авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 8 | 9 || 11 | 12 |   ...   | 13 |

«ЭКОЛОГИЯ РЕЧНЫХ БАССЕЙНОВ ЭРБ – 2009 V МЕЖДУНАРОДНАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ 9-12 сентября 2009 года ТРУДЫ ...»

-- [ Страница 10 ] --

В Кодаро-Удоканской горной системе расположена Верхне-Чарской впадина. Правый орографический борт Чарской котловины образован пологими гольцовыми предгорьями хребта Удокан. Ее плоское заболочен ное днище с множеством озер, среди которых петлями извивается река Чара, лежит на высоте около 1000 м над уровнем моря. С северо-запада впадина ограничена региональным тектоническим разломом, выраженным в рельефе в виде уступа высотой более 1000 м, отделяющим ее от крутых фасеточных склонов хребта Кодар. Абсолютная высота его гребней свыше 2800 м. Оперяющие разломы локального значения предопределяют направления крупных долин с крутыми обрывистыми склонами и следами горного оледенения. Широкие плоские днища троговых долин заполнены моренным материалом. В условиях нивального высотного пояса разно образные типы экзогенных процессов связаны с гляциальными компонента ми природной среды. Селевые потоки имеют гляциально-гравитационный или гляциально-флювиальный генезис. Широко распространены обвалы, камнепады и осыпи, обусловленные активным физическим выветриванием, усугубляющим тектоническую раздробленность скальных пород, и ополз ни, обычно связанные с деградацией мерзлоты. Эти процессы развиты в основном в районах с наибольшей высотой и глубиной расчлененности рельефа.

На северо-восток в сторону Токкинской впадины хребет постепенно снижается пологими ступенями, высокогорья сменяются низкогорными подгорными возвышенностями, среди которых располагается крупная озерная впадина Ничатка. Ее эрозионный облик определяется структурой обширной впадины более низкого уровня. Впадина заполнена водно ледниковыми отложениями, на которых широко распространены редколес ные ландшафты. В условиях повсеместного распространения многолетне СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ мерзлых пород для этой территории характерно многообразие эрозионных процессов.

На примере изучения эрозионных структур Кодара и Удокана представилась возможность проанализировать сходство и различие в формировании морфологической структуры этих природных геосистем.

Для впадин байкальского типа при внутреннем и внешнем сходстве разные фланги рифта имеют различия, касающиеся главным образом их очертаний и структурного типа тектонических ограничений по бортам впадин, их простирания и асимметрии. Дистанционные материалы способствуют дальнейшему углублению и расширению информационной основы учебно научных экспозиций различного тематического направления.

Оценка развития эрозионных процессов для конкретных территорий осуществляется на основании анализа серий разновременных космических снимков, определяющих динамику процессов. Наиболее достоверную информацию о состоянии местности предоставляет аэро- и космическая съемка. Региональный геоэкологический анализ с использованием косми ческой информации и различных карт облегчает решение проблем дистанционно-картографического обеспечения экологического мониторин га. Динамика медленно развивающихся процессов и прогноз их развития проводится путем анализа материалов периодических съемок.

Космические снимки, обладая большим территориальным охватом, объективно отражают состояние природной среды больших регионов практически на единый момент времени. Целостное отображение природ ных комплексов и экосистем дает возможность оценить их структуру, взаимосвязи слагаемых компонентов и современное состояние.

Наиболее полное использование информационных свойств много зональных космических материалов при тематическом дешифрировании связано с применением современных технических средств обработки.

Необходимость получения, оперативной обработки, а также хранения больших объемов информации обуславливает важность широкого исполь зования компьютерных технологий, различных аппаратных и программных средств, что позволяет решать задачи тематической обработки аэро космических снимков, обновления карт, создания цифровых моделей местности.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

О ТОЧНОСТИ РАСЧЕТНОГО ОПРЕДЕЛЕНИЯ ТЕМПЕРАТУРОПРОВОДНОСТИ ПОЧВ ВЛАДИМИРСКОГО ОПОЛЬЯ К.И. Лукьященко, Т.А. Архангельская МГУ им. М.В. Ломоносова, г. Москва, Россия In the contemporary soil physics are used some models, which provide calculation of soil thermal properties using basic soil data (bulk density and the organic carbon content, soil mineralogy and the current water content). Almost all such models are empirical prediction models, developed on the base of analysis of the relatively small range of experimental data obtained for regional soils. In the absence of universal models such private relationship for regional soils are used as universal.

The objective of this study was to consider the possibility of using models proposed by de Vries, Campbell, Chang, and Horton, Lu et al. to calculate the thermal diffusivity of Russian soils and to compare the accuracy of calculations using these models with the accuracy of calculations on the model proposed by one of the authors.

Models check was accomplished for the experimental data received for Vladimir opolye region. Accuracy of the provided calculations was estimated using RRMSE.

The accuracy of calculations with the help of foreign models was unsatisfactory.

With the use of models proposed by Chang and Horton, Campbell, Lu et al., De Vries it was shown that the use of empirical models outside their regression base gave error not less than 66 %. The model proposed by one of the authors allows to reduce the calculation errors to 30 %.





В работе проанализирована точность расчетного определения температуропроводности агросерых почв Владимирского ополья. С исполь зованием моделей Чанга и Хортона, Кемпбелла, Лу с соавт., де Фриза пока зано, что применение этих эмпирических моделей за пределами их регрес сионной базы дает ошибки не менее 66 %. Использование модели, предло женной одним из авторов, позволяет уменьшить ошибки расчетов до 30 %.

При решении задач почвенной микроклиматологии, формировании глобальных экологических прогнозов, в связи с развитием точного земледелия распространенной задачей является расчетная оценка парамет ров переноса в почве, поскольку их экспериментальное определение весьма трудоемко.

В современной физике почв используется ряд моделей, позволяющих рассчитывать тепловые свойства почв на основе данных об их плотности, содержании органического вещества, гранулометрическом и минералоги СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ ческом составе, текущих значениях влажности. Практически все эти модели являются эмпирическими и разработаны на основе анализа относительно небольших массивов экспериментальных данных, полученных для региональных почв. Так, модель де Фриза (1968) была разработана на основе данных Керстена (1949) для некоторых песков, суглинков и почвенных минералов Норвегии и Канады, модель Чанга и Хортона (1987) – для суглинистых почв Калифорнии и песчаных почв Нью-Джерси, модель Лю с соавт. (2007) – для суглинистых и песчаных почв Китая и Айовы. Для российских почв в настоящее время не существует ни достаточно общей математической модели, позволяющей проводить подобные расчеты, ни базы данных, на основании которой можно было бы такую модель разрабатывать.

За неимением универсальных моделей эти частные зависимости для региональных почв используются как универсальные;

в первую очередь это относится к модели де Фриза, позволяющей рассчитывать теплоемкость почвы как сумму теплоемкостей ее составляющих. Так, например, в недавно опубликованной монографии, посвященной современным пробле мам моделирования гидрологических процессов в почвах, в соответствую щей главе (McBratney, Minasny, 2004) предлагается для расчета теплоем кости почв использовать модель де Фриза, а для расчета теплопроводности – модель Кемпбелла (1985). При этом область применимости указанных моделей не оговаривается, и не приводится даже примерный диапазон ошибок, которые могут получаться при проведении расчетов. В темпера турном блоке широко известного свободно распространяемого програм много продукта «HYDRUS-1D», позволяющего рассчитывать динамику переноса влаги в почвах и грунтах, используются эти же модели, но добавлена возможность для расчета теплопроводности использовать модель Чанга и Хортона.

Важным вопросом является возможность использования таких зависимостей для расчетной оценки тепловых свойств почв, не входящих в регрессионную базу модели. При этом особенный интерес представляет собой задача расчетной оценки температуропроводности почв, которая отражает как теплопроводящие свойства почвы, так и теплоемкостные, и наиболее объективно характеризует способность почвы изменять свою температуру при различных внешних воздействиях.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

Целью данной работы было рассмотреть возможность применения моделей де Фриза, Кемпбелла, Чанга и Хортона, Лю с соавт. для расчета температуропроводности российских почв и сопоставить точность вычислений с использованием этих моделей с точностью расчетов по модели, предложенной одним из авторов (Архангельская, 2009).

Проверка моделей проводилась на данных, полученных для пахотных почв Владимирского ополья (Архангельская, 2004). Используя данные об основных свойствах почв, рассчитывали теплоемкость (модель де Фриза), теплопроводность (модели Чанга-Хортона, Кемпбелла, Лю с соавт.) и температуропроводность почвы (сочетание моделей де Фриза и Чанга-Хортона, Кемпбелла, Лю) при различных значениях влажности, используя схемы, предложенные в соответствующих моделях. Расчетные величины температуропроводности сравнивали с величинами, получен ными в лаборатории с использованием метода регулярного режима. Всего было использовано 354 экспериментальные значения температуро проводности. Рассчитанные и экспериментально полученные зависимости температуропроводности от влажности показаны на рис. 1. В качестве критерия точности расчетов использованы среднеквадратичные относи тельные ошибки.

(1) (2) 6, 10-7 м2/с, 10-7 м2/с эксперимент.

