MDPI AG

Given the fact that researchers require more specific spatial rainfall information for storm flood calculation, hydrological risk assessment, and water budget estimates, there is a growing need to analyze the spatial heterogeneity of rainfall accurately. This paper provides insight into rainfall spatial heterogeneity in urban areas based on statistical analysis methods. An ensemble of short-duration (3-h) extreme rainfall events for four megacities in China are extracted from a high-resolution gridded rainfall dataset (resolution of 30 min in time, 0.1° × 0.1° in space). Under the heterogeneity framework using Moran’s I, LISA (Local Indicators of Spatial Association), and semi-variance, the multi-scale spatial variability of extreme rainfall is identified and assessed in Shanghai (SH), Beijing (BJ), Guangzhou (GZ), and Shenzhen (SZ). The results show that there is a pronounced spatial heterogeneity of short-duration extreme rainfall in the four cities. Heterogeneous characteristics of rainfall within location, range, and directions are closely linked to the different urban growth in four cities. The results also suggest that the spatial distribution of rainfall cannot be neglected in the design storm in urban areas. This paper constitutes a useful contribution to quantifying the degree of spatial heterogeneity and supports an improved understanding of rainfall/flood frequency analysis in megacities.

Although water temperature is important to stream biota, it is difficult to collect in a spatially and temporally continuous fashion. We used remotely-sensed Land Surface Temperature (LST) data to estimate mean daily stream temperature for every confluence-to-confluence reach in the John Day River, OR, USA for a ten year period. Models were built at three spatial scales: site-specific, subwatershed, and basin-wide. Model quality was assessed using jackknife and cross-validation. Model metrics for linear regressions of the predicted vs. observed data across all sites and years: site-specific r2 = 0.95, Root Mean Squared Error (RMSE) = 1.25 °C; subwatershed r2 = 0.88, RMSE = 2.02 °C; and basin-wide r2 = 0.87, RMSE = 2.12 °C. Similar analyses were conducted using 2012 eight-day composite LST and eight-day mean stream temperature in five watersheds in the interior Columbia River basin. Mean model metrics across all basins: r2 = 0.91, RMSE = 1.29 °C. Sensitivity analyses indicated accurate basin-wide models can be parameterized using data from as few as four temperature logger sites. This approach generates robust estimates of stream temperature through time for broad spatial regions for which there is only spatially and temporally patchy observational data, and may be useful for managers and researchers interested in stream biota.

Các vùng ngập lũ và đất ngập nước ven sông có thể được quản lý hiệu quả để giảm thiểu dinh dưỡng và carbon. Tuy nhiên, hiểu biết của chúng ta về tiềm năng giảm thiểu của các hệ thống sông tự nhiên này còn hạn chế. Nghiên cứu này sử dụng dữ liệu dòng chảy và chất lượng nước lâu dài (1978–2004) từ một vị trí ở thượng nguồn và một vị trí ở hạ nguồn sông Atchafalaya để định lượng lượng nước nhập vào, nước thoát ra và cân bằng khối lượng hóa chất nước lưu thông của nitơ tổng Kjeldahl (TKN = nitơ hữu cơ + nitơ amoni), nitrat + nitrit (NO3 + NO2), phốt pho tổng (TP) và carbon hữu cơ tổng (TOC) qua lưu vực đầm lầy sông lớn nhất Bắc Mỹ. Nghiên cứu đã phát hiện rằng, trong suốt 27 năm qua, Lưu vực Sông Atchafalaya (ARB) đã đóng vai trò như một bể chứa đáng kể cho TKN (tỷ lệ giữ lại hàng năm: 24%), TP (41%), và TOC (12%), nhưng là nguồn phát thải cho nitơ NO3 + NO2 (6%). Về cơ bản hàng năm, ARB đã giữ lại 48,500 t TKN, 16,900 t TP và 167,100 t TOC từ nước sông. Tỷ lệ giữ lại có mối quan hệ chặt chẽ và tích cực với dòng chảy sông, với mức cao trong mùa đông và mùa xuân và mức thấp vào cuối hè. Lượng nước thải NO3 + NO2 cao hơn xảy ra trong suốt mùa xuân và mùa hè, cho thấy vai trò tích cực của các quá trình sinh học đối với nitơ khi nhiệt độ nước và không khí trong lưu vực tăng lên.

In this work, membranes were synthesized by depositing fluoropolymer coatings onto metal meshes using the hot wire chemical vapor deposition (HW CVD) method. By changing the deposition parameters, membranes with different wetting angles were obtained, with water contact angles for different membranes over a range from 130° ± 5° to 170° ± 2° and a constant oil contact angle of about 80° ± 2°. These membranes were used for the separation of an oil–water emulsion in a simple filtration test. The main parameters affecting the separation efficiency and the optimal separation mode were determined. The results reveal the effectiveness of the use of the membranes for the separation of emulsions of water and commercial crude oil, with separation efficiency values that can reach over 99%. The membranes are most efficient when separating emulsions with a water concentration of less than 5%. The pore size of the membrane significantly affects the rate and efficiency of separation. Pore sizes in the range from 40 to 200 µm are investigated. The smaller the pore size of the membranes, the higher the separation efficiency. The work is of great economic and practical importance for improving the efficiency of the membrane separation of oil–water emulsions. It lays the foundation for future research on the use of hydrophobic membranes for the separation of various emulsions of water and oil products (diesel fuel, gasoline, kerosene, etc.).

