遥感技术在环境监测中的应用研究

随着经济的发展出现了很多环境问题。遥感技术能够准确、快速的获取相关的环境信息,这已经成为现阶段我国环境监测的主要手段。本文主要对遥感技术在环境监测各个领域中的运用进行研究。     

硒汞相互作用及机理研究进展

硒汞相互作用研究在过去近半个世纪以来一直都是汞(硒)环境化学和毒理学及相关学科研究的重要领域之一,尤其在近10年内,对该领域的研究和认识取得了重要突破, 国际上几乎每年都会出现与之相关的综述或评论。相比之下,国内期刊报道与之相关的综述文献并不多见。本文对这一领域的研究进展进行了尽可能详尽的系统介绍,并就重要问题阐述了相关观点并提出建议。内容上涵盖了"自然条件环境下硒汞相互作用及机理(包括水生生态系统和陆地生态系统)"、"哺乳动物(及人体)的硒汞相互作用及机理",以及"汞污染风险的新评估模式及相关建议"等三大部分。希望能对国内感兴趣的相关科研人员和环境管理工作者了解该领域的发展和动态起到一定的帮助。     

森林碳汇功能的研究进展

因全球温室效应和气候变化影响,以及森林对CO2的固定作用,使林业碳汇得到了世界各国的广泛支持和发展。文章主要围绕森林植被碳汇、土壤碳汇研究现状,森林碳汇功能的不确定性以及森林管理与碳汇的关系4个方面对国内外森林碳汇的研究进展简要综述,为森林碳汇的科学研究提供基础。     

环境决策技术评价方法研究述评

针对环境决策分析过程中存在的问题,介绍了对环境决策技术评价的意义和现状,探讨了在环境决策中几种技术评价的方法,目前有关技术评价的方法与观点众多,总体上可归纳为层次分析法、模糊综合评价法、灰色综合评判法、费用效益分析法。这些分析法的应用能够促进环境决策管理从粗放型向精细化转变。为环境投资效益分析和环境决策提供了科学、合理、高效的技术支撑。本文介绍了几种技术评价方法的概念和发展历程,分析了各种方法的适用范围和优缺点。     

室内空气PM_(2.5)污染的国内研究现状及综合防控措施

良好的室内空气质量是健康人居的必要条件。PM2.5是影响日常室内空气质量的主要因素。中国室内PM2.5污染程度较重,其主要的污染来源有:吸烟、生活燃料燃烧、烹饪和清扫等室内活动以及室外大气颗粒物的渗透作用等。同时,文章就如何减轻室内空气的PM2.5污染提出多方面的综合防控措施。     

广州市油气回收治理现状浅析及存在问题对策研究

加油站等每天都有大量油气散发到大气中,严重污染环境,浪费能源,油气回收已成为环保领域的一个重要研究课题。本文重点对2010年全市油气回收验收监测及2011年抽测情况进行了全面梳理和综合分析,概述了广州市油气回收治理现状,并着重对关键性指标的不达标成因及应对措施进行了阐述。     

自然灾害脆弱性研究进展

自然灾害风险研究是当今国际社会、学术界普遍关注的热点问题。本文在回顾国内外自然灾害脆弱性研究发展的基础上,阐述了自然灾害脆弱性的基本内涵,通过对国内外自然灾害脆弱性研究尺度、评价模型、评估方法等方面进行对比,指出国内自然灾害脆弱性研究存在的问题。同时指出未来自然灾害脆弱性研究的发展趋势应加强对人-地耦合系统的脆弱性研究,以及对其内在形成机制和发生演变规律的研究。自然灾害脆弱性研究是涉及多学科、多领域的复杂研究课题,并且呈现出多学科交融的趋势,需要综合考虑自然和社会双重因素的影响。     

青海省洪水变化情况的研究

为了研究青海省洪水变化情况,搜集了青海省内43个水文站的相关数据,其中选取具有长期观测资料的32个水文站资料,采用P-Ⅲ曲线作为其理论频率曲线,并与各站自建站-1974年和建站-2008年的水文计算成果进行比较,结果表明青海省水情发生了较大的变化,且在各水文分区的变化也不相同。     

华南沿海某大气背景点黑碳气溶胶污染特征

黑碳气溶胶(BC)因其显著的气候效应和对人类健康的危害而成为研究的热点。研究背景点位BC的浓度水平和来源特征有助于掌握BC在区域尺度上的辐射强迫特性和环境影响。2009年秋季在华南沿海某区域大气背景点进行了为期约40 d的BC在线观测。观测期间BC的平均浓度为(2.34±1.33)μg/m3,与其它区域背景点相比处于较高水平。利用中尺度天气研究和预报系统WRF模拟的高分辨率三维气象场数据驱动HYSPLIT-4反向轨迹模式,模拟观测期间每小时的气团轨迹,将所有轨迹分为来源特征明显的东北沿海、北方内陆、香港方向和东南海面方向四类。当受到东北沿海来源气团影响时,BC的浓度为平均水平的1.4倍,BC和CO有较好的线性相关关系,而其它三类气团影响时的BC浓度都低于平均浓度,且BC和CO的相关关系很差,说明来自东北沿海地区的较近距离区域传输是影响该背景点大气BC的主要源区。     

Artificial neural network model for identifying taxi gross emitter from remote sensing data of vehicle emission

Vehicle emission has been the major source of air pollution in urban areas in the past two decades. This article proposes an artificial neural network model for identifying the taxi gross emitters based on the remote sensing data. After carrying out the field test in Guangzhou and analyzing various factors from the emission data, the artificial neural network modeling was proved to be an advisable method of identifying the gross emitters. On the basis of the principal component analysis and the selection of algorithm and architecture, the Back-Propagation neural network model with 8-17-1 architecture was established as the optimal approach for this purpose. It gave a percentage of hits of 93%. Our previous research result and the result from aggression analysis were compared, and they provided respectively the percentage of hits of 81.63% and 75%. This comparison demonstrates the potentiality and validity of the proposed method in the identification of taxi gross emitters.