а б 2 в г 1 0,0 0,1 0,2 0,3 0,4 0,5 0,0 0,1 0,2 0,3 0,4 0, 33, см3/см, см /см Рис. 1. Зависимость температуропроводности от влажности для горизонта А (1) и В (2) по результатам эксперимента и расчета с помощью рассмотренных моделей: а – логнормальной (Архангельская, 2009), б – модели Кемпбелла (1985), в – Чанга и Хортона (1986), г – Лю с соавт. (2007) Точность расчетов с помощью зарубежных моделей была неудовлет ворительной. Наименее точным оказался алгоритм, основанный на сочета нии моделей Чанга-Хортона и де Фриза: среднеквадратичная величина СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ расхождений между расчетными и экспериментальными значениями температуропроводности при расчетах по этим моделям составляла 113, %. Основной вклад в величину этой ошибки вносили расхождения между модельными и экспериментальными значениями температуро-проводности в области низких влажностей;

с ростом влажности ошибка расчетов уменьшалась. Для образцов с объемной влажностью более 30 % средне квадратичная относительная ошибка расчетной оценки температуро проводности составляла 32,5 %;

при выделении особенно сильно увлажнен ных образцов (объемная влажность более 35 %) – 29,2 %. При расчете температуропроводности слабо увлажненных почв среднеквадратичная ошибка была в несколько раз больше: 154,6 % для образцов с объемной влажностью менее 14 %.

Таким образом, использование моделей Чанга-Хортона и де Фриза для расчета температуропроводности агросерых почв привело к относи тельно невысоким ошибкам около 30% лишь для условий сильного увлажнения, соответствующих задачам, связанным с обильным поливом и интенсивной фильтрацией. Для иссушенных почв точность расчетной оценки температуропроводности намного ниже, и это необходимо учитывать при применении пакета «HYDRUS-1D». При использовании вместо модели Чанга-Хортона моделей Кемпбелла и Лю с соавт. ошибки расчетов температуропроводности также были весьма значительными: 66 % – для модели Кемпбелла и 90,8 % - для модели Лю с соавторами.

Как видно на рис. 1, схемы расчета с помощью моделей б и г показывают удовлетворительные результаты для воздушно-сухой и насыщенной почвы, переоценивая экспериментальные результаты в остальном диапазоне влажности. Сочетание моделей Чанга-Хортона и де Фриза, использованное в «HYDRUS-1D», не описывает S-образную форму кривой зависимости температуропроводности от влажности для минераль ных горизонтов. Для последней схемы расчета характерна значительная переоценка экспериментальных значений температуро-проводности.

Одним из авторов для расчета температуропроводности почв предложена логнормальная функция, которая более точно описывает экспериментальные зависимости температуропроводности от влажности (Архангельская, 2009).

Модель Архангельской, настроенная по почвам ополья, в приме нении к независимым данным по температуропроводности суглинистых V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

агросерых и дерново-подзолистых почв давала среднеквадратичные ошибки от 9% для почв ополья (использовались не вошедшие в базу регрессии данные) до 32% для агросерых почв южного Подмосковья (использовались данные, полученные для образцов почв с опытного поля ИФХ и БПП РАН).

Приведенные результаты еще раз подтверждают, что применение полученных для региональных почв эмпирических зависимостей за пределами регрессионной базы может приводить к возникновению весьма существенных погрешностей. Представляется, что анализ величины этих погрешностей должен быть необходимым этапом при работе с соответст вующими моделями.

Литература 1. Архангельская Т.А. Температуропроводность серых лесных почв Владимирского ополья. // Почвоведение, 2004, № 3. – С. 332-342.

2. Архангельская Т.А. Параметризация и математическое моделирование зависимости температуропроводности почвы от влажности. // Почво ведение. 2009, № 2. – С. 178-188.

3. Де Фриз Д.А. Тепловые свойства почв // Физика среды обитания растений. – Л.: Гидрометеоиздат, 1968. – С. 191-214.

4. Campbell, G.S. Soil physics with BASIC: Transport models for soil-plant systems. Elsevier, 1985.

5. Chung, S.-O., and R. Horton (1987), Soil Heat and Water Flow With a Partial Surface Mulch // Water Resour. Res., 23(12), 2175–2186.

6. Kersten M.S. Laboratory research for the determination of the thermal properties of soils // ACFEL Tech. Rep. 23. Univ. of Minnesota.

Minneapolis, 1949.

7. S.Lu, T.Ren, Y.Gong, R. Horton. (2007) An Improved Model for Predicting Soil Thermal Conductivity from Water Content at Room Temperature // Soil Sci. Soc. Am. J. 71:8-14.

8. McBratney A.B., Minasny B. Soil inference systems // Pachepsky Ya., Rawls W.J. (Eds) Development of pedotransfer functions in soil hydrology.

Elsevier, 2004. 323-348.

СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ МОДЕЛИРОВАНИЕ ПЕРЕНОСА ТЯЖЕЛЫХ МЕТАЛЛОВ В РЕКАХ АРМЕНИИ М.А. Налбандян, Н.А. Аджабян Центр Эколого-ноосферных исследований Национальной Академии Наук, г. Ереван, Армения The paper based on data on monthly monitoring obtained between 2003 and 2008 in the frame of an international NATO/OSCE project N977991 «South Caucasus River Monitoring».

The discrete model for investigation of heavy metals transportation in rivers of Armenia is considered. The influence of spatial spread on redistribution of chemical components is presented through study of the behaviour of coupled oscillators. An individual oscillator is a point system influenced by local pollution sources, while coupling is provided through transfer of elements between adjacent oscillators with water flow. Modeling approach is used for estimation of local subsystems mutual impact, considered as point oscillators for idealized models of metal accumulation in the rivers.

The results of long-term monitoring data on investigation of dynamics and behavior of heavy metals (Cr, Ni) in water of rivers Hrazdan and Sevjur can be used for estimation of system coefficients. The results include statistical analyses of data.

Development of a model for the polluting substances transport is directed to solution of tasks of water quality management in Kura-Araks Rivers basin.

Рассматривается дискретная модель для исследования переноса тяжелых металлов (TM) в потоке рек Армении. В дискретной математи ческой модели вычисление происходит в два этапа и осуществляется суперпозиция потоков, поступающих в некоторый локальный блок.

Динамика компонентов системы существенно зависит от параметров связи, топологии соединения осцилляторов. Индивидуальный осциллятор являет ся точечной системой, испытывающей влияние различных локальных источников загрязнения.

Динамика объединенной системы осцилляторов задается системой дифференциальных уравнений. Сосредоточенная дифференциальная мо дель динамики отдельной подсистемы охватывает описание процессов переноса между блоками атмосферные осадки, водный поток объекта, почвы, седименты. Распространение ТМ от постоянно действующего источника сброса предполагается периодическим, все осцилляторы предполагаются идентичными. В данной модели можно пренебрегать V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

попаданием ТМ с атмосферными осадками, от источников сброса металлы попадают в воду через почву и землю в прибрежной зоне. Динамика общей системы компонентов в целом зависит от силы сцепления. Сцепленные осцилляторы действуют друг на друга через взаимное регулирование их амплитуд и фаз. Когда сцепление слабое, то амплитуды относительно слабые, и взаимодействие может быть описано фазовыми моделями.

Существенные различия при адаптации динамической системы проявляются во временной шкале исследования решений. Распад ТМ пренебрежим на временной шкале порядка человеческой жизни, как отмечается в частности в различных литературных источниках. В этом случае основным механизмом потерь является оседание в седиментах и трансформации в водорастворимые формы. Другим механизмом потерь является попадание в растения, организмы животных, глубинные слои почвы. Потери при переносе между смежными осцилляторами предпола гаются малыми и не учитываются. Моделирование системы проводится с одинаковым набором ТМ в подсистемах, например как суммарный показатель концентрации металлов Ni и Cr для рек Раздан и Севджур.

Риск, порожденный недостаточностью информации, сокращен за счет отдельных детальных исследований и полученной дополнительной информацией. Ошибки, порожденные естественными колебаниями условий среды, оценены с помощью стохастической модели, которая определяется исследованием поведения модели в случайной среде.

Определение и уточнение параметров модели проводится на основе данных мониторинга, а также результатов научной интерпретации данных для рек Южного Кавказа за 2003-2008 гг. Статистические методы, в частности уравнения регрессии и корреляционные зависимости по методу Спирмана, а также превышения концентраций ТМ в каждой последующей станции мониторинга над таковыми в предыдущей применяются для уточнения параметров системы. Параметры модели могут также интерпре тироваться как принимающие разные значения. Интерес представляет возможность исследования критических значений, то есть значений при которых динамика системы может резко измениться.

Разработка модели переноса загрязняющих веществ направлена на решение задач по управлению качеством водных ресурсов рек бассейна Кура-Аракс.

СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ Данный подход в моделировании может быть использован для создания прикладных моделей пространственного переноса для ТМ для трансграничных водосборов рек в пределах речной системы Кура-Аракс.

ОПРЕДЕЛЕНИЕ КЛИМАТИЧЕСКИХ ПАРАМЕТРОВ РАСПРОСТРАНЕНИЯ АЛЛЮВИАЛЬНЫХ КИСЛЫХ И АЛЛЮВИАЛЬНЫХ ЗАБОЛОЧЕННЫХ ПОЧВ В БАССЕЙНАХ РЕК ОБЬ И ЕНИСЕЙ МЕТОДАМИ ГИС-АНАЛИЗА И.М. Неданчук МГУ им. М.В. Ломоносова, г. Москва, Россия На территории России находится множество крупных речных систем. Наиболее крупными реками Сибири являются Обь и Енисей. Они принадлежат бассейну Северного Ледовитого океана, а свой исток берут в горных районах юга Азии.

Топографические и климатические особенности формирования речного бассейна накладывают значительный отпечаток на состав его почвенного покрова. Схожесть климатических, а на большой площади и топографических, условий для рек Обь и Енисей, способствует формиро ванию общих типов почв. Основная часть пойм этих рек представлена двумя почвенными таксономическими единицами – аллювиальными кислыми и аллювиальными заболоченными почвами. Пойменные почвы резко отличаются от почв водораздельных пространств по генезису и свойствам, что обусловлено влиянием рек. Но помимо свойств почв, которые определяет река, существуют свойства почв, которые формируют ся под действием пяти факторов почвообразования, установленных еще В.В. Докучаевым – материнских горных пород, живых и отмерших организ мов, климата, возраста страны и рельефа местности.

