孤独的绿房子

请您跟我一道来欣赏一幅放在电脑上的画。这幅画的主体是一座漆成绿色的房子，房子前有一男子在画架上作画，画架侧对着我们，所以画的内容无从知晓。几乎所有看过画的人都认为，绿房子周围绿草如茵、鲜花绽放、树木葱郁，也许还有几座绿色的小山、一条清澈的小溪，总之，风光明媚。而那男子，是在描绘着这一美景吧。可是，这幅叫《孤独的绿房子》的画并没有将这些美好的想象呈现在画面中。 现在，将画面还原：绿房子周围，没有草没有花，没有树，更没有青山绿…     

城市生态系统能值分析（EMA）的原理与步骤

将城市自然－经济－社会复合生态系统作为研究对象，介绍能值分析方法在城市生态学动态研究和定量研究中的应用原理与步骤，为人们客观评价自然环境对城市发展的贡献提供科学依据。     

基于GIS的喀斯特山区实照时数时空分布研究——以广西巴马瑶族自治县为例

论文采用基于DEM的起伏地形下实照时数计算模型,以广西巴马县为例,在GIS技术的支持下对研究区域实照时数的时空分布进行模拟和结果验证,结果表明,研究区域内实照时数模拟值和气象站实测值之间具有较好的一致性,决定系数高达0.996。并探讨喀斯特地区实照时数的时空分布特点,分析了不同时间尺度下实照时数的变化情况,讨论坡度、坡向、地形起伏度和地表粗糙度等地形因子对实照时数空间分布的影响。该方法可为喀斯特地区提供重要的气候基础数据,对喀斯特地区小气候和农业气象资源分布的研究有重要意义。     

环境中微塑料检测分析方法研究进展

概述了目前较为常见的微塑料检测方法,包括目检法、光谱分析法和热分析法,归纳分析了各种方法的技术进展、研究成果及优缺点,指出微塑料形状、大小、聚合物种类等方面的定性、定量分析尤为重要,能够为微塑料污染防治、溯源和影响评估提供依据。通过对现有方法的调研总结,提出多种检测分析方法联用将成为研究微塑料的发展方向,未来仍需要改进现有技术或者开发新的检测方法,结合图像处理、深度学习、计算机视觉等手段,缩短识别时间,提高检测精度,进而为微塑料污染防治工程提供技术支撑。     

基于竞争失效的导弹机电产品可靠性评估

目的 解决导弹机电产品退化-突发竞争失效模式下的可靠性评估问题。方法 对导弹典型机电产品电机进行贮存失效分析,同时考虑双参数退化失效和突发失效对电机贮存可靠性的影响。首先,以具有随机效应的非线性Wiener过程描述电机贮存退化失效过程中的非线性、随机性和样本差异性。然后,采用Weibull分布描述突发失效过程规律,并考虑退化程度对突发失效的影响。最后,利用Copula函数刻画退化性能参数之间的相互作用关系,建立双参数退化-突发竞争失效模型,并给出基于两步极大似然估计的参数估计方法。结果 以仿真导弹电机退化突发失效数据为例进行分析,实现了基于双参数退化-突发竞争失效模型的系统可靠性评估,得到电机贮存5 a时的可靠度估计值为0.465。结论 所构建的双参数随机退化与突发失效相关的竞争失效模型有效,为导弹机电产品可靠性验证评估及寿命预测提供了相应的理论依据。     

南尖岩,想说爱你不容易

当"南尖岩看油菜花看梯田"的集结号贴在驴友组织苏州磨房的时候,我看到了南尖岩如诗如画的风光,云雾妙不可言地穿梭于梯田之间,这足以安慰我心的风光让我觉得哪怕付出路途中的劳累与辛苦,都值得。于是,便加入这32位磨房的同行者之中了。     

医疗消毒用品生产企业疫情防控时期,消防安全工作要这样做!

医疗消毒用品生产企业,主要包括生产(含分装)医用酒精、双氧水、过氧乙酸、含氯消毒剂等消毒类物品的企业,原料和成品大多为易燃易爆有毒危险化学品,生产、储存火灾危险性为甲、乙类,安全风险突出。防疫期间,此类企业突击生产、加班加点,物料周转频繁,设备超负荷运转,员工超强度作业,稍有不慎极易引发火灾爆炸事故。为指导医疗消毒用品生产企业加强火灾防范工作,特提示如下。     

喀斯特地区供水水库营养演化历史重建

利用²¹⁰Pb-¹³⁷Cs年代学方法,结合洪水事件沉积层,综合建立了红枫湖沉积岩芯准确的年代学模型.在此基础上,通过测定沉积物多种地球化学指标（LOI、TOC、TN、C/N比、δ¹³C_org、BSi）,结合历史文献记录和已有的水质监测数据,重建了1960~2016年红枫湖营养状态变化历史.结果表明,建库以来红枫湖水体经历了多次营养状态的显著转换.其中,1991年开始水体逐渐从中营养转向富营养化状态,主要是人类活动引起的内、外源营养物质输入显著增加所致,特别是网箱养鱼活动可能起到重要作用;2000年开始,水体逐渐转向中营养化,主要是一系列保护和治理措施的实施;2004年开始,水体再次逐渐恶化,转向富营养化状态,主要是外源污染物输入增加,加上内源底泥营养物质的重新释放;2009年以来,水质逐渐改善,处于中营养化状态,主要是外源污染得到有效控制,但表层营养物质含量较高,现阶段在减少外源污染物输入的同时,应重点加强底泥污染物的治理工作.     

基于深度学习模型的广州市大气PM2.5和PM10浓度预测

精准预测大气污染颗粒物PM_2.5、PM₁₀浓度能为大气污染防治提供科学依据,但目前较多PM_2.5和PM₁₀浓度预测在缺少污染源排放清单和能见度数据时,预测精度不高。而目前深度学习模型应用于PM_2.5和PM₁₀浓度预测的研究还鲜见报道。基于广州市2015年6月1日—2018年1月10日的空气质量和气象监测历史数据,分别构建了随机森林模型(RF)、XGBoost模型2种传统的机器学习模型和长短时记忆网络(LSTM)、门控循环单元网络(GRU)2种深度学习模型,并对广州市的PM_2.5、PM₁₀日均浓度值进行预测。结果表明:在缺少污染源排放清单和能见度数据时,4种模型也能较好地预测PM_2.5、PM₁₀日均浓度。根据MSE、RMSE、MAPE、MAE和R2等评价指标,对4个模型的PM_2.5、PM₁₀预测效果进行测评,得出深度学习GRU模型预测效果均为最佳,RF模型的预测结果均为最差。相比目前研究及应用较多的RF模型、XGBoost模型、LSTM模型,基于深度学习的GRU模型能更好地预测PM_2.5、PM₁₀浓度。