域的氮污染物的源解析工作。
点击“开始源解析”,软件会自动运行所有模块,并自动进行计算,软件默认计算次数为200000次。
所述预设的基于贝叶斯算法的同位素混合模型运用J种同位素计算K个来源的贡献率,如式(1)所示:
其中,Xij代表样品i的同位素数据j;Pk代表样品来源k的贡献率,K代表有K个样品来源;Sjk代表污染源k的同位素数据;Cjk代表污染源k的同位素分馏;εjk代表各污染源未定量的变化。
所述污染源k的同位素数据如式(2)所示:
其中,μjk代表污染源k的同位素数据平均值,ω2 jk代表污染源k的同位素数据方差。
所述污染源k的同位素分馏如式(3)所示:
其中,λjk代表污染源k的同位素分馏平均值,τjk 2代表污染源k的同位素分馏方差。
所述各污染源未定量的变化,以0均值和标准偏差正态分布,如式(4)所示:
其中,σj 2代表同位素数据j的标准偏差。
所述解析结果展示模块,配置为将待解析数据的源解析结果根据预设的显示形式展示。
所述预设的显示形式包括百分比形式、饼状图形式:
所述百分比形式,配置为在输出框中以百分比的形式表达待解析数据的源解析结果;
所述饼状图形式,配置为在地图上以饼状图的形式表达待解析数据的源解析结果。
软件的源解析结果显示在界面中,可以通过百分比的形式表达。如图4所示,为本发明河流氮污染物定量源解析系统一种实施例的百分比形式源解析结果示例图,对丹江口水源地河流源解析的结果为“土壤:25%;化肥:24.3%;生活污水:31.4%;降水:9.5%;工业:9.8%;”。
还可以将结果以饼状图的形式生成在地图相应位置上,该图可以根据需要自行缩放。如图5所示,为本发明河流氮污染物定量源解析系统一种实施例的饼状图形式源解析结果示例图,圆点代表各河流的河口,方点代表不同城市,不同污染源的贡献率之和为100%,1代表污染源化肥的贡献率,2代表污染源土壤的贡献率,3代表污染源生活污水的贡献率,4代表污染源降水的贡献率,5代表污染源工业的贡献率,饼图可以直观的体现各污染源的贡献率大小。
需要说明的是,上述实施例提供的河流氮污染物定量源解析系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (9)
1.一种河流氮污染物定量源解析系统,其特征在于,该系统包括数据库模块、待解析数据获取模块、源解析模块、解析结果展示模块;
所述数据库模块包含特定区域污染源同位素组成数据库、河水同位素组成数据库;
所述待解析数据获取模块,配置为获取各个样品来源同位素组成信息、河水同位素组成信息、同位素分馏校正系数,作为待解析数据;
所述源解析模块,配置为基于所述数据库模块的信息,通过预设的基于贝叶斯算法的同位素混合模型获取所述待解析数据的源解析结果;
所述解析结果展示模块,配置为将待解析数据的源解析结果根据预设的显示形式展示。
2.根据权利要求1所述的河流氮污染物定量源解析系统,其特征在于,该系统还设置有数据库更新模块;
所述数据库更新模块,配置为依据获取的新的研究区域的污染源同位素信息和/或河水同位素信息进行所述污染源同位素组成数据库和/或河水同位素组成数据库更新。
3.根据权利要求1所述的河流氮污染物定量源解析系统,其特征在于,所述河水同位素信息包括:
河水组别号、河水氮同位素比值、河水氧同位素比值。
4.根据权利要求1所述的河流氮污染物定量源解析系统,其特征在于,所述污染源同位素信息包括:
污染源名称、污染源氮同位素比值、污染源氮同位素标准偏差、污染源氧同位素比值,污染源氧同位素标准偏差。
9.根据权利要求1所述的河流氮污染物定量源解析系统,其特征在于,所述预设的显示形式包括百分比形式、饼状图形式;
所述百分比形式,配置为在输出框中以百分比的形式表达待解析数据的源解析结果;
所述饼状图形式,配置为在地图上以饼状图的形式表达待解析数据的源解析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911255655.2A CN112948761A (zh) | 2019-12-10 | 2019-12-10 | 河流氮污染物定量源解析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911255655.2A CN112948761A (zh) | 2019-12-10 | 2019-12-10 | 河流氮污染物定量源解析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112948761A true CN112948761A (zh) | 2021-06-11 |
Family
ID=76225419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911255655.2A Pending CN112948761A (zh) | 2019-12-10 | 2019-12-10 | 河流氮污染物定量源解析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112948761A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113933372A (zh) * | 2021-11-11 | 2022-01-14 | 广西大学 | 流域硝态氮来源入河负荷及入河系数的定量辨识方法 |
CN114062476A (zh) * | 2021-10-28 | 2022-02-18 | 中国科学院地球化学研究所 | 一种土壤Cd/Pb复合污染双金属同位素源解析方法及系统 |
CN114384224A (zh) * | 2022-01-19 | 2022-04-22 | 中国农业科学院农业环境与可持续发展研究所 | 基于多同位素联合示踪的流域氮磷污染物解析方法与系统 |
CN115547494A (zh) * | 2022-09-02 | 2022-12-30 | 温州医科大学 | 一种基于不确定性的水体硝酸盐健康风险评估和溯源方法 |
