三亚湾海域水质现状评价

利用1999年夏季三亚湾海域水质监测结果,在对各水质参数进行污染指数计算的基础上,应用水质综合评价模式,对该海域进行水质评价。结果表明：(1)受河口和港口高浓度测值的影响,三亚湾海域水质呈现轻度污染状态,河口水质已被严重污染;(2)除溶解氧和重金属Pb外,该海域其它水质参数均未超出一类海水水质标准。     

五龙河口海域水质分析与评价

根据2013年8月份开展的水质监测,分析五龙河口海域夏季表层海水中pH值、盐度、溶解氧(DO)、无机氮(DIN)、活性磷酸盐(DIP)、化学需氧量(COD)等因子的含量和分布状况,评价富营养化程度和有机污染程度。结果显示各调查指标均超出了一类海水水质标准,调查海域有机污染状况严重,海水富营养化水平为高富营养,通过营养盐N/P比值判定为磷限制潜在性富营养,水质状况较去年同期有所下降。     

无人机多光谱遥感的水质参数反演研究

无人机多光谱遥感技术具有快速、大范围、动态监测等优势,为水环境监测和管理提供了新的研究手段。利用无人机多光谱遥感平台,进行水质参数定量反演研究。围绕红边和近红外光谱波段提出和构建了7种水体指数,结合采样点实测浊度、透明度数据,建立水质参数反演模型,并进行模型精度分析,得出试验区域水体浊度和透明度空间分布图。试验证明：水体指数RENDWI的反射值与浊度参数相关性较高(r=0.821),采用RENDWI构建指数函数模型对于浊度的反演效果较好(R²=0.711,RMSE=2.013度);水体指数RDWI反射值与透明度相关性较高(r=0.844),采用RDWI构建二次多项式模型对于透明度的反演效果较好(R²=0.748,RMSE=7.163 cm)。本文提出的水体指数与水质参数反演模型,可以定量获取河流水质分布情况,实现水质参数快速监测,为中小型地表水污染防治提供技术支撑。     

基于主成分分析的近海水质评价模型及其应用研究——以雷州半岛海域为例

为建立适用于近岸海域水质的评价模型,依照《国家海水水质标准》构建了1个包含13种水质指标信息、共计400个假设采样站位的数据样本。通过计算其KMO统计量、球形检验及相关矩阵发现,各水质指标间存在较大相关性,故可利用主成分分析方法进行分析。针对13个水质指标,仅前2个特征根大于1的主成分是有效的,且它们可以代表原假设数据81.25%的信息。利用前2个主成分建立了可完全区分四类水质的自动分类图版,即水质评价模型。根据上述水质评价模型绘制了2010年雷州半岛近岸海域的水质类型专题图。分析表明,雷州半岛的湛江港湾、鉴江口海域及铁山港区为第四类水质,东海岛西南、鉴江口外海、徐闻东北角海域、流沙湾及江洪港海域为三类水质,其它区域为一、二类水质。本研究较好地反应了雷州半岛近岸海域水质分布状况,可为该海域海洋环境综合治理及利用提供一定参考。     

岙山监测浮标周边海域水质分析与评价

文章根据岙山监测浮标周边海域2015年9-12月水质调查资料,采用水质有机污染指数(A)、富营养化指数(E)和营养状态质量指数(NQI)等进行评价。结果表明:岙山监测浮标周边海域水质化学需氧量(COD)、溶解氧(DO)、油类(oils)符合二类海水水质标准,无机磷(DIP)和无机氮(DIN)含量均超过二类海水水质标准,DIP最高为0.048mg/L,DIN最高为0.753mg/L,总磷(TP)各月平均含量范围0.098~0.185mg/L,总氮(TN)各月平均含量范围0.650~0.818mg/L,叶绿素a(Chl a)含量基本稳定,DIN是主要的超标污染因子;富营养化评价结果显示,岙山监测浮标周边海域水质富营养程度严重,E值最高达9.10,NQI值最高为4.58;有机污染评价结果表明,岙山监测浮标周边海域水质总体处于轻度污染状态,A值最小为10月的1.90,最大为12月的2.73;使用A值、E值和NQI值方法同时对岙山监测浮标周边海域进行评价,其结果变化的一致性较好。     