В данной работе рассмотрен один из пяти факторов почвообразо вания – климат. Климат оказывает значительное влияние на формирование почвенного профиля, являясь основным источником энергии в его образовании. Влияние климата заключается как в способности оказывать воздействие на распространение почвенного покрова, так и в формирова нии отдельного почвенного профиля. Такое двухмерное влияние климата позволяет выделить в нем две составляющие – атмосферный и почвенный климат. В данной работе мы постарались охарактеризовать обе составляю V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

щие климата и определить их возможное влияние на формирование и распределение аллювиальных кислых и аллювиальных заболоченных почв пойм рек Обь и Енисей.

Основное распространение аллювиальные кислые почвы в пойме реки Обь получили в ее верхнем и частично в среднем течении, а также на самом севере возле устья реки. В пойме Енисея эти почвы распространя ются, начиная с севера, доходя до средней части течения, а в верхнем течении реки представлены лишь фрагментарно;

площадь, занимаемая ими, значительно меньше той площади, что они занимают в пойме реки Обь.

Аллювиальные заболоченные почвы в пойме реки Обь в основном занимают среднее течение, уходя на север, где они соседствуют с аллювиальными кислыми почвами. Для поймы реки Енисей картина несколько отличается, здесь аллювиальные заболоченные почвы занимают в основном верхнее течение, уходя на юг. В пойме реки Енисей заболоченные почвы имеют большую протяженность и их суммарная площадь больше, чем этих же почв в пойме реки Обь.

Анализ климатических условий проводился в программе MapInfo при помощи картографического метода, позволяющего дать общую оценку и охарактеризовать большие территории. Суть метода заключается в послойном наложении на почвенную карту карт климатических параметров и присвоении значений климатических параметров для каждого конкрет ного почвенного ареала в зависимости от области его попадания в диапазон параметра. Картографической основой работы послужила Почвенная карта РСФСР масштаба 1:2 500 000 (под ред. В.М. Фридланда, 1988 г.), с которой были выделены ареалы распространения аллювиальных кислых и аллюви альных заболоченных почв. В дальнейшем был проведен подбор климати ческих параметров для характеристики рассматриваемых почв. Всего оценивали пятнадцать параметров. Одиннадцать параметров были сняты с карты Почвенно-экологического районирования России масштаба 1:2500000 (под ред. Г.В. Добровольского и И.С. Урусевской, 2007 г.):

средняя температура июля (1) /– номер столбца в табл. 1, соответствующего данному параметру/;

суммы температур больше 10 °С (2);

продолжитель ность периода температур больше 10 °С (3);

продолжительность безмороз ного периода (4);

средняя температура января (5);

годовые осадки (6);

сум ма температур больше 10 °С на глубине 20 см (7);

глубина проникновения температур больше 10 °С (8);

продолжительность периода температур СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ больше 10 °С на глубине 20 см (9);

сумма температур ниже нуля на глубине 20 см (10) и глубина проникновения температур ниже нуля (11). Четыре показателя – с мелкомасштабных карт: «Валовое увлажнение» (12), «Коли чество осадков. Теплый период (апрель-октябрь)» (13), «Разность осадков и испаряемости» (14), «Испарение с поверхности суши. Год» (15). В ходе проведенного картографического анализа для каждого почвенного ареала аллювиальных кислых и аллювиальных заболоченных почв были рассчи таны соответствующие им климатические параметры и определены клима тические диапазоны существования таксономических единиц (табл. 1).

Аллювиальные кислые почвы. В ходе проведенного картографичес кого анализа показано, что показатели атмосферного и почвенного климата аллювиальных кислых почв различны для почв пойм рек Енисей и Обь.

Климатические параметры, определенные в ходе анализа, характеризуют две основные составляющие климата – влагу и температуру. Влажностные показатели представлены пятью параметрами – годовые осадки, валовое увлажнение, количество осадков за теплый период (апрель-октябрь), раз ность осадков и испаряемости, испарение с поверхности суши. Эти показа тели отражают основной источник влаги в почве – атмосферные осадки, а также учитывают основные расходные статьи водного баланса (испарение с поверхности суши) и характеризуют влагу, наиболее приближенную к почвенной (валовое увлажнение). Сравнение влажностных параметров по казывает, что аллювиальные кислые почвы поймы реки Енисей распростра няются при меньшем количестве влаги, нежели в случае реки Обь.

Температурная составляющая климата представлена десятью климатичес кими параметрами. Они отражают основные составляющие теплового баланса почв, а также характеризуют параметры длительности активных температур и безморозного периода, что важно как для растительного пок рова, так и для динамики почвенных процессов. Полученные температур ные параметры показывают, что аллювиальные кислые почвы поймы Енисея формируются при температурных показателях большей контраст ности, то есть в теплый период суммы их активных температур воздуха и почвы больше, чем у почв поймы реки Обь, и в холодный период они накапливают большие отрицательные температуры, нежели почвы поймы реки Обь. Кроме сумм температур на это указывают и средние температуры января и июля.

Таблица 1.

Диапазоны распространения аллювиальных кислых и аллювиальных заболоченных почв V МЕЖДУНАРОДНАЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я «ЭКОЛОГИЯ РЕЧНЫХ Б АСС ЕЙН ОВ»

СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ Аллювиальные заболоченные почвы. Для характеристики климатичес ких условий формирования данных почв были определены те же климатические параметры, что и для аллювиальных кислых почв. Анализ полученных диапазонов влажностных параметров показывает, что аллюви альные заболоченные почвы поймы реки Обь формируются при меньшем количестве осадков, нежели почвы в пойме Енисея. Анализ температурных параметров почв показывает, что аллювиальные заболоченные почвы поймы реки Обь характеризуются меньшими суммами активных темпера тур воздуха в теплый период, и в холодное время они накапливают меньшее количество отрицательных температур, чем почвы, расположен ные в пойме реки Енисей. Средние температуры января и июля для заболоченных почв реки Обь также характеризуются меньшими показате лями, нежели для почв поймы реки Енисей.

МОДЕЛИРОВАНИЕ РАБОТЫ БИОЛОГИЧЕСКИХ ОЧИСТНЫХ УСТРОЙСТВ С.В. Пыльник, 2 J. Dueck Томский государственный университет, г. Томск, Россия University of Erlangen-Nuremberg, Erlangen, Germany Modern design of filter can be represented, in particular, rotating biological contactor (PBC) and biological trickling filter (BTF). Optimization of the biological water treatment designs are based mainly on the experiments, which last typically for months. In this regard, actual is the mathematical modelling, an example of which is given in the report.

The system for describing the processes of contamination is represented by equations: change in the concentration of substrate at the expense of transportation and consumption, changes in the concentration of oxygen through the transport and consumption, change in the concentration of biomass considering its growth, and decay, change the thickness of biofilm by biomass growth and the destruction due to tangential stress of liquid. At the border of biofilm-water the mass transfer between the two environments is described. To calculate the purification efficiency the material balance of the substrate content in the filter working volume is considered.

The water treatment by the PBC is analysed numerically. To evaluate the effectiveness of water treatment by BTF an analytical formula for the substrate concentration along the column is developed.

The calculation results agree well with experiments both for the BTF and for the PBC.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

Введение Для очистки отработанных коммунальных и промышленных вод могут быть использованы биологические методы [1]. С помощью биологи ческих очистных устройств с иммобилизованной на носителе микрофлорой (биопленка) можно окислять широкий класс веществ: спирты, жирные кислоты, парафины, нефть [2] и неорганические вещества [3]. Современные конструкции биофильтров могут быть представлены, в частности, погруж ными дисковыми биофильтрами (ПДБ) и капельными биофильтрами (КБ).

ПДБ представляют собой диски, покрытые биопленкой и погружен ные на определенную глубину в емкость с текущей жидкостью. Диски вращаются с определенной частотой вокруг своей оси, организуя раздель ную подачу кислорода из воздуха и субстрата из жидкости в биопленку (рис. 1). К преимуществам ПДБ относят простоту поддержания их работы, низкое энергопотребление, возможность переносить перебои питания и низкую чувствительность к токсичным веществам [4].

I Z x 2 y u Sl SB A Sf h Lf Lw 5 4 O Рис. 1. Принципиальная схема ПДБ. Рис. 2. Схематическое изображение 1 – электродвигатель;

2 – ось;

процесса очистки воды в КБ.

3 – диск с биопленкой;

I – втекающая вода, O – оттекающая 4 – емкость с водой;

5 – подача воды;

вода, A – приток воздуха.

7 – отток воды.

Капельные биофильтры (КБ) представляют собой емкости, заполнен ные пористым материалом, на поверхности которого развиваются биопленки. В качестве пористой загрузки может служить достаточно проч ная керамика, щебень, гравий, песок, керамзит, кольца Рашига, стеклово локно, металлические и полимерные материалы. Через засыпку пропускают СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ разбрызгиваемую сверху воду. Далее вода струится по частицам засыпки, так что пористое пространство может вентилироваться (рис. 2).

Оптимизация конструкций биологической очистки вод, базируется, в основном, на опытах, которые длятся, как правило, месяцами. Актуальным, в связи с данными обстоятельствами, становится применение методов мате матического моделирования, с последующей реализацией моделей на ЭВМ.

