武汉城市湖泊水质及水体富营养化现状评价

为了判别武汉市典型城市湖泊汤逊湖、野芷湖、黄家湖和东野芷湖的水质状况，从2011年3月～2012年2月，对这四个湖泊进行了周年水质监测。采用了水体总氮、总磷、叶绿素a、透明度等参数，对水质现状、水体富营养化程度进行了综合分析。结果表明，该四湖的水质污染程度呈现明显的梯度。水体富营养化综合加权指数法评价表明，湖泊全年富营养化状态级别处于中营养到轻度富营养化之间。     

BP神经网络模型在水环境质量综合评价应用中的一些问题

BP神经网络是采用误差反向传播算法对网络权值进行训练的多层前向神经网络，以其优良的非线性逼近能力，获得广泛应用，建立的神经网络模型具有优异性能的必要条件是神经网络结构及其参数的合理选取，具有足够多和代表性，典型性好的训练样本，训练时求得全局最小点和不出现“过学习”或“过拟合”等，本文根据近几年BP神经网络建模理论研究的最新成果，研究发现目前在建立水环境质量综合评价BP神经网络模型时存在的几个主要问题：（1）训练样本太小；（2）没有检验样本和测试样本；（3）神经网络结构太大等，从而极有可能造成在训练神经网络模型时再现“过拟合”或“过学习”现象，使建立的模型泛化能力较差或根本没有，在研究近年提出的应用BP神经网络方法建模的必备条件的基础上，对目前应用人工神经网络进行水环境质量综合评价的研究成果的分析表明，绝大多数水环境质量BP神经网络评价模型是在满足建模条件的情况下建立的，计算实例表明，在不满足建模条件下建立的神经网络模型泛化能力和预测能力较差，极有可能出现多模式现象，没有实用价值。     

巢湖东半湖水体富营养化评价及其防治对策

以氮、磷营养元素指标、植物多样性指标和动物多样性指标对目前巢湖东半湖的富营养化状况进行了综合的评价。结果表明，2007年巢湖东半湖总氮平均含量为1．511mg／L，总磷平均为0，115mg／L，Shannon—Wiener指数值为1．63，7月份叶绿素a的含量最高，8月份Margalef指数最小，依此判定巢湖东半湖水体处于中度富营养化状态，并且在7月和8月达到高峰期。对巢湖形成富营养化成因进行分析，导致其富营养化的原因较为复杂，其中城市污水和地表径流是主要的污染源，并根据分析结果提出了巢湖富营养化的防治对策。     

浙江青山水库富营养化状况评价

2013年4月、7月、10月及12月对杭州青山水库实施4次生态环境调查，采集表层水质样品，应用BP神经网络模型进行水质富营养化评价。结果表明：青山水库水质富营养化状态总体为中营养，4月最低，人工神经网络评价结果平均为1.130；7月相对较高，人工神经网络评价结果平均为1.338。4月、7月与其他月份之间差异显著（p＜0.01），10月与12月无显著性差异（p＞0.05）；水库的上游（S4）、下游(S6、S7)与其他站位之间存在显著性差异（p＜0.05），4月、7月富营养化数值最大的站点为S6，10月、12月为S7，富营养化程度随着水流方向，呈现增加的趋势，这与下游库区大坝拦截作用致使水流减缓是分不开的。相对于河流，具有大面积静水区域的水库更加适合浮游植物生长，不同季节水温、日照等自然条件适应与否是造成富营养化程度时间变化的主要原因。     

近年来香溪河营养盐时空分布趋势研究

为研究近年来香溪河库湾营养盐分布特征及营养化程度,于2008-2015年春季水华敏感期对三峡水库香溪河库湾进行水环境监测,使用改进的综合营养状态指数法与主成分分析法对其水体营养化状况进行分析和评价。结果表明,香溪河库湾TN、TP浓度从香溪河上游到河口的纵向分布规律明显,TN浓度从上游至下游河口呈现逐渐递增的趋势,TP浓度从上游至下游河口呈逐渐递减的趋势;透明度为0.6~6.0m,香溪河库湾TN浓度为0.21~1.87mg/L;TP浓度为0.04~0.37mg/L;Chl-a含量为0.53~184.61μg/L,2种评价结果基本一致。从时间上看,香溪河库湾富营养化程度是上游中游下游;从年际上看,水库蓄水过程能够临时降低水库干支流水体中的营养盐浓度,但增大了来年支流水体富营养化的风险,可见未来的香溪河富营养化问题将持续存在。     

