CN104777215B - 一种确定流域尺度次降雨泥沙来源的方法 - Google Patents
一种确定流域尺度次降雨泥沙来源的方法 Download PDFInfo
- Publication number
- CN104777215B CN104777215B CN201510197961.0A CN201510197961A CN104777215B CN 104777215 B CN104777215 B CN 104777215B CN 201510197961 A CN201510197961 A CN 201510197961A CN 104777215 B CN104777215 B CN 104777215B
- Authority
- CN
- China
- Prior art keywords
- source area
- silt sample
- sediment source
- sediment
- msub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种确定流域尺度次降雨泥沙来源的方法，该方法中使用判别分析法计算流域泥沙来源与泥沙的距离和距离权重，利用距离与贡献率的反比关系计算流域尺度次降雨泥沙来源的相对贡献率。此方法比传统的混合模型更可靠，受泥沙来源个数的影响更小，可以研究次降雨空间产沙规律，计算不同降雨强度泥沙来源贡献率，可以解决混合模型受泥沙来源个数的限制，避免了混合模型计算结果出现虚假数值解。
Description
技术领域
本发明涉及流域泥沙来源判断技术领域，尤其涉及一种确定流域尺度次降雨泥沙来源的方法。
背景技术
水土流失已成为我国严重的环境问题之一。水土流失不仅会降低土地生产力，泥沙进入河道也会破坏河流生态环境和堵塞河道；同时，污染物通常附着在泥沙表面，随泥沙进入河流从而造成地表水的污染。准确的判断泥沙来源及其贡献可以为做好水土保持和水资源管理提供重要的依据。
常用的指纹识别法可以弥补目前土壤侵蚀模型和土壤侵蚀测量方法在大流域尺度预测和切沟侵蚀预测中的不足。二十世纪七十年代，指纹识别法开始被应用到确定流域泥沙来源及其空间分布的研究。目前，此方法已被广泛应用在流域尺度的泥沙来源研究中。
使用指纹识别法，首先需要划分泥沙来源，其次要确定示踪因子，再次使用模型计算泥沙来源相对贡献率。通常指纹识别法采用混合模型计算泥沙来源的相对贡献率。但混合模型存在的问题是当泥沙来源数增加时，其预测结果准确率明显下降。Lees等(1997)研究了混合模型的预测结果随泥沙来源数的变化，他们发现当泥沙来源数从2个增加到6个时，模型预测成功率从75％下降到0。Small等(2002)提出，当泥沙来源数增加时，混合模型会预测某些泥沙来源无贡献或仅给出虚假的数值解。
发明内容
本发明的目的是提供一种确定流域尺度次降雨泥沙来源的方法，该方法可靠性较高，受泥沙来源个数的影响更小，可以研究次降雨空间产沙规律，计算不同降雨强度泥沙来源贡献率，对于水土保持时间和空间的规划具有指导意义。
本发明的目的是通过以下技术方案实现的：
一种确定流域尺度次降雨泥沙来源的方法，该方法包括：
将研究区划分为M个泥沙来源区，并采集每一泥沙来源区的表层土壤样品；
在次降雨径流过程中采集流域出口泥沙样品；
将所述每一泥沙来源区的土壤样品与泥沙样品分别进行预处理后，进行全元素测量；
基于判别分析法，从所有土壤样品的测量结果中筛选出能够区分泥沙来源区的化学元素，并建立对应的判别方程，再计算判别方程分类泥沙样品来源的正确比例；
根据判别方程中所包含的化学元素种类，将每一泥沙来源区的土壤样品以及泥沙样品对应化学元素及相应的浓度分别代入判别方程中，从而计算出每一泥沙来源区的中心位置，以及采集泥沙样品的位置；
根据每一泥沙来源区的中心位置、采集泥沙样品的位置以及判别方程分类泥沙样品来源的正确比例，计算每一泥沙来源区的中心位置与采集泥沙样品的位置之间的距离，从而确定每一泥沙来源区对泥沙样品的相对贡献。
进一步的，所述将所述每一泥沙来源区的土壤样品与泥沙样品分别进行预处理后，进行全元素测量包括：
使用去离子水分别将土壤样品与泥沙样品过湿筛，保留小于预定尺寸的泥沙颗粒；
将过湿筛的土壤样品与泥沙样品在预定温度下烘干后，使用电感耦合等离子体质谱仪进行全元素测量，获得每一土壤样品与泥沙样品所包含的化学元素种类及对应的浓度。
进一步的，所述基于判别分析法，从所有土壤样品的测量结果中筛选出能够区分泥沙来源区的化学元素，并建立对应的判别方程包括：
对比所有土壤样品的测量结果，筛选浓度含量不同的化学元素；
将浓度含量不同的化学元素在不同泥沙来源区的差别进行量化，筛选出量化结果大于预定值的化学元素，并建立对应的判别方程。
进一步的，所述根据判别方程中所包含的化学元素种类，将每一泥沙来源区的土壤样品以及泥沙样品对应化学元素及相应的浓度分别代入判别方程中，从而计算出每一泥沙来源区的中心位置，以及采集泥沙样品的位置包括：
当仅有一个判别方程时，将则将每一土壤样品以及泥沙样品分别代入判别方程中，获得的数值则为对应泥沙来源区的中心位置，以及采集泥沙样品的位置；
当有两个判别方程时，则将每一土壤样品以及泥沙样品分别代入这两个判别方程中，获得两个数值；将这两个数值分别作为二维坐标系中的x值和y值，从而计算出每一泥沙来源区的中心位置，以及采集泥沙样品的位置。
