基于改进灰色关联分析法的汾河水质评价

水质灰色评价法
由于在水质评价时对水质的分级或对水体是否污染的问题并非类似黑与白的可明显进行判定的问题，且人们在对水环境质量监测过程中所得到的数据都控制在有限的空间及时间范围内，因此该种数据在一定程度上是不确切的，诸如“水质级别”、“污染程度”等概念均为灰色概念，水环境本身也属于一个本征性灰色系统，因此可将灰色系统原理用于水质综合评价中，即将水环境整体作为一个灰色系统，其中部分信息为已知，部分为未知，在实际应用中根据水体各因子的实测浓度与水质标准的关联程度来确定水体的水质级别，对于同类水质的不同水体则可通过其与该类标准的关联度大小来进行优劣评定。

常用的灰色评价法为灰色聚类法、灰色贴近度分析法以及灰色关联评价方法等。

灰色聚类是通过建立与隶属函数类似的白化函数并对其进行聚类，根据结果来确定断面综合水质；灰色贴近度则是对灰色聚类的改进，通过将聚类函数的分段计算改为分段共斜率计算，并以此确定聚类元素与理想子集的贴近程度来最终确定所属类别；灰色关联法是将各污染因子的实测值排成实际序列，同时将标准值排成理想序列，之后用灰色关联度法计算两个序列之间的关联度，并根据关联度的大小来确定断面综合水质的级别，若将该理论用于多断面的区域水环境质量评价中则相应得到区域水质综合评价的灰关联分析法。

随着水环境日益复杂影响水环境的因素不断增多且不断发生变化，致使水环境的不确定性也日益增加，灰色评价法在理论上是可充分体现该系统的不确定性，同时该方法具有简单、可比的优点，但该类方法一般存在分辨率低的缺点。

《基于机器学习的汾河水系水文分析》篇一一、引言汾河作为中国北方重要的水系之一，其水文状况对周边生态环境及人民生活具有重要影响。

近年来，随着科技的不断发展，尤其是机器学习领域的进步，我们开始探索使用这些先进技术进行汾河水系的水文分析。

本文旨在探讨基于机器学习的汾河水系水文分析的原理、方法及其应用，以期为汾河水系的管理和保护提供新的思路。

二、机器学习在水文分析中的应用原理机器学习是一种人工智能技术，其基本原理是通过计算机算法，让计算机从大量数据中自主学习并找出规律，从而对未知数据进行预测。

在水文分析中，我们可以利用机器学习技术对历史水文数据进行学习，找出影响水文变化的因素，从而对未来的水文状况进行预测。

三、汾河水系水文分析的机器学习方法1. 数据收集与处理：首先收集汾河的历史水文数据，包括降雨量、水位、流速等。

然后对数据进行清洗和预处理，使其适用于机器学习算法。

2. 特征选择与提取：从处理后的数据中提取出影响水文变化的关键特征，如季节、降雨量、气温等。

3. 模型训练与优化：利用提取出的特征和对应的水文数据训练机器学习模型，如神经网络、支持向量机等。

通过调整模型参数，优化模型的预测性能。

4. 预测与评估：利用训练好的模型对未来的水文状况进行预测，并通过实际观测数据进行模型评估，以验证预测结果的准确性。

四、基于机器学习的汾河水系水文分析方法的应用1. 预测洪水：利用机器学习模型对历史洪水数据进行学习，找出影响洪水发生的因素，从而预测未来可能发生的洪水事件。

这有助于提前采取预防措施，减少洪水带来的损失。

2. 水质监测：通过收集历史水质数据和相应的环境因素数据，训练机器学习模型进行水质预测。

这有助于及时发现水质变化，采取相应措施保护水环境。

3. 水资源管理：利用机器学习模型对水资源进行合理分配和管理。

通过分析历史数据和实时数据，了解水资源的使用情况，从而制定合理的分配策略，提高水资源的利用效率。

五、结论基于机器学习的汾河水系水文分析为水系管理和保护提供了新的思路和方法。

汾河治理实践报告1. 引言随着工业化的快速发展，水资源逐渐受到了污染和破坏，保护和治理水资源成为各国重要的工作之一。

汾河作为中国北方重要的河流之一，也面临着严重的水污染和生态破坏的问题。

为了保护和治理汾河流域的水资源，相关部门采取了一系列的措施，本报告将对汾河治理实践进行总结和分析。

2. 汾河水质改善措施为了改善汾河的水质，相关部门采取了以下措施：2.1 污水处理厂建设在汾河流域的重点城市和工业园区，新建了多个污水处理厂。

这些污水处理厂采用先进的处理技术，能够有效地去除废水中的污染物，提高排放水质。

同时，还建设了配套的污水管网，将城市和工业区的污水集中输送到污水处理厂进行处理，避免了直接排放。

2.2 农村污水治理为了解决农村地区的污水排放问题，相关部门在汾河流域的农村地区推广了农村生活污水集中处理模式。

该模式将农村地区的污水集中收集起来，经过处理后再进行排放，提高了农村地区污水处理的效率和水质。

2.3 生态修复工程针对汾河流域的一些受损生态区域，进行了生态修复工程。

修复工程主要包括湿地恢复、植被覆盖恢复、河道整治等措施。

通过修复受损的生态系统，提高流域的水质和生态环境。

3. 汾河流域水资源管理为了更好地管理汾河流域的水资源，相关部门采取了以下措施：3.1 水资源调控根据汾河流域的水资源状况和需求，制定了水资源调控方案。

通过水资源的合理配置和调度，保障流域内各个地区的用水需求，确保水资源的可持续利用。

3.2 水资源监测建立了汾河流域水资源监测系统，实时监测水质、水量等参数。

通过对水资源的监测，能够及时发现水质异常和水量变化，及时采取措施进行调整和管理。

3.3 水资源保护加强对汾河流域水资源的保护工作，严禁乱倒废水、乱排污染物等行为。

加大对违规行为的处罚力度，提高违规成本，保护汾河流域的水资源。

4. 汾河治理效果评估针对汾河治理实践的效果进行评估，主要从水质改善和生态恢复两方面进行评估：4.1 水质改善效果评估根据监测数据和水质评价标准，对汾河流域的水质进行评估。

