基于时间序列、主成分聚类和机器学习耦合作用的水环境质量研究：全过程视野下的解析.pdf

第 45 卷 第 4 期2023 年 7 月环 境 影 响 评 价Environmental Impact AssessmentVol.45,No.4Jul.,2023收稿日期:2022-03-16作者简介:刘瑶(1992),女,重庆奉节人,工程师,硕士,主要研究方向为水环境演变、水污染控制和建筑给排水技术,E-mail Lucky0ly 通讯作者:胡静(1982),女,重庆奉节人,正高级工程师,本科,主要研究方向为水资源与水环境和建筑给排水技术,E-mail 93448797 基于时间序列、主成分聚类和机器学习耦合作用的水环境质量研究:全过程视野下的解析刘瑶1,3,胡静3,练小可2,欧阳吴渝2,沈滟奇21.三峡库区生态环境教育部重点实验室,重庆大学,重庆 400044;2.国家内河航道整治工程技术研究中心,重庆交通大学,重庆 400074;3.重庆市设计院有限公司,重庆 400015摘要:人类活动不断增强导致水环境恶化的问题日益凸显,直接影响着人们的生产生活,因此水环境质量受到密切关注。但现有对水环境问题的研究多是基于单一维度的阐述,缺乏系统性解析。针对上述问题,该文结合近年来快速发展的智能化、大数据技术,通过时间序列、机器学习和主成分聚类等方法,建立了一套涵盖数据抓取与整理、水环境时空演变分析、敏感因子路径辨识和管理策略整合的全过程链模型。基于上述方法体系,以长江流域为对象,对流域水环境质量开展溯源分析。关键词:水环境质量;时空演变;主成分分析;机器学习 DOI:10.14068j.ceia.2023.04.021中图分类号:X143 文献标识码:A 文章编号:2095-6444(2023)04-0116-09Research on Water Environmental Quality based on Space-time Evolution,Principal Component Clustering and Machine Learning Coupling:Perspective from A Whole-processLIU Yao1,3,HU Jing3,LIAN Xiaoke2,OUYANG Wuyu2,SHEN Yanqi21.Key Laboratory of Eco-Environment of Three Gorges Region,Ministry of Education,Chongqing University,Chongqing 400044,China;2.National Inland Waterway Engineering and Technology Research Center,Chongqing Jiaotong University,Chongqing 400074,China;3.ChongQing Architectural Design Institute Co.,LTD.,Chongqing 400015,ChinaAbstract:As the deterioration of water environment caused by human activities has become increasingly prominent,which directly affects our production and life.Therefore,the quality of water environment has become the focus in the environment research field.However,most of the existing studies are based on a single-dimension without systematic analysis.According to the above problem,this study combined the rapid development in recent years with intelligentization and big data technology.And through the time series,space-time evolution coupled analysis of machine learning and the methods of principal component cluster,established a model covering the whole process,which organizes the space-time evolution of water environment analysis,and distinguishes the sensitive-factor in its data.Based on the above method system,we can analyze the river basin water environment quality.Keywords:water environment quality;space-time evolution;principal component analysis;machine learning 社会经济的快速发展和人类活动的不断增强导致生活污水、工业废水和雨水排放增加,进而产生水环境急剧恶化1,以及水资源日益短缺等问题,严重影响到人们日常的生产生活,造成水安全问题凸显。