胶州湾大沽河河口及邻近海域海水水质状况与评价

根据2006年6月和2007年6月两次对胶州湾大沽河河口邻近海域表层海水的温度、盐度、pH、悬浮物(SS)、溶解氧(DO)、化学需氧量(COD)、亚硝酸盐(NO2--N)、硝酸盐(NO3?-N)、铵氮(NH+4-N)、活性磷酸盐(PO 34?-P)、铜、铅、锌、镉、石油类等理化指标测定结果,应用单因子污染指数和富营养化指数对该海域的水质进行了分析和评价。结果显示,无机氮和石油类为该海域的主要污染物,该海域总体营养水平较高,2006年为磷限制中度营养区域,2007年为磷中等限制潜在性营养化区域。     

海南三亚湾海域水质状况评价

本文根据1998年10月至1999年8月海南三亚湾海域水质监测结果，分析了各水质参数的周年变化，在对各水质参数进行污染指数计算的基础上，应用水质综合评价模式，对该海域进行水质评价。结果表明：（1）受河口和高含量测值的影响，三亚湾海域水质呈现轻度污染状态，河口水质已接近严重污染；（2）除重金属Pb外，该海域其它水质参数均未超出一类海水水质标准；（3）除重金属Pb外，该海域其它水质参数变化的控制因子。     

三亚湾海域水质现状评价

利用1999年夏季三亚湾海域水质监测结果，在对各水质参数进行污染指数计算的基础上，应用水质综合评价模式，对该海域进行水质评价。结果表明：（1）受河口和港口高浓度测值的影响，三亚湾海域水质呈现轻度污染状态，河口水质巳被严熏污染；（2）除溶解氧和重金属Pb外，该海域其它水质参数均未超出一类海水水质标准。     

春季滨州浅海水域环境质量现状分析及评价

根据2012年春季滨州浅海水域水质监测结果,在内梅罗污染指数法评价的基础上,考虑最大权重因子,采用权重修正的内梅罗污染指数法对该海域水质现状进行了评价和分析。结果表明:滨州浅海水域春季环境质量总体为清洁。在11项评价项目中,DO、COD、铜、铅、砷含量在各调查站位均符合第一类海水水质标准;pH、活性磷酸盐、无机氮、锌、镉指标符合第二类海水水质标准;汞和石油类在部分站位符合第三类海水水质标准,是滨州浅海水域的主要潜在污染因子。     

龙口湾近岸海域水质状况调查与评价

依据2007年2月、5月对龙口湾近岸海域表层海水的温度、盐度、pH值、悬浮物(SS)、溶解氧(DO)、化学需氧量(COD)、亚硝酸盐(NO2--N)、硝酸盐(NO3--N)、铵氮(NH4+-N)、活性磷酸盐(PO43--P)、铜(Cu)、铅(Pb)、锌(Zn)、镉(Cd)、石油类等理化指标测定结果,应用单因子污染指数和富营养化指数对该海域的水质进行了分析和评价。结果显示,该海域表层海水中各污染要素质量浓度大致呈现由SW部海域向NE部海域递增的趋势,无机氮、活性磷酸盐及石油类为该海域的主要污染物,该海域总体营养水平较高,处于磷限制的潜在性富营养水平。     

海口湾的台风及其对海水水质的影响机制分析

海口湾受台风影响全年以7～10月为盛行时期,尤以8～10月最盛.我们于1996年台风季节前、后在海口湾海域布设了10个监测站,进行了pH,DO,COD,PO₄-P,NO₂-N,NO₃-N和SiO₃-Si的监测,分析了它们在台风前后的变化,结合台风暴流的数值计算,初步探讨了因台风引起水质变化的机制,结果表明,台风、大浪和风暴流掀起海底沉降物或促使底层高营养盐的水体与表层强烈地混合,尤其是风暴流在湾顶辐聚,强烈的流速悬浮湾顶主要由生活污水排污口附近海域受污染的沉积物,一些污染物溶解于水体,伴随着台风而来的暴雨也将陆源污染物通过南渡江搬运到海口湾,使COD,PO₄-P,NO₂-N,NO₃-N和SiO₃-Si的含量台风后高于台风前.台风大浪和风暴流强烈的水交换作用使外海高DO的海水与湾内海水进行充分的交换,又使空气中的氧充分溶解于水体,使DO在该次台风后反而比台风前高,风暴流的水交换作用也使pH值在该次台风前后没有明显变化.     

