流域计算机集成模型系统及其在水库流域水质规划中的应用

随着社会的发展,流域中出现了新的问题和特征,流域规划和管理越来越复杂,传统的方法和工具已不能充分满足流域规划和管理的需要．因此本文以开放复杂巨系统研究方法论为指导,提出了流域计算机集成模型系统的概念,探讨了其构成和结构．指出该系统应是专家系统、地理信息系统、遥感、全球定位系统、数据库技术、数学模拟和优化等多技术综合集成的系统．最后对其在水库流域水质规划中的应用进行了初步的探讨．     

珠江流域河流碳输出通量及变化特征

研究河流碳运移对于研究全球碳循环以及探讨河流对全球气候变化的响应机制具有重要意义.2012年4月和7月选取珠江主流及支流11个代表性断面,分析悬浮颗粒物和碳组分的空间分布和季节变化,同时选取博罗、石角和高要这3个主控断面,对珠江流域的碳通量和侵蚀模数进行了估算.结果表明,珠江流域悬浮颗粒物(TSS)、颗粒有机碳(POC)以及溶解有机碳(DOC)随雨季的到来而质量浓度升高,西江上游TSS和POC的质量浓度增加显著;珠江流域河流碳的4种组分中,溶解无机碳(DIC)的所占质量分数最高,且西江、北江的DIC质量浓度明显高于东江;西江、北江和东江河流中外源POC分别占78%、72%和26%,三大支流的POC均受上游C3植物的影响;珠江流域的TSS、总碳(TC)、POC、颗粒无机碳(PIC)、DOC、DIC、以及颗粒碳(TPC)、总有机碳(TOC)的入海通量分别为134×1012、12.69×1012、2.50×1012、1.01×1012、1.13×1012、8.05×1012、3.51×1012和3.65×1012g·a-1,对应的侵蚀模数分别为:309×106、28.98×106、5.75×106、2.27×106、2.56×106、18.4×106、8.02×106和8.31×106g·(km2.a)-1.与全球主要河流碳侵蚀模数相比,珠江流域河流DOC、POC和TOC的侵蚀模数均高于全球平均值.     

巢湖流域旱涝时空特性分析

利用巢湖流域14个站点39年(1961~2000年)的降水观测资料,采用Z指数作为旱涝指标,运用地理信息系统(GIS)等方法,对巢湖流域汛期旱涝的时空变化特征进行了分析探讨,其结果表明:巢湖流域旱涝灾害十分频繁,旱涝灾害发生的频率和降水量呈现正相关关系,具有阶段性和周期性等特性,空间分布上存在一定的结构性,巢湖流域北部为易旱易涝区,西部为易旱区,东南部、南部是易涝区,中北部是不易旱易涝区。     

页岩气开发面临的环保挑战及建议

我国的页岩气勘探开发处于起步阶段,还未建立完善的环保政策,大规模开发将面临诸多环保挑战。我国页岩气主要分布在四川、重庆等南方地区,结合该区域地少人多、地质灾害多发等特点,文章从页岩气压裂作业所需水资源、大量压裂返排液和地层水无害化处理、勘探开发过程中噪声污染以及开发用地与耕地之间的矛盾等方面探讨了页岩气开发面临的主要环境风险,并提出了页岩气开发的环保对策建议。     

陕北多沙粗沙区乡村聚落土壤侵蚀的典型流域调查与估算——以碾庄沟流域为例

随着乡村聚落的发展,陕北多沙粗沙区乡村聚落土壤侵蚀的严重性已经凸显。以碾庄沟流域为例,研究了乡村聚落土壤侵蚀方式,并对侵蚀总量进行了估算。结果显示:从乡村聚落土壤侵蚀的主要方式来看,以新建窑洞的弃土侵蚀最大,窑洞坍塌侵蚀次之,聚落水蚀侵蚀量最小,其中塌窑侵蚀和建窑侵蚀两项合计占到乡村聚落土壤侵蚀总量的94.6%;从乡村聚落的侵蚀总量来看,面积占1.08%的乡村聚落产生的侵蚀量却占到全流域侵蚀总量的6.83%,人居侵蚀模数达6.3万t/(km2.a)或8.18 t/(人.a)。因此,对乡村聚落土壤侵蚀应加以重视,而土壤侵蚀的防治工作应该以新建窑洞的管理和废弃窑洞坍塌的治理为重点。     

推流式与完全混合式曝气池的比较

介绍了推流式曝气池及完全混合式曝气池的工艺流程及特点，特别是从其内在的规律上对两种形式的曝气池做了细致的比较。并以两个具体的实例来进一步说明了它们的特点。     

淮河流域致洪暴雨特征及预警指标分析

本文通过对1950～2000年的个例分析,总结了淮河流域致洪暴雨的天气学特征和判别指标;根据区域降水量与王家坝站的水位分析,确定了淮河流域致洪暴雨的预警指标.     

