CN113919617A - 一种基于数学模型的入湖河流污染影响程度评估方法 - Google Patents
一种基于数学模型的入湖河流污染影响程度评估方法 Download PDFInfo
- Publication number
- CN113919617A CN113919617A CN202110849687.6A CN202110849687A CN113919617A CN 113919617 A CN113919617 A CN 113919617A CN 202110849687 A CN202110849687 A CN 202110849687A CN 113919617 A CN113919617 A CN 113919617A
- Authority
- CN
- China
- Prior art keywords
- lake
- water quality
- river
- pollution
- target
- 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.)
- Pending
Links
- 238000013178 mathematical model Methods 0.000 title claims abstract description 19
- 238000011156 evaluation Methods 0.000 title description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 86
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 42
- 231100000719 pollutant Toxicity 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000000611 regression analysis Methods 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 8
- 239000000356 contaminant Substances 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数学模型的入湖河流污染影响程度评估方法，包括：基于水质监测数据提取雨天监测到的河流污染物浓度，采用回归分析法得到降雨量和污染物浓度曲线；根据降雨量和污染物浓度曲线，得到雨天未监测到的水质监测数据，计算全年河流污染物浓度的超标率；基于目标湖泊的水文数据和气象数据，构建目标湖泊的水动力水质模型；基于目标湖泊的水动力水质模型，计算入湖河流污染浓度的变化对整个湖泊污染物浓度的影响程度。能够弥补监测时间的不足，综合判断不同水文时期和地理位置的入湖河流的污染影响程度。
Description
技术领域
本发明涉及一种基于数学模型的入湖河流污染影响程度评估方法，属于区域水环境治理的技术领域。
背景技术
河流这一特殊的水体联系着水体之间的物质与环境，是十分重要传输路径，其中有着更重要功能的入湖河流，河流中严重的污染可以非常明显地恶化湖泊的整体生态环境。降雨具有侵蚀和稀释两种作用，侵蚀作用会使污染物离开其原位置随径流汇入水体，稀释作用会降低水体中污染物的浓度，这两种作用力的大小不同，会造成水体中污染物浓度的升高或降低。
然而野外监测在时间上有其局限性，降雨带来的污染物浓度峰值可能未被监测到，导致河流的污染评价有一定的局限性。其次对于面积广阔，河网水系交错复杂的湖泊，不同水文时期和地理位置的入湖河流对湖泊水质的影响权重各不相同，需要综合以上两点对入湖河流和影响程度进行综合评价。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种基于数学模型的入湖河流影响程度评估方法，能够弥补监测时间的不足，综合判断不同水文时期和地理位置的入湖河流的污染影响程度。为达到上述目的，本发明是采用下述技术方案实现的：
本发明提供了一种基于数学模型的入湖河流影响程度评估方法，包括：
获取目标湖泊的水文数据、目标湖泊所在地的气象数据以及河流的水质监测数据；
基于水质监测数据提取雨天监测到的河流污染物浓度，采用回归分析法得到降雨量和污染物浓度曲线；
根据降雨量和污染物浓度曲线，得到雨天未监测到的水质监测数据，计算全年河流污染物浓度的超标率；
基于目标湖泊的水文数据和气象数据，构建目标湖泊的水动力水质模型；