基于GAM模型对辽河公园水质的研究

基于GAM模型对2006～2011年辽河公园水质监测数据进行分析,旨在对大辽河水质进行评价。结果显示,每年pH值趋于一致;2011年溶解氧明显高于其它年份,且2006年溶解氧达到最低值。就6年的监测数据进行风险评估发现,2007年COD浓度较高且高于平均值;然而,溶解氧和COD与氨态氮的变化只有40％的相关。     

Introduction to the airborne marine surveillance platform and its application to water quality monitoring in China

China Marine Surveillance Force was equipped with modern aerial equipments for marine lawexecute with the advantage of functioning agilely at a large scale of surveillance coverage, providing powerful all-round safeguard, which is of benefit to the harmonious and sustainable development of coastal economy. Onboard the planes, three kinds of remote sensing sensors have been installed, including a marine airborne multi-spectrum scanner (MAMS), an optical-electronic platform, and an airborne hyper-spectral system AISA+. The specifications of remote sensing platforms were introduced briefly first, then examples of water quality monitoring by airborne remote sensing were presented, including the monitoring in coastal suspended material, oil-spill and abnormal warm water, etc.     

基于主成分分析法的闽江口及其近岸水域水质评价

选取2016年4月、7月和10月闽江口及其近岸水域7个调查点位的盐度、悬浮物、pH、溶解氧、化学需氧量、氮营养盐和重金属等15项监测指标数据,采取主成分分析法分析了该水域的水质,明确影响该水域水质的主要污染因子。结果表明:15项监测指标转换提取为4个主成分,解释82.153%的方差。从时间分布来看,闽江口及其近岸水域在4月份水质较差、10月份次之、7月份较好。从空间分布来看,近河口水质较差而远离河口水质较好。影响该水域污染水质的主要驱动因子是pH、COD、氮营养盐和Cd。研究结果对于进一步了解闽江口及其近岸水域水质情况具有重要意义,同时也为福建省海洋管理的科学决策提供支持。     

海洋污染监测传感器

本文综述了海洋环境污染自动监测中传感器的现状、遥感器在海洋环境污染监测中的应用以及今后海洋污染监测传感器的发展动态。     

广东雷州珍稀海洋生物国家级自然保护区 海水环境质量状况分析与评价

2018年9月和12月,两次调查了广东雷州珍稀海洋生物国家级自然保护区海域海水的环境质量。结果表明,该保护区平均综合水质指数为0.38,一类海水平均达标率为93.59%,海水中铅、磷酸盐、锌的含量达标率偏低,分别为53.85%、73.1%、96.15%。12月保护区海水中的无机氮、磷酸盐、溶解氧、叶绿素a含量明显高于9月,保护区实验区和缓冲区站位的水质优于核心区站位的水质。该保护区海域综合水质定性评价结果为优。靠近康港附近站位的营养盐相对偏高,磷酸盐的平均达标率仅为73.1%,因此,需加强对康港附近海域养殖情况的监控,尽量减少养殖废水对保护区海域的排放,保持保护区海水清洁,以利于对保护区内珍稀海洋生物及其栖息地的保护。     