针对上述情况,在党的十九大报告中,习近平总书记提出“绿水青山就是金山银山”的理念,因此,水环境保护刻不容缓。而保护的前提是要对第 4 期刘瑶等:基于时间序列、主成分聚类和机器学习耦合作用的水环境质量研究:全过程视野下的解析 现有水环境状况有完整的理解和认识。然而,现有针对水环境质量的分析存在数据收集不足、分析维度单一等问题,缺乏系统性解析。近年来,大数据、智能化技术迅速发展,因此可考虑利用上述技术优势(可快速准确地获取分析呈现数据),建立一套涵盖数据抓取与整理、多维度分析和可视化整合呈现的全过程链体系,高效准确地呈现水环境现况及演变趋势,进而为水环境治理提供科学依据和方向。1 基于多技术耦合的水环境质量研究方法本研究通过数据抓取与整理、模型与数据分析、结果整合与呈现三个过程建立了一套水环境质量全过程链评价体系。基于网络爬虫技术、时间序列分析、主成分聚类分析、机器学习分析、云图数据可视化等技术耦合建立一个适用于专家学者和普通用户的水环境质量分析体系。图 1 流程导图Fig.1 Process mapping2 数据模型与分析水环境质量受到多种因素影响,与经济发展、污染物排放量、区域位置等密切相关。因此,流域水环境质量在不同时期,不同位置,具有不同属性。需要基于抓取各流域水质的指标数据,从时间与空间两个维度进行解析,并揭示影响水环境质量的关键因子,进而完整地阐明水环境现况以及探寻解决的方向。2.1 时空演变分析分别从时间和空间两个维度出发,耦合两个维度结果,完整阐明流域水环境质量演变规律:首先,从年际演变和季节演替两个视角切入对水环境质量趋势的解析(时间维度)。其次,分别从流域之间和流域之内两个视角切入对水环境质量的聚类对比(空间维度)。2.1.1 时间视角时间序列法时间序列也称动态序列,是指将某种现象的指标数值按照时间顺序排列而成的数值序列。该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计变化规律2。2.1.1.1 时间序列数据变动趋势的类型(1)长期趋势:是时间序列在长时期呈现出来的持续向上或持续向下的变动。(2)季节变动:时间序列数据以一年为周期,随着季节呈现出反复的有规则的变动趋势。(3)循环变动:循环变动又称周期变动,是指时间序列在为期较长的时间内呈现出涨落起伏,且变动的周期大于一年。(4)不规则变动:是指现象由偶然因素引起的无规律的变化。2.1.1.2 时间序列的数字特征(1)均值函数:设 X(t),t=0,1,2,为一时间序列mX(t)=E X(t)=+-xdF(x,t)=1(1)若 X(t)为离散随机变量,其概率分布为P X(t)=xi(t)=pi,i=1,2,(2)则 mX(t)=i=1xi(t)pi为 X(t)的均值函数。若 X(t)为连续型离散随机变量,其概率密度为 f(x,t)则 mX(t)=+-xf(x,t)dx 为 X(t)的均值函数。(2)均方值函数2X(t)=E X2(t)=+-x2dF(x,t)(3)(3)自相关函数RX(s,t)=E X(s)X(t)(4)若 X(t)为连续型,则 RX(s,t)=+-+-xydf(x,y,s,t)dsdtRX(t,t)=2X(t)(5)(4)自协方差函数711 环 境 影 响 评 价第 45 卷CX(s,t)=E(X(s)-S)(X(t)-t)(6)若 X(t)为连续型时,则CX(s,t)=+-+-(x-S)(y-t)f(x,y,s,t)dsdt(7)(5)方差函数DX(t)=Var X(t)=EX(t)-t2(8)DX(t)=CX(t,t)=2X(t)-2t(9)2.1.2 空间视角主成分聚类分析法整合每个流域的各类水环境属性,分别构建子集。分别对流域与流域之间的子集属性以及流域之内的子集属性进行主成分聚类,进而开展空间类比(全局和本位分析),从空间维度揭示水环境特征。具体数学表达式如下:R=r11r1prp1rpp(10)rij(i,j=1,2,p)为原变量的 xi与 xj标准化后的相关系数,rij=rji,其计算公式为:rij=nk=1(Xki-Xi)(Xki-Xj)nk=1(Xki-Xi)2nk=1(Xki-Xj)2(11)式中,x 为原变量指标;rij为原变量的 xi与 xj之间的相关系数;R 为标准化后的数据矩阵求出的相关系数矩阵。上述表达式通过计算相关系数对研究指标进行降维,从而得出主成分综合指标,进行聚类分析4。2.2 敏感因子路径解析 利用 Jupyter Notebook 软件编写程序,对构建的水环境属性集进行敏感因子路径解析,揭示影响各流域水环境质量的关键因子,进而有针对性地提出改善方案。具体路径解析数学表达如下:通过自助法重采样技术,从原始训练样本集 N 中有放回地重复随机抽样取 n 个样本生成新的训练样本集合为训练决策树,然后按以下公式生成 m 棵决策树组成随机森林,新数据的分类结果按分类树投票形成的分数而定。Ent(D)=-yk=1pklog2pk(12)Gain(D,a)=Ent(D)-Vv=1DvDEnt(Dv)(13)Gain_ ratio(D,a)=Gain(D,a)IV(a),IV(a)=-Vv=1DvDlog2DvD(14)Gini(D)=yk=1kkpkpk=1-yk=1p2k(15)式中,a 为属性;D 为样本集;pk为当前样本集合 D 中第 k 类样本所占的比例;Gain ratio 为增益率;Gini index 为基尼指数。