基于目标湖泊的水动力水质模型，计算入湖河流污染浓度的变化对整个湖泊污染物浓度的影响程度。
优选地，污染物至少包括：高锰酸盐指数、COD、氨氮、总氮、总磷。
进一步地，所述得到降雨量和污染物浓度曲线包括：
根据降雨量确定降雨量等级，
为每个降雨量等级筛选回归分析法所用的函数；
以回归分析结果R2最大为依据，确定回归分析法所用的函数的类型和系数；
基于拟合曲线的函数，得到降雨量和污染物浓度曲线。
进一步地，所述回归分析法所用的函数包括：y＝A×exp(B×x)函数、y＝Ax2+Bx+C或者y＝A×lnx+B函数。
优选地，所述降雨量等级为：
等级1：24小时降雨量小于10mm，
等级2：24小时降雨量10～25mm，
等级3：24小时降雨量25～50mm，
等级4：24小时降雨量50～100mm，
等级5：24小时降雨量100～250mm，
等级6：24小时降雨量大于250mm。
进一步地，所述超标率的计算公式为：
式(1)中，Xi表示第i条河流污染物浓度的超标天数，D表示全年的总天数。
进一步地，所述构建目标湖泊的水动力水质模型，包括：
基于目标湖泊的水深情况，选择坐标系并将目标湖泊纵向分为n层；
基于目标湖泊的水文数据和气象数据，设置水动力水质模型的初始条件和边界条件，构建初始水动力水质模型；
对初始水动力水质模型进行参数率定和验证，得到目标湖泊的水动力水质模型。
优选地，还包括对目标湖泊进行网格划分，得到多个计算网格；在各个计算网格内将目标湖泊纵向分为n层并构建水动力水质模型。
进一步地，所述选择坐标系为SIG坐标或SGZ坐标；
当选择SGZ坐标时，目标湖泊的层数中，最小层数n0≥1，且满足：
式(2)中，H0表示目标湖泊最小水深；H1表示目标湖泊最大水深；n表示层数；m表示实现计算效果的推荐范围，所述计算效果为水动力水质模型计算结果与真实值的相对误差，所述推荐范围表示计算时间和相对误差获得平衡的范围。
优选地，最小层数n0增加，相对误差减小，计算时间增加。
优选地，当选择SIG坐标时，水动力水质模型中每个计算网格划分的层数一致。
进一步地，所述水动力水质模型的初始条件包括：水下地形、水深、水面高程、大气压、湿度、风速、风向、水面短波辐射、降水和云层。
进一步地，所述水动力水质模型的边界条件包括：出入湖流量、水位、n层中每一层的水温和污染物浓度。
进一步地，所述影响程度的计算公式为：
式(3)中，θi表示受扰动的输入河流污染物浓度；yj表示边界条件扰动后的输出变量；y0表示参考边界条件获得的输出；δθi表示第i个边界条件的变化；E[|yj-y0|]表示总偏差的平均值。
进一步地，所述边界条件的扰动为入湖河流的污染负荷增减10％～40％。
与现有技术相比，本发明实施例所提供的一种基于数学模型的入湖河流影响程度评估方法，所达到的有益效果包括：
本发明基于水质监测数据提取雨天监测到的河流污染物浓度，采用回归分析法得到降雨量和污染物浓度曲线；根据降雨量和污染物浓度曲线，得到雨天未监测到的水质监测数据，计算全年河流污染物浓度的超标率；本发明能够弥补监测时间的不足；
本发明基于目标湖泊的水文数据和气象数据，构建目标湖泊的水动力水质模型；基于目标湖泊的水动力水质模型，计算入湖河流污染浓度的变化对整个湖泊污染物浓度的影响程度；本发明能够综合判断不同水文时期和地理位置的入湖河流的污染影响程度
本发明易操作应用，有利于河流和湖泊的生态环境保护，有显著的经济和社会效益。
附图说明
图1是本发明实施例1提供的一种基于数学模型的入湖河流影响程度评估方法的流程图；
图2是本发明实施例2全年河流X1污染物浓度分布图；
图3是本发明实施例2中入湖河流污染影响程度结果图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
如图1所示，一种基于数学模型的入湖河流污染影响程度评估方法，具体步骤包括：
步骤1：获取目标湖泊的水文数据、目标湖泊所在地的气象数据以及河流的水质监测数据。
步骤2：基于水质监测数据提取雨天监测到的河流污染物浓度，采用回归分析法得到降雨量和污染物浓度曲线。
污染物至少包括：高锰酸盐指数、COD、氨氮、总氮、总磷。
得到降雨量和污染物浓度曲线包括：
根据降雨量确定降雨量等级，
为每个降雨量等级筛选回归分析法所用的函数；
以回归分析结果R2最大为依据，确定回归分析法所用的函数的类型和系数；
基于拟合曲线的函数，得到降雨量和污染物浓度曲线。
回归分析法所用的函数包括：y＝A×exp(B×x)函数、y＝Ax2+Bx+C或者y＝A×lnx+B函数。
具体的，降雨量等级为：
等级1：24小时降雨量小于10mm，
