The application of BP artificial neural networks on assessment of seawater quality at Pearl River Estuary
-
摘要:
根据海水水质标准GB3097-1997，应用VB编程语言在各类海水水质指标浓度区间内生成足够多的随机分布样本，以此作为海水水质评价BP人工神经网络模型的训练、检验和测试样本，利用训练后的海水水质评价BP人工神经网络模型对珠江口2002~2003年水质状况做出评价。结果表明，训练后的海水水质评价BP人工神经网络模型具有较好的泛化能力，能够准确评价未知海水样本的水质类别；2002~2003年珠江口的水环境总体状况较差，绝大部分区域属于Ⅱ~Ⅳ类海水，在其分布上，珠江口西部海域水质状况好于东部海域，这是由于珠江口东部沿岸城市东莞和深圳较大的排污量和繁忙的海上运输所引起。
Abstract:According standard of seawater quality GB3097-1997, plenty of random samples in the concentration scale of different water quality kinds were produced by VB program, then they were used to train and test the artificial neural networks model based on BP arithmetic, and the seawater quality of Pearl River Estuary in 2002 and 2003 were assessed by the BP artificial neural networks model which had been trained. The results showed that the BP artificial neural networks model which had been trained could estimate the seawater quality kinds of unknown seawater samples exactly, and the seawater quality of Pearl River Estuary in 2002 and 2003 were bad, from class Ⅱ to class Ⅳ in most area. On the distribution of the seawater quality in Pearl River Estuary, the western was better than the eastern what was caused by (1) the large amount polluted water discharged from Dongguan and Shenzhen city located at the east seacoast of Pearl River Estuary; (2) the busy sea transportation in east area of Pearl River Estuary.
-
凡纳滨对虾(Litopenaeus vannamei)是世界水产养殖业中重要的经济物种之一。自1988年引进我国后[1]，已成为我国的重要养殖虾类。凡纳滨对虾具有生长速度快、养殖密度高、耐高温低盐、蛋白质需求量低等优点，容易进行人工养殖。20世纪90年代以来，由于黄头病毒(yellow head virus，YHV)、桃拉病毒(taura syndrome virus，TSV)、白斑综合症病毒(white spot syndrome virus，WSSV)等外来病毒的侵入，致使养殖虾大量死亡，使我国的凡纳滨对虾养殖产业遭受了巨大冲击[1-2]。
我国凡纳滨对虾养殖利用进口亲虾繁育种苗，然后再利用繁育的子代作亲虾。随着世代的增加，出现凡纳滨对虾种质退化、生长性状衰退等问题。于是，我国又大量进口亲虾。整个凡纳滨对虾养殖产业形成了进口、衰退，再进口、再衰退的恶性循环，不仅增加了成本和不稳定性，同时整个产业也存在严重的安全隐患。WICKINS[3]、LESTER[4]、MULLEY和LATTER[5-6]、JOHNS等[7]先后对凡纳滨对虾的可量性状(体长、体重等)进行了分析。刘小林等[8]测定了凡纳滨对虾体长、头胸甲长、胸宽、胸高、额剑上刺数、额剑下刺数、尾长和体重共8个性状，分析了其他7个性状对体重的影响，发现体长对体重的直接影响最大，是影响体重的最主要因素。但国内有关养殖凡纳滨对虾不同世代生长性状的变异情况尚未见报道。本研究拟对我国进口的选育凡纳滨对虾产生的不同世代样品的体长和体重生长性状进行测定，探讨其生长性状的分离和变化情况，为凡纳滨对虾的养殖、繁殖和进一步选育提供基础资料。
1. 材料和方法
1.1 实验材料
