水生态环境感知信息分析系统研究及应用

《水生态环境感知信息分析系统研究及应用》围绕水生态环境感知信息分析系统的构建方法，阐述利用数据驱动方式构建的水生态环境模型，主要内容包括：水质时序变化推演模型、水体富营养化评价模型、水生态健康遥感反演模型和水华风险评价模型。并将其综合运用至以三峡水库为代表的长江上游超大型深水水库，以实现大数据和智能技术在水生态环境领域的应用示范。

第1章 绪论 1
1.1 水生态环境系统及模型 1
1.2 水生态环境评价 2
1.2.1 水环境质量状况评价 2
1.2.2 水体富营养化评价 4
1.2.3 水环境生态健康状态评价 6
1.2.4 水质综合毒性评价 9
1.3 水生态环境模型研究进展 9
1.3.1 静态模型 9
1.3.2 动力学模型 11
1.3.3 食物网模型 14
1.3.4 机器学习 15
1.4 水生态环境感知系统研究现状 17
1.4.1 监测预警系统 17
1.4.2 模型方面 18
1.4.3 遥感监测方面 19
1.4.4 信息化平台 20
参考文献 21
第2章 水质时序变化推演模型 24
2.1 水质时间序列的多粒度智能分析 24
2.1.1 模型背景 24
2.1.2 模型方法 25
2.1.3 模型结果 31
2.2 基于长短期记忆神经网络的水质变化预测 39
2.2.1 模型背景 39
2.2.2 模型方法 40
2.2.3 模型结果 43
参考文献 47
第3章 水体富营养化评价模型 48
3.1 基于扩展粗糙集的富营养化评价模型 49
3.1.1 模型背景 49
3.1.2 模型方法 49
3.1.3 模型验证 59
3.2 基于半监督分类技术的富营养化评价模型 65
3.2.1 模型背景 65
3.2.2 模型方法 66
3.2.3 模型验证 70
参考文献 75
第4章 水生态健康遥感反演模型 78
4.1 基于水体光学分类的蓝藻诊断光合色素遥感反演模型 78
4.1.1 模型背景 78
4.1.2 模型方法 80
4.1.3 模型结果 84
4.2 基于密度峰值聚类的蓝藻水华风险遥感评价 85
4.2.1 模型背景 85
4.2.2 模型方法 87
4.2.3 模型结果 93
参考文献 99
第5章 水华与藻毒素的风险管理模型 102
5.1 基于动态粗糙集的水华前兆分析 102
5.1.1 模型背景 102
5.1.2 模型方法 104
5.1.3 模型结果 114
5.2 基于贝叶斯网络的微囊藻毒素风险评价模型 132
5.2.1 模型背景 132
5.2.2 模型方法 133
5.2.3 模型结果 136
参考文献 141
第6章 三峡生态环境感知系统的构建 143
6.1 概述 143
6.2 感知系统技术要求 144
6.2.1 数据库资源建设 145
6.2.2 数据管理 146
6.2.3 数据分析 149
6.3 感知系统建设方案 151
6.3.1 信息资源建设 153
6.3.2 大数据存储平台 170
6.3.3 大数据分析服务平台 174
6.3.4 大数据应用服务平台 183
第7章 三峡库区水生态环境感知系统应用示范 187
7.1 感知示范方案设计 187
7.1.1 示范区域选择 187
7.1.2 感知系统整体方案 192
7.2 水生态环境安全在线感知系统示范工程 202
7.2.1 示范平台设计 202
7.2.2 示范工程的建设 203
7.2.3 自动监测数据验证 207
7.3 水生态环境感知模拟与可视化推演平台示范工程 214
7.3.1 系统架构设计 214
7.3.2 功能模块设计 214
7.3.3 三峡库区水生态环境模型分析平台 215
7.3.4 三峡库区水生态环境监测预警平台 245
7.3.5 示范平台建设 255
7.4 感知与可视化平台业务化运行 259
7.4.1 在线监测数据动态变化 259
7.4.2 在线监测指标相关性分析 263
7.4.3 水生态环境现状评价 266
7.5 小结与展望 273