基于GF-1号遥感影像的武汉市及周边湖泊综合营养状态指数反演

湖泊水体富营养化的监测评价是湖泊水资源管理和水环境保护的基础性工作。基于GF-1号WFV遥感影像和综合营养状态指数法,通过82个站点实测数据建立多元线性回归和RBF神经网络模型,对武汉市及其周边地区主要湖泊综合营养状态指数进行了反演。反演的结果显示,武汉市及周边大部分湖泊水域处于轻度富营养和中营养状态,局部湖区为中度富营养状态。验证结果表明:GF-1号WFV多光谱数据用于监测大面积湖群水质变化是可行的;两种模型都可以建立实测数据与遥感信息的函数关系,根据函数可以反演湖泊水质综合营养状态指数,进而实现大面积湖泊水质动态监测;而RBF神经网络模型预测的R2为0.742 3,均方根误差为3.72,其反演精度更高,更适合于监测内陆湖泊水质变化。     

基于探索性数据分析的汉丰湖富营养化驱动因子研究

为了探究汉丰湖富营养化驱动因子和营养状况，基于2014年水质监测数据，应用探索性数据分析方法初步研究了汉丰湖水动力条件与环境因子的相关性、水质主成分、相关环境因子熵权和营养健康指数。回归分析结果表明：水位与透明度呈正相关，流量与DO呈负相关，与流速呈负相关的因子为Chla、CODMn、NH+4-N和DTP；主成分分析提取的3个主成分分别反映了营养盐、有机污染以及藻类信息；DO、TN和TP的熵权表明汉丰湖水体的富营养状况受制于耗氧有机污染和氮、磷营养盐；营养健康指数S1>S3>S6（湖心）>S7（湖尾）>S5（湖首）>S4>S2。汉丰湖水体营养状况介于中营养到轻富营养，其中南河营养状态较高，湖心营养程度高于湖首和湖尾。减少有机污染物、营养盐的输入和改善局部水域的水动力条件可抑制藻类生长，有利于防治富营养化。 关键词： 探索性数据分析；汉丰湖；富营养化；驱动因子；水动力条件；主成分；熵权；营养健康指数     

洪泽湖水体富营养化时空分布特征与影响因素分析

通过2014年—2017年对洪泽湖12个水质断面定期调查,采用营养状态指数(TLI)综合评价其水体富营养状态,同时应用主成分分析方法(PCA)分析其富营养化状态的时空变化特征。结果表明,洪泽湖70%以上的调查断面水质全年处于轻度富营养化状态,夏季是其富营养化最严重的季节;洪泽湖年内水体水质差异较大,而其水华特征并未呈现明显差异;洪泽湖富营养化很大程度上受制于营养盐的积累程度,并与湖泊透明度呈现极显著的负相关关系(p0.001),与湖水pH值呈现极显著的正相关关系。     

运用碳氮稳定同位素技术探究中华绒螯蟹与无齿螳臂相手蟹的营养生态位特征

为进一步保护中华绒螯蟹栖息地和种质资源，科学评估长江蟹类的营养关系及资源的可持续开发利用，运用稳定同位素技术分析了在长江靖江、新开沙及狼山沙3个采集区域的中华绒螯蟹和无齿螳臂相手蟹的稳定同位素特征，并根据δ13C、δ15N值分析二者的生态宽幅及营养生态位面积。结果表明：中华绒螯蟹与无齿螳臂相手蟹的δ13C、δ15N值差异均具有统计学意义（P＜0.05）。中华绒螯蟹的δ13C值频率分布相对集中在-25.00‰~-23.00‰；无齿螳臂相手蟹的δ13C值频率分布相对集中在-26.00‰~-24.00‰，表明两种蟹均对某种饵料生物有所偏好，且中华绒螯蟹的δ13C值频率分布范围大于无齿螳臂相手蟹，表明其食物来源更广。中华绒螯蟹与无齿螳臂相手蟹的营养生态位存在重叠，表明二者存在饵料竞争关系。其中靖江江段两种蟹的营养生态位重叠程度最大，表明二者在靖江江段食物竞争最激烈。中华绒螯蟹的δ13C值变幅(CR)、δ15N值变幅(NR)及营养生态位总面积(Ta)均大于无齿螳臂相手蟹，说明中华绒螯蟹对于饵料资源的竞争能力更强。     

微生物营养剂浓度对生物沥浸法处理猪场沼液的影响

猪场沼液是规模化猪场沼气工程排出的具有高悬浮固体(SS)和高污染负荷的一类高浓度有机废水。采用生物沥浸法调理实现其深度固液分离,对该废水生化处理达标排放意义重大。通过摇瓶实验,研究了猪场沼液在不同浓度营养剂下的生物沥浸处理,并将获得的沥浸泥作为接种物回流,回流比为1∶1,共连续处理6批,测定pH、过滤比阻(SRF)、泥饼重金属含量及滤水水质等指标。结果表明:当营养剂浓度≥15 g·L~(-1),其处理效果较好且稳定;pH降至3.5以下,SRF降至5.0×10~(11) m·kg~(-1)左右,脱水速率提高86.1%,泥饼重金属的浸出率高,其中Cu≥49.5%、 Zn≥72.7%。沼液经生物沥浸处理后体积减少40%～50%,抽滤水的化学需氧量(COD)、氨氮(NH_3)含量、总磷(TP)含量和SS分别从原稀释沼液的27 669.8、1 014.8、582.1和27 857.1 mg·L~(-1)降至423.8～499.3、671.4～704.0、0.7～1.1和0 mg·L~(-1),去除率最高可达98.5%、33.8%、99.9%和100%,大大降低了后续生化处理的难度。采用生物沥浸法处理猪场沼液具有良好的应用前景。     

高温状态下受热时间对膨润土物性指标的影响∗

高温状态下膨润土的物性指标变化是高放核废物深地质处置库设计的重要参数之一。通过高温状态下不同受热时间MX80钠基膨润土的比重、液塑限、自由膨胀率试验,研究了受热时间对膨润土基本物性指标的影响规律;并通过热重分析(TGA)、X衍射(XDR)、电镜扫描(SEM)试验,从微观角度对上述变化规律进行了合理解释。研究结果表明:随着受热时间的增加,膨润土的比重、液塑限、自由膨胀率在受热15～30天内急剧下降,降幅分别为2.5%、3.1%和28.3%,之后各值变化量很小;高温状态下,膨润土的矿物成分转化、结合水脱附、微观形貌改变是膨润土物性指标发生变化的根本原因,三者之间相互作用和彼此影响。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

煤矿岗前人员不安全状态智能检测系统研究*—以红柳林煤矿为例

为从根本上降低煤矿从业人员实施不安全行为的概率,在充分考虑煤矿从业人员不安全个体状态是诱发其不安全行为的主要原因的基础上,设计开发一套矿工不安全状态智能检测系统。首先,对2007—2022年期间各高危行业安全事故调查报告和专家研究进行归纳,总结得出煤矿从业人员不安全状态的影响因素,构建包括生理状态、心理状态以及个体能力状态在内的3个一级指标和15个二级指标体系;其次,通过相应的表征模型对不安全状态影响因素进行深入剖析;最后,基于构建的从业人员不安全状态倾向数据库,建立煤矿岗前不安全状态智能检测系统。研究结果表明:在下井工作前对从业人员个体状态进行智能检测,能够实现矿工不安全状态“早发现、早干预”,能够有效地降低人因事故发生率,研究结果对煤炭行业安全管理具有重要的参考价值。