排序方式: 共有41条查询结果,搜索用时 62 毫秒
31.
32.
33.
34.
有机质在贵金属的表生和低温热液迁移过程中扮演了重要角色。实验研究证实有机酸与贵金属的相互作用机制包括配合和还原两种对立的反应。贵金属与有机基因和杂原子的配合能力按S>>N>OH>>COOH的顺序依次降低,该稳定性趋势对贵金属的有机配合物迁移条件和机理具决定性影响,而胶体迁移则是有机酸将贵金属无机配合物还原的结果。 相似文献
35.
为了解寒旱区浮游植物群落年内结构变化和演替规律及其优势种的联结性,于2017年12月~2018年11月对包头市南海湖的浮游植物群落进行了调查分析.共鉴定出浮游植物7门66属151种,其中浮游植物优势种有4门15属15种,其种类和丰度随季节而变化.运用改进的Levins公式和Petraitis指数测定浮游植物优势种的生态位量度,发现不同季节各优势种的生态位宽度和生态位重叠不尽相同,各优势种对环境因子的适应能力也存在较大差异,在年内各种生境条件下,微小平裂藻生态位变化幅度最显著,依此认为微小平裂藻可作为南海湖水体污染状态指示种,且有可靠的生态学依据.生态位重叠值中ΔSOij值表示物种发展趋势,可第一时间反映南海湖水质是否受到外来因素干扰.群落物种相关性、种间联结性检验结果显示,南海湖浮游植物种间联结性总体上呈正关联关系,128对优势种对中仅有10对显现显著联结性,可见南海湖群落种间联结不紧密,群落结构不稳定,处于演替的初、中期阶段. 相似文献
36.
37.
38.
富营养化是湖泊沼泽化进程加快的重要因素之一,而湖泊富营养化的预防与治理已经成为世界性的难题。湖泊富营养化评价是湖泊治理的基础,它可以为治理工作提供科学的依据。该文以乌梁素海为例,采用主成分——SOM人工神经网络耦合模型进行富营养化评价。先建立富营养化评价指标体系,然后用主成分分析剔除存在相关性、信息重叠的指标,再将利用主成分分析得到的具有代表性的主成分指标代替原来的评价指标,输入到自组织特征映射网络模型中,最后对富营养化状况进行聚类分析。所得结果与实际相吻合。该方法能根据实测资料对湖泊富营养化状况客观地分类并计算出评价权值,避免了选取评价指标时的主观随意性。 相似文献
39.
为揭示内蒙古典型湖泊浮游植物群落特征及其对营养状态的响应,于2019年和2020年7月对呼伦湖,岱海,乌梁素海和居延海浮游植物和水质理化指标进行取样调查.结果显示,呼伦湖,岱海,乌梁素海和居延海分别鉴定出浮游植物101种,44种,125种和42种,绿藻门,硅藻门和蓝藻门是其优势门类.调查期间4个湖泊浮游植物的总丰度分别为5.71×105,0.18×105,3.45×105和6.96×105cells/L;根据优势度分析,居延海优势种最少为6种,其他湖泊优势种都在10种以上;CCA分析表明,综合营养指数(TLI),水温(T),总溶解性固体(TDS),氨氮(NH4+-N),盐度(SAL),pH值(P<0.01)是浮游植物优势种的主要影响因子.4个湖泊的浮游植物Shannon-Wiener多样性指数(H′),丰富度(D),均匀度(J)指数均值分别为1.4,0.38和2.79(呼伦湖),2.28,0.87和1.42(岱海),2.99,0.74和4.46(乌梁... 相似文献
40.
为实现对吉兰泰盐湖盆地地下水污染源的识别与管理,系统采集区域内71个地下水样品,测定16项地下水质关键指标;以GB/T 14848—2017《地下水质量标准》中的Ⅲ类标准为依据确定特征污染物,利用因子分析(FA)确定地下水水质指标的因子分类,以地质统计学插值绘图揭示不同污染源的空间分布特征,运用APCS-MLR(绝对主成分得分多元线性回归)量化不同污染源的贡献率.结果表明:研究区内ρ(Cr6+)、ρ(As)、ρ(NH4+)、ρ(F-)、ρ(Cl-)、ρ(NO2-)、ρ(CODMn)、ρ(TDS)、pH等9项地下水水质指标均存在超标现象,其中ρ(NH4+)、ρ(Cl-)、ρ(F-)超标较为严重.通过因子分析法筛选出影响研究区地下水水质的6个公因子,即溶滤-富集作用因子(F1,贡献率为24.61%)、农业活动因子(F2,贡献率为20.38%)、原生地质-农业生产、生活污染因子(F3,贡献率为11.72%)、工业生产污染因子(F4,贡献率为10.38%)、地质环境背景因子(F5,贡献率为10.78%)、原生地质因子(F6,贡献率为10.61%),其中F1、F5、F6为环境影响因子,F2、F3、F4为人类活动影响因子.采用因子得分函数计算得到因子得分,巴音乌拉山一带整体污染因子得分较高,乌兰布和沙漠存在点状高值区,图格力高勒沟谷上游也存在一定程度的污染,而盐湖盆地东南大部分区域水质相对较好,其分布与变化受到天然因素和人类活动的双重影响.利用APCS-MLR得到各水质指标预测值与实测值的R2(线性拟合优度)均大于0.7,APCS-MLR可较好地评估各因子对水质的贡献率.研究显示,因子分析与APCS-MLR相结合可以有效地对地下水化学组分进行定性识别与定量解析. 相似文献