大通河流域降水结构的演变特征及其驱动力探究

论文以青藏高原大通河流域为例,分别采用基于日、月降雨集中度指标（CI和CIM）,表征大通河流域的降水结构特征,并分析其演变特征;采用交叉小波分析探究太阳黑子和大气环流异常指数太平洋10 a涛动（PDO）、厄尔尼诺/南方涛动（ENSO）、北极涛动（AO）与流域降水结构变化的联系。结果表明：1）流域南部的年均CI值高于北部,中部的年均CIM值高于流域其他部分;2）流域年CI值上升趋势明显,而其年CIM值具有明显下降趋势,且两者的一致性被破坏;3）太阳黑子对于流域降水结构影响最为显著,AO和ENSO的影响次之,PDO的影响最弱。研究成果有助于揭示大通河流域降水结构的驱动机理,为其模拟与预测奠定坚实的基础。     

气候变化下汉中盆地水稻产量变化研究

深入分析气候变化下汉中盆地水稻产量变化响应,可在进一步探究影响研究区水稻产量主要气象要素的同时,为地方水稻生长期内气象灾害的防控提供科学依据。为了解研究区水稻生长季主要的气象影响因子,文章基于1951—2014年汉中盆地多测站日气温、降水量、积温及气温日较差数据和水稻单产资料分离的气象单产数据,综合运用线性趋势、趋势系数、HP滤波法、Morlet小波分析等方法,在分析汉中盆地水稻气象产量和生长季各气象要素变化趋势的同时,推求了水稻气象产量和各主要气象要素序列的显著周期。研究结果表明：1）近64 a汉中盆地4—9月水稻生长季平均气温和≥10 ℃活动积温变化均呈上升趋势,气温日较差呈下降趋势,降水量变化趋势不明显;2）汉中盆地各气象要素与水稻气象单产的显著周期分析结果显示水稻气象单产第一主周期与各气象要素的第二主周期相对应,均存在13~14 a时间尺度的主周期变化;3）各气象要素对水稻气象产量的影响各异,不同气候背景下影响水稻气象产量的主导气象因素不同。论文研究结果可为汉中盆地水稻生产的优化布局及地方经济社会发展提供参考依据。     

北江流域水化学时空变化及化学风化特征

为了研究我国南方湿润地区河流水化学时空变化特征及控制因素,选择珠江流域第二大水系的北江为研究对象,通过分析2015年6月（汛期）和12月（非汛期）干流和支流河水基本水质参数及主量离子,利用化学计量法及质量守恒法定量评估了自然过程及人类活动共同影响下的流域化学风化特征及其通量.结果表明:①北江河水主量离子浓度非汛期高于汛期.岩石的区域分布和矿山活动构成了河水离子浓度和水化学类型的空间异质性,其中北江干流和支流连江为Ca-HCO₃型,而支流滃江则以Ca-SO₄型为主.②岩石对北江流域化学风化贡献率依次为碳酸岩（78.44%）>硅酸岩（14.43%）>降水源（5.42%）>蒸发岩（1.71%）.基于碳酸岩是北江径流水化学的主要控制因素,滃江流域的矿山开采活动加速了碳酸岩的风化,其对北江流域化学风化的贡献为7%.③汛期与非汛期的碳酸岩风化速率分别为7.49和5.29 t/（km2·月）,年化学风化速率为87.63 t/（km2·a）.研究显示,由于受水热条件、流域面积以及岩性的影响,北江流域年化学风化速率略大于西江流域,远高于东江以及全球流域化学风化平均值,北江对整个珠江流域的风化贡献较大.      

太湖西部流域滨岸带土壤磷形态空间分布与影响因素比较

为了揭示不同流域滨岸带的生态功能,于2015年夏季采集太湖西部苕溪流域和天目湖流域不同滨岸带（林地、耕地、草地、荒地）土壤,利用连续顺序提取法获得无机磷形态,分析土壤磷形态的空间分布特征、影响因素以及土壤磷形态与地下水中TDP（总溶解性磷）的联系.结果表明:苕溪滨岸带的磷形态含量总体上高于天目湖滨岸带,但组成方面有所差异.滨岸带土壤的NH₄Cl-P（弱吸附态磷）、BD-P（还原态磷）、NaOH-P（金属氧化物结合态磷）含量随土壤深度的增加而降低,HCl-P（钙结合态磷）含量随土壤深度的增加而增加,耕地表现得最为明显.从高地到滨水带,草地和荒地的磷形态含量有略微增加的趋势,而林地和耕地的磷形态含量均降低,耕地同样表现得最为明显.苕溪滨岸带磷形态含量的水平变幅大于天目湖滨岸带.相关性分析表明,土壤NaOH-P对地下水中TDP的贡献较大,有机质、黏土矿物和碳酸盐对磷形态有明显的影响;苕溪滨岸带土壤性质对其磷形态的影响较弱,而天目湖滨岸带比较明显.因此,苕溪和天目湖流域不同滨岸带土壤磷形态的空间分布存在差异,影响因素也不同;土壤磷形态与地下水中TDP有明显关系,尤其是NaOH-P.      

