河台金矿矿山土壤-植物系统微量元素地球化学和生物地球化学特征

在广东省河台金矿矿山采取土壤、植物样品,并对其中的微量元素含量采用ICP-MS法测定,研究了金矿矿山土壤、植物的根、茎、叶微量元素地球化学和生物地球化学特征。结果表明:在成矿和表生地球化学过程中金矿土壤各层的微量元素发生迁移和分异,在表土层和心土层含量高于底土层;土壤各剖面层中Au及Au的伴生元素As、Hg、Cu、Pb明显高于背景对照区和中国土壤背景值;植物体内微量元素的含量特征受所处土壤环境影响,同时表现出每种植物独特的生物地球化学特征和对金矿环境的耐性机制;运用微量元素的生物吸收系数和生物转移系数表征植物对微量元素的吸收富集能力以及在各个器官的迁移状况。     

生态服务价值视角下湖北省长江流域防洪能力研究

以我国洪涝灾害最为严重的地区之一——湖北省长江流域为研究对象,从生态服务价值的视角,利用流域1996年和2009年两期土地利用数据,测算与流域防洪功能相关的水土保持和滞洪蓄洪生态服务价值的变化情况,并结合土地利用/覆盖变化(LUCC),分区域对其变化的原因及所带来的影响进行分析。研究结果表明:(1)流域的整体防洪调蓄能力在1996~2009年有所增强,滞洪蓄洪和水土保持两项生态服务价值都有所增加;(2)局部地区存在较大问题,主要是:防洪重点地区江汉平原荆江段和鄂东沿江平原地区的滞洪蓄洪能力显著降低,其主要原因是湿地被大量侵占;水土保持重点区域鄂东沿江平原的北岸黄冈地区的水土保持生态服务价值则由于林地的减少而显著降低;(3)应借鉴生态服务功能保持较好地区的经验,坚持执行退耕还林和退田还湖政策,并建立湿地及森林自然保护区,以行政和法律的手段保护地区生态环境,提高流域防洪能力。     

工业废盐中有机物脱除和资源化技术进展

工业废盐的资源化逐渐成为其处理处置的发展趋势,而废盐中有机物的去除是实现这一目标的关键点和难点。介绍了我国工业废盐中有机物的产生环节及其特点,针对含机物的工业废盐的处理处置需求,总结了热解碳化、高温熔融和氧化法3种有机物去除方式,并比较了各工艺路线的适用条件和应用现状,同时研究了工业废盐资源化产品的出路和相关标准规范,提出了"源头节流—完善标准—行业监管—鼓励创新"的废盐管理建议。     

基于模糊层次分析法的集装化生活垃圾转运系统后评估

生活垃圾集装化转运系统将生活垃圾压缩至标准化垃圾集装箱内进行运输,与传统方式相比更加先进、环保。通过对集装化垃圾转运系统全流程进行分析,选取系统中关键运行因素,构建针对集装化转运系统的后评估评价指标体系。采取模糊层次分析法,结合专家意见,对体系中各项指标进行权重分析,便于量化对各项指标的评价。以上海市生活垃圾集装化转运系统为例,根据评价模型中各层次的权重分布和分析现状所得的平均评价值,可以求得5个主要评价因素压缩中转、调度管理、设备运行、环境保护、作业安全的平均评价值分别为83.71、92.36、73.37、77.82、95.00。结合各因素的权重,得到上海市市区生活垃圾集装化转运系统的综合评价值为87.10,隶属于优秀评语集分数区间[80,90],故上海市生活垃圾集装化转运系统综合评价等级为优秀。     

河台金矿矿山土壤-植物稀土元素含量分布和迁移积聚特征

在广东省河台金矿矿山采取岩石、土壤、植物样品,并对其中的稀土元素含量采用ICP-MS法测定,研究了金矿矿山岩石、土壤、植物的根、茎、叶稀土元素含量分布和迁移积聚特征.结果表明：在金矿区稀土元素在岩石、土壤、植物样品中含量均高于背景对照区.在成矿和表生地球化学过程中金矿土壤各层的稀土元素发生迁移和分异,在表土层和心土层含量高于底土层和成土母岩;矿山土壤各剖面层轻重稀土发生分异,轻稀土富集,重稀土相对贫乏,且均有不同程度的Eu亏损和Ce的负异常.蕨类植物芒萁(Dicranopteris dichotoma)表现极强的积累富集稀土元素能力.稀土元素在植株体内的分布规律不同,对于芒萁而言：叶>根>茎,而马尾松(Pinas massoniana)为：根>叶>茎.金矿区植物稀土元素地球化学和生物地球化学异常反映出所在金矿特殊成矿地质背景以及生境的地球化学特点.稀土元素的生物吸收系数和生物转移系数表征出植物对稀土元素的吸收富集能力以及在各个器官的迁移状况,金矿区各植物体形成对金矿环境不同的适应机制和各自独特的稀土元素生物地球化学特征.     

生态动力学模型在太湖水质模拟中的应用

考察了西澳大利亚大学水研究中心开发的生态动力学模型CAEDYM与三维水动力模型ELCOM的耦合模型在太湖的应用效果,用该模型模拟了2005年5月~6月太湖的水温、总氮、硝氮、氨氮、总磷、磷酸盐、叶绿素a,通过实测数据进行参数率定。并用2005年8月的实测资料作为初始条件,9月的模拟资料与实测资料进行对比,对模型进行了验证。结果显示模型较好地模拟了太湖的水质变化和分布。     

基于人工神经网络算法的垃圾组分识别模型研究

为增强环卫智能化程度，利用TensorFlow深度学习框架实现人工神经网络(Artificial Neural Network, ANN)算法，建立以生活垃圾图像RGB均值和垃圾重量为输入的生活垃圾组分识别模型。对比不同超参数设置下模型A1至A4的识别效果。结果表明，使用三层ANN网络结构和Adam优化算法可以建立性能优秀的垃圾组分识别模型。A1至A4模型经过参数训练后识别误差均在±5%内。对A1至A4模型的学习率和迭代次数进行调试可得，A4模型即隐藏层第一层、隐藏层第二层和输出层的激活函数分别为ReLU函数、Tanh函数和Sigmoid函数的ANN模型，在学习率为0.01的情况下，识别误差在±1%以内，稳定性最佳。