环境科学研究  2020, Vol. 33 Issue (5): 1276-1283  DOI: 10.13198/j.issn.1001-6929.2020.03.43

引用本文  

刘柏音, 刘孝富, 王维. 长江生态环境保护修复智慧决策平台构建与初步设计[J]. 环境科学研究, 2020, 33(5): 1276-1283.
LIU Baiyin, LIU Xiaofu, WANG Wei. Construction and Design of Intelligent Decision-Making Platform for Environmental Protection of the Yangtze River[J]. Research of Environmental Sciences, 2020, 33(5): 1276-1283.

基金项目

长江生态环境保护修复联合研究(第一期)(No.2019-LHYJ-01)
Joint Research Project for the Yangtze River Conservation (Phase Ⅰ), China (No.2019-LHYJ-01)

责任作者

刘孝富(1983-), 男, 四川大竹人, 高级工程师, 博士, 主要从事环境数据挖掘与环境保护信息系统构建研究, liuxf@craes.org.cn.

作者简介

刘柏音(1984-), 女, 黑龙江哈尔滨人, 工程师, 主要从事环境数据挖掘与环境保护信息系统构建研究, liuby@craes.org.cn

文章历史

收稿日期:2020-03-11
修订日期:2020-03-23
长江生态环境保护修复智慧决策平台构建与初步设计
刘柏音, 刘孝富, 王维    
中国环境科学研究院, 北京 100012
摘要:长江流域生态环境管理存在多部门“九龙治水”的现象,导致各类数据信息分散、科研成果碎片化,缺乏综合性信息查询与管理平台支持.针对长江生态环境保护工作对数据资源共享与精准决策的需求,提出构建长江生态环境保护修复智慧决策平台(简称“长江平台”),按照基础层、数据汇集层、数据治理层、大脑层、应用层构建平台系统框架,设计数据采集处理、数据挖掘分析、基于WebGIS的数据展示、数据分级共享、调度会商、长江舆情发布、水环境模型工具、空间制图工具等主要功能,提出平台部署方案与分期建设方案,分析了平台建设面临的多元数据汇集与标准化处理、水质目标模型筛选、水环境预测预警功能开发等难点与关键技术,同时提出平台建设与运行保障机制.通过平台建设,可实现长江流域数据采集多样化、生态环境要素可视化、环境问题诊断精准化、管理响应自动化和决策会商便利化,为长江大保护提供智慧决策支持.
关键词长江    生态环境保护    系统平台    智慧决策    长江大保护    
Construction and Design of Intelligent Decision-Making Platform for Environmental Protection of the Yangtze River
LIU Baiyin, LIU Xiaofu, WANG Wei    
Chinese Research Academy of Environmental Sciences, Beijing 100012, China
Abstract: The crossing and conflicting functions of multiple administrative departments in China's Yangtze River Basin in the field of eco-environment protection result in the scatter of data information, the fragmentation of scientific work, and the lack of a comprehensive information query and management platform. This paper puts forward the construction idea of an intelligent decision-making platform for eco-environment protection in Yangtze River Basin, with the goal of implementation of data resource sharing and accurate decision-making into the environmental management process of the region. The general structure of the platform consists of basic layer, data collection layer, data processing layer, brain layer and application layer. The major functions of the platform cover data acquisition and processing, data mining and analysis, data visualization via WebGIS, data classification and sharing, decision-making and consultation, news release, water environment modeling tool and spatial mapping tool. Potential difficulties and key technologies in platform construction, including data collection and standardization, water quality model selection, water environment prediction and early warning, are analyzed and discussed. A platform deployment plan, a phased construction plan and a run-guarantee system are proposed. The platform is designed to realize the visualization of eco-environment elements, the diversity of data collection, the precision of environmental problem diagnosis, the automation of management and response, as well as the facilitation of decision-making and consultation, which ultimately aims at providing intelligent decision-making support for the great protection of the Yangtze River.
Keywords: Yangtze River    eco-environment protection    system platform    intelligent decision-making    great protection of Yangtze River    