В обоих устройствах происходит перенос загрязнений внутри емкости («внешняя задача»), а их переработка осуществляется гетерогенно, в довольно тонком слое – биопленке («внутренняя задача»). Поэтому для описания потребления загрязнений биопленкой можно использовать общий диффузионно-кинетический подход на основе зависимости Моно.

Математическая формулировка задачи. Система уравнений, описы вающих процессы переработки загрязнений [4], представлена уравнениями:

изменения концентрации субстрата за счет транспорта и потребления, изменения концентрации кислорода за счет транспорта и потребления, изменения концентрации биомассы за счет ее прироста и отмирания, изменения толщины биопленки за счет роста биомассы и разрушения тангенциальными напряжениями от жидкости. На границе биопленка-вода описывается массообмен между этими двумя средами. Особую трудность представляет собою моделирование массообмена для ПДБ, поскольку здесь нужно учесть переменность контакта диска с водой. Выражения для потоков субстрата jS и окислителя jOx в пленку запишем в матричном виде:

( ) S,w CS,w Cs ( L f ) jS = ( )) ( )) jOx Ox,w COx,w COx ( L f COx,w COx ( L f DOx Lf, где w – коэффициент массоотдачи субстрата и окислителя, CS – CS ( L f ) значение концентрации субстрата в воде, – концентрации субстрата (L ) C в биопленке, аналогично COx – концентрации окислителя в воде, Ox f – концентрации окислителя в пленке. Первый столбец матрицы действует, для точек на диске под водой, второй – на воздухе. При моделировании работы КБ считается, что субстрат и кислород подаются непрерывно.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

Коэффициент массопередачи w является функцией от угловой скорости вращения и расстояния от оси вращения до рассматриваемой точки биопленки: Коэффициент массопередачи КБ является функцией скорости воды в биофильтр.

Биопленка в испытывает переменное воздействие тангенциальных напряжений. Коэффициент эрозии биопленки в ПДБ для точек находящих ся в воде является функцией от угловой скорости вращения и расстояния от оси вращения а на воздухе обращается в ноль. Параметр эрозии в КБ постоянен во времени и является функцией расхода.

Для расчета степени очистки рассматривается материальный баланс содержания субстрата в рабочем объеме фильтра на основе подходов [5, 6].

Результаты моделирования работы ПДБ и КБ. После запуска установки по очистке воды по истечению некоторого времени производи тельность установки стабилизируется во времени. В этом случае достаточ но рассматривать стационарные уравнения для моделирования КБ а работе ПДБ наибольший интерес представляет средняя по периоду вращения и по JS глубине погружения диска величина потока субстрата.

JS На рис. 3. представлено поведение величины в зависимости от частоты вращения n = / 2 диска радиусом Rd =180 см при различном уровне погружения h диска в жидкость. Из рис. 3 видно, что существуют n J и h при которых достигается максимальное значение S. Максимумы при различном уровне погружения h образуют огибающую кривую.

При решении задачи об очистке воды с помощью КБ в условиях избытка кислорода, можно получить приближенную аналитическую зависимость для концентрации вдоль колонны:

CS,w (y ) CS = exp a.g. y CS,w (0) CS Q2, L (0) a.g. = w 1 + w f DS, f где учитывает диффузионное сопротивление внутри биопленки.

СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ C S,w ( y ) CS,w ( y)1 CS,w ( y ) JS S ( 0 ) = 0.9878 S ( 0 ) C ( 0) S,w C S,w EXP S,w C 1 2 3 0. R = 0. 0. 0. 0. 0. 0.15 -1 -2 - 0. -4 -5 - 0. 0. -7 -8 - 0 0.75 CS,w ( y ) 0 2 4 6 8 0 0.25 0. C (0) S,w EXP n Рис. 3. Зависимость концентрационного Рис. 4. Сопоставление расчетного значения S,w ( ) отнесенной к S,w ( ) C y C J потока субстрата в биопленку S (мг/см3) в слое воды (ось ординат) и (мг·см-2сут-1) от частоты вращения диска (мин-1) для различной степени полученного экспериментально (ось абсцисс). 1-9 – экспериментально погружения. 1 – h = 45 см, 2 – 90 см, полученные значения.

3 – 135 см, 4 – 180 см На основе можно вычислить значение потока субстрата в биопленку J S при любом y. На рис. 4 представлено сравнение экспериментальных и расчетных данных при Q и S,w ( ), варьируемых в широких пределах.

y= C Результаты, хорошо согласуются с экспериментами для ПДБ – [8, 9], для КБ – [10].

Литература Трифонова Т.А., Селиванова Н.В., Мищенко Н.В. Прикладная эколо 1.

гия. – М.: Академический Проект, Традиция, 2005. – 381 с.

Заря И.В. Моделирование процессов биологической очистки сточных 2.

вод в системах с иммобилизованной микрофлорой (дисс. на соиск. зв.

к.т.н.) // Из фондов Российской государственной библиотеки. – Щелково, 2006.

3. Nikolov L., Karamanev D., Dakov L. and Popova V. Oxidation of Ferrous Iron by Thiobacillus ferrooxidans in a Full-Scale Rotating Biological Contactor // Environmental Progress, Vol. 20, Nr. 4, 2001. Pp. 247-250.

4. Kargi F., Eker S. Wastewater treatment performance of rotating perforated tubes biofilm reactor with liquid phase aeration. // Water, Air and Soil Pollution. Kluwer Academic Publishers. 138 2002. Pp. 375-386.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

5. Левич В.Г. Физико-химическая гидродинамика. Физмаггиз,1959.–700с.

6. Броунштейн Б.И., Щеголев В.В. Гидродинамика, массо- и теплообмен в колонных аппаратах. – Л.: Химия, 1988. – 336 с.

7. Дик И.Г., Пыльник С.В., Миньков Л.Л. Моделирование эволюции водоочищающей биопленки с учетом ее эрозии. // Биофизика, Т. 50, №2, 2005. – С. 505-514.

8. Яковлев С.В. Биологические фильтры. 1975. – 136 с.

9. Lu Ch., Li H.-Ch., Lee L.Y. Effects of Disc Rotational Speed and Submergence on the Performance of an Anaerobic Rotating Biological Contactor // Environmental International. Vol. 23, Nr.2. 1997. Pp. 253-263.

10. Дик И.Г., Пыльник С.В. Теоретическое и экспериментальное исследо вание процессов водоочистки в биофильтре. ИФЖ, Т. 82, № 2, 2009. – С. 273-282.

РАЗРАБОТКА БАЗЫ ДАННЫХ КОМФОРТНОСТИ ПРОЖИВАНИЯ НАСЕЛЕНИЯ В РЕГИОНЕ (НА ПРИМЕРЕ ВЛАДИМИРСКОЙ ОБЛАСТИ) И.Е. Салякин, А.Н. Краснощёков Владимирский государственный университет, г. Владимир, Россия Для создания территориальной базы данных сначала необходимо выбрать основу разработки – геоинформационную систему, после чего выбрать один из наиболее подходящих методов для определенной территории и вводимой в базу данных атрибутивной информации.

В настоящей работе для разработки базы данных комфортности использован метод создания единой базы данных на основе полигонального слоя, состоящего из элементарных квадратных участков (ячеек) с примене нием ГИС ArcView (рис. 1). Данный метод является наиболее приемлемым, так как не требует больших временных затрат и имеет возможность хранения большого количества атрибутивных данных [1].

Количество ячеек выбирается разработчиком единой базы данных комфортности проживания населения, но не более 400 000 ячеек, иначе импорт данных займет довольно длительное время (например, компьютер класса Pentium Core Duo 2 – 2,4 GHz импортирует все данные по одному показателю в 300 000 ячеек от 0,5 до 8 часов, по размеру результирующий СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ полигональный слой составляет около 250 Mb). В то же время ячейки размером должны составлять не более 500х500 м, оптимальный же размер – от 200х200 м до 300х300 м, иначе территориальная точность зон по какому либо из показателей комфортности будет слишком низкой. Территории больших регионов (Красноярский край, Республика Саха и др.) целесооб разнее разбивать на районы и для каждого из них разрабатывать базу данных [2].

Рис. 1. Схема создания полигонального результирующего слоя, содержащего элементарные квадратные ячейки Первым этапом в разработке является создание тематических слоев, содержащих основные показатели, использующиеся при оценке комфорт ности. Далее создается новый полигональный слой, состоящий из элементарных квадратных участков. Для Владимирской области выбран оптимальный размер ячеек – 300х300 м. Общее количество ячеек по территории Владимирской области – 331 737 шт. Распределение количества ячеек по административным районам и округам представлено в табл. 1.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

Таблица 1.

Распределение количества ячеек в результирующем полигональном слое по административным районам и округам № Административный район Кол-во ячеек Александровский р-н 1 Вязниковский р-н 2 Гороховецкий р-н 3 Гусь-Хрустальный р-н 4 Камешковский р-н 5 Киржачский р-н 6 Ковровский р-н 7 Кольчугинский р-н 8 Меленковский р-н 9 Муромский р-н 10 Петушинский р-н 11 Селивановский р-н 12 Собинский р-н 13 Судогодский р-н 14 15 Суздальский р-н 16 Юрьев-Польский р-н 17 округ Владимир 18 округ Гусь-Хрустальный 19 округ Ковров 20 округ Муром Далее, в результирующий слой импортируются атрибутивные данные (переведенные предварительно в оценочные баллы) из каждого тематического слоя по какому-либо показателю. Для этого возможно использовать программу (скрипт), алгоритм которой представлен на рис. 2.

После переноса всех данных в результирующий полигональный слой, атрибутивная таблица данного слоя содержит все оценочные баллы по каждой ячейке и по каждому показателю комфортности проживания населения в регионе.