基于灰色关联度分析挺水植物模拟生活污水的净化能力贺义昌１，何素琳１，张继红１，任琼１，叶选２，赵攀１，郑育桃１∗（１．江西省林业科学院，江西南昌３３００３２；２．江西农业大学林学院，江西南昌３３００４５）摘要㊀以１７种挺水植物为研究对象，对挺水植物进行驯化处理，随后移植在模拟生活污水中培养，在不同的时间段内采集水质，并对水质中的总氮㊁总磷㊁氨氮和化学需氧量以及ｐＨ进行监测，采用灰色关联度分析评价挺水植物的综合净化水质的能力㊂结果表明，不同的挺水植物对单个水质指标的去污能力差异较大；灰色关联度分析１７种挺水植物综合去污能力优等的有３种，分别是旱伞草㊁紫芋和灯芯草；综合去污能力良好的有６种，分别是海寿花㊁水葱㊁溪荪㊁水生美人蕉㊁花叶芦竹㊁再力花；综合去污能力中等的有５种，分别是香蒲㊁水芹㊁慈姑㊁纸莎草㊁泽泻；综合去污能力较低的有３种，分别是千屈菜㊁黄菖蒲㊁菰㊂初步筛查出９种挺水植物具有良好的综合去污效果，试验结果可为后续小微湿地水生植物示范与推广提供基础数据㊂关键词㊀挺水植物；灰色关联度分析；综合去污能力中图分类号㊀Ｘ１７１．１㊀㊀文献标识码㊀Ａ㊀㊀文章编号㊀０５１７－６６１１（２０２４）０２－００６９－０４ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．０５１７－６６１１．２０２４．０２．０１４㊀㊀㊀㊀㊀开放科学（资源服务）标识码（ＯＳＩＤ）：ＡｎａｌｙｓｉｓｏｆＰｕｒｉｆｉｃａｔｉｏｎＣａｐａｃｉｔｙｏｆＥｍｅｒｇｅｎｔＰｌａｎｔｓｔｏＳｉｍｕｌａｔｅＤｏｍｅｓｔｉｃＳｅｗａｇｅＢａｓｅｄｏｎＧｒｅｙＲｅｌａｔｉｏｎａｌＤｅｇｒｅｅＨＥＹｉ⁃ｃｈａｎｇ，ＨＥＳｕ⁃ｌｉｎ，ＺＨＡＮＧＪｉ⁃ｈｏｎｇｅｔａｌ㊀（ＪｉａｎｇｘｉＡｃａｄｅｍｙｏｆＦｏｒｅｓｔｒｙ，Ｎａｎｃｈａｎｇ，Ｊｉａｎｇｘｉ３３００３２）Ａｂｓｔｒａｃｔ㊀Ｉｎｔｈｉｓｐａｐｅｒ，１７ｋｉｎｄｓｏｆｅｍｅｒｇｅｎｔｐｌａｎｔｓａｒｅｔａｋｅｎａｓｒｅｓｅａｒｃｈｏｂｊｅｃｔｓ，ａｎｄｔｈｅｙａｒｅｄｏｍｅｓｔｉｃａｔｅｄ，ａｎｄｔｈｅｎｔｒａｎｓｐｌａｎｔｅｄｉｎｔｏｓｉｍｕ⁃ｌａｔｅｄｄｏｍｅｓｔｉｃｓｅｗａｇｅｆｏｒｃｕｌｔｉｖａｔｉｏｎ．Ｗａｔｅｒｑｕａｌｉｔｙｉｓｃｏｌｌｅｃｔｅｄｉｎｄｉｆｆｅｒｅｎｔｔｉｍｅｐｅｒｉｏｄｓ，ａｎｄｔｈｅｔｏｔａｌｎｉｔｒｏｇｅｎ，ｔｏｔａｌｐｈｏｓｐｈｏｒｕｓ，ａｍｍｏｎｉａｎｉｔｒｏ⁃ｇｅｎ，ｃｈｅｍｉｃａｌｏｘｙｇｅｎｄｅｍａｎｄａｎｄｐＨｖａｌｕｅｏｆｗａｔｅｒｑｕａｌｉｔｙａｒｅｍｏｎｉｔｏｒｅｄ．Ｇｒｅｙｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｉｓｕｓｅｄｔｏｅｖａｌｕａｔｅｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｐｕｒｉ⁃ｆｉｃａｔｉｏｎａｂｉｌｉｔｙｏｆｅｍｅｒｇｅｎｔｐｌａｎｔｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｄｅｃｏｎｔａｍｉｎａｔｉｏｎａｂｉｌｉｔｙｏｆｄｉｆｆｅｒｅｎｔｅｍｅｒｇｅｎｔｐｌａｎｔｓｔｏａｓｉｎｇｌｅｗａｔｅｒｑｕａｌｉｔｙｉｎｄｅｘｗａｓｓｉｇｎｉｆｉｃａｎｔｌｙｄｉｆｆｅｒｅｎｔ；ａｃｃｏｒｄｉｎｇｔｏｔｈｅｇｒｅｙｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ，ｔｈｒｅｅｏｆｔｈｅ１７ｅｍｅｒｇｅｎｔｐｌａｎｔｓｈａｄｔｈｅｂｅｓｔｃｏｍｐｒｅｈｅｎｓｉｖｅｄｅｃｏｎｔａｍｉｎａ⁃ｔｉｏｎａｂｉｌｉｔｙ，ｗｈｉｃｈｗｅｒｅＵｍｂｒｅｌｌａ，ＡｍｏｒｐｈｏｐｈａｌｌｕｓｐｕｒｐｕｒｅｕｓａｎｄＤｅｎｄｒｏｌｉｍｕｓ；ｔｈｅｒｅａｒｅ６ｋｉｎｄｓｗｉｔｈｇｏｏｄｃｏｍｐｒｅｈｅｎｓｉｖｅｄｅｃｏｎｔａｍｉｎａｔｉｏｎａ⁃ｂｉｌｉｔｙ，ｎａｍｅｌｙ，Ｈａｉｓｈｏｕｈｕａ，Ｓｈｕｉｃｏｎｇ，Ｘｉｓｕｎｇ，ａｑｕａｔｉｃｃａｎｎａ，ｆｌｏｗｅｒｉｎｇａｎｄｌｅａｆｙａｓｐａｒａｇｕｓ，Ｚａｉｌｉｈｕａ；ｔｈｅｒｅａｒｅ５ｋｉｎｄｓｗｉｔｈｍｅｄｉｕｍｃｏｍｐｒｅｈｅｎ⁃ｓｉｖｅｄｅｃｏｎｔａｍｉｎａｔｉｏｎｃａｐａｃｉｔｙ，ｎａｍｅｌｙｃａｔｔａｉｌ，ｗａｔｅｒｃｅｌｅｒｙ，ａｒｒｏｗｈｅａｄ，ｐａｐｙｒｕｓａｎｄａｌｉｓｍａｏｒｉｅｎｔａｌｉｓ；ｔｈｅｒｅａｒｅ３ｓｐｅｃｉｅｓｗｉｔｈｌｏｗｃｏｍｐｒｅｈｅｎ⁃ｓｉｖｅｄｅｃｏｎｔａｍｉｎａｔｉｏｎｃａｐａｃｉｔｙ，ｎａｍｅｌｙ，Ｌｙｔｈｒｕｍ，ＡｃｏｒｕｓｃａｌａｍｕｓａｎｄＺｉｚａｎｉａｌａｔｉｆｏｌｉａ．Ｎｉｎｅｅｍｅｒｇｅｎｔｐｌａｎｔｓｈａｖｅｂｅｅｎｐｒｅｌｉｍｉｎａｒｉｌｙｓｃｒｅｅｎｅｄａｎｄｈａｖｅｇｏｏｄｃｏｍｐｒｅｈｅｎｓｉｖｅｄｅｃｏｎｔａｍｉｎａｔｉｏｎｅｆｆｅｃｔ．Ｔｈｅｔｅｓｔｒｅｓｕｌｔｓｃａｎｐｒｏｖｉｄｅｂａｓｉｃｄａｔａｆｏｒｔｈｅｓｕｂｓｅｑｕｅｎｔｄｅｍｏｎｓｔｒａｔｉｏｎａｎｄｐｒｏｍｏｔｉｏｎｏｆａｑｕａｔｉｃｐｌａｎｔｓｉｎｓｍａｌｌａｎｄｍｉｃｒｏｗｅｔｌａｎｄｓ．Ｋｅｙｗｏｒｄｓ㊀Ｅｍｅｒｇｅｎｔｐｌａｎｔｓ；Ｇｒｅｙｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ；Ｃｏｍｐｒｅｈｅｎｓｉｖｅｄｅｃｏｎｔａｍｉｎａｔｉｏｎｃａｐａｃｉｔｙ基金项目㊀２０２１年中央财政湿地保护与恢复补助项目（２０２１１４３）；江西农业大学大学生创新创业训练计划项目（２０２１）㊂作者简介㊀贺义昌（１９８６ ），男，江西九江人，助理研究员，硕士，从事小微湿地调查研究㊂∗通信作者，副研究员，硕士，从事小微湿地㊁园林设计研究㊂收稿日期㊀２０２３－０２－０５；修回日期㊀２０２３－０２－２３㊀㊀随着我国社会经济的发展，城镇化进程的加速㊁乡村振兴的推进㊁农耕化肥的过度使用等，造成水环境严重破坏［１－２］㊂如何净化水环境污染，恢复水体的综合功能越来越受到人们的关注［３－４］㊂目前，净化水体的方法主要有化学法㊁物理法和植被生态修复法［５－７］㊂物理法和化学法由于成本高㊁耗时长㊁易造成二次污染等缺陷，逐渐被植被修复生态法所替代［８－１１］，生态修复主要是采用水生植物去除水体营养盐，并利用水生植物发达的根系为微生物附着提供场所，同时吸附水质的悬浮物质，从而达到净化的目的［１２］㊂近年来，采用水生植物净化污水的研究报道较多，然而不同水生植物对水质净化的效果差异较大㊂倪蒙等［１３］研究了轮叶黑藻㊁空心菜㊁鸢尾㊁生菜㊁香菇草㊁香蒲和水芹等７种不同的水生植物对水质的净化效果，结果表明，空心菜对总氮㊁总磷和化学需氧量净化效果最佳，轮叶黑藻对氨氮和硝态氮净化效果最佳；杨贤鑫等［１４］研究了１０种水生植物对水质净化效果，结果表明水芹㊁纸莎草和蓼对总磷和总氮的吸收效果最佳，去除率达到６５％以上；罗海霞等［１５］比较了旱伞草㊁黄菖蒲㊁再力花㊁美人蕉㊁鸢尾５种水生植物的脱氮除磷效果，结果表明，旱伞草脱氮除磷效果最好，不同植物的直接吸收同化除磷能力与植物生长状况密切相关，长势越好㊁生物量越大的植物同化除磷能力越强；大多数报道均是对总磷和总氮进行检测，而ｐＨ㊁化学需氧量（ＣＯＤ）和氨氮（ＮＨ４＋－Ｎ）也是评价水环境质量标准的基本项目，是反映水体状况的重要指标㊂该研究选取了１７种水生植物，模拟生物污水，通过水生植物在模拟生活污水中培养一段时间，监测水质的总氮㊁总磷㊁氨氮和化学需氧量以及ｐＨ的变化，采用灰色关联度评价水生植物综合去污效果，以期为后续小微湿地示范提供参考㊂１㊀材料与方法１．１㊀试验材料㊀挺水植物均购买于江西润通水生植物种植有限公司，长势一致且生长状况均良好㊂具体名录见表１㊂试验前，将水生植物分株㊁洗净后将其整体置于盛有水的塑料桶中预培养，备用㊂试验基质选取沙石，取自赣江，过滤洗净，晾干备用㊂试验容器为白色塑料水箱规格为长６６ｃｍ㊁宽３３ｃｍ㊁高４５ｃｍ㊂１．