共查询到18条相似文献，搜索用时 140 毫秒
1.
黄河三角洲典型区域地下水动态分析 总被引：3，自引：0，他引：3
地下水作为三角洲地区水循环的重要环节,对整合土地利用和水资源管理以及河口湿地自然保护区的存在 与发展具有重要作用。采用surfer 软件绘制的地下水埋深等值线图显示地下水埋深的分布规律为沿黄河河道附近 地下水埋深较深, 滨海以及河间洼地为地下水浅埋区。在SPSS11.5 统计分析软件的帮助下, 采用偏相关分析( Partial 过程) 方法从地下水埋深多年和年内变化两个方面研究黄河三角洲典型地块地下水埋深和降水量、黄河径流量 之间的相关关系。研究结果表明, 黄河三角洲地区地下水动态变化受多个驱动因子的控制, 在不同时间段和不同的 地理位置影响程度不同, 且多年地下水埋深的序列规律性较差, 地下水埋深多年动态和年内动态变化复杂且均不 受径流量和降水量影响。东营市引黄灌溉、引黄蓄水( 城市生活与工业用水等) 、大型引排水利工程的兴建等可能是 导致地下水位持续上升的主要原因, 为今后地下水资源管理和三角洲湿地资源的保护提供依据。 相似文献
2.
基于三江源典型区(索加-曲麻河自然保护区)1977—2007年的遥感影像解译数据和统计资料,采用偏相关分析筛选与湿地变化显著相关的因子,通过主成分分析、灰色关联度分析驱动因子对湿地变化的贡献率大小。结果表明:近30年来湿地变化的驱动因素主要为气候因素,其中以年平均气温、年蒸发量和年平均相对湿度为重要影响因子。通过计算主要影响因子对湿地变化的灰色关联度,认为年平均相对湿度和年蒸发量对河流湿地变化的贡献率最大,年平均温度与湖泊湿地、沼泽湿地和河滩地动态变化的关联程度最高。 相似文献
3.
北京湿地景观格局演变特征与驱动机制分析 总被引：18，自引：1，他引：17
在遥感和GIS技术的支持下,应用1984-2008 年多时相长时间序列的TM遥感数据,选取斑块总面积、平均面积、分维度、多样性、优势度和聚集度等具有典型生态意义的景观格局指数,对北京湿地20 多年的湿地景观格局演变特征进行分析,探索其演变机制。结果表明：北京湿地总面积在总体上呈先增加后急剧减少再小幅回升的趋势,1994 年的湿地总面积仅为2004 年的47.37%。北京湿地以人工湿地为主,其变化主导着湿地总面积的变化趋势。水库湖泊湿地类型面积占到33.50%~53.73%,其平均面积高于其他湿地类型。坑塘稻田类型的平均面积最小,其面积比例为16.46%~45.09%。河流湿地由于受到自然驱动因子作用较大,其分维度指数高于人工湿地类型;1992-2004 年湿地景观多样性指数由1.11 上升到1.34,表明此阶段各类型所占面积比例分布趋于均匀,而聚集度指数从65.59 下降到58.41,表明景观连通性降低,破碎化程度加重。研究不同湿地类型空间质心变化表明：密云水库面积最大,导致水库湖泊类型质心位于密云县内;1984-1998 年充足的降水使河流湿地质心整体向东北方向偏移了10.43 km,1999-2006 年,连续干旱和大量不合理的开采利用,河流湿地质心向西南部偏移了10.75 km;由于受“退稻还旱”政策影响,使得北部地区的水稻种植面积减小,坑塘稻田湿地质心2006 年以后向南偏移;市区北部兴建的奥林匹克森林公园,使2008年公园湿地质心向海淀区北部偏移。 相似文献
4.
