陕北风沙滩地区生态安全地下水位埋深研究

在野外调查和综合分析的基础上，从可持续发展角度提出了生态安全地下水位埋深的概念；并深入探讨了地下水位埋深与植被生长、河湖基流量及土地荒漠化的关系，确定了风沙滩地区生态安全地下水位埋深为1．5～5m；采用面向生态的区域地下水资源评价理论，以生态安全地下水位埋深为约束，计算出该区地下水可采资源量约为107万m^3／d。

基于粒子群优化算法的RBF神经网络在泾惠渠灌区地下水位埋深预测中的应用

针对不恰当地选取RBF神经网络的网络结构和参数会使网络收敛慢的问题,采用粒子群优化算法对RBF神经网络参数进行优化,建立了基于粒子群优化算法的RBF神经网络模型（PSO-RBF模型）,对泾惠渠灌区地下水位埋深进行了模拟和预测。结果表明,与单一的RBF神经网络相比,PSO-RBF模型具有较高的预测精度。再根据时间序列预测法预测的降水量、径流量、蒸发量、渠灌引水量、地下水开采量、气温等模型的输入变量,用训练好的PSO-RBF模型预测了泾惠渠灌区2009-2020年地下水位埋深,发现该灌区地下水位埋深呈下降趋势。

马海绿洲区植被与地下水位埋深的定量关系

干旱区生态环境脆弱,降水稀少,绿洲植被的生长与地下水关系密切.运用2011年8月Landsat ETM＋遥感数据计算提取归一化植被指数（NDVI）,结合地下水位埋深观测数据,从大尺度上定量研究鱼卡河流域下游马海绿洲区地下水水位埋深与植被的生长关系.研究表明：马海绿洲适宜植被生长的地下水水位埋深范围为3～4.5 m;地下水位埋深为3.2m的区域,植被的生长发育最好;影响植被生长的临界地下水位为4.5m.通过比较马海绿洲、额济纳绿洲和银川平原植被区等三个中国典型内陆干旱区的研究结果发现,植被与地下水位埋深的相关性有显著的差异.

高开采强度下库尔勒市地下水位埋深动态与影响因素浅析

库尔勒市社会经济快速发展对水资源的需求使其地下水开发经历了临界超采期(2000-2006年)、超采增长期(2007-2011年)和高位超采稳定期(2012-2015年)过程。为探究高开采强度下的地下水位埋深动态特征,以库尔勒市地下水监测网覆盖区作为研究区,对以上3个开采强度时段地下水位埋深进行线性趋势分析。所有监测井地下水位埋深均呈持续增大趋势,研究区2000-2011年地下水位埋深总体呈"加速"增大状态;2012-2015年转变为"减速"增大状态。地下水长期超采已使山前倾斜平原地下水位埋深累计增大4.10~12.67 m,冲积平原累计增大9.07~22.26 m,天然生态受到威胁。逐步回归分析表明,研究区监测井地下水位埋深与径流量呈负相关关系,与地下水开采量呈正相关关系,径流量、开采量实质是研究区地下水补给项与排泄项的综合反映。地下水位埋深持续增大是地下水补给量减少、地下水开采强度增大共同作用的结果。研究成果可为库尔勒市水资源开发利用与保护提供一定的参考。

RBF网络在西安渭滨地下水位埋深预测中的应用

基于径向基(RBF)神经网络建模,对西安市渭滨地下水水源地的地下水位埋深进行了模拟和预测。将降雨、径流和人工开采量作为输入变量,对研究区域内的潜水和承压水位埋深分别进行预测。1984-2001年的数据用于径向基网络模型训练,2002-2005年的数据用于模型的验证,最后对2006-2023年共18年的地下水位埋深进行预测。结果表明,径向基神经网络模型对20年左右的数据序列有较好的预测效果,且根据降雨、径流和开采量,能较准确的预测地下水位埋深。

