台风强降雨输入水源水库的泥沙沉降模拟分析

台风强降雨作用能够引起湖泊水体中悬浮泥沙含量升高、水体营养盐浓度改变、透明度降低,使得藻类生长受到影响。目前关于水体中悬浮泥沙静态沉降的研究主要集中在正常条件下,而有关极端气候台风强降雨后泥沙自然沉降过程对水质的影响研究还相对较少。因此,进行台风强降雨输入水源水库的泥沙静态沉降实验研究,对于分析识别极端气候条件对水源水库水质和富营养化的影响具有重要意义。该研究于2015年10月强台风"彩虹"登陆粤西期间,采集台风强降雨后高州水库含悬浮泥沙的原水,通过实验模拟台风强降雨期间水库含沙原水自然沉降过程中水环境因子的变化情况,分析台风强降雨输入的泥沙沉降对高州水库水质的影响。结果表明,泥沙沉降过程中水体水质变化明显,随沉淀时间延长,水体溶解氧、pH、泥沙含量、浊度、氮磷浓度、叶绿素a、综合营养状态指数(Trophic Level Index,TLI)降低,透明度增大,氮磷比呈先增加后降低趋势;水体叶绿素a浓度与浊度、泥沙含量、总磷、pH和溶解氧呈显著正相关(P0.001),且与浊度的相关系数最高(r=0.941,P0.001),与透明度呈显著负相关(P0.001),与总氮、电导率、CODMn的相关性未达到显著水平(P0.01);台风后约9d时间,水体pH、电导率、溶解氧、透明度、浊度和泥沙含量可以恢复至正常水平;台风强降雨输入高州水库的泥沙沉降作用降低了水体磷营养盐和叶绿素a浓度,使得综合营养状态指数TLI由中营养水平的41.6降低至贫营养水平的23.4,减缓了高州水库富营养化进程。     

乌梁素海叶绿素a的时空分布及其与环境因子的关系

叶绿素a是浮游植物均具有的光合色素,是评价水环境质量的重要指标之一。以叶绿素a为指示性指标对冰封期和非冰封期叶绿素a及相关环境因子含量指标进行了监测,以了解乌梁素海水体叶绿素a在治理前后(2014-2017年)在时间和空间上的分布变化特征及影响因素,尤其是针对寒区湖泊的特点,对冰封期叶绿素a、总氮、总磷的时空分布进行了深入分析,运用相关性分析和逐步回归分析方法探讨了叶绿素a与理化环境因子的关系。结果表明,绿素a总体上呈冰封期高于非冰封期的特征,2014-2016年叶绿素a呈逐年递减趋势,但2017年又略有回升,且区域性差异显著,与氮磷营养盐空间分布趋势一致,表现为湖北区总排干入水口附近大于湖心区和湖南区。影响乌梁素海的主要水化学因子依次为总磷、溶解氧、溶解无机磷、总氮、正磷酸盐、总溶解性固体;同时,透明度与叶绿素a呈极显著负相关;冰层厚度因其影响冰下水体污染物的蓄积,也是影响水域环境的关键因素。总体上,治理后叶绿素a较治理前有明显的下降趋势,表明湖北区总排干入湖水的污染物得到了有效控制,对乌梁素海水体污染控制与修复取得了一定成效,同时也显现出乌梁素海冰封期水体由于水体冻结使得污染物析出,致使冰下水体富营养化较其他时期严重。     

模拟酸雨对不同营养水平湖泊pH值的影响

长江中下游湖区是全球的强酸雨中心之一,为了研究酸雨对该地区湖泊p H值的影响,通过野外调查和实验模拟展开了研究。对长江中下游68个湖泊的调查结果表明,酸雨区湖泊p H均值显著低于非酸雨区(P0. 05)且湖泊p H值与水温、溶解氧含量和叶绿素a含量呈显著正相关,与总氮、硝酸盐、溶解性无机碳含量和浊度呈显著负相关。模拟实验结果表明,在不同p H值(2. 5、4. 0和5. 0)酸雨作用下,虽然各处理组p H值日变化趋势相同,但低营养组p H值低于高营养组且p H值增加速率慢于后者,低和高营养组不同酸雨处理p H值差异均随时间推移逐渐减小。实验结束时,实验组和对照组p H值无显著差异。湖泊富营养化会增加叶绿素a含量,增强水体对酸雨的缓冲能力,但持续性酸雨会对湖泊p H值、水生生物和生物地球化学循环产生潜在影响。     