3 云图数据可视化 通过云图数据作为媒介,将数据抓取、整理和分析过程,通过静态 JSON 模型绑定数据以可视化大屏的方式整合。云图数据可视化大屏可直观、形象地给普通用户呈现水环境质量结果,同时可通过有效的数据获取方式、多维度的分析结果为专家提出水环境治理方案提供水环境质量存在的问题和改善方向。云图数据可视化大屏具有较强的整合能力、直观实时的结果呈现和专业有效的指标分析等特点。通过水环境智能监控分析系统 PC 端和手机端皆可实时观测。4 以长江流域为实例进行全过程链的分析展示4.1 数据抓取整理 通过网络爬虫技术,基于 19912019 年 中国环境状况公报(中华人民共和国环境保护部)和20162018 年 全国主要流域重点断面水质自动监测周报(中国环境监测总站)的数据资料3-5,抓取整理长江流域水质的相关数据信息。4.2 时空演变分析4.2.1 时间视角4.2.1.1 年际演变利用抓取整理得到的长江流域逐年水质进行时序分析,并配合已有文献及政策资料对水环境质量年际演变趋势进行支撑解析。4.2.1.2 季节演替对各子流域的四个影响因子(DO、NH3-N、pH、CODMn)进行分析。通过之前整理的数据绘出各评价因子季节演替规律的 Heatmap 图。811第 4 期刘瑶等:基于时间序列、主成分聚类和机器学习耦合作用的水环境质量研究:全过程视野下的解析 图 2 19912019 年长江流域水质演变趋势(A)长江流域总体水质趋势;(B)I-III 类水质;(C)IV-劣 V 类水质;(D)劣 V 类水质Fi g.2 The evolution trend of water quality in the Yangtze River Basin from 1991 to 2019(A)overall water quality trends in the Yangtze River Basin;(B)I-III water quality;(C)IV-inferior-V water quality;(D)inferior-V water quality表 1 长江流域污染溯源及政策支持(部分)Table 1 Pollution traceability and policy support in the Yangtze River Basin(part)污染原因文献解决方案或政策文献沱江流域养殖业污染物排对生态环境造成了不同程度的危害,环境风险级别较高的地区主要集中在中上游6加快构建养殖废弃物资源化利用技术体系;尽快建立养殖废弃物污染治理责任分担机制;推广种养结合的生态农业发展模式62004 年 2 月至 3 月,长江的支流沱江附近的四川化工股份有限公司第二化肥厂,违规技改并试生产设备出现故障,氨氮含量超标数十倍的废水倾泻入沱江,造成沱江严重污染7四川省政府整治 564 家污染企业,截至 04 年底这些企业全部完成整改任务;四川省政府还针对排污企业新出台了四条有力措施72004 年 5 月,四川省仁寿县一造纸企业,偷排、超标排放造纸黑液,致使沱江再次受到严重污染7四川省政府整治 564 家污染企业,截至 04 年底这些企业全部完成整改任务;四川省政府还针对排污企业新出台了四条有力措施7长江上游四川地区废水排放主要为工业废水及生活污水,以工业废水为主。1997 年全省废水排放总量为 24.57 亿 t,其中工业废水排放量为 12.27 亿 t,直接 排入江河湖泊的有 11.00 亿 t,占工业废水排放量的 89.60,达标排放量为 6.16 亿 t,达标率 50.2%8控制污染源的排放,治理点源,控制非点源;严格控制新增污染源;积极调整、优化产业结构,减少污染物的排放;积极进行长江流域综合治理,执行国家可持续性发展的战略方针,保护生态环境,做到经济发展和环境保护协调发展84.2.1.2.1 DO用来表征水体自净能力和降解有机污染物能力的主要参数,对水体生源要素及生物地球化学循环有重要影响9-10。有研究表明水体中 DO 浓度不但受污染物降解耗氧影响,还受水温影响。DO 含量夏季较低、冬季较高11,一方面由于 DO 含量与温度有关,温度越高,水体中 DO 含量越低。夏季水温和无机氮质量浓度相对较高,适宜的温度、光照以及高无机氮质量浓度使浮游植物大量生长,虽然浮游植物会进行一定光合作用释放氧气,但呼吸作用911 环 境 影 响 评 价第 45 卷以及生物死亡降解所需耗氧作用远大于其生成氧气速度。所以总体来说 DO 仍然较低12。另一方面夏季微生物活动剧烈,有机物被好氧微生物矿化分解,水中 DO 急速下降13。图 3 20172018 年长江流域各评价因子随季节的变化(A)DO;(B)pH;(C)CODM n;(D)NH3-NFig.3 The evaluation factors in the Yangtze River Basin changed with the seasons in 20172018(A)DO;(B)pH;(C)CODMn;(D)NH3-N021第 4 期刘瑶等:基于时间序列、主成分聚类和机器学习耦合作用的水环境质量研究:全过程视野下的解析 4.2.1.2.2 CODMnCODMn在夏秋季含量高,春冬季含量相对较低。一方面秋季表层水中光照、温度等条件比较适宜,浮游植物生长较快,浮游植物数量增加,水中叶绿素 a 含量逐渐升高,水中有机物质相应增多,化学耗氧量增大。