地下水位埋深对典型草原河岸植被的影响

采用野外地下水位定位监测与样地调查相结合的方法,研究了锡林河流域不同地下水位埋深下植被群落的数量特征。结果表明,随地下水位埋深的增加,植被的水分生态型从湿生向中旱生和旱生过渡;河岸群落的物种组成和生物量都呈现出先增加后减少的趋势,Simpson指数,Shannon-Wiener指数以及Margalef指数均呈现出先上升后下降的趋势,而Pielon指数则呈现先降低后升高的变化趋势。地下水位埋深为1.7m时,物种组成、生物量、Margalef指数最大,Pielon指数最小;地下水位埋深增大至5.8m时,物种数、生物量、Margalef指数开始下降而Pielon指数升高,且Simpson指数、Shannon-Wiener指数最大;地下水位埋深超过5.8m时,物种数、生物量与多样性指数变化平缓。

黑河下游额济纳绿洲荒漠植被与地下水位埋深的定量关系

干旱区植被生长与地下水的依存关系是生态水文地质学研究的热点之一。由于降水稀少,中国西北地区植被的生长发育与地下水的关系极为密切,从大尺度上研究地下水变化的生态效应问题对生态环境的保护和恢复具有重要的意义。借助遥感方法,结合地下水观测数据,在区域尺度上定量地研究了我国黑河下游额济纳绿洲荒漠植被发育与地下水埋深的关系。结果表明：适宜植被生长的地下水埋深范围约为2~5 m,当地下水埋深超过5.5 m时,由于植被根系缺水,不能维持冠层正常生长,几乎没有植被发育。

通辽地区次降雨入渗补给系数和地下水位埋深及次降雨量关系的分析与研究

本文根据已求得的通辽地区不同非饱和带分区的次降雨入渗系数 (文献 [1]、[2 ])及其对应的地下水位埋深 ,次降雨量大小 ,采用变步长分步模拟优选方法及非线性规划法确定了每一规划分区不同等级降雨量下的降雨入渗系数随地下水位埋深Δ而变化的模拟曲线。在此基础上 ,通过多元回归分析技术找出了α-Δ线型中不同系数随降雨量的变化曲线 ,从而 ,使我们把次降雨量的α -P-Δ 关系写成一个统一的式子 。

地下水位埋深对小麦产量及构成影响的试验研究

为确定淮北平原小麦生长期的适宜地下水位控制埋深,以2011-2013年淮北平原五道沟试验站实测资料为例,选取控制埋深为0.2、0.4、0.6、0.8、1.0、1.5、2.0m的全部装有砂礓黑土的测筒21只,每个埋深处理重复三次,分两期进行不同地下水位控制埋深对小麦产量影响的试验,通过控制测筒内地下水位埋深,比较不同地下水位埋深对小麦产量和构成的影响。结果表明,2.0m埋深以内,地下水位埋深与小麦产量显著相关,且用二次曲线可很好地拟合,小麦产量最高处对应的地下水位埋深约为1.3m。从产量构成的角度来看,小麦的株高、穗长和亩穗数均随地下水位埋深变化而差异显著,且2.0m埋深以内地下水位埋深与小麦产量之间呈现先增大后减小的关系。

青海省鱼卡-大柴旦盆地绿洲地下水位埋深遥感反演

以卫星遥感数据获得鱼卡-大柴旦盆地绿洲地下水位分布状况,利用TM8数据获得归一化植被指数NDVI,利用大气传输方程法反演地表温度TS,构成TS-NDVI特征空间,计算得到温度植被干旱指数TVDI对研究区表层土壤含水量进行估算。干旱区土壤水依赖于地下水,利用表层土壤含水量和TVDI与地下水位埋深的经验方程得到研究区地下水位埋深分布图并进行实地验证。结果表明:研究结果符合实际,用土壤含水量和TVDI反演得到的地下水位埋深与实测地下水位埋深之间的相关系数分别为0.83和0.765。

用时间序列逐步回归分析预报枯水期地下水位埋深

本文将逐步回归分析和时间序列分析方法结合起来进行枯水期地下水位埋深预报,使时间序列分析的参数大大减少。实例计算表明,预测精度较高。

地下水位埋深的SARIMA与BP神经网络组合模型预测分析

根据西安市291监测井2000—2008年逐月地下水位埋深资料,分别采用SARIMA模型、BP神经网络模型及组合模型建模预测。结果表明,组合模型发挥了SARIMA模型良好的线性拟合能力与BP神经网络模型强大的非线性映射能力,其预测准确率高于单一模型的准确率,在地下水位埋深预测中将有较好的应用发展前景。