络合硫酸铜除藻剂应急治理水华对水质及鱼类的影响

在水华爆发严重时期,投加络合硫酸铜除藻剂对富营养化池塘进行应急治理,考察了投药后水体的水质动态变化及非洲鲫鱼对铜的富集作用。结果表明,水华在投药后得到了有效控制,ρ(叶绿素a)从298.98降至40.71μg.L-1,浊度从14.45降至5.70 NTU,投药期间水体ρ(Cu2+)低于0.3 mg.L-1;停止投药后10 d藻类生物量开始上升,叶绿素a浓度从40.71上升至125.29μg.L-1,浊度从5.70上升至12.15 NTU,22 d后水体ρ(Cu2+)低于检出限。非洲鲫鱼各组织对铜的富集能力从大到小依次为肝脏(512.50 mg.kg-1)、鳃(17.00 mg.kg-1)、肌肉,鱼肉中未发现明显的铜富集,停止投药后鱼鳃中铜富集量明显降低。     

三峡库区高阳平湖水体富营养化主要驱动因子研究 ——基于主成分分析法

研究各种水质因子(水温、溶解氧、电导率、pH、营养盐等)对三峡库区支流水体富营养化的驱动效果,为库区支流水体富营养化的防控与治理提供科学依据.于2018年11月至2019年10月在三峡库区高阳平湖进行了12次样品采集,获取了水温、水体pH、营养盐、水体溶解氧等指标数据,利用主成分分析法研究三峡库区支流水体富营养化状况,...     

崇明岛典型河道水体中叶绿素a动态特征及其与环境因子的相关分析

目前,水体富营养化已成为最棘手的全球环境问题之一。分析水体中叶绿素a时空分布特征、变化规律及其影响因素,可为水体的生态修复提供重要的数据支持。选取崇明岛典型河道团旺河水体为研究对象,布设7个采样点,于2013年4月—2014年3月间对各采样点进行叶绿素a、水温、透明度、TN、TP、氨氮、高锰酸盐指数等水质因子的监测与评价。结果表明,该河道中叶绿素a浓度及相关环境因子随季节变化较为显著,叶绿素a浓度季节性变化表现为夏季(42.33μg?L~(-1))春季(31.68μg?L~(-1))秋季(20.88μg?L~(-1))冬季(11.70μg?L~(-1))。SPSS分析结果表明,叶绿素a与总氮、总磷及温度间呈显著相关关系,而与其他环境因子相关关系不显著。建立了叶绿素a的多元回归方程:Y=377.873X_1-0.507X_2+0.505X_3-21.834(r~2=0.911),验证方程ρ计算(Chl-a)=2.503+0.905×ρ实测(Chl-a)(r2=0.946)表明,该回归方程能够准确地预测团旺河水体叶绿素a的变化趋势,可为水体富营养化的预警提供可靠的科学依据。     

乌梁素海叶绿素a与理化因子的统计分析

利用2008年6月—10月乌梁素海水体叶绿素a浓度与环境理化因子的测定结果,分析了叶绿素a的时空分布特征.运用分层聚类分析法将乌梁素海现有的20个测点分成四类,找出各类测点及总测点中与叶绿素a显著相关的理化因子,建立了多元逐步回归方程.2008年乌梁素海各测点叶绿素a的平均值为6.31 mg.m-3,变幅1.54—26.87 mg.m-3;夏季最高,秋季居中,春季最低,整个区域呈现较明显的东北高西南低的分布趋势.应用SPSS统计分析软件进行相关分析的结果表明叶绿素a与BOD5、悬浮物、浊度、总磷都呈极显著相关,与透明度呈极显著负相关,与pH值和溶氧呈显著负相关.综合逐步回归方程表明,影响乌梁素海叶绿素a的理化因子因不同类型的测点各有所不同,但主要的影响因子有浊度、悬浮物、总磷、总氮、硝酸盐氮和亚硝酸盐氮.     