２㊀试验水体㊀试验在江西省林业科学院玻璃温室中（２８ʎ７４ᶄＮ，１１５ʎ８２ᶄＥ）进行，在试验前将所有植物用自来水进行整体清洗，清洗过程中避免植物根须和茎秆受损，且在自来水中统一驯化培养３０ｄ㊂待其生长稳定后，将１７种挺水植物分别放入试验水箱中静态培养㊂根据前期对全省小微湿地的调查结果，试验所用的生活污水使用磷酸二氢钾㊁无安徽农业科学，Ｊ．ＡｎｈｕｉＡｇｒｉｃ．Ｓｃｉ．２０２４，５２（２）：６９－７２㊀㊀㊀水乙酸钠㊁硫酸铵来模拟富营养化的农村污水，最初总氮浓度为１．４７３ｍｇ／Ｌ，总磷浓度为０．５４９ｍｇ／Ｌ，氨氮浓度为１．１７３ｍｇ／Ｌ，ＣＯＤ浓度为３５．０００ｍｇ／Ｌ㊂表１㊀１７种供试挺水植物名录Ｔａｂｌｅ１㊀Ｌｉｓｔｏｆ１７ｔｅｓｔｅｄｅｍｅｒｇｅｎｔｐｌａｎｔｓ序号Ｎｏ．种名Ｓｐｅｃｉｅｓｎａｍｅ拉丁学名Ｌａｔｉｎｎａｍｅ科名Ｆａｍｉｌｙｎａｍｅ１再力花Ｔｈａｌｉａｄｅａｌｂａｔａ竹芋科２泽泻Ａｌｉｓｍａｐｌａｎｔａｇｏ－ａｑｕａｔｉｃａ泽泻科３慈姑Ｓａｇｉｔｔａｒｉａｓａｇｉｔｔｉｆｏｌｉａ泽泻科４灯芯草Ｊｕｎｃｕｓｅｆｆｕｓｕｓ灯芯草科５纸莎草Ｃｙｐｅｒｕｓｐａｐｙｒｕｓ莎草科６菰Ｚｉｚａｎｉａｌａｔｉｆｏｌｉａ禾本科７海寿花Ｐｏｎｔｅｄｅｒｉａｃｏｒｄａｔａ雨久花科８旱伞草Ｐｈｙｌｌｏｓｔａｃｈｙｓｈｅｔｅｒｏｃｌａｄａ禾本科９香蒲Ｔｙｐｈａｏｒｉｅｎｔａｌｉｓ香蒲科１０花叶芦竹Ａｒｕｎｄｏｄｏｎａｘ禾本科１１黄菖蒲Ｉｒｉｓｐｓｅｕｄａｃｏｒｕｓ鸢尾科１２溪荪Ｉｒｉｓｓａｎｇｕｉｎｅａ鸢尾科１３水葱Ｓｃｉｒｐｕｓｖａｌｉｄｕｓ莎草科１４水芹Ｏｅｎａｎｔｈｅｊａｖａｎｉｃａ伞形科１５千屈菜Ｌｙｔｈｒｕｍｓａｌｉｃａｒｉａ千屈菜科１６水生美人蕉Ｃａｎｎａｇｌａｕｃａ美人蕉科１７紫芋ＣｏｌｏｃａｓｉａｅｓｃｕｌｅｎｔａᶄＴｏｎｏｉｍｏ天南星科１．３㊀试验设计㊀挺水植物采用ＰＶＣ框进行固定，ＰＶＣ框用网目为０．５ｃｍˑ０．５ｃｍ的网片覆盖并固定；每个试验水箱中放入６株长势一致的水生植物，每种植物设置４个重复，同时设置无植物水体为空白对照组（ＣＫ）㊂试验周期为２０２２年６月２７ ７月１８日㊂试验期间，定期补充自来水，用以补充因蒸发以及采样等所消耗的水分，确保试验水箱中水位保持稳定㊂１．４㊀水样采集㊀分别于试验后第０㊁７㊁１４㊁２１天进行水样采集，采集时间均在０８：００ ０９：００，为避免试验误差，当天测定检测指标（氨氮㊁总氮㊁总磷㊁化学需氧量）并对数据进行整理分析㊂取样时在距离水面１０ｃｍ处采集５００ｍＬ水样㊂１．５㊀检测方法㊀总氮采用碱性过硫酸钾消解紫外分光光度法，总磷采用钼酸铵分光光度法，氨氮采用纳氏试剂光度法，ＣＯＤ采用测定高锰酸盐指数的方法，ｐＨ采用ｐＨ计测量㊂１．６㊀指标计算方法㊀水体中污染物去除率（Ｌ）：Ｌ＝（Ｃ０－Ｃｉ）／Ｃ０ˑ１００％（１）㊀㊀各指标的吸收量（Ｃ）：Ｃ＝Ｃ０－Ｃｉ（２）式中：Ｌ为去除率；Ｃ０为试验开始时水体中的污染物浓度；Ｃｉ为第ｉ天水体中的污染物浓度㊂１．７㊀数据处理㊀数据处理采用ＭＡＴＡＬＢ进行处理，图标制作采样Ｅｘｃｅｌ２０１９软件进行绘制㊂２㊀结果与分析２．１㊀挺水植物对水体中总氮的净化效果㊀从图１可知，在挺水植物中总氮去除效果最好的为水生美人蕉㊂在２１ｄ后对总氮的去除率达到６９．４５％，最差的为千屈菜㊂对总氮的去除量由高到低为水生美人蕉＞香蒲＝水芹＝泽泻＞海寿花＝旱伞草＝纸莎草＞慈姑＞溪荪＞紫芋＞水葱＞菰＞灯芯草＞花叶芦竹＞再力花＞黄菖蒲＞千屈菜㊂图１㊀挺水植物对总氮的去除效果Ｆｉｇ．１㊀Ｒｅｍｏｖａｌｅｆｆｅｃｔｏｆｅｍｅｒｇｅｎｔｐｌａｎｔｓｏｎｔｏｔａｌｎｉｔｒｏｇｅｎ２．２㊀挺水植物对水体中总磷的去除效果㊀从图２可知，在挺水植物中总磷去除效果最好的为紫芋㊂在２１ｄ后对总磷的去除率达到９６．３６％，最差的为溪荪㊂挺水植物中对总磷的去除量由高到低为紫芋＞旱伞草＞水葱＝花叶芦竹＞香蒲＞黄菖蒲＞慈姑＞水生美人蕉＝灯芯草＝千屈菜＞水芹＞纸莎草＞泽泻＞菰＞再力花＞海寿花＞溪荪㊂图２㊀挺水植物对总磷的去除效果Ｆｉｇ．２㊀Ｒｅｍｏｖａｌｅｆｆｅｃｔｏｆｅｍｅｒｇｅｎｔｐｌａｎｔｓｏｎｔｏｔａｌｐｈｏｓｐｈｏｒｕｓ２．