额济纳绿洲沿河区地下水位埋深对生态输水的响应研究

通过连续3 a对额济纳绿洲沿河区的地下水位埋深监测,分析地下水位埋深在纵向、横向的响应及地下水位埋深响应强度情况,探讨生态输水后地下水位埋深动态响应的初步规律。初步结论:生态输水后地下水位埋深出现显著地变化,平均地下水位埋深由输水前的4.5m降低到3.27m,降幅为27.3%;距输水口越近,距输水河道距离越近,地下水位埋深越小,其降低幅度也越大。

2000-2020年昌吉州东部平原区地下水位埋深对土地利用及干旱时空演变的动态响应

联合土地利用与覆被变化及气象干旱综合分析区域地下水位埋深变化及其动态响应关系,明晰地下水位埋深变化的阶段性主导因素,对地下水超采地区综合治理和地下水资源有效管控具有现实意义。选取昌吉州东部平原区2000-2020年78眼地下水监测井月尺度地下水位埋深数据资料及5期遥感影像数据并结合同期多尺度标准化降水蒸散发指数SPEI,分析不同时空尺度地下水位埋深对土地利用/覆被变化及SPEI的动态响应规律,探讨研究区土地利用变化与干旱变化趋势对地下水埋深变化的综合影响。结果表明:研究区21年间地下水位埋深表现出不显著变化(2000-2005年)-显著增大(2005-2014年)-变缓(2014-2017年)-持续增大(2017-2020年)的变化特征,整体呈持续增大动态趋势,空间分布呈北向南逐渐增大特征;同期土地利用类型面积发生了显著变化,耕地为其主要的土地利用类型,面积呈持续增加趋势,分形维数呈现出先降低(2000-2005年)后升高(2005-2010年)再降低(2010-2020年)的变化特征;SPEI年际动态变化呈显著干旱趋势变化特征,年尺度序列在2012年、2017年发生突变,2016年开始气象干旱发生频次增加;2000-2015年研究区地下水位埋深动态变化对土地利用变化尤其是耕地变化响应显著,2016-2020年地下水位埋深动态变化是对土地利用变化与气候干旱因素的联合响应。

基于元数据分析的西北干旱区生态地下水位埋深及其影响因素

综合现有文献研究成果,基于元数据分析方法研究不同植被的适宜、极限生态地下水位埋深。选择乔木、灌木和草本等3种植被类型中的13种植物,分析适宜、极限生态地下水位埋深的统计分布、生物多样性和丰富度指数,推求生态地下水位埋深与植物根系和土壤质地的关系,得出:西北地区适宜和极限生态地下水位埋深均值分别为2.9、5.5m,控制范围分别为2.3~3.9、4.0~7.2m;适宜、极限生态地下水位埋深与植物根系具有显著的相关关系,适宜生态地下水位埋深还取决于植物根系伸展速率与地下水位埋深下降速率的相对关系;土壤质地控制毛细管上升高度及地下水位埋深以上水分供给能力,是确定生态地下水位埋深的重要因子。

夏玉米不同地下水位埋深条件下的耗水量及其与产量的关系

依据天长市二峰灌溉试验站2010年夏玉米地下水位埋深试验资料,通过6种地下水位控制处理和3种对照夏玉米试验,探讨了不同地下水位埋深对夏玉米的耗水量及耗水量与产量关系的影响。结果表明:夏玉米的耗水量呈抛物线型,前后期小,中期大,到抽雄吐丝期达到最大,并随水位埋深加大而降低;过高或过低的耗水量均影响夏玉米的产量。