有研究表明叶绿素 a 也是影响 CODMn含量变化的主要因子之一,在春、秋季 COD 与叶绿素之间的相关指数均较高,呈现出明显的正相关,因此 CODMn 的含量随叶绿素 a 的增加而增加14;另一方面由于夏秋季水温较高,浮游植物腐烂降解引起水体中的化学耗氧有机物含量增加,因此使得CODMn 的含量增加15。4.2.1.2.3 NH3-N冬季氨氮浓度会比夏季高16。进入夏季后,温度条件比较适宜,水生植物大量生长繁殖,水生植物生长繁殖过程中吸收和利用水中的氨氮作为氮源,在一定程度上降低了水体中氨氮的含量17。进入冬季,蓝藻等水生植物死亡沉入湖底,经过微生物分解作用大量的氨氮被释放。由于冬季蓝藻等水生植物死亡时释放出大量的铵盐,导致氨氮含量在总氮含量中所占比例上升;而其他季节水生植物生长时,尤其是附着藻,比起硝氮等氮源,更易于吸收利用水中的氨氮17。4.2.1.2.4 pH 浮游植物大量繁殖时同化 CO2而使 DO、pH 同时升高。当水中 DO 含量高时,说明浮游植物进行光合作用产生的氧气增多,进而导致 pH 值也相应升高,因此 pH 值随 DO 变化趋势大体一致。有研究表明费歇尔统计检验结果中水体 DO 与 pH 呈显著正相关(YDO=7.83+0.04XpH,=0.441)18。图 4 长江各子流域主成分聚类分析图Fig.4 Principal component clustering analysis diagram of each sub-basin of the Yangtze River4.2.2 空间视角主成分聚类分析4.2.2.1 全局类比 图 4 可得珠江和长江为一类;黄河、海河、淮河为一类;松花江和辽河为一类。首先,长江水质良好19-20。图 6 也可以分析出长江、类水体比例相对其他流域较高,在 20 世纪末 21 世纪初有一段时间急剧下降,之后呈缓慢上升的趋势。长江、劣类水体占比都比较低,在 20 世纪至21 世纪初期波动比较大,但在21 世纪初期之后开始趋于稳定并逐渐下降。另外长江劣 V 类水体占比都较低,整体水体质量良好。其次,长江口除四季海水中汞平均含量符合国家二类海水水质标准外,其他各重金属含量平均值均符合国家一类海水水质标准。总体上,长江重金属污染不明显,水质总体良好21。最后,通过研究发现,长江流域的低矿化度面积占比非常高,水中所含的钙镁等金属的一些盐类含量低,水化学情况较好,总硬度、pH 值适中,这121 环 境 影 响 评 价第 45 卷些都是长江水质良好的原因。另外长江流域一级水功能区中,河流的水质达标状况也较好,所以总体来说,长江流域的水质显著优于其他几个流域22。4.2.2.2 本位分析 长江干流、赤水河和沱江为一类。干流水质普遍优于支流23,干流、赤水河和沱江位于长江上游,靠近源头,水质较好。赤水河是长江上游唯一没有修建干流大坝的一级支流,在长江上游近 50 条支流中,是迄今为止除下游航运外,基本属尚未开发的河流。赤水河全流域自然环境良好,是一条洁净、自然流淌的生态河,保持着天然河流特征24。岷江、嘉陵江、汉江、丹江口水库、资水、沅江和澧水为一类。岷江、嘉陵江虽位于长江上游但较其他上游流域水质较差,故与汉江等长江中游流域为一类。岷江流域为中度污染,达标率为 52.6%25。长江存在严重程度不同的岸边污染带,重庆、上海、武汉、南京附近的岸边污染带最长26。湘江和夹江为一类。湘江和夹江受到船舶运输影响,随城市规模扩大,特别是新城区河西地区的开发,使该地区生活污水量增加,对夹江饮用水源构成威胁,同时沿岸货运码头及船舶运输也对其水体造成污染27。船舶运输为湖南经济发展贡献力量的同时,随着船舶吨位增大,船舶舱底油污水、生活污水随意排放,成为湘江水域水体污染因素之一28。赣江为一类。赣江位于长江下游,水质较差。主要是上游赣州段矿山不断开采,水土流失严重,下游南昌段污染企业也非常多、生活的人口人较多29。图 5 中国七大流域主成分聚类分析图Fig.5 Principal component clustering analysis diagram of Chinese river basin图 6 中国七大流域水质演变趋势(A)-类;(B)IV-劣 V 类;(C)劣 V 类Fig.6 Evolution trend of water quality in seven river basins in China(A)-water quality;(B)IV-inferior-V water quality;(C)inferior-V water quality221第 4 期刘瑶等:基于时间序列、主成分聚类和机器学习耦合作用的水环境质量研究:全过程视野下的解析 图 7 长江各子流域敏感因子探寻Fig.7 Exploration of sensitive factors in each sub-basin of the Yangtze River4.3 敏感因子路径解析 由图 7 可知,丹江口水库、汉江、沱江敏感因子为 CODMn。赣江、夹江、澧水、沅江敏感因子为DO。长江干流、湘江敏感因子为 pH。以汉江、丹江口水库为例,汉江干流和丹江库区现状水质已达类标准,但因支流污染严重而形成巨大威胁,主要污染物 COD 在“十五”有超标趋势。图 8 云图数据可视化Fig.8 Visualization of cloud map data5 云图数据可视化通过静态 JSON 模型绑定数据,将长江流域水质演变趋势、长江流域各评价因子的季节变化、长江各子流域主成分聚类分析、中国七大流域主成分聚类分析、中国七大流域水质演变趋势、长江各子流域敏感因子探寻以可视化大屏的方式整合,如图 8,可直观、形象地呈现水环境质量结果。