CN116415424A (zh) * | 2023-03-10 | 2023-07-11 | 中国市政工程西南设计研究总院有限公司 | 一种氮滞留库形成机制分析方法 |
CN117672048A (zh) * | 2024-01-31 | 2024-03-08 | 山东大学 | 基于氮同位素测试的氮源分析虚拟仿真实验系统及方法 |
CN117672048B (zh) * | 2024-01-31 | 2024-04-19 | 山东大学 | 基于氮同位素测试的氮源分析虚拟仿真实验系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101448852A (zh) * | 2005-12-20 | 2009-06-03 | 布里斯托尔—迈尔斯斯奎布公司 | 组合物和用于生产组合物的方法 |
CN106940360A (zh) * | 2016-01-04 | 2017-07-11 | 中国科学院水生生物研究所 | 指示地理标志食品的方法 |
-
2019
- 2019-12-10 CN CN201911255655.2A patent/CN112948761A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101448852A (zh) * | 2005-12-20 | 2009-06-03 | 布里斯托尔—迈尔斯斯奎布公司 | 组合物和用于生产组合物的方法 |
CN106940360A (zh) * | 2016-01-04 | 2017-07-11 | 中国科学院水生生物研究所 | 指示地理标志食品的方法 |
Non-Patent Citations (1)
Title |
---|
PENG SHI 等: ""Response of nitrogen pollution in surface water to land use and social-economic factors in the Weihe River watershed,northwest China"", 《SUSTAINABLE CITIES AND SOCIETY》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114062476A (zh) * | 2021-10-28 | 2022-02-18 | 中国科学院地球化学研究所 | 一种土壤Cd/Pb复合污染双金属同位素源解析方法及系统 |
CN113933372A (zh) * | 2021-11-11 | 2022-01-14 | 广西大学 | 流域硝态氮来源入河负荷及入河系数的定量辨识方法 |
CN113933372B (zh) * | 2021-11-11 | 2023-11-03 | 广西大学 | 流域硝态氮来源入河负荷及入河系数的定量辨识方法 |
CN114384224A (zh) * | 2022-01-19 | 2022-04-22 | 中国农业科学院农业环境与可持续发展研究所 | 基于多同位素联合示踪的流域氮磷污染物解析方法与系统 |
CN114384224B (zh) * | 2022-01-19 | 2022-08-05 | 中国农业科学院农业环境与可持续发展研究所 | 基于多同位素联合示踪的流域氮磷污染物解析方法与系统 |
CN115547494A (zh) * | 2022-09-02 | 2022-12-30 | 温州医科大学 | 一种基于不确定性的水体硝酸盐健康风险评估和溯源方法 |
CN115547494B (zh) * | 2022-09-02 | 2023-11-24 | 温州医科大学 | 一种基于不确定性的水体硝酸盐健康风险评估和溯源方法 |
CN116415424A (zh) * | 2023-03-10 | 2023-07-11 | 中国市政工程西南设计研究总院有限公司 | 一种氮滞留库形成机制分析方法 |
CN116415424B (zh) * | 2023-03-10 | 2024-03-19 | 中国市政工程西南设计研究总院有限公司 | 一种氮滞留库形成机制分析方法 |
CN117672048A (zh) * | 2024-01-31 | 2024-03-08 | 山东大学 | 基于氮同位素测试的氮源分析虚拟仿真实验系统及方法 |
CN117672048B (zh) * | 2024-01-31 | 2024-04-19 | 山东大学 | 基于氮同位素测试的氮源分析虚拟仿真实验系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112948761A (zh) | 河流氮污染物定量源解析系统 | |
Yao et al. | Increased global nitrous oxide emissions from streams and rivers in the Anthropocene | |
Niu et al. | Meta analysis of heavy metal pollution and sources in surface sediments of Lake Taihu, China | |
Haaf et al. | Global patterns of geo-ecological controls on the response of soil respiration to warming | |
Azid et al. | Prediction of the level of air pollution using principal component analysis and artificial neural network techniques: A case study in Malaysia | |