地下水位埋深对地表径流量及入渗补给量影响的数值模拟

针对五道沟实验站亚粘土(砂姜黑土)且无植被覆盖区内的蒸渗仪中的不同地下水位埋深之上的非饱和土层,建立了非饱和带数值模型,进而模拟出不同地下水位埋深时的地表径流量及入渗补给量变化规律。数值模拟结果表明,地表径流量及入渗补给量随降雨量增大而增大,地表径流系数总体随降雨量增大而增大,随地下水位埋深增加而减小;但对强降雨,地下水位埋深对地表径流系数影响较小。

泾惠渠灌区地下水位埋深的动态特征及影响因素分析

地下水作为陕西泾惠渠灌区的重要水源,对其动态特征的研究在灌区水资源开发利用方面具有重要的指导意义。根据泾惠渠灌区1981-2010年的地下水位平均埋深资料,采用线性倾向估计法、累积距平法、Sen斜率估计法、Mann-Kendall趋势检验法对泾惠渠灌区地下水位埋深动态序列进行年际变化分析;采用滑动T检验法和双向回归突变分析法分析序列突变性;采用主成分分析法和灰色关联分析法确定影响灌区地下水埋深动态的主要因素。结果表明:灌区1981-2010年地下水位平均埋深基本呈增加趋势,突变点出现在1994年,1994年之前影响灌区地下水埋深动态的主要因素为蒸发量,1994年之后主要影响因素为蒸发量、地下水开采量和灌渠引水量。

气候变化与人类活动对石家庄市藁城区地下水位埋深的影响分析

为了探寻石家庄市藁城区地下水埋深动态变化规律,以藁城区2001—2018年的年降水量、地下水人工开采量等数据为基础,对藁城区地下水位埋深进行研究。首先采用P-Ⅲ型曲线法确定降水序列的丰、平、枯年份,分析不同降水量情况下地下水位埋深变化规律;其次,利用地下水开采潜力系数法和灰色关联度法对人工开采量和地下水位埋深的关系进行研究。结果表明:1)藁城区地下水位埋深在2001—2016年逐渐增大,在2016—2018年趋于减小,2016年为转折点;在空间上藁城区地下水位埋深呈现出北部埋深小、南部埋深大的特征,北部水位埋深较同期南部水位埋深要浅5-10 m。2)降水是驱动藁城区地下水位埋深变化的重要因素,枯水年水位埋深变幅在0.8-1.5 m之间,平水年水位埋深变幅在0.3-1.2 m之间,丰水年水位埋深变幅在0.3-1.1 m之间。主灌期(3—6月)的地下水位埋深增加速率均为cm/d级,非主灌期(7—10月)的地下水位埋深减少速率均为mm/d级。3)人工开采是驱动藁城区地下水位埋深变化的主导因素,其中农业开采量占人工开采量的80%。综上认为,藁城区一直处于严重超采状态,地下水累计超采量每增加1亿m3,地下水位埋深增加0.45 m。

基于地形校正TVDI的地下水位埋深反演

在干旱、半干旱地区,地下水是陆生植被生存的重要水源,而传统的地下水位监测方法费时费力,及时获取大尺度高精度的地下水位埋深显得十分重要。在温度植被干旱指数(TVDI)的基础上,分别提取三期Landsat 8遥感数据的归一化植被指数(NDVI)、修正土壤调节植被指数(MSAVI)、比值植被指数(RVI)、差值植被指数(DVI)和增强型植被指数(EVI)和地表温度(Ts),并引入DEM数据对Ts进行地形校正,减少地形起伏对能量二次分配的影响,并选择最佳TVDI反演地下水位埋深状况,结果表明:(1)在传统TVDI的基础上引入DEM进行地形校正,分析校正前后TVDI与地下水位埋深的决定系数,R^2从0.4381提高到0.5053,这说明地形校正能够有效地提高地下水位埋深的反演精度;(2)通过三期影像对比分析了五种不同的TVDI值分别与其对应栅格点的地表土壤湿度和地下水位埋深的决定系数,总体上都是Ts-MSAVI较好,最高R^2分别为0.5547、0.5202;(3)在实测土壤含水量缺失的情况下,可以根据反映土壤湿度高低的因子(TVDI)间接地反演地下水埋深分布状况。