Flux characteristics of total dissolved iron and its species during extreme rainfall event in the midstream of the Heilongjiang River

The occurrence of extreme rainfall events and associated flooding has been enhanced due to climate changes, and is thought to influence the flux of total dissolved iron(TDI) in rivers considerably. Since TDI is a controlling factor in primary productivity in marine ecosystems, alteration of riverine TDI input to the ocean may lead to climate change via its effect on biological productivity. During an extreme rainfall event that arose in northeastern China in 2013, water samples were collected in the midstream of the Heilongjiang River to analyze the concentration and species of TDI as well as other basic parameters. The speciation of TDI was surveyed by filtration and ultrafiltration methods.Compared with data monitored from 2007 to 2012, the concentration of TDI increased significantly during this event, with an average concentration of 1.11 mg/L, and the estimated TDI flux reached 1.2 × 105 tons, equaling the average annual TDI flux level.Species analysis revealed that low-molecular-weight complexed iron was the dominant species, and the impulse of TDI flux could probably be attributed to the hydrological connection to riparian wetlands and iron-rich terrestrial runoff. Moreover, dissolved organic matter played a key role in the flux, species and bioavailability of TDI. In addition,there is a possibility that the rising TDI flux could further influence the transport and cycling of nutrients and related ecological processes in the river, estuary coupled with the coastal ecosystems, which merits closer attention in the future.     

北京城区"7.10"灾害性强降水分析

对2004年7月10日发生在北京城区的灾害性强降水过程进行了分析.结果发现,造成本次城区暴雨的天气系统为一中β尺度对流云团,它生成于河北西北部的偏南暖湿气流中,在移到北京城区发展并停留的1～2h内,造成了本次强降水过程.大尺度背景场分析表明,暴雨发生前北京即处于有利降水的形势场中,地面中尺度辐合线可能是强对流的触发系统.此外还初步分析了城市环境对强降水的增幅作用.     

泥石流预报中的多层降水预报/监测系统

利用数值天气预报、静止气象卫星云图、天气雷达回波和遥测雨量等4种方法,进行了大气降水的预报与监测,构建了不同时间尺度满足不同精度的降水预报和监测体系,通过与下垫面中地形和地质等条件的耦合,为不同时间尺度的泥石流预报系统提供了相应的降水预报支持,以满足不同层次的泥石流减灾要求.     

基于SSA-MGF的偏最小二乘回归神经网络的预报模型

本文采用奇异谱分析（Singular Spectrum Analysis,SSA）方法对原始降水序列重构,并用均生函数（Mean Generating Function, MGF）方法对重构系列构造延拓矩阵,以此作为自变量,原始降水序列作为因变量, 再利用偏最小二乘法提取对因变量影响强的成分作为神经网络的输入因子,原始序列作为输出因子,建立神经网络预测模型.通过对广西全区6月份降水量进行实际建模并与其它方法进行对比预测试验,结果表明,基于SSA-MGF的偏最小二乘回归神经网络预测模型较好,是一种具有较高应用价值的预测方法.     

人工增雨对西北地区的减灾作用

概述了我国西北五省(自治区)现有开展人工影响天气的规模、作业特点、人工增雨减灾效果、催化方法和飞机播撒技术。对西北地区人工增雨作业的效益进行了分折,并针对各地区的人工增雨作业提出了建议。事实证明:人工影响天气作业是西北地区气象灾害减灾、促进农牧业发展、改善自然生态环境的一项具有潜力的措施。     

华北农牧交错带夏季降水变率及其与前期下垫面热力状况的关系

华北农牧交错带夏季降水有很大的变率 ,频繁的干旱对农牧业生产有严重影响。论文分析了1880年以来的夏季降水变化特征 ,近百年来农牧交错带夏季降水有明显的阶段性。功率谱分析显示有35年左右的周期。年代际尺度的波动是干湿变化的重要背景。以250mm等雨量线表示的农牧交错带南北位置也有明显的年际和年代际的变化 ,在1978年以前和以后的两段时期 ,平均位置有显著的差别 ,前后平均有大约1.5个纬度的变化。农牧交错带夏季降水与前期春季亚欧地区大范围的温度异常有较好的关系。印度和巴基斯坦及相邻印度洋地区是显著的正相关区 ;亚洲西部的内陆地区是显著的负相关区。这两个地区春季的温度能解释农牧交错带夏季降水方差的15 %左右。     

道路灰尘PGEs时间变化特征

为了研究道路灰尘铂族元素（PGEs）时间变化规律及其影响机制,以上海市为研究区,共采集季节样品24个、年际样品18个.用王水消解制样,ICP-MS测定.结果表明,灰尘PGEs春、夏、秋、冬含量分别为,Rh：10.40（6.06～17.28）ng/g、11.60（5.52～20.11）ng/g、32.91（18.53～6...     