３㊀挺水植物对水体中氨氮的去除效果㊀从图３可知，在挺水植物中氨氮去除效果最好的为旱伞草㊂在２１ｄ后对氨氮的去除率达到８５．５１％，最差的为菰㊂挺水植物中对氨氮的去除量由高到低为旱伞草＞海寿花＞灯芯草＝溪荪＞再力花＞水葱＞花叶芦竹＞水芹＞水生美人蕉＞紫芋＞慈姑＞纸莎草＞泽泻＞香蒲＞黄菖蒲＞千屈菜＞菰㊂２．４㊀挺水植物对水体中化学需氧量的去除效果㊀从图４可知，在挺水植物中化学需氧量去除效果最好的为紫芋㊂在２１ｄ后对化学需氧量的去除率达到７９．２９％，最差的为菰㊂挺水植物中对化学需氧量的去除量由高到低为紫芋＞溪荪＞海寿花＞再力花＝灯芯草＞旱伞草＞水葱＝水生美人蕉＞香蒲＞花叶芦竹＞纸莎草＞千屈菜＞慈姑＞泽泻＞水芹＞黄菖蒲＞菰㊂２．５㊀挺水植物对模拟生活污水整体净化能力２．５．１㊀灰色关联度分析㊂０７㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀安徽农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２４年图３㊀挺水植物对氨氮的去除效果Ｆｉｇ．３㊀Ｒｅｍｏｖａｌｅｆｆｅｃｔｏｆｅｍｅｒｇｅｎｔｐｌａｎｔｓｏｎａｍｍｏｎｉａｎｉｔｒｏｇｅｎ图４㊀挺水植物对化学需氧量的去除效果Ｆｉｇ．４㊀Ｒｅｍｏｖａｌｅｆｆｅｃｔｏｆｅｍｅｒｇｅｎｔｐｌａｎｔｓｏｎｃｈｅｍｉｃａｌｏｘｙｇｅｎｄｅｍａｎｄ２．５．１．１㊀确定参考数列和比较数列㊂对挺水植物样品进行分析时，首先将供试的１７种挺水植物看成一个灰色系统，每一种挺水植物去除率为该系统中的一个因素，分析挺水植物去除率在灰色系统中每种去除率间的联系程度即关联度㊂人为构建一个挺水植物去除率参考品种Ｘ０，将参考品种的不同去除率作为参考数列，每种品种的去除率为比较数列Ｘｉ，计算出各挺水植物的不同指标的去除率与参考品种相应指标之间的关联度，即可评价每种水生植物综合去除能力的高低㊂该研究参考品种Ｘ０取所有样品活性含量中的最大值㊂若参考数列为Ｘ０（ｋ），比较数列为Ｘｉ（ｋ），参考数列的计算公式为：Ｘ０（ｋ）＝ｍａｘｉＸｉ（ｋ）㊀ｎ＝２０，ｋ＝１，２， ，５（３）２．５．１．２㊀数据的无量纲化处理㊂各种不同挺水植物不同指标的去除率的测定值相差较大，不易比较，须进行标准化处理㊂采用极小化处理［１６］方法，即用各样本测定值除以参考数列，得到各项数值都在０ １的新数列，见表２㊂均值化计算公式：Ｘｉ（ｋ）＝Ｘｉ（ｋ）／Ｘ０（ｋ）㊀ｉ＝１，２， ，ｎ；ｋ＝１，２， ，５（４）２．５．２㊀计算灰色关联系数㊂第一步：先计算标准绝对差，即最大和最小样本差：ｍｉｎｉｍｉｎｋ＝｜Ｘ０（ｋ）－Ｘｉ（ｋ）｜（５）ｍａｘｉｍａｘｋ＝｜Ｘ０（ｋ）－Ｘｉ（ｋ）｜（６）第二步：计算各样本数据与参考数列的关系系数：ξｉ（ｋ）＝ｍｉｎｉｍｉｎｋ｜Ｘ０（ｋ）－Ｘｉ（ｋ）｜＋ρ㊃ｍａｘｉｍａｘｋ｜Ｘ０（ｋ）－Ｘｉ（ｋ）｜｜Ｘ０（ｋ）－Ｘｉ（ｋ）｜＋ρ㊃ｍａｘｉｍａｘｋ｜Ｘ０（ｋ）－Ｘｉ（ｋ）｜（７）式中：ρ为分辨系数，一般取０．５，ξｉ（ｋ）为比较列Ｘｉ的第ｋ个元素与参考数列Ｘ０的第ｋ个元素之间的关联系数㊂计算结果见表３㊂表２㊀数据无量纲化处理Ｔａｂｌｅ２㊀Ｄａｔａｄｉｍｅｎｓｉｏｎｌｅｓｓｐｒｏｃｅｓｓｉｎｇ样本Ｓａｍｐｌｅ植物Ｐｌａｎｔ总氮去除率Ｔｏｔａｌｎｉｔｒｏｇｅｎｒｅｍｏｖａｌｒａｔｅ总磷去除率Ｔｏｔａｌｐｈｏ⁃ｓｐｈｏｒｕｓｒｅｍｏｖａｌｒａｔｅ氨氮去除率ＡｍｍｏｎｉａｎｉｔｒｏｇｅｎｒｅｍｏｖａｌｒａｔｅＣＯＤ去除率ＣＯＤｒｅｍｏｖａｌｒａｔｅＸ０ １．００１．００１．００１．００Ｘ１千屈菜０．５１０．８８０．５５０．７８Ｘ２香蒲０．７６０．９１０．６６０．８６Ｘ３水生美人蕉０．８４０．８８０．８８０．８７Ｘ４灯芯草０．６２０．８８０．９８０．９５Ｘ５菰０．６３０．８００．４４０．３３Ｘ６海寿花０．７５０．７３０．９９０．９５Ｘ７旱伞草０．７５０．９７１．０００．９３Ｘ８花叶芦竹０．６１０．９５０．９００．８２Ｘ９黄菖蒲０．