无人机正射影像辅助无人船测深的作业方法探讨

无人船测深系统被越来越广泛地应用于采集水深数据。在复杂水域环境中进行作业时,无人船受到工作底图及导航方式的限制,难以采用自动航行模式进行测绘,因此提出了一种无人机正射影像辅助无人船测深的作业方法。通过无人机快速获取测区正射影像成果,利用正射影像辅助进行测区划定和测线布设,避开可能造成作业风险的水上障碍物和岸滩。并在此基础上进行自动航行线路的规划设计,在水位不低于正射影像获取水位时开展无人船测深作业。经验证,采用该方法能够最大限度的完成测绘任务,同时降低作业强度与风险,具有较好的应用价值。     

4项环保产品列入中国名牌产品目录环保产品认证成为必备条件

随着我国市场经济的不断发展,市场竞争机制日趋成熟。为保证产品质量,防止不正当竞争,保护知识产权,使环保产业合理有序地发展,我国开展了中国名牌战略推进工作。     

中国区域HCFC-142b排放量模式反演研究

利用拉格朗日粒子扩散模式FLEXPART结合上甸子区域本底站在线观测HCFC-142b数据,采取自上而下的反演方法,估算了2009和2010年中国HCFC-142b的排放量分别为10.82kt/a和15.42kt/a,分别占全球HCFC-142b排放量的29.7%和45.8%.反演HCFC-142b排放量的空间分布结果显示其排放源主要集中在京津冀、四川、山东西部以及长江中下游地区,与相关研究中自下而上方法获得的排放量分布一致.模式反演源较先验源更接近观测数据,2009年相关系数从0.38提高到0.47,2010年相关系数则从0.60提高到0.65.     

气相色谱-脉冲氦离子化检测法(GC-PDHID)分析大气中分子氢(H2)浓度

在商用Agilent7890A型气相色谱的基础上,通过自组装、集成及调试,建成了基于气相色谱-脉冲氦离子化检测器(GCPDHID,gas chromatography-pulsed discharge helium ionization detector)观测大气中H2浓度的高精度分析系统.系统采用保留时间定性,峰高定量,最低检测限约为1×10-9(摩尔分数,下同).对浓度约为600×10-9的标气重复进样140次用峰高定量的标准偏差优于0.3×10-9.系统对409.30×10-9~867.74×10-9浓度范围的大气H2具有较好的线性响应.系统使用2瓶标气定量,满足世界气象组织/全球大气观测计划(WMO/GAW)对本底大气H2观测的比对目标.2013年1~11月在广州城区开展大气H2采样观测,采集的样品运回北京实验室利用所建系统进行浓度分析,结果表明该城区大气H2浓度在450×10-9~700×10-9之间波动,观测到最低值出现在每日14:00(北京时,下同),最高值在20:00,其大气H2季节变化趋势与北半球同纬度站点情况类似.     

浙江临安大气本底站CO浓度及变化特征

利用基于光腔衰荡光谱(CRDS)技术自组装的大气CO在线观测系统,于2010年9月~2012年2月在浙江省临安大气本底站对大气CO进行了在线观测.结果表明临安站四季CO日变化明显受人为活动影响,分别在每日07:00~10:00和19:00~20:00出现峰值,夏季CO日平均浓度和振幅均最低,分别为314.3×10-9±7.6×10-9(摩尔分数,下同)和50.1×10-9±47.9×10-9.该站全年大气CO浓度呈现冬春季高、夏季低的趋势,与北半球瑞士Jungfraujoch站、青海瓦里关等站基本一致,但平均浓度明显高于其他国际站点,全年CO月均值振幅约为286.8×10-9±19.2×10-9.后向轨迹聚类和地面风结果分析表明,临安站非本底CO浓度主要来自于N-NNE-ENE扇区内城市及工业等人为排放所引起.春、夏和冬季最大的浓度抬升均出现在ENE风向,冬季抬升值最大,约为106.3×10-9±58.0×10-9.     

龙凤山本底站大气CO2数据筛分及浓度特征研究

针对黑龙江龙凤山区域大气本底站2009年1月～2011年12月低层(离地10 m)和高层(离地80 m)大气CO2在线观测数据,选取低层数据重点开展研究,分析地面风向和风速等因素对观测CO2浓度的影响.结果表明,龙凤山低层大气CO2浓度明显受局地源汇影响,其与高层观测结果差异在白天08:00～17:00相对较小,小于(0.5±0.5)×10-6(物质的量比).春、夏和秋这3个季节E-ESE-SE-SSE扇区来向的地面风会明显抬升大气CO2浓度,而冬季N-NNW-NW-WNW扇区CO2浓度明显较高.该站4个季节近地面CO2浓度随着风速增大而逐渐减小,在冬季尤为明显.结合日变化及地面风的影响,对低层观测数据进行初步本底/非本底筛分,筛选出代表东北区域混合均匀CO2水平的本底数据占总数据的30.7%.本底CO2浓度季节变化显示该站大气CO2浓度呈现冬季高夏季低的趋势,季振幅约为(36.3±1.4)×10-6,明显大于同期WMO/GAW同纬度站点观测结果,2009～2011年龙凤山大气CO2平均增长率为2.4×10-6a-1.     

龙凤山站大气CO2浓度2种筛分方法对比研究

针对黑龙江龙凤山区域本底站2009年1月~2011年12月大气CO2在线观测数据,研究基于地面风、日变化等大气本底/非本底数据筛分方法(SWDV)和稳健局部近似回归大气本底/非本底数据筛分方法(REBS)在龙凤山区域本底站的适用性.研究表明:2种筛分方法在春、秋和冬季都能很好反映龙凤山大气CO2浓度的趋势变化及局地源汇对观测CO2浓度的影响,对于高浓度的非本底数据都能够较好的识别,但在夏季使用REBS方法会影响筛分的准确性,不建议在龙凤山区域本底站使用REBS筛分方法.SWDV和REBS法筛分出的本底数据分别占总数据量的30.7%和 58.9%.2种方法均筛分为本底浓度和非本底浓度的数据分别占总数据量的21.5%和32.0%.二者筛分的本底季平均浓度在春季相差最小为(0.1±0.3)×10-6(摩尔比,下同),冬季和秋季次之,在夏季相差最大为(4.2±1.0)×10-6.典型个例分析表明,SWDV法会将白天一些受西南污染气流影响的CO2浓度误筛分为本底浓度,REBS法会将个别在静稳天气条件下受局地影响大的CO2观测值误筛分为本底浓度.夏季局地污染状况可能被植被强烈的光合作用抵消,CO2浓度变化不大,使得REBS误筛分为本底浓度,以及对于一些较低的CO2浓度值,REBS误筛分为非本底浓度,这些因素导致2种筛分方法在夏季本底浓度差别较大.