基于Arcgis engine和Matlab的避难场所选址系统开发及应用

针对现有避难场所选址需要多种工具配合、操作步骤繁杂和工作量大的问题,开发了基于Arcgis engine和Matlab的避难场所选址系统。通过Arcgis engine实现避难场所选址所需的定制系统界面、空间数据管理、最短路径分析、缓冲区分析和voronoi图分析等GIS功能。通过Matlab构建多目标加权灰靶决策法和熵值权重法模型,实现避难场所选址功能。应用COM组件技术实现Arcgis Engine和matlab的集成。以泉州市中心城区为例,应用该系统进行应急避难场所选址决策分析。结果表明,该系统可以满足泉州市的应急避难场所选址及布局分析需求。     

降解嗪草酮微生物菌剂的制备及稳定性研究

通过富集培养分离出嗪草酮降解菌N1,降解菌在固体平板上培养,菌落大,表面粗糙,扁平,不规则,为质地软、稍有光泽的白色菌落,直径为5～7mm.菌体细胞为杆状,末端方,成短或长链,菌体大小为1.0～ 1.2 μm× 3.0～ 5.0 μm.将N1降解菌制成菌剂,用气楣色谱法进行定量分析,通过单因素试验确定菌剂中载体配比、接种菌液量、加入营养液量、发酵时间、烘干温度等影响因子的优势条件,设计正交试验确定最优菌剂制备条件:m(豆粕):m(麦麸):m(木屑):m(硅藻土)比例为60:20:15:5,接种菌液量为15％,营养液量为10％,发酵时间为48 h,烘干温度为30℃.在上述条件制备的菌剂对嗪草酮的降解率为79％.该菌剂在25℃下保存50d后对嗪草酮仍有较高的降解效果.     

改进的IDW插值模型在海水水质评价中的应用

根据海水污染物分布扩散规律和采样点之间的关系,给出了一种自适应凸包选点的IDW(inverse distance weight)插值方法。该方法为一种局部的IDW插值方法,为插值结点加入了空间位置的概念,克服了传统IDW方法只和插值结点的距离有关而和其空间位置无关的弱点。通过与传统IDW在2011年的渤海无机氮评价结果的对比,说明该方法能够很好的反映海水污染物空间分布状况。     

嘉兴市水资源开发及保护对策研究

针对嘉兴市水环境方面存在的主要问题 ,提出了以“区域协调、区内治理”为指导思想的水资源开发及保护对策。     

珠江三角洲快速城市化地区生态安全研究——以佛山市为例

借助于统计学分析方法、Landsat7ETM+遥感影像解译及GIS综合评价手段,构建了相对生态压力比值REP、相对剩余生态容量值R REC及相对生态风险度指数RERI,对珠江三角洲快速城市化的典型城市佛山市进行了区域开发的生态承载力分析及生态风险度评价,揭示了佛山市域的生态安全总体态势及问题成因;并从区域可持续发展角度提出应重视在区域开发中尽可能科学合理地维护林地、湿地、农田、城市防护林带等自然及半自然景观要素的系统性与连续性,从宏观尺度上引导城市集聚并对城市化的不良生态后果予以积极预防和有效调控,从而降低城镇化的生态风险。     

区域环境负荷计量的当量因子法——以广东省佛山市富营养化污染负荷为例

提出了一种基于当量因子的环境负荷计量方法,其原理是根据不同环境干扰因子对同一种环境影响类型的相对贡献大小来进行计量.具体包括环境影响类型的确定、环境干扰因子的识别与归类,以及按当量关系进行汇总3个步骤.该方法可为区域环境规划与污染控制提供技术支持.以广东省佛山市富营养化污染负荷计量为实证进行了研究.结果表明,2001年排放的富营养化污染负荷量约为437.0kt NO₃^-当量,其中贡献最大的是农业生产部门,其次是工业生产部门和人类生活.主要污染物是氨的排放,其次是NO_x的排放.     