进一步的，所述根据每一泥沙来源区的中心位置、采集泥沙样品的位置以及判别方程分类泥沙样品来源的正确比例，计算每一泥沙来源区的中心位置与采集泥沙样品的位置之间的距离包括：
若判别方程的数量为n个，则第m个泥沙来源区的中心位置与采集泥沙样品的位置之间的距离Dm计算公式为：
其中，ρi表示第i个判别方程分类泥沙样品来源的正确比例，Fi(sourcem)与Fi(sediment)分别为第i个判别方程计算到的第m个泥沙来源区的中心位置与采集泥沙样品的位置。
进一步的，确定每一泥沙来源区对泥沙样品的相对贡献包括：
计算第m个泥沙来源区对泥沙样品相对贡献的权重Wm，其表示为：
其中，Dm表示第m个泥沙来源区的中心位置与采集泥沙样品的位置之间的距离；
计算所有泥沙来源区对泥沙样品相对贡献的权重之和W，其表示为：
计算第m个泥沙来源区对泥沙样品的相对贡献Pm，其表示为：
由上述本发明提供的技术方案可以看出，使用判别分析法计算流域泥沙来源与泥沙的距离和距离权重，利用距离与贡献率的反比关系计算流域尺度次降雨泥沙来源的相对贡献率。此方法比传统的混合模型更可靠，受泥沙来源个数的影响更小，可以研究次降雨空间产沙规律，计算不同降雨强度泥沙来源贡献率，可以解决混合模型受泥沙来源个数的限制，避免了混合模型计算结果出现虚假数值解。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种确定流域尺度次降雨泥沙来源的方法的流程图；
图2为本发明实施例提供的计算得到泥沙来源区中心及泥沙样品位置的示意图；
图3为本发明实施例提供的计算得到泥沙来源区中心与泥沙样品位置之间的距离的示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
图1为本发明实施例提供的一种确定流域尺度次降雨泥沙来源的方法的流程图。如图1所示，该方法主要包括如下步骤：
步骤11、将研究区划分为M个泥沙来源区，并采集每一泥沙来源区的表层土壤样品。
本发明实施例中，划分后的每一泥沙来源区有唯一的土地利用类型和土壤类型。
采集土壤样品时，通常在每一泥沙来源区内随机采集至少30个表面2厘米的表层土壤分样品，再将30个分样品充分混合，除去样品中的植物根系等杂物，进行初步研磨，自然风干后，为该泥沙来源分区的土壤样品。
步骤12、在次降雨径流过程中采集流域出口泥沙样品。
通常在流域出口，使用固定在沟道底部的通用泥沙采集装置进行泥沙样品采集。
步骤13、将所述每一泥沙来源区的土壤样品与泥沙样品分别进行预处理后，进行全元素测量。
具体来说，使用去离子水分别将土壤样品与泥沙样品过湿筛，保留小于预定尺寸(例如，63微米)的泥沙颗粒；
将过湿筛的土壤样品与泥沙样品在预定温度(例如，105℃)下烘干后，使用电感耦合等离子体质谱仪进行全元素测量，获得每一土壤样品与泥沙样品所包含的化学元素种类及对应的浓度。
步骤14、基于判别分析法，从所有土壤样品的测量结果中筛选出能够区分泥沙来源区的化学元素，并建立对应的判别方程，再计算判别方程分类泥沙样品来源的正确比例。
具体来说，对比所有土壤样品的测量结果，筛选浓度含量不同的化学元素；
将浓度含量不同的化学元素在不同泥沙来源区的差别进行量化，筛选出量化结果大于预定值的化学元素，并建立对应的判别方程。
示例性的，假设泥沙来源区包含泥沙来源区A与泥沙来源区B，通过前述测量结果表明土壤样品含有氮、磷、钾、碳、锰等化学元素，通过浓度含量对比，筛选出浓度含量不同的氮、磷、钾元素。
对氮、磷、钾在泥沙来源区A与泥沙来源区B的差别进行量化，量化结果为氮差别80％，磷差别150％，钾差别10％，通过与预定值(例如，60％)比较，筛选出能够较好的区分泥沙来源区的化学元素氮、磷；根据氮和磷的含量建立区分泥沙来源区的判别方程：
方程1：3*氮含量+5*磷+0.5；
方程2：10*氮含量-磷含量+4；
根据方程确定：方程1的解小于5的且方程2的值小于4的为泥沙来源区A，方程1的解大于等于5的且方程2的值大于等于4的为泥沙来源区B。
同时，可以计算只用方程1或者只用方程2对于区分泥沙来源区A与泥沙来源区B的正确率(即判别方程对应的距离权重)。
需要说明的是，上述示例中泥沙来源区的数量、量化结果大于预定值的化学元素的数量、判别方程的数量、判别方程中的数值以及根据判别方程的结果确定泥沙来源区均为便于理解所进行的举例说明。
步骤15、根据判别方程中所包含的化学元素种类，将每一泥沙来源区的土壤样品以及泥沙样品对应化学元素及相应的浓度分别代入判别方程中，从而计算出每一泥沙来源区的中心位置，以及采集泥沙样品的位置。
本发明实施例中，判别方程的个数可以根据实际情况来确定，在确保可以准确区分泥沙来源的同时还要保证较小的计算量。
本发明实施例中，根据判别方程来确定每一泥沙来源区的中心位置以及采集泥沙样品的位置；示例性的，当仅有一个判别方程时，将则将每一土壤样品以及泥沙样品分别代入判别方程中，获得的数值则为对应泥沙来源区的中心位置，以及采集泥沙样品的位置；当有两个判别方程时，则将每一土壤样品以及泥沙样品分别代入这两个判别方程中，可获得两个数值；将这两个数值分别作为二维坐标系中的x值和y值，从而计算出每一泥沙来源区的中心位置，以及采集泥沙样品的位置。
另外，若某一泥沙来源区仅有一个土壤样品，则直接将通过判别方程计算获得的位置作为该泥沙来源区的中心位置；若某一泥沙来源区有多个土壤样品，则通过判别方程获得多个位置，将这些位置的中心作为该泥沙来源区的中心位置。