荒漠绿洲湿地水分来源及植物水分利用策略 总被引：2，自引：1，他引：1
水分是干旱区不同景观界面间的水分循环过程与水力联系的主体,维持着干旱区湿地生态系统的结构与功能。为量化水分来源及其对植物水分的贡献率,以河岸灌木湿地和草地盐沼湿地为研究对象,通过测定降水、径流、地下水、土壤水和植物水中δD、δ18O组成,利用多源线性混合模型分析水分来源对荒漠植物水分利用的贡献率。结果表明：（1） 黑河流域荒漠绿洲湿地年均降水量104.6 mm,约占蒸散量（604.47 mm）的17.03%,具有明显的季节性分布特征。地下水位与土壤含水量的波动取决于河流距离,离河道较近的河岸灌木湿地地下水深度及土壤含水量随季节波动较小,而离河道较远的草地盐沼湿地则变化很大。（2） 当地大气降水线δD=6.33δ18O+4.04 （R2=0.931）,斜率和截距均略小于全球大气降水线则符合黑河流域湿地整体降水少而蒸散量大的特点。黑河径流δD和δ18O均值分别为-43.80‰±12.09‰和-8.65‰±23.33‰,地下水为-50.98‰±13.18‰和-9.74‰±25.49‰,土壤水为 -42.07‰±6.89‰和-7.22‰±2.49‰,植物水为-51.84‰±14.46‰和-8.50‰±24.13‰。（3） 地表蒸发是荒漠绿洲湿地土壤氢、氧同位素富集的主要原因。地下水和河水分别是草地盐沼湿地与河岸灌木湿地的主要水分来源,贡献率分别约为61%和50%,表明湿地植物相比于干旱区脉冲式降水更依赖较为稳定的水源。（4） 植物根系深度和毛细根分布是决定荒漠绿洲湿地植物水分利用策略的重要因素。 相似文献
5.
为探究内陆河下游绿洲地下水动态变化规律,以民勤绿洲1999-2013年实测数据,在对绿洲地下水年际尺度埋深动态及潜在影响因素进行描述性统计分析的基础上,运用主成分分析法提取12个影响地下水埋深的主要因素,并采用灰色关联度方法分析了地下水埋深对各影响因子的敏感程度。结果表明：（1）绿洲地下水埋深总体呈逐年增加趋势,且不同区域、不同时期有明显差异;（2）民勤绿洲地下水埋深动态对12个因子的敏感程度依次为化肥使用量 >农膜覆盖面积 >年平均气温 >年末耕地总面积 >人口规模 >经济作物种植面积 >有效灌溉面积 >森林面积 >降水量 >蒸发量 >生产用电度数 >大牲畜年存栏量。 相似文献
6.
近45年来降水变化和人类活动对潮河流域年径流量的影响 总被引：8，自引：2，他引：6
近45a来,随着流域降水量减少,以及修建水利工程、引水、实施水土保持等人类活动的增加,潮河流域年径流量呈明显减少趋势。利用降水-径流经验统计模型,定量评估了潮河流域降水变化与人类活动对流域年径流量的影响程度。结果表明:1981~1990、1991~2000、2001~2005、1981~2005年,受人类活动影响所产生的年均减水量分别为1.32、0.67、1.46、1.09×108m3,占相应时段总减水量的95.1%,98.9%,60.7%和83.2%;受降水变化影响所产生的年均减水量分别为0.07、0.01、0.95、0.22×108m3,占相应时段总减水量的4.9%,1.1%,39.3%和16.8%。人类活动因素的贡献率远大于降水因素。 相似文献
7.
科尔沁沙地典型区地下水、降水变化特征分析 总被引：1，自引：0，他引：1
地下水资源作为科尔沁沙地典型区的重要供水来源,研究地下水及其影响因素的变化特征对水资源合理开发利用、生态环境保护有重要的现实意义。以研究区周围左中、通辽和后旗3个典型气象站与7个地下水观测井数据为基础,应用灰色系统理论、线性回归、M-K突变检验、累积距平分析和小波周期分析等研究方法,对科尔沁沙地典型区1951-2015年降水量与地下水埋深进行研究,定性描述降水量变化与地下水埋深变化的响应关系。结果表明：（1）夏季气候倾向率为-18.6 mm·（10 a）-1和年降水量气候倾向率为-11.7 mm·（10 a）-1,都呈下降趋势,春、秋和冬三季降水量变化呈上升趋势,其气候倾向率分别为1.45 mm·（10 a）-1、1.79 mm·（10 a）-1和0.67 mm·（10 a）-1。（2）近65 a来,研究区年降水存在2~5 a、7~12 a和18~31 a三个明显特征时间尺度的周期,对应小波方差图存在26 a和10 a两个周期峰值;四季降水量同样存在不同时间尺度的周期。（3）四季和年地下水埋深先呈线性再呈波动式变化,上升趋势显著,增幅分别为0.48 m·（10 a）-1、0.50 m·（10 a）-1、0.51 m·（10 a）-1、0.48 m·（10 a）-1和0.49 m·（10 a）-1。（4）地下水埋深时间序列基准期和变异期的分界点为1994年。（5）1994年前,地下水埋深与滞后4 a降水量相关系数为-0.514;1994年后,地下水埋深与滞后8 a降水量相关系数为-0.527。 相似文献
8.