滇池水体磷的时空变化与藻类生长的关系

水体磷的时空变化与藻类生长的关系对研究水体富营养化具有十分重要的作用。采用GPS定位,对滇池海埂、斗南、罗家村、新街、昆阳等5个代表性位点监测断面水体总磷、可溶性磷及叶绿素a含量进行了为期1年（2003年5月至2004年5月）的动态研究,并在滇池海埂位点进行了日变化试验,全面分析了滇池不同区域、不同层次、不同时期水体总磷和可溶性磷的年变化、日变化及水体氮/磷比对藻类生长的影响。结果表明,滇池水体磷与藻类生长呈现显著的年变化和日变化特征,显示了滇池全湖水体总磷与叶绿素a周年变化呈显著正相关,水体可溶性磷与叶绿素a呈正相关趋势;海埂位点水体总磷与叶绿素a日变化呈显著正相关,水体可溶性磷与叶绿素a日变化呈显著的负相关,水体氮磷比与叶绿素a呈显著正相关。表明水体磷负荷对藻类生长影响呈现显著的水体区域性和水层差异性和季节性,藻类生长主要吸收水体中的可溶性磷,暗示了滇池水体磷是藻类生长的主要限制因子之一。     

河流泥沙对污染河水中污染物的吸附特性研究

泥沙是河流水体的重要组成部分,在迁移过程中吸附一定的氮、磷进入底层或下游,从而改变水中污染物的分布。通过模拟试验,选择粒径76μm以下泥沙研究不同泥沙含量、不同污染程度等条件下,河流泥沙对污染河水中氮、磷等污染物的吸附特性。结果表明:河流泥沙对污染河水的氮、磷及高锰酸盐指数均有一定的吸附效果,特别是对氮、磷的等温吸附比较明显;与对照相比,含泥沙的试验组水体磷质量浓度最大降低值达0.53mg·L-1;水体溶解性总氮随时间延长,含量逐渐下降。污染物含量、泥沙含量、粒径等均会影响泥沙对污染物的吸附,污染物含量越高、泥沙含量越大、粒径越小吸附效果相对越好。泥沙吸附和富集污染物后沉降进入水体底层,离开水相,因而可以降低水中污染物含量,达到净化水质的作用。     

长江重庆段溶解性有机物的荧光特性分析

利用三维荧光光谱(EEMs),并结合平行因子分析(PARAFAC)及主成分分析(PCA),研究了长江重庆段溶解有机物(DOM)的荧光组分特征及其污染来源,并探讨了荧光强度同溶解性有机碳(DOC)及溶解氧(DO)的相关性.结果表明,PARAFAC模型识别出长江重庆段DOM由2类6个荧光组分组成,即类腐殖质荧光组分C1(350/422 nm)、C4(245,305/395 nm)、C5(260,340/420 nm)、C6(260/480 nm)及类蛋白荧光组分C2(275/300 nm)、C3(227,278/329 nm).在DOM来源组成中,陆源的类腐殖质含量占62.56%,类蛋白物质含量占31.31%.类腐殖质组分的荧光强度同DOC的含量存在明显的线性正相关(r=0.73),类蛋白组分的荧光强度同DO的含量呈明显的线性负相关(r=0.80).EEMs-PARAFAC不仅可以表征长江重庆段DOM的光谱特征,示踪长江重庆段的有机污染程度,还可以为三峡库区水体保护提供依据.     

三峡水库浮游植物群落特征及水体富营养化评价

基于2003—2017年三峡水库浮游植物群落结构、优势种群的变化和2017年水库干支流水质数据,全面分析浮游植物群落结构和演替特征,并运用综合营养状态指数法对水体富营养化程度进行评价。结果表明,三峡水库浮游植物种类丰富,监测期间共鉴定出浮游植物7门62属,细胞密度在7.5×10~4~2.8×10~7cell/L之间变化,Shannon-Wiener多样性指数为1.0~3.0,在α-中污带和β-中污带之间,说明三峡水库水生态环境健康状况相对较好;三峡水库浮游植物季节性演替特征呈硅藻和甲藻向蓝藻和绿藻演替的趋势,年际变化特征分析发现浮游植物密度在2008年175 m实验蓄水后大量增长,且优势藻类由河道型藻类向湖泊型藻类转化。通过监测数据分析,得出三峡水库干流处于中营养状态,支流在春季主要处于轻度富营养状态,秋季支流比春季支流的富营养化程度低,主要处于中营养状态,总氮(total nitrogen,TN)、总磷(total phosphorus,TP)和透明度(transparency,SD)为水质主要影响因子。     