7个人工养殖群体共1 150尾，分别于2005年9月至2006年4月采于广东省湛江市863亲虾培育基地(简称湛江1、湛江2、湛江3群体，样品数分别为200尾、200尾、100尾)、广东省饶平县柘林镇(饶平群体，200尾)、海南琼海(海南群体，50尾)、山东青岛(山东群体，200尾)和上海金山(上海群体，200尾)。其中海南群体为进口亲虾繁育的第一代(G1)，饶平群体和山东群体为第2代(G2)，湛江2和湛江3群体为第3代(G3)；湛江1和上海群体为第4代(G4)。样品用95%酒精固定保存。
1.2 性状测量与数据处理
测量每尾虾的体长和体重。体长用毫米刻度尺(精确到0.1 mm)测定，为尾脊末端至眼柄基部的直线距离。体重用电子天平称量(感量0.01 g)，测量前先用滤纸吸干样品表面水分。计算体长、体重的平均值、方差和变异系数(CV=S/X —)，并进行体长和体重的相关和回归分析(W=aLb)。
2. 结果
2.1 凡纳滨对虾的生长性状变异
体长、体重的平均值、范围、方差和变异系数见表 1。体长的变异系数在0.04~0.14之间，体重的变异系数在0.10~0.39之间。群体的变异系数随着繁育世代的增加而增加。7个群体中，海南群体为进口虾苗繁育的第1代，其体长和体重分布均匀，变异系数最小，分别为0.04和0.10。湛江1群体的体长和体重变异系数最大，分别为0.14和0.39。
表 1 凡纳滨对虾7个养殖群体生长性状的变异Table 1. Variation of growth traits among seven cultured stocks of Pacific white shrimp L.vannamei群体与世代
stock and generation体长/cm body length 体重/g body weight 平均(范围)
X—(range)方差
S2变异系数
CV平均(范围)
X—(range)方差
S2变异系数
CV海南G1 Hainan G1 14.76(13.25~15.99) 0.30 0.04 33.41(24.33~39.74) 11.74 0.10 山东G2 Shandong G2 8.46(6.28~10.48) 0.41 0.08 5.19(1.80~9.68) 1.41 0.23 饶平G2 Raoping G2 9.24(4.28~10.70) 0.52 0.08 6.95(3.18~11.34) 2.13 0.21 湛江2 G3 Zhanjiang2 G3 7.75(5.13~9.36) 0.54 0.09 4.62(1.52~9.87) 1.58 0.27 湛江3 G3 Zhanjiang3 G3 11.38(8.13~14.12) 1.72 0.12 15.03(6.00~26.96) 23.13 0.32 湛江1 G4 Zhanjiang1 G4 5.25(3.47~6.83) 0.55 0.14 1.47(0.48~3.42) 0.33 0.39 上海G4 Shanghai G4 7.14(4.14~9.00) 0.97 0.14 3.29(0.49~6.20) 1.43 0.36 2.2 凡纳滨对虾体长、体重的关系
用幂函数(W=aLb)拟合凡纳滨对虾4个世代体长与体重之间的关系，得到相关系数和回归方程(表 2)。对相关系数进行检验，结果表明不同世代，体长与体重相关极显著(P < 0.01)。将4个世代的数据综合，得到体长和体重之间的回归方程为W=0.01L2.93(W为体重，L为体长)，进行相关系数检验，表现为极显著(P < 0.01)。
表 2 凡纳滨对虾体长与体重的相关关系Table 2. Correlation between body length and body weight of Pacific white shrimp L.vannamei世代
generation相关系数
correlation coefficient回归方程
regression equationG1 0.84 W=0.06L2.37，R2=0.70 G2 0.87 W=0.03L2.50，R2=0.76 G3 0.99 W=0.01L2.99，R2=0.98 G4 0.95 W=0.02L2.59，R2=0.91 总计 total 0.98 W=0.01L2.93，R2=0.96 3. 讨论
美国选育的凡纳滨对虾亲虾和池塘商业养殖虾的体重变异系数分别为9.9%和9.0%[10]，对虾规格十分整齐。我国进口的亲虾繁育的第一代苗养殖的商品虾的体重变异系数为10%左右，与美国的一致，但随着繁育世代的增加，每繁殖一代，体重的变异系数增加10%左右，体长的变异系数也逐代增加，表明凡纳滨对虾生长规格越来越不整齐，大小相差悬殊。生长性状的这种退化，可能是由于不同亲虾来源于不同家系，遗传差异较大，交配繁育的后代出现性状分离，生长性状的变异系数随之增加。变异系数的增大反映了凡纳滨对虾体重和体长分布不均，表明随着世代的增加，凡纳滨对虾种质发生一定程度的退化。而且随着世代的增加，生长速度变慢[2]。我们在采样过程中养殖户普遍反映，第1、2代虾苗生长快，抗病力强，第3代及以后的虾苗生长慢，病害多。因此，在进行遗传选育时建议使用不同来源的第一代亲虾，最好用原产地的野生亲虾。
