Chemical and Isotopic Tracer Evaluation of Water Mixing and Evaporation in a Dammed Texas River During Drought

The interaction between drought and river regulation is monitored to better understand river flow mixing, evaporation and surface‐groundwater exchange in changing regional climates and in increasingly regulated waterways. This study compared Brazos River stable isotope (δ¹⁸O and δD) and electrical conductivity values with reservoir, creek and aquifer samples in the Brazos watershed, the largest watershed in Texas. The combination of tributaries, rainfall and the Brazos River Alluvium Aquifer, on the one hand, and the Lake Whitney reservoir, on the other hand, represent endmembers of dilute run‐off water and evaporated saline water, respectively. A simple isotope mixing model that uses monthly river discharge, Lake Whitney discharge, historical monthly precipitation δ¹⁸O and pan evaporation accurately reconstructs river δ¹⁸O (±0.5‰ on average). Data and isotope balance modelling support continued evaporation of ¹⁸O‐enriched Lake Whitney water as it flows downstream, although the most evaporation took place in Lake Whitney. The difference between river and precipitation δ¹⁸O, or Δ¹⁸O_RIV‐_PPT, here a measurement of degree of evaporation, ranged from ?0.1‰ for a small creek, to 1.7‰ for the Brazos River, to at least 2.7‰ in Lake Whitney. This study indicates that drought in regulated rivers may enhance reservoir discharge dominance in river flows during peak drought conditions when combined run‐off and baseflow dominance would be expected in a similar undammed river. Copyright © 2016 John Wiley & Sons, Ltd.     

地下水多孔介质中胶体与污染物协同运移规律研究进展

在总结国内外地下水中污染物运移规律研究的基础上,阐述了地下水多孔介质中胶体与污染物协同运移的研究进展。讨论了胶体运移的基本过程、相关机理,探究污染物-胶体-微生物(生物胶体)协同运移的作用方式、影响因素、实验分析、模型构造,并指出该领域目前研究存在的主要问题,以及对该领域研究趋势的展望。     

基于GPGPU的实体表面实时提取

为实时提取三维实体表面,提出一种基于GPGPU并行计算的实体表面实时提取方法。在分析深度剥离算法原理和GPU图形绘制管线的基础上,给出在GPU上利用深度剥离算法实现实时提取三维实体表面的算法;通过OpenGL的高级着色语言GLSL控制GPU的图形绘制管线实现了该算法,给出其伪代码。以龙、叶轮和刀具扫描体的模型为应用实例验证了该算法效果良好,特别是对于刀具扫描体表面的提取,可满足实时性要求。     

超声波传感器深度增益补偿电路设计

为了补偿超声探伤信号在动车组转向架中的传播损耗,利用超声波传感器,根据深度增益补偿的基本原理和微弱信号在不同深度处的衰减规律,设计了基于现场可编程门阵列(FPGA)的数字可控制式的增益放大补偿方法和电路。由XC6SLX16型FPGA的PLL模块产生精确的时钟控制信号,并输出数字量到DA芯片产生补偿电压曲线控制AD8330的放大增益倍数,再使深度补偿增益后的回波模拟信号进入LTC2249芯片内转换成数字信号,以便为下级数字信号再处理使用。实验结果表明:在超声波探伤仪系统的电路输入端加入频率为5 MHz、峰峰值为2 mV的正弦波激励后,通过改变步进值为5 dB的3种不同增益的大小,可以实现不同的放大增益,使衰减得到补偿。     

考虑土体强度参数深度依赖性的非平稳随机场边坡滑动深度和体积分析

基于随机有限元方法（RFEM）和Monte-Carlo模拟,建立了能够模拟具有深度依赖性的土体强度参数边坡或具有软弱夹层边坡的非平稳随机场模型。通过辐射扫描方法获取最危险滑动面,得到非平稳随机场边坡滑动深度和滑动体积。将该方法与均质边坡和平稳随机场边坡获得的滑动深度和滑动体积进行对比,研究土体强度参数深度依赖性的非平稳随机场边坡的不同坡度和各向异性对滑动深度和滑动体积的影响。结果表明：基于RFEM的非平稳随机场滑动深度和滑动体积结果为地质灾害风险及后果评估提供了一个参考分析的新角度;参数的深度依赖性程度越高(变化率b越大),则边坡平均滑动深度和滑动体积越小;在大坡度滑坡风险后果评估中,可以基于均质边坡分析结果进行初步预估;在非平稳随机场中,随着各向异性的增大,所有坡度边坡的滑动体积变异系数增大;不同坡度下,水平方向的相关程度越大,则土坡内软弱夹层的不确定性越强,滑动体积的变异系数也不断增大。     