2008年罗源湾水体富营养化状况的初步研究

本文根据2008年罗源湾2、5、8、11月COD、无机氮和无机磷的调查数据，结合历史数据对罗源湾水体富营养化进行分析和评价。结果表明：罗源湾海域四个季节均处于富营养化状态。富营养化程度夏季最低，秋季最高。各营养要素对富营养化状态指数的贡献中以CODMn所占的比重最大，其次为无机氮。富营养化分级评价表明该海域水体营养等级为中度营养级。除秋季外的三个季节均存在氮限制。通过对近10年来的数据进行分析，发现罗源湾富营养化程度逐年加重，目前已接近严重富营养化。各营养要素中CODMn对富营养化状态指数的贡献正在减少，而磷酸盐的贡献则有所增加。     

投饵式网箱养鱼对水质的影响及保护措施

投饵式网箱养鱼增加了水体氮磷含量,加速了水体富营养化。本文介绍了日本霞浦湖氮模型和诹访湖氮磷收支模型,介绍了国外保护水质的各种措施。     

BP人工神经网络模型在珠江口水质评价中的应用

根据海水水质标准GB30971997,应用VB编程语言在各类海水水质指标浓度区间内生成足够多的随机分布样本,以此作为海水水质评价BP人工神经网络模型的训练、检验和测试样本,利用训练后的海水水质评价BP人工神经网络模型对珠江口2002～2003年水质状况做出评价。结果表明,训练后的海水水质评价BP人工神经网络模型具有较好的泛化能力,能够准确评价未知海水样本的水质类别;2002～2003年珠江口的水环境总体状况较差,绝大部分区域属于II～IV类海水,在其分布上,珠江口西部海域水质状况好于东部海域,这是由于珠江口东部沿岸城市东莞和深圳较大的排污量和繁忙的海上运输所引起。     

基于遗传算法湖泊水质富营养化的投影寻踪分析

根据湖泊富营养化特性,选择总磷(TP)、总氮(TN)、耗氧量(CODMn)、透明度(SD)、生物量共5个指标作为评价因子,建立湖泊富营养化评价的投影寻踪分析模型,采用遗传算法对评价模型进行优化,并将该模型应用于我国8个湖泊富营养化程度的评价。研究表明,投影寻踪回归分析法,避免了传统评价方法由于主观原因造成的误差,评价结果合理可信,评价方法简单易行,为湖泊水体营养化状态的评价提供了新途径。     

应用浮游植物群落结构及富营养化指数评价南太湖底泥疏浚效果

应用浮游植物群落结构变化及富营养化指数来评价南太湖底泥疏浚工程对减轻太湖营养盐内负荷、控制湖泊富营养化的效果。研究结果表明：疏浚后水体中的浮游植物种类有所增加，浮游植物密度、生物量及蓝藻所占比例均有不同程度的降低，浮游植物群落结构发生变化；疏浚后水体的生物多样性指数发生变化，Shannon-Weaver指数升高，卡尔森营养状态指数降低，表明南太湖富营养化现状有所改善，从而揭示底泥疏浚工程对于减轻南太湖营养盐内负荷、控制湖泊富营养化具有积极作用。     

An argo‐based experiment providing near‐real‐time subsurface oceanic environmental information for fishery data

A better understanding of the relationships between oceanic environments and fishing conditions could make the utilization of fish more efficient, profitable, and sustainable. The current lack of high‐precision subsurface seawater information has long been a constraint on fishery research. Using near‐real‐time Argo observations, this paper presents a new approach called gradient‐dependent optimal interpolation. This approach provides daily subsurface oceanic environmental information according to fishery dates and locations. An experiment was conducted in the western and central Pacific Ocean using yellowfin tuna (YFT) catch data in August 2017. The results of seawater temperature and salinity represented differences of less than ±0.5°C and ±0.05, respectively, according to verification of error analysis and truth‐finding comparisons. After applying the constructed temperature and salinity profiles, we described the relationship between subsurface information and yellowfin tuna catch distribution. Statistical analysis revealed that yellowfin tuna were more adapted to warmer and saltier seawater. At the near‐surface (<5 m), the most suitable temperature was 28–29°C, although yellowfin tuna can endure a temperature range from 11 to 12°C at a depth of 300 m. The corresponding upper boundary of the thermocline was approximately 75 m, with a mean strength of 0.074°C/m, and the most suitable salinity for yellowfin tuna was 34.5–36.0 at depths shallower than 300 m. These results indicated that the constructed subsurface information was very close to the true values and they had high spatial and temporal accuracy.     

