HYSTAR Sediment Model: Distributed Two‐Dimensional Simulation of Watershed Erosion and Sediment Transport Using Time‐Area Routing

An erosion and sediment transport component incorporated in the HYdrology Simulation using Time‐ARea method (HYSTAR) upland watershed model provides grid‐based prediction of erosion, transport and deposition of sediment in a dynamic, continuous, and fully distributed framework. The model represents the spatiotemporally varied flow in sediment transport simulation by coupling the time‐area routing method and sediment transport capacity approach within a grid‐based spatial data model. This avoids the common, and simplistic, approach of using the Universal Soil Loss Equation (USLE) to estimate erosion rates with a delivery ratio to relate gross soil erosion to sediment yield of a watershed, while enabling us to simulate two‐dimensional sediment transport processes without the complexity of numerical solution of the partial differential governing equations. In using the time‐area method for routing sediment, the model offers a novel alternative to watershed‐scale sediment transport simulation that provides detailed spatial representation. In predicting four‐year sediment hydrographs of a watershed in Virginia, the model provided good performance with R² of 0.82 and 0.78 and relative error of ?35% and 11% using the Yalin and Yang's sediment transport capacity equations, respectively. Prediction of spatiotemporal variation in sediment transport processes was evaluated using maps of sediment transport rates, concentrations, and erosion and deposition mass, which compare well with expected behavior of flow hydraulics and sediment transport processes.     

Optimization of grid tied hybrid power system in smart premises

Tapping of renewable energy sources like solar and wind is given great priority by power producers all over the world. Technical problems of linking them to the grid are solved. The cost constraints of utilizing renewable energy at specific locations are to be determined. In this work, a model is developed for grid tied hybrid power system (HPS) consisting of photovoltaic (PV) module and wind mill at the roof top of smart premises. The grid is capable of delivering and receiving energy. Objective function is formed with constraints taking into account the cost of PV module, wind mill, and grid tied inverter with controller. The constraints are rating of HPS and energy that can be delivered to the grid. Using this model, case studies were conducted in three locations in India, each location having two different demands. The results are presented. With the optimal rating of HPS, results shows that, conventional energy cost is higher.     

氨水还原剂在燃煤锅炉SCR脱硝中的应用

目前氨水作为脱硝还原剂用于燃煤锅炉SCR脱硝国内尚未普遍使用,尤其在大机组上的应用经验较少。通过对实际应用案例的分析,总结了运行经验,为氨水还原剂在大机组SCR的脱硝应用提供参考。     

基于大数据分析的大气网格化监测质控技术研究

基于对现阶段中国环境空气的污染特征及监测手段进行分析,研究了如何采用传感器技术进行大气污染防治网格化监测。对标物校准、训化校准、自适应校准、传递校准等校准质控技术进行了充分研究并基于此建立了自主学习神经网络算法的校准体系。为解决传感器应用过程中零点漂移、温度和湿度漂移、时间漂移等问题,利用大数据、基因算法成功开发出了智能数据修正模型,实现了低成本、高稳定、具有相当精度且可自动化运行的网格化监测体系。     

从栅格到县域:中国粮食生产的资源潜力区域差异分析

粮食安全是国家安全的重要组成部分。论文通过构建生产潜力模型,利用GIS技术,定量计算了1km×1km栅格和县域尺度中国粮食生产潜力;通过对粮食生产的资源禀赋状况逐级评判,揭示了中国不同地区粮食生产的资源潜力。结果表明:中国平均光温、水资源和土地资源分别具备1倍多、1倍以及近1/3的增长空间。中国县域粮食资源潜力差异显著,内蒙古及长城沿线以及黄土高原地区为县域粮食资源可开发空间较大的区域,西北、黄淮海、四川盆地区为可开发程度较低的地区。     

