基于MEA-BPNN-F模型的土壤有机质空间分布预测

以江西省万年县为例,根据万年县测土配方数据,构建以思维进化算法、BP神经网络、四方位搜索法三者结合的模型(MEA-BPNN-F模型),同时加入高程和坡度信息来预测万年县耕地土壤有机质的空间分布,并与普通克里金法(OK模型)、以地理坐标为输入的BP神经网络模型(BPNN-G模型)、以高程和坡度作为辅助变量同时利用四方位搜索法加入邻近信息的BP神经网络模型(BPNN-F模型)进行比较。结果表明:4种模型的预测精度表现为MEA-BPNNFBPNN-FBPNN-GOK。应用MEA-BPNN-F模型预测精度最高、效果最好,比较符合土壤有机质地学运动规律及实际情况。该模型克服了BP神经网络全局搜索能力差和收敛速度慢的缺点,提高了BP神经网络的泛化能力。     

基于MEA-BPNN-F模型的土壤有机质空间分布预测

以江西省万年县为例,根据万年县测土配方数据,构建以思维进化算法、BP神经网络、四方位搜索法三者结合的模型(MEA-BPNN-F模型),同时加入高程和坡度信息来预测万年县耕地土壤有机质的空间分布,并与普通克里金法(OK模型)、以地理坐标为输入的BP神经网络模型(BPNN-G模型)、以高程和坡度作为辅助变量同时利用四方位搜索法加入邻近信息的BP神经网络模型(BPNN-F模型)进行比较。结果表明:4种模型的预测精度表现为MEA-BPNNF>BPNN-F>BPNN-G>OK。应用MEA-BPNN-F模型预测精度最高、效果最好,比较符合土壤有机质地学运动规律及实际情况。该模型克服了BP神经网络全局搜索能力差和收敛速度慢的缺点,提高了BP神经网络的泛化能力。     

基于神经网络模型的安徽省土壤pH预测

以土壤pH为研究对象,利用一般反向传播(Back propagation,BP)神经网络模型、带回溯的弹性反向传播(Resilient back propagation with backtracking, RPROP-WB)神经网络模型、不带回溯的弹性反向传播(Resilient back propagation without backtracking, RPROP-OB)和最小绝对梯度反向传播(Smallest absolute gradient resilient back propagation, SAG-RPROP)神经网络模型进行安徽省土壤pH的预测及制图,选用均方根误差(RMSE)、绝对平均误差(MAE)及决定系数(R~2)为评价标准,比较3种改进的神经网络模型与一般BP神经网络模型对于土壤pH的预测能力。结果表明:研究区域内,4种神经网络模型的拟合能力高低依次为:SAG-RPROPRPROP-WBRPROP-OBBP。由建模集可以看出,RPROP-WB、RPROP-OB 2种模型与BP神经网络模型的预测精度一致,4种模型中预测精度最高的为SAG-RPROP,R~2比其他3种模型提高0.07。对于验证集,预测能力高低依次为:SAG-RPROPRPROP-WBRPROP-OBBP,预测精度和泛化能力最高的为SAG-RPROP模型,RMSE、MAE和R~2分别为0.67、0.50及0.59。空间预测图结果显示,4种模型所得安徽省土壤pH空间分布基本类似,均呈"南酸北碱"趋势,一般BP神经网络对于土壤pH预测区分度较低,预测所得安徽省南部地区的土壤pH均集中在5.57至6.50之间, RPROP-WB、RPROP-OB及SAG-RPROP所得预测图则区分更为明显。综上所述,RPROP及其改进算法可以有效地进行土壤属性的预测,且精度均高于一般BP神经网络模型。     

土壤重金属污染风险预测研究进展

对土壤重金属污染评价及预测的3种主要技术理论进行了阐述,评述了3种技术理论的优缺点,并进一步分析了土壤重金属污染风险预测不确定性的研究方法及影响因素。     

云台山土壤重金属含量分析

对云台山地区土壤的重金属含量进行了测定和分析,结果表明,该地区土壤重金属Cd、Hg、As、Pb、Cr、Cu平均含量分别为0.20mg/kg、0.037mg/kg、12.7mg/kg、29.8mg/kg、51.2mg/kg、23.6mg/kg,各指标均低于无公害茶果基地土壤环境要求的限值。     

基于神经网络的短期土壤墒情预测模型研究

为实现短期的土壤墒情预测,根据天津市蓟州区、静海区、宁河区、滨海新区的10个气象墒情自动监测站3年的数据,对短期土壤墒情预测模型进行研究。选取站点编号、空气温度、空气湿度、风速、风向等28项影响因子,用包含天气预报和不含天气预报的2组数据分别训练BP神经网络和Elman神经网络,并对4组预测模型结果进行对比分析。结果表明：不含天气预报的BP神经网络模型和包含天气预报的BP神经网络模型精度分别为94.79%、95.54%,不含天气预报的Elman神经网络模型和包含天气预报的Elman神经网络模型精度分别为96.85%、96.64%。研究认为,Elman神经网络具有稳定性好、精度高的特点;理论认为,含天气预报的模型精度比不含天气预报的模型精度高,BP神经网络表现出这一相关性,而Elman神经网络并没有表现出这一相关性。     

基于神经网络模型的青岛市城区土壤重金属污染源定位

建立基于遗传算法的BP神经网络系统,该模型可以有效描绘区域中重金属元素的分布情况,并由此通过各元素浓度极大值点求出污染源近似坐标,实现对污染源的定位.将该模型运用于青岛市,根据青岛市不同功能区的土壤重金属含量调查结果,实现了对可能重金属元素污染源位置的预测.     