滇池草海水质等级预测模型研究

综合考虑影响水质的不同类别因子之间的关系,为水质等级预测提供平均预测精度更高的模型。选取的p H、DO、CODMn、NH3-N、历史水质等级5个水质因子数据来源于中国环境保护部官方发布的水质数据,降雨量、光照时间2个气象因子数据来源于云南省气象局官方发布的气象数据。首先利用改进的灰色模型(Adaptive Grey Model,AGM)进行单因子预测,从而获取BP人工神经网络(BP Artificial Neural Network,BPANN)训练集和水质等级残差序列;然后使用经过训练集训练后的BPANN进行水质等级残差纠正;最后利用AGM模型得到未来水质等级,以滇池草海2006-2013年水质周报资料和气象资料为数据基础进行了仿真分析和验证实验。结果表明:(1)AGM模型对水体因子和气象因子的单项指标预测理想,保证了作用于BP人工神经网络数据的可靠性,同时降低了预测误差的传输;(2)来源于中国环境保护部与云南省气象局的数据保证了水质等级预测中数据的权威性,采用AGM-BPANN组合模型预测滇池草海水质等级精度达到90.2%,说明模型适用于同一地区短时间内的水质变化研究;(3)AGM-BPANN组合模型借助BP网络的高维非线性克服了数据突变对预测的影响,在AGM预测基础上,通过纠正预测残差获得最终的水质等级值,实现了对滇池草海短时间内水质的预测。     

Extending electronic length frequency analysis in R

Electronic length frequency analysis (ELEFAN) is a system of stock assessment methods using length‐frequency (LFQ) data. One step is the estimation of growth from the progression of LFQ modes through time using the von Bertalanffy growth function (VBGF). The option to fit a seasonally oscillating VBGF (soVBGF) requires a more intensive search due to two additional parameters. This work describes the implementation of two optimisation approaches (“simulated annealing” and “genetic algorithm”) for growth function fitting using the open‐source software “R.” Using a generated LFQ data set with known values, the accuracy of the soVBGF parameter estimation was evaluated. The results indicate that both optimisation approaches are capable of finding high scoring solutions, yet settings regarding the initial restructuring process for LFQ bin scoring (i.e. “moving average,”) and the fixing of the asymptotic length parameter (L_∞) are found to have significant effects on parameter estimation error. An outlook provides context as to the significance of the R‐based implementation for further testing and development, as well as the general relevance of the method for data‐limited stock assessment.     

基于卷积神经网络的养殖鱼类品种识别模型

随着人工智能、大数据、机器学习、计算机视觉等技术的发展,卷积神经网络（CNN）越来越多地应用于图像识别领域,图像数据集的丰富性以及多样性对CNN模型的性能和表达能力至关重要,但现有的鱼类图像公共数据集资源较匮乏,严重缺少训练集以及测试集样本,难以满足深度CNN模型优化及性能提升的需要。实验以大黄鱼、鲤、鲢、秋刀鱼和鳙为对象,采用网络爬虫以及实验室人工拍照采集相结合的方式,构建了供鱼种分类的基础图片数据集,针对网络爬虫手段获取到的鱼类图像存在尺度不一、格式不定等问题,采用图像批处理的方式对所有获取到的图像进行了统一的数据预处理,并通过内容变换以及尺度变换对基础数据集做了数据增强处理,完成了7 993个样本的图像采集与归纳;在权值共享和局部连接的基础上,构建了一个用于鱼类识别的CNN模型,采用ReLU函数作为激活函数,通过dropout和正则化等方法避免过度拟合。结果显示,所构建的CNN鱼种识别模型具有良好的识别精度和泛化能力。随着迭代次数的增加,CNN模型的性能也逐步提高,迭代1 000次达到最佳,模型的准确率为96.56％。该模型采用监督学习的机器学习方式,基于CNN模型,实现了5种常见鱼类的鱼种分类,具有较高的识别精度和良好的稳定性,并且模型本身具有一定程度的鱼种推广可能性,为养殖鱼类的品种识别提供了一种新的理论计算模型。     

基于栈式自编码BP神经网络预测水体亚硝态氮浓度模型

亚硝态氮对于水产养殖动物具有毒性，对于其含量的及时监控非常重要。基于光谱法和电极法设计的亚硝态氮传感器价格昂贵，难以大面积推广，因此急需研发一种能快速预测养殖水体亚硝态氮的模型。实验通过实验室构建的水质在线检测系统测定水体中温度、pH、溶解氧、氧化还原电位4个参数，同时用α-萘胺比色法测定水体中亚硝态氮的浓度，从4种参数中选取与亚硝态氮浓度相关的参数作为预测模型的关联变量。水质参数数据及亚硝态氮浓度数据分别经预处理后作为原始数据用于SAE神经网络的训练，训练方法采用无监督逐层贪婪训练法，用学习到的特征监督训练SAE-BP神经网络，利用反向传播算法(BP)优化模型。训练得到结构为4-5-4-3-1的SAE-BP神经网络模型，建立的神经网络模型对实验数据预测的拟合优度R²为0.95，预测结果的均方根误差RMSEP为0.099 71。研究表明，亚硝态氮预测模型可以较为精准地预测水体中亚硝态氮的浓度。本模型将为开发在线快速监测养殖水体亚硝态氮浓度提供新的思路。     

