泛珠

四川：饮用水源地水质均正常;福建：开通首家县级空气质量预报系统;重庆：万余官员步行上班;湖南：“千里湘江碧水行动”启动;贵州：污水厂建设缓慢运营困难……     

蚯蚓能预报土壤污染

英国爱丁堡大学进化生物学研究所的科学家研究发现，土壤中即使含有少量污染物，也会使蚯蚓的生命周期发生根本改变，影响它们的繁殖能力。英国《泰晤士报》报道，少量污染物质产生的轻微污染虽同样严重。却很难察觉。科学家重新重视对蚯蚓的研究将有助干尽早发现土壤污染。项目小组的研究已经发现蚯蚓对除草剂和工业副产品等化学物非常敏感。     

地质灾害预警预报及信息管理系统应用研究

根据调查,江西省地质灾害的诱发因素主要是降雨,因此,通过总结前人关于地质灾害预报预警的研究,提出了一套应用降雨资料对地质灾害进行预报预警的预警流程,并建立预警及信息管理系统。该系统采用空间数据库引擎技术管理海量滑坡、地质、地貌、降雨等数据及地质灾害的文档等资料。系统基于WebGIS技术,实现了地质灾害预报预警图的发布、信息查询、空间定位、空间叠加和地质灾害预警预报信息反馈等功能。     

已发布的49项TC100标准

截至1997年底,经国家技术监督局和公安部技术监督委员会批准,并发布实施的安全技术防范标准共49项,其中国家标准25项、行业标准24项。这些标准是:     

贝纳德效应和地震预报

本文根据海城地震前后重力变化的实测资料提出重力加速度随时间变化的一种简化表示。在重力发生扰动时对贝纳德问题的动力学方程进行求解。计算结果表明,在强地震的孕育期,贝纳德花样的周期变化在一定时间后将自动停止。这个结论的验证可以作为一种新的地震预测方法的理论基础。     

关键性维护法及应用

介绍了一种新的安全评价方法——关键性维护法的概念和实施过程。给出了使用关键性维护法进行评价的示例。     

中国兜兰属宽瓣亚属植物生存现状及保护成效

为明确兜兰属(Paphiopedilum)宽瓣亚属(Subgenus.Brachypetalum)植物各物种在我国的生存现状与濒危状况,在大量的野外调查和文献、标本数据收集的基础上,对其种群分布、数量、生境特征、市场贸易、受威胁因素、保护现状与保护成效进行统计分析,并依据《IUCN红色名录等级和标准(3.1版)》对该类群的濒危等级进行重新评估.结果表明,野外调查到硬叶兜兰(Paphiopedilum.micranthum)、麻栗坡兜兰(P.malipoense)、杏黄兜兰(P.armeniacum)、白花兜兰(P.emersonii)、巨瓣兜兰(P.bellatulum)、文山兜兰(P.wenshanense)、同色兜兰(P.concolor)7个目标物种,已知分布于我国50个县(市、区),共计194个自然分布点.宽瓣亚属植物在我国水平方向上主要分布于滇东南、黔西南、黔东北、滇西北、桂北与黔南交界处以及桂西北至桂西南等地区;垂直方向上集中分布于中高海拔段(780~1267m),平均海拔997m;在全国大尺度上,该亚属整体呈零散分布,区域小尺度上个体呈聚集生长;其小生境具有高海拔、透水、透气、喜阴、喜钙的特点.市场调查的贸易率为36.67%,贸易价格高低不等,具有较强的随机性;贸易来源主要为野外采挖,占贸易数量的88.32%,具有较强的地域性;贸易方式为现场和线上网络交易,具有较强的灵活性.该类群主要受到采挖和生境退化的威胁,分别占所有分布点的44.85%、29.83%.宽瓣亚属整体就地保率仅为34.53%,保护成效为一般保护;调查的29个保育地中,有20个保育地对该类群累计保育98次,除文山兜兰和绿叶兜兰外,其他7种迁地保护成效被评估为合适.巨瓣兜兰、文山兜兰由原来的濒危(EN)评估为极危(CR);麻栗坡兜兰、白花兜兰、杏黄兜兰评估等级未发生变化,仍为极危(CR);硬叶兜兰和同色兜兰由原来的易危(VU)评估为濒危(EN);德氏兜兰、绿叶兜兰被评为数据缺乏(DD).     

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

耦合观测数据-模型计算-案例分析的臭氧综合预报方法

当前臭氧模式预报和统计预报的技术难以满足不同地域精细化环境管理需求,亟需构建稳定性高、实用性强的本地化臭氧预报方法. 本研究通过构建臭氧预报工作流程并明确臭氧预报流程中相关技术参数和要求,以陕西省及其省会城市—西安市为例分析历史气象和环境空气质量数据,获取陕西省臭氧污染规律以及西安市不同气象条件下臭氧等级分布规律和典型案例预报要点,确立人工订正经验技术集的方法,明确案例库构建、会商和预报回顾机制的相关要求,旨为臭氧预报模式的本地化提供科学的技术路线. 结果表明:通过臭氧预报效果评估与结果择优、人工订正、预报会商及预报结果回顾所组成的臭氧业务化预报工作流程具备切实可行性;此外,陕西省臭氧浓度与相对湿度、气压和风速均呈显著负相关,与温度呈显著正相关,臭氧预报时应重点关注日均温度大于28 ℃、日最大温度大于34 ℃、相对湿度小于57%、气压低于959 hPa、风速小于2.3 m/s的气象条件下的臭氧等级.