基于BP神经网络的重点行业企业周边土壤重金属污染预测及评价

对湖北省重点区域行业企业周边土壤理化指标和重金属含量进行监测;利用监测数据建立含有13输入、1个隐含层和6输出的3层BP神经网络模型,预测监测区域Mn、Co、V、Ag、Tl、Sb含量,综合重金属监测结果和预测结果,采用内梅罗指数对研究区域进行污染评价。结果表明,研究区域重金属存在不同程度超标情况,最大超标倍数范围为1.8～156.1倍;Mn、Co、V、Ag、Tl、Sb等6项重金属预测结果与实际测试结果相对误差范围在0.3%～19.9%,Mn、V、Ag、Tl、Sb在置信度为99%时均呈显著性相关(P0.01,n=11),Co在置信度为95%时呈显著性相关(P0.05,n=11),构建的BP神经网络预测模型具有良好的精准度;基于BP神经网络模型预测结果的内梅罗污染指数未超过警戒限的比例为77.3%,达轻度污染比例17.4%,达中度、重度污染比例均为4.0%。     

自适应差分进化算法在反求含水层参数中的应用

【目的】研究自适应差分进化算法在反求含水层参数中的适用性。【方法】以理论计算值与实际观测值的离差平方和的均值作为目标函数,应用自适应差分进化算法优化待估含水层参数;计算相关实例,对比改进直线图解法、混沌序列优化算法、简算法、泰斯配线法、线性回归法与自适应差分进化算法的最终优化结果。【结果】与改进直线图解法、混沌序列优化算法和简算法等计算方法相比,自适应差分进化算法的计算结果更加精确,与实际观测值的差异较小;对于不同的含水层参数取值范围,自适应差分进化算法较传统差分进化算法稳定且寻优率与计算结果精度更高。【结论】自适应差分进化算法是一种有效的反求含水层参数的方法。     

基于思维进化算法径向基函数神经网络的土壤有机质空间异质性研究

提出一种基于思维进化算法径向基函数神经网络的土壤有机质空间异质性研究方法(MECRBF)。以江西省万年县为案例区,在全县范围内采集耕地表层(0~20 cm)土壤样品954个,分别采用该方法和以邻近信息和地理坐标为输入的径向基函数神经网络方法(RBF-Near),以及普通克里格法来模拟土壤有机质空间分布。以验证样本实测值和预测值的决定系数与逼近误差作为评判标准,对比各方法在县域尺度上土壤有机质空间变异和空间插值方面的效果。对763个采样点进行建模、191个验证样点进行独立验证的预测结果表明,在验证点预测中,MECRBF的均方根误差、平均绝对误差、平均相对误差较RBF-Near分别降低了0.50 g·kg^-1、0.39 g·kg^-1、1.40百分点,差异显著(P<0.05),较普通克里格法分别降低2.59 g·kg^-1、1.89 g·kg^-1、7.76百分点,差异显著(P<0.05)。从模拟效果来看,MECRBF的决定系数最高,逼近误差最小;从空间分布模拟图来看,MECRBF能更好地表达土壤有机质空间异质性。提出的MECRBF可为县域尺度下土壤性质空间异质性研究提供方法参考。     

临猗县果园土壤重金属含量分析

为掌握临猗县果园土壤重金属含量情况,对临猗县24个点位的果园耕层土壤的重金属含量进行测定,依据绿色食品产地环境条件(NY/T391-2000)来分级和计算。结果表明:临猗县果园土壤重金属含量所选点的单因子评价达到国家绿色食品生产Ⅰ级指标;果园土壤铅、铬含量在0～15年内随树龄增加而增加。     

重金属污染下土壤酶活性的研究进展

综述了重金属污染胁迫下土壤酶活性的研究进展,阐述了重金属胁迫下土壤酶活性研究的目的和意义、重金属污染和土壤酶的关系,并提出了重金属污染下土壤酶研究值得深入探讨的问题。     

西洋参种植土壤重金属含量变化

为研究西洋参种植过程中土壤重金属含量的变化,选取了文登地区西洋参种植1~4 年 的土壤作为样品,对样品中的重金属含量进行测定。结果表明:土壤重金属含量与种植年份之 间没有相关性,符合《土壤环境质量标准农用地土壤污染风险管控标准（试行）》。     

