基于Landsat 8遥感数据的天津市地表温度反演

以Landsat 8遥感数据为数据源,进行天津市地表温度反演研究。首先采用单通道算法反演地表温度,并利用均值标准差法进行温度分级。然后建立不同温度等级面积比例的估算模型。再通过随机样点,从不同温度等级和土地覆盖类型2个角度,分别建立并比较不同类样点的地表温度与各指数的拟合模型。结果表明:次高温区域面积比例与人口密度、人均GDP都具有较高的决定系数;地表温度与NDVI、BAEM的二元线性回归决定系数高于地表温度与单一指数的决定系数;将样点分类后,低温点与MNDBI的决定系数高于其他温度等级样点,水域和植被样点与各种指数的决定系数高于其他地物类型样点。     

珠江口表层水中多环芳烃的分布特征及健康风险评估

分别于2015年2、5、8、11月在珠江八大入海口采集表层水体样品,应用固相萃取富集法对该区域表层水体中16种USEPA优控多环芳烃(PAHs)的时空分布特征进行分析,并利用终生致癌风险增量模型(ILCR)对该区域的饮水健康风险进行评价。结果表明:珠江口4个季度所采集的水样中,∑15PAHs的浓度范围为18.0~50.3 ng/L,含量处于中等水平。其中7种强致癌性∑7PAHs的浓度范围为1.53~3.73 ng/L,占∑15PAHs的5.89%~11.1%,∑15PAHs和∑7PAHs在枯水期(2、11月)样品中明显高于丰水期(5、8月)。就组成特征而言,各采样点PAHs以3、4环为主。珠江口表层水中非致癌类PAHs的危害商数值为0.99×10~(-5)~2.73×10~(-5),远低于USEPA规定的阈值(1);致癌类PAHs产生的健康风险为6.50×10~(-8)~2.37×10~(-7),其中Ba P导致的饮水途径健康风险最高,所有点位致癌类PAHs的健康风险均低于USEPA推荐的对致癌物质最大可接受风险水平(10~(-6)),表明珠江口表层水中PAHs尚不具备严重的致癌风险,但是仍然存在潜在的健康风险,需要重点控制和管理。     

Review: recent advances in biogas purifying technologies

Biomethane production through biogas upgrading is a promising renewable energy for some industries which could be part of the equilibrium needed with fossil fuels consumption to achieve a sustainable society. This paper presents a comprehensive list of biogas upgrading technologies focused on carbon dioxide removal as well as recent advances reported by researcher with wide expertise in this topic. Additionally, an extensive costs–performance comparison among the technologies studied is discussed. Among the different alternatives, chemical scrubbing stood out to achieve high biomethane purities while cryogenic technologies proved to be effective against methane losses. Regarding the different costs, water scrubbing and membrane separation seem to be the most affordable techniques.     

可张孔曝气器曝气能耗试验研究

通过试验研究，总结出可张孔曝气阻力损失的影响因素，以优化产品的结构设计参数，降低产品在工程应用中的能耗，获取更好的经济效益。     

受侧向土体位移斜桩的特性

通过三维有限单元法分析了斜桩受侧向土体位移的特性。变动柱和土体参数进行敏感性分析,得出桩的柔度、侧向土体位移的大小、桩顶约束条件、土体位移形状和土体移动层厚度等对斜桩的影响。刚性桩的挠度小于柔性桩,但弯矩和剪力大于柔性桩。斜桩非线性弹簧的土抗力—位移关系(p-y曲线)表现为双曲线特征,可基于直桩的Winkler地基反力法对斜桩进行简化计算分析,但应对直桩的极限土抗力值进行修正,以期更好的反映斜桩的特性。     

Fecal source tracking by antibiotic resistance analysis on a watershed exhibiting low resistance