长江是中华民族的母亲河,长江流域涉及19个省(自治区、直辖市),是我国重要的自然资源宝库与经济带,长江流域的生态环境健康关系着中华民族伟大复兴和永续发展.近年来,随着长江流域经济生产的高速发展,污染事件频发、上下游水土流失严重、湿地生态系统功能退化、水生生物多样性指数持续下降,生态环境问题突出.党和国家高度重视长江流域的生态环境问题,2016年1月,习近平总书记在长江经济带发展座谈会上强调,要把修复长江生态环境摆在压倒性位置,要“共抓大保护、不搞大开发”. 2019年1月,为贯彻落实习近平总书记关于推动长江经济带发展系列讲话精神,生态环境部、国家发展和改革委员会联合印发了《长江保护修复攻坚战行动计划》,吹响了长江保护修复攻坚战的号角.同时,生态环境部印发了《关于开展长江生态环境保护修复驻点跟踪研究工作的通知》,组织优势单位和优秀专家团队深入沿江城市一线进行驻点研究和技术指导,第一批共计58个驻点城市. 2019年4月,国家长江生态环境保护修复联合研究中心(简称“长江中心”)组织编制了《长江生态环境保护修复联合研究实施方案(一期:长江干流及典型城市环境保护综合方案与管理平台研究项目)(简称“长江一期项目”)》,提出围绕长江生态环境保护修复的科技需求,重点支持流域区域全过程水质目标管理、长江流域典型区域生态环境保护综合解决方案和生态环境保护智慧决策平台等研究,支撑长江保护修复攻坚战的科学决策和精准施策.

“十一五”以来,我国科研团队在长江流域形成了一系列生态环境治理科研成果,并开展了多项水环境平台建设工作,形成了如三峡库区水环境风险评估与预警平台[1]、太湖流域水环境风险评估与预警平台[2]、金沙江下游生态环境遥感监测及GIS系统[3]等流域管理平台.为全面推进长江生态环境保护修复工作,开展针对长江流域生态环境综合决策的长江平台建设研究,拟实现对长江流域数据资源与环保科研成果的全面整合,形成长江流域生态环境综合数据库,支撑流域生态保护修复综合决策与管控,推动流域全面协调可持续发展.

1 长江平台建设的必要性和紧迫性 1.1 长江生态环境大保护亟待打破信息壁垒

长江流域是一个复杂的生态系统,流域生态系统的保护与修复涉及到上下游、左右岸、多部门、跨区域之间的相互协调.当前,各地、各部门针对长江的生态环境问题已开展了一系列研究工作,但成果相对独立和分散,科技资源和信息共享不足,成果转化应用缓慢,缺乏协同攻关的长效机制.长江流域各级环保、水利、自然资源、林业、气象等部门积累了大量数据,并建设了各自的数据平台,平台接口与数据结构呈现多样化,造成各部门、各机构信息孤岛和数据共享壁垒,重复研究、重复建设现象突出,缺乏流域层面的数据与信息共享机制.因此,建设长江平台,实现跨部门、多学科的数据共享与信息互通,是长江流域生态环境保护的必要前提.

1.2 长江生态环境大保护亟待精准识别环境风险与成因

习近平总书记在第二次推动长江经济带发展座谈会上指出,治好“长江病”要追根溯源、诊断病因、找准病根、分类施策、系统治疗.长江的生态环境问题“病状在水里、病灶在岸上、病根在结构”,其背后是长江流域水生态、水环境、水资源、水安全、水动能等全系统和“山水林田湖草”等全要素的统筹治理[4].因此,亟需对长江流域各类历史数据、监测数据、地理数据、政策沿革与科研成果进行全流域整合分析,依托大数据技术、人工智能等手段,从长江的复杂数据中,准确识别长江病因,把握长江风险与成因,实现长江生态环境保护精准施策.

1.3 长江生态环境大保护亟需辅助决策工具

随着信息化技术与计算机模拟技术的发展,生态环境保护决策正在逐步朝着更加科学化、精准化、智能化发展,各类辅助决策工具使得环境管理和治理工作更科学有效,带动整个环境管理的转型和效率的提升[5].我国科研团队多年来致力于流域生态环境保护研究,逐渐形成了一系列水文分析方法[6-7]、水环境容量分析方法[8-10]、水质预测预警方法[11-13]、水生态健康评价方法[14-15]等科研成果,但这些科研成果在长江流域的应用情况较为分散且有限,未转化成辅助流域生态环境保护的有效工具.同时,各部门在长江流域建设了各类管理系统与数据库,但对于长江生态环境存在的各类问题、治理进展程度、政策导向、科研技术成果等缺乏有效的信息沟通交流.因此,亟待开发与整合针对长江流域特点的水环境模拟与计算工具并解决流域信息交流媒介缺失问题,为长江生态环境修复提供辅助决策信息.