This paper presents an analysis of projected precipitation extremes over the East African region. The study employs six indices defined by the Expert Team on Climate Change Detection Indices to evaluate extreme precipitation. Observed datasets and Coupled Model Intercomparison Project Phase six (CMIP6) simulations are employed to assess the changes during the two main rainfall seasons: March to May (MAM) and October to December (OND). The results show an increase in consecutive dry days (CDD) and decrease in consecutive wet days (CWD) towards the end of the 21st century (2081–2100) relative to the baseline period (1995–2014) in both seasons. Moreover, simple daily intensity (SDII), very wet days (R95 p), very heavy precipitation >20 mm (R20 mm), and total wet-day precipitation (PRCPTOT) demonstrate significant changes during OND compared to the MAM season. The spatial variation for extreme incidences shows likely intensification over Uganda and most parts of Kenya, while a reduction is observed over the Tanzania region. The increase in projected extremes may pose a serious threat to the sustainability of societal infrastructure and ecosystem wellbeing. The results from these analyses present an opportunity to understand the emergence of extreme events and the capability of model outputs from CMIP6 in estimating the projected changes. More studies are recommended to examine the underlying physical features modulating the occurrence of extreme incidences projected for relevant policies.

The Prairie provinces of Canada have about 80% of Canada’s agricultural land and contribute to more than 90% of the nation’s wheat and canola production. A future change in the surface water balance over this region could seriously affect Canada’s agro-economy. In this study, we examined 25 ensemble members of historical (1975 to 2005), near future (2021–2050), far future (2050–2080), and end of the century (2080–2100) simulations of the Canadian Earth System Model version 5 (CanESM5) from the Coupled Model Intercomparison Project Phase 6 (CMIP6). A comprehensive analysis of a new Net Water Balance Index (NWBI) indicates an increased growing season dryness despite increased total precipitation over the Prairie provinces. Evapotranspiration increases by 100–300 mm with a 10–20% increase in moisture loss due to transpiration. Total evaporation decreases by 15–20% as the fractional contribution of evaporation from soil decreases by 20–25%. Total evaporation from vegetation increases by 10–15%. These changes in the surface water balance suggest enhanced plant productivity when soil moisture is sufficient, but evaporative water loss that exceeds precipitation in most years.

The objective of this study is to assess the filtering capability of porous asphalt pavement models and the quality of rainwater filtered by such models. Three slabs of porous asphalt mixtures and two models composed of porous layers that resulted in porous pavement structures were produced. Data were collected in two phases: using rainwater directly from the sky and then using stormwater runoff collected from a street. Parameters such as pH, dissolved oxygen, ammonia, phosphorus, nitrite, aluminium, chromium, copper, zinc, and iron were measured. For both rainwater and stormwater runoff quality analyses, there was an increase in the concentration of the following parameters: phosphorus, iron, aluminium, zinc, nitrite, chromium, copper, and pH; there was no significant variation in the concentration of dissolved oxygen; and there was a decrease in ammonia in one of the models. However, the concentrations of only phosphorus and aluminium exceeded the limits established by the Brazilian National Environmental Council and National Water Agency for the use of non-potable water. The models were capable of filtering rainwater and stormwater runoff, and reducing the concentration of ammonia. It can be concluded that it is possible to collect stormwater runoff from porous asphalt surfaces and porous asphalt pavements. Porous asphalt pavements are able to filter out certain pollutants from stormwater runoff and rainwater, and were shown to be an alternative to supply rainwater for non-potable uses and to recharge the water table.

Mô hình hóa dòng chảy là một trong những thách thức quan trọng trong lĩnh vực thủy văn học. Có nhiều phương pháp khác nhau, từ mô hình dựa trên lý thuyết vật lý cho đến mô hình hoàn toàn dựa trên dữ liệu. Trong bài báo này, chúng tôi đề xuất một phương pháp dựa trên dữ liệu sử dụng mạng Nơ-ron Dài Ngắn (LSTM) tiên tiến nhất. Mô hình được đề xuất đã được áp dụng tại lưu vực Hồ Poyang (PYLB) và hiệu suất của nó được so sánh với Mạng Nơ-ron Nhân tạo (ANN) và Công cụ Đánh giá Nước & Đất (SWAT). Chúng tôi trước tiên kiểm tra tác động của số bước thời gian trước đó (kích thước cửa sổ) trong độ chính xác mô phỏng. Kết quả cho thấy kích thước cửa sổ không thích hợp lớn sẽ làm giảm hiệu suất mô hình một cách đáng kể. Đối với PYLB, kích thước cửa sổ 15 ngày có thể là phù hợp cho cả độ chính xác và hiệu quả tính toán. Chúng tôi sau đó đã đào tạo mô hình với 2 tập dữ liệu đầu vào khác nhau, bao gồm tập dữ liệu chỉ có lượng mưa và tập dữ liệu tất cả các biến khí tượng sẵn có. Kết quả cho thấy mặc dù LSTM với dữ liệu lượng mưa là đầu vào duy nhất có thể đạt được kết quả mong muốn (với NSE dao động từ 0.60 đến 0.92 trong giai đoạn thử nghiệm), nhưng hiệu suất có thể được cải thiện đơn giản bằng cách cung cấp cho mô hình nhiều biến khí tượng hơn (với NSE dao động từ 0.74 đến 0.94 trong giai đoạn thử nghiệm). Hơn nữa, kết quả so sánh với ANN và SWAT cho thấy ANN có thể đạt hiệu suất tương đương với SWAT trong hầu hết các trường hợp, trong khi hiệu suất của LSTM thì tốt hơn nhiều. Kết quả của nghiên cứu này nhấn mạnh tiềm năng của LSTM trong mô hình hóa dòng chảy, đặc biệt là cho các khu vực mà dữ liệu địa hình chi tiết không có sẵn.