许多学者[11-13]认为幂函数公式W=aLb较能准确地反映对虾的体长、体重关系。此公式由von Bertalanffy生长模型演变而来，广泛用于甲壳类[14]。公式中W代表体重，L代表体长。a为体长与体重之间的系数，b表示瞬时相对体重增长率与相对体长增长率之比[15]；在鱼类方面，有学者[14]认为b表示鱼体重增加系数与体长增加系数之比。本研究利用幂函数模型，对凡纳滨对虾不同世代体重和体长指标建立回归方程，发现体长和体重的关系可以用幂函数较好地反映，体长与体重相关极显著，与李卓佳等[16]的结果一致。
-
![]()
图 2 珠江口水质评价BP人工神经网络模型结构图
Figure 2. The structure of BP artificial neural network for water quality assessment of Pearl River Estuary
![]()
图 3 2002~2003年珠江口水质分布状况
a.2002年5月；b.2002年8月；c.2003年5月；d.2003年8月
Figure 3. The distribution of water quality at Pearl River Estuary in 2002~2003
a.May 2002;b.Aug.2002;c.May 2003;d.Aug.2003
表 1 海水水质标准
Table 1 The seawater quality criterion
mg · L-1 水质因子
seawater factors第Ⅰ类
class Ⅰ第Ⅱ类
class Ⅱ第Ⅲ类
class Ⅲ第Ⅳ类
class Ⅳ超Ⅳ类
excessing Ⅳ class溶解氧 (DO) >6 >5 >4 >3 ≤3 无机氮 (TIN) ≤0.20 ≤0.30 ≤0.40 ≤0.50 >0.50 磷酸盐 (PO4-P) ≤0.015 ≤0.030 ≤0.045 >0.045 铅 (Pb) ≤0.001 ≤0.005 ≤0.010 ≤0.050 >0.050 铜 (Cu) ≤0.005 ≤0.010 ≤0.050 >0.050 锌 (Zn) ≤0.020 ≤0.050 ≤0.10 ≤0.50 >0.50 化学耗氧量 (COD) ≤2 ≤3 ≤4 ≤5 >5 石油类 (petroleum) ≤0.05 ≤0.30 ≤0.50 >0.50 
下载: 导出CSV
表 2 2002~2003年珠江口水质调查结果
Table 2 The result of water quality at Pearl River Estuary from 2002 to 2003
mg · L-1 站号
station采样日期
sampling time溶解氧
DO无机氮
TIN磷酸盐
PO4-P石油类
petroleum化学耗氧量
COD铜
Cu铅
Pb锌
Zn1 2002.5 5.38 0.538 0.007 0.054 1.11 0.0046 0.0018 0.073 2002.8 5.86 0.178 0.022 0.032 2.72 0.0176 0.0035 0.032 2003.5 5.86 0.378 0.032 0.025 1.52 0.0060 0.0011 0.019 2003.8 4.03 1.126 0.027 0.166 1.83 0.0082 0.0224 0.041 2 2002.5 5.74 0.346 0.003 0.002 0.99 0.0062 0.0002 0.099 2002.8 5.96 0.075 0.026 0.059 1.73 0.0065 0.0031 0.026 2003.5 4.58 0.721 0.032 0.033 1.22 0.0027 0.0005 0.033 2003.8 4.01 1.464 0.103 0.060 1.76 0.0113 0.0176 0.147 3 2002.5 7.05 0.129 0.005 0.062 1.40 0.0096 0.0020 0.127 2002.8 6.86 0.059 0.010 0.014 2.60 0.0108 0.0024 0.045 2003.5 6.63 0.316 0.024 0.002 0.65 0.0032 0.0014 0.008 2003.8 5.70 0.810 0.034 0.089 1.01 0.0054 0.0219 0.034 4 2002.5 5.78 0.647 0.004 0.162 1.19 0.0060 0.0009 0.098 2002.8 5.40 0.103 0.011 0.068 1.37 0.0056 0.0017 0.029 2003.5 5.35 0.673 0.050 0.002 1.04 0.0034 0.0001 0.025 2003.8 4.47 0.895 0.055 0.105 1.40 0.0039 0.0242 0.208 5 2002.5 7.99 0.121 0.019 0.080 1.57 0.0052 0.0015 0.045 2002.8 6.66 0.055 0.015 0.034 1.62 0.0112 0.0023 0.021 2003.5 7.34 0.103 0.024 0.049 0.94 0.0035 0.0006 0.016 2003.8 5.73 0.870 0.042 0.025 1.01 0.0048 0.0051 0.163 6 2002.5 6.55 0.318 