排序方式: 共有87条查询结果,搜索用时 15 毫秒
1.
海伦地区水热耦合特征及其对大豆产量的影响 总被引:1,自引:0,他引:1
农业是受气候变化影响的主要敏感行业之一,气候变暖带来的气温升高以及降水格局的改变对农作物生产有利有弊。论文基于黑龙江海伦地区1978—2004年生长季≥10℃有效积温、降水量和统计年鉴中的大豆产量数据,以积温和降水在季节上的匹配程度作为判断水热耦合的指标,采用气候波动指数、减产风险指数作为大豆产量受气候波动影响程度的指标,研究了在生长季降水量下降和≥10℃有效积温增加的趋势下水热耦合的年际和年内变化特征及其对大豆产量的影响,并分析了偏干旱、正常和湿润年份大豆产量受气候波动影响的特征和减产风险性。结果表明,大豆气候波动指数和产量减产风险指数从大到小均依次为偏干旱年、偏湿润年和正常年,说明海伦地区受气候暖干化影响较大。 相似文献
2.
北京北部水系沉积物中重金属的研究 总被引:12,自引:1,他引:11
主要研究了北京市北部水系沉积物中重金属(As、Hg、Cd、Cr、Cu、Mn、Ni、Pb、Ti和Zn)含量和来源.在潮白河及密云水库流域采集了17个沉积物样品,温榆河流域采集了5个样品,重金属含量As和Hg采用原子荧光光谱法测定,Cd、Cr、Cu、Mn、Ni、Pb、Ti和Zn含量用电感耦合等离子发射光谱法测定.研究结果表明,沉积物中重金属元素没有出现明显的富集状况,只有Hg、Cd、Cr和Zn在一些采样点有较高的富集.相关性分析表明Hg、Cd、Zn和Cu互相之间呈显著正相关(r0.06;p0.01),而Hg与Cr、Mn、Ni、Pb和Ti没有明显的相关性.通过主成分分析研究重金属的来源,发现前3个主成分贡献率分别为38%、23%和17%.因此,Hg、Cd、Zn和Cu作为第一主成分被认为与人类活动的工矿业开采有关,第二主成分As和Mn与人类活动的农业生产和生活污水排放有关,第三主成分Cr、Ni和Ti与岩石风化和土壤侵蚀有关. 相似文献
3.
基于多准则分析的非点源污染评价和分区——以北京怀柔区北宅小流域为例 总被引:2,自引:0,他引:2
非点源污染控制难度大、成本高,因此有必要对污染源划分等级,从而分别进行管理与规划.本研究提出了“风险评价-规划分区-分别管理”的非点源污染规划思路.“风险评价”在借鉴已有的非点源风险评价模型基础上,提出了基于多准则分析的非点源污染评价方法.该评价方法以土地利用因子、径流因子和距离因子为参评指标,采用改进的理想解法(Technique for order preference by similarity to ideal solution,TOPSIS)确定因子权重,减少了人为主观性;“规划分区”依据“适度保护、优先规划、重点管理”的原则,结合风险评价结果,可将流域划分为5类管理分区;“分别管理”是对各类管理区分别配以针对性的BMPs和生态工程措施.“风险评价-规划分区-分别管理”这套方法层层递进不仅能评价流域非点源污染,也能定量为流域内非点源污染源的管理提供科学方案.最后将该方法在北宅小流域进行了应用,结果表明,该方法克服了传统方法的过于主观、局限性大的缺陷,可为类似流域非点源污染评价和管理提供参考. 相似文献
4.
密云水库底泥和库滨区土壤中氨氧化细菌的多样性和丰度 总被引:2,自引:1,他引:1
采用分子生物学方法(T-RFLP、定量PCR)研究了密云水库底泥沉积物和库滨带土壤中氨氧化细菌(AOB)的多样性和丰度特征,并使用Canoco for Windows 4.5软件和皮尔森相关系数法,探究了环境因子对AOB群落的影响.结果表明,沉积物和库滨区土壤中AOB的多样性和数量都存在较大的差异.其中,AOB群落被聚成两大类:沉积物与土壤.沉积物样品中AOB群落结构与其它样品差异较大.沉积物中AOB的多样指数最低,而在农田土壤中AOB多样性指数最高.农田土壤中的amoA基因拷贝数最大,是底泥沉积物中的48倍.此外,RDA(Redundancy Analysis)分析表明,在沉积物和水陆交错带土壤中,AOB的优势种与NH4+-N、NO3--N、TOC、pH成正相关关系,而在陆相土壤和农田土壤中,AOB的优势种与这些环境因子成负相关关系.其中,TOC是影响AOB的群落结构的关键理化因子. 相似文献
5.
以某含1,2-二氯乙烷等10种有机物污染土壤回填项目为例,介绍了2种方法(三相平衡耦合地下水稀释模型和Sesoil耦合地下水稀释模型)在评估土壤污染对地下水影响中的具体应用并进行了比较.结果表明,采用US EPA(美国国家环境保护局)推荐的三相平衡耦合地下水稀释模型预测的地下水中目标污染物浓度高于新泽西州推荐的Sesoil耦合地下水稀释模型的3~10倍,污染物亨利常数及碳水分配系数越高,二者的差异越明显,达到1个数量级.对于多环芳烃类的强疏水性有机污染物,2种方法的评估结论无本质差异.出于保守性及调查成本的考虑,在制订国家或区域范围基于保护地下水的土壤通用筛选值时,建议采用所需参数相对较少的三相平衡耦合地下水稀释模型的方法,以节约调查成本.对于具体评估项目,当污染物浓度超过通用筛选值时,建议进一步对场地水文地质条件进行调查,采用Sesoil耦合地下水稀释模型重新评估并计算该特定场地的筛选值,以节约修复成本. 相似文献
6.