步骤16、根据每一泥沙来源区的中心位置、采集泥沙样品的位置以及判别方程分类泥沙样品来源的正确比例，计算每一泥沙来源区的中心位置与采集泥沙样品的位置之间的距离，从而确定每一泥沙来源区对泥沙样品的相对贡献。
首先，计算每一泥沙来源区的中心位置与采集泥沙样品的位置之间的距离；若判别方程的数量为n个，则第m个泥沙来源区的中心位置与采集泥沙样品的位置之间的距离Dm计算公式为：
其中，ρi表示第i个判别方程分类泥沙样品来源的正确比例，Fi(sourcem)与Fi(sediment)分别为第i个判别方程计算到的第m个泥沙来源区的中心位置与采集泥沙样品的位置，即代入第i个判别方程获得的数值。
然后，计算第m个泥沙来源区对泥沙样品相对贡献的权重Wm，其表示为：
其中，Dm表示第m个泥沙来源区的中心位置与采集泥沙样品的位置之间的距离；
再计算所有泥沙来源区对泥沙样品相对贡献的权重之和W，其表示为：
最后，计算第m个泥沙来源区对泥沙样品的相对贡献Pm，其表示为：
为了便于理解本发明，下面结合具体实施例来进行说明。
下述实施例中均基于判别分析法计算流域泥沙来源与泥沙的距离和距离权重(判别方程的正确率)，利用距离与贡献率的反比关系计算流域尺度次降雨泥沙来源的相对贡献率。
判别分析法又称“分辨法”，是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。其基本原理是按照一定的判别准则，建立一个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标。据此即可确定某一样本属于何类。
实施例一
本实施例中，假设泥沙来源区包括农地与林地。在农地采集多个土壤样品n1，n2……n5，林地采集多个样品l1，l2……l5，并在次降雨径流过程中采集流域出口泥沙样品。
对上述土壤样品及泥沙样品进行前述实施例所述的预处理及全元素测量，获得所有样品中的所有化学元素及对应的含量。
根据测量结果对比农地和林地化学元素含量的不同，假设确定氮、磷、钾含量不同，其他化学元素农地和林地含量没有差别或差别很小；再对氮、磷、钾在农地和林地的差别进行量化，比如氮两者差别80％，磷差别150％，钾差别10％，那么氮和磷两种元素为最佳区分农地和林地的元素，选取氮和磷的含量建立区分农地和林地的方程(数值及方程数量均为假设，可根据实际情况来确定)：
方程1：3*氮含量+5*磷+0.5
方程2：10*氮含量-磷含量+4
根据方程确定：方程1的解小于5的且方程2的值小于4的为农地，方程1的解大于等于5的且方程2的值大于等于4的为林地。同时，可以计算只用方程1或者只用方程2对于划分农地和林地的正确率。
将采集的土壤样品以及泥沙样品的测量结果带入方程1和2，每个样品均有2个值，将方程1和2的值分别设为二维坐标系的x和y，即可得到如图2所示的示意图。
从图中可以看出，根据方程1和2以及采集的土壤样品及泥沙样品，可以确定采集泥沙样品的位置(图2中的菱形位置处)、农地与林地5个土壤样品的位置(图2中矩形与三角形位置处)，以及通过土壤样品位置确定的农地和林地中心位置(图2中的圆形位置处)。
本实施例中，假设判别方程1分类泥沙来源的正确比例为96.1％，即ρ1为96.1％，判别方程2类泥沙来源的正确比例为3.9％，即ρ2为3.9％，根据前述实施例中步骤16所示的公式(1)计算图3中D1＝96.1％/100*|F1(农地样品中心)-F1(泥沙样品位置)|，D2＝3.9％/100*|F2(农地样品中心)-F2(泥沙样品位置)|，D农地＝D1+D2。以此类推，可计算得到D林地，将D农地和D林地依次带入公式(2)、(3)和(4)，得到农地和林地对泥沙的相对贡献率。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (5)
1.一种确定流域尺度次降雨泥沙来源的方法，其特征在于，该方法包括：
将研究区划分为M个泥沙来源区，并采集每一泥沙来源区的表层土壤样品；
在次降雨径流过程中采集流域出口泥沙样品；
将所述每一泥沙来源区的土壤样品与泥沙样品分别进行预处理后，进行全元素测量；
基于判别分析法，从所有土壤样品的测量结果中筛选出能够区分泥沙来源区的化学元素，并建立对应的判别方程，再计算判别方程分类泥沙样品来源的正确比例；
根据判别方程中所包含的化学元素种类，将每一泥沙来源区的土壤样品以及泥沙样品对应化学元素及相应的浓度分别代入判别方程中，从而计算出每一泥沙来源区的中心位置，以及采集泥沙样品的位置；
根据每一泥沙来源区的中心位置、采集泥沙样品的位置以及判别方程分类泥沙样品来源的正确比例，计算每一泥沙来源区的中心位置与采集泥沙样品的位置之间的距离，从而确定每一泥沙来源区对泥沙样品的相对贡献；
其中，所述根据每一泥沙来源区的中心位置、采集泥沙样品的位置以及判别方程分类泥沙样品来源的正确比例，计算每一泥沙来源区的中心位置与采集泥沙样品的位置之间的距离包括：
若判别方程的数量为n个，则第m个泥沙来源区的中心位置与采集泥沙样品的位置之间的距离Dm计算公式为：
<mrow>
<msub>
<mi>D</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mfrac>
<msub>
<mi>&rho;</mi>
<mi>i</mi>
</msub>
<mn>100</mn>
</mfrac>