2 长江平台的总体设计 2.1 平台建设目标

长江平台建设以解决长江流域数据资源分散、工作信息共享不畅、科研成果业务化应用迟缓、管理决策支撑不足为主要目标,面向政府、科研单位、企业与公众,通过构建长江流域水环境数据交互共享体系、水环境目标管理与预测预警功能模块、长江生态环境保护修复驻点跟踪研究工作调度会商模块、长江保护修复攻坚战行动计划技术支撑模块等业务功能,提供服务于长江流域生态环境保护科研与管理的多功能、智能化、综合性、大数据平台.

2.2 平台总体架构设计

围绕长江平台建设总体目标,基于主流电子政务标准框架结构,将平台系统架构设计为五个层次,即基础层、数据汇集层、数据治理层、大脑层、应用层,如图 1所示.

图 1 长江生态环境保护修复智慧决策平台系统框架 Fig.1 Framework of an intelligent decision-making platform for the eco-environment protection in Yangtze River

a) 基础层.提供平台软硬件与网络支撑,是项目搭建的基础保障,包含服务器、操作系统、系统开发软件、存储设备、网络设备、多媒体设备、安全设备等.

b) 数据汇集层.实现原始数据采集与汇聚,采用终端采集、数据交换、网络交互等手段,实现水文、水质等相关数据搜集,打通各部门、各行业信息孤岛和共享壁垒.

c) 数据治理层.以满足平台功能模块需求为目标,进行数据优化与数据库建设,统一数据格式、标准,建设不同尺度(流域、控制单元、行政区)的结构化数据库和数据仓库.

d) 大脑层.支撑长江生态环境保护修复智慧决策,实现流域纳污能力计算、水质目标管理、生态流量模拟、断面预测预警、风险应急、驻点工作管理与评估、长江污染防治攻坚战决策支撑等各项功能的数据调用、计算处理与结果反馈.

e) 应用层.提供面向用户的数据展示与功能调用.利用计算机技术将平台系统的各项功能包装成用户所需各种功能模块,为决策者、科研人员与公众提供各类数据调用展示、模拟计算工具、制图工具、统计分析结果、业务管理与视频连线等功能.

2.3 平台主要功能设计 2.3.1 数据采集与汇聚

实现对长江流域各类生态环境相关数据的采集、汇集与优化,构建长江生态环境修复综合数据库,实现业务化数据交互共享.根据数据来源与数据类型,通过数据录入、物联网采集、跨系统接口调用、网络爬取、非结构化数据处理等多种方式完成数据采集入库.

a) 管理部门数据采集.实现长江流域生态环境保护相关部委、沿江省(自治区、直辖市)政府及相关部门的数据共享,建成专题数据采集汇交机制,实现多源数据、不同时空尺度数据的有效融合,实现核心数据的动态更新.

b) 驻点研究数据采集.实现对长江流域驻点跟踪城市工作成果数据的采集收集,提供各类生态环境监测数据、污染源清单数据、风险源数据、“一市一策”等数据的上传接口.

c) 长江流域其他成果数据采集.实现对国家水体污染控制与治理科技重大专项等各类科研专项“十一五”以来的各类数据成果和技术成果的采集与对接,以电子文档直接采集为主,辅以与各平台建立数据接口等方式实现数据互通.

d) 互联网信息采集.实现对互联网已公开的长江流域各类社会、地理、经济、资源、气象等相关数据的采集.

e) 非电子数据采集.实现对纸质文本、年鉴等非电子、非结构化数据的采集与结构化.

2.3.2 数据挖掘分析

通过分类、分割、关联、聚类分析等数据挖掘方法,建立长江流域水质、水文、污染源分布、污染物排放量、排污许可总量、水生物多样性、土壤侵蚀、植被覆盖、气象、人类活动等生态环境要素间的响应关系,实现对长江流域生态环境现状与演变规律、水质达标情况与控制单元污染源特性关系、水质水文变化与水体利用情况等相关性、水体富营养化等生态环境问题诊断等各类环境要素相关性分析与数据挖掘,提供数据分析工具,实现面向各类用户数据分析需求的快速统计计算与计算结果输出服务,如图 2所示.

图 2 数据挖掘分析功能 Fig.2 Functions of data mining analysis
2.3.3 数据可视化

以水环境质量管理为核心,基于WebGIS,实现不同尺度、不同环境要素、面向不同用户对象的流域水环境数据展示.

a) 分区域范围数据展示.实现长江全流域多尺度数据展示与切换,包括实现全流域、行政区范围内流域、水环境功能区划内流域、水环境控制单元内流域、重点湖库、重点流域、沿江城市等“区域专题”展示.

b) 分环境要素数据展示.根据长江流域生态环境数据(污染源数据、风险源数据、水质数据、水文数据、行政区社会经济数据、气象数据、保护区数据、水环境功能区划数据、监测点位数据、土地利用数据、植被覆盖数据、土壤类型数据、重点工程数据、环境问题数据等)的数据类型,分点位、分行政区、分控制单元进行基于GIS的单要素数据展示与数据叠加展示.

c) 时空演变展示.根据数据特点,分时、分日、分月、分季度、分年度,实现不同时间尺度切换展示.对水质迁移扩散、土地利用变化、土壤侵蚀变化、植被覆盖变化、长江生态环境保护修复成效等以卷帘图、动态图等形式,展示各类数据时空变化趋势.

d) 数据挖掘结果展示.采用水质模型与GIS集成技术,根据数据挖掘结果特点,以曲线图、柱形图、饼状图、分幅图、卷帘图、动态图等方式对长江流域水环境形势分析结果、水环境要素间的各种响应关系等进行展示.同时,对系统嵌入的水质模型特点,实现多维动、静态展示.

2.3.4 决策会商

a) 工作进度调度功能.服务于“长江一期项目”“长江生态环境修复驻点跟踪研究工作项目”等长江流域重点科研项目管理需求,实现项目管理与研究成果调度,实现从项目任务合同书、中期研究成果、阶段进展调度、预算管理到最终成果验收的全流程监控与管理.

b) 视频会商功能.构建视频会商系统,相关专家、管理者通过该功能解决地方工作中遇到的技术问题,实现部级管理部门与地方相关部门的视频沟通会商、专家在线会诊、驻点现场连线、突发事件调度指挥等功能,达到对长江驻点跟踪研究城市规范工作流程、提高工作效率、融合科技支撑、提升管理水平的目的.

2.3.5 数据共享

制定数据共享的权限划分与业务化运行机制,实现多种数据共享服务.根据用户实际业务需求与数据需求,提供分级、分类的数据下载与业务结果查询功能,以数据交易等形式实现数据交互共享,不同机构、企业及个人均可以提出数据需求或提供数据资源,管理部门可发布相关数据共享任务.包括:①提供数据搜索查询功能并对数据进行必要说明;②提供数据分级下载功能;③提供非定制化及定制化的数据处理服务;④提供数据众包服务等多种数据交易服务.

2.3.6 模型工具

通过水环境模型工具的构建、嵌入与调用,实现长江流域不同尺度、不同流域、不同要素的水环境综合模拟能力.

a) 水环境模型库构建.基于平台数据库,对当前主流的各类水环境模型进行筛选与参数率定,建立分区、分类、多维度水环境模型库构架,构建长江典型流域水质目标管理模型库,以覆盖长江全流域与重点流域且具备水质目标预测预警、污染物迁移模拟为基本目标,形成水环境综合模拟功能模块.

b) 模型的封装与调用.解决模型接口、模型封装调用问题,实现平台用户对各类模型的有效访问.提供模型适用性与参数敏感性说明,提供水文、水质模拟以及水环境综合模拟工具.

c) 模型可视化展示.基于三维GIS和数据模拟技术,实现模型成果多维展示和统计分析功能,直观呈现各类水环境要素的模型分析结果,动态显示污染物迁移转化过程、污染物浓度和污染带时空分布范围等.

2.3.7 空间制图

具备面向用户的空间制图服务功能,制订统一的作图规范,实现自动制作指定区域范围或流域范围、指定时间范围的相关图件,包括但不限于行政区划图、河流水系图、土地利用类型图、植被覆盖图、污染源分布图、风险源分布图、水体功能区划图、水质状态图、水环境容量图、区域主要污染物排放强度图、环境工程建设分布图、环境问题分布图等.

2.3.8 信息发布

实现长江流域信息发布功能,提供适用于各类用户、各类舆情信息、水环境问题等的信息数据上传-接收通道,制定信息发布管理机制,及时收集、分析并发布有关长江流域的重要信息(固定来源信息形成自动更新发布机制),包括长江各流域相关管理与研究单位介绍、长江流域舆情、驻点城市工作进展、长江流域水环境治理科研成果等.

2.4 平台部署方案设计

采用“1+ X ”方式部署系统,即建设一个总平台,提供规范的数据接口,允许多个分中心接入,具备内网、专网、外网同步部署能力.可支持面向各部委、长江流域各级政府、流域管理单位、湖库管理机构、长江联合修复中心、中国长江三峡集团有限公司、长江生态环境修复联合研究科研团队、驻点跟踪城市工作人员、沿江工业园及企业,根据不同用户需求提供相应的服务功能和数据调取权限.同时,提供各类相关业务系统平台接入的接口,包括各类水环境模型系统、长江流域不同地区的环境管理系统、各类专项科研与管理系统等,便于不同部门、人员及时共享平台数据服务与智慧决策功能,实现数据交汇与融合,如图 3所示.

图 3 平台部署方案 Fig.3 Deployment of platform
2.5 平台分期建设方案设计

根据平台建设面临的数据采集工作量与业务功能需求,制定平台分期建设方案.第1阶段,完成数据采集、数据治理与数据库构建;制定合理的数据共享机制,保障数据安全,实现数据共享;对各类流域水环境数据进行直观分析与综合展示;实现长江流域环境管理所需的水环境管理、视频会商、空间制图工具、长江舆情信息发布等基本功能.第2阶段,完成平台数据字典构建,实现数据自动更新;强化流域水环境管理功能,通过水环境模型与机器学习方法,对流域多元数据进行多维度数据挖掘分析.第3阶段,具备全面的水环境预测预警能力;具备污染物溯源、生态流量自动计算、污染物排放总量自动分配等流域生态环境保护智慧决策能力;具备对长江流域的三维实景与虚拟漫游功能;具备数据分析定制化服务能力.通过分期建设,使长江平台功能在实践中逐步完善,确保与国家当前的环境管理政策需动态吻合,有效服务于各类用户.

3 长江平台建设的关键技术 3.1 多源数据治理与标准化技术

依托有效的数据治理与标准化技术,保障长江平台数据采集、汇聚、存储、处理的全面、高效与高质量.构建灵活、标准化、模块化的数据接入体系,通过数据融合技术对可能存在稀疏、异构、不确定、不完整的长江流域多源数据进行预处理;通过规则处理引擎、标准化代码库映射等数据规范方法,对预处理过的海量数据进行数据差异分析与数据格式标准化处理;在此基础上进行数据清洗识别并修复错误数据、不完整数据、重复数据等;通过数据交换,实现源模式数据向目标模式数据的转化[16],形成长江平台数据库,覆盖长江流域水文、环境、气象、遥感、社会、经济等各类数据;同时形成平台数据库目录与数据字典,形成数据处理标准化闭环.

3.2 构建机器学习方法模型库

利用机器学习方法解决复杂环境问题的优势,构建流域水环境分析机器学习方法模型库.筛选主流机器学习方法模型,如利用LM-BP神经网络方法,解决紫外光谱反演水质有机污染物浓,建立有效相关性模型[17];基于向量机方法,反演水中叶绿素a浓度[18];基于BP神经网络方法的藻类影响因子分析,建立藻类暴发预测模型[19];基于向量机方法进行河涌水质预测等[20],通过实测数据校验效果,明确各类模型在长江流域环境问题分析的适用性,同时,依托长江平台数据具备海量、多维、长时间序列的特点,为机器学习模型的校正训练建立提供数据条件.机器学习方法模型库建设以服务于长江水环境综合分析与管理功能需求为目标,覆盖污染物反演模型、黑臭水体识别模型、水质预测模型、环境功能评价模型、污染物排放量预测模型、流域环境问题诊断模型、工业园区污染排放溯源模型等,推流域各类生态环境问题解析智能化与便捷化,推动长江水环境管理智慧决策.

3.3 集成水环境预测预警技术

以解决水质预测预警、污染问题快速溯源、应急指挥与决策会商为目标,集成水环境预测预警技术,优化平台水环境管理功能.集成水文模拟模型、水环境质量模拟模型等可供利用的国内外先进预测预警技术[21-22],全面评估各流域水环境模型在中国长江流域不同应用尺度情况下的精度与参数敏感性,开展成熟模型参数率定,解决长江流域水环境模型单一、预测预警结果准确性偏低、预测区域局限等实际问题[23-26].同时,构建适用于长江流域生态特征及管理需求的综合管理模型库,明确子模型与模型组的适用范围、选择依据、模型校验、精度评价等.在有效集成水环境预测预警模型技术基础上,实现长江全流域水环境自动预警工作网,达到环境风险快速响应与污染溯源.

4 长江平台建设与运行保障措施

当前,我国各类大数据共享意义的平台都存在数据局限(政府公共数据公开、行业数据缺失)、不同平台间的数据无法有效关联、面向多用户的数据分析处理服务缺失、平台系统生命周期短暂等各类问题[27-28],如何使长江平台成为流域生态修复科研与管理的长效支撑,是平台建设过程中需要认真思考的.

4.1 组织保障

a) 部门协调机制.由政府协调多部门、多区域、多领域开展跨部门合作,共抓长江大保护,共建长江大平台,推动长江流域各类数据、管理平台融合与交互、数据与成果共享,满足各类用户需求.

b) 数据共享机制.建立切实可行的数据采集收集、处理入库、更新与发布机制,对参与主体数据交互共享的部门,可通过制定绩效考核办法,保障数据交互的全面性、数据质量与时效性.

c) 监管机制.严把平台建设承担单位审核程序,同时依托第三方监理,对平台建设实施全过程监管,对建设过程中可能出现的变动与问题快速响应、有效协调,保障平台建设进度,确保平台建设达到功能需求.

4.2 技术保障

a) 数据安全性保障.平台数据涉及国家安全、商业机密、个人隐私等内容,要确保系统部署与数据交互共享的安全性.建立合理、实用、先进、可靠、综合统一的安全保障体系和共享授权机制,包括数据等级访问权限、容错容灾、数据安全交换、系统日志、多机备份等[29].

b) 性能优越性保障.从服务器、业务运行机、网络、核心开发软件等多环节保障平台的稳定性和可靠性;支持Mysql、PostgreSQL、Oracle等多种数据库系统,保障系统数据采集与对接的兼容性;系统中各功能模块满足灵活的拆装和调整需求,保障系统可扩展性.

4.3 运行保障

a) 运维责任机制.明确平台长期运行与维护责任部门,确保平台运行稳定性、数据更新时效性与延续性.保障人员响应,对需要人工解决的如非结构化数据更新与处理、定制化数据分析需求、平台故障维护、用户咨询与交易等提供及时服务.

b) 资本介入机制.重视吸引社会资源以多种形式加入,目前国内外基于大数据分析应用的各类数据联盟与数据资源中心数量庞大[30],这些机构服务于政府与社会,对生态环境数据资源需求量巨大.通过引入社会资本并建立有效的交易机制与数据安全等级机制,将激励社会数据共享意愿,推动数据融合与平台产品化.

5 结论

a) 长江平台的建设是整合长江流域已有数据与科研成果的宝贵契机,可有效推动流域水环境预测预警自动化、水环境模型法制化、排污许可总量分配精准化,对流域数据融合与流域生态环境全方位管控具有十分重要的意义.

b) 长江平台建设面临数据量大、数据结构复杂、功能需求多样、关键技术不系统等一系列问题,需要政府支持与多部门协作,合理制定分期建设方案,细化功能目标,明确各方责任,保障平台建设及运行质量.

c) 长江平台建设应着力推进产学研一体化,促进流域科研成果转化与平台产品市场化,以研促产,以产养研,实现平台产品不断升级与良性循环,延长平台生命周期,使平台在助力长江大保护中发挥长期作用.