５５０．９００．６５０．５０Ｘ１０水葱０．６５０．９５０．９１０．８７Ｘ１１水芹０．７６０．８６０．８９０．６８Ｘ１２溪荪０．７４０．６００．９８０．９８Ｘ１３再力花０．６００．７８０．９２０．９５Ｘ１４泽泻０．７６０．８１０．７１０．７５Ｘ１５纸莎草０．７５０．８２０．７８０．７９Ｘ１６紫芋０．７１０．９９０．８７１．００Ｘ１７慈姑０．７５０．８８０．８２０．７７表３㊀各样本去除率与参考数列的关系系数Ｔａｂｌｅ３㊀Ｃｏｅｆｆｉｃｉｅｎｔｏｆｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｓａｍｐｌｅｒｅｍｏｖａｌｒａｔｅａｎｄｒｅｆｅｒｅｎｃｅｓｅｑｕｅｎｃｅ样本Ｓａｍｐｌｅ植物Ｐｌａｎｔ总氮去除率Ｔｏｔａｌｎｉｔｒｏｇｅｎｒｅｍｏｖａｌｒａｔｅ总磷去除率Ｔｏｔａｌｐｈｏ⁃ｓｐｈｏｒｕｓｒｅｍｏｖａｌｒａｔｅ氨氮去除率ＡｍｍｏｎｉａｎｉｔｒｏｇｅｎｒｅｍｏｖａｌｒａｔｅＣＯＤ去除率ＣＯＤｒｅｍｏｖａｌｒａｔｅＸ１千屈菜０．３５０．６２０．３８０．６０Ｘ２香蒲０．５２０．７００．４５０．７０Ｘ３水生美人蕉０．６３０．６２０．７００．７３Ｘ４灯芯草０．４１０．６２０．９３０．８６Ｘ５菰０．４２０．５００．３３０．３３Ｘ６海寿花０．５２０．４２０．９６０．８８Ｘ７旱伞草０．５２０．８７０．９９０．８２Ｘ８花叶芦竹０．４１０．８００．７３０．６５Ｘ９黄菖蒲０．３７０．６６０．４４０．４０Ｘ１０水葱０．４３０．８００．７５０．７３Ｘ１１水芹０．５２０．５８０．７２０．５２Ｘ１２溪荪０．５１０．３３０．９３０．９５Ｘ１３再力花０．４００．４８０．７７０．８６Ｘ１４泽泻０．５２０．５２０．４９０．５７Ｘ１５纸莎草０．５２０．５３０．５６０．６２Ｘ１６紫芋０．４８０．９５０．６８１．００Ｘ１７慈姑０．５１０．６２０．６００．５９２．５．３㊀计算灰色关联度㊂为避免信息过于分散及便于比较，将１７５２卷２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀贺义昌等㊀基于灰色关联度分析挺水植物模拟生活污水的净化能力每种挺水植物的各项去除率指标与参考数列相对应的关联系数取算术平均值，即得到等权关联度（γｉ）㊂计算结果见表４㊂γｉ＝１ｎ ｎｋ＝１ξｉ（ｋ）（８）式中：ｎ为每种样本的活动去除率个数，该式中ｎ＝４㊂２．５．４㊀关联度排序及评价㊂计算出等权关联度后，将其排序，得到最终样本的排列次序，然后对其去除率进行分析评价㊂当γȡ０．７０００时，判定去除率优等；当０．６０００ɤγ＜０．７０００时，判定去除率良好；当０．５０００ɤγ＜０．６０００时，判定去除率中等；若γ＜０．５０００，则判定去除率较低（表４）㊂表４㊀各样本去除率与参考数列的关联度Ｔａｂｌｅ４㊀Ｃｏｒｒｅｌａｔｉｏｎａｎｄｅｖａｌｕａｔｉｏｎｏｆｓａｍｐｌｅｒｅｍｏｖａｌｒａｔｅａｎｄｒｅｆｅｒｅｎｃｅｓｅｒｉｅｓ样本Ｓａｍｐｌｅ植物Ｐｌａｎｔ关联度Ｃｏｒｒｅｌａｔｉｏｎ排名Ｒａｎｋｉｎｇ评价Ｅｖａｌｕａｔｅ样本Ｓａｍｐｌｅ植物Ｐｌａｎｔ关联度Ｃｏｒｒｅｌａｔｉｏｎ排名Ｒａｎｋｉｎｇ评价ＥｖａｌｕａｔｅＸ１千屈菜０．４８８６１５较低Ｘ１０水葱０．６７９３５良好Ｘ２香蒲０．５９３６１０中等Ｘ１１水芹０．５８４９１１中等Ｘ３水生美人蕉０．６６７２７良好Ｘ１２溪荪０．６７８９６良好Ｘ４灯芯草０．７０４４３优等Ｘ１３再力花０．６２８９９良好Ｘ５菰０．３９６６１７较低Ｘ１４泽泻０．５２５５１４中等Ｘ６海寿花０．６９４８４良好Ｘ１５纸莎草０．５５５０１３中等Ｘ７旱伞草０．８００４１优等Ｘ１６紫芋０．７７６３２优等Ｘ８花叶芦竹０．６４８５８良好Ｘ１７慈姑０．５８１３１２中等Ｘ９黄菖蒲０．