<mo>|</mo>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>Source</mi>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mi>e</mi>
<mi> </mi>
<mi>dim</mi>
<mi> </mi>
<mi>e</mi>
<mi>n</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>,</mo>
<mi>m</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>,</mo>
<mi>M</mi>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
其中，ρi表示第i个判别方程分类泥沙样品来源的正确比例，Fi(sourcem)与Fi(sediment)分别为第i个判别方程计算到的第m个泥沙来源区的中心位置与采集泥沙样品的位置。
2.根据权利要求1所述的方法，其特征在于，所述将所述每一泥沙来源区的土壤样品与泥沙样品分别进行预处理后，进行全元素测量包括：
使用去离子水分别将土壤样品与泥沙样品过湿筛，保留小于预定尺寸的泥沙颗粒；
将过湿筛的土壤样品与泥沙样品在预定温度下烘干后，使用电感耦合等离子体质谱仪进行全元素测量，获得每一土壤样品与泥沙样品所包含的化学元素种类及对应的浓度。
3.根据权利要求1所述的方法，其特征在于，所述基于判别分析法，从所有土壤样品的测量结果中筛选出能够区分泥沙来源区的化学元素，并建立对应的判别方程包括：
对比所有土壤样品的测量结果，筛选浓度含量不同的化学元素；
将浓度含量不同的化学元素在不同泥沙来源区的差别进行量化，筛选出量化结果大于预定值的化学元素，并建立对应的判别方程。
4.根据权利要求1所述的方法，其特征在于，所述根据判别方程中所包含的化学元素种类，将每一泥沙来源区的土壤样品以及泥沙样品对应化学元素及相应的浓度分别代入判别方程中，从而计算出每一泥沙来源区的中心位置，以及采集泥沙样品的位置包括：
当仅有一个判别方程时，则将每一土壤样品以及泥沙样品分别代入判别方程中，获得的数值则为对应泥沙来源区的中心位置，以及采集泥沙样品的位置；
当有两个判别方程时，则将每一土壤样品以及泥沙样品分别代入这两个判别方程中，获得两个数值；将这两个数值分别作为二维坐标系中的x值和y值，从而计算出每一泥沙来源区的中心位置，以及采集泥沙样品的位置。
5.根据权利要求1所述的方法，其特征在于，确定每一泥沙来源区对泥沙样品的相对贡献包括：
计算第m个泥沙来源区对泥沙样品相对贡献的权重Wm，其表示为：
<mrow>
<msub>
<mi>W</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>D</mi>
<mi>m</mi>
</msub>
</mfrac>
<mo>;</mo>
</mrow>
其中，Dm表示第m个泥沙来源区的中心位置与采集泥沙样品的位置之间的距离；
计算所有泥沙来源区对泥沙样品相对贡献的权重之和W，其表示为：
<mrow>
<mi>W</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</msubsup>
<mfrac>
<mn>1</mn>
<msub>
<mi>D</mi>
<mi>m</mi>
</msub>
</mfrac>
<mo>;</mo>
</mrow>
计算第m个泥沙来源区对泥沙样品的相对贡献Pm，其表示为：
<mrow>
<msub>
<mi>P</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>W</mi>
<mi>m</mi>
</msub>
<mi>W</mi>
</mfrac>
<mo>&CenterDot;</mo>
<mn>100</mn>
<mi>%</mi>
<mo>.</mo>
</mrow>
2
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510197961.0A CN104777215B (zh) | 2015-04-23 | 2015-04-23 | 一种确定流域尺度次降雨泥沙来源的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510197961.0A CN104777215B (zh) | 2015-04-23 | 2015-04-23 | 一种确定流域尺度次降雨泥沙来源的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104777215A CN104777215A (zh) | 2015-07-15 |
| CN104777215B true CN104777215B (zh) | 2017-11-14 |
Family
