Geochemical evolution of groundwater in hard-rock aquifers of South India using statistical and modelling techniques

ABSTRACT

Multivariate statistical analysis and inverse geochemical modelling techniques were employed to deduce the mechanism of groundwater evolution in the hard-rock terrain of Telangana, South India. Q-mode hierarchical cluster analysis (HCA) and principal component analysis (PCA) were used to extract the hydrogeochemical characteristics and classify the groundwater samples into three principal groups. Use of thermodynamic stability diagrams and inverse geochemical modelling in PHREEQC identified the chemical reactions controlling hydrogeochemistry of each of the groups obtained from statistical analysis. The model output showed that a few phases are governing the water chemistry in this area and the geochemical reactions responsible for evolution of groundwater chemistry along the flow path are (i) dissolution of evaporite minerals (dolomite, halite); (ii) dissolution of primary silicate minerals (albite, anorthite, K-feldspar, biotite); (iii) precipitation of secondary silicate minerals (kaolinite, quartz, gibbsite, Ca-montmorillonite) along with anhydrite and calcite; and (iv) reverse ion exchange processes.     

生态最相关水文指标的优选及其在洞庭湖环境流量估算中的应用

水文改变指标(IHA)能够较为全面地描述水文状况,在评估水文情势改变及其生态系统影响方面具有广泛的应用.尽管该指标体系较为完善,但是数量众多的水文变量仍然存在信息冗余问题.根据洞庭湖城陵矶水文站1955-2014年的径流量数据,采用主成分分析(PCA)筛选了生态最相关水文指标(ERHIs),结合ERHIs改进了用于估算环境流量的变化范围法(RVA),并将其应用在洞庭湖出口的环境流量估算中.基于PCA选取了年最大90日流量、年最小3日流量、年最小流量出现时间、3月流量、6月流量、流量逆转次数和低流量年内平均历时7个变量作为洞庭湖出口的ERHIs.纵向和横向的对比分析都表明选取的ERHIs是合理的.ERHIs不仅有效缓解了IHA的冗余性问题,还有利于抓住最关键的生态水文变量.根据ERHIs改进的RVA方法在设定洞庭湖出口环境流量时,极大地简化原来的众多管理目标,对生态水文研究、水资源管理和生态保护都具有重要的参考价值和借鉴意义.     

云贵高原湖泊水质现状及演变

利用2008年云贵高原13个湖泊丰水期的全面水质调查数据,系统分析云贵高原湖泊水质现状,通过与历史资料对比,揭示20年来的水质变化,并分析水质变化的原因.同时利用主成分分析将23个水质参数概括为6个主要成分,除程海外所有湖泊水质均与第一主成分密切相关.人类活动影响下的水体富营养化、有机污染以及农业面源污染等是除程海外湖泊污染的主要驱动因子,程海水质变化主要受水体的矿化度增加所驱动.另外,根据各主成分得分,本文也对13个湖泊水质进行了综合评价,并在评价的基础上就湖泊的保护和治理提出建议.     

主成分监督分类及其在水质特征遥感图像识别中的应用

建立了一种水域水质状况图像识别的主成分监督分类方法,首先通过ＴＭ水域图像数据的主成分分析,将原有各波段图谱的显著且独立的信息集中在数目尽可能少的合成图象中,再依据不同类型水体的光谱特征,分析各主成分图像的构成及其环境生态学含义,由此对整个研究区域内存在的不同标志类型及其分布特征有所了解,在此基础上,选定训练样本集,从而人有清楚的环境生态意义的标志类型,应用监督法得到较好的识别分类结果,分析表明,这     

基于KPCA-RBF模型的风暴潮灾害经济损失预测

作为破坏性最强的海洋灾害,风暴潮灾害每年都给我国沿海地区造成了巨大的经济损失,运用科学的方法模型合理预测风暴潮灾害经济损失对指导沿海地区的防灾减灾工作意义深远。本文基于风暴潮灾害的成灾特点建立了风暴潮灾害直接经济损失预评估指标体系,由于评估指标数据高度非线性,采用核主成分分析（KPCA）对高维非线性数据进行降维优化,并利用径向基函数（RBF）神经网络对降维后的数据进行训练,从而实现对风暴潮灾害直接经济损失的预测。选取广东省1996—2018年的32个风暴潮灾害损失样本对模型进行仿真测试,结果表明,KPCA-RBF预测模型集成了核主成分分析和径向基函数神经网络的优势,预测结果精度高,学习收敛速度快,对风暴潮灾害数据序列有较好的非线性拟合能力。     

西安市城市部件普查成果质量评价研究

结合西安市城市部件普查成果,根据成果质量表现形式及特征,总结了部件普查成果的质量评价内容和检验方法,并通过实践加以验证,提高数据质量评价准确率,降低数据不当评价的可能性,促进城市部件成果普查技术规范发展,高效广泛应用.     

