太湖水体Chl-a预测模型ARIMA的构建及应用优化

作者：李娜; 李勇^*; 冯家成; 单雅洁; 钱佳宁

来源：环境科学, 2021, 42(05): 2223-2231.

DOI：10.13227/j.hjkx.202009210

• 太湖
• 叶绿素a
• 环境因子
• 多元线性逐步回归
• ARIMA模型

叶绿素a(Chl-a)是湖泊浮游植物生物量的重要指标,其含量能反映水中浮游植物的丰度和变化规律.以1999年12月～2019年8月太湖水体Chl-a和环境因子的逐月监测数据为基础,运用主成分分析方法探讨了Chl-a与环境因子的关系,据此建立了Chl-a与主要环境因素之间的多元线性逐步回归模型及自回归综合移动平均模型(ARIMA).结果表明:(1)太湖Chl-a浓度存在着明显的季节变化,且总体处于上升趋势.总磷(TP)、高锰酸盐指数、月均气温(MAT)和月度降雨量(MR)与Chl-a浓度存在较好的变化同步性,总氮(TN)和氨氮(NH4+-N)则表现出明显的滞后性.(2)主成分分析结果表明,太湖水体藻类暴发条件不仅仅是基于N和P等限制性因素,而是发展为TN、NH4+-N、TP和高锰酸盐指数、MR和MAT等多元因素的综合影响.(3)两种模型经验证比较,基于1999～2019年逐月资料建立的Chl-a浓度的ARIMA模型模拟效果和预测精度明显优于所建立的多元线性逐步回归模型,特别是在考虑主要环境因素作为自变量及优化自变量取值情况下其预测效果得到进一步提升.建立的ARIMA(0,1,1)(0,1,1)模型将有助于太湖藻类暴发的预报和预警,并为及时有效地安排水资源调度及调控等水环境管理措施提供依据.

• 单位
  河海大学; 浅水湖泊综合治理与资源开发教育部重点实验室