ID=53618816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510197961.0A Expired - Fee Related CN104777215B (zh) | 2015-04-23 | 2015-04-23 | 一种确定流域尺度次降雨泥沙来源的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104777215B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105445212B (zh) * | 2015-12-18 | 2018-09-04 | 中国水利水电科学研究院 | 一种测定森林枯落物对地表径流元素含量影响贡献率的方法及系统 |
| CN109297999A (zh) * | 2018-11-22 | 2019-02-01 | 李熙 | 一种內陆架海区泥沙来源的测定方法 |
| CN112067600B (zh) * | 2020-09-14 | 2021-06-29 | 中国水利水电科学研究院 | 确定稳定型指纹识别因子的方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104237968A (zh) * | 2014-10-09 | 2014-12-24 | 河海大学 | 利用Nd-Sr同位素示踪确定沿海滩涂泥沙来源的方法 |
-
2015
- 2015-04-23 CN CN201510197961.0A patent/CN104777215B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104237968A (zh) * | 2014-10-09 | 2014-12-24 | 河海大学 | 利用Nd-Sr同位素示踪确定沿海滩涂泥沙来源的方法 |
Non-Patent Citations (6)
| Title |
|---|
| Selecting fingerprint properties for discriminating potential suspended sediment sources in river basins;A.L.Collins, D.E.Walling;《Journal of Hydrology》;20020415;第261卷;第218-244页 * |
| 南方花岗岩区典型崩岗侵蚀泥沙来源研究;张旭斌;《中国优秀硕士学位论文全文数据库 农业科技辑》;20121115(第11期);第1-74页 * |
| 复合指纹识别技术定量示踪流域泥沙来源;郭进 等;《农业工程学报》;20140131;第30卷(第2期);第94-101页，图2、3 * |
| 应用复合指纹法研究崩岗泥沙来源;陈起军;《中国优秀硕士学位论文全文数据库 基础科学辑》;20111115(第11期);第1-49页 * |
| 水流挟沙力公式检验方法的评价;洪建 等;《泥沙研究》;20090630(第3期);第58页 * |
| 福建降水空间模拟模型研究;邓慧华 等;《福建林学院学报》;20070430;第27卷(第2期);第109-113页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104777215A (zh) | 2015-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Assessing how spatial variations of land use pattern affect water quality across a typical urbanized watershed in Beijing, China | |
| Hossain et al. | Water pollution index–A new integrated approach to rank water quality | |
| CN108416686B (zh) | 一种基于煤炭资源开发的生态地质环境类型划分方法 | |
| Zhang et al. | Machine learning-based source identification and spatial prediction of heavy metals in soil in a rapid urbanization area, eastern China | |
| Zahedi et al. | Groundwater quality classification derivation using multi-criteria-decision-making techniques | |
| Neshat et al. | Evaluation of groundwater vulnerability to pollution using DRASTIC framework and GIS | |
| Kheir et al. | Spatial soil zinc content distribution from terrain parameters: A GIS-based decision-tree model in Lebanon | |
| Al Mamun et al. | Assessment of surface water quality using Fuzzy Analytic Hierarchy Process (FAHP): A case study of Piyain River's sand and gravel quarry mining area in Jaflong, Sylhet | |