近4年来象山港赤潮监控区水质状况综合评价

根据2002-2005年丰水期象山港赤潮监控区水质监测基础资料,以DO、COD、DIN和DIP作为基本化学指标参数,分析了近4年来整个赤潮监控区水质的有机污染和富营养化状况。并从各监测站位、监测层次分析了赤潮监控区水质的变化趋势,同时对水质污染与陆源排污、养殖业自身排污以及港内水动力条件进行了相关分析。综合分析结果表明:近4年来,象山港赤潮监控区水质的N、P污染比较严重,水质有机污染一直处于严重污染水平。整个港湾水质一直处于严重的富营养化状态,表层富营养化程度略大于底层,DIN是富营养化的主要贡献因子。整个象山港赤潮监控区水质机污染和富营养化程度均存在港顶最高,越往港湾的出口处污染越轻的趋势。4年来监控区水质污染主要与陆源排污、养殖业自身排污以及港内水动力交换能力较弱有关。     

应用浮游植物监测与评价长江口水体营养状况

通过对长江河口浮游植物采样研究,应用浮游植物群落多样性指数和均匀度指数、浮游植物丰度以及生物学综合评价法对长江河口水体营养状况进行监测与评价.生物学综合评价结果显示:1999年枯水期,口门内的SX01～SX04样站表、底层水体为中营养水平,口门外近岸及近外海水域一般为贫营养水体.1999年丰水期,表、底层水质状况与枯水期不同,口门内的SX01～SX04样站水体为贫营养型,近口门、近外海水域为中营养型,近岸中部、东部表层一般达到富营养型水体,近岸底层东北部为富营养型,其余近岸水域为中营养型水体.2000年枯水期水质情况为:口门内表、底层水体为贫营养水体,近岸水域表层为中营养水体,底层为贫营养水体,近外海水域表、底层一般也为贫营养水体.     

A discussion on typhoon occurred in the Haikou Bay and impact mechanism on seawater quality

INTRODUIONThe Haikou Bay is an imPOrtant hay in Hainan Pmeince. Investigatnin of water qualitywas carried out three times every y6ar to understand the vatying trend of water quality fOr tak-ing pmpr countereres. betimes we may ee comParison conclustons of poIluting degreein Water Quality Monitoring Bulletin Of HaikOu Bay. But the comParison conclusbo is notreareable because the ocean is a complicated system with the interaction of wind, current,wave, tide, biolOgy, chemistry and so …     

Application of a partial least-squares regression model to retrieve chlorophyll-<Emphasis Type="Italic">a</Emphasis> concentrations in coastal waters using hyper-spectral data

Coastal and inland waters represent a diverse set of resources that support natural habitats and provide valuable ecosystem services to the human population. Monitoring the quality of these waters is essential to maintaining the resources they provide, and long-term monitoring may offer a better understanding of the relationship between human development and the health of these resource producers. The implementation of conventional monitoring is typically time-intensive and limited in geographic scale. Alternatively, the use of airborne and spaceborne remote sensors provides a synoptic view of water quality with better spatial coverage to more accurately identify dynamic and unique parameters. Concentrations of optically active constituents (OACs) such as suspended sediments and the phytoplankton pigment chlorophylla (CHLa), act as proxies for water quality and can be detected by optical sensors. Traditional remote sensing techniques were developed using multispectral sensors, and employ band ratio algorithms that seek to predict the concentrations of OACs in relation to water quality. In complex coastal waters, overlapping spectral signatures of OACs often confound these algorithms and reduce their predictive capacity. The objective of this study was to develop a dataset to test the predictive capabilities of partial least-squares regression, a multivariate statistical method, for hyperspectral remote sensing and in situ CHLa concentrations. This paper presents the model performance for a dataset developed in Long Bay, a ~160 km arcuate bay that spans the border between North and South Carolina. The model uses multivariate-based statistical modeling to capitalize on the spectral advantage gained by hyperspectral sensors when observing such waters. Following this approach, a multivariate-based monitoring tool for the prediction of CHLa concentrations is presented with a partial least-squares regression (PLSR) method using hyperspectral and laboratory-analyzed field data. The PLSR model was used based on its ability to identify wavelengths that are more sensitive to CHLa relative to other OACs. The model was able to explain 80% of the observed CHLa variability in Long Bay with root mean square error (RMSE) = 2.03 µg/L. This enhanced mode of water quality monitoring has potential to deliver insights to point-sources and problem areas that may contribute to a decline in the water quality of valuable inland and coastal systems.