泰州某草莓园土壤中重金属含量调查

[目的]调查泰州某草莓园土壤中重金属含量。[方法]对泰州某草莓园土壤中18种重金属含量进行调查,分别采用智能石墨消解法和王水水浴消解法进行前处理。利用电感耦合等离子发射光谱仪(ICP-AES)、电感耦合等离子质谱联合仪(ICP-MS)和原子荧光光谱仪(AFS)对土壤重金属消解液中Cu、Zn、Pb、Cd、Cr、Ni等18种重金属含量进行检测。[结果]以无公害果园土壤元素环境背景值为评价标准,草莓园土壤中大多数重金属含量基本符合国家标准,但其中的Cd、Hg、Se、Ag含量超出土壤元素环境背景值。[结论]该研究可为泰州地区果业的发展和果园生态环境质量的改善提供参考。     

奶牛粪污染条件下土壤重金属的含量与分布

采用野外试验研究了人工模拟降雨条件下,奶牛粪露天堆放还田对土壤重金属含量和分布的影响.结果表明,在第26、40、53和80 d取样时,奶牛粪露天堆放下土壤表层0～10 cm和10～20 cm的铜锌含量均有增加,堆放80 d后0～10 cm土层中全铜、有效铜、全锌和有效锌总增加量最大,分别为1.89、0.54、7.83和1.35mg·kg-1.土壤重金属的内梅罗综合污染指数≤0.7,尚未形成污染.此外,铜锌在土壤中的最大运移距离未超过20 cm,对地下水污染风险很小.同时,奶牛粪堆放还田对土壤铜锌含量均有明显影响,长期及大面积堆放导致的点源及面源污染风险则应进行进一步研究和评估.     

苍南县土壤重金属含量的调查及评价

对苍南县主要蔬菜、水产、水稻基地的土壤重金属(汞、砷、铅、镉、铬、铜)进行采样分析,以国家土壤环境质量二级标准作为评价标准,采用单项污染指数法和内梅罗综合污染指数法进行土壤污染评价。结果表明,苍南县土壤总体情况良好,水稻土均为清洁水平,综合污染指数为0.23~0.59,蔬菜地只有1个样点受到汞的轻污染,综合污染指数为0.39~1.22,水产养殖场主要受砷的轻污染,综合污染指数0.97~1.55。     

基于APCS-MLR受体模型的农田土壤重金属源解析

定性、定量分析湘潭县农田土壤重金属的污染来源及源贡献率。以湘潭县农田土壤为研究对象,结合地统计学分析,利用数理统计方法[相关性分析、因子分析和绝对因子分析/多元线性回归(APCS-MLR)受体模型],解析了研究区域内镉(Cd)、汞(Hg)、砷(As)、铅(Pb)、铬(Cr)、铜(Cu)、锌(Zn)和镍(Ni)8种重金属元素的来源及源贡献率。结果表明:研究区域内8种重金属元素中仅有Cd含量平均值超出了农用地土壤污染风险筛选值(0.3 mg·kg~(-1),pH≤5.5),且Cd的空间变异性较强,其次是Hg,两者均受人为活动影响较大。综合数理统计分析和地统计学分析,将土壤中8种重金属元素的主要来源归结为3个:工业源主要分布于湘潭县工矿企业密集的东北部,其对Cd、Pb、Zn、Hg具有较大贡献率,分别为65.36%、49.21%、43.43%和22.12%;农业源对As、Hg、Pb具有较大贡献率,分别为59.20%、24.97%和17.82%;自然源对Ni、Cu、Cr具有较大贡献率,分别为86.73%、87.87%和89.67%。研究区域内土壤重金属含量主要受工业活动和自然成土母质影响较大,应重点加强Cd的来源控制,并加强管理和修复治理进度,降低其风险水平。受体模型和地统计学的结合使用能有效地定性、定量解析农田土壤重金属的来源与源贡献率。     

大棚土壤重金属元素含量的评估与分析

依据中华人民共和国农业行业标准《绿色食品产地环境技术条件》NY/T 391-2000,采用单项污染指数与综合污染指数法,对忻州市忻府区东王村棚龄为1,3,6年共30个大棚土样的实测数据进行评价。结果表明,棚龄为1,3年的各项重金属元素的单项污染指数、综合污染指数均小于1,表明土壤未受污染,评定为合格。棚龄6年的各项重金属元素单项污染指数Hg(25号),Pb(21号),Cd(23号),Cr(23,24,25,27,30号)共8个和2个综合污染指数(25,27号)均大于1,表明土壤受轻度污染,不能满足绿色食品产地环境条件的要求。     

土壤重金属污染度与黄芪药材重金属含量关系的研究

采用盆栽试验方法,研究重金属Cu、Hg、As、Cd和Pb不同污染度条件下,黄芪药材的重金属污染状况,探明造成黄芪药材重金属污染的土壤重金属含量限值,可为黄芪无公害栽培和基地环境评价提供科学依据。结果表明：黄芪药材重金属含量与土壤重金属含量呈较强的正相关;依据《药用植物及制剂进出口绿色行业标准》的限量要求,Cu、Hg、As、Cd和Pb致使黄芪污染的土壤限值分别为72．83、0．83、29．78、0．46和243．19mg／kg。