| CN106570334A (zh) | 一种地统计学模型计算城市降雨径流污染负荷的方法 | |
| CN103544550A (zh) | 一种金属矿区土-水界面重金属污染负荷的预测方法 | |
| Peng et al. | Identifying and assessing human activity impacts on groundwater quality through hydrogeochemical anomalies and NO 3−, NH 4+, and COD contamination: a case study of the Liujiang River Basin, Hebei Province, PR China | |
| CN104777215B (zh) | 一种确定流域尺度次降雨泥沙来源的方法 | |
| Shirazi et al. | Exploration Geochemistry Data-Application for Cu Anomaly Separation Based On Classical and Modern Statistical Methods in South Khorasan, Iran | |
| Virro et al. | Random forest-based modeling of stream nutrients at national level in a data-scarce region | |
| Mester et al. | Assessment of groundwater quality changes in the rural environment of the Hungarian great plain based on selected water quality indicators | |
| CN113095694B (zh) | 一种适用于多地貌类型区的降雨输沙模型构建方法 | |
| Wang et al. | Entropy weight method coupled with an improved DRASTIC model to evaluate the special vulnerability of groundwater in Songnen Plain, Northeastern China | |
| Gárfias‐Soliz et al. | Time series and stochastic analyses to study the hydrodynamic characteristics of karstic aquifers | |
| Karakuş | Evaluation of water quality of Kızılırmak River (Sivas/Turkey) using geo-statistical and multivariable statistical approaches | |
| CN113720639A (zh) | 一种污染场地调查补充采样的方法 | |
| Reta et al. | The influence of large scale phosphate mining on the water quality of the Huangbaihe River basin in China: dominant pollutants and spatial distributions | |
| Zhang et al. | Stable isotope and hydrochemical evolution of shallow groundwater in mining area of the Changzhi Basin, northern China | |
| Liu et al. | Multivariate statistical analysis of chemical and stable isotopic data as indicative of groundwater evolution with reduced exploitation | |
| Zhao et al. | Hydrogeochemical characterization and suitability assessment of groundwater in a typical coal mining subsidence area in China using self-organizing feature map | |
| Jiang et al. | The Characteristics and Source Analysis of Heavy Metals in the Sediment of Water Area of Urban Scenic: A Case Study of the Delta Park in Suzhou City, Anhui Province, China. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171114 Termination date: 20180423 |