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.     

经常性暴雨内涝区域房屋财(资)产脆弱性研究——以温州市为例

基于洪涝灾害脆弱性研究基本思路,选择经常性暴雨内涝区域——温州市麻步镇和水头镇,就0908号台风"莫拉克"影响开展"暴雨内涝灾后房屋财产和商业资产损失"抽样问卷调查。结果表明:淹没区域平均水深1.7m,平均淹没时间超过2 d,房屋财(资)产损失较大;经常性暴雨内涝区域30%住户和商铺灾害损失值和灾损率接近0,房屋财产和商业资产灾损率呈现乘幂函数曲线。     

金盆水库暴雨径流时空演变过程及水质评价

为探究西安金盆水库汛期暴雨径流沿程时空演变过程及库区水质响应,对汛期2019年8月初与9月中旬两场暴雨径流上游河道至库区各断面的水质指标进行持续原位监测,并在垂向上采用单因子污染指数法和综合污染指数法对库区进行水质评价.结果表明：汛期暴雨径流连续不同的来流条件会演变成不同的潜入情况,两次径流初期入流量小,水库潜流均经历全断面径流-底部潜流-间层流的过程,在末期,8月初径流库区间层流位置由初期的545~565 m扩大为535~580 m,9月中旬径流潜流位置由初期540~575 m的间层流演变成575 m以下的底部潜流;连续的入流使库区热分层结构削弱,溶解氧得到补充,同时大量颗粒态污染物汇入库区,营养盐在垂向上表现为中层、底层水体高于表层;单因子污染指数表明径流潜流处总磷和高锰酸盐指数值都有一定的增加,末期均超过地表水Ⅲ类水质标准;综合污染指数表明8月初径流中层水质处于中污染,底层则受厌氧与颗粒沉降的双重影响达到重污染,并且在径流一周后达到峰值,而9月中旬的575 m以下的潜流直接导致中层水体处于重污染,底层由于溶解氧的补充处于中污染;汛期通过泄洪洞的排放与分层取水可以有效地保障供水安全.     

我国未来能源消费及其对环境的影响分析

随着我国经济的发展和城市化水平的提高,未来的能源消费状况及由此带来的环境污染问题日益受到人们的关注.本文简要回顾了1 980年以来我国能源消费状况并分析了相应的环境问题,对我国未来能源消费状况及可能带来的环境影响设置了3种情景进行预测和分析,得出我国今后因能源消费的SO₂、NO_x、CO₂和烟尘等排放量依然很高,但不同情景的预测结果有较大区别,并提出通过提高能源效率以及加强清洁、可再生能源的开发利用来解决能源消费带来的环境污染问题.     

公路路网建设项目声环境影响评价研究

以甘肃省某市新区基础设施建设中的路网建设为例,根据公路路网的交通参数、道路地形地貌条件、路面设施等,利用导则推荐模式预测路网噪声贡献值。该新区路网中道路距离多在500m以上,不论道路平行还是相交,噪声影响以主干道为主,以次干道为辅,相互影响;根据路网噪声环境影响的特点,提出切实可行的声环境影响减缓措施。     

安徽省近10年能源足迹测度及驱动因子分析

安徽省为生态建设省,随着中部崛起战略与皖江城市带承接产业转移示范区建设的实施,能源消费给当地生态环境形成了较大压力. 依据生态足迹模型对安徽省2000—2009年能源足迹进行了时间序列测度,基于STIRPAT模型揭示了能源足迹驱动因子的边际贡献,运用灰色GM(1,1)模型预测了2015年与2020年能源足迹. 结果表明:安徽省人均能源足迹由2000年的0500 8 hm2增至2009年的1043 5 hm2,人均能源足迹赤字由2000年的0432 9 hm2扩至2009年的0975 5 hm2;煤炭足迹对能源足迹平均贡献率为7629%,占主导地位;能源足迹强度由2000年的1083 3 hm2104元降至2009年的0704 7 hm2104元;研究时段内,能源足迹生态压力指数均大于5 人均GDP和第二产业在经济中所比例均与能源足迹呈正相关,二者边际弹性系数分别为0000 073 57和0006;而单位工业增加值能耗与能源足迹呈负相关,其边际弹性系数为-0186.      