降雨强度对洱海流域凤羽河氮磷排放的影响

降雨形成的径流携带各种陆面物质进入河流湖泊是导致水质变化的重要因素,而不同降雨强度下的河流氮磷输出特征均有所差异,因此,为阐明雨强对高原湖泊典型流域污染物排放的影响,本研究以洱海流域上游的凤羽河为研究对象,基于连续3 a(2011～2013年)的出口断面水质水量监测,分析了4种降雨强度(小雨、中雨、大雨、暴雨)对水体氮磷浓度和形态的影响.结果表明,降雨强度对凤羽河氮磷排放的影响显著,所有组分的氮和磷浓度平均值在小雨(10 mm)和中雨(10～25mm)时较低,在大雨(25～50 mm)和暴雨(50～100 mm)时较高;氨氮(NH_4+-N)(57. 14%～76. 85%)占总氮(TN)的质量分数大于颗粒态氮(PN)(23. 15%～42. 86%),溶解态总磷(TDP)(22. 73%～28. 00%)占总磷(TP)的质量分数小于颗粒态磷(PP)(72. 00%～77. 27%);不同形态的氮浓度比较为:TN NH_4+-N PN;不同形态的磷浓度比较为:TP PP TDP.     

降雨期间岩溶城镇区地下河水重金属变化特征及来源解析

2014年6月降雨期间对重庆城镇区南山老龙洞流域地下河出口处的流量及Mn、Pb、Cu、As等重金属质量浓度进行观测,研究了流量的变化特征及岩溶水文系统内部结构,探讨了4种重金属对降雨的响应,用主成分分析法和实际测试值来解译降雨期间地下河水的重金属来源.结果表明,地下河流量、Mn、Pb、Cu和As对降雨响应迅速,推断研究区属于一个管道与裂隙组合的岩溶水文系统;非渗透地表产流迅速,其携带的地表污染物质Mn、Pb、Cu通过落水洞、竖井及岩溶天窗进入地下河,使这些污染物质在最大降雨量峰值的6 h后达到最大质量浓度峰值,较流量最大峰值提前到来;城市地表径流、水土流失是老龙洞地下河Mn、Pb、Cu、As的主要来源,洞穴滴水和雨水也会输入一定量的Mn、Pb和As;岩溶区的城镇建设要进行合理规划,完善相关基础设施,做到从源头上防止地下水遭受污染.     

城市降雨径流模拟的参数不确定性分析

以厦门城市小流域为例,基于蒙特卡洛随机采样和区域灵敏度分析(RSA)方法,从参数的可识别性和灵敏度分析2个方面来分析城市降雨径流SWMM模型参数的不确定性.结果表明,水文水力模块中汇水单元不透水区贮水深度(Dstore-Imperv)、汇水单元透水区贮水深度(Dstore-Perv)和CN特征曲线(Curve Number)这3个参数可识别性较好,区域灵敏度高;水文水力模块的区域灵敏度的排序为:Dstore-ImpervCNDstore-Perv汇水单元透水区曼宁糙率(N-Perv)传导系数(Conductivity)管道曼宁糙率(Con-Mann)汇水单元不透水区曼宁糙率(N-Imperv).水质模块冲刷函数中地表冲刷系数(Coefficient)和地表径流幂指数(Exponent)这2个参数以及累积函数中的地表最大可累积的污染物量(Max.Buildup)的识别性较高,区域灵敏度较大.而从区域灵敏度的排序来看,3种用地类型的地表累积速率(Rate Constant)参数K-S距离最小,Max.Buildup、Coefficient和Exponent参数的K-S距离相对较大.