基于TensorFlow的水族馆鱼类目标检测APP开发

近年来深度学习在图像识别研究中取得突破进展,带动了目标检测技术的快速发展。利用目标检测技术开发水族馆鱼类目标检测APP,可以增强游客参观体验,提升科普效果。针对水族馆拍摄的80种鱼类,首先,使用LabelImg软件进行目标标记,再利用标记的目标导出成tfrecord数据;其次,选择ssd_mobilenet_v1模型进行数据训练,通过20万次的迭代训练获取到鱼类目标检测模型;最后,利用TensorFlow多目标检测API调用模型,定义2个接口和12个类,开发出Android系统手机APP。经过80种鱼类1620张图片测试,正确率为92.59%,华为MHA-AL00手机目标检测平均时间40 ms。使用鱼类目标检测APP,能实现水族馆鱼类快速识别、多鱼类目标实时检测,可提升游客的参观体验,辅助科普量化评价。     

Development of a fish-based index for the assessment of river health in Europe: the European Fish Index

Abstract  A fish-based index applicable at the pan-European scale should encompass the relative importance of regional and local factors influencing the distribution of riverine fish. An effective way of using information available from fish assemblages to establish such a multimetric index is through the use of the reference condition approach that involves testing a fish assemblage exposed to a potential stressor against a reference condition. In this study, a variety of metrics based on count and abundance data and reflecting different aspects of the fish assemblage structure and function were selected from the literature for their potential to indicate degradation. Logistic and multiple linear regression procedures were applied, using an initial data set of 1000 reference sites fairly evenly distributed across European rivers (11 countries) and defined by some easily measured regional and local characteristics, to elaborate the simplest possible response model that adequately explains the observed patterns of each metric for a given site. A final list of 10 metrics was retained and the European Fish Index was tested using new independent datasets. The advantage of the resulting index to serve as a practical technical reference for cost-effective biological assessments of lotic systems in Europe is related to its ability to encompass basins and river size, and its sensitivity to physical and chemical alteration of the river ecosystem.     

基于深度学习的青海湖裸鲤产卵场遥感识别方法

鱼类产卵场会随着外部环境条件的改变而发生变化, 因此, 快速、有效地定位鱼类产卵场对于开展水生生物资源调查、珍稀水生动物保护等工作具有重要的意义。本研究基于无人机航拍影像和青海湖裸鲤(Gymnocypris przewalskii)产卵场实地调查结果, 构建了深度学习模型, 以分析将深度学习模型应用于青海湖裸鲤产卵场识别中的可行性。模型训练交并比精度和像素精度分别为 0.870 和 0.996, 验证交并比精度和像素精度分别为 0.648 和 0.985, 虽然精度低于一般的遥感影像或图像分割精度, 但从测试的结果来看, 深度学习模型可以识别到约 79%的产卵场, 但尚不能精确地分割出产卵场, 可以作为一种辅助手段, 应用到青海湖裸鲤产卵场的识别中。     

Density and sound speed contrasts of the Japanese common squid Todarodes pacificus and their influence on acoustic target strength

ABSTRACT:   In this study, density and sound speed contrasts were measured for the Japanese common squid Todarodes pacificus . Target strength (TS) data derived from an acoustic scattering model based on measurements of these two parameters were compared with TS values based on acoustic measurement data to determine whether the measured parameters are reasonable values for theoretical scattering model. Density contrast ( g ) was measured from the displacement volume and wet weight, while sound speed contrast ( h ) was measured from the acoustic measurements of travel time (time-of-flight method). The Kirchhoff ray mode model, which represents the squid body as a set of fluid-filled cylinders, was used to calculate theoretical TS. Mean g- and h -values of the squid were 1.029 and 1.041, respectively. Comparison with previous data showed that g was similar, whereas h was relatively high. The difference in the TS between the theoretical model using measured parameters and the acoustic measurement was within 3 dB. Thus, the measured g- and h -values are acceptable for theoretical models of squid.