长江流域总磷污染:分布特征·来源解析·控制对策

针对长江流域总磷污染,开展总磷污染时空特征分析,选择长江流域总磷污染最严重的上游地区岷江和沱江为典型区,分析总磷来源,提出总磷污染控制对策.研究表明:2016年开始总磷成为长江流域主要污染因子,其中上游污染最重,中游污染最轻,总体呈降低趋势;长江流域枯/平水期总磷污染较重,丰水期污染较轻,说明流域主要污染负荷来自点源.总体来说,造成长江流域总磷较高的原因有:磷矿开采和磷化工的污染源高负荷排放,造成部分河段水质严重超标;基础设施建设滞后,城镇生活污染源排放影响河流水质;畜禽养殖废物资源化利用不足;生态流量不足,加剧水污染问题;水污染治理导向不全面和污染源监管措施不系统,影响总磷水质同步改善.针对长江流域总磷污染特征,按照"分区控制、分类治理""突出重点、精准施策"原则,提出长江流域总磷污染控制建议:①抓住长江流域上游重点片区,开展流域总磷污染整治. ②抓住磷化工、城镇生活和畜禽养殖等三类涉磷重点污染源的治理,控制磷污染负荷排放. ③抓住环境监管有效手段,进一步完善水环境标准和监管体系.      

长江流域干旱时空变化特征及演变趋势

干旱通常被认为是我国最严重的自然灾害之一,其造成的经济损失十分巨大.长江流域作为典型的湿润-半湿润区,干湿交替明显,干旱事件时空分布特征较为复杂.为了深入认识和理解长江流域气象干旱现状及其特征,探究干旱事件发生规律,采用长江流域1951-2015年PDSI（Palmer drought severity index,帕尔默干旱指数,运用Mann-Kendall检验、EEMD（ensemble empirical mode decomposition,集合经验模分解）、REOF（rotation empirical orthogonal function,旋转经验正交函数分解）、森斜率估算等分析方法,探讨长江流域干旱面积时间变化特征、干湿情景时空分布特征以及变化趋势.结果表明:1951-2015年,长江流域发生季节性干旱的面积整体呈扩大趋势,2000年后该趋势有所减缓.流域内呈现6个明显的干湿空间分布型,2000年后流域的东南部呈变旱态势,整体而言,流域内"南涝北旱"特征十分明显.未来,长江流域整体有变湿的趋势,西北部更旱,东北部变湿,南部以及东南部PDSI上升趋势明显,有发生旱涝急转的可能.      

离子色谱法测定钻井废水中的S~(2-)

川东气田生产过程中产生的废水含有硫化物,且色度深、浊度大。为测定废水中的Ｓ２－含量,实验探索了将Ｓ２－氧化成ＳＯ２－４后用离子色谱测定的方法。进行了Ｓ２－的转化率实验,结果表明：Ｓ２－含量在０～２．７ｍｇ／Ｌ范围内可以被完全氧化成ＳＯ２－４,转化率为９８．８％～１０８．０％。同时进行了该方法的精密度和准确度实验,并与碘量法进行了对比,对同一标样和实际样品的测定两种方法的结果吻合较好,该方法测定钻井废水中的Ｓ２－含量,可以避免色度、浊度的干扰,且简便、灵敏、准确     

A SIMULATION OF RIVER-BASIN RESPONSE TO MESOSCALE METEOROLOGICAL FORCING: THE SUSQUEHANNA RIVER BASIN EXPERIMENT (SRBEX)1

ABSTRACT: A mesoscale meteorological model, a surface hydrology model, and a ground-water hydrology model are linked to simulate the hydrographic response of a large river basin to a single storm. Synoptic climatology is employed to choose a representative hydro-climatic event. The mesoscale meteorological model uses three nested domains to simulate relatively high-resolution precipitation over a sub-basin of the Susquehanna River Basin. The hydrology models simulate surface runoff and ground-water baseflow using both analyzed and simulated precipitation. The hydrologic abstractions are handled using both Curve Number and Green-Ampt routines. To support the linkage of the numerical models, special attention is given to data resampling and reprojection. The mesoscale meteorological model simulation captures the spatial and temporal structure of the storm event, while the hydrology models represent the timing of the event well. The Curve Number method generates a realistic hydrograph with both analyzed and simulated precipitation. In contrast, the hydrographic response generated by the Green-Ampt routine is inferior. Several interrelated factors contribute to these results, including: the nature of the precipitation event chosen for the experiment; the tendency of the mesoscale meteorological model to underpredict low intensity, widespread precipitation in this case; and the influence of the surface soil-texture characteristics on infiltration rates.     

Spatial Variations of Heavy Metals in the East China Sea Continental Shelf Surface Sediments

Surface sediments collected from continental shelf of the East China Sea were analyzed for heavy metals (iron, manganese, copper, zinc, lead, cadmium), carbonate, organic carbon contents, and grain sizes. the range of concentrations observed were iron: 0.3-1.3 wt%, manganese: 2.3-14 μmole/g, copper: 7.1-184 μmole/g, zinc: 0.16-0.77μmiole/g, lead: 15-98 μmole/g, cadmium: 0.17-3.9 μmole/g, carbonate: 3.6-87 wt%, sand: 10-100%, silt: 0-70% and clay: 0-50%.

A zonal distribution pattern of the heavy metals was found in the East China Sea Continental shelf sediments. High concentrations of most heavy metals, organic carbon and fine-grained sediments were observed in the inner shelf zone, especially those near the discharge of the Yangtze River. Concentrations of these heavy metals decreased from the inner shelf to the shelf break region. High concentrations of metals were also found in sediments near Taiwan. Iron concentrations decreased north-east of the central shelf region. High concentrations of cadmium were found in the shelf break region where biogenic carbonate is predominant. This study showed that biogenic carbonate in the East China Sea shelf break region and the terrigenous sediments from the Yangtze River and island of Taiwan were the major sources of heavy metals. Heavy metal concentrations were strongly influenced by the content of the coarse-grained quartz sand present in the sediments.