摘要:为有效应对秦皇岛沿岸赤潮频发的环境问题,基于2013—2022年秦皇岛沿岸浮标监测数据,分析了叶绿素a(Chla)的浓度变化特征,利用广义加性模型(GAM)筛选出Chla浓度的主要影响因子,构建Chla浓度与主要影响因子的反向传播(BP)神经网络回归模型。结果表明:Chla浓度的年际变化呈现两头高、中间低的特征,2021年为Chla浓度最高年份,老虎石、洋河口、金山嘴3个海域的平均值为9.26 μg/L;2018年最低,为3.68 μg/L;月际变化则以8月最高,7月次之,9—11月逐月降低。Chla浓度变化的GAM显示,夏季、秋季对Chla浓度影响最大的是前一日的Chla浓度,且二者呈显著非线性相关。以洋河口海域为例,建立了夏季、秋季Chla的BP神经网络回归模型,并以2023年的浮标数据进行验证,预测值与实测值吻合良好。此外,研究还首次发现Ni?o3.4指数与夏季、秋季Chla浓度的月平均值存在显著负相关关系,Chla浓度滞后Ni?o3.4指数3~5个月。
文章目录
0引 言
1 材料与方法
1.1 数据来源
1.2 数据分析方法
1.2.1 GAM分析
1.2.2 BP神经网络回归
2 结果与分析
2.1 Chla浓度变化特征
2.1.1 Chla浓度年际变化特征
2.1.2 Chla浓度月际变化特征
2.1.3 Chla浓度日内逐时变化特征
2.2 Chla浓度与环境因子的GAM分析
2.2.1 变量预分析
2.2.2 Chla浓度与环境因子的单因素GAM分析
2.2.3 Chla浓度与环境因子的多因素GAM分析
2.3 基于BP神经网络回归模型的Chla浓度预测(以洋河口海域为例)
3 讨论
3.1 Chla浓度的主要影响因子
3.2 Chla浓度与气候变化的关系
4 结论