Таким образом, единая база данных «Комфортность проживания населения Владимирской области» представляет собой файл в формате dBase (dbf 3) и состоит из оценочных баллов различных показателей СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ комфортности. Структура базы представлена в виде таблицы, в которой 331 737 строк и 85 столбцов (рис. 3).

Рис. 2. Алгоритм разработки скрипта для переноса атрибутивных данных из тематического слоя по какому-либо показателю в полигональный слой Рис. 3. Фрагмент базы данных комфортности проживания населения V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

Каждая строка определяет принадлежность определенной террито рии (ячейки 300х300 м) во Владимирской области, а каждая колонка – показатель комфортности проживания населения. Два столбца в таблице содержат следующую информацию: номер элементарного участка и номер административного района или округа.

Литература 1. Трифонова Т.А., Краснощёков А.Н. Экологическая составляющая при кадастровой оценке урбанизированных территорий. / Проблемы региональной экологии. № 5, 2004. – С.37-49.

2. Трифонова Т.А., Мищенко Н.В., Краснощёков А.Н. Геоинформацион ные системы и дистанционное зондирование в экологических исследованиях. Учеб. пособие. – М.: Изд-во «Академический проект», 2005. – 352 с.

Работа выполнена при поддержке АВЦВ (РНПВШ 2.1.3/2401).

ЗОНИРОВАНИЕ ВЛАДИМИРСКОГО РЕГИОНА ПО ТЕХНОГЕННОЙ НАГРУЗКЕ И.В. Салахова, Н.В. Селиванова Владимирский государственный университет, г. Владимир, Россия Целью данной работы явились оценка выбросов и сбросов загрязня ющих веществ от стационарных источников, а также зонирование террито рии Владимирской области по степени техногенной нагрузки на атмосферу и водные объекты.

Для достижения поставленной цели предполагается решение следую щих задач:

– оценить выброс загрязняющих веществ от стационарных источников и сбросы загрязняющих веществ в водотоки по территории области;

– оценить выбросы и сбросы загрязняющих веществ в единицах токсич ной массы с учетом опасности веществ;

– рассчитать удельные выбросы и сбросы загрязняющих веществ (на человека;

на единицу площади);

– провести зонирование территории области по данным параметрам;

СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ – провести зонирование территории области по суммарной техногенной нагрузке.

Ранее проведенными исследованиями изучена динамика сбросов и выбросов за 1990-2003 гг. [1]. В настоящей работе установлено, что за пос ледние годы наибольший объем выбросов и сбросов имел место в 2007 г.

Для более объективной оценки произведен пересчет абсолютных значений выбросов и сбросов загрязняющих веществ в единицы токсичной массы (условные тонны) с учетом классов опасности веществ.

Зонирование территории области по показателю техногенной нагруз ки на атмосферу в единицах токсичной массы представлено на рис. 1.

Рис. 1. Выбросы загрязняющих веществ от стационарных источников по районам области (2007 г.) Как видно из рис. 1, наиболее неблагополучная ситуация складывает ся в Гусь-Хрустальном районе, городе Владимир, Гороховецком, Муром ском районах. Также на первый план выходит Ковровский район. Затем следуют Вязниковский и Кольчугинский районы. Меньше выбросов прихо дится на Петушинский, Судогодский, Киржачский, Собинский, Александ ровский, Юрьев-Польский и Камешковский районы. Благополучнее ситуация обстоит в Суздальском районе, наиболее благополучная в Меленковском и Селивановском районах.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

Зонирование территории Владимирской области по техногенной наг рузке на водные объекты в единицах токсичной массы приведено на рис. 2.

Рис. 2. Сбросы загрязняющих веществ в водотоки по районам области (2007 г.) Наибольшее количество сбросов приходится на город Владимир, Ковровский район, Кольчугинский и Александровский районы. За ними следуют Собинский район, Муромский, Петушинский и Вязниковский районы. Наиболее благоприятная ситуация характерна для Судогодского, Селивановского, Меленковского и Гороховецкого районов.

Наиболее полную картину техногенной нагрузки на территорию может дать суммарное значение выбросов и сбросов, в единицах токсичной массы (рис. 3).

Данная карта дает наиболее полную информацию о техногенной нагрузке на территорию области. Можно выделить районы с наибольшей техногенной нагрузкой. Это город Владимир, Ковровский, Кольчугинский, Гусь-Хрустальный и Александровский районы. Как известно это крупней шие центры промышленности области. За ними следуют Собинский и Муромский районы. Среднее положение занимают Вязниковский, Пету шинский, Киржачский, Камешковский районы. В этих районах промыш ленность менее развита. Более благоприятная ситуация складывается в Юрьев-Польском, Гороховецком, Суздальском, Судогодском районах. Еще СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ более благополучная обстановка в Селивановском и Меленковском районах. Это в основном сельскохозяйственные районы. При этом можно сказать, что Кольчугинский и Александровский районы выходят на лидиру ющие позиции за счет больших сбросов загрязняющих веществ в водотоки.

Муромский район хоть и имеет высокие значения выбросов, отходит на второй план из-за небольших сбросов. Гороховецкий район имеет наиболь шую техногенную нагрузку на атмосферный воздух и наименьшую – на водные объекты, поэтому по суммарной техногенной нагрузке он относится к благополучному району. Остальные районы области занимают промежу точное положение как по суммарной техногенной нагрузке, так и по нагрузке на атмосферный воздух и водные объекты по отдельности.

Рис. 3. Техногенное зонирование Владимирской области (выбросы+сбросы) (2007 г.) В работе проведен анализ качественного состава выбросов и сбросов загрязняющих веществ.

Всего на территории области в атмосферу выбрасывается 237 наиме нований загрязняющих веществ. Из этих выбрасываемых веществ 8,7 % V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

наименований относится к 1 классу опасности, 29,3 % ко 2 классу опасности, 38 % к 3 классу опасности и 24 % к 4 классу опасности.

Основные загрязняющие вещества, содержащиеся в выбросах ста ционарных источников области: оксид азота II (35 %), уайт-спирит (7 %), свинец и его неорганические соединения (6 %), углерод (5 %), мышьяк и его неорганические соединения и аммиак (по 4 %).

Для сбросов в водотоки характерно 38 наименований загрязняющих веществ. Из них 9,1 % наименований относится к 1 классу опасности, 15,1 % ко 2 классу опасности, 39,4 % к 3 классу опасности и 36,4 % к 4 классу опасности.

Основные вещества-загрязнители водных объектов: взвешенные вещества (26 %), медь (15 %), аммоний и уксусная кислота (по 11 %), нитриты и фосфаты (по 8 %).

По результатам проведенной работы на территории области выявле ны районы с наибольшей техногенной нагрузкой. Это город Владимир, Ковровский, Кольчугинский, Гусь-Хрустальный районы. Как известно, они являются промышленными центрами области, в которых сосредоточены предприятия машиностроения и металлообработки, предприятия по произ водству строительных материалов, отрасли химической и нефтехимической промышленности. Немного лучше ситуация обстоит в Собинском и Муром ском районах. Самая благоприятная ситуация складывается в Селиванов ском и Меленковском районах – сельскохозяйственных территориях облас ти. Остальные районы области имеют средние показатели техногенной нагрузки.

Литература 1. Экологический атлас Владимирской области. Электронная версия. // Под общей редакцией Т.А. Трифоновой. – ВлГУ. Владимир, 2008 г.

Работа выполнена при поддержке РФФИ (грант 09-05-99046-р-офи).

СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ УСТАНОВЛЕНИЕ ТРЕТЬЕГО УСТОЙЧИВОГО УРОВНЯ В КОЛЕБАНИЯХ КАСПИЙСКОГО МОРЯ НА ОСНОВЕ НЕЛИНЕЙНОЙ РЕГРЕССИИ В.И. Швейкина Институт водных проблем РАН, г. Москва, Россия In this paper, applying a nonlinear regression root analysis to describe the Caspian water level data and by means of histogram assessment, the significance of an emerging third stable steady state for the Caspian Sea levels is evaluated. Nonlinear regress for the initial data has five real roots that is the basis for acceptance of a hypothesis that in the Caspian sea level fluctuations the third steady state has appeared.

In work it is offered the stochastic model of the Caspian sea level fluctuations using an estimation of empirical density of probabilities, that is used for calculation a drift coefficient for the corresponding diffusive process. It was made a comparison of two estimations of stationary density: the first is received, when a drift coefficient is a nonlinear regress of the fifth order, the second – adjusted for the empirical histogram.

The stochastic model of the Caspian sea level fluctuations offered in work has the best parameters of adequacy to the initial data, than the model using a nonlinear regression.

In conclusion it is shown the modeling trajectory.

Рассмотрим ряд среднегодовых значений уровня моря H i в г. Баку с 1837-2007 гг. [2]. Эмпирическая гистограмма данных (рис.1) показывает появление третьего устойчивого уровня в колебаниях Каспия. Построим зависимость приращений уровня H i от уровня H i, которая изображена на рис.2 в виде регрессионного облака точек.

На этом же рисунке приведена нелинейная регрессия 5-ого порядка, полученная методом наименьших квадратов, при этом исходные данные предварительно масштабированы при помощи H max и H min так, чтобы вновь Z i (t ) полученные переменные. Регрессионная модель имеет вид Z ( t + 1) Z ( t ) = ( Z ( t ) ) + ( t ), (1) где (Z (t )) = 0.0056 0.0369 Z (t ) + 0.1246 Z 2 (t ) + 0.2721Z 3 (t ) 0.3188Z 4 (t ) 0.5012 Z 5 (t ) и (t) – остаточная последовательность модели.