４６８１１６较低㊀㊀根据灰色关联度的分析原则，以培养２１ｄ为基准㊂理论上，参考挺水植物的品种是最优的，实际挺水植物样品与参考品种的关联度越大，其综合去除率越优㊂据此判定，１７个不同挺水植物综合去除率最优的是旱伞草㊂综合去除率优等的是紫芋和灯芯草；综合去除率良好的是海寿花㊁水葱㊁溪荪㊁水生美人蕉㊁花叶芦竹㊁再力花；综合去除率中等的是香蒲㊁水芹㊁慈姑㊁纸莎草㊁泽泻；综合去除率较低的是千屈菜㊁黄菖蒲㊁菰㊂３㊀小结运用灰色关联度分析法对１７种挺水植物在富营养化水体中进行了去除率的评价，与其他研究不同的是，该研究综合考虑了水质中的总氮㊁总磷㊁氨氮㊁化学需氧量以及ｐＨ共５个的综合因素，避免了以往评价体系中只考虑了其中的一种或者两种因素而忽略其他因素的弊端，旨在更加全面地分析挺水植物的净化水质的能力，经研究ｐＨ在试验过程中基本没有变化，后期试验没有考虑㊂根据不同挺水植物的净化水质能力，考虑到景观效果，筛选出９个具有良好的综合去除率的不同挺水植物：旱伞草㊁紫芋㊁灯芯草㊁海寿花㊁水葱㊁溪荪㊁水生美人蕉㊁花叶芦竹和再力花㊂筛选出的不同挺水植物可为小微湿地净化水质的研究提供思路㊂参考文献［１］丁海涛，黄文涛，邓呈逊，等．水生植物对富营养化水体的净化效果研究［Ｊ］．佳木斯大学学报（自然科学版），２０２０，３８（１）：１１２－１１６．［２］高丁梅，杨涓，虎春宇，等．宁夏４种水生植物对富营养化水体净化效果的研究［Ｊ］．农业科学研究，２０１２，３３（２）：６３－６５．［３］王焕，张志敏，梁浩亮，等．三种植物对富营养化水体净化效果的比较研究［Ｊ］．水产科技情报，２０１３，４０（５）：２５０－２５３．［４］ＢＡＴＴＹＬＣ，ＤＯＬＡＮＣ．Ｔｈｅｐｏｔｅｎｔｉａｌｕｓｅｏｆｐｈｙｔｏｒｅｍｅｄｉａｔｉｏｎｆｏｒｓｉｔｅｓｗｉｔｈｍｉｘｅｄｏｒｇａｎｉｃａｎｄｉｎｏｒｇａｎｉｃｃｏｎｔａｍｉｎａｔｉｏｎ［Ｊ］．Ｃｒｉｔｉｃａｌｒｅｖｉｅｗｓｉｎｅｎｖｉｒｏｎ⁃ｍｅｎｔａｌｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｇｙ，２０１３，４３（３）：２１７－２５９．［５］李妙，龙岳林，刘雪松．水生植物对污水净化功能的研究进展［Ｊ］．山东林业科技，２００７，３７（５）：７８－８１．［６］丁玲．水体透明度模型及其在沉水植物恢复中的应用研究［Ｄ］．南京：河海大学，２００６．［７］苏瑞宝．ＡｔＡＧＴ１基因在水生植物芦苇和黄菖蒲中过表达探索［Ｄ］．天津：南开大学，２０１４．［８］刘敏，吴铁明，刘菡，等．３种水生植物的不同组合对富营养水体的净化效果研究［Ｊ］．中国农业科技导报，２０１９，２１（７）：１５５－１６０．［９］叶旭红，申秀英．水生植物对受污水体净化作用的研究进展［Ｊ］．海洋湖沼通报，２０１１（３）：１１１－１１６．［１０］ＳＨＥＬＥＦＯ，ＧＲＯＳＳＡ，ＲＡＣＨＭＩＬＥＶＩＴＣＨＳ．Ｒｏｌｅｏｆｐｌａｎｔｓｉｎａｃｏｎｓｔｒｕｃ⁃ｔｅｄｗｅｔｌａｎｄ：Ｃｕｒｒｅｎｔａｎｄｎｅｗｐｅｒｓｐｅｃｔｉｖｅｓ［Ｊ］．Ｗａｔｅｒ，２０１３，５（２）：４０５－４１９．［１１］王敏，张晖，曾惠娴，等．水体富营养化成因㊃现状及修复技术研究进展［Ｊ］．安徽农业科学，２０２２，５０（６）：１－６，１１．［１２］刘波，王国祥，王风贺，等．不同曝气方式对城市重污染河道水体氮素迁移与转化的影响［Ｊ］．环境科学，２０１１，３２（１０）：２９７１－２９７８．［１３］倪蒙，储忝江，刘梅，等．水生植物种类及覆盖率水质净化效果研究［Ｊ］．水产科学，２０２３，４２（６）：１０６３－１０７１．［１４］杨贤鑫，易佳宇，刘旺香，等．１０种水生植物水质净化效果及生态设计应用研究［Ｊ］．现代园艺，２０１９（１９）：８－１０．［１５］罗海霞，涂卫国，杨华，等．５种水生植物的脱氮除磷效果比较［Ｊ］．山东化工，２０２２，５１（１８）：２００－２０２，２０５．［１６］李炳军，朱春阳，周杰．原始数据无量纲化处理对灰色关联序的影响［Ｊ］．河南农业大学学报，２００２，３６（２）：１９９－２０２．２７㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀安徽农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２４年。