修复达标土壤回填对地下水环境影响的层次化评估方法应用研究 总被引:2,自引:1,他引:1
以含1,2-二氯乙烷等10种有机物污染土壤异位修复后回填为例,采用层次化方法评估将按原厂址健康风险评价确定的修复目标进行达标修复后的土壤回填对回填区地下水下游700 m处饮用水井水质的影响.第一层次预测结果显示8种污染物在回填土层淋溶液中的浓度将超过评价标准,可能对目标水井水质造成污染.考虑回填区非饱和带土壤的吸附截留进行第二层次评价的结果显示,到达回填区地下水水面处浓度依然超过评价标准的污染物降低至6种,不能排除对目标水井的水质影响.进一步考虑地下水混合稀释进行第三层次评估的结果显示,经地下水混合稀释后,超过评价标准的污染物降低至4种.最后,考虑饱和带吸附截留作用进行第四层次评估的结果显示,目标水井中超过评估标准的污染物仅1种.由此可见,随着评估层次的不断深入,虽然所需开展的工作及获取的场地参数增加,但是污染物预测浓度更接近目标预测点的浓度,需调整修复目标的污染物数量逐渐减少,污染防治成本将逐渐降低. 相似文献
7.
目前对水质模型进行参数率定通常利用计算机算法来实现,但由于水质模型日趋复杂的非线性结构往往会导致"异参同效"现象,无法通过单个似然度判断参数的取值是否能够取得真值.为避免这一情况,本文提出了一套基于GLUE法的多目标模型参数率定方法,并以WASP水质模型的应用为例,通过Sobol方法确定模型的敏感参数,并利用DO、CBOD、氨氮、硝态氮4项指标的似然函数对参数同时进行率定.结果表明,该方法既可以有效地避免因追求"过拟合"而造成模型参数取值不当,也可以减小模型参数的不确定性,为具有"异参同效"现象的复杂模型的参数率定工作提供了一个更为可靠的方法. 相似文献
8.
选取奥林匹克森林公园人工湿地作为典型再生水补水人工湿地净化系统进行水质数据检测,应用模糊综合评价法综合评估各净化单元的水体污染状况,采用综合判别分析和Spearman相关分析阐释影响各净化单元时空变异的水环境要素,并通过因子分析识别不同时间段污染源的种类和组成.结果表明,奥林匹克森林公园人工湿地净化系统水质状况较好,符合人体非直接接触的景观用水国家标准.人工湿地各净化单元时空区间污染程度不同:季节尺度上,秋季污染更为严重;空间尺度上,主湖区、混合氧化塘区污染最为严重.CODMn、NO-3-N、ORP、TN 4项指标即可完全表征水质的季节差异(91.8%),应适当加大监测力度;Chl-a、CODMn、DO、pH 4项指标用于表征空间差异(55.1%),较低的判别正确率暗示了各功能区间类似的污染状况.不同时空区间污染源种类和组成存在差异性:水体的内源杂质是各季度影响水质的主要因子,春季有机污染最为严重,夏季则转为氮、磷等营养物质污染,秋季水体则更易受富营养化的威胁;再生水区水体污染的主要影响因子为氮、磷等营养盐类,其余功能区水体主要影响因子仍为内源杂质.增强水体流通力,缩短水力停留时间,能够有效减弱富营养盐类和有机污染物的影响. 相似文献
9.
城市河道是城市再生水利用的主要载体,而人工湿地是城市再生水河道补水前主要的水质净化方式.为了解再生水补水与人工湿地对再生水补水段水质的影响,选取北京市潮白河再生水补水河段作为研究对象,利用聚类分析、判别分析及因子分析等方法对不同季节水体的水质情况进行分析.结果表明:研究区内水体氮磷污染严重,其中TN污染表现为NO3--N、NO2--N和NH4+-N的混合型污染.聚类分析结果表明,水质在季节尺度上表现为丰水期(6-9月)和枯水期(2月、3月、5月和12月)两大类;在空间尺度上受再生水补水和湿地净化的影响表现为显著的空间差异性.判别分析结果表明,再生水补给对河道水质的影响无显著季节差异,湿地净化功能在丰水期和枯水期差异较大且丰水期湿地的净化效果最为明显.因子分析结果表明,再生水作为城市河道的补充水源,一方面对河道中的F-、Chl-a等起到稀释作用,另一方面使得水体中的N、P及离子含量增加;丰水期湿地的净化作用使水体中氮磷等有机营养物质含量及ρ(TDS)等显著降低. 相似文献
10.
《环境科学与技术》2017,(1)
城市交通排放是大气环境污染的主要因素,研究污染物排放的空间分布对制定减少排放的公共政策提供依据。该研究根据北京市城区路网车流数据计算机动车尾气排放量基于空间自相关分析和聚类分析的方法确定污染物排放的空间模式。结果表明:轻型汽车流量在路网中比例为93%,对CO和HC排放的贡献率分别为93%和89%重型汽车流量在路网中比例为6%对PM和NO_x排放的贡献率分别为92%和73%,摩托车的流量和污染物排放比例均较低;通过全局空间自相关分析发现,车流量和污染物排放强度的空间模式为聚集模式通过高/低聚类分析发现车流量和污染物总排放量的空间模式为高值聚集;热点图分析结果表明;北京市机动车尾气排放的热点地区主要位于二环至四环之间的中部和北部地区。 相似文献