湟水流域面源污染负荷分析与模拟研究

来源 :长安大学 | 被引量 : 0次 | 上传用户:kb824
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
面源污染造成的水污染已经成为我国水资源和水环境的主要问题,湟水流域作为黄河上游青海省境内的最大一级支流,也面临着面源污染问题。面源污染面积大,分布广,随机性高,且难以监管,研究面源污染过程需要综合考虑自然地理,气象水文,土地利用及社会经济各方面因素。目前,土壤水文评价工具(SWAT)被广泛用于面源污染的研究,且有在全球各大流域范围内得到了很好的模拟结果和推广应用。为了减少湟水流域的污染物流失,提高湟水流域水生态环境,本研究基于SWAT开展湟水流域面源污染负荷分析和模拟研究。本研究中,SWAT利用湟水流域内五个水文站点和五个水质站点2005-2015的相关数据,对湟水流域的径流量、泥沙、总氮、总磷进行了参数敏感性分析、模型率定和验证。各水文站点的径流、泥沙模拟的相关系数R2、效率系数ENS分别为0.67~0.81和0.52~0.77,各水质监测断面的总氮、总磷模拟的相关系数R2、效率系数ENS分别为0.32~0.58和0.31~0.49,模拟精度较好,径流和泥沙的模拟效果较优。基于土壤原位观测对关键参数进行对比模拟分析。再用修正过的模型分析湟水流域面源污染负荷时空分布及污染源解析。此外还模拟预测典型水文年流域的污染负荷情况,以及对面源污染防控措施如植被缓冲带、耕地水保措施及控制施肥量等进行最佳管理措施(BMPs)模拟研究。研究结果表明:湟水全流域总氮负荷主要来自于工业点源,总磷负荷主要来自于农业面源。从时间尺度上来看,湟水全流域内总氮污染负荷春季主要来自工业源和生活源,夏季主要来自农业源,秋冬两季主要来自工业源;总磷污染负荷年内四季均来自于农业面源。从空间上来看,湟水全流域内总氮、总磷的主要产污区集中在湟水主要支流和干流两岸的耕地。流域内典型水文年的污染负荷差异较大,总体趋势是污染负荷随着降水量的增大而增加。流域内不同管理措施对氮磷污染的削减效果从大到小依次为植被缓冲带、耕地水保措施、控制施肥量。以上均可为湟水流域面源污染控制和流域管理提供决策思路。
其他文献
家政服务业蓬勃发展,家政服务机构及其从业人员的信用状况极其重要,大数据信息信息共享应用,造就了数字经济和互联网经济的发展,通过大数据分析市场需求和自身产能,开展营销活动,就显得尤为重要。通过回顾国内外家政O2O企业开展营销和服务的情况,以PEST环境分析和行业分析,对比竞争对手的营销模式开展研究。结合市场营销组合理论,深入分析斑马电商云营销活动对市场需求的反映度不够高,平台产品体系较多,与消费者互
平板显示器、太阳能电池、发光二极管、气体传感器、节能玻璃等光电器件的广泛应用进一步扩大了透明导电薄膜的市场需求。目前应用最多的是ITO薄膜,但是ITO薄膜主要成分In是
缺失数据作为复杂数据的一种,在生物医学、教育学和经济学等研究领域中普遍存在,目前国内外大部分对于数据缺失问题的研究都是基于数据缺失机制为可忽略的情况下。但一些实际
谐波是电力系统中的有害物,是电力系统中的一种能量污染。谐波不仅造成电网污染,影响线路的稳定,而且会对电子设备产生一定的污染,导致电子设备不能正常运行。而且,谐波对人
作为传统计算模型的电子计算机,计算速度逐渐地接近瓶颈。为解决计算的瓶颈问题,科学家们对计算模型进行了大量的研究,其研究的领域中最具代表性的就是自然计算。作为自然计
路灯是为道路提供照明功能的灯具,它可改善交通条件,减轻驾驶员疲劳,有利于提高道路通行能力和保证交通安全,还可美化市容,在城镇道路以及高速公路上得到广泛使用。随着使用年限的增加,工业尾气、自然污染物会附着在路灯表面,造成路灯的透光性降低,影响交通安全。由于路灯悬空高度高,人工清洗方式费时费力、且存在人员安全问题。因此,迫切需要开发机械化的路灯清洗装置,同时对路灯进行识别和定位,获取路灯的位置信息,进
现今我国国民经济发展速度放缓,为了能够更好的实现对国民经济发展的有效推进,为民众创造出更多的就业机会,在近年来的发展过程中,政府对于小微企业发展给予了诸多支持,以推进小微企业发展。但是,受制于自身规模等方面因素的限制,进而导致小微企业常常会出现融资困难的问题,进而影响了其快速发展,为了促进小微企业发展,国家鼓励发展普惠金融,要求银行业等金融机构加大对小微企业的资金支持,因此银行如何进行小微企业信贷
作为一种分泌性糖蛋白,颗粒蛋白前体(Progranulin,PGRN)包含一个由17个氨基酸残基构成的分泌信号肽以及7.5个高度保守的半胱氨酸衔接重复结构域,这些结构域被分别命名为 para
近年来,随着人工智能技术的发展,需要处理的问题规模越来越大。然而,电子计算机模型计算能力的发展速度正在逐渐放慢,使得人工智能技术在求解大规模问题时遇到的计算能力方面
本文提出向前可加回归方法(Forward Additive Regression)来解决超高维非参数可加模型的变量选择问题,超高维问题下的维数pn=O(exp(nα)在超高维数据中,自变量的个数远大于样