[发明专利]一种快速识别人为活动对湖泊水华影响的定量方法

说明书

技术领域

本发明涉及环境、管理领域的统计学方法，普遍适用于湖泊水华问题的管理和决策方面，特别是快速识别和量化人为活动对湖泊水华影响。

技术背景

在自然状态下，湖泊自身发生、发展、衰老和消亡的必然过程是极为缓慢的，但城市化和工业化进程的加快，在人类活动的影响下，这种演化过程大大加快，由湖泊水华引发的环境问题日益严重，已然成为世界性水污染治理的难题。据统计，全球约有75％以上的封闭型水体存在富营养化问题。为了有效地预防、治理湖泊水华，湖泊水华的定量化研究有着重要意义。其中，量化方法的选择和使用是必不可少和极为重要的。

综观国内外对湖泊水华的量化方法研究，自从Vollenweider提出第一个描述湖泊水华过程的模型至今，这类模型已有50多年的研究历史，按其复杂程度可分为以下几类：简单的回归模型，简单的营养物平衡模型，复杂的水质、生态、水动力及其综合模型和复杂的生态结构动力学模型。然而，大多学者侧重水华形成机理及其评价、预测模型的研究，模型包含的参数较多，形式复杂，且较少涉及研究人为活动对其的影响。自然环境因素对湖泊水华的影响固然重要，但随着人类活动的加剧，明确人为活动与湖泊水华的输入响应关系并加以约束和管理，对预防、治理水华有着重要的指导意义。同时，形式简单而实用的量化模型因具有可操作性较强的优势，更容易为管理和决策者所接受。

发明内容

本发明的主要目的为提供一种快速识别人为活动对湖泊水华影响的定量方法，该方法基于多元线性回归方法，并结合湖泊水华程度的背景值快速量化人为活动对湖泊水华的影响程度，有助于管理者和决策者明确治理方向，并启发其从控制人为活动的角度来预防、治理湖泊水华。

本发明的技术方案如下：

通过多元线性回归的方法构建表征湖泊水华的数学模型：

(1)通过因子分析的方法，确定表征湖泊水华回归方程中的解释变量和被解释变量；

(2)考虑各种模型的形式，精确度和可操作性确定回归模型；

(3)通过试验并结合变量及参数的物理意义建立回归方程；

(4)对回归方程进行各种检验。

再根据所得表征湖泊水华的数学模型计算自然因素与人为活动共同影响下的湖泊水华表征值，与湖泊水华在在自然条件下的背景值相比较，即可量化人类活动对湖泊水华的影响程度。

与现有的技术和方法相比，本发明具有以下优点：

(1)突出人为活动对湖泊水华的影响：湖泊水华是人为活动与自然因素共同作用的结果，但自然影响不可或难以控制，而人为影响则不然，本发明通过量化人为活动对湖泊水华的影响给管理者和决策者以启发，为湖泊水华的治理提供了新的思路。

(2)快速：本发明原理清晰明了，采用简明的模型形式，在可靠的数据支持下可以很容易的进行量化分析，可以节约时间，达到快速识别的目的，为湖泊治理和环境管理提供科学高效的决策支持。

(3)形式简单，可操作性强：本发明选择简单的多元线性回归模型，以环境规划与决策为目的，在满足其精度的基础上，形式简单，应用方便。

具体实施方式

1.建立多元线性回归模型

多元线性回归模型是指含有多个解释变量的线性回归模型，用于解释被解释变量与其他多个解释变量之间的线性关系。多元回归分析的数学模型为：

y_a＝ε+β₀+β₁x₁+β₂x₂+…+β_px_p (1)

式中，ε为随机误差；y_a为被解释变量，这里即自然因素与人为活动共同影响下湖泊水华的表征指标；p为解释变量的数量；x₁，x₂，…，x_p为解释变量，这里即湖泊水华的影响因子；β₁，β₂，…，β_p为偏回归系数。

上式表明被解释变量y的变化可能由两部分组成：第一，由p个解释变量x引起被解释变量y的线性变化部分，即y＝β₀+β₁x₁+β₂x₂+…+β_px_p；第二，由其他随机因素引起y的变化部分，即ε。