0.021 0.190 0.74 0.0046 0.0021 0.069 2002.8 6.08 0.217 0.021 0.023 1.57 0.0069 0.0020 0.022 2003.5 6.28 0.800 0.035 0.055 1.02 0.0029 0.0003 0.006 2003.8 6.72 0.943 0.045 0.067 1.53 0.0034 0.0134 0.087 7 2002.5 4.36 1.478 0.027 0.086 1.11 0.0054 0.0034 0.099 2002.8 5.84 0.505 0.036 0.021 1.72 0.0072 0.0048 0.034 2003.5 6.34 0.830 0.050 0.122 0.39 0.0032 0.0001 0.012 2003.8 5.28 1.053 0.064 0.118 0.82 0.0031 0.0119 0.093 8 2002.5 6.46 0.909 0.020 0.150 1.24 0.0068 0.0048 0.057 2002.8 6.43 0.055 0.023 0.020 1.68 0.0104 0.0026 0.028 2003.5 7.47 0.470 0.035 0.042 0.81 0.0035 0.0015 0.015 2003.8 5.86 0.380 0.037 0.072 1.40 0.0056 0.0192 0.056 9 2002.5 6.94 0.425 0.014 0.017 1.50 0.0042 0.0036 0.049 2002.8 5.71 0.942 0.033 0.013 1.40 0.0063 0.0015 0.017 2003.5 7.23 0.613 0.027 0.008 0.88 0.0019 0.0035 0.014 2003.8 6.37 0.935 0.039 0.117 0.78 0.0039 0.0128 0.070 10 2002.5 4.53 0.776 0.036 0.019 0.95 0.0050 0.0009 0.067 2002.8 5.69 1.251 0.056 0.028 1.10 0.0052 0.0023 0.010 2003.5 8.14 0.450 0.015 0.064 0.35 0.0021 0.0007 0.021 2003.8 5.29 0.985 0.065 0.069 0.82 0.0023 0.0108 0.050 11 2002.5 6.35 0.243 0.013 0.025 0.58 0.0052 0.0025 0.058 2002.8 6.26 0.040 0.024 0.025 2.29 0.0196 0.0038 0.055 2003.5 7.18 0.657 0.034 0.009 0.39 0.0022 0.0002 0.013 2003.8 6.19 0.891 0.051 0.104 1.10 0.0025 0.0135 0.110 12 2002.5 6.35 0.634 0.018 0.253 0.41 0.0064 0.0040 0.061 2002.8 6.50 0.216 0.031 0.037 1.15 0.0043 0.0008 0.015 2003.5 8.34 0.563 0.050 0.026 1.70 0.0031 0.0002 0.005 2003.8 5.46 0.881 0.036 0.073 0.86 0.0031 0.0134 0.044 13 2002.5 4.88 0.461 0.016 0.010 0.58 0.0082 0.0064 0.065 2002.8 6.50 0.752 0.033 0.004 1.07 0.0043 0.0013 0.021 2003.5 7.88 0.380 0.016 0.005 0.37 0.0013 0.0004 0.006 2003.8 5.65 0.780 0.053 0.072 1.01 0.0020 0.0117 0.042 14 2002.5 6.44 0.684 0.014 0.053 0.62 0.0102 0.0028 0.038 2002.8 6.41 0.250 0.019 0.013 1.25 0.0066 0.0016 0.027 2003.5 8.24 0.597 0.021 0.002 0.37 0.0019 0.0001 0.010 2003.8 6.43 0.299 0.030 0.064 1.12 0.0023 0.0083 0.117 15 2002.5 6.86 0.916 0.021 0.075 0.54 0.0058 0.0031 0.057 2002.8 6.77 0.618 0.019 0.025 1.07 0.0030 0.0005 0.013 2003.5 7.61 0.590 0.030 0.010 1.17 0.0024 0.0001 0.017 2003.8 5.70 0.733 0.034 0.036 0.72 0.0023 0.0148 0.026 16 2002.5 5.27 0.584 0.024 0.009 0.62 