危化品突发泄漏事故应急检测标准化作业研究

介绍了危化品突发泄漏事故应急检测方法,包括试纸法、气体速测管法和便携式分析仪器测定法。对硫化氢、氨、苯、可燃气4种典型有害物质的应急检测方法与标准检测方法进行了实验比对,结果表明其应急检测方法能够满足应急检测工作的要求。编写了危化品突发泄漏事故应急检测标准化作业文件集和《危化品突发泄漏事故应急检测作业指南》。文件集的建立能够规范应急检测工作流程、保证应急检测工作质量、提高工作效率。《危化品突发泄漏事件应急检测作业指南》,能够保证事故现场应急检测工作高效有序开展,为应急救援人员提供必要安全保障,为事故原因调查和分析提供充分可靠的数据依据。     

我国土壤中抗生素抗性基因污染的消减策略

近年来,土壤环境的抗生素耐药性问题日益严重并逐渐成为威胁人类和动植物健康的全球性挑战。抗生素抗性基因(ARGs)是耐药性在土壤中传播的重要载体和指示物质,寻找合适的策略以降低其在土壤中的丰度及传播风险是当前和今后一个时期深入推进生命-生态一体化健康的主攻方向。ARGs进入土壤的途径主要包括粪肥施用和废水灌溉。针对不同来源,利用好氧堆肥和厌氧消化等阻控技术可从源头有效阻止ARGs进入土壤。当ARGs不可避免地进入土壤后,则仍需前瞻性研究和使用噬菌体、生物炭等ARGs污染土壤原位修复技术并深入开发植物间作等调控技术以构建免疫型土壤微生态环境。该文从阻控、修复和调控3个技术层面对ARGs去除效果和技术优劣势进行归纳,以期为土壤ARGs消减的技术开发和实际应用提供参考。     

重金属光谱分析仪与原子吸收光谱测定土壤中的重金属

采用重金属光谱分析仪与原子吸收光谱测定土壤中的Cr、Cu、Ni、Pb、Zn和As六种金属,结果发现,重金属光谱分析仪对Cu、Pb、Zn和As四种金属的检测结果较为理想,与原子吸收光谱的检测数据接近,误差可满足现场检测的要求.重金属光谱分析仪测定方法简便,操作简单,省时省力,可满足大部分重金属检测的要求.     

2021年江苏盐城海域MS5.3地震震源机制中心解及基于震源机制的区域应力场反演∗

2021 年 11 月 17 日江苏盐城近海区域发生 M_S5.3 地震，该地震的发震机制及其原因引起地球科学家的广泛关注，为分析地震发生的原因，本次地震的震源机制解和区域应力场的精确确定是必要的。本研究综合多种机构的震源机制解数据确定了可信的震源机制中心解。为保证震源区域应力场求解的精度，本文搜集了地震周围 2016 年以前的历史震源机制解数据，并利用地震观测报告，得到 22 个 2016 年之后地震的震源机制解，使用结合后的震源机制解数据求解了江苏盐城海域 M_S5.3 地震周围的应力场。最终结果为：江苏盐城海域 M_S5.3 地震的震源机制中心解节面 I 走向 104.95°，倾角 70.91°，滑动角 26.45°，节面 II 走向 5.70°，倾角 65.11°，滑动角 158.86°；研究区域的主压应力呈 ENE‐WSW 向分布，主张应力呈 NWN‐SES 向分布。将应力场投影到震源机制中心解节面上，发现两个节面均处于相对剪应力很高的水平，说明此次地震是在构造应力场作用下发生在剪应力最大释放节面上的地震，是应力积累后的一次正常释放，周边再次发生大地震的可能性减小。考虑到应力场投影到节面 II 的相对剪切应力较节面 I大，并且节面 II与苏北—滨海断裂走向更为接近，确定节面 II为本次地震的发震断层面。     

污泥生物炭硼掺杂改性及其对水中1,2-二氯乙烷吸附行为和机制

以市政污泥为前驱体，采用硼酸掺杂改性共热解法，制备了污泥生物炭(BC600)和B掺杂污泥生物炭(BBC600),采用SEM、BET、FTIR、Zeta电位和静态接触角等手段对材料进行了结构表征，研究了BC600和BBC600对水中1,2-二氯乙烷(1,2-DCA)的吸附行为、机制和影响因素.结构表征结果表明，B掺杂改性后，生物炭中B元素含量、比表面积和孔容分别提高了76%、48%和30%;B掺杂改性对生物炭表面电荷及亲疏水性影响不大，BC600和BBC600表面均带有负电荷，接触角均<90°,两者均具有较好的亲水性.吸附实验结果表明，BBC600对1,2-DCA的吸附性能优于BC600,缘于BBC600更大的比表面积和强度更高的含氧官能团；准一级动力学方程可以较好描述BC600吸附1,2-DCA过程，准二级动力学方程能较好拟合BBC600吸附1,2-DCA过程，颗粒内扩散不是影响吸附速率的唯一限速步骤；碱性条件下生物炭材料更加分散和稳定，且其含氧官能团去质子化，供电子能力增强，有利于对1,2-DCA的吸附；腐殖酸(HA)对BC600吸附1,2-DCA呈现低浓度促进，高浓度抑制的作...     

大坝变形GA-LSTM组合预测模型研究

为监测大坝运行过程中的异常状态，防范化解大坝溃坝等重大风险，基于大坝变形大样本、非线性监测数据，引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测，以测试样本的均方根误差最小为适应度函数，采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数，建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析，并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明，GA-LSTM模型的预测效果和性能更佳，且相较于LSTM模型和GRU模型各测点预测误差均有减小，平均绝对误差减小量最高达6.92%。