1970~2009年安徽省大雾气候特征分析

为了弄清安徽省大雾时空演变规律,利用安徽地面气象站1970~2009年40a的气象观测资料,对安徽省大雾的气候特征进行了系统的分析。研究发现安徽省大雾具有显著的年代际、季节性和区域性变化特征,结果表明:(1)年代际变化,安徽省雾日数在80年代达到最高,由于城市发展和气候变化的影响,雾日数不断减少。同时,雾生时间年代际变化不大,而雾消时间则不断后延,直接导致雾的持续时间不断增加,40a间雾的持续时间增加将近1h;(2)安徽省大雾四季特征分明,空间分布不均。冬季是安徽大雾的高发期,大雾日数最多,持续时间最长,雾中最小能见度最低,雾的影响最为严重。在夏季,大雾日数最少,持续时间最短,雾中最小能见度最大,雾的影响最弱;(3)空间分布上,皖北和皖南山区雾日数和雾的持续时间都较长,雾中最小能见度都较低。而在中部地区则相反,雾的影响较弱。     

载甲苯活性炭微波解吸过程人工神经网络模拟

采用人工神经网络对微波解吸过程进行了模拟研究.采用解吸温度、栽气线速、活性炭床层厚度、活性炭对甲苯的吸附量、解吸时间5个因子作为神经网络的输入变量,解吸浓度为输出变量.网络创建后采用已有的实验数据对网络进行训练,经124步收敛后网络达到指定精度.采用实测数据对网络的预测精度进行检验后表明:人工神经网络对载甲苯活性炭的解吸过程能够较精确的进行模拟,多数预测数据的误差范围在±5％之内.     

Methylopila sp.SD-1与大豆联合修复苯磺隆污染土壤

分离得到1株苯磺隆降解菌株SD-1,根据表型、生理生化特征及16S rRNA基因序列分析,将其鉴定为Methylopila sp.SD-1,为首次报道能够降解苯磺隆的Methylopila属菌株,其在4d内完全降解50mg/L苯磺隆,最适降解温度、pH值分别为30℃和7.0,降解中间产物对大豆的毒性显著降低.大豆根系分泌物能促进菌株SD-1的生长,培养5d,菌株SD-1的数量由1.0×10⁷CFU/mL增至6.7×10⁷CFU/mL.分泌物中含有16种氨基酸,菌株SD-1对其中的Asp、Glu和Phe表现出明显的趋化性.接种菌悬液至苯磺隆污染土壤（3mg/kg）并种植大豆幼苗,培养4d,菌株SD-1依赖趋化性向大豆根系运动并定殖,存活率提高,根际土壤中苯磺隆的降解率相较于未种植大豆的处理提高36.0%.     

基于无人机可见光影像的绿色植被提取

在分析健康绿色植被光谱特性及无人机可见光影像典型地物各波段像元值差异的基础上,提出一种综合利用红、绿、蓝3个可见光波段信息的新型绿色植被指数——差异增强植被指数（DEVI）.利用该指数及其他8种常见可见光植被指数结合不同阈值方法提取研究区域绿色植被信息,并采用地表真实感兴趣区和基于SVM的监督分类方法进行精度量化评价.结果表明：由DEVI计算的植被指数灰度影像直方图具有良好双峰形态,可利用双峰直方图阈值法快速确定阈值,且阈值一般位于0.9~1之间;同时,DEVI提取精度明显优于其余8种植被指数,且采用双峰直方图阈值法时,总体精度为98.98%,Kappa系数为0.9791,相对误差为1/83.为验证DEVI是否具有良好的可适用性及可靠性,选取3种典型植被覆盖区域进行可行性验证,结果表明：利用DEVI可高精度提取建筑密集区域和植被零散分布区域的绿色植被信息,总体精度分别为98.42%和98.56%,Kappa系数分别为0.9610和0.9635,相对误差分别为1/125和1/91;而植被集中分布区域提取精度略低于上述2种典型区域,总体精度为97.40%,Kappa系数为0.9371,相对误差为1/53.因此,提出的差异增强植被指数——DEVI可以有效、高精度、低成本提取不同植被覆盖典型区域无人机可见光影像中的绿色植被信息,为陆地生态系统中的绿色植被监测研究提供一种可行性方法.