6 结论与展望本研究结合大数据和智能化技术,通过耦合时间序列、机器学习和主成分聚类等方法,建立一套涵盖数据抓取与整理、多维度水环境时空演变分析、敏感因子路径辨识和管理策略整合呈现的全过程链模型体系,基于上述体系对长江流域水环境质量开展溯源分析。为深化完善现有体系,拟进一步集成各子模块内容,同时结合流域经济社会发展现况和模式,进一步深入水环境污染溯源和演变趋势预测。321 环 境 影 响 评 价第 45 卷最后,结合区块链技术整合已有成果,提升水环境数据透明度及保障数据安全性。参考文献(References):1Xu H,Li H,Tang Z,et al.Underestimated methane production triggered by phytoplankton succession in,river-reservoir systems Evidence from a microcosm study J.Water Research,2020,185 116233.2Wang W,Ni H,Su L,et al.Deep transfer learning for source ranging Deep-sea experiment results J.The Journal of the Acoustical Society of America,2019,146(4)EL317-EL322.3Nguyen T H,Helm B,Hettiarachchi H,et al.Quantifying the Information Content of a Water Quality Monitoring Network Using Principal Component Analysis A Case Study of the Freiberger Mulde River Basin,GermanyJ.Water,2020,12(2)420.4中华人民共和国生态环境部.1991-2019 年中国环境状况公报J.1991-2019.5Hosseini H,Shakeri A,Rezaei M,et al.Water chemistry and water quality pollution indices of heavy metals a case study of Chahnimeh Water Reservoirs,Southeast of IranJ.International Journal of Energy and Water Resources,2019(12).6HU,Zun-fang,KANG,et al.Evolution trend of the water quality in Dongping Lake after South-North Water Transfer Project in China J.Journal of Groundwater Science and Engineering,2019,v.7;No.27(4)42-48.7Zhang X,Zhang Y,Shi P,et al.The Deep Challenge of Nitrate Pollution in River Water of China J.Science of The Total Environment,2021,770(25)144674.8王晓青.长江上游水质污染评价及重庆_两江_段水质预测D.重庆 重庆大学,2000.9A,S.Behmel.Water quality monitoring strategies A review and future perspectivesJ.Science of The Total Environment,2016,571 1312-1329.10 Calazans G M,Pinto C C,Costa E P D,et al.Using multivariate techniques as a strategy to guide optimization projects for the surface water quality network monitoring in the Velhas river basin,BrazilJ.Environmental Monitoring and Assessment,2018,190(12).11 李鸿妹,石晓勇,陈鹏,等.春季东海赤潮发生前后营养盐及溶解氧的平面分布特征J.