等级2：24小时降雨量10～25mm，
等级3：24小时降雨量25～50mm，
等级4：24小时降雨量50～100mm，
等级5：24小时降雨量100～250mm，
等级6：24小时降雨量大于250mm。
步骤3：根据降雨量和污染物浓度曲线，得到雨天未监测到的水质监测数据，计算全年河流污染物浓度的超标率。
具体的，超标率的计算公式为：
式(1)中，Xi表示第i条河流污染物浓度的超标天数，D表示全年的总天数。
步骤4：基于目标湖泊的水文数据和气象数据，构建目标湖泊的水动力水质模型。
具体构建步骤为：
对目标湖泊进行网格划分，得到多个计算网格；
基于目标湖泊的水深情况，选择坐标系，在各个计算网格内将目标湖泊纵向分为n层；
基于目标湖泊的水文数据和气象数据，设置水动力水质模型的初始条件和边界条件，构建初始水动力水质模型；
对初始水动力水质模型进行参数率定和验证，得到目标湖泊的水动力水质模型。
具体的，选择坐标系为SIG坐标或SGZ坐标；
当选择SGZ坐标时，目标湖泊的层数中，最小层数n0≥1，且满足：
式(2)中，H0表示目标湖泊最小水深；H1表示目标湖泊最大水深；n表示层数；m表示实现计算效果的推荐范围，所述计算效果为水动力水质模型计算结果与真实值的相对误差，所述推荐范围表示计算时间和相对误差获得平衡的范围。具体的，最小层数n0增加，相对误差减小，计算时间增加。
当选择SIG坐标时，水动力水质模型中每个计算网格划分的层数一致。
水动力水质模型包括水动力模块、温度模块和水质模块。参数率定和验证是对水质模块进行参数率定和验证。
水动力水质模型的初始条件包括：水下地形、水深、水面高程、大气压、湿度、风速、风向、水面短波辐射、降水和云层。水动力水质模型的边界条件包括：出入湖流量、水位、n层中每一层的水温和污染物浓度。
步骤5：基于目标湖泊的水动力水质模型，计算入湖河流污染浓度的变化对整个湖泊污染物浓度的影响程度。
边界条件的扰动为入湖河流的污染负荷增减10％～40％。影响程度的计算公式为：
式(3)中，θj表示受扰动的输入河流污染物浓度；yj表示边界条件扰动后的输出变量；y0表示参考边界条件获得的输出；δθi表示第i个边界条件的变化；E[|yj-y0|]表示总偏差的平均值。
实施例二：
采用实施例一提供的方法，计算入湖河流X1污染对湖泊A的影响程度。
根据步骤1-3，得到如图2所示的全年河流X1污染物浓度分布图。
根据步骤4，建立湖泊A的水动力水质模型。使用建立的水动力水质模型，对雨天监测到的河流污染物浓度进行计算，得到模型均值。将雨天监测的实测均值与模型均值进行对比，如表1所示：
表1：湖泊A模型验证结果
根据步骤5，在边界扰动为入湖河流的污染负荷增减30％条件下，计算影响程度，得到如图3所示的入湖河流污染影响程度结果。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种基于数学模型的入湖河流污染影响程度评估方法，其特征在于，包括：
获取目标湖泊的水文数据、目标湖泊所在地的气象数据以及河流的水质监测数据；
基于水质监测数据提取雨天监测到的河流污染物浓度，采用回归分析法得到降雨量和污染物浓度曲线；
根据降雨量和污染物浓度曲线，得到雨天未监测到的水质监测数据，计算全年河流污染物浓度的超标率；
基于目标湖泊的水文数据和气象数据，构建目标湖泊的水动力水质模型；
根据目标湖泊的水动力水质模型，计算入湖河流污染浓度的变化对整个湖泊污染物浓度的影响程度。
2.根据权利要求1所述的基于数学模型的入湖河流污染影响程度评估方法，其特征在于，所述得到降雨量和污染物浓度曲线包括：
根据降雨量确定降雨量等级，
为每个降雨量等级筛选回归分析法所用的函数；
以回归分析结果R2最大为依据，确定回归分析法所用的函数的类型和系数；
基于拟合曲线的函数，得到降雨量和污染物浓度曲线。
3.根据权利要求2所述的基于数学模型的入湖河流污染影响程度评估方法，其特征在于，所述回归分析法所用的函数包括：y＝A×exp(B×x)函数、y＝Ax2+Bx+C或者y＝A×lnx+B函数。
4.根据权利要求1所述的基于数学模型的入湖河流污染影响程度评估方法，其特征在于，所述超标率的计算公式为：
式(1)中，Xi表示第i条河流污染物浓度的超标天数，D表示全年的总天数。
5.根据权利要求1所述的基于数学模型的入湖河流污染影响程度评估方法，其特征在于，所述构建目标湖泊的水动力水质模型，包括：
基于目标湖泊的水深情况，选择坐标系并将目标湖泊纵向分为n层；
基于目标湖泊的水文数据和气象数据，设置水动力水质模型的初始条件和边界条件，构建初始水动力水质模型；
