箕山河流域水环境现状及原因分析

为探究箕山河流域水质污染现状及成因,选设7处监测断面和6类水质评价因子,采用单因子评价法、综合污染指数法和3种不同算法的内梅罗污染指数法,对箕山河流域水质现状进行综合性评价。结果表明:7处监测断面主要超标因子是TN;COD、氨氮次之。基于单因子评价法和3种不同算法的内梅罗污染指数法进行水质分析,7处监测断面水质均属劣Ⅴ类,综合污染指数法所得各断面均属重度污染。根据水质现状分析结果对污染原因展开调查分析发现,流域水质在断面1、断面3和断面4处恶化明显,原因分别是城市生活源排口、工业园区出水、畜禽养殖+乡镇生活源。

基于紫外可见吸收光谱微型污染溯源站的村镇水环境监测技术研究

为实现村镇分散度高、随机性强的水环境污染的高效管控,采用以紫外可见吸收光谱技术为核心的微型污染溯源站,于2022年4月1—14日对某县域村镇的河流水环境开展了在线监测溯源研究。结果表明,监测期间共发生2组污染事件,微型污染溯源站快速响应,氨氮、电导率等常规指标之间具有较强的相关性,各指标中,氨氮受冲击波动最为显著,最适合用于污染事件报警。通过紫外可见吸收光谱可识别污染事件之间的差异,第1组污染事件光谱特征为205 nm波长吸光度下降,疑似为硝态氮浓度下降;第2组污染事件光谱特征为230 nm波长出现显著吸收峰,疑似为水中烯-酮共轭双键类有机污染物含量大幅增加。多元线性回归拟合结果表明,2组污染事件可能分别由污水处理厂工艺波动导致的超标排放和上游化工类企业的偷排造成。研究结果为微型污染溯源站实现对不同污染情景的报警和溯源提供了依据。

条件生成对抗遥感图像时空融合

目的卫星遥感技术在硬件方面的局限导致获取的遥感图像在时间与空间分辨率之间存在矛盾,而时空融合提供了一种高效、低成本的方式来融合具有时空互补性的两类遥感图像数据(典型代表是Landsat和MODIS(moderate-resolution imaging spectroradiometer)图像),生成同时具有高时空分辨率的融合数据,解决该问题。方法提出了一种基于条件生成对抗网络的时空融合方法,可高效处理实际应用中的大量遥感数据。与现有的学习模型相比,该模型具有以下优点:1)通过学习一个非线性映射关系来显式地关联MODIS图像和Landsat图像;2)自动学习有效的图像特征;3)将特征提取、非线性映射和图像重建统一到一个框架下进行优化。在训练阶段,使用条件生成对抗网络建立降采样Landsat和MODIS图像之间的非线性映射,然后在原始Landsat和降采样Landsat之间训练多尺度超分条件生成对抗网络。预测过程包含两层:每层均包括基于条件生成对抗网络的预测和融合模型。分别实现从MODIS到降采样Landsat数据之间的非线性映射以及降采样Landsat与原始Landsat之间的超分辨率首建。结果在基准数据集CIA(coleam bally irrigation area)和LGC(lower Gwydir catchment)上的结果表明,条件生成对抗网络的方法在4种评测指标上均达到领先结果,例如在CIA数据集上,RMSE(root mean squared error)、SAM(spectral angle mapper)、SSIM(structural similarity)和ERGAS(erreur relative global adimensionnelle desynthese)分别平均提高了0.001、0.15、0.008和0.065;在LGC数据集上分别平均提高了0.001 2、0.7、0.018和0.008 9。明显优于现有基于稀疏表示的方法与基于卷积神经网络的方法。结论本文提出的条件生成对抗融合模型,能够充分学习Landsat和MODIS图像之间复杂的非线性映射,产生更加准确的融合结果。