三峡水库香溪河库湾氮磷分布状况及沉积物污染评价

为了解三峡大坝蓄水完成之后香溪河库湾水体及沉积物中氮、磷的分布状况以及沉积物污染水平,2013年4月对三峡水库香溪河库湾进行调查采样,测定表层水及沉积物中氮磷含量和形态组成。结果表明,香溪河库湾表层水总磷(TP)含量范围为0.20~0.51 mg·L~(-1),总氮(TN)含量范围为0.54~2.25 mg·L~(-1),TP主要由磷酸盐(PO_4~(3-))组成,TN主要由硝酸盐(NO_3~-)以及氨氮(NH_4~+)组成,TP在空间上呈现从河口向库尾逐渐升高的分布格局,TN分布从河口向库尾逐渐降低。香溪河库湾沉积物中TP含量变化范围为642~1 189 mg·kg~(-1),TN含量变化范围为867~1 718 mg·kg~(-1),沉积物TP含量分布呈现上游高下游低,沉积物TN分布趋势呈现中间高,两头低。沉积物中TP主要由无机磷(IP)组成,有机磷(OP)所占比例较小,其中IP由钙磷(Ca-P)、铁铝磷(Fe/Al-P)组成,三者含量:Ca-POPFe/Al-P,且沉积物TP含量空间变化受到三者影响(P0.05)。采用单一因子标准指数法对香溪河库湾沉积物中TN、TP污染水平进行评价,结果表明,表层沉积物中TN、TP最低级别污染指数平均值为2.0和1.6,表层沉积物中TN、TP污染指数均超过最低污染水平,且TP的严重级别污染指数达到0.5以上。三峡水库三期蓄水完成以后,香溪河库湾表层水体中氮磷含量较初期蓄水有所升高,各样点沉积物中氮磷含量表现出相同的趋势,沉积物中不稳定磷释放对水体富营养化具有影响,香溪河库湾的表层沉积物已经受到一定的污染,磷污染水平较高。     

Seasonal variation of nitrogen and phosphorus in Xiaojiang River—A tributary of the Three Gorges Reservoir

A yearlong monitoring program in the backwater area of Xiaojiang River (XBA) was launched in order to investigate the eutrophication of backwater areas in tributaries of the Yangtze River in the Three Gorges Reservoir (TGR) in China, starting after the impoundment water level of the TGR reached 156 m. From March 2007 to March 2008, the average concentration of total nitrogen (TN) and total phosphorus (TP) were (1553±484) μg·L^?1 and (62±31) μg·L^?1, respectively. The mean value of chlorophyll was (9.07±0.91) μg·L^?1. The trophic level of XBA was meso-eutrophic, while the general nutrient limitation was phosphorus. The results indicated that XBA has a strong ability to purify itself and has non-point source pollution from terrestrial runoff. The variation of TN/TP ratio was caused by a variation in TN rather than in TP when TN/TP < 22. N-fixation from cyanobacteria occurred and became an important process in overcoming the nitrogen deficit under a low TN/TP ratio. When TN/TP ? 22, the variation of TP affected the TN/TP ratio more significantly than TN. The increase of TP in XBA was caused mainly by particulate phosphorus, which could originate from a non-point source as adsorptive inorganic forms after heavy rainfall and surface runoff. An increase in the river’s flow could also contribute to an unstable environment for the growth of phytoplankton.     