对初始水动力水质模型进行参数率定和验证，得到目标湖泊的水动力水质模型。
6.根据权利要求5所述的基于数学模型的入湖河流污染影响程度评估方法，其特征在于，所述选择坐标系为SIG坐标或SGZ坐标；
其中，当选择SGZ坐标时，目标湖泊的层数中，最小层数n0≥1，且满足：
式(2)中，H0表示目标湖泊最小水深；H1表示目标湖泊最大水深；n表示层数；m表示实现计算效果的推荐范围，所述计算效果为水动力水质模型计算结果与真实值的相对误差，所述推荐范围表示计算时间和相对误差获得平衡的范围。
7.根据权利要求5所述的基于数学模型的入湖河流污染影响程度评估方法，其特征在于，所述水动力水质模型的初始条件包括：水下地形、水深、水面高程、大气压、湿度、风速、风向、水面短波辐射、降水和云层。
8.根据权利要求5所述的基于数学模型的入湖河流污染影响程度评估方法，其特征在于，所述水动力水质模型的边界条件包括：出入湖流量、水位、n层中每一层的水温和污染物浓度。
9.根据权利要求1所述的基于数学模型的入湖河流污染影响程度评估方法，其特征在于，所述影响程度的计算公式为：
式(3)中，θi表示受扰动的输入河流污染物浓度；yj表示边界条件扰动后的输出变量；y0表示参考边界条件获得的输出；δθi表示第i个边界条件的变化；E[|yj-y0|]表示总偏差的平均值。
10.根据权利要求9所述的基于数学模型的入湖河流污染影响程度评估方法，其特征在于，所述边界条件的扰动为入湖河流的污染负荷增减10％～40％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110849687.6A CN113919617A (zh) | 2021-07-27 | 2021-07-27 | 一种基于数学模型的入湖河流污染影响程度评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110849687.6A CN113919617A (zh) | 2021-07-27 | 2021-07-27 | 一种基于数学模型的入湖河流污染影响程度评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113919617A true CN113919617A (zh) | 2022-01-11 |
Family
ID=79232988
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110849687.6A Pending CN113919617A (zh) | 2021-07-27 | 2021-07-27 | 一种基于数学模型的入湖河流污染影响程度评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113919617A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115495475A (zh) * | 2022-11-14 | 2022-12-20 | 张家港市东大工业技术研究院 | 一种湖泊水污染治理方法及*** |
| CN116564431A (zh) * | 2023-06-02 | 2023-08-08 | 江苏捷利达环保科技有限公司 | 一种基于大数据处理的污染源在线分析***及方法 |
-
2021
- 2021-07-27 CN CN202110849687.6A patent/CN113919617A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115495475A (zh) * | 2022-11-14 | 2022-12-20 | 张家港市东大工业技术研究院 | 一种湖泊水污染治理方法及*** |
| CN115495475B (zh) * | 2022-11-14 | 2023-04-07 | 张家港市东大工业技术研究院 | 一种湖泊水污染治理方法及*** |
| CN116564431A (zh) * | 2023-06-02 | 2023-08-08 | 江苏捷利达环保科技有限公司 | 一种基于大数据处理的污染源在线分析***及方法 |
| CN116564431B (zh) * | 2023-06-02 | 2024-01-09 | 江苏捷利达环保科技有限公司 | 一种基于大数据处理的污染源在线分析***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112287539B (zh) | 一种考虑水库影响的电力设施洪涝灾害风险评估方法 | |
