基于Landsat 8遥感数据的天津市地表温度反演

以Landsat 8遥感数据为数据源,进行天津市地表温度反演研究。首先采用单通道算法反演地表温度,并利用均值标准差法进行温度分级。然后建立不同温度等级面积比例的估算模型。再通过随机样点,从不同温度等级和土地覆盖类型2个角度,分别建立并比较不同类样点的地表温度与各指数的拟合模型。结果表明:次高温区域面积比例与人口密度、人均GDP都具有较高的决定系数;地表温度与NDVI、BAEM的二元线性回归决定系数高于地表温度与单一指数的决定系数;将样点分类后,低温点与MNDBI的决定系数高于其他温度等级样点,水域和植被样点与各种指数的决定系数高于其他地物类型样点。     

EOF重构声速剖面对深水多波束的声速改正分析

声速误差是多波束水深地形测量主要误差源之一，通常采用现场声速剖面测量的方式加以改正，但在深远海多波束水深地形测量时，现场获取全深度的声速剖面并非易事。针对这一问题，利用东南印度洋海洋调查工作中采集到的17个站位的CTD数据，将所有站位声速剖面拓展到全深度，采用经验正交函数分析法（Empirical Orthogonal Functions, EOF）构建调查区声速剖面场，可获得声速剖面场内任意一点的声速值。然后通过EOF重构声速剖面场获得的声速值对测区内多波束水深地形数据进行改正，并与实测声速剖面对多波束水深地形数据的改正结果进行对比，结果表明，5 000 m水深范围内2种声速改正结果相差很小，EOF重构法对深水多波束的声速改正满足水深测量的要求。     

密相塔半干法烟气脱硫塔内加湿降温及其对脱硫效率的影响

为了实现密相塔半干法脱硫工艺的精确加湿进一步提高系统脱硫效率,利用推导出的传热传质计算方法,得到烟气温度降低和加水量的关系.结合3组密相塔半干法工程实际数据,发现理论计算值和实测值误差区间仅为2.9％ ～5.4％.通过选取河北某钢厂210 m2烧结烟气密相塔半干法脱硫项目实际在线检测数据,发现循环脱硫灰含湿量为3％的系统脱硫效率整体高于含湿量为5％和4％的样品,最大值达93.56％.通过粒度分析、扫描电镜、X射线衍射及差热-热重对2种不同含湿量的循环脱硫灰进行表征,结果表明,含湿量为3％的循环脱硫灰较含湿量为5％的样品粒径小、比表面积大,无团聚现象,物相分析还证实相对于含湿量为5％样品,其Ca(OH)2和结晶水含量少,几乎都是CaSO4和CaS03干态物质,因此脱硫反应进行彻底,脱硫效率较高.     

三峡库区几种林下苔藓的保水功能

通过对三峡库区三种森林类型(松栎混交林、栓皮栎纯林、马尾松纯林)林下苔藓储量调查分析及其持水特性试验，得到不同森林类型林下苔藓储量、最大持水量、吸水速率等水文特征参数。结果表明，马尾松纯林林下苔藓储量最大(12．93t／hm^2)，松栎混交林和栓皮栎纯林林下苔藓储量相同(9．47t／hm^2)。松栎混交林林下苔藓最大持水量为5．36mm，栓皮栎纯林为5．73mm，马尾松纯林为6．26mm。研究结果还表明，三峡库区林下苔藓持水量随时间变化过程与森林类型无关。在只有苔藓覆盖情况下，不同森林类型林内不产生水分下渗和地表径流时的最大降雨量和最大降雨雨强分别为：松栎混交林林地5．36mm，5．820mm／h；马尾松纯林林地6．26mm，7．420mm／h；栓皮栎纯林林地5．73mm，6．060mm／h。     

神州绿网

云南：植树交钱引发争议;重庆：计划建设“森林城市”；湖南：启动“湿地使者行动”；四川：重建环保能力；珠三角空气联防机构欲“破茧”.     

基于LOADEST和数字滤波的水源地基流氮素输出定量方法应用实例

地表直接径流和基流均是流域非点源氮/磷养分输出的重要水文途径.科学认识和定量模拟基流氮/磷养分输出对于准确解析水源地水体非点源污染来源至关重要.基于Load Estimator模型和数字滤波算法,建立了定量水源地基流氮素输出的方法体系.以浙江省珊溪水源地的玉泉溪流域为例,利用玉泉溪2010-01—2013-12期间逐月总氮(TN)水质监测数据和逐日流量数据,展示了该方法的计算过程.结果表明,本文建立的水源地基流氮素输出定量方法结果合理,模拟精度高,决定系数和纳什系数分别为0.83和0.80;玉泉溪流域2010—2013年TN负荷量为141.21～274.68 t·a~(-1),平均208.63 t·a~(-1),年基流TN负荷量为84.39～168.68 t·a~(-1),平均127.69 t·a~(-1);基流对玉泉溪年均TN负荷量贡献率高达60%以上,流域基流养分输出对地表水体的污染应引起足够重视.     

基于RF-LSTM的鸡舍恶臭气体预测研究

以鸡舍氨气为研究对象,对鸡舍氨气预测模型进行了研究.首先,利用随机森林算法（RF）对影响鸡舍氨气浓度的环境变量进行重要性排序,选取温度、湿度、光照、气象温度、降雨量作为模型的输入变量;在此基础上,构建了基于长短时记忆神经网络（LSTM）的鸡舍氨气浓度预测模型,并将提出的预测模型应用于江苏省宜兴市某养鸡场的氨气浓度预测中,并与LSTM模型、RF-Elman模型和RF-BP模型进行了对比实验,结果表明,基于RF-LSTM模型的预测效果最好,其平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为0.9183、4.9637%和1.4262;同时,为了验证该模型的性能,本文还实现了不同时间尺度的鸡舍氨气浓度预测,提前2h、3h、4h、5h氨气预测的平均绝对误差（MAE）分别为1.6218、2.1991、2.8553和3.0677.本文提出的预测模型提高了鸡舍氨气浓度的预测精度,可为减少鸡舍恶臭气体排放提供科学依据.