水生植被恢复对东莞生态工业园区水质改善的影响研究

为促进工业园区水生态环境建设,以东莞生态产业园区水生态系统恢复为研究对象,研究了其建园初期水生植被恢复对重污染水体水质修复的影响,并应用因子分析法对水质与主要生态因子之间的相互关系进行了研究,探讨了水体修复效果与水生植被覆盖率的关系.结果表明：水生植被恢复可使园区生态岛群与月湖主要水质指标（总氮、总磷、氨氮和高锰酸盐指数）从建设初期（2011 年5 月）的劣V 类改善为II-III 类（2012 年）,透明度提高约1 倍,而下沙与大圳埔湿地也从劣V类（2011 年5 月）改善为IV-V 类（2012 年）,透明度提高约50%.10 项水质指标的因子分析表明,园区水质成因可归为综合营养因子（氨氮、高锰酸盐指数、叶绿素、透明度、总磷和总氮）、温度因子（温度、电导率、硝态氮）和光合作用因子（溶解氧和pH）,其中主导指标为氨氮、高锰酸盐指数、叶绿素a、透明度和总磷等.三类因子分别客观反映了修复水体的水质变化特点：氮磷及有机物的含量越低则水体透明度越高,水质越优;温度升高有利于水质改善;藻类光合作用减弱,则水质变优.生态岛群、月湖、下沙、大圳埔湿地的水生植被覆盖率分别为43.8%、22%、4.3%、9.1%,此差异与水质修复效果相关.回归分析显示水质指标与水生植被覆盖率呈极显著的二项式关系（p〈0.01）,根据拟合方程计算得出污染物浓度最低、透明度最高、综合水质最优时的水生植被覆盖率变动范围为30%~35%.因此,生态岛群与月湖的水质改善效果优于大圳埔湿地,大圳埔湿地则又优于下沙湿地;下沙与大圳埔湿地可通过适当增加浮、挺水植物的面积比例,提高水体修复能力.文中所得最适水生植被覆盖率范围可为华南地区工业园区水生态初期修复提供一定的参考价值.     

湖滨带植物群落对挟沙水体氮、磷污染物的截留效果

利用菖蒲(Gladiolus hybridus)、菱(Vallisneria spiralis)、黑藻(Hydrilla verticillata)、苦草(Vallisneria spiralis)、狐尾藻(Myriophyllum spicatum)及菹草(Potamogeton crispus)构建的人工湖滨带对挟沙水体氮、磷污染物的截留效果进行了研究。结果表明:人工湖滨带在截留水体悬浮泥沙颗粒物的同时可有效截留水体中的氮、磷营养物质,对防止富营养化具有积极的作用。一定的水力负荷下,滞留时间12h时,夏秋季节人工湖滨带对氮、磷的截留百分率分别为21.5%、34.8%,滞留24h时的氮、磷截留率分别为25%、31.1%。在冬春季节,滞留时间24h时,菹草对挟沙水体氮、磷的截留率分别为6.67%、10.83%,滞留时间48h时的总磷截留率为6.84%。不同水流滞留时间下人工湖滨带对挟沙水体氮磷的截留效果不同,滞留时间越长效果越明显,因此须保证一定的滞留时间才可取得较好的氮磷截流效果。人工湖滨带在截留径流氮、磷营养物的过程中,泥沙对氮、磷的吸附携带作用不容忽视。     

Application of a three-dimensional eutrophication model for the Beijing Guanting Reservoir, China

The Beijing Guanting Reservoir (BGR) is located northwest of Beijing and has been an important water supply reservoir ever since the construction of a dam near the town of Guanting in 1954. As a result of excessive nutrients and organic carbon loadings from the drainage basin over the last several decades, the BGR suffers from eutrophication as well as other contamination problems and has not been used as a drinking water supply reservoir since 1997. As a management step to restore the reservoir's water quality, a numerical model was developed based on the environmental fluid dynamics code (EFDC) framework. The model simulated three phytoplankton species based on the observed cyanobacteria, green algae, and diatom concentrations in 2004 for the Yongding arm of the reservoir, which is separated from the rest of the reservoir by a sand bar. The model was calibrated with vertical temperature profiles as well as the observed chlorophyll a and nutrients concentrations in the water column. The calibrated model was further applied to investigate management scenarios, which include reduction in external loadings of nutrients with constructed wetlands, biomanipulation, and transferring water from CeTian Reservoir. All three scenarios can reduce the peak chlorophyll a levels in the reservoir. The background nutrients were high, and reducing the external nutrients was effective only after a reduction in background nutrients after phytoplankton growth. The biomanipulation and water transfer scenarios could also delay the occurrence of the peak chlorophyll a. Because the model was developed based on one year of data, the model can only reveal the short-term effects of applying the management scenarios. Future studies will consider the long-term processes, such as diagenesis, when data are available to predict the long-term effects of the scenarios.     

基于InVEST模型的三峡库区(重庆段)生境质量时空演变分析

为识别生境质量优劣的具体区域,揭示土地利用变化下生境质量时空演变特征,对集大农村、大库区于一体的三峡库区(重庆段)开展生境质量研究.以2000、2010及2020年土地利用数据为基础,运用InVEST模型对三峡库区(重庆段)2000—2020年生境质量进行定量评价,并结合转移矩阵方法挖掘了生境质量退化的具体区域.结果表...     

