流域水環(huán)境質量空間分布特征分析是推進流域精細化管理的基礎.本研究基于流域特征指標與水質的關聯(lián)性,以子流域為分析單元,利用自組織映射人工神經(jīng)網(wǎng)絡模型（SOM）對苕溪流域水質數(shù)據(jù)聚類分析為3類后與隨機森林模型（RF）進行耦合,對全流域水質進行了空間差異性評估.研究結果顯示,上游山地區(qū)域水質較好,而平原河網(wǎng)人口集聚區(qū)的COD_Mn、NH₃-N及TP濃度較高,山地與平原過渡地帶水質則主要受到COD_Mn和TN的影響.采用自然環(huán)境、社會經(jīng)濟及土地利用/覆蓋指標作為流域特征進行水質分級模式識別,SOM與RF模型耦合模型的準確率穩(wěn)定在80%左右;在對強相關性特征進行篩選識別后,將蒸發(fā)蒸騰量、坡度、人口密度、大于10℃積溫、旱地占比、城鎮(zhèn)用地占比及景觀多樣性指數(shù)為作為輸入特征,準確率可達83%,可以有效地開展全流域水質分級評估. 

【文章來源】：環(huán)境科學學報. 2020,40(06)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

研究區(qū)域地形圖

流域水質主要受到流域自然特征、人類活動、水文傳遞等因素影響,本研究擬利用機器學習模型探究匯水單元內環(huán)境變量與水質之間的內在關聯(lián)性,并以此對整個流域水質進行評估.具體技術路線見圖2.采用“Burn-In”法(Luo et al.,2011)先將苕溪流域劃分為297個子流域,作為最小分析單元進行流域特征數(shù)據(jù)的空間離散化,統(tǒng)計得到面板數(shù)據(jù)作為機器學習模型(隨機森林模型)的輸入樣本;采用自組織映射人工神經(jīng)網(wǎng)絡模型(SOM)對監(jiān)測斷面水質污染模式進行識別,將聚類結果作為模型分類標簽,并根據(jù)斷面與子流域的空間位置關系將分類標簽與面板數(shù)據(jù)逐一對應作為隨機森林模型(RF)的輸入數(shù)據(jù)集.采用超參數(shù)調優(yōu)算法進行模型訓練,進行多輪調參以提升模型精度,直至達到最優(yōu)水平.最后利用經(jīng)過訓練的模型對無監(jiān)測斷面分布的子流域進行水質分析,預測在一定自然環(huán)境及社會經(jīng)濟條件下的區(qū)域水質類別.同時利用隨機森林模型的特征篩選機制計算各流域特征指標對模型的貢獻度,篩選出與水質相關性最強的流域特征子集,為未來流域水質的預測分析提供支撐.

經(jīng)二次聚類后得到3種水質聚類(圖3b).對比聚類劃分圖與權重矩陣可知,聚類1斷面水質良好,溶解氧含量較高,水質大部分偏堿性,各項污染物濃度均處在較低水平;聚類2斷面水質中等,受NH3-N與TP的影響較小,但CODMn與TN的濃度較高;聚類3斷面水質相對較差,污染物濃度較高,水質偏酸性,溶解氧濃度較低.根據(jù)監(jiān)測斷面的聚類分布來看,聚類1斷面有23個,聚類2斷面有30個,聚類3斷面則有18個,其空間分布見圖4.由圖4可知,水質較差的斷面主要分布在人口、產(chǎn)業(yè)密集的城市建成區(qū)或農田、居民點密布的平原河網(wǎng)區(qū),這些斷面所處區(qū)域地形平坦流速較慢,水體自凈能力相對較弱,又受到人類活動的影響,污染物排放量較大,導致水體污染相對嚴重.水質一般的斷面分布在聚類1和聚類3斷面的中間區(qū)域,多為山地與平原的過渡地帶,這些區(qū)域內也存在一定規(guī)模的城鎮(zhèn)和工業(yè)區(qū),但人口密度和經(jīng)濟發(fā)展水平相對較低.水質較好的斷面則主要分布在各水系上游的源頭區(qū)域,這些區(qū)域受人類活動的擾動影響較弱,多為生態(tài)紅線區(qū)或水源涵養(yǎng)區(qū),生態(tài)環(huán)境優(yōu)越,水質較好.

【參考文獻】：
期刊論文
[1]基于SOM和PCA的閩江流域地表水水質綜合評價[J]. 程學寧,盧毅敏.  水資源保護. 2017(03)
[2]浙江省太湖流域原生動物四季群落結構及水質評價[J]. 張敏,陳瑋東,茆傳奇,劉忱,邵曉陽.  杭州師范大學學報(自然科學版). 2017(01)
[3]改進的物元分析法在水質監(jiān)測斷面布設優(yōu)化中的應用[J]. 蔣艷君,謝悅波,黃旻.  水資源保護. 2016(04)
[4]北洛河流域水質空間異質性及其對土地利用結構的響應[J]. 于松延,徐宗學,武瑋,李艷利.  環(huán)境科學學報. 2014(05)
[5]基于自組織映射與哈斯圖方法的地表水水質評價研究[J]. 李偉,姚笑顏,梁志偉,吳一鳴,施積炎,陳英旭.  環(huán)境科學學報. 2013(03)
[6]基于out-of-bag樣本的隨機森林算法的超參數(shù)估計[J]. 李毓,張春霞.  系統(tǒng)工程學報. 2011(04)
[7]Out-of-bag樣本的應用研究[J]. 張春霞,郭高.  軟件. 2011(03)
[8]全球氣候變化背景下中國降水量空間格局的變化特征[J]. 王英,曹明奎,陶波,李克讓.  地理研究. 2006(06)
[9]基于遙感的全國GDP 1km格網(wǎng)的空間化表達[J]. 劉紅輝,江東,楊小喚,羅春.  地球信息科學. 2005(02)
[10]決策樹中基于基尼指數(shù)的屬性分裂方法[J]. 陳云櫻,吳積欽,徐可佳.  微機發(fā)展. 2004(05)

碩士論文
[1]利用SOFM網(wǎng)絡評價杭州西湖水質的時空變化[D]. 鄭曉君.浙江大學 2005



本文編號：3373500