0.0052 0.0018 0.061 2002.8 6.86 0.680 0.028 0.002 0.99 0.0036 0.0007 0.019 2003.5 8.58 0.641 0.017 0.043 1.04 0.0025 0.0003 0.010 2003.8 5.76 0.683 0.043 0.011 0.93 0.0028 0.0104 0.093 17 2002.5 6.18 0.633 0.020 0.008 1.65 0.0058 0.0027 0.053 2002.8 6.07 0.729 0.027 0.011 1.03 0.0034 0.0005 0.031 2003.5 7.33 0.714 0.038 0.000 1.45 0.0016 0.0005 0.005 2003.8 6.25 0.659 0.041 0.032 0.95 0.0023 0.0108 0.013 18 2002.5 6.37 0.946 0.031 0.042 0.82 0.0050 0.0058 0.089 2002.8 6.58 0.492 0.016 0.011 1.32 0.0044 0.0009 0.015 2003.5 9.46 0.671 0.026 0.002 0.64 0.0034 0.0005 0.008 2003.8 6.05 0.657 0.032 0.058 0.60 0.0028 0.0072 0.128 19 2002.5 4.99 0.957 0.022 0.021 0.68 0.0040 0.0001 0.124 2002.8 6.47 0.896 0.035 0.016 1.24 0.0034 0.0008 0.028 2003.5 10.1 0.698 0.026 0.006 1.14 0.0018 0.0002 0.008 2003.8 6.68 0.519 0.031 0.058 0.60 0.0020 0.0075 0.088 20 2002.5 5.49 0.579 0.014 0.009 0.43 0.0026 0.0004 0.046 2002.8 6.46 0.890 0.026 0.024 0.78 0.0045 0.0008 0.012 2003.5 9.42 0.178 0.009 0.008 1.62 0.0029 0.0002 0.020 2003.8 5.60 1.011 0.038 0.056 0.93 0.0028 0.0094 0.031
下载: 导出CSV
表 3 不同海水类别的分界值样本
Table 3 The division value of different kind seawater
mg · L-1 类别
class溶解氧
DO无机氮
TIN磷酸盐
PO4-P铅
Pb铜
Cu锌
Zn化学耗氧量
COD石油类
petroleumⅠ 6 0.2 0.015 0.001 0.005 0.020 2 0.05 Ⅱ 5 0.3 0.030 0.005 0.010 0.050 3 0.05 Ⅲ 4 0.4 0.030 0.010 0.050 0.100 4 0.30 Ⅳ 3 0.5 0.045 0.050 0.050 0.500 5 0.50
下载: 导出CSV
表 4 珠江口海水样品的BP人工网络模型输出值及其水质类别
Table 4 The BP artificial neural network output values and water quality ranks of seawater samples from Pearl River Estuary
站号
station采样日期
sampling模型输出值
the model水质类别
water quality站号
station采样日期
sampling模型输出值
the model水质类别
water quality1 2002.5 2.111 Ⅱ 11 2002.5 1.553 Ⅱ 2002.8 2.040 Ⅱ 2002.8 1.867 Ⅱ 2003.5 2.149 Ⅱ 2003.5 2.256 Ⅱ 2003.8 4.028 Ⅳ 2003.8 3.718 Ⅳ 2 2002.5 1.677 Ⅱ 12 2002.5 2.381 Ⅱ 2002.8 1.675 Ⅱ 2002.8 1.626 Ⅱ 2003.5 2.967 Ⅲ 2003.5 2.457 Ⅱ 2003.8 4.793 超Ⅳ类 2003.8 3.454 Ⅳ 3 2002.5 1.707 Ⅱ 3 2002.5 2.269 Ⅱ 2002.8 1.492 Ⅰ 2002.8 2.750 Ⅲ 2003.5 1.499 Ⅰ 2003.5 1.187 Ⅰ 2003.8 3.337 Ⅲ 2003.8 3.571 Ⅳ 4 2002.5 2.310 Ⅱ 14 2002.5 2.263 Ⅱ 2002.8 1.402 Ⅰ 2002.8 1.571 Ⅱ 2003.5 3.086 Ⅲ 2003.5 1.602 Ⅱ 2003.8 4.126 Ⅳ 2003.8 2.201 Ⅱ 5 2002.5 1.474 Ⅰ 15 2002.5 2.780 Ⅲ 2002.8 1.431 Ⅰ 2002.8 2.028 Ⅱ 2003.5 1.267 Ⅰ 