基于中心点三角白化权函数的灰色评估法在地下水水质评价中的应用中心点三角白化权函数是一种常用的灰色评估方法，可以在地下水水质评价中发挥作用。

本文将从以下四个方面介绍基于中心点三角白化权函数的灰色评估法在地下水水质评价中的应用。

一、中心点三角白化权函数的原理中心点三角白化权函数是一种基于数据分析的方法，通过对观测数据进行白化分析，求出数据的发展规律和发展趋势。

该方法结合了灰色关联度和三角白化权函数的优点，能够提高模型的稳定性和可靠性。

1.数据分析和预测：通过对地下水水质数据进行分析和预测，可以了解地下水水质的变化趋势和演化规律。

同时，可以通过与实际监测数据的对比，来评估地下水水质是否超出了预设的标准。

2.灰色关联度分析：通过计算不同地下水监测点的灰色关联度，可以评估不同监测点之间水质的相关性和相互影响程度。

这有助于确定地下水水质分布的空间特征，有利于科学规划和管理地下水资源。

3.预警预测：基于中心点三角白化权函数的灰色评估法可以通过对历史数据的分析，得出地下水水质的发展趋势和变化规律。

这可以为地下水水质的预警预测提供依据，及时采取措施来保护地下水资源。

4.水质改善方案评估：通过对地下水水质数据进行白化分析，可以评估不同水质改善方案的可行性和效果。

这有助于制定科学合理的水质改善方案，提高地下水资源的利用效率和保护水平。

三、基于中心点三角白化权函数的灰色评估法的优势1.灵活性和可靠性：基于中心点三角白化权函数的灰色评估法可以根据实际情况调整模型参数，具有较高的灵活性和可靠性。

2.简单易用：该方法的计算过程相对简单，不需要过多的数据和复杂的计算步骤，适合在实际工程中应用。

3.数据要求低：相对于其他水质评价方法，中心点三角白化权函数的数据要求较低，可以充分利用有限的数据资源做出正确的评估和预测。

四、结论基于中心点三角白化权函数的灰色评估法在地下水水质评价中具有重要的应用价值。

它可以通过对地下水水质数据的分析和预测，为地下水资源的合理利用和保护提供科学的依据。