大宁河叶绿素a的因子分值-多元线性回归预测模型研究

自从2003年三峡水库蓄水以后,其支流大宁河水华频发且频率呈上升趋势。叶绿素a(Chla)是指示水体中浮游植物初级生产力的有效指标。采用因子分值-多元线性回归方法研究了大宁河水体11个相关水质因子与Chl a之间的相关关系。因子分析用于简化水质指标之间的相关性,以因子得分（Score values）为自变量用于多元线性回归分析中。结果发现log（Chla）与6个因子分值明显相关,所获得多元线性回归模型为：log(Chl a)=0.579-0191×(Score 1)-0.013×(Score 2)-0.013×(Score 3)+0042×(Score 4)+0134×(Score 5)-0.059×(Score 6),相关系数 R= 0.731、相关系数的平方 R ²=0535,说明自变量可以解释因变量53.5%的差异性。实测数据验证结果表明：该模型能够较好的预测2010年1～10月水体中Chl a浓度的峰值和基本变化趋势     

三峡库区香溪河库湾沉积物重金属污染特征

2010年3月在三峡水库香溪河库湾获取了无扰动沉积物柱状样,在香溪河口的长江干流(长江右岸)获取了表层沉积物样,现场进行了环境因子测量和室内粒度分析、矿物分析、重金属元素含量分析。沉积物矿物以绿泥石、伊利石和石英为主,占到全部矿物的65%左右。柱状沉积物pH值随深度增加呈现变小的趋势,Eh值也有随深度减少的趋势,反映了环境还原性加强。R-型因子分析结果表明:重金属元素的含量随粒径变细、绿泥石和伊利石含量增加而增加,而随石英、白云石含量增加而降低;且重金属元素含量变化与pH值密切相关,当pH值下降时部分重金属容易重新释放出来而进入环境中。库湾下游具有较中上游高得多的重金属含量,沉积物中重金属的污染程度为无污染到轻度污染,且轻度污染出现于下游至干流。三峡水库蓄水前香溪河沉积物中重金属含量顺序大致为Zn>Pb>Cu>As>Cd,而蓄水后香溪河及干流沉积物均表现为Cu含量高于Pb。     

基于致洪暴雨预报的三峡水库洪水预估系统及试验评估

介绍了一种基于致洪暴雨预报,结合水文控制站水位、流量信息,运用多元统计回归模型开展的三峡水库洪水程度分级预估的方法.通过历史回代和2010、2011年预估试验应用表明:该预估系统稳定可靠,适用于三峡水库洪水程度预估,对三峡上游暴雨引发的洪水程度能进行准确的预估,而且对三峡上游支流的暴雨洪水预测也有一定的预见性.应用该系统三峡水库的洪水预见期可达3d以上,能为防汛决策和三峡水库防洪调度赢得时间.     

三峡水库防洪调度运行对洞庭湖区防洪减灾的贡献

位于长江中游的洞庭湖区为中国洪涝灾害频发地区之一。2010年的洪水是长江1998年大水后,也是三峡水库蓄水运用以来所遇到的首次较大洪水,在5次洪水过程中,三峡水库实施了5次防洪调度,较大程度地减轻了长江中下游地区的洪水压力。长江中游荆江既是连接三峡水库和长江中下游河道的纽带,又是沟通洞庭湖的水流通道。基于三峡水库出库流量与荆江三口、洞庭湖城陵矶的水文对应关系,以实测水情、灾情资料为依据,运用对比分析方法,揭示2010年汛期三峡水库防洪调度对减轻洞庭湖区的洪水压力及减少洪涝灾害损失的贡献率。结果表明：6~8月份三口入湖洪量减少约24261×108 m3,湖口城陵矶洪水位降低082 m;湖区减少洪涝灾害直接经济损失约19983×108元,间接经济损失约0638×108元     

三峡水库水质移动监测指标筛选方法研究

三峡水库水质移动监测体系构建对提升库区整体水质监测能力具有重要意义,其基础工作是科学筛选适合移动监测的水质指标。从三峡水库水质监测现状出发,分析三峡水库水质移动监测需求,并根据其水环境状况与移动监测特点,制定三峡水库水质移动监测指标选取原则。通过分析目前指标筛选的经典数学方法,并根据其不同特点与适用性,选用德尔菲法对水质移动监测指标进行初次筛选、主成分分析法进行第二次筛选,构成一套将定性筛选与定量筛选相结合的方式作为三峡水库水质移动监测指标选取方法,并以三峡库区长江干流典型断面江津大桥为例,用上述方法筛选出该断面移动监测指标为总氮、总磷、溶解氧、氟化物、铜、pH、COD、BOD、高锰酸盐指数、石油类、氨氮、汞、挥发酚与砷。研究结果可为三峡水库水质移动监测工作提供前期基础和理论支撑     

改进主成分分析与多元回归融合的汉丰湖水质评估及预测

基于2015—2017年汉丰湖水质监测数据,采用改进主成分分析和多元回归相融合的评价方法对水环境质量状况进行评价。先对水质主要影响因素采用改进主成分分析作降维处理并计算主成分得分值,再对选定的主成分作多元线性回归处理得到水质预测回归模型,并用于研究区水质的评估预测。结果表明:选出的4个主成分因子其累积方差贡献率达到87.3%,实现了数据结构的简化;同时,改进主成分回归预测值总体上更趋近于实测值,其预测结果的相对误差最大值4%,而常规方法预测结果的相对误差最大值接近10%,体现出该方法所建模型具有较高的预测精度。     