2003.5 2.086 Ⅱ 2003.8 3.619 Ⅳ 2003.8 3.094 Ⅲ 6 2002.5 1.973 Ⅱ 16 2002.5 2.474 Ⅲ 2002.8 1.648 Ⅱ 2002.8 2.361 Ⅱ 2003.5 2.824 Ⅲ 2003.5 1.701 Ⅱ 2003.8 3.676 Ⅳ 2003.8 3.274 Ⅲ 7 2002.5 4.161 Ⅳ 17 2002.5 2.511 Ⅲ 2002.8 2.701 Ⅲ 2002.8 2.625 Ⅲ 2003.5 3.110 Ⅲ 2003.5 2.613 Ⅲ 2003.8 4.160 Ⅳ 2003.8 2.956 Ⅲ 8 2002.5 2.967 Ⅲ 18 2002.5 3.298 Ⅲ 2002.8 1.538 Ⅱ 2002.8 1.812 Ⅱ 2003.5 1.978 Ⅱ 2003.5 1.720 Ⅱ 2003.8 2.678 Ⅲ 2003.8 2.856 Ⅲ 9 2002.5 1.829 Ⅱ 19 2002.5 3.297 Ⅲ 2002.8 3.267 Ⅲ 2002.8 3.109 Ⅲ 2003.5 2.169 Ⅱ 2003.5 1.727 Ⅱ 2003.8 3.445 Ⅲ 2003.8 2.392 Ⅱ 10 2002.5 3.262 Ⅲ 20 2002.5 2.032 Ⅱ 2002.8 3.940 Ⅳ 2002.8 2.786 Ⅲ 2003.5 1.412 Ⅰ 2003.5 1.038 Ⅰ 2003.8 4.048 Ⅳ 2003.8 3.616 Ⅳ
下载: 导出CSV
-
[1] 楼文高. 海水水质评价的人工神经网络模型[J]. 海洋环境科学, 2001, 20(4): 49-53. doi: 10.3969/j.issn.1007-6336.2001.04.012 [2] 国家环境保护总局监督管理司. 中国环境影响评价[M]. 北京: 化学工业出版社, 2000. [3] 徐恒振, 尚龙生. 海水水质评价的灰色局势决策水质级数法[J]. 海洋环境科学, 1994, 1(4): 36-42. https://qikan.cqvip.com/Qikan/Article/Detail?id=1362148 [4] 徐恒振, 尚龙生, 周传光. 海水水质评价的物元分析法[J]. 海洋环境科学, 1996, 15(3): 10-14. [5] 阎平凡. 人工神经网络的容量、学习与计算复杂性[J]. 电子学报, 1995, 23(1): 63-67. http://lib.cqvip.com/Qikan/Article/Detail?id=1722537 [6] 江学军, 唐焕文. 前馈神经网络泛化能力的系统分析[J]. 系统工程理论与实践, 2000, 20(8): 36-40. doi: 10.3321/j.issn:1000-6788.2000.08.007 [7] 杨志英. BP神经网络在水质评价中的应用[J]. 中国农村水利水电, 2001, (9): 27-29. doi: 10.3969/j.issn.1007-2284.2001.09.010 [8] 李凤全, 林年丰. 神经网络和地理信息系统耦合方法在地下水水质评价中的应用[J]. 长春科技大学学报, 2001, 31(1): 50-53. doi: 10.3969/j.issn.1671-5888.2001.01.010 [9] 许振成. 珠江口海域环境及其综合治理问题辨析[J]. 热带海洋学报, 2003, 22(6): 88-93. doi: 10.3969/j.issn.1009-5470.2003.06.012 [10] 王晓明, 仲铭锦, 廖文波, 等. 珠江口沿岸地区资源环境及可持续发展措施[J]. 中山大学学报(自然科学版), 2003, 42(6): 73-77. doi: 10.3321/j.issn:0529-6579.2003.06.019 [11] 朱小鸽, 何执兼, 邓明. 最近25年珠江口水环境的遥感监测[J]. 遥感学报, 2001, 5(5): 396-401. https://d.wanfangdata.com.cn/periodical/Ch9QZXJpb2RpY2FsQ0hJTmV3UzIwMjQxMTA1MTcxMzA0Eg15Z3hiMjAwMTA1MDEzGggxdTNxOW1scA%3D%3D [12] 周言遐. 珠江口及邻近海域水质状况分析[J]. 海洋通报, 1994, 13(3): 24-30. https://xueshu.baidu.com/usercenter/paper/show?paperid=55f28842d6dc7437cb6ca21c00753693&site=xueshu_se&hitarticle=1 [13] 周瑛, 刘洁, 吴仁海. 珠江三角洲水环境问题及其原因[J]. 云南地理环境研究, 2003, 15(4): 47-53. doi: 10.3969/j.issn.1001-7852.2003.04.009 [14] 国家海洋局. 海洋监测规范[M]. 北京: 海洋出版社, 1991.
计量
- 文章访问数:
- HTML全文浏览量:
- PDF下载量:
粤公网安备 44010502001741号