过度开采对地下水水化学特征的影响研究

为探究过度开采对地下水水化学特征的影响,通过对比分析研究区1997年和2010年的地下水水位与水质资料,研究了过度开采条件下地下水水位与水化学特征的动态规律及两者之间的联系。研究结果表明:1997年和2010年研究区地下水水位与水化学特征的空间变化规律具有很高的一致性,表现为地下水水位降幅较大的区域对应的镁离子、硫酸盐含量增幅也相对较大,地下水水化学特征受地下水水位变化的影响较大。空间叠加分析结果表明:镁离子、硫酸盐与地下水水位变化较大的区域空间重合率分别为72.2%,53.1%。过度开采通过改变地下水补径排条件及饱和带、非饱和带的水环境变化对地下水水化学特征产生影响,因此对于地下水不可盲目、过度开采。     

水源热泵影响下地下水温度主控因素关联度分析

为研究地下水源热泵长期影响下,地下水温度主控因素的变化特征,选择安阳市第五人民医院为研究区,将地下水温度作为典型的灰色系统进行研究,采用灰色关联度的计算方法进行地下水温度、地下水位埋深、气温、降水量以及回水井水温之间的关联度分析,获取地下水温变化的主控因素。研究结果表明:在不受水源热泵影响时,地下水位埋深是地下水温度的主控因素。在水源热泵影响下,地下水温受气温、降水量、地下水位埋深和回水井水温的共同影响:在垂向上,回水井水温对监测井水温的影响程度随着深度的增大而逐渐降低,地下水温度的主控因素由回水井水温转变为地下水位埋深,在水平方向上,回水井水温对监测井水温的影响程度随着距离的增大而逐渐减小,地下水温度的主控因素由回水井水温转变为气温和地下水位埋深。     

基于适宜性的西安市水源热泵开发潜力评估

依据适宜性评价,综合考虑水质、回灌率、已运行情况以及环境条件对水源热泵开发的影响,对西安市水源热泵开发利用潜力进行评估。结果表明:西安市适宜性面积占研究区总面积31.52%;将西安市水源热泵开发潜力划分为5类潜力类型区:Ⅰ、Ⅱ类潜力区主要分布于西安市北部,以平原为主,为开发潜力优、良区;Ⅲ类潜力区主要分布于临潼中部、阎良东部、长安南部、户县和周至南部等地,为适度开发潜力区;Ⅳ类潜力区主要分布于蓝田西南、临潼南部以及长安丘陵区,为不宜开发潜力区;Ⅴ类地区为秦岭山地和禁采区,应限制水源热泵的开发利用。研究可确定西安市不同地域的水源热泵开发利用潜力,研究结果可为编制西安市水源热泵开发规划提供参考。     

地下水化学成分的时空变化规律分析

分析了地下水化学成分的时空变化规律,指出气候、地貌和岩性等因素对地下水化学成分分带性有影响,说明了地下水化学成分分带异常的原因;同时也阐明了影响地下水化学的因素在一定的时期内不会有显著改变,地下水化学的演化具有趋势性,否则,地下水演化方向就会变化。     

Order-k α-hulls and α-shapes

We introduce order-k α-hulls and α-shapes – generalizations of α-hulls and α-shapes. Being also a generalization of k-hull (known in statistics as “k-depth contour”), order-k α-hull provides a link between shape reconstruction and statistical depth. As a generalization of α-hull, order-k α-hull gives a robust shape estimation by ignoring locally up to k outliers in a point set. Order-k α-shape produces an “inner” shape of the set, with the amount of “digging” into the points controlled by k. As a generalization of k-hull, order-k α-hull is capable of determining “deep” points amidst samples from a multimodal distribution: it correctly identifies points which lie outside clusters of samples.The order-k α-hulls and α-shapes are related to order-k Voronoi diagrams in the same way in which α-hulls and α-shapes are related to Voronoi diagrams. This implies that order-k α-hull and α-shape can be readily built from order-k Voronoi diagram, and that the number of different order-k α-shapes for all possible values of α is proportional to the complexity of order-k Voronoi diagram.