三峡水库主要入库河流磷营养盐特征及其来源分析

以2004～2005年的三峡水库3条主要入库河流(长江、嘉陵江、乌江)中的水文、水质的调查参数为依据,研究了三峡水库入库河流中主要的水文变化特征、磷营养盐的季节性分布规律、形态组成及富营养化状态.结果表明,3条入库河流的流量、悬浮物呈现明显的季节性变化,丰水期的悬浮物含量明显高于枯水期.3条入库河流总磷的平均值在0.12～0.29 mg/L之间,均远远高于20世纪70年代的总磷含量,长江朱沱断面水体的磷含量高于嘉陵江北碚断面和乌江武隆断面的磷含量.总磷含量(TP)中以总颗粒态磷酸盐(TPP)为主,平均占75%以上;3个监测断面中流量、悬浮物与TP、TPP均呈显著正相关性,TPP和TP也呈显著正相关性.结果表明泥沙将颗粒态磷带入河流是主要的磷污染源,总磷的污染受面源污染影响较大.氮和磷都不是三峡水库入库河流中浮游植物的限制因子,3条入库河流中的N/P值较高(＞30),表明磷有可能被优先消耗到低值.     

156 m蓄水后三峡水库小江回水区春季浮游植物调查及多样性评价

三峡水库于2006年10月底蓄水至156 m水位,标志着三峡工程顺利进人初期运行阶段.为了解新的水位高程下小江回水区水环境的现状以及浮游植物种群结构的变化,于2007年初开始对该区域的富营养化水平进行了跟踪观测.以2007年春季(4月)的2次常规监测数据为基础,应用多样性指数H、丰富度指数d、均匀性指数J,对小江回水区的5个监测断面进行了多样性评价并分析了小江回水区浮游植物种群结构的变化趋势.结果表明,各监测断面的H、d和J值分别为1.097 5～1.865 5、1.324 2～1.860 4、0.263 2～0.435 9;各监测断面的营养水平均为中度富营养型,其中渠马断面水质最差.黄石断面水质最好.浮游植物细胞密度和牛物量最大值出现在2007-04-08的渠马断面,分别达到了8.442×105celh/L和1.887 mg/L.小江回水区的藻类种群组成在这一时期也出现了明显的变化,从冬季的硅藻-绿藻为主的结构逐渐向初夏的绿藻-蓝藻为主的结构过渡.     

三峡水库典型支流不同时期的水质污染特征及其影响因素

为探究三峡水库特殊调度运行模式下支流水质分布特征及其主要影响因素,以库区一级支流香溪河和神农溪为例,于2018年7月（汛期）和10月（蓄水期）现场采样分析,利用水质指数（WQI）法进行水质评估和水质特征分析,并综合三维水动力观测资料、干支流水量交换分析识别水质变化的驱动因素.结果表明：①影响香溪河和神农溪WQI的主要参数为TN、NH₄⁺-N,且两支流WQI在7月为63~69,水质一般;10月为74~82,水质良好.水质在10月显著好于7月（p<0.01）,两支流间的WQI无显著差异（p>0.05）;另外,WQI在中间段要大于近河口和近上游段.②长江干流倒灌水体对支流水质的好坏起主导作用.汛期倒灌强度小但倒灌水体营养盐浓度较大,会增加支流营养盐浓度;蓄水期倒灌强度大但倒灌水体营养盐浓度较小,会稀释支流营养盐浓度.③支流流域面源污染协同加剧支流水质污染.汛期降雨驱动了面源污染的增加,在多因素共同作用下支流库湾TN、NH₄⁺-N在7月的累积量高于10月.研究结果可为当地水环境管理和治理提供方向,丰富大型河道型水库水环境演变相关科学认识.     

三峡水库支流回水区营养状态季节变化

三峡水库成库后,对三峡水库13条主要支流回水区有机物、营养盐、生物量含量季节变化进行了初步研究.结果表明,支流高锰酸盐指数、化学耗氧量（COD）、总氮（TN）、氨氮（NH⁺₄-N）、总磷（TP）、叶绿素a（Chl-a）含量季节间差异较大.高锰酸盐指数范围为0.20～9.61　mg·L^-1,COD含量范围4.58～42.0　mg·L^-1,TN含量范围为0.601～10.1　mg·L^-1,NH⁺₄-N含量范围0.044～6.82　mg·L^-1,TP含量范围为0.011～0.756　mg·L^-1,Chl-a值范围为2.0～161　mg·m^-3.支流回水区受到不同程度污染,水体中N含量丰富,部分支流富营养化的限制因子为P.双因子方差分析表明,营养因子在时间、空间分布上均有不同程度差异.回水区Chl-a含量高于上游区,季节分布有丰水期>平水期>枯水期.Chl-a与COD、高锰酸盐指数、TN、TP呈显著正相关关系.利用综合营养状态指数法评价了回水区富营养化程度,综合营养指数范围在35～72,所有支流达到中营养以上水平,不同季节营养状态表现为丰水期>平水期>枯水期.支流回水区富营养化程度较成库前严重,该区域水体富营养化应引起重视.