纳米零价铁的制备技术及其应用研究进展

纳米零价铁（nZVI）因具有还原性强、粒径小、比表面积大等特性,对重金属及含卤有机污染物等具有良好的吸附特性和反应活性,在环境修复方面表现出较好的应用前景。但nZVI易氧化、团聚和机械强度低等不利因素限制了其大规模应用。系统比较了机械法、气体冷凝法及还原法制备nZVI技术的特点,重点总结表面改性、金属改性、载体负载和基质封装等手段制备改性nZVI的研究进展,及其在水体及土壤环境修复方面的应用。     

基于FLUS模型的湖北省生态空间多情景模拟预测

改革开放以来,中国经济在飞速发展的同时,生态环境问题日益严峻。为保障国家和地区的生态安全,对未来生态空间进行模拟预测十分必要。在长江大保护和长江经济带绿色发展背景下,以湖北省为研究区,利用FLUS模型基于湖北省2010年、2015年土地利用数据及包含自然和人文因素的15种驱动因子数据,对2035年的湖北省生态空间进行模拟预测。结果表明：利用2010年土地利用现状模拟出的2015年湖北省土地利用变化情况,总体精度达到0.976,Kappa系数达到0.961,模拟精度较高。设置的生产空间优先、生活空间优先、生态空间优先以及综合空间优化4种不同情景,基本满足未来湖北省不同发展导向的需求。从地貌单元角度来看,在不同情景下,湖北省生态空间主要分布于湖北省边陲四大山区,中部江汉平原生态空间零星分布。从数量规模上来看,不同情景下各个用地类型数量规模差异较为明显,生产空间优先情景下耕地面积增加1216 km²,生活空间优先情景下城镇用地规模增加5959 km²,生态空间优先情景下生态空间用地增长722 km²,综合空间优化情景下生态空间用地规模变化更趋于平缓。从生态空间变化分布来看,四大山区的生态空间变化不大,但中部江汉平原生态空间变化较为明显,其中从行政区划上来看,变化范围主要分布于武汉城市圈、襄阳市、宜昌市中西部地区及随州市中部地区。总而言之,FLUS模型对于湖北省生态空间模拟的适用性较好,多情景模拟结果可为湖北省未来国土空间规划及未来生态空间管控提供多角度、多方向的政策决策参考。     

A novel state-of-charge-based method for plug-in hybrid vehicle electric distance analysis validated with actual driving data

Mitigation and Adaptation Strategies for Global Change - Promoting Plug-In Hybrid Vehicles (PHEVs) is viewed as a promising strategy to mitigate the energy consumption and greenhouse gas...     

淮河干流及主要支流夏季浮游植物群落生物多样性评价

浮游植物是水生态系统的重要组成部分,其群落变化与水体环境条件密切相关,是反映河流健康的主要生物指标.为揭示淮河流域浮游植物群落特征及其与水质的相互关系,于2015年夏季对淮河流域典型水体—淮河干流、沙颍河、涡河和淠河进行系统的水质及浮游植物调查,探明浮游植物群落及其空间分布特征,并结合水体理化指标和生物指数进行水质评价.结果表明,淮河干流及主要支流27个点位中共获得浮游植物8门71属153种,主要隶属于绿藻门(Chlorophyta)、硅藻门(Bacillariophyta)、蓝藻门(Cyanophyta).浮游植物密度为0.019×10~5~131.824×10~5ind·L~(-1),不同河段浮游植物分布表现出较为显著的空间差异性,平均密度大小呈现沙颖河淮河干流涡河淠河的特点.非参数多维尺度分析(Non-metric Multidimensional Scaling,NMDS)表明,淮河干流、淠河和涡河的浮游植物群落组成和结构的相似性较高,而与沙颍河的浮游植物群落存在一定的差异.Shannon多样性指数H'介于0.78~3.21之间,Margalef丰富度指数D介于1.03~4.79之间,Pielou均匀度指数J介于0.12~0.73之间.水质生物评价结果显示,淮河流域大部分水体处于中等污染状况,部分点位处于重污染状况,其结果与水质综合污染指数评价结果具有较好的一致性.研究结果可为淮河水污染防治和水生态修复提供基础依据.     

Long-term effects of sliver nanoparticles on the abundance and activity of soil microbiome

正Silver nanoparticles(Ag NPs)are among the most extensively used engineered nanomaterials because of their wellestablished antimicrobial and unique physicochemical properties(Yin et al.,2015).Applications of AgNPs have now been     

环境因素对建筑工程造价的影响模型研究

现代建筑材料多数使用钢材、混凝土、木材等高能耗产品,这些材料在生产和运输的过程中会消耗较大的能量,对建筑绿色度和的影响非常大,同时也不利于降低工程预算。通过对建筑资源能源消耗和造价进行调查分析,并对建筑材料对建筑环境负荷影响和建筑工程造价进行了研究,提出基于环境因素设置的工程造价模型。通过实际操作发现,相对于传统的工程造价模型,该模型对工程造价的变化趋势反应的更为直观准确,可以大幅度提高工程造价工作的效率。     

8-氨基喹啉-5-偶氮-对苯酚荧光光度法测定微量铬(Ⅵ)

在盐酸介质中,铬(Ⅵ)与AQAPOH形成可被氯仿萃取的荧光化合物,其λex/λem=295nm/400nm.线性范围为0-1.0μg Cr(Ⅵ)/25ml(水相),检测限为0.7μg/L.除Mn(Ⅶ)外,常见金属离子无干扰,可在数千倍Cr(Ⅲ)存在下测定废水中微量铬(Ⅵ).初步探讨了荧光反应的机理.     

浅谈烟道气现场监测的工作管理

烟道气现场监测，易出差错。监测人员必须有良好的专业理论水平、丰富的工作经验、高度的敬业精神。本文就现场监测工作易出现问题进行了分析，列举了解决问题的方法     

Using improved neural network model to analyze RSP,NOx and NO2 levels in urban air in Mong Kok,Hong Kong

As the health impact of air pollutants existing in ambient addresses much attention in recent years, forecasting of airpollutant parameters becomes an important and popular topic inenvironmental science. Airborne pollution is a serious, and willbe a major problem in Hong Kong within the next few years. InHong Kong, Respirable Suspended Particulate (RSP) and NitrogenOxides NO_x and NO₂ are major air pollutants due to thedominant diesel fuel usage by public transportation and heavyvehicles. Hence, the investigation and prediction of the influence and the tendency of these pollutants are ofsignificance to public and the city image. The multi-layerperceptron (MLP) neural network is regarded as a reliable andcost-effective method to achieve such tasks. The works presentedhere involve developing an improved neural network model, whichcombines the principal component analysis (PCA) technique and theradial basis function (RBF) network, and forecasting thepollutant levels and tendencies based in the recorded data. Inthe study, the PCA is firstly used to reduce and orthogonalizethe original input variables (data), these treated variables arethen used as new input vectors in RBF neural network modelestablished for forecasting the pollutant tendencies. Comparingwith the general neural network models, the proposed modelpossesses simpler network architecture, faster training speed,and more satisfactory predicting performance. This improvedmodel is evaluated by using hourly time series of RSP, NO_x and NO₂ concentrations collected at Mong Kok Roadside Gaseous Monitory Station in Hong Kong during the year 2000. By comparing the predicted RSP, NO_x and NO₂ concentrationswith the actual data of these pollutants recorded at the monitorystation, the effectiveness of the proposed model has been proven.Therefore, in authors' opinion, the model presented in the paper is a potential tool in forecasting air quality parameters and hasadvantages over the traditional neural network methods.