The ongoing development of microbial source tracking has made it possible to identify contamination sources with varying accuracy, depending on the method used. The purpose of this study was to test the efficiency of the antibiotic resistance analysis (ARA) method under low resistance by tracking the fecal sources at Turkey Creek, Oklahoma exhibiting this condition. The resistance patterns of 772 water-isolates, tested with nine antibiotics, were analyzed by discriminant analysis (DA) utilizing a five-source library containing 2250 isolates. The library passed various representativeness tests; however, two of the pulled-sample tests suggested insufficient sampling. The resubstitution test of the library individual sources showed significant isolate misclassification with an average rate of correct classification (ARCC) of 58%. These misclassifications were explained by low antibiotic resistance (Wilcoxon test P < 0.0001). Seasonal DA of stream E. coli isolates for the pooled sources human/livestock/deer indicated that in fall, the human source dominated (P < 0.0001) at a rate of 56%, and that human and livestock respective contributions in winter (35 and 39%), spring (43 and 40%), and summer (37 and 35%) were similar. Deer scored lower (17–28%) than human and livestock at every season. The DA was revised using results from a misclassification analysis to provide a perspective of the effect caused by low antibiotic resistance and a more realistic determination of the fecal source rates at Turkey Creek. The revision increased livestock rates by 13–14% (0.04 ≤ P ≤ 0.06), and decreased human and deer by 6–7%. Negative misclassification into livestock was significant (0.04 ≤ P ≤ 0.06). Low antibiotic resistance showed the greatest effect in this category.     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

基于改进遗传算法的河流水污染源反演方法

针对河流水污染应急响应过程中污染源排放历史迟知、未知的问题,结合多种群遗传算法和自适应遗传算法,利用一维河流水质模型和水质监测数据,研究建立了基于改进遗传算法的河流水污染定量源反演方法,实现了对河流污染源排放历史的识别与重构.将该方法应用于美国特拉基河流的3个不同流量下的示踪剂实验中,对示踪剂排放历史进行定量源反演分析.结果表明：IGA算法对高、中、低不同流量下的3次示踪剂实验均可以很好的重构和识别示踪剂排放历史,对于实际河流水污染源反演分析的误差均在可接受范围内.IGA算法在河流水污染源反演分析中具有一定的可靠性和稳定性,可为河流水污染精准溯源与治理提供科学的技术支撑.     

沱江沉积物中有机氯农药分布特征及其与藻类有机质的关系和生态风险评估

使用气相色谱-质谱联用仪分析了长江支流沱江流域48个表层沉积物中有机氯农药（organochlorine pesticides,OCPs）的残留水平,探讨了其分布和组成特征及其与总有机碳（total organic carbon,TOC）、藻类有机质之间的关系,以及评估其生态风险.结果表明沱江流域表层沉积物中OCPs的总含量为3.17~127 ng·g^-1,其中六六六（hexachlorocyclohexane,HCHs）类农药的含量为2.83~86.0 ng·g^-1,滴滴涕（dichlorodiphenyltrichloroethane,DDTs）类农药的含量为0.340~40.9 ng·g^-1.OCPs空间分布特点为：上游 < 中游 < 下游 < 支流.HCHs和DDTs的组成成分分析表明,沱江流域存在林丹输入的现象,主要来自于历史残留,这与绝大多数流域的DDTs的输入状况相似.OCPs含量与TOC、藻类有机质含量之间存在着极显著的正相关性关系,表明藻类有机质在TOC对沉积物中的OCPs分配中起更为重要的作用.生态风险评估表明,沱江流域表层沉积物的有机氯农药存在较大的生态风险,可能对河流的底栖生物及生态环境造成明显的影响.     

臭氧耦合陶瓷膜过滤对膜性能及出水消毒副产物的影响

利用臭氧（O₃）-陶瓷膜过滤（CMF）处理常规工艺出水,研究了不同O₃-CMF耦合方式对膜性能和消毒副产物（DBPs）的影响.结果表明,与单独CMF相比,异位O₃-CMF和原位O₃-CMF均可以有效缓解膜污染,原位O₃-CMF控制效果最佳.异位O₃-CMF对进水（常规工艺出水） DOC去除率（26.25%）略高于原位O₃-CMF（22.31%）,但是其SUVA去除率（83.91%）明显低于原位O₃-CMF（93.10%）.羟基自由基（·OH）生成特征表明原位O₃-CMF可促进O₃产生更多的·OH.在O₃、·OH氧化和陶瓷膜截留协同作用下,异位O₃-CMF和原位O₃-CMF出水中总荧光响应强度和相对分子质量大于0.3×10³,有机物含量降低,进而使得出水中含碳消毒副产物（C-DBPs）生成量分别降低了21.86%和32.35%,含氮消毒副产物（N-DBPs）生成量分别降低了16.16%和19.13%.但O₃和·OH氧化后生成的小分子有机物因难以被CM截留导致其在出水中含量增加,进而增加了卤代酮（HKs）、水合氯醛（CH）和三卤硝基甲烷（THNMs）的产生.本研究对于不同O₃-CMF方式下O₃与CM的协同机制的探讨,改善膜性能和提升DBPs前体物的去除具有一定指导意义.