城市内涝灾害应急救援指派模型

为实现应急救援队伍的合理派遣以快速营救受困人员,根据城市内涝灾害特点、城市内涝灾害情况和救援资源的分布,综合考虑应急救援队伍的救援效率、救援可靠性、救援时间等因素,构建多目标应急救援指派模型。运用模糊数学思想,将各目标下的属性值矩阵转化为模糊关系矩阵。针对优化模型的特点,采用反点法对模型进行求解。为证明反点算法的可行性,采用标准匈牙利算法对模型进行求解并加以验证。算例结果表明,多目标优化方案可以进行良好的任务分配,可满足应急救援任务的需要。     

Using Paleo Reconstructions to Improve Streamflow Forecast Lead Time in the Western United States

In water stressed regions, water managers are exploring new horizons that would help in long‐range streamflow forecasts. Oceanic‐atmospheric oscillations have been shown to influence streamflow variability. In this study, long‐lead time streamflow forecasts are made using a multiclass kernel‐based data‐driven support vector machine (SVM) model. The extended streamflow records based on tree ring reconstructions were used to provide a longer time series data. Reconstructed data were used from 1658 to 1952 and the instrumental record was used from 1953 to 2007. Reconstructions for oceanic‐atmospheric oscillations included the El Niño‐Southern Oscillation, Pacific Decadal Oscillation, Atlantic Multidecadal Oscillation, and North Atlantic Oscillation. Streamflow forecasts using all four oscillations were made with one‐year to five‐year lead times for 21 gages in the western United States. This is the first study that uses both instrumental and reconstructed data of oscillations in SVM model to improve streamflow forecast lead time. SVM model was able to provide “satisfactory” to “very good” forecasts with one‐ to five‐year lead time for the selected gages. The use of all the oscillation indices helped in achieving better predictability compared to using individual oscillations. The SVM modeling results are better when compared with multiple linear regression model forecasts. The findings are statistical in nature and are expected to be useful for long‐term water resources planning and management.     

回归分析方法在环境领域中的应用评述

回归分析是一种处理变量间相关关系的有效数理统计方法,回归分析模型目前已应用于环境领域的多个方面,并在实际应用中证实了其准确性和可行性。基本回归分析方法有一元线性回归、多元线性回归和逐步回归等,通过概述了这几种基本回归分析方法的原理及其在环境领域中的应用现状,评述了其应用效果,并预测了回归分析技术在环境领域中应用的发展方向;对在众多环境科学与工程研究领域中,更好地发挥回归分析的作用具有很好的参考价值。     

京津冀臭氧污染特征、气象影响及基于神经网络的预报效果评估

基于生态环境监测和气象观测数据,分析了2016~2020年京津冀13个城市臭氧（O₃）浓度特征,讨论了O₃污染高发月份日最高温度（T_max）、日均地面气压（p）、日均地面相对湿度（RH）和日均地面风速（v）等气象要素对O₃-8h浓度和O₃-8h超标情况的影响规律,并采用AQI级别预报准确率、O₃浓度范围预报准确率和O₃级别预报准确率等方法,评估了基于神经网络的O₃统计预报效果.结果表明,2016~2020年期间京津冀13城市ρ（O₃-8h-90per）分别为157.4、177.2、177.3、190.6和175.6μg·m^-3,区域臭氧浓度5a上升了11.6%,2016~2019年期间总体呈波动上升趋势,2020年环比下降;2020年与2016年相比,除北京、张家口和承德略有下降外,其他10个城市ρ（O₃-8h-90per）上升了6~45.5μg·m^-3.O₃-8h月均值呈现"两头低,中间高"现象,ρ（O₃-8h）在4~9月的月均值超过了100 μg·m^-3,在6月最高,为158.10 μg·m^-3.城市O₃-8h超标率范围为8.6%~19.2%,97.8%的O₃-8h超标情况发生在4~9月.区域尺度上O₃-8h浓度与日最高温度相关性最强,当T_max在25~28℃区间时,所有城市开始出现O₃-8h超标.O₃-8h浓度与日均地面气压呈负相关关系;当RH在60%以下时,大部分城市O₃-8h浓度随相对湿度上升缓慢增长;当RH在61%~70%以上时,大部分城市O₃-8h浓度随日均相对湿度上升而下降.O₃-8h超标时的地面主导风向主要为偏南风,大部城市O₃-8h浓度高值易集中出现在2~3m·s^-1及以下低风速区间.OPAQ统计模式提前1~9 d预报相关系数范围为0.72~0.86,AQI级别预报平均准确率为67%~86%,O₃-8h浓度范围预报平均准确率为63%~84%.在O₃-8h超标情况多发的4~9月,模式对O₃轻度污染和O₃-8h超标情况提前3 d预报准确率分别为69%和66%,可为O₃-8h超标管控提供参考依据.