气候变化和人类活动对鄱阳湖流域入湖输沙量影响的定量估算 总被引：3，自引：0，他引：3
采用HydroTrend水文模型,以鄱阳湖流域的赣江、抚河、信江、饶河和修水为研究对象,基于1956-2010年鄱阳湖流域气候数据、水沙数据及其他相关资料,分别模拟了5个子流域的入湖水沙通量变化。在此基础上,探讨了气候变化、植被覆盖变化和水库修建活动对输沙量变化的影响,并定量估算了上述因子对流域输沙量变化的贡献。结果表明：① 1956-2010年,气候、植被和水库三种因子影响下的流域年均输沙量分别为15.5 Mt、20.8 Mt、8.5 Mt,而三种因子共同影响下的流域年均输沙量达到12.6 Mt。② 1956-2010年,植被覆盖变化使流域年均输沙量增加4.2 Mt,而水库拦截造成流域年均输沙量减少8.2 Mt,两者分别占实际年均输沙量的32.4%和63.2%。③ 1956-1989年,植被覆盖变化导致的输沙增加量和水库修建拦截导致的输沙减少量均为5.1 Mt/a,两者对流域输沙量贡献持平;1990-2010年,水土流失加重导致的输沙增加量和水库拦截导致的输沙减少量分别为2.7 Mt/a和13.3 Mt/a,水库对入湖输沙量的影响效应是植被覆盖变化的5倍左右。 相似文献
9.
挠力河流域龙头桥水库对坝址下游湿地水文过程影响分析 总被引：3，自引：0，他引：3
在调查挠力河流域龙头桥水库的设计参数和运行方式的基础上,利用宝清和菜咀子两个水文站实测的水位和流量等观测数据,研究了龙头桥水库建设与运行对坝址下游(宝清水文站和菜咀子水文站之间)湿地的水文过程影响。龙头桥水库对坝址下游湿地水文过程的影响主要为:①使湿地径流量季节性变化幅度减小;②使河流湿地冰封期连底冻现象发生频率增加,特别是从1999年开始,出现了4月份河流连底冻现象,并且1999~2006年期间12月份河流连底冻现象的发生频率高达87.5%;③减少了进入湿地的径流总量;④使河流湿地的地表水位下降;⑤减少了河流湿地的地下水补充量;⑥水库对湿地水文过程影响带来了一些负面生态效应,如进入湿地的营养物质减少,湿地生物的越冬环境受到破坏等。建议在每年4月、9~12月期间,龙头桥水库增加向下游的放水量,并保证水流流量不小于3 m3/s;减少挠力河流域上游水田种植面积,将水库在灌溉和发电方面的功能主要转换为防洪和下游湿地生态水量调节。 相似文献
10.
《湿地科学》2015,(6)
在野外水分动态监测的基础上,采用美国盐土实验室开发的SPAC模型,对黄河三角洲湿地土壤水分运移规律进行了模拟。通过情景模拟,在0.5 m、0.75 m、1 m、1.25 m、1.5 m、1.75 m、2 m、2.5 m和3 m地下水埋深时,观察距离地表10 cm、30 cm和60 cm深度处土壤含水率的变化,获得了黄河三角洲湿地的地下水安全水位(1m)、敏感水位(1.25 m)和警戒水位(3 m);分别计算了黄河三角洲湿地在春季、夏季和秋季满足地下水水位达到敏感水位和警戒水位时的高、中和低目标等级的生态缺水量。研究结果显示,黄河三角洲湿地在1.25 m和3 m地下水埋深条件下的中目标生态缺水量分别为0.91×108m3和3.20×108m3,夏季的缺水量大于春季和秋季,主要是由于夏季的蒸发量最大,远远大于夏季降水量,土壤中的水分流失量最快。 相似文献
11.