Для остаточной последовательности (рис. 3) по специальному Крите рию Д’Агустино найдено критическое значение, для которого на уровне V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

значимости 0,1 можно принять гипотезу о нормальном распределении остаточной последовательности.

0. 0. 0. 0. -28.69 -28.00 -27.31 -26.61 -25.92 -25. Уровень. м абс.

Рис.1. Эмпирическая гистограмма для уровня Каспия.

уровня, отн.ед.

0. Приращения 0. -0. -0. -1 -0.5 0 0.5Уровень, отн.ед.

Рис. 2. Регрессионное облако точек исходных данных и приближающий тренд 0. 0. 0. -0. -0. 1830 1880 1930 Время, годы Рис. 3. Остаточная последовательность Параметры остаточной последовательности учитываются при построении модели, особенно при выборе внешней случайной силы. На рис.4 вместе с гистограммой остаточной последовательности изображена кривая нормального распределения с параметрами остаточной последова тельности, которые соответственно равны: среднее 0,0302 и среднее квадратическое 0,11.

СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ -0.2 -0.1 0 0.1 0.2 0.3 0. 0.25 0. 0.2 0. 0.15 0. 0.1 0. 0.05 0. 0 -0.2 -0.1 0.0 0.1 0.2 0.3 0. Рис.4. Гистограмма остаточной последовательности и кривая нормального распределения Корнями многочлена (Z ) являются следующие значения Z *i :

Z *1 = 0.82, Z *2 = 0.605, Z *3 = 0.126, Z *4 = 0.33, Z *5 = 0.571, которые дают значения уровня, являющиеся положениями равновесия H *1 = 28.61, H *2 = 28.25, H *3 = 27.44, H *4 = 26.66, H *5 = 26. Имея регрессионную зависимость приращений уровня Каспийского моря от его уровня (Z ) = U Z, запишем упрощенную непрерывную модель колебаний уровня моря в виде диффузионного процесса dU dZ t = dt + dWt dZ, (1) где U t – потенциал Каспийского моря, U Z – коэффициент сноса, – коэффициент диффузии, Wt – стандартный винеровский процесс. Потенциал для построенной нелинейной регрессии приведен на рис. 5а. По формуле, связывающей потенциал и стационарную плотность распределения 2 p s (x ) = exp 2 U ( x ) C [2], рассчитаем значения стационарной плотности и сравним ее с эмпирической гистограммой (рис. 5б). Соответствие получилось не очень хорошее.

Приблизим имеющуюся гистограмму данных смесью трех нормаль ных распределений. Теоретические моменты смешанного распределения выражаются через первый и второй моменты каждой компоненты смешанного распределения.

f (x ) = p1 f1 (x;

µ1, 12 ) + p2 f 2 (x;

µ2, 2 ) + (1 p1 p2 ) f 3 (x;

µ3, 3 ), x, 2 V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

где f i (x;

µi, i ) – плотность i-ой компоненты смешанного распре деления;

pi – вес соответствующей компоненты. Для оценки параметров каждой компоненты и ее веса используем метод моментов. Сумма нормаль ных законов распределения не является нормальным распределением и хорошо соответствует гистограмме исходных данных (рис.6).

0. 0. 0. -0. -0. -0. -30 -29 -28 -27 -26 - Уровень, м абс.

Рис. 5а. Потенциал, соответствующий нелинейной регрессии 0. 0. 0. 0. -30 -29 -28 -27 -26 -25 - Уровень, м абс.

-0. Рис. 5б. Стационарная плотность (маркеры) и значения эмпирической гистограммы (линия) 0. 0. 0. 0. 0. -30 -29 -28 -27 -26 -25 - Уровень. м абс.

Рис. 6. Смешанное распределение (маркеры) и значения гистограммы (линия) Будем считать, что найденное смешанное распределение является оценкой стационарной плотности распределения, т.е.

2 f (x ) = exp 2 U ( x ) C. Найдем из этого выражения СЕКЦИЯ 4. ИНФОРМ АЦИ ОНН ЫЕ Т ЕХН ОЛОГИИ И МОДЕЛИРОВАНИ Е П РОЦЕС СОВ В РЕЧНЫХ Б АС СЕЙН АХ C U (x ) = ln 2 ln f (x ) 2. Используем выражение для потенциала для нахождения коэффициента сноса по следующей формуле dU f (x ) (x ) = = 2 f (x ).

dx Теперь модель колебаний уровня Каспийского моря выражается стохастическим уравнением f ( X ) dX t = dt + dWt 2 f (X ), ( X µ k ) f (X ) = 1 pk k 2 2k exp 2, k = где и pk ( X µ k ) ( X µk ) f ( X ) = exp 2 k.

2 k 3 k = С помощью нормально распределенных случайных чисел можно промоделировать ряды. Например, одна из моделированных траекторий с начальным значением – 26,7 м абс. приведена на рис. 6.

-26, -26, -26, Уровень, м абс.

-26, -26, -26, -26, -26, 0 50 100 150 Время, отн.ед.

Рис. 6. Моделированная траектория Эта траектория качественно похожа на колебания уровня Каспийс кого моря. Адекватность полученной модели исходным данным характери зует также сумма квадратов отклонений моделированных значений колебаний уровня от приращений наблюденных данных, или дисперсия остаточной последовательности. В данном случае ее значение равно 1,21·10-2, которое также подтверждает адекватность предложенной модели.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

Таким образом, проведенный статистический анализ поведения уровня Каспийского моря показывает наличие 3-го устойчивого состояния наряду с двумя другими, которые наблюдались ранее. Это свидетельствует о произошедших качественных изменениях окружающей среды, влияющих на поведение уровня, которое в свою очередь, адекватно описывается предложенной стохастической моделью.

Литература 1. Гардинер К.B. Стохастические методы в естественных науках. – М.:

Мир, 1986. – С. 526.

2. Панин Г.Н., Мамедов Р.М., Митрофанов И.В. Современное состояние Каспийского моря. – М.: Наука, 2005. – 355 с.

СЕКЦИЯ 5. ВОДОПОЛЬЗОВАНИЕ: УПРАВЛЕНИЕ, ОПТИМИЗАЦИЯ, ОХРАН А СЕКЦИЯ 5. ВОДОПОЛЬЗОВАНИЕ: УПРАВЛЕНИЕ, ОПТИМИЗАЦИЯ, ОХРАНА STUDY ON EVAPOTRANSPIRATION OF GRASSLAND IN THE ORIGIN AREAS OF THREE RIVERS ZHANG Yao-sheng Northwest Institute of Plateau Biology, Chinese Academy of Sciences // Key Laboratory of Adaptation and Evolution of Plateau Biota China;

XINING 810001, China Abstract: Based on the observation data from 3 automatic weather Stationsthe, FAO Penman-Monteith was used to calculate the reference evapotranspiration of kinds of grasslands which in the source region of three rivers,Qinghai province of China. The actual evapotranspiration was estimated by FAO-56. The ana1ysis results showed that the maximum value of evapotranspiration was in summer, and the minimum was in winter. the orders of the total actual evapotranspiration was as follows:

warm steppe, alpine pasture and alpine meadow. The actual evapotranspiration varied with different growing stages. In non-growing period, a daily mean was minimum, and in middle growing period, a daily mean is maximum.

1. General situation of observation site Experiment carried on the Nature reserve of origin areas of three rivers, general cinditions of 3 observation sites was showed at table 1.

Tab. 1.

General condition of 3 observation sites Grasssland Altitude Location Mainly plants type (m) Alpine 3824 E100°50 Kobresia pygmaea, K. hummilis, meadow N34°52 Carex spp, Poa poophagonum, Elymus nutans Alpine 3739 E100°44 Stipa purpurea, K. humilis, pasture N34°58 P. pratensis, Potentilla anserina Warm 3330 E100°51 S. krylovii, Orinu kokonorica, steppe N35°15 Achnatherum splendens V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

2. Research methods There are 3 automatic weather stations was worked at 3 observation sites.Some data that used for evapotranspiration calculation was recorded in 2006-2007,such as air temperature,relative humidity,wind speed,solar radiation and precipitation.The data used for this paper is from Nov. of 2006 to Oct.of 2007.

3. Calculation method of evapotranspiration 3.1. Action evapotranspiration Action evapotranspiration was calculated as follows:

ETC = K C ETO (1) ETc was the actual evapotranspiration quantity (mm/d);

Kc was the crop coefficient;

ETo was the evapotranspiration quantity of reference crop (mm/d).

The evapotranspiration quantity of reference crop (ETc) was calculated by the standardized and unified formula of FAO Penman-Monteith, while the crop coefficient (Kc) was the adjusted value referenced by FAQ-56.

3.2. Evapotranspiration quantity (ETo) determination of reference crops The formula used for calculate ETo was as follows:

Cn u2 (es ea ) 0.408 ( Rn G ) + (T + 273) ETo = + (1 + Cd u2 ) (2) ETo was the evapotranspiration quantity of reference crops (mm/d);

was the slope of the curve for saturation vapour pressure to temperature (kPa/•);

Rn was the net solar radiation [MJ/(m2·d)];

G was the geothermal flux [MJ/(m2·d)];

r was the psychrometer constant (kPa/•);

Cn and Cd was the constant in the Penman formula with step length of l d respectively (Cn=900, Cd=0.34);

es and ea was the saturation vapour pressure and the actual vapour pressure (kPa);

T was the daily mean temperature (•);

u2 was the wind speed at the height of 2 m (m/s).