伊犁河流域水污染及水土流失防治调查

通过对伊犁河流域现状和存在问题的分析 ,针对性地提出了保护伊犁河流域的综合治理措施     

沱江流域主要污染负荷预测及时空分布特征

耦合社会-经济因子探究工业点源和生活污染源污染负荷未来变化趋势,可为优化水环境规划和管理方案提供理论依据。选取沱江流域为研究区域,采用经济增长预测法、工业点源传统统计法、人口趋势灰色模型预测法和排污系数法分别计算了2020-2025年该区域28个县(市、区)的工业GDP值,工业点源废水排放量及主要污染负荷(COD、NH₃-N、TN、TP),农村与城镇人口及生活污染源的主要污染负荷,并利用ArcGIS技术探究了工业点源和生活污染源主要污染负荷空间分布特征。结果表明:2020-2025年,工业GDP值总体呈逐年增加趋势,而工业废水排放量总体呈逐年减少趋势,预计到2025年,流域工业GDP值将增加至2.52×10¹²元,而工业废水排放量将减少至0.64×10⁸ t。工业点源主要污染负荷表现为COD>NH₃-N>TN>TP。沱江流域总人口数与生活污染源污染负荷呈逐年增加趋势,其中城镇人口与生活污染源污染负荷呈逐年增加趋势,农村人口与生活污染源污染负荷呈逐年减少趋势,且城镇人口及生活污染源污染负荷增加量大于农村人口及生活污染源污染负荷减少量。城镇、农村生活污染源的主要污染负荷表现为COD>NH₃-N>TN>TP。工业点源和生活污染源主要污染负荷在空间上存在高度异质性。2025年,来自工业点源的主要污染负荷均呈上游较少,中、下游较多的特征;来自城市生活污染源的主要污染负荷均呈中、上游较多,下游较少的特征;来自农村生活污染源的主要污染负荷均呈中游较多,上、下游较少的特征。笔者提出耦合社会-经济因子预测流域污染负荷的方法可以推广到其他与社会经济指标相关联的流域工业点源、生活污染源污染负荷的预测研究中,以期为未来流域水环境管理与治理提供科学参考。     

Assessment of deep aquifer groundwater quality in a geographically unique climatic region of Southern Western Ghats,India using water quality indices

Water quality index (WQI) models are generally used in hydrochemical studies to simplify complex data into single values to reflect the overall quality. In this study, deep groundwater quality in the Chittur and Palakkad Taluks of the Bharathapuzha river basin of Kerala, India, was assessed by employing the WQI method developed by the Canadian Council of Ministers of the Environment (CCME). The assessment of overall water quality is indispensable due to the specific characteristics of the study area, such as geography, climate, over-drafting, and prevalent agricultural practices. Forty representative samples were collected from the study area for monsoon (MON) and pre-monsoon (PRM) seasons. The results showed a general increase of contents from MON to PRM. The major cations were spread in the order Ca²⁺>Na+>Mg²⁺>K⁺ and the anions HCO₃⁻>Cl⁻>CO₃²⁻ based on their relative abundance. Among various parameters analysed, alkalinity and bicarbonate levels during MON were comparatively high, which is indicative of carbonate weathering, and 90% of the samples failed to meet the World Health Organization (WHO, 2017)/Bureau of Indian Standards (BIS, 2012) drinking water guidelines. The CCME WQI analysis revealed that nearly 50% of the samples during each season represented good and excellent categories. The samples in the poor category comprised 10% in MON and 15% in PRM. The overall WQI exhibited 15% of poor category samples as well. The spatial depiction of CCME WQI classes helped to expose zones of degraded quality in the centre to eastward parts. The spatial and temporal variations of CCME WQI classes and different physicochemical attributes indicated the influence of common factors attributing to the deep groundwater quality. The study also revealed inland salinity at Kolluparamba and Peruvamba stations, where agricultural activities were rampant with poor surface water irrigation.