The reservoir wetland, which is the largest artificial wetland in Beijing, constitutes one of the important urban ecological infrastructures. Considering two elements of natural environment and socio-economy, this paper established the driving factor indexing system of Beijing reservoir wetland evolution. Natural environment driving factors include precipitation, temperature, entry water and groundwater depth; social economic driving factors include resident population, urbanization rate and per capita GDP. Using multi-temporal Landsat TM images from 1984 to 2010 in Beijing, the spatial extent and the distribution of Beijing reservoir wetlands were extracted, and the change of the wetland area about the three decade years were analyzed. Logistic regression model was used to explore for each of the three periods： from 1984 to 1998, from 1998 to 2004 and from 2004 to 2010. The results showed that the leading driving factors and their influences on reservoir wetland evolution were different for each period. During 1984-1998, two natural environment indices： average annual precipitation and entry water index were the major factors driving the increase in wetland area with the contribution rate of Logistic regression being 5.78 and 3.50, respectively, and caused the wetland growth from total area of 104.93 km 2 to 219.96 km 2 . From 1998 to 2004, as the impact of human activities intensified the main driving factors were the number of residents, groundwater depth and urbanization rate with the contribution rate of Logistic regression 9.41, 9.18, and 7.77, respectively, and caused the wetland shrinkage rapidly from the total area of 219.96 km 2 to 95.71 km 2 . During 2004-2010, reservoir wetland evolution was impacted by both natural and socio-economic factors, and the dominant driving factors were urbanization rate and precipitation with the contribution rate of 6.62 and 4.22, respectively, and caused the wetland total area growth slightly to 109.73 km 2 . 相似文献
12.
北京城市湿地时空演变及驱动力定量分析(英文) 总被引：4，自引：1，他引：3
The decision tree and the threshold methods have been adopted to delineate boundaries and features of water bodies from LANDSAT images. After a spatial overlay analysis and using a remote sensing technique and the wetland inventory data in Beijing, the water bodies were visually classified into different types of urban wetlands, and data on the urban wetlands of Beijing in 1986, 1991, 1996, 2000, 2002, 2004 and 2007 were obtained. Thirteen driving factors that affect wetland change were selected, and gray correlation analysis was employed to calculate the correlation between each driving factor and the total area of urban wetlands. Then, six major driving factors were selected based on the correlation coefficient, and the contribution rates of these six driving factors to the area change of various urban wetlands were calculated based on canonical correlation analysis. After that, this research analyzed the relationship and mechanism between the main driving factors and various types of wetlands. Five conclusions can be drawn. (1) The total area of surface water bodies in Beijing increased from 1986 to 1996, and gradually decreased from 1996 to 2007. (2) The areas of the river wetlands, water storage areas and pool and culture areas gradually decreased, and its variation tendency is consistent with that of the total area of wetlands. The area of the mining water areas and wastewater treatment plants slightly increased. (3) The six factors of driving forces are the annual rainfall, the evaporation, the quantity of inflow water, the volume of groundwater available, the urbanization rate and the daily average discharge of wastewater are the main factors affecting changes in the wetland areas, and they correlate well with the total area of wetlands. (4) The hydrologic indicators of water resources such as the quantity of inflow water and the volume of groundwater are the most important and direct driving forces that affect the change of the wetland area. These factors have a combined contribution rate of 43.94%. (5) Climate factors such as rainfall and evaporation are external factors that affect the changes in wetland area, and they have a contribution rate of 36.54%. (6) Human activities such as the urbanization rate and the daily average quantity of waste-water are major artificial driving factors. They have an influence rate of 19.52%. 相似文献
13.
北京地区湿地资源动态监测与分析 总被引：19，自引：0，他引：19
以1984年、1989年、1992年、1996年、1998年、2004年TM及2002年ETM遥感影像为信息源,在遥感和地理信息系统技术支持下,结合野外调查,辅以收集研究区相关资料和多年的统计数据,动态监测和分析北京地区湿地资源的类型、面积、分布情况及湿地开发利用情况等.并以北京5大水系为例,用内梅罗指数法对1991年至2000年北京地区河流湿地进行水质评价与分析.结果表明：1996年和1998年北京地区湿地面积明显高于往年,分别为677.29 km^2和505.84 km^2,1998年后呈显著退化趋势,1998年到2004年,湿地水域面积减少了46%,水质也呈退化趋势,退化原因主要是由于降水量的减少和人为干扰.最后提出北京地区湿地资源合理利用和湿地生态环境保护对策. 相似文献
14.