3.3. Calculation of crop coefficients (Kc) According to the classification of growth and developmental stage for grass in FAQ-56 as well as frost season and temperature of this area, the growth and developmental was divided into 4 stages: the initial growing period from 1st May to 31st May, the middle growing period from 1st Jun. to 31st Aug., the end growing period from 1st Sep. to 31st Oct., the non-growing period from 1st Nov.,2006 to 30st Apr. Crop coefficients of the initial growing period, the middle СЕКЦИЯ 5. ВОДОПОЛЬЗОВАНИЕ: УПРАВЛЕНИЕ, ОПТИМИЗАЦИЯ, ОХРАН А growing period and the end-growing period referenced by FAQ-56 was as follows: Kc(ini) = 0,4, Kc(mid) = 1,05, Kc(end) = 0,85. Grassland was covered by dry grass during the non-growing period, and its corresponding crop coefficient was slightly lower than Kc(ini) due to soil freezing. As the climate condition of this area was different with the standard condition, crop coefficients of the middle growing period and the end-growing period were adjusted as follows:

Kc= Kc(reference)+[0.04(u2•2)•0.004(RHmin•45)](h/3)0. RHmin was the average of minimum daily relative humidity (%) and 20%RHmin80%;

u2 was the wind speed at the height of 2 m (m/s) and m/su26 m/s;

h was the average height in calculation interval (m) and 0. mh10 m.

4. Results and analysis 4.1. Seasonal changes of actual evapotranspiration The dynamic change of actual evapotranspiration was shown in Fig. 1.

2. 2. Ac t ual ET( m d) m/ 1. Al pi ne meadow Al pi ne past ur e W m st eppe ar 1. 0. 0. 01 01 01 01 01 01 01 01 01 01 01 11- 12- 01- - 02- - 03- - 04- - 05- - 06- - 07- - 08- - 09- - 10 6- 006- 007- 7 7 7 7 7 7 7 7 200 200 200 200 200 200 200 200 200 2 Dat e( Y- M D) Fig. 1. Dynamic variation of actual evapotranspriation The results suggested that ETO in summer was larger while winter was smaller, and mainly in 3 months from Jun. to Aug. The evapotranspiration quantity reached the peak in the middle August. From the late August to the end growing period, the evapotranspiration quantity just fluctuated within a narrow range in the last ten-day period of Sep. However, the moisture for evapotranspiration was little due to the reduce of precipitation and temperature as V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

well as the weak growth of forage, so the evapotranspiration quantity of grassland gradually decreased and trended to be stable.

4.2. Differences of evapotranspiration of 3 kinds of grasslands From Fig.1 we can see, there are some differences of evapotranspiration in the 3 kinds of grasslands.The quantity of evapotranspiration are ordered as follows: warm steppe alpine meadow alpine pasture, and daily evapotranspiration are 1,94 mm/d, 1,69 mm/d and 1,57 mm/d respectively, in same sequence. The differences of ETO attribute to different altitude, vegetation, at the same attribute to time air temperature, precipitation and other climate factors.

5. Conclusion The seasonal dynamic change of actual evapotranspiration quantity of grassland in three river sources areas is as follows: The evapotranspiration quantity in summer was larger while winter was smaller, and reaches the peak in the middle August. The quantity of evapotranspiration are ordered as follows:

warm steppe alpine meadow alpine pasture.

References 1. Allen R.G., Pereira L.S., Raes D., et a1.FAO Irrigation and Drainage Paper No.56, Crop Evapotranspiration [M]. Rome: FAO, 1998.

2. RANG G., KATERJI N. Measurement and estimation of actual evapatrans piration in the field under mediterranean climate: A review[J]. European Journal of Agronomy, 2000, 13:125-153.

ВОДНЫЕ ОБЪЕКТЫ БЕЛГОРОДСКОЙ ОБЛАСТИ И ИХ РЫБОХОЗЯЙСТВЕННОЕ ЗНАЧЕНИЕ В.А. Галыгин, Н.Н. Крамчанинов Управление охраны и использования животного мира, водных биологических ресурсов и среды их обитания Белгородской области, г. Белгород, Россия Белгородская область относится к малообеспеченным водными ресурсами регионам России. Порядка 0,45 % территории области занято водными объектами. Все реки области относятся к малым рекам.

СЕКЦИЯ 5. ВОДОПОЛЬЗОВАНИЕ: УПРАВЛЕНИЕ, ОПТИМИЗАЦИЯ, ОХРАН А В области в общей сложности насчитывается до 500 водотоков, протяженность речной сети составляет 5 тыс. км, принадлежащая бассей нам р. Дон (80 %) и р. Днепр (20 %). Из 500 водотоков рек протяженностью более 100 км всего 4: Оскол, Сев. Донец, Ворскла, Тихая Сосна.

В области насчитывается 1100 прудов и водохранилищ, в том числе объемом от 100 тыс. м3 и более – 420. Наиболее крупные из них Белгород ское водохранилище на р. Сев. Донец объемом 76 млн. м3 и Староосколь ское на р. Оскол объемом 84 млн. м3. Большинство прудов и водохранилищ были построены как противоэрозионные и для орошения сельскохозяйст венных культур. В настоящее время орошение почти прекращено, пруды используются для производства товарной рыбы, производственного водоснабжения предприятий и являются местами культурного и спортивного отдыха людей.

Водные биоресурсы водоемов области насчитывают: 39 видов рыб, 711 видов водорослей, 109 видов беспозвоночных (зоопланктон), 71 вид ракообразных и 142 видов моллюсков.

В настоящее время на территории Белгородской области водоемов и водотоков рыбохозяйственного значения 310, из них:

– 16 водотоков (реки) расположены на территории нескольких субъектов федерации;

– 51 водоток (реки, ручьи) расположен в пределах области;

– 243 водоема (пруды и водохранилища).

В водоемах области наиболее часто встречаются следующие виды рыб:

– в самых малых водотоках: лещ, плотва, карась, линь, окунь, щука;

– в малых водотоках: лещ, плотва, карась, линь, окунь, щука, сазан (карп), сом;

– в средних водотоках: лещ, плотва, карась, линь, окунь, щука, сазан (карп), сом, густера, судак;

– в водохранилищах: лещ, плотва, карась, линь, окунь, щука, сазан (карп), сом, густера, судак, жерех, язь, белый амур, толстолобик, голавль.

Наиболее многочисленны следующие виды рыб: лещ, щука, серебря ный карась, плотва, окунь, уклейка. Реже встречаются: линь, сазан, карп, белый амур, толстолобик, голавль, жерех, язь, судак, сом. Отмечены единичные случаи поимки в водоемах области стерляди и миноги.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

Из-за малых размеров водоемов области, а также с учетом, значительно возросшим за последние годы антропогенным прессом на водные биоресурсы, промысловый запас для разных видов рыб уменьша ется (табл. 1).

Таблица 1.

Промысловый запас для разных видов рыб Площадь, Ихтиомасса, Промысловый Наименование водотока га кг/га запас, т Самые малые водотоки 1389 30 41, Малые водотоки 3536 40 141, Средние водотоки 2472 50 123, Белгородское 2320 50 116, водохранилище Старооскольское 2444 50 122, водохранилище В области для целей рыбоводства используется более 4300 га водного фонда, из которых 3600 га под выращивание товарной рыбы и более 1700 га по выращивание рыбопосадочного материала. На этих площа дях ежегодно выращивается более 4,6 тыс. т товарной рыбы, более 550 т сеголетков и около 1200 тонн рыбопосадочного материала 2-го порядка.

Рыбоводными хозяйствами в 2008 году выращено: карпа 2288 т, растительноядных (толстолобика, белого амура) – 2106 т, карася – 230 т, форели – 15 т.

Рыбхозы области выращивают преимущественно рыб семейства карповых: карп, несколько видов толстолобика, карась. Новые направления рыбоводства – это выращивание форелевых и осетровых видов рыб. В настоящее время практика ведения рыбоводства требует расширения видового состава культивируемых видов рыб.

Для дальнейшего роста производства товарной рыбы необходимо широкое использование прудов комплексного назначения. Использование современных технологий в производстве качественного рыбопосадочного материала и высококачественных комбикормов позволит существенно повысить рыбопродуктивность прудов и снизить себестоимость продукции.

Однако большинство рыбоводных хозяйств осуществляют свою деятельность без рыбоводно-биологического обоснования, отсутствуют СЕКЦИЯ 5. ВОДОПОЛЬЗОВАНИЕ: УПРАВЛЕНИЕ, ОПТИМИЗАЦИЯ, ОХРАН А экологические паспорта водоемов и тем самым не все водные объекты задействованы в хозяйственном использовании.

Поэтому ближайшей перспективой для полноценного хозяйственного использования водных объектов области являются:

– комплексная экологическая экспертиза и паспортизация всех водоемов области;

– детальное обследование ГТС;

– создание проектов по рациональному водопользованию.

ПОДЗЕМНЫЕ ВОДЫ ВЛАДИМИРСКОЙ ОБЛАСТИ М.Н. Демидова Владимирский государственный университет, г. Владимир, Россия Территория Владимирской области в гидрогеологическом отноше нии расположена в северо-восточной части Московского и западной части Волго-Сурского артезианских бассейнов, граница между которыми прохо дит по оси Окско-Цнинского вала.

Источники подземных вод, используемые для водоснабжения на территории области, заключены в отложениях: четвертичной системы, верхнего и нижнего отделов меловой, вернего отдела юрской, вернего отдела триасовой, верхнего и нижнего отделов пермской, верхнего отдела каменноугольной систем. Источники крупного централизованного водо снабжения заключены в отложениях: четвертичных (аллювиально-флювио гляциальных) – на территории древней долины р. Нерль (и в долине р.

