为定量评估潮白河生态补水的环境效益,研究补水期间其干支流及周边区域(含下游流域)内的实时水质数据,采用分布滞后非线性模型和空间杜宾模型,定量考察补水对地表水环境的时空影响.选取COD作为水质污染的典型指标,补水前后,各监测站点的COD浓度变化较明显,水头所到之处COD浓度升高,待水流稳定后COD又缓慢下降;整个补水期间,逐日的Mo-ran's I指数经历了平稳期、急剧上升期和缓慢下降期,且Moran's I指数均显著正相关.本研究将为流域水资源配置管理提供决策支持.

为及时、准确掌握黑臭水体治理进展,基于"北京二号"影像数据和同期的野外综合水体实测数据,采用深度学习算法对黑臭水体进行识别,并引入地理探测器对黑臭水体影响因素进行定量分析.结果表明:基于Faster R-CNN算法的黑臭水体遥感识别,总准确率达到90％左右,短时间内(5～33 h)即可完成北京市建成区黑臭水体的筛查工作;在空间维度上,黑臭水体主要分布在中心城区以外,并在通州区、朝阳区和大兴区较为集中;在时间维度上,专项治理期间(2015-2018年)内,黑臭水体的数量和长度总体趋势都是递减的,但偶尔也有反黑现象;2018年底,在全市建成区范围内,已全面消除黑臭现象;在一年内,第1季度水体环境最好,第2季度次之,第3季度最差,从第4季度开始好转;在北京市大兴区,土壤全氮量(贡献率为32.07％)和周边养殖场排污(贡献率为27.04％)是黑臭水体形成的主要影响因素,高程(贡献率为8％)、土壤类型(贡献率为7.6％)和土地利用类型(贡献率为6.1％)的贡献率较弱.由此可以看出,基于Faster R-CNN算法识别影像中的黑臭水体识别准确率高,可及时、准确地监测城市黑臭水体治理情况,使用地理探测器可定量分析并确定各影响因素的贡献率.本研究成果可为城市黑臭水体的动态监测和治理提供有力的技术支撑.

为了解决北京市河长巡查数据量大、分析效率低等问题,同时更加直观地展示河湖管理保护中存在问题的时空分布规律,依托北京河长智慧移动终端,将抓取的数据经预处理后,通过计算莫兰指数Moran's I值,并结合核密度估计函数绘制热力图,从时空2个维度对其集聚情况进行分析.结果显示:巡查问题在时空2个维度上均呈现出集聚性,其中Moran's I值为0.398 5,中心城区为高聚集区,行政交界处为相对密集区域,东北和西南部呈散点分布;同时受天气影响巡查工作具有时间维度聚集.可见,Moran's I指数和热力图两者结合可以实时、直观、定量地展现巡查问题的集聚特征,有助于探索河湖管理保护的模式及规律,有效提高巡河路线规划和决策水平.

近年来,北京市汛期多次出现局地短期大暴雨积水现象,对所在地区的道路交通产生严重影响。经多方分析,城市排水系统能否正常发挥作用涉及河湖、雨水及雨污合流管道系统、泵站等多方面因素。因此,为进一步满足水务局精细化调度的目标,推动实现河道管理及防汛工作的精细化、可视化调度,旨在讨论充分利用现代通信技术、计算机技术、数据分析、信息展示等手段实现以上管理决策目标,体现信息化对于防汛精细化管理的具体实现。