利用银川市国家基准气象站及受人类活动影响较少的麻黄山气象站1961—2015年气温、降水及相对湿度资料，对比分析了城市化及湖泊湿地修复对银川市城市气候演变的影响。结果表明：随着银川市城市化规模的不断扩大，整个城市的暖干化程度日趋严重，城市周边湖泊湿地的修复和重建对银川市大范围气候的调节作用明显弱于城市化的影响。具体表现为：自1961年以来，银川站年平均气温上升速率为0.46 ℃·(10 a) -1，比麻黄山站快0.16 ℃·(10 a)-1，银川市城市化使城市内年平均气温较对比站麻黄山站升高1.1 ℃，特别是2001—2015年上升了0.8 ℃，2011—2015年上升了0.5 ℃，其中冬季上升快，夏季相对稳定，气温年较差减小；从1975年以来，银川市年平均空气相对湿度下降了11.2 %。 相似文献
15.
The driving factors of runoff changes can be divided into precipitation factor and non-precipitation factor, and they can also be divided into natural factor and human activity factor. In this paper, the ways and methods of these driving factors impacting on runoff changes are analyzed at first, and then according to the relationship between precipitation and runoff, the analytical method about impacts of precipitation and non-precipitation factors on basin's natural runoff is derived. The amount and contribution rates of the two factors impacting on natural runoff between every two adjacent decades during 1956-1998 are calculated in the Yellow River Basin (YRB). The results show that the amount and contribution rate of the two factors impacting on natural runoff are different in different periods and regions. For the YRB, the non-precipitation impact is preponderant for natural runoff reduction after the 1970s. Finally, by choosing main factors impacting on the natural runoff, one error back-propagation (BP) artificial neural network (ANN) model has been set up, and the impact of human activities on natural runoff reduction in the YRB is simulated. The result shows that the human activities could cause a 77×108 m3·a-1 reduction of runoff during 1980-1998 according to the climate background of 1956-1979. 相似文献
16.
The driving factors of runoff changes can be divided into precipitation factor and non-precipitation factor, and they can also be divided into natural factor and human activity factor. In this paper, the ways and methods of these driving factors impacting on runoff changes are analyzed at first, and then according to the relationship between precipitation and runoff, the analytical method about impacts of precipitation and non-precipitation factors on basin's natural runoff is derived. The amount and contribution rates of the two factors impacting on natural runoff between every two adjacent decades during 1956-1998 are calculated in the Yellow River Basin (YRB). The results show that the amount and contribution rate of the two factors impacting on natural runoff are different in different periods and regions. For the YRB, the non-precipitation impact is preponderant for natural runoff reduction after the 1970s. Finally, by choosing main factors impacting on the natural runoff, one error back-propagation (BP) artificial neural network (ANN) model has been set up, and the impact of human activities on natural runoff reduction in the YRB is simulated. The result shows that the human background of 1956-1979. 相似文献
17.
Natural runoff changes in the Yellow River Basin 总被引：3，自引：1，他引：3
1IntroductionThe driving factors of runoff changes can be divided into precipitation factor and non-precipitation factor, and they can also be divided into natural factor and human activity factor. The influence of the natural factor includes precipitation reduction, precipitation features (for example, spatio-temporal distribution and intensity), landuse natural changes and so forth. All of these can cause runoff changes. Temperature, evaporation, topography, soil and geological environment i… 相似文献
18.
基于1973-2010年长系列日降水、径流数据,利用降水径流双累积曲线、M-K统计检验和降水集中度等方法,结合HIMS模型模拟结果,分析了潮河流域降水-径流关系的变化及其原因。得到的主要结论如下：（1）近38年来,潮河流域降水变化较小,但径流下降趋势显著,降水-径流关系发生了两次突变,即在1973-1983年、1984-1998年和1999-2010年三个阶段降水-径流关系存在明显差异;（2）大雨日降水总和（P≥20）与径流深关系较为密切,其变化是导致降水-径流关系在1983年发生突变的主要驱动因子;（3）HIMS模型模拟结果显示,1999-2010年潮河流域下垫面条件较前两阶段变化明显,人类活动引起的减水效应由第二阶段的14.93%增加至第三阶段的25.78%,人类活动是导致降水-径流关系在1998年发生突变的主要驱动因子。 相似文献