Luna et al. | Prediction of ozone concentration in tropospheric levels using artificial neural networks and support vector machine at Rio de Janeiro, Brazil | |
Wang et al. | Development of a new framework to identify pathways from socioeconomic development to environmental pollution | |
Yi et al. | Habitat suitability evaluation of a benthic macroinvertebrate community in a shallow lake | |
Bartoszek et al. | Using the Ornstein–Uhlenbeck process to model the evolution of interacting populations | |
Wang et al. | A river water quality model integrated with a web-based geographic information system | |
CN113155939A (zh) | 一种挥发性有机物在线来源解析方法、系统、设备及介质 | |
Yizhao et al. | The role of residence time in diagnostic models of global carbon storage capacity: model decomposition based on a traceable scheme | |
Weiss‐Lehman et al. | Disentangling key species interactions in diverse and heterogeneous communities: A Bayesian sparse modelling approach | |
Xie et al. | Integration of a process-based model into the digital soil mapping improves the space-time soil organic carbon modelling in intensively human-impacted area | |
Middleton et al. | Mosaic v1. 1: landscape scenario creation software for simulation of pollen dispersal and deposition | |
Hashem et al. | A novel feature engineering algorithm for air quality datasets | |
Xiang et al. | Global patterns and edaphic-climatic controls of soil carbon decomposition kinetics predicted from incubation experiments | |
Costa et al. | From monitoring and modeling to management: How to improve water quality in Brazilian rivers? A case study: Piabanha River Watershed | |
CN116087044A (zh) | 一种基于cmb模型的pm2.5在线来源解析方法及设备 | |
Rojas et al. | Analysis of physico-chemical variables and their influence on water quality of the Bogota River using data mining | |
Manel et al. | Characterizing the phylogenetic tree community structure of a protected tropical rain forest area in Cameroon | |
Wang et al. | Effects of Vegetable Fields on the Spatial Distribution Patterns of Metal (loid) s in Soils Based on GIS and Moran’s I | |
Cejas et al. | Chemometric mapping of polychlorinated dibenzo-p-dioxin (PCDD) and dibenzofuran (PCDF) congeners from the Passaic River, NJ: Integrated application of RSIMCA, PVA, and t-SNE | |
Alçada-Almeida et al. | Interactive multicriteria decision support system for spatial planning analysis | |
Georgieva et al. | High performance computing simulations of the atmospheric composition in Bulgaria and the City of Sofia |
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 |