| CN112883644B (zh) | 一种动态水环境管理方法 | |
| CN108227041B (zh) | 基于站点实测数据和模式结果的水平能见度预报方法 | |
| CN113919617A (zh) | 一种基于数学模型的入湖河流污染影响程度评估方法 | |
| Boucher et al. | A comparison between ensemble and deterministic hydrological forecasts in an operational context | |
| KR20180116820A (ko) | 다중 가중치 산정 및 topsis를 이용한 단위유역별 수자원 취약성 평가 방법 | |
| CN106709212B (zh) | 一种快速识别土壤有机碳关键输出区的多参数评价方法 | |
| CN110866367B (zh) | 复杂河网水流条件下常规突发水污染团的实时追踪方法 | |
| CN110135622A (zh) | 一种河水水质污染预测方法和装置 | |
| CN113902344A (zh) | 一种基于模型的水环境水质目标管控方法 | |
| CN115115262A (zh) | 一种洪水风险灾害评估的方法 | |
| CN112766669A (zh) | 基于水质模型的流域污染限值排放核定方法 | |
| Khaleghi et al. | Simulation of relationship between river discharge and sediment yield in the semi-arid river watersheds | |
| CN115186858A (zh) | 基于不同影响类型的变电站洪水淹没风险预警方法及*** | |
| CN113128758A (zh) | 基于近海浮标海浪观测数据构建的最大浪高预报*** | |
| CN110704999A (zh) | 沿海城市洪涝致灾因子作用度量化及区划方法 | |
| Assar et al. | Water Quality Modeling for Lake Burullus, Egypt, Part I: Model Calibration. | |
| Glas et al. | Historical changes in New York State streamflow: Attribution of temporal shifts and spatial patterns from 1961 to 2016 | |
| CN113935533A (zh) | 一种黄渤海海区大风推算方法 | |
| CN111597506B (zh) | 近岸波浪破碎参数和波高的预测方法 | |
| Mawada et al. | Climate change impacts on the extreme rainfall for selected sites in North Western England | |
| Zorndt et al. | The influence of hydrodynamic boundary conditions on characteristics, migration, and associated sand transport of sand dunes in a tidal environment: A long-term study of the Elbe Estuary | |
| Wang et al. | Evaluating SWAT Snowmelt Parameters and Simulating Spring Snowmelt Nonpoint Source Pollution in the Source Area of the Liao River. | |
| CN114331787B (zh) | 以提升下游河流水质为目标的水库生态放流量的核算方法 | |
| Majeed et al. | Modeling the water quality index and climate variables using an artificial neural network and non-linear regression |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |