论文部分内容阅读
湖滨湿地独特的水文条件区别于其他生态系统,环境因素变化频繁,对沉积物中污染物形态影响显著,该研究以阳宗海南岸湖滨湿地表层沉积物为研究对象,探究不同季节的S-TAs(沉积物中总砷)、各形态砷含量及环境因素时空分布特征,以及环境因素与砷形态分布的关系,同时基于逐步回归和BP神经网络模型对沉积物中4种砷形态(弱酸提取态砷、可还原态砷、可氧化态砷、残渣态砷)含量进行预测和比较.结果表明:(1)夏季W-TAs(水体总砷)、S-TAs(沉积物总砷)含量略高,且W-TAs浓度处于GB 3838—2002《地表水环境质量标准》Ⅲ级限值(0.05 mg/L),冬季物理指标p H、DO(溶解氧)、Eh(氧化还原电位)、电导率(TDS)、有机质含量均较高,沉积物中p H(记为S-p H)、DO与Eh存在明显的季节差异(P<0.05).(2)湖滨湿地沉积物中活性砷形态(弱酸提取态砷、可还原态砷、可氧化态砷)含量之和所占比例为17.70%~62.59%,80%采样点的活性砷形态含量较低,对生态风险较小,S-p H、DO、Eh对砷形态含量影响显著(P<0.05),同时不同季节湖滨湿地对砷均有明显的拦截作用.(3)与逐步回归模型相比,BP神经网络预测模型是通过输入层到输出层的计算完成,增强了非线性、自适应性处理能力,实测值与预测值的拟合度高达0.9995,而逐步回归仅为0.3749,神经网络更准确的预测了砷形态含量及时空变化规律。研究显示,湖滨湿地环境因素的变化对沉积物砷赋存形态具有显著影响,因BP神经网络比数理统计线性回归模型更能准确地反映沉积物砷形态与环境因子间复杂的非线性关系,预测效果更精确.