改进的BP算法在黄河下游枯季径流预测中的应用

本在黄河下游地区应用多层前向人工神经网络理论,通过改进BP算法,建立下游枯季径流预测的BP神经网络模型,使用花园口-利津水站26年的完整序列测流资料训练和检验网络并用于预测,结果表明,通过本次研究建立的BP网络模型是合理的,可靠的,它较好地反映了黄河下游的枯季径流规律,可为今后黄河流域水资源的统一调度,管理,尤其是预防黄河下游再次出现断流提供科学依据。     

基于栖息地模拟的重口裂腹鱼繁殖期适宜生态流量分析

介绍了栖息地模拟方法原理及步骤,以姜射坝水电站减水段为例,应用栖息地模拟模型PHABSIM计算了重口裂腹鱼繁殖期适宜生境需水量。结果表明,该河段内重口裂腹鱼繁殖期适宜生态流量为40.6m3/s,其与水文学法的结果对比表明,该流量可以满足维持水生生物良好的生存条件的要求。指出当工程河段涉及珍稀鱼类关键生境时,采用栖息地模拟法确定受影响河段的生态需水量,可以更好地保护珍稀鱼类关键生境。研究结果可为已建电站减水河段生态修复工作提供依据,为拟建电站水生生态环境影响评价工作提供借鉴。     

雨季冲击条件下活性污泥呼吸图谱的变化

通过模型实验考察了雨季合流污水水量冲击以及冲击过后恢复初始状态过程中活性污泥的呼吸图谱变化规律。结果表明：雨季冲击下好氧池污泥浓度降幅较自、异养菌呼吸速率大;异养菌呼吸速率降幅较自养菌大。而COD去除率降幅小,NH4+-N去除率降幅大,与自养菌、异养菌呼吸速率的降幅不一致。表明异养菌虽受冲击影响较大,但因其所占污泥比例仍较大,COD处理的缓冲能力大;自养菌占污泥比例较小,虽受冲击的影响较小,但对NH4+-N处理的缓冲能力较小;另一方面,大雨冲击下自养菌呼吸比例上升10%,异养菌呼吸比例下降6%,表明在冲击过程中污泥中微生物结构有小幅变化。     

鄱阳湖流域多尺度C、N输送通量及其水质参数变化特征

本文选取鄱阳湖流域内从初级支流到最大干流再到湖区(香溪→架竹河→赣江→鄱阳湖)这一联通水系线路为研究对象,通过对丰水期和枯水期内各级河流对应流域及鄱阳湖湖区内水体中的各形态C、N浓度进行监测,计算各级河流间C、N元素运移通量,探讨鄱阳湖流域水体C、N迁移过程机制和水质参数变化特征,为鄱阳湖流域生态系统的综合健康管理提供科学依据.结果表明:(1)鄱阳湖通江流域的C、N浓度呈明显季节变化,其中TIC、TOC、TC浓度丰水期较高,而NO_3~--N和DTN浓度枯水期较高.丰水期TC增加的主要原因是TIC增加,丰水期TN主要以非溶解态存在,而枯水期TN主要以DTN中的NO_3~--N形式存在.(2)鄱阳湖通江流域的C、N输出通量呈明显季节变化,其中香溪各形态C丰水期通量较枯水期小,架竹河、赣江各形态C丰水期通量较枯水期大,香溪、架竹河、赣江流域各形态N在丰水期通量大多较枯水期小,各形态C、N通量与径流量在99%的置信水平上呈极显著正相关关系.(3)鄱阳湖流域水体参数丰水期COND、TDS、pH小于枯水期,丰水期ORP大于枯水期.     

华中地区水旱轮作模式下水稻季施氮肥对油菜季施氮肥土壤N2O排放的影响

设置了水稻季与油菜季均不施用氮肥(N0-0);水稻季施用氮肥150 kg·hm-2(以N计,下同),油菜季不施用氮肥(N150-0);水稻季与油菜季均施用氮肥150 kg·hm-2(N150-150);水稻季不施用氮肥,油菜季施用氮肥150 kg·hm-2(N0-150)4种施肥处理,采用静态箱/气相色谱法对旱作油菜季N_2O的排放进行了原位观测(2016年9月—2017年4月),研究了华中地区水旱轮作模式下水稻季施肥对油菜季土壤N_2O排放的影响.结果表明,油菜季N_2O排放主要集中在施基肥后1周内.N0-0、N150-0、N150-150和N0-150处理N_2O排放通量变化范围分别为-10.81~181.26、-20.48~95.61、-8.87~638.56和-21.76~827.86μg·m-2·h-1,平均排放通量分别为4.58、3.89、21.06和27.24μg·m-2·h-1,N_2O累积排放量分别为0.20、0.17、0.92和1.19 kg·hm-2,施氮肥处理(N150-150和N0-150)N_2O排放量显著高于不施氮肥处理(N0-0、N150-0)(p0.05).N150-150和N0-150处理N_2O排放通量与土壤孔隙充水率(WFPS)具有显著正相关关系(p0.05);N150-150和N0-150处理N_2O排放通量与土壤可溶性有机氮(DON)和无机氮(NO-3-N和NH+4-N)具有显著正相关关系(p0.01).以上结果表明,油菜季N_2O排放与稻季施用氮肥无关,施氮肥对土壤活性氮含量的影响是导致N_2O排放差异的主要原因,而土壤孔隙充水率也是影响油菜季N_2O排放的重要环境因子.     

