生物炭介导的不同地表条件下土壤N2O的排放特征

为探究不同地表条件下农田土壤N_2O产生与释放对生物炭输入的响应,于2014~2015年小麦-玉米生长季,采用田间小区试验的方法,在不同生物炭用量[0 t·(hm~2·a)-1(CK)、5 t·(hm~2·a)-1(BC5)、45 t·(hm~2·a)-1(BC45)]及不同地表条件下[种植作物(以+表示)、裸地(以-表示)],对土壤N_2O释放、土壤铵态氮(NH_4~+-N)和硝态氮(NO_3~--N)的动态变化进行了观测分析.结果表明:(1)在小麦生长季,CK+、BC5+、BC45+这3个处理的土壤N_2O排放通量分别在21.70~88.91、21.42~130.09、64.44~179.58μg·(m~2·h)-1之间变动,BC45+处理显著高于其它2个处理(P0.05).其中在小麦生长盛期(返青拔节期-孕穗抽穗期),3个处理的土壤N_2O排放通量均较小麦越冬期显著下降(P0.05),而且BC45+处理基于CK+、BC5+的土壤N_2O排放通量增幅在小麦孕穗抽穗期已较其越冬期时分别降低了18.43%、14.62%.在玉米生长季前期,BC45+处理的土壤N_2O排放通量也显著高于BC5+和CK+处理(P0.05),但至玉米的抽穗期及成熟期,BC45+处理的土壤N_2O排放通量已与BC5+和CK+无显著差异.这说明随作物生长盛期的到来及地表覆盖度的增加,生物炭介导的土壤N_2O排放的增加效应得以有效抑制.同期裸地条件下相同生物炭处理的土壤N_2O排放通量结果也证实了这一点.(2)在小麦生长季及其同期的裸地条件下,与CK相比,两种生物炭处理均可增加土壤NO_3~--N和NH_4~+-N含量,但在作物生育盛期,BC5+、BC45+处理的两种氮素形态较CK+处理均有下降,尤以BC45+最为突出,其土壤NO_3~--N和NH_4~+-N含量分别下降了96.44%、69.40%.玉米生长季与小麦季有着相近的趋势.较高生物炭施用量土壤NH_4~+-N和NO_3~--N含量在作物生育盛期的明显下降与同期土壤N_2O的排放显著减少相呼应.因作物生长发育对氮元素吸收增加致呼吸底物减少可能是生物炭介导下N_2O排放减少的原因之一.(3)在小麦生长季,生物炭施用提高土壤pH从4.62至最高5.18.至玉米季时,土壤的pH值在4.42~5.02之间波动,土壤pH值相对低时土壤N_2O的释放量相对高,反之亦然.土壤pH可在一定程度上影响土壤N_2O释放.     

平面问题中主应变测量不确定度评定

目的实现平面场中主应变的测量不确定度评定。方法首先建立主应变的是非线性传播测量模型,然后应用基于二阶TAYLOR级数展开理论的不确定度传播方法(LPU方法),开展平面问题中主应变的测量不确定度评定。针对二种常用的应变花,建立以主应变为输出量、以应变花之三个方向测量应变为输入量的测量模型,并将二阶LPU方法应用于该模型。设计数值计算算例,以说明主应变不确定度的评定过程和方法,并与一阶LPU结果进行了比较。结果当应变花三个方向的应变测量结果相近时,文中方法与一阶LPU方法获得的主应变的不确定度评定结果存在明显的差异,主应变不确定度评定结果在数值上都大于应变花测量的不确定度。当应变花三个方向的应变测量结果相差较大时,文中方法和一阶LPU方法获得的主应变测量不确定度评定结果相差不大。结论特定情况下,主应变的测量不确定度值远大于应变花测量的不确定度,且与一阶LPU方法的评定结果有显著差异,二者可相差一倍。     

随机振动载荷峰值强度的一种工程表述

为了分析以PSD描述的随机振动载荷的峰值强度,将广泛应用于地震工程和冲击环境工程研究中的冲击响应谱概念拓展应用到随机振动峰值分析之中,从理论上导出了各态历经Gaussian随机振动过程冲击响应谱计算的一般方法,并导出了简化的工程应用表达形式。数值模拟结果验证了文中方法的正确性和简化分析结果的有效性。     

Welch谱估计的随机误差与置信度

目的分析Welch谱估计的随机误差及置信度。方法首先导出Welch谱估计量随机误差的表达式,然后采用正态标准化处理方法,将Welch谱估计分量转化为χ2变量。结果获得了Welch谱估计的置信度分析方法。结论以128自由度的Welch谱估计结果的随机误差(12.5%)作为相对置信区间,则其置信概率为68.4%,若要达到95.5%以上置信概率,则Welch谱估计的自由度不能小于512,相应的随机误差为6.25%。     