基于网格数据空间分析方法的罗甸县生态环境敏感性评价

喀斯特山区是生态环境相对脆弱的地带,其生态功能受地质环境的影响。以国家重点生态功能区罗甸县为研究区,选取水土流失、石漠化、生境以及气象要素四个评价指标,利用栅格数据GIS空间分析方法对各评价因子进行量化提取,采用层次分析法和综合指标法,对各评价指标进行空间叠加分析,划分出研究区域生态环境敏感性等级,评价和分析了罗甸县域生态环境敏感性程度及其空间分布状况。结果表明:罗甸县生态环境敏感评价以中度以下敏感为主,中度以下敏感区域占县域总面积的98.12%,高度以上敏感区域极少。地质背景、地形地貌以及气候是导致罗甸县生态环境敏感的主导因素。     

百色水利枢纽工程建成后的效益分析

百色水利枢纽工程是治理和开发郁江的大型水利枢纽工程。主要从防洪、发电、灌溉、航运和供水等综合利用方面分析了工程建成后产生的社会效益和经济效益，对存在的问题提出了相应的对策和建议。     

普光气田地面集输工程防雷技术研究

结合普光气田地面集输工程防雷工作的开展,就如何解决山区土壤电阻率高和电力系统防雷,如何提高电力、通讯、SCADA和RTU等自控系统的可靠性、稳定性等方面进行了分析、总结,并根据工作实际提出了建议。     

多元观测资料融合应用的灰霾天气关键成因研究

利用临安作为区域大气本底站的优势和杭州大气复合污染综合观测设施,再融合DMSP/OLS夜间灯光数据及气象观测数据,从不同层面研究了灰霾天气形成的主导因素.通过浙江省灰霾日数空间分布与同时期Defense Meteorological Satellite System (DMSP)/Operational Linescan System (OLS)卫星遥感得到的夜间灯光分布对比以及1960-2009年间杭州和浙江省年平均灰疆日数演变过程,从空间和年代际变化两个角度论证了当前不科学的社会发展是造成灰霾天气日益严重的根本原因.通过杭州和临安本底站实际观测对比发现,对灰霾天气形成起主要作用的是细粒子,关键排放因子不是尘粒等气溶胶,而是黑碳、NO2、SO2等.脱硫减排可以使霾污染有所减缓,但由汽车尾气等排放的含氮前体物对霾污染的贡献却越显突出.气象条件是灰霾天气形成的外部控制因素.在各种天气形势中,由于高压控制下下沉气流明显、大气相对稳定,出现灰霾天气的概率最高,达64.5％.除天气形势、大气稳定度外,风速、气温、湿度、气压、降水、变温等地面气象因子及前1日PM10浓度对污染物浓度皆有一定影响,其中降水、湿度、风速与污染物浓度之间的相关性最显著,是灰霾天气形成的关键气象因子.     

污染条件下成都市PM_(2.5)干沉降速率的模拟分析

利用成都市三瓦窑、沙河铺国控环监站2015年9月—2016年8月逐时PM_(2.5)监测数据,结合同期双流国际机场公布的地面气象要素(风场、温度、湿度和压强)以及温江站风速探空资料,首先统计分析了成都市风场、温度和湿度的基本特征,然后计算了污染条件下PM_(2.5)干沉降速率,并建立了适用于不同季节的GIFM模型和多元回归预测模型。结果表明:基本气象要素场的配置以及特殊地形导致了成都市PM_(2.5)干沉降环境恶劣,同时四季差异较大;污染条件下PM_(2.5)干沉降速率约为0.02~0.1 cm/s,表现为冬季<秋季<年<春季<夏季,四季的主要影响因子也不同,秋冬为湿度和压强,春季为温度,夏季为风速,且湿沉降强度过大时,会出现PM_(2.5)干沉降速率的"虚高"现象;GIFM模型和多元回归模型均能很好地预测污染条件下的PM_(2.5)干沉降速率,其预测能力均是夏季最好,冬季最差,春秋次之,通过对比分析表明GIFM模型的预测能力在各季节均优于多元回归模型。