参考文献
[1]
张艳军, 秦延文, 张云怀, 等. 三峡库区水环境风险评估与预警平台总体设计与应用[J]. 环境科学研究, 2016, 29(3): 391-396.
ZHANG Yanjun, QIN Yanwen, ZHANG Yunhuai, et al. Overall design and implementation of a system for water environmental risk assessment and early warning in the Three Gorges Reservoir Region[J]. Research of Environmental Sciences, 2016, 29(3): 391-396. (0)
[2]
李维新, 张永春, 张海平, 等. 太湖流域水环境风险预警系统构建[J]. 生态与农村环境学报, 2010, 26(S1): 4-8.
LI Weixin, ZHANG Yongchun, ZHANG Haiping, et al. Construction of water environmental risk early warning system for Taihu Lake Basin[J]. Journal of Ecology and Rural Environment, 2010, 26(S1): 4-8. (0)
[3]
周小娟, 张嫣, 祝莉玲. 金沙江下游生态环境遥感监测及GIS系统建设[J]. 资源环境与工程, 2011, 25(2): 148-151.
ZHOU Xiaojuan, ZHANG Yan, ZHU Liling. Remote sensing monitoring and GIS system construction on ecological environment in Jinsha River downstream[J]. Resources Environment & Engineering, 2011, 25(2): 148-151. (0)
[4]
卢纯. "共抓长江大保护"若干重大关键问题的思考[J]. 河海大学学报(自然科学版), 2019, 47(4): 283-295.
LU Chun. Reflection on several key issues regarding the 'Making Efforts to Protect the Yangtze River Together' project[J]. Journal of Hohai University(Natural Sciences), 2019, 47(4): 283-295. (0)
[5]
朱琦, 周军, 宋旭娜. 以信息化手段助推长江经济带环境管理精准化的思考[J]. 环境保护, 2018, 46(5): 47-50.
ZHU Qi, ZHOU Jun, SONG Xuna. Promoting the precision of environmental management in Yangtze River Economic Belt with the aid of informatization[J]. Environmental Protection, 2018, 46(5): 47-50. (0)
[6]
FERREIRA V G, YONG B, TOURIAN M J, et al. Characterization of the hydro-geological regime of Yangtze River Basin using remotely-sensed and modeled products[J]. Science of the Total Environment, 2020. DOI:10.1016/j.scitotenv.2020.137354 (0)
[7]
JIANG C, ZHANG L, TANG Z. Multi-temporal scale changes of streamflow and sediment discharge in the headwaters of Yellow River and Yangtze River on the Tibetan Plateau, China[J]. Ecological Engineering, 2017, 102: 240-254. (0)
[8]
周刚, 雷坤, 富国, 等. 河流水环境容量计算方法研究[J]. 水利学报, 2014, 45(2): 227-234.
ZHOU Gang, LEI Kun, FU Guo, et al. Calculation method of river water environmental capacity[J]. Journal of Hydraulic Engineering, 2014, 45(2): 227-234. (0)
[9]
董飞, 彭文启, 刘晓波, 等. 河流流域水环境容量计算研究[J]. 水利水电技术, 2012, 43(12): 9-14.
DONG Fei, PENG Wenqi, LIU Xiaobo, et al. Study on calculation of water environmental capacity of river basin[J]. Water Resources and Hydropower Engineering, 2012, 43(12): 9-14. (0)
[10]
杜新忠, 李叙勇, 张汪寿, 等. 基于GWLF模型的流域总氮负荷模拟及污染源解析[J]. 水资源与水工程学报, 2014, 25(3): 19-23.
DU Xinzhong, LI Xuyong, ZHANG Wangshou, et al. Simulation of total nitrogen load in watershed and analysis of pollution source based on GWLF model[J]. Journal of Water Resources and Water Engineering, 2014, 25(3): 19-23. (0)
[11]
孙丽凤, 王玉番, 刘晓晖, 等. 流域水环境模型及应用[J]. 科技导报, 2016, 34(18): 170-175.
SUN Lifeng, WANG Yupan, LIU Xiaohui, et al. Watershed water environment pollution models and their application[J]. Science & Technology Review, 2016, 34(18): 170-175. (0)
[12]
张颖, 高倩倩. 基于灰色模型和模糊神经网络的综合水质预测模型研究[J]. 环境工程学报, 2015, 9(2): 537-545.
ZHANG Ying, GAO Qianqian. Comprehensive prediction model of water quality based on Grey model and fuzzy neural network[J]. Chinese Journal of Environmental Engineering, 2015, 9(2): 537-545. (0)
[13]
李亚娇, 宋佳宝, 李家科, 等. 四种典型非点源污染模型研究与应用进展[J]. 水电能源科学, 2019, 37(3): 21-24.