Клязьма около г. Гороховца);

верхнеюрско-нижнемеловых (терригенных) – на северо-западе области;

верхнекаменноугольных (карбонатных) – на территории Окско-Цнинского вала, западной, юго-восточной и юго западнойчастях области. Наибольшее значение для крупного хозяйственно питьевого водоснабжения имеют подземные воды верхнекаменноугольных карбонатных отложений. На них основано водоснабжение самых крупных городов области: Коврова, Мурома, Гусь-Хрустального, Александрова, Кольчугино, частично Владимира, Киржача, Петушков, и др., часть подземных вод подается в Московскую область.

Эксплуатация подземных вод для хозяйственно-питьевого водо снабжения возможна почти на всей территории области. Исключение V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

составляет территория в районе г. Владимира, а также часть территории в Камешковском, Вязниковском и Гороховецком районах, где практически отсутствуют ресурсы пресных подземных вод. Площадь без ресурсов 1,29 тыс. км2.

На всей территории Владимирской области существует прямая (вертикальная) гидрохимическая зональность. С увеличением глубины залегания возрастает минерализация подземных вод.

В результате эксплуатации подземных вод образовались депрессионные воронки, которые привели к изменению гидрогеологичес ких условий на территории их развития. Сформировавшаяся в водоносном гжельско-ассельском карбонатном комплексе на западе области обширная депрессионная воронка имеет свой центр на водозаборе г. Орехово-Зуево Московской области. Во Владимирской области она, занимая площадь около 8700 км2, доходит до подножия Окско-Цнинского вала, захватывает г. Владимир и далее закругляется на г. Юрьев-Польский. Максимальные снижения уровня в г. Александров (35 м) и г. Киржач (26 м). На территории этой депрессионной воронки изменилось соотношение уровней воды основного и питающего водоносных комплексов, что вызвало интенсифи кацию процессов перетекания подземных вод из верхнего питающего в продуктивный водоносный комплекс. Напоры подземных вод водоносного гжельско-ассельского карбонатного комплекса уменьшились, но сохрани лись на всей территории. Существенного влияния эксплуатации водонос ного гжельско-ассельского карбонатного комплекса на питающий мезо кайнозойский водоносный комплекс по площади не отмечено.

Локальные депрессионные воронки в водоносном гжельско ассельском карбонатном комплексе образовались на водозаборах городов:

Ковров, Муром, Гусь-Хрустальный и на Верхне-Судогодском водозаборе (для водоснабжения Г.Владимира).

Во Владимирской области наблюдения за подземными водами начаты с 1955 года. До 90-х лет наблюдательная сеть увеличивалась за счёт наблюдательных скважин, передаваемых в режим по окончании разведоч ных работ для водоснабжения городов и крупных посёлков области.

Специальная наблюдательная сеть бурилась в районе Верхне-Судогодского водозабора (для водоснабжения г. Владимира), г. Гусь-Хрустального и на двух водозаборах г. Коврова. В 90-е годы наблюдательная сеть сократилась, были законсервированы наблюдательные пункты, многие из которых имели СЕКЦИЯ 5. ВОДОПОЛЬЗОВАНИЕ: УПРАВЛЕНИЕ, ОПТИМИЗАЦИЯ, ОХРАН А продолжительные ряды наблюдений. В этот период по мере возможности устранялись последствия «актов вандализма» ремонтировались или стави лись новые режимные оголовки, производились разовые замеры уровня воды. Таким образом, удалось сохранить скважины, имеющие длинный ряд наблюдений, по 13 из которых в последние годы возобновлены срочные наблюдения. Также в последние годы приняты 9 наблюдательных скважин в районе палеодолины р. Нерли по окончании поисково-оценочных работ.

Качество воды в 89,9 % опробованных скважин не соответствует требованиям СанПиН 2.1.4.1074-01, при этом в 54,5 % скважин оно не удовлетворительно даже по концентрации отдельно взятых веществ.

Наиболее низкое качество имеют подземные воды в Александровском, Петушинском, Судогодском, Муромском и особенно в Собинском районах.

Наиболее чисты подземные воды в Ковровском, Селивановском и Юрьев Польском районах. Повсеместно основными токсикантами являются литий, барий и фтор. Более локально, но также широко распространены кремний, бор, стронций.

Работа выполнена при поддержке РФФИ (грант 07-05-00473).

ФОРМИРОВАНИЕ БИОГЕННОГО СТОКА ВОЛЖСКОГО И МОСКВОРЕЦКОГО ИСТОЧНИКОВ ВОДОСНАБЖЕНИЯ Г. МОСКВЫ Н.В. Кирпичникова Институт водных проблем РАН, г. Москва, Россия The dynamic of many years of the biogenous elements flow from watersheds is a most important factor at processes autrophication of reservoirs. Traditional the flow main source of nitrogen and phosphorus are considered agricultural areas and in this aspect by the most in detail many researchers are presented experiments mainly on the small watershed, greatly subject to multiform anthropogenic influence and quickly responding on possible changing the influencing factors: dose and terms of a contributing the fertilizers, type an agricultural areas and etc. For the large watersheds by the most complex question is a differentiation of the sources of arrivals biogenous elements, delimitation of natural and anthropogenic factors, determination possible correlation dependencies between parameters biogenous and water runoff.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

Концентрации биогенных элементов в воде и их соотношения определяют трофический статус озер и качество вод. Нерациональное ведение сельского хозяйства и увеличение объема бытовых и промышлен ных стоков приводит к значительному росту количества биогенных и органических веществ, поступающих в водоемы. Как следствие, повышает ся трофический статус водоемов, сокращается их биологическое разнообра зие, и ухудшается качество воды. Процесс эвтрофирования, начавшись в Западной Европе в 1950-1960 г.г., пришел в Россию с опозданием на 10- лет, и в 1970-1980-е годы охватил практически все водоемы Европейской части России.

С переходом российской экономики на рыночные отношения с 90-х годов наблюдается резкий спад в сельскохозяйственном производстве и снижение промышленного производства. В период с 1990-2000 гг. примене ние удобрений на селькохозяйственных территориях сократилось в 10- раз, поступление азота и фосфора с промышленными сточными водами также уменьшился в 2-3 раза.

Многолетняя динамика поступления биогенных элементов с водо сборной площади является важнейшим фактором при рассмотрении процессов эвтрофирования водоемов. Традиционным основным источни ком поступления азота и фосфора в гидрографическую сеть считаются сельскохозяйственные территории, и в этом аспекте наиболее подробно многими исследователями представляются эксперименты преимуществен но на малых водосборах, подверженных многообразному антропогенному влиянию, и быстро реагирующих на возможные изменения воздействую щих факторов: дозы и сроки внесения удобрений, вид угодий, характер почв, уклоны и т.д. Для крупных водосборов наиболее сложным вопросом является дифференцирование источников поступления биогенных элемен тов, разграничение природных и антропогенных факторов, установление возможной корреляционной зависимости между параметрами биогенного и водного стоков [1].

Для проведения комплексного анализа использовались многолетние базы данных гидрометеорологических наблюдений, специальные исследо вания на водосборах и водных объектах, статистическая информация для двух источников водоснабжения г. Москвы – Волжская и Москворецкая системы водоснабжения. Площадь водосбора Волжской системы до замы кающего створа Иваньковская плотина (г. Дубна) составляет 41000 км2, СЕКЦИЯ 5. ВОДОПОЛЬЗОВАНИЕ: УПРАВЛЕНИЕ, ОПТИМИЗАЦИЯ, ОХРАН А площадь водосбора Москворецкой системы до замыкающего створа Рублевская водонапорная станция составляет 7530 км2.

На основании многолетних наблюдений качества воды в Иваньков ском водохранилище и р. Москве получены многолетние распределения концентраций азота и фосфора. На обоих водосборах с развитием сельского хозяйства и интенсивном использовании минеральных и органических удобрений содержание биогенных элементов в одной среде с 1950 по гг. возросло почти в 5 раз [3].

Далее в течение 15 лет на сельскохозяйственных территориях Волжс кого и Москворецкого бассейнов сократилось применение минеральных удобрений в 23 и 18 раз, органических – в 4 раза (табл. 1). Посевные пло щади зерновых и технических культур с 1990 г. по двум водосборам сокра тились – для Волжского бассейна в 4 раза, Москворецкого в 2, 5 раза [4].

Таблица 1.

Динамика внесения удобрений на 1 га пашни Волжский источник Москворецкий источник Минеральные Минеральные Годы Органические Органические удобрения, удобрения, удобрения, т удобрения, т кг д.в. кг д.в.

1986-90 гг. 188 14 267 1991-95 гг. 65 8 128 1996-2000 гг. 19 8 37 2001-2005 гг. 7 3 15 Сброс промышленных и хозяйственно-бытовых сточных вод для Волжского бассейна азота и фосфора сократился на 60 и 80 % соответ ственно (рис. 1), для Москворецкого – около 40 % для обоих показателей.

Однако к негативным последствиям приводит неудовлетворительная работа очистных сооружений, залповые сбросы и недостаточный контроль сточных вод.

Качество воды по биогенным показателям определялось за многолет ний период в Иваньковском водохранилище в створе Плоски (средняя часть вдхр.), в р. Москве у водозабора Рублевской водопроводной станции.

V МЕЖДУНАРОДНАЯ «ЭКОЛОГИЯ Н АУ ЧН О-ПРАКТИЧЕСК АЯ К ОН ФЕРЕНЦИ Я РЕЧНЫХ Б АСС ЕЙН ОВ»

1000 2, т/год т/год 1, 200 0, 0 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 годы Ф осфаты Азот общ.

Рис. 1. Многолетняя динамика поступления азота и фосфора в Волжский источник водоснабжения со сточными водами, т/год Таблица 2.



Pages:     | 1 |   ...   | 8 | 9 || 11 | 12 |   ...   | 13 |
 










 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.