稻季土壤溶液中微量元素浓度对大气CO2浓度升高的响应

利用中国稻/麦轮作FACE（Free Air Carbon-dioxide Enrichment）试验平台,研究大气CO2浓度升高（比周围大气高200μmol·mol-1）对2007年稻季各生育期不同深度土壤溶液微量元素质量浓度影响。结果表明,大气CO2浓度升高对不同深度土壤溶液微量元素质量浓度的影响在不同生育期有所差异;尽管大多未达显著水平,大气CO2浓度升高表现出增加不同层次土壤溶液微量元素质量浓度的趋势,对土壤溶液Fe质量浓度增加程度尤为明显;从整个生育期看,FACE对土壤溶液Fe质量浓度增加幅度在5、15、30、60和90cm处分别为47.6%,36.3%,7.6%,37.0%和201.8%。大气CO2浓度升高对稻田土壤溶液微量元素质量浓度的长期影响需要进一步深入研究。     

洱海入湖河口湿地干湿季沉积物氮、磷、有机质垂向分布特征及污染风险差异性

以云南洱海罗时江河口湿地为典型对象,利用柱状底泥分层采样器采集罗时江河口湿地表层(0~10 cm)、中层(10~30 cm)和底层(30~60 cm)沉积物样品,分析干、湿季沉积物总氮(TN)、总磷(TP)、有机质(OM)垂向分布特征,并对沉积物进行污染风险评价.结果表明:1干季罗时江河口湿地表层、中层和底层沉积物TN平均含量分别为1.734、1.453和1.255g·kg~(-1),TP平均值分别1.085、1.034和0.992 g·kg~(-1),OM平均值分别为59.051、47.730和42.133 g·kg~(-1);湿季罗时江河口湿地表层、中层和底层沉积物TN平均含量分别为1.147、0.948和0.895 g·kg~(-1),TP平均值分别0.599、0.523和0.519g·kg~(-1),OM平均值分别为53.098、46.897和43.395 g·kg~(-1);干、湿季各指标含量垂向分布随沉积深度的增加呈下降趋势,表层富集明显;三层沉积物各指标含量均为干季高于湿季,且除OM外,TN和TP均达到显著差异(P0.01).2单因子指数(PI)、有机氮指数(ON)和有机指数(OI)评价结果表明,整体上干季沉积物氮磷属于重度污染,有机质属于中度污染;湿季沉积物氮和有机质均为中度污染,磷为轻度污染;总体上沉积物氮、磷、有机质污染水平为干季高于湿季,且干、湿季各污染指数均为表层最高,中层次之,底层最低,表层污染最为严重.3干、湿季罗时江河口湿地污染来源存在差异,干季以外源为主,湿季以内源为主;干季沉积物营养盐潜在释放风险较湿季大,且以表层释放风险最大.     

2013年长江丰水期河水化学特征及控制因素

为掌握长江河水化学组成特征及其控制因素,笔者运用Gibbs图、多种离子比例系数法和主成分分析法综合分析了长江流域丰水期河水化学及氢氧同位素特征。结果表明,长江丰水期河水主要来源为大气降水,河水化学类型主要为HCO₃·SO₄-Ca型,化学成分主要受流域内广泛分布的碳酸盐岩等岩石风化作用控制;河水pH值、HCO₃^-浓度沿长江径流方向降低,SO₄^2-、Ca²⁺浓度沿长江径流方向升高。2013年丰水期,长江河水化学组成特征变化的主要影响因子,是易溶盐岩溶解和人类活动(贡献率40%),其次为川贵及长江三角洲地区的酸雨沉降以及人为酸性废水排放促进了流域内石灰岩和富含碳酸盐的三叠系砂页岩溶解(贡献率20%),最后为硅酸盐矿物及其风化产物的溶解(贡献率19%)。为了解长江河水水质状况及其演变趋势,合理评价长江流域水资源提供很好的科学依据。     

4种湿地植物对人工湿地净化生活污水的影响比较

不同类型人工湿地对生活污水的处理效果,受到许多因素的影响,其中不同植物类型的选择,可能会造成人工湿地对主要污染物COD、TN和TP的净化效果发生很大差异。研究了4种湿地植物（菖蒲、香蒲、千屈菜和水葱）在水平潜流、垂直上行流和下行流人工湿地中对人工合成的生活污水的处理效果和主要污染物（COD、TN和TP）去除率的季节变化,通过比较不同植物类型在不同湿地类型中对主要污染物的去除效果分析了可以达到最佳污水净化效果的启动条件。结果表明：香蒲在垂直下行流湿地去除有机污染物效果最好,去除率可达85.55%;水葱在垂直上行流湿地去除TN效果最好,去除率可达57.52%,香蒲在垂直上行流湿地去除TP效果最好,去除率可达84.28%。     

浙江来水与黄浦江上游支流总磷和氨氮变化规律分析

利用浙江来水汇入黄浦江上游支流的3个断面2000—2009年10年的总磷和氨氮监测资料,分别对同一断面在丰水期、平水湖、枯水期的浓度以及同一水期不同断面的浓度,利用SPSS统计分析软件,对总磷、氨氮的浓度变化规律进行分析,在此基础上采用Spearman秩相关分析方法进行相应的趋势分析,揭示出总磷、氨氮在不同水期、不同断面的变化规律以及浓度变化趋势。