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.     

企业社会责任:推动可持续发展的第三种力量

可持续发展是企业社会责任的重要领域。企业社会责任在推动可持续发展方面发挥着独特的作用。一定程度上弥补了政府干预和市场调节的缺陷。我国企业承担可持续发展责任需要企业和社会的互动。     

村级水资源的管理与利用研究--来自南方四个村的案例分析

农村水资源及其相关设施的改革需要更多了解村和户层次上的现实状况和机制安排。以避免改革扭曲和失败。通过对湖北和广西共四个村的村委会、关键知情人及120个农户的调查。在村和农户两个层次上描述水资源及其相关设施的管理与利用，尤其是在干旱年份村和户所采取的策略。并深入分析了农村村级水资源管理与利用的制度安排与问题。得出的结论是。追求水利管理效率的市场化改革需要考虑干旱的威胁，要有基于风险的制度设计和法律保障。     

金属表面涂装行业VOCs排放特征及排放系数

对比了浙江省2014和2018年金属表面涂装企业的有机废气排放及治理情况,分析了该行业涂料及稀释剂的使用、主要污染因子,测算了溶剂型、水性涂料的挥发性有机物（VOCs）产生系数和排放系数.结果表明：2018年VOCs治理水平明显高于2014年,水性涂料使用企业比例由18%上升至36%,纯溶剂型企业由82%下降至64%;金属表面涂装行业的主要排放污染物为二甲苯、丁醇、乙酸乙酯、乙酸丁酯、甲苯、丙二醇、乙苯、苯乙烯等8种有机物.溶剂型和水性涂料的VOCs产生系数分别为0.72和0.31kg/kg;溶剂型和水性涂料2014年VOCs排放系数为0.64和0.29kg/kg,2018年为0.48和0.21kg/kg.     

金属改性对SAPO-34低温还原NO性能的影响

采用浸渍法制备金属改性SAPO-34分子筛催化剂,分析比较了不同单金属（Cu或Co）及不同比例双金属（Cu：Co=1：1、3：1、5：1,质量比）改性催化剂对NO的催化还原性能,评价了不同催化剂的N₂选择性,并采用扫描电子显微镜（SEM）、比表面积测试、X射线衍射分析（XRD）、NH₃-程序升温脱附（NH₃-TPD）等表征手段对催化剂的物化性能进行了分析.结果表明,单金属Cu改性催化剂具有较宽的温度区间,在250~450℃范围内NO的转化率始终保持在100%;双金属改性使NO转化率保持为100%的最低温度下降了25~50℃,显著拓宽了低温段窗口,其中,Cu₃Co₁/SAPO-34催化剂的低温催化还原性能最好,200℃即可实现100%的NO转化率,175℃下的转化率也高达80%以上.Cu-Co双金属改性SAPO-34分子筛催化剂具有优异的低温催化还原NO性能,具有在机动车尾气、工业废气的低温脱硝治理领域应用的潜力.     

中国近岸海域优势藻种吸收利用磷的过程

通过现场采样和室内培养实验分析了藻类植物的生长状况和细胞结合态磷对磷酸盐浓度的响应.现场调查结果发现,在水华区域藻类植物的细胞磷库分布特点与非水华区域明显不同.室内培养结果发现,中肋骨条藻和东海原甲藻的最大磷酸盐吸收速率为7.71,2.39μmol/（L·d）,最大比生长率分别为0.517,0.262d^-1,磷酸盐吸收同化率为5.9×10^-8,4.7×10^-7μmol/cell,前者具有更快的磷酸盐吸收能力,更高的比生长率和较低的磷酸盐吸收同化率.2种藻细胞内结合态磷通常占细胞总磷库的50%以上,是细胞磷库主要存在形式.中肋骨条藻种群可以通过藻细胞数量增长来吸收环境中的磷源,而东海原甲藻则会优先满足细胞自身的磷储存后进行细胞增殖.在高浓度磷环境中,东海原甲藻种群的细胞不同结合态磷的质量浓度会达到饱和.磷匮乏时,中肋骨条藻和东海原甲藻的细胞内结合态磷的质量浓度与零时刻相比分别降低了45%和66%,前者明显低于后者.培养过程中,中肋骨条藻单个细胞的细胞表面吸附态磷库（95%）比细胞内磷库（50%）的降低幅度更大,东海原甲藻则与之相反.     

基于风险矩阵和五元减法集对势的湖泊水生态健康动态诊断评估

为判断湖泊水生态健康子系统发展趋势、诊断病态因子,引进了五元减法集对势,建立生态子系统与物理化学子系统的合成矩阵得到湖泊水生态健康状态,从而提出了基于风险矩阵和五元减法集对势的湖泊水生态健康动态诊断评估方法,并应用于安徽省瓦埠湖。结果表明:瓦埠湖水生态健康状态1980—2015年呈变差趋势,2012年为微病态,2015年略有好转。五元减法集对势识别出瓦埠湖水生态健康的病态因子主要有底栖动物、浮游动物、叶绿素、COD、TN、TP和透明度,为改善瓦埠湖水生态健康的重要指标。上述风险矩阵和五元减法集对势耦合的动态诊断评估方法可为湖泊水生态健康评估提供新的思路。     

基于神经网络的东北地区秸秆焚烧预测

选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明：人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80：20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持.     

秸秆还田方式对东北农田土壤NH3挥发和N2O排放的影响

秸秆还田是有效利用资源、增加土壤有机质含量和培肥地力的有效措施,但也会影响土壤NH₃挥发和N₂O的排放.探索不同秸秆还田方式对NH₃挥发和N₂O排放的影响对于减少土壤氮素损失和保护生态环境具有重要意义.采用田间小区试验,利用Los Gatos Research（LGR）超便携NH₃分析仪和密闭式静态箱-气相色谱法探究不同秸秆还田方式下土壤NH₃挥发和N₂O排放的特征,试验设4个处理（覆盖还田,即表面覆盖玉米秸秆,0~20和20~40 cm土壤分层扰动后填回,记为JG0-0;常规还田,即秸秆与0~20 cm土壤混合,20~40 cm土壤扰动后填回,记为JG0-20;深还田,秸秆与20~40 cm土壤混合,0~20 cm土壤挖出后填回,记为JG20-40;对照处理,即无玉米秸秆还田,0~20和20~40 cm土壤分层扰动后填回,记为CK）.结果表明:①相比于CK,不同秸秆还田方式均显著降低了土壤NH₃挥发量,增加了土壤N₂O排放量.与CK相比,JG0-0、JG0-20和JG20-40处理下土壤NH₃累积排放量分别减少了12.38%、9.87%和5.73%;土壤N₂O累积排放量分别增加了30.19%、82.82%和36.53%,其中JG0-0和JG20-40处理之间无显著性差异.②JG20-40处理下玉米产量显著高于其他处理,比CK增加了23.15%,JG0-0处理下玉米产量高于CK和JG0-20处理,但并未达到显著水平.③对于NH₃和N₂O这两种气体的总累积排放量,各处理间均达到显著性差异.与CK相比,JG0-0、JG0-20和JG20-40处理下NH₃和N₂O总累积排放量分别增加了16.67%、52.08%和22.92%.④不同秸秆还田方式下的氮素气态损失率均高于CK,JG0-0、JG0-20和JG20-40处理下氮素气态损失率分别比CK增加了17.50%、52.50%和22.50%.因此,综合考虑土壤NH₃挥发量、N₂O排放量和玉米产量等因素,JG0-0处理优于JG20-40、JG0-20处理.