基于神经网络模型的千岛湖清洁水体叶绿素a遥感反演研究

叶绿素a浓度值是水体水质评价的重要指标,研究基于高分一号(GF-1)卫星遥感影像,利用神经网络模型,选用6节点的隐含层设置,构建了千岛湖清洁水体叶绿素a浓度反演模型,对其叶绿素a浓度值时空特征进行分析,并与其他常规反演方法精确度进行比较.研究结果表明,利用神经网络模型对千岛湖清洁水体叶绿素a浓度值进行反演是可行的,且与其他常规方法相比,该模型对于叶绿素a含量低的内陆清洁水体反演有着更高的相关性(R2 = 0.921 8);在空间分布上,千岛湖区域水体叶绿素a浓度整体较低,高叶绿素a浓度区域主要集中易受人类活动干扰的西南及东北区域;年际变化分析表明,千岛湖区域水体叶绿素a浓度稳定,且波动较小,平均叶绿素a浓度值皆维持在1.70～1.75 pg/L之间,清洁水体特征显著.     

太原汾河景区跨桥断面水体污染的时空变化模式研究

选取太原汾河景区跨桥断面8个监测点,在2012年3月—2013年10月期间对河流8项水质参数进行监测,并结合派生的水体综合污染指数及主成分分析方法分析和评价景区水污染时空变化特征。结果表明,景区水质污染变化时空差异明显,上游污染相对较小,下游污染较重;春季溶解氧和p H值变化幅度最大,夏季除总氮和氨氮外,其他各污染物均有显著变化特征,秋季则以氨氮、总氮和总磷变化最为显著。主成分分析结果显示,虽然各监测点水体污染的关键影响因子不同,但总磷是太原市河流水体污染的共同解释因子。     

海水中微量镍的吸附溶出伏安法分析研究

在1.0mol/L氯化铵缓冲溶液中,加入丁二酮肟,镍(Ni(Ⅱ))于-0.95V处产生灵敏的极谱波.通过对电解质选择,仪器参数优化,建立脉冲伏安法测定海水中镍的分析方法.线性范围为0.38～10.0/μg/L,最小检出限0.10μg/L,样品加标回收率97%～101%,相对标准偏差小于4.9%.该方法具有选择性好、灵敏度高、准确、简便的特点,适用于海水、饮用水和清洁地表水中痕量镍的检测.     

核能,世界能源的希望

60年后煤将退出能源舞台由于石油资源行将枯竭,煤在世界能源结构中的比例也将会逐渐增大。据1983年在印度新德里召开的12届世界能源会议估计,公元2000年,煤和石油在世界能源中各占28％左右;而到2020年时,石油占的比例将下降到25％,煤则上升到34％,再次成为世界能源的主要支柱。称为第一次能源革命的第三阶段,也就是第二次能源革命的前夜。据专家估计,全球约有煤10万亿吨(标准煤,下同)的地质储量,已探明的储量约3万亿吨,其中有开采经济价值的约6600亿吨。到2020年,世界煤耗量将达66-85亿吨;而     

南澳插上风的翅膀

蜿蜒起伏的山脉上矗立着一座座银白色的风力机，仿佛五线谱上跳跃的音符，巨大的叶片随风旋转，源源不断的电流为千家万户带去光明。到过南澳的人都会情不自禁地为这幅壮美的图景所叹服。137台风电机组，5.4万千瓦的总装机容量，南澳风电场一跃成为亚洲海岛最大的风力发电场。其中南澳县风能开发总公司就是当地捕风发电的佼佼者，他们以风电为清洁能源，开展清洁生产，培育了南澳独特的清洁产业。     

自催化法合成聚天冬氨酸

以马来酸酐和乙酸铵为原料，在微波条件下用自催化法合成了聚天冬氨酸（PASP）。通过正交实验确定了最佳合成条件：n（乙酸铵）：n（马来酸酐）=1．2，微波功率为1200W，反应时间为10min。在最佳合成条件下，PASP的收率为91．6％，PASP的黏均相对分子质量约为1．5×10^4。经红外光谱表征和核磁共振氢谱测试结果表明，PASP的各种主要官能团表现明显。当Ca^2＋质量浓度为250mg／L、PASP加入量为3mg／L时，PASP的阻垢率达到95％，表明PASP具有较好的阻垢性能。     

超高温自发热好氧堆肥工艺处理生活垃圾探究

超高温自发热已被应用于剩余污泥好氧堆肥,然而该技术对生活垃圾好氧堆肥过程的影响尚不清晰。此外,固氮剂过磷酸钙（CS）对超高温自发热好氧堆肥处理生活垃圾的影响也不明确。以生活垃圾为研究对象,建立空白组（R1）和添加CS （R2）的生活垃圾超高温自发热堆肥体系,探究了CS影响下生活垃圾超高温自发热过程中温度、含氧量、含水率、温室气体释放、溶解性COD及腐熟指标的变化规律,分析CS对生活垃圾堆肥后微生物群落特征的影响。结果表明:实验组温度最高为80.3℃,高于空白组,且最低含氧量、含水率均低于R1。实验组中甲烷和N₂O的最大释放速率分别为0.09,1.3 g/（kg·d）,均显著低于空白组,CS存在有助于生活垃圾堆肥保氮。此外,实验组中溶解COD的最大含量为42.3 mg/g,略高于R1,CS利于堆体中有机物释放。微生物群落分析表明,实验组中Saccharomonospor和Planifilum的相对丰度分别为25.6%和10.3%,堆体腐熟程度较高。     

基于PCA-SOM的北京市平谷区地下水污染溯源

为了解北京市平谷区地下水污染物来源,以平谷区2010—2018年监测数据为基础,使用PCA(主成分分析法)识别了地下水水质指标因子,使用自组织映射识别了污染物的空间分布.结果表明:通过监测指标间的Pearson检验发现, 平谷区地下水电导率与ρ(Ca2+)(p=0.936)、总碱度与ρ(HCO₃2-)(p=0.981)、ρ(Mg2+)与总硬度(p=0.944)指标之间显著相关.地下水化学类型主要以HCO₃-Ca型为主,其次为HCO₃-Mg型.NH₄+、SO₄2-、Cd、Fe(Ⅱ)、NO₂指标空间分布离散性和差异性较大,存在局部富集现象.通过因子分析法筛选出影响平谷区地下水水质的8个公因子,首要影响因子为溶滤-富集作用(贡献率为22.398%),次要影响因子为农业、养殖业和填埋场等人为活动作用(贡献率为16.533%),雨水下渗作用(贡献率为8.035%)、工业源人为活动(贡献率为7.466%)对地下水也有一定影响.通过比较各指标的SOM(Self-Organizing Map,自组织映射)特征图像和监测井映射特征图像,发现NH₄+受山前地带林业、种植业和平原地带农业、养殖业的双重影响,Na+、Mn受平原地带人为活动的影响;同时,NH₄+、NO₃-、NO₂三者之间及Fe(Ⅱ)与Fe(Ⅲ)之间来源不同,Cd、Al、氰化物三者具有同一来源.研究显示,PCA-SOM(PCA与SOM相结合)可以对地下水化学组分来源进行定性识别与定量分析.