海河北系(天津段)污染负荷解析

针对海河北系(天津段)水环境质量逐年恶化的现象,本文从点源污染和面源污染的角度,调查分析了该流域存在的主要污染源及其排污现状。通过实地调查和相关数据统计,采用数据统计法、系数估算法等计算各汇水区的污染负荷。研究结果显示,研究区污染物总负荷COD为65 283 t,氨氮为12 324 t,其中点源污染贡献率仅为14%、5%。点源污染排放量较大的行业主要有冶金业、石油化工、轻工食品业和服装纺织业,四大行业COD和氨氮排放量分别占整个流域企业点源污染排放总量的73%和84%以上。面源污染贡献率较大,是最主要的污染源,其中以农田地表径流污染贡献率最高,COD、氨氮、总氮、总磷贡献率占整个流域面源污染的67%、64%、77%、82%。该研究为海河北系(天津段)水污染源头治理和水环境管理提供了参考依据。

海河北系1956年-2012年降水时序演变特征

采用海河流域北系20个气象站1956年-2012年降水时间序列,从趋势、周期、突变和空间差异四个方面分析了该地区降水时空变化特征。结果显示:海河北系年降水以14.9mm/(10a)的速度减少;降水具有多时间尺度下的显著差异特征:月尺度较平稳,仅10月、11月发生显著下降,5月、6月发生显著增加;季尺度上,春、秋季较平稳,夏、冬季呈现下降趋势;年降雨呈现28年显著周期,并且在20世纪80年代前后转入枯水期。地区差异上,山区较平原区降水变化幅度更大,但周期平稳,突变时间更早。

基于机器学习模型的海河北系干旱预测研究

提高干旱预测精度能为流域干旱应对及风险防范提供可靠数据支撑,构建比选合适的干旱模型是当前研究的热点。研究以4个时间尺度(3、6、9、12月)标准化降水指数(SPI)为表征指标,利用小波神经网络(WNN)、支持向量回归(SVR)、随机森林(RF)三种机器学习算法分别构建了海河北系干旱预测模型,利用Kendall、K-S、MAE三种检验方法判定模型表现及其稳定性。研究表明:(1)WNN、SVR模型呈现结果在不同时间尺度SPI存在差异,WNN最适合12个月尺度SPI干旱预测;SVR最适合6个月尺度SPI干旱预测。(2)对3、12个月尺度SPI,RF预测性能最优(Kendall>0.898,MAE<0.05);对6、9个月尺度SPI,SVR预测性能最优(Kendall>0.95,MAE<0.04)。(3)模型预测性能稳定性存在区别,RF预测稳定性最高,其次为SVR。(4)构建的三种模型表现异同主要是因为SVR转为凸优化问题解决了WNN易陷入局部最优解的不足,从而提高了模型预测性能,RF集成多样化回归树,降低了弱学习器的负面影响,提高了模型预测准确率及稳定性,同时,RF处理包含噪声的降水数据的能力更强。

基于标准水资源指数(SWRI)的流域水文干旱评估——以海河北系为例

构建了一个新的水文干旱评估指标——标准水资源指数(SWRI),结合分布式水循环模型、Copula函数及统计检验等方法,形成了一套完整的水文干旱识别、评估及特征分析的基本框架。以海河北系为例,定量识别了1956—2009年间的水文干旱事件,并对其干旱特征及变化规律进行了剖析。结果表明:海河北系近54年发生的34次水文干旱主要集中在短历时、低强度、小面积区间内,空间上主要分布在张家口、大同及北京等地区;干旱指标的联动关系上,干旱历时、强度与面积指标间呈显著的线性或指数相关关系,90%的水文干旱历时低于40个月、干旱面积占比不超过43%,干旱强度低于9.0;在给定的干旱特征指标值(如干旱面积)条件下,另一干旱指标值越大(如强度越大)干旱发生概率越小,且存在明显的特征区间;单变量水文干旱重现期介于联合重现期和同现重现期之间。