中国东部浅水湖泊沉积物总氮总磷基准阈值研究

受人类活动的影响,东部浅水湖泊沉积物中总氮、总磷负荷很高,当外来污染源得到控制时,底泥中的营养盐会逐渐释放出来,对湖泊水质与生态系统影响很大。为合理削减湖泊内源污染,控制沉积物中营养盐向上覆水体释放,研究制定东部浅水湖泊沉积物总氮、总磷基准阈值,分别测定了100个湖泊的896个表层沉积物样品和8个典型湖泊11个柱芯的沉积物总氮（TN）、总磷（TP）含量,分析了沉积物TN、TP浓度剖面分布特征。通过频度分布法对100个湖泊沉积物总氮总磷的污染状况进行评价,通过背景值比较法确定了8个典型湖泊沉积物的TN、TP背景值。结果表明,100个湖泊的表层沉积物TN浓度范围在479.70~5 573.65 mg·kg-1,TP浓度范围在248.44~1000.33 mg·kg-1,不同湖泊表层沉积物中TN、TP值差异较大。8个典型湖泊沉积物总氮、总磷含量整体上表现出随着深度增加而下降变化趋势,在深层沉积物中含量保持稳定。所调查8个湖泊TN均值为1443.83 mg·kg-1,变化范围为247.45~3719.46 mg·kg-1,各湖泊中TN均值表现为：沱湖〉焦岗湖〉花园湖〉七里湖〉北民湖〉大通湖〉城东湖〉瓦埠湖;TP均值为519.62 mg·kg-1,变化范围为225.41~1944.89 mg·kg-1,各湖泊中TP均值表现为：北民湖〉大通湖〉七里湖〉焦岗湖〉沱湖〉瓦埠湖〉城东湖〉花园湖。不同湖泊沉积物总氮、总磷背景值差异很大。通过对100个湖泊表层沉积物TN、TP的频度分析发现,沉积物营养盐含量上25%点位对应的TP质量浓度398.51mg·kg-1,TN质量浓度为1106.24 mg·kg-1,沉积物营养盐含量下25%点位对应的TP质量浓度664.58 mg·kg-1,TN质量浓度为2916.66 mg·kg-1。通过互相之间的比较分析,推荐采用背景值比较法确定的各湖泊沉积物总氮、总磷背景值均值与频度分步法25%点位对应的总氮值和40%点位对应的总磷值作为东部浅水湖泊沉积物总氮、总磷基准阈值。因此,?     

Source identification and prediction of nitrogen and phosphorus pollution of Lake Taihu by an ensemble machine learning technique

● A machine learning model was used to identify lake nutrient pollution sources. ● XGBoost model showed the best performance for lake water quality prediction. ● Model feature size was reduced by screening the key features with the MIC method. ● TN and TP concentrations of Lake Taihu are mainly affected by endogenous sources. ● Next-month lake TN and TP concentrations were predicted accurately. Effective control of lake eutrophication necessitates a full understanding of the complicated nitrogen and phosphorus pollution sources, for which mathematical modeling is commonly adopted. In contrast to the conventional knowledge-based models that usually perform poorly due to insufficient knowledge of pollutant geochemical cycling, we employed an ensemble machine learning (ML) model to identify the key nitrogen and phosphorus sources of lakes. Six ML models were developed based on 13 years of historical data of Lake Taihu’s water quality, environmental input, and meteorological conditions, among which the XGBoost model stood out as the best model for total nitrogen (TN) and total phosphorus (TP) prediction. The results suggest that the lake TN is mainly affected by the endogenous load and inflow river water quality, while the lake TP is predominantly from endogenous sources. The prediction of the lake TN and TP concentration changes in response to these key feature variations suggests that endogenous source control is a highly desirable option for lake eutrophication control. Finally, one-month-ahead prediction of lake TN and TP concentrations (R² of 0.85 and 0.95, respectively) was achieved based on this model with sliding time window lengths of 9 and 6 months, respectively. Our work demonstrates the great potential of using ensemble ML models for lake pollution source tracking and prediction, which may provide valuable references for early warning and rational control of lake eutrophication.