南疆西部不同植被类型NDVI对风沙灾害的响应

不同植被类型对风沙灾害的响应研究有助于风沙灾害的遥感监测评估和防灾减灾工作。采用传统统计学和空间自相关方法,利用MODIS的每日反射率和土地类型产品,分析了风沙灾害后南疆西部不同植被类型NDVI的变化规律及其空间分布特征。结果表明：风沙灾害后,研究区不同植被类型NDVI的差异在增大,NDVI变化值在一0．3865~0．4148之间,NDVI减小的面积占整个研究区面积的54．98％,变异系数增大值在2．44％～36．75％之间;受到风沙灾害的影响,研究区植被NDVI全局Moran’SI系数从0．7982减小到0．6786,但在空间上仍存在显著的正相关性,具有显著的空间集聚特征;由NDVI差值的局部空间自相关指标集聚图以及不同植被类型NDVI差值的空间关联区域面积百分比,可以发现落叶针叶林和裸地或低植被覆盖地受风沙灾害的影响较小,郁闭灌丛和作物受风沙灾害的影响较大。上述关于风沙灾害后南疆西部不同植被类型的变化及其空间格局的研究结果,不仅证明了防护林的风沙阻挡作用,也可以为风沙灾害的防治工作提供参考依据。     

崇明东滩芦苇湿地氧化亚氮排放

采用静态箱-气相色谱法,研究了崇明东滩芦苇带氧化亚氮(N2O)的排放通量.结果表明,在生长季,高潮滩无植被覆盖沉积物与芦苇根际土中NO3--N的含量变化趋势基本一致,而两者的NH4+-N的含量变化趋势则有所不同;芦苇对高潮滩沉积物N2O排放有较强的促进作用,特别是7月份,使高潮滩沉积物的排放量由0.71μg·m-·2h-1增加到566.28μg·m-·2h-1.而在1月份,芦苇根际土N2O的通量也存在小幅排放,由-4.02mg·m-·2h-1增加到67.54μg·m-·2h-1.对于芦苇根际沉积物而言,除NO3--N、NH4+-N、温度和水分以外,植物的生理过程也是控制N2O排放通量的主要因子.     

北京市秋冬季大气环流型下的气象和污染特征

分析了北京市2013~2018年秋冬季（即当年11、12月和次年1、2月份）11种环流型的地面和垂直气象特征,归纳出5类大气环流条件,探讨了不同环流型下北京地区的大气传输规律以及环流型与北京PM_2.5污染之间的关系.在5类大气环流条件中,第I类（含北（N）、东北（NE）环流型,天数占比28%）和第Ⅱ类（含西北（NW）、反气旋（A）环流型,占33%）有利于传输扩散,以西北风为主,风向较稳定,风速大,边界层高度高;第Ⅲ类（含东（E）环流型,占7%）传输扩散条件居中,边界层内以东南风为主,风向变化大,风速中等;第IV类（含西南（SW）、西（W）、南（S）3种环流型,占12%）和第V类（含东南（SE）、均压（UM）、气旋（C）3种环流型,占20%）均不利于传输扩散,边界层内以偏南风为主,风速较小,边界层高度低,低层逆温较强,第IV类近地面风向较稳定,而第V类则风向变化大.不同环流型下气团传输至北京的路径存在差异,对北京空气质量产生潜在影响的周边地区随之发生变化.大气环流型与北京市秋冬季PM_2.5污染紧密关联,SW、UM、C、S和W是北京地区最易发生PM_2.5污染的环流型（平均污染发生频率>75%,平均重度以上污染发生频率>42%）,而在N、A、NE和NW环流型下污染发生频率最低.研究期间,PM_2.5污染极端严重的月份存在UM环流型占比显著增加的共同特点,而PM_2.5污染水平最低的月份N环流型占比增加近一倍.此外,PM_2.5污染变化相对于环流型变化存在一定的滞后性.     

产业结构与产业空间结构自适应性研究——以江苏省苏锡常地区为例

阐述了新形势下产业转型与空间结构重塑的新要求,对产业结构与产业空间结构协调发展的自适应规律进行了系统总结。以江苏省苏锡常地区为例,运用改革开放30 a以来的发展数据,分析了不同时期产业结构与空间结构的演化特征与匹配关系,提出了苏南产业结构与空间结构转型的政策建议。实证表明,苏南每一个发展阶段的跨越实际上都是发展模式〖JP2〗再创新的过程,同时伴随着新一轮产业结构调整和空间结构重组。在不同发展阶段,产业结构与空间结构具有不同的特征、结构和最佳匹配模式,两者只有在发展阶段上保持一致,才能促进经济社会协调发展     

