醋酸纤维素包埋非水溶性介体催化强化生物反硝化特性

利用醋酸纤维素包埋法固定非水溶性醌类介体,研究其催化强化Paracoccus versutus菌株GW1的反硝化作用。结果表明,醌浓度在26.7 mmol/L时,固定化蒽醌(AQ)、1-氯蒽醌(1-AQ)、2-氯蒽醌(2-AQ)、1,5-二氯蒽醌(1,5-AQ)、1,8-二氯蒽醌(1,8-AQ)和1,4,5,8-四氯蒽醌(1,4,5,8-AQ)催化反硝化效率依次为:1,5-AQ1,8-AQ1,4,5,8-AQAQ1-AQ空白对照2-AQ。反应10 h时,1,5-AQ可使硝酸盐去除率比空白对照提高1.84倍;硝酸盐氮反硝化动力学拟合为零级反应,其速率常数Kx随1,5-AQ浓度的增加均呈线性增加(Kx=0.1885C1,5-AQ+8.378);水中溶解氧会降低GW1菌反硝化的效果;投加1,5-AQ的反硝化体系中亚硝酸盐积累的最大值比不投加介体的低48.3%;醋酸纤维素介体小球经过4次的重复利用,催化效果始终是空白对照的1.5倍以上。醋酸纤维素固定化非水溶性醌可以有效加速生物反硝化,表明其是一种较优的醌固定化方法,具有良好的应用价值。     

钦州湾叶绿素a和初级生产力时空变化及其影响因素

于2009年1—11月对广西钦州典型养殖海湾——钦州湾海域水体中叶绿素a(Chl-a)浓度和初级生产力进行了4个季节航次的调查,分析了该海湾Chl-a和初级生产力的时空变化特征并探讨其影响因素.结果表明,钦州湾表层海水Chl-a浓度周年变化在0.83~32.5 mg·m-3之间,平均为5.39 mg·m-3;Chl-a浓度季节性变化表现为夏季春季冬季秋季.初级生产力变化范围是92.3~1494.5 mg·m-2·d-1(以C计,下同),平均为425.1 mg·m-2·d-1;初级生产力季节变化特征呈现夏季冬季秋季春季.钦州湾Chl-a浓度和初级生产力在春、夏、冬季呈现内湾和三娘湾海区高、钦州港海区低的分布特征,秋季出现相反的特征.相关分析显示,钦州湾Chl-a与水温、盐度和氨氮之间存在密切的相关关系.总体来看,陆源输入的营养盐及贝类养殖活动是影响Chl-a和初级生产力时空变化的重要因素.     

钦州湾春季水质营养状况分析与评价

根据2010年4月对钦州湾海域调查结果,分析并评价了该海域春季的营养状况。结果表明,表层海水中DIN和SiO₃-Si都为茅尾海钦江入海口含量较高,PO₄-P为茅尾海西南部沿岸增养殖区含量较高,DIN、PO₄-P和SiO₃-Si水平分布上均表现为湾内含量高于湾外。从营养结构看,与Justic等提出的营养盐化学计量限制标准比较,符合P限制条件,PO₄-P可能成为浮游植物生长的潜在限制因子。根据营养状态指数评价模式和有机污染评价指数计算结果显示,2010年春季钦州湾海域营养水平属于中营养水平,有机污染程度属4级,表明钦州湾表层海水水质已达到中度污染。     

基于小程序的海洋牧场台风灾害预警预报服务

台风多要素信息及灾情状况是海洋牧场各方急切想掌握的,而应用于海洋牧场灾害预警专报服务还未见报道,基于此开发了海洋牧场台风灾害预警预报服务小程序。结合wx.request请求获取第三方要素数据与自建云数据库访问灾情数据。搭建海洋牧场台风灾害预警预报服务的层次结构体系构架,推出海洋牧场气象要素预警预报、海洋牧场水文要素预警预报、海洋牧场台风要素预警预报、海洋牧场台风灾害预警专报、服务订阅与消息推送等应用服务功能。基于MAP组件技术整合“一张图”展示海洋牧场台风灾害的数据、服务及成果。1409号台风“威马逊”实例应用表明,海洋牧场台风灾害预警预报服务小程序为防风减灾提供了一种快捷实用的应用途径。     

基于事件驱动的风暴潮灾害中辅助决策系统研究

针对当前较少涉及的风暴潮灾害中如何因地制宜地安全转移人员,如何科学合理地调度物资服务救灾,如何进行受灾地区的工情实时监测,以及缺乏与受灾具体地点相联系的小尺度风暴潮灾害中可视化预警问题,本文提出了一种基于事件驱动的风暴潮灾害中辅助决策的实现过程机制,在此基础上设计开发了基于事件驱动的风暴潮灾害中辅助决策系统,从而实现了风暴潮灾害地区工情情况实时监控、合理调度物资、就地安排抢险队伍、指导渔船回港避险等小尺度的处理决策,解决了与受灾具体地点相联系的小尺度防风救灾决策中面临的实际问题.通过海南省防风减灾应用结果表明,该决策系统可为政府职能部门防风救灾工作提供科学的、有效的、可视化的辅助决策支撑.     

一种融合多因素的MOS风暴潮灾害过程模拟研究

风暴潮数值模型预报结果在小尺度区域往往存在弱于或强于实况的问题。针对此问题,该风暴潮灾害模拟方法融合数值模型预报结果为特征要素,使用一种基于多要素MOS(Model Output Statistics)风暴潮灾害过程模拟方法来实现对风暴潮灾害的预报。该模拟方法是将低维的特征向量映射到高维的隐含层中进行支持向量机(SVM)学习训练并控制输出相对误差,其特点在于MOS风暴潮灾害过程模拟中融入数值模型预报结果,并通过在一定的约束条件下最小化不敏感损失函数的逐渐优化逼近实测值来实现。实例验证结果表明:在风暴潮灾害过程减增水切换时期,数值模型预报的水位增水峰值为0.95 m,低于水位实际增水峰值1.1 m,历时5 h,预报曲线表现较为平滑,而MOS风暴潮模型在此期间模拟得到历时2 h就达到水位增水峰值1.14 m,模拟曲线爬升明显较快,这与实际风暴潮灾害过程的特征更加吻合;从预报结果的均方误差(RMSS值)和相关系数(CORR值)来看,MOS风暴潮模型预报结果的RMSE值和CORR值分别为0.165 m和0.945,相比数值模型的0.190 m和0.912都有所提高,可为后期精细化风暴潮预报工作提供一种新的过程模拟思路。