LI Yajiao, SONG Jiabao, LI Jiake, et al. Research and application progress of four typical non-point source pollution models[J]. Water Resources and Power, 2019, 37(3): 21-24. (0)
[14]
张艳会, 杨桂山, 万荣荣. 湖泊水生态系统健康评价指标研究[J]. 资源科学, 2014, 36(6): 1306-1315.
ZHANG Yanhui, YANG Guishan, WAN Rongrong. Ecosystem health assessment indictors for lakes[J]. Resources Science, 2014, 36(6): 1306-1315. (0)
[15]
张远, 江源, 等. 中国重点流域水生态系统健康评价[M]. 北京: 科学出版社, 2019. (0)
[16]
吴信东, 董丙冰, 堵新政, 等. 数据治理技术[J]. 软件学报, 2019, 30(9): 2830-2856.
WU Xindong, DONG Bingbing, DU Xinzheng, et al. Data governance technology[J]. Journal of Software, 2019, 30(9): 2830-2856. (0)
[17]
宓云軿, 王晓萍, 金鑫. 基于机器学习的水质COD预测方法[J]. 浙江大学学报(工学版), 2008, 42(5): 790-793.
MI Yunping, WANG Xiaoping, JIN Xin. Water COD prediction based on machine learning[J]. Journal of Zhejiang University(Engineering Science), 2008, 42(5): 790-793. (0)
[18]
张玉超, 钱新, 钱瑜, 等. 基于机器学习方法的太湖叶绿素a定量遥感研究[J]. 环境科学, 2009, 30(5): 1321-1328.
ZHANG Yuchao, QIAN Xin, QIAN Yu, et al. Quantitative retrieval of chlorophyll a concentration in Taihu Lake using machine learning methods[J]. Environmental Science, 2009, 30(5): 1321-1328. (0)
[19]
张青, 王学雷, 张婷, 等. 基于BP神经网络的洪湖水质指标预测研究[J]. 湿地科学, 2016, 14(2): 212-218.
ZHANG Qing, WANG Xuelei, ZHANG Ting, et al. Prediction of water quality index of Honghu Lake based on back propagation neural network model[J]. Wetland Science, 2016, 14(2): 212-218. (0)
[20]
范莹莹.基于最小二乘支持向量机的河涌水质预测研究[D].广州: 广东工业大学, 2012. http://cdmd.cnki.com.cn/article/cdmd-11911-1012362171.htm (0)
[21]
US Environmental Protection Agency.Guidance on the development, evaluation, and application of environmental models[EB/OL].Washington DC: Council for Regulatory Environmental Modeling US Environmental Protection Agency, 2009-03-12[2020-02-27].http://nepis.epa.gov/Adobe/PDF/P1003E4R.pdf. (0)
[22]
BAI Huafu, MERRITT W S, CROKEB F W, et al. A review of catchment-scale water quality and erosion models and a synthesis of future prospects[J]. Environmental Modelling & Software, 2019, 114(4): 75-97. (0)
[23]
赵琰鑫, 赵翠平, 陈岩. 国内外流域水环境模型法规化建设现状和对比研究[J]. 环境污染与防治, 2016, 38(7): 82-87.
ZHAO Yanxin, ZHAO Cuiping, CHEN Yan. A comparative study of regulatory construction of the watershed environment models system in China and abroad[J]. Environmental Pollution and Control, 2016, 38(7): 82-87. (0)
[24]
白辉, 陈岩, 赵琰鑫, 等.一种集成水环境模型的流域精细化管理系统: CN108664647A[P].2018-10-16. (0)
[25]
黄清华, 张万昌. SWAT模型参数敏感性分析及应用[J]. 干旱区地理, 2010, 33(1): 8-15.
HUANG Qinghua, ZHANG Wanchang. Application and parameters sensitivity analysis of SWAT model[J]. Arid Land Geography, 2010, 33(1): 8-15. (0)
[26]
宋明生.基于数值模拟的流域水环境综合信息管理理论与方法研究[D].武汉: 武汉大学, 2016. http://cdmd.cnki.com.cn/Article/CDMD-10486-1016113491.htm (0)
[27]
韦大明, 孙运海, 陈岩, 等. 我国水环境综合管理平台设计研究[J]. 中国环保产业, 2018(12): 54-56.
WEI Daming, SUN Yunhai, CHEN Yan, et al. Study on comprehensive management platform construction of water environment in China[J]. China Environmental Protection Industry, 2018(12): 54-56. (0)
[28]
尚屹, 胡昊, 朱琦.国家水环境综合管理信息平台研究和设计[C]//中国环境科学学会.2013中国环境科学学会学术年会论文集(第三卷).北京: 中国环境科学学会, 2013: 822-827. (0)
[29]
魏莱.流域水环境信息管理系统的研究[D].成都: 西南交通大学, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10613-1016166443.htm (0)
[30]
鲁焱. 大数据共享平台的系统架构与建设思路[J]. 图书馆理论与实践, 2017(4): 86-90.
LU Yan. Study on the system structure and construction thinking of big data public platform[J]. Library Theory and Practice, 2017(4): 86-90. (0)