北京市压缩天然气公交车的环境效果分析

经过对北京市2007年公交车队的详细技术构成与实际运营情况的调研,发现北京市公交车队的主力车型为国三和国四车辆,应用修正的COPERTIV模型计算出北京市各技术水平的汽油、柴油和压缩天然气(CNG)公交车的排放因子.2007年北京市国三CNG公交车PM2.5和NOx单车排放因子分别比国三柴油车削减了97%和30%,而公交车队中排放控制最为严格的EEV天然气公交车的PM2.5和NOx单车排放因子分别比国四柴油公交车削减了93%和69%.但由于CNG公交车的CH4排放水平较高,导致CNG公交车的总碳氢化合物(THC)单车排放因子显著高于相近控制水平的柴油公交车.在单车排放水平的基础上建立了北京市公交车排放清单,2007年北京市公交车排放的CO、NMHC、THC、NOx和PM2.5分别为9051t、955t、1222t、8553t和161t.与没有CNG公交车的对照情景进行比较,在使用了CNG公交车后,2007年北京市公交车CO、NMHC、NOx和PM2.5排放总量分别削减了293t、62t、775t和33t,削减比例分别为3.1%、6.1%、8.3%和17.2%.2007年北京市通过在公交车队中使用CNG车辆共减少了柴油消耗量约5.0×104t,相当于北京市各行业柴油总消耗量的2.6%.2007年北京市公交车尾气排放的温室气体的CO2当量为8.3×105t,比不使用CNG车辆的情景略微增加了2.4%.     

膨润土对不同类型农田土壤重金属形态及生物有效性的影响

通过盆栽试验,研究了膨润土对3种类型农田土壤中土壤理化性质、Cd、As、V和Cr的形态、小白菜(Brassica chinensis L.)生长、重金属吸收及根际微生物群落的影响.结果表明,添加膨润土降低了3种土壤中可交换态Cd比例,降幅依次为黄壤(Gy,19. 44%)黄褐土(Sy,13. 85%)潮土(Bf,5. 03%),小白菜地上部Cd对应降幅为Gy(34. 81%) Bf(23. 91%) Sy(11. 11%);与各自对照相比,Bf和Sy中可交换态As比例降低,降幅分别为4. 53%和25. 16%,Gy中可交换态As比例升高了0. 57%;可交换态Cr比例均升高,增幅依次为Sy(31. 30%) Gy(2. 91%) Bf(0. 58%); As、V和Cr残渣态均升高(Sy中Cr除外),小白菜对其吸收也不同程度地降低.膨润土有助于3种土壤中小白菜的生长,Bf中小白菜生物量、根表面积、根尖数分别增大了147. 55%、80. 71%和124. 31%.此外,膨润土降低了3种类型土壤中速效氮、速效磷和有机质的含量,增大了速效钾含量和根际微生物群落多样性.因此,认为膨润土均适用于这3种土壤的修复改良.     

实施行为安全修正机制的探讨

行为安全修正理论是在“行为ABC”心理学研究的基础上提出的改变人的行为的理论,它通过变革型领导的领导方式来获得员工对组织的信任,并通过强化行为的实施结果对行为人本身的影响来强化人们实施安全的或是考虑更加安全的工作方法.本文通过对国内外一些相关研究进行回顾和对比,结合行为心理学理论,对行为安全的要旨进行了概述,并指出通过...     

pH值对动电技术去除污泥中Pb的影响

动电技术是去除污泥中重金属的有效方法.在动电去除污泥中重金属的过程中,污泥的pH值是影响重金属去除效率的主要影响因素.以福州快安污水处理厂污泥为研究对象,采用HNO3为酸化剂,将污泥的pH值由初始的6.03调节为1.05、2.30、3.26和4.66,在电压梯度为1 V/cm,通电时间为5 d的条件下进行系列动电试验,探讨污泥pH值与重金属Pb的去除率之间的关系.结果表明,污泥的pH值越低,Pb的动电去除率越高.污泥的pH值为1.05、2.30、3.26、4.66和6.03时,对应的1#区域Pb的去除率分别为48.5%、47.9%、33.7%、32.3%和27.4%.研究表明,降低污泥的pH值可以改变重金属Pb的赋存形态,增强Pb的迁移性,提高Pb的动电去除效率.     

菜籽油直接胺解法制备咪唑啉衍生物的缓蚀性能研究

为了降低原料成本,减少三废污染,以菜籽油和羟乙基乙二胺为原料,采用潜溶剂法合成咪唑啉中间体IM-1,再分别与氯化苄和氨基磺酸进行改性,得到阳离子咪唑啉衍生物IM-2和两性咪唑啉衍生物IM-3。应用红外光谱和核磁共振氢谱对合成产物进行鉴定。从中优选出1种与助剂KI(20∶1)复配,得到复配缓蚀体系IM-4。利用挂片法评价了该复配体系IM-4的缓蚀性能,并探究了其在A3钢表面的成膜性能。利用扫描电镜观察了加入IM-4前后A3钢的表面形貌,并与常用缓蚀剂进行了缓蚀性能的比较。结果表明,该缓蚀体系IM-4在盐酸溶液中对A3钢具有较强的缓蚀性能,静态缓蚀率为88.62%~98.98%,动态缓蚀率为86.76%~95.85%。     

污染土壤淋洗液中六氯苯的电化学法处理研究

采用电化学稳定性较好的钛基镀RuO2为阳极,以不锈钢板为阴极,对污染土壤淋洗液中的六氯苯进行电化学处理,研究了溶液初始pH值、HCB初始浓度、电解时间、电解质浓度、外加电压等因素对六氯苯处理效果的影响。所得最佳工艺条件为:用TX-100做增溶剂时,在HCB初始浓度300μg/L、溶液初始pH为3,电解质浓度为1%,外加电压为6V时,电解3hHCB去除率为60.3%。气相色谱分析表明:阴极还原脱氯是HCB电化学降解的主要途径,检出的降解产物有五氯苯、1,2,4,5-四氯苯和1,2,3,4-四氯苯。