环境科学,2013,34(6)2159-2165.12 Yang X,H Cui,Liu X,et al.Water pollution characteristics and analysis of Chaohu Lake basin by using different assessment methods J.Environmental Science and Pollution Research,2020,27(7).13 Li C,Gao X.Assessment of Groundwater Quality at Yuncheng Basin Denotation for the Water Management in ChinaJ.Ground Water,2019,57(3)492-503.14 Nguyen T H,Helm B,Hettiarachchi H,et al.The selection of design methods for river water quality monitoring networks a reviewJ.Environmental Earth ences,2019,78(3).15 Jin H,Kim,Dong H,et al.Associating the spatial properties of a watershed with downstream Chl-a concentration using spatial analysis and generalized additive models.J.Water Research,2019,154(MAY 1)387-401.16 王东红,黄清辉,王春霞,等.长江中下游浅水湖泊中总氮及其形态的时空分布J.环境科学,2004,1(S1)27-30.17 Xie R R,Pang Y,Zhang Q,et al.Weight parameters of water quality impact and risk grade determination of water environmental sensitive spots in JiashanJ.Environmental Science,2012,33(7)2244-2250.18 Lu W,Wu J,Li Z,et al.Water quality assessment of an urban river receiving tail water using the single-factor index and principal component analysisJ.Water Science&Technology,2019,19(1-2)603-609.19 Ga Ta M,Monteroso K,More S,et al.Water Quality Analysis of Cabadbaran River,Cabadbaran City,Philippines J.Journal of Chemical,Biological and Physical Sciences,2020,10(3)315-324.20 Mirchi A,Madani K,Jr D W,et al.Synthesis of System Dynamics Tools for Holistic Conceptualization of Water Resources ProblemsJ.Water Resources Management,2012,26(9)2421-2442.21 Szymanski K,Janowska B,Izewska A,et al.Method of evaluating the impact of landfill leachate on groundwater quality J.Environmental Monitoring and Assessment,2018,190(7)415.22 Symonds E M,Rosario K,Breitbart M,et al.Pepper mild mottle virus Agricultural menace turned effective tool for microbial water quality monitoring and assessing(waste)water treatment technologiesJ.PLoS Pathogens,2019,15(4).23 盛周君,孙世群,王京城,等.基于主成分分析的河流水环境质量评价研究J.环境科学与管理(12)172-175.24 石广.基于主成分分析法的再生水水源水质综合评价J.环境科学与技术,36(S2)416-423.25 蓝志峰,肖桂荣.基于流域要素空间关系的水污染溯源研究J.水资源保护,2019,35(1)60-66.26 王欢欢,白洁,刘世存,等.白洋淀近 30 年水质时空变化特征J.农业环境科学学报,2020,39(5)125-133.27 Zhang W,Fang S,Li Y,et al.Optimizing the integration of pollution control and water transfer for contaminated river remediation considering life-cycle conceptJ.Journal of Cleaner Production,2019,236(1)117651.28 程声通,钱益春,张红举.太湖总磷、总氮宏观水环境容量的估算与应用J.环境科学学报,2013,33(010)2848-2855.29 Zhang E,Liu E,Jones R,et al.A 150-year record of recent changes in human activity and eutrophication of Lake Wushan from the middle reach of the Yangze River,China J.Journal of Limnology,2010,69(2)235-241.421