Using multivariate statistical analysis of groundwater major cation and trace element concentrations to evaluate groundwater flow in a regional aquifer

Groundwater samples were collected from 11 springs in Ash Meadows National Wildlife Refuge in southern Nevada and seven springs from Death Valley National Park in eastern California. Concentrations of the major cations (Ca, Mg, Na and K) and 45 trace elements were determined in these groundwater samples. The resultant data were subjected to evaluation via the multivariate statistical technique principal components analysis (PCA), to investigate the chemical relationships between the Ash Meadows and Death Valley spring waters, to evaluate whether the results of the PCA support those of previous hydrogeological and isotopic studies and to determine if PCA can be used to help delineate potential groundwater flow patterns based on the chemical compositions of groundwaters. The results of the PCA indicated that groundwaters from the regional Paleozoic carbonate aquifers (all of the Ash Meadows springs and four springs from the Furnace Creek region of Death Valley) exhibited strong statistical associations, whereas other Death Valley groundwaters were chemically different. The results of the PCA support earlier studies, where potentiometric head levels, δ¹⁸O and δD, geological relationships and rare earth element data were used to evaluate groundwater flow, which suggest groundwater flows from Ash Meadows to the Furnace Creek springs in Death Valley. The PCA suggests that Furnace Creek groundwaters are moderately concentrated Ash Meadows groundwater, reflecting longer aquifer residence times for the Furnace Creek groundwaters. Moreover, PCA indicates that groundwater may flow from springs in the region surrounding Scotty's Castle in Death Valley National Park, to a spring discharging on the valley floor. The study indicates that PCA may provide rapid and relatively cost‐effective methods to assess possible groundwater flow regimes in systems that have not been previously investigated. Copyright © 1999 John Wiley & Sons, Ltd.     

基于WorldView-II与Aster数据的Fe信息提取——以南极拉斯曼丘陵为例

利用World View-Ⅱ遥感影像高空间分辨率和高波谱分辨率的数据优点,结合Aster数据波段互补的优势,进行南极大陆边缘拉斯曼丘陵Fe信息提取研究。研究结果表明,使用World View-Ⅱ与Aster数据对比分析的主成分法,提取Fe3+信息,采用World View-Ⅱ与Aster协同数据下的波段运算法,提取Fe2+信息,可以达到优势互补的目的。Fe信息提取结果显示,含铁矿物信息分布区主要集中在混合片麻岩与副片麻岩区域,分别占Fe信息总面积的80.39%和15.73%,与野外调查结果基本一致。     

Helmert方差分量估计在跨江水准测量中的应用

Helmert方差分量估计是一种根据验后信息重新定权来保证观测值权值合理的方法之一,在很多领域已经得到了广泛的应用。本文把Helmert方差分量估计引入跨江水准测量的数据处理中,使观测数据的权值更加合理,平差结果更加准确。     

不排水抗剪强度非平稳随机场模拟及边坡可靠度分析

边坡可靠度分析中通常假定采用平稳或准平稳随机场表征土体参数的空间变异性,然而大量现场试验数据表明,土体参数如不排水抗剪强度沿土体埋深常呈现明显的非平稳分布特征,即其均值和标准差均随埋深发生变化,因此亟需发展土体参数非平稳随机场模型及其模拟方法。针对目前不能有效单独模拟土体参数趋势分量和随机波动分量的不确定性,提出了一种有效的不排水抗剪强度参数非平稳随机场模型,并给出了土体参数二维非平稳随机场模拟方法计算流程,同时将新提出的模型与现有非平稳随机场模型及平稳随机场模型进行了系统比较。最后通过不排水饱和黏土边坡算例验证了提出模型的有效性,并揭示了不排水抗剪强度非平稳分布特征对边坡可靠度的影响规律。结果表明：提出模型能够有效地单独模拟土体参数趋势分量和随机波动分量的不确定性,考虑土体参数均值和标准差随埋深增加而增大的特性,可为表征土体参数非平稳分布特征提供了一条有效的途径。此外,与采用非平稳随机场模拟土体参数空间变异性相比,采用常用的平稳随机场模型会低估边坡失效概率,从而造成偏危险的边坡工程设计方案。