毛乌素沙漠东南缘DGS1层段CaCO_3记录的全新世气候变化

毛乌素沙漠东南缘萨拉乌苏河流域滴哨沟湾剖面DGS1层段主要由沙丘砂、湖沼相和次生黄土组成。根据测年结果,该层段为全新世风沙沉积序列。通过对该层段CaCO_3的分析,发现CaCO_3含量在沙丘砂、湖沼相和次生黄土依次变化于0,35%~2.74%(平均值1.03%)、0.13%~60.31%(平均值22.16%)和8.64%~12.83%(平均值9.21%),并与DGS1层段粒度Mz(平均粒径)呈显著相关(相关系数0.68)。研究表明,毛乌素沙漠冬季风盛行时期沙丘砂堆积,CaCO_3发生迁移;夏季风盛行时期湖沼相发育,CaCO_3相对聚集。据此,我们认为CaCO_3含量变化揭示了毛乌素沙漠在全新世以来经历了多次冬夏季风交互演替的气候变化过程,全新世气候波动主要可分为4个阶段:全新世早期回暖期、全新世鼎盛期、暖冷过渡期和冷干气候不稳定期。     

基于特征指标的气象因子对PM2.5浓度的影响分析

以西安为研究区域,为探究气象因子对PM_2.5浓度的影响,采集2017-2019年空气质量与气象因子数据,改进k-Means聚类算法,形成严重污染、重度污染、中度污染、轻度污染共4个PM_2.5浓度与气象因子样本簇集。分析簇集数据分布,选择Spearman相关性分析方法,确定影响PM_2.5浓度的气象因子;定义PM_2.5凸显性条件,给出幅度特征FOA、浮动特征FOF和凸显特征FOH,构建三维空间,确定气象因子对PM_2.5影响的大小,进而建立气象因子对PM_2.5浓度的影响分析方法。比较多元线性回归和随机森林回归方法,结果表明:该方法提高了分析效率,且无需考虑因子选取和表达,能有效确定影响PM_2.5浓度的气象因子种类及影响程度。在低温、高湿、高压和相对静风的气象条件下,空气中颗粒物难以扩散和输送,使西安市PM_2.5浓度升高。严重污染、重度污染和中度污染中,PM_2.5浓度与相对湿度呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为相对湿度>风速>气温;轻度污染中,PM_2.5浓度与相对湿度、气压呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为气温>相对湿度>气压>风速。     

铬污染对土壤细菌群落结构及其构建机制的影响

随着工业的快速发展铬（Cr）已经成为我国主要的土壤重金属污染物之一,严重地影响了土壤生态环境以及居民的身体健康.本研究以河北省某制革工厂污泥堆周边污染土壤为研究对象,采用Illumina MiSeq高通量测序技术对不同污染程度土壤样品中的细菌群落结构及其群落构建机制进行分析.结果表明,铬污染显著地影响了土壤理化性质以及微生物群落.不同铬污染程度的土壤样品中,细菌群落结构与组成差异显著.高浓度的铬污染能降低土壤细菌群落的α多样性.铬污染土壤样品中的细菌共分为55个门,其中变形菌门（Proteobacteria）、放线菌门（Actinobacteria）、酸杆菌门（Acidobacteria）、绿弯菌门（Chloroflexi）和厚壁菌门（Firmicutes）为优势菌门（相对丰度>5%）.铬污染土壤中,细菌群落在构建过程中以决定性过程为主,随机性比例随着铬含量的升高而降低,并且均为同质性选择过程.土壤中总铬含量、含水率、pH、有机质与细菌群落显著（P<0.05）相关,是影响细菌群落结构的主要驱动因子.     

白塔堡河中致嗅类挥发性有机硫化物污染现状及来源研究

为研究白塔堡河中致嗅类挥发性有机硫化物(VOSC)的污染现状及来源,采用吹扫捕集(P&T)与气相色谱(GC)/火焰光度检测器(FPD)联用的分析方法同时测定水体中14种致嗅类VOSC的浓度,并依据综合营养状态指数(TLI)对白塔堡河的富营养化程度进行评价,用主成分分析法(PCA)分析其污染来源.结果表明,所调查的31个点位中,各目标化合物均有不同程度的检出,浓度范围为0~35.98 μg·L^-1;甲硫醚(DMS)为最主要的污染物,其均值为3.36 μg·L^-1,检出率为100%,变异系数为2.30.河流整体处于中度富营养化水平,其中,城市段水体重度富营养化,农村段和城镇段VOSC浓度与TLI显著相关(r>0.70).14种致嗅类VOSC的污染来源可由3个主成分来反映:第一主成分(硫醇类、DMS、甲乙硫醚(EMS))代表由微生物厌氧分解造成的二次污染,其贡献率为44.42%,这是水体富营养化和生活污水、含蛋白质的工业废水及养殖废水排放共同作用的结果;第二主成分(乙硫醚(DES)、二乙基二硫醚(DEDS)、甲丙二硫醚(MPDS)、1-丙基二硫醚(1-PrDS))代表农业面源,贡献率为30.77%;第三主成分(二甲基三硫醚(DMTS))代表工业源,贡献率为7.83%.