空气污染对儿童肺功能指标影响的初步分析

报告中国 4城市 8所小学儿童肺功能指标受室外空气污染影响的结果。以 FVC/预测值 (85% )、FEV1 /预测值(85% )、FEV1 / FVC(实测值之比 ) (80 % )作为判断肺功能指标异常的参考标准 ,并将 8所小学按污染程度分为污染严重和污染较轻两类三组。污染严重组儿童肺功能指标的异常率均比污染较轻组要高。空气的严重污染 ,可使儿童肺功能FVC、FEV1 、FEV1 / FVC异常率的危险程度分别增高 3 0 %～ 78%、52 %～ 86%和 1 0 2 %～ 1 2 7%。异常组儿童的 FVC、FEV1 的平均值约下降 3 3 0～ 4 60 ml,FEV1 / FVC平均值约下降 1 3 %～ 1 5%。说明空气的严重污染对儿童肺功能生长发育可能有不利影响  

模糊关联分析法及其应用

以环境污染指数为基础,提出了综合集成方法--模糊关联分析法(FRA),并将其应用于大气环境质量评价之中.该方法融合了模糊综合评判法(FCE)和灰色关联法(GR)的优点,能够处理模糊性和不确定性信息,在亦此亦彼的现象中寻求差异,判断出在上一层次中亦此亦彼的信息,在下一层次可能是非此即彼.通过实例分析和与其它方法的比较,该方法评价结果客观、合理.  

物元分析法用于水环境质量的评价比较

对物元分析理论在水环境质量评价中的应用进行了探讨，叙述了方法的原理、模型及计算过程。运用物元分析法、多目标决策的优序法和密切值法对实例进行了评价比较。结果表明，物元分析法结构合理，计算简便适用，分辨率高，排序结果与实际环境质量状况较符合，方法是可行的。  

兰州市功能区大气细菌污染和城市绿地系统杀菌效应分析

在测定兰州市城市不同功能区和不同类型绿地系统空气细菌数量的基础上,分析了各功能区空气细菌污染状况,以及人流量和车流量与空气细菌数量之间的关系;探讨了不同绿地系统的杀菌效应,指出各绿地系统杀菌能力:乔、灌、草>乔、灌>草、灌>草坪。  

新疆生态功能区划初探

“新疆生态功能区划”参考了“中国综合生态环境区划方案”，以《生态功能区划暂行规程》为依据，充分考虑新疆独特的地理分布格局，将新疆分为5个生态区，18个生态亚区，79个生态功能区。“新疆生态功能区划”对科学有效地管理新疆生态环境，因地制宜地实施保护和治理策略，保证社会经济可持续发展具有重要意义。  

环境预测中灰色模型的EXCEL解法

提出了利用EXCEL应用软件建立GM（1，N）预测模型的建模方法，并结合实例介绍了建立河流高锰酸盐指数GM（1，3）模型的操作过程。  

深圳特区不同功能区大气微生物污染调查

采用平皿沉降法,测定了深圳特区不同功能区37个监测点人群呼吸带内的大气细菌数和真菌数,结果表明,特区内不同功能区大气微生物的浓度各异,其中市区商业交通混杂区的大气细菌污染最重,其次是工业区和交通干线,文教区和居民区、旅游区大气细菌含量最低。绿化情况良好的文教区、居民区、果园的真菌含量高于工业区和交通干线。以大气细菌含量为指标评价了各测点的空气质量,参与评价的37个测点中,清洁点占56.8%,普通点占29.7%,属界限空气的测点占8.1%,5.4%的测点空气已出现轻度污染。大气细菌的日浓度变化规律为:早上(6:30)、晚上(18:30)较高,上午(10:30)、下午(14:30)较低。  

Function Approximation and Documentation of Sampling Data Using Artificial Neural Networks

Biodiversity studies in ecology often begin with the fitting and documentation of sampling data. This study is conducted to make function approximation on sampling data and to document the sampling information using artificial neural network algorithms, based on the invertebrate data sampled in the irrigated rice field.Three types of sampling data, i.e., the curve species richness vs. the sample size, the curve rarefaction, and the curve mean abundance of newly sampled species vs.the sample size, are fitted and documented using BP (Backpropagation) network and RBF (Radial Basis Function) network. As the comparisons, The Arrhenius model, and rarefaction model, and power function are tested for their ability to fit these data. The results show that the BP network and RBF network fit the data better than these models with smaller errors.BP network and RBF network can fit non-linear functions (sampling data) with specified accuracy and don't require mathematical assumptions. In addition to the interpolation, BP network is used to extrapolate the functions and the asymptote of the sampling data can be drawn. BP network cost a longer time to train the network and the results are always less stable compared to the RBF network. RBF network require more neurons to fit functions and generally it may not be used to extrapolate the functions. The mathematical function for sampling data can be exactly fitted using artificial neural network algorithms by adjusting the desired accuracy and maximum iterations. The total numbers of functional species of invertebrates in the tropical irrigated rice field are extrapolated as 140 to 149 using trained BP network, which are similar to the observed richness.  

河流水域功能区划的技术原则探讨

对河流水域功能区划的技术原则、方法进行了探讨 ,可为进行河流水域功能区划和排污总量控制提供参考  

官厅水库浮游植物功能群季节演替及其驱动因子

官厅水库是北京市重要的水源地,其生态环境问题一直深受社会关注。以浮游植物功能群调查为基础,于2010年春夏秋三季对官厅水库进行生态调查,根据水库水环境特征,在永1000、妫1018+1、河口3个不同生境区域设置采样点,进行浮游植物水样采集。共鉴定出浮游植物112种(包括变种),分属于6门52属。浮游植物种类组成:绿藻门23属49种,占种类总数的43.75%;硅藻门12属34种,占30.36%;蓝藻门10属19种,占16.96%;裸藻门4属7种,占6.25%;甲藻门2属2种,占1.79%;隐藻门1属1种,占0.89%。浮游植物丰度秋季(8 889.97×10~4个/L)夏季(7 157.39×10~4个/L)春季(868.97×10~4个/L),三季均值为5 638.78×10~4个/L。3个季节里浮游植物划分为18个功能群,代表性功能群的季节演替为春季(F/MP/H1/C/D/G/W1)→夏季(Tc/M/Wo/C/N/X3/LM)→秋季(Tc/H1/C/D/W1/P)。利用典范对应分析方法,对同步取得的p、TN、TP、WT等环境因子与浮游植物功能群分之间的相关性进行分析。结果显示,WT、p、TP、NH_4-N是官厅水库浮游植物功能群演替的主要驱动因子。