近14年西北地区甲醛柱浓度的时空变化研究

基于臭氧监测仪（OMI）卫星反演数据,对2005~2018年西北4省区域大气甲醛柱浓度数据进行提取及分析,探讨其时空变化特征及影响因素.结果表明：在时间变化上,14a甲醛柱浓度整体呈先上升后下降的波动变化趋势,夏秋季显著高于冬春季,且冬季均值略高于春季.在空间分布上,甲醛柱浓度自西向东、自北向南逐渐升高,高值区集中于陕西和甘肃东南部及青海西南部;低值区集中于宁夏、青海和甘肃的西北部;稳定性呈现出东部分散、西部集聚、差异显著的分布格局.影响甲醛柱浓度变化的因素包括自然和人为因素,自然因素中,甲醛柱浓度受地形影响显著,与风向、气温均呈现显著正相关;人为因素中,甲醛柱浓度与人口密度、地区生产总值、工业废气排放量及建筑房屋竣工面积均表现出正相关关系,与工业废气排放量的相关度最高.大气中甲醛分子与气溶胶粒子二者间呈显著正相关关系,这进一步说明甲醛浓度受到了诸多因素的综合影响,但气溶胶粒子、气温及工业废气的排放是主导因素.     

泗顶矿区6种土地利用类型土壤微生物群落结构特征

以广西柳州泗顶铅锌矿区的玉米地、菜地、灌木、尾矿库、森林和柑橘园6种不同利用类型土壤为研究对象,采用高通量测序技术,分析了不同土地利用类型土壤微生物群落结构特征及土壤环境因子对微生物群落结构的影响.结果表明,变形菌门（Proteobacteria）是6种土壤的优势菌门,所占比例为31.34%~53.47%,γ-变形菌纲（Gammaproteobacteria）为优势菌纲.冗余分析表明,在重金属含量最高的灌木区,厚壁菌门（Firmicutes）和拟杆菌门（Bacteroidetes）的丰度与土壤中铅、锌、镉、铜的含量呈现显著正相关;在土壤钠和钾含量较高的玉米地和菜地,浮霉菌门（Planctomycetes）的丰度有所增加,而厚壁菌门和拟杆菌门的丰度则有所下降.在土壤有机质含量较高而总氮、总磷含量较低的柑橘园,酸杆菌门（Acidobacteria）和疣微菌门（Verrucomicrobia）的丰度较高.芽单胞菌门（Gemmatimonadetes）和浮霉菌门的丰度与土壤pH值呈显著正相关.研究结果表明土地利用类型及土壤环境因子对土壤微生物群落结构多样性有显著的影响.     

海绵城市透水砖铺装系统雨水入渗及重金属污染物迁移模拟

海绵城市透水砖铺装系统（PBPS）入渗特征是产流控制及径流污染物去除的重要影响因素之一。通过渗流实验,构建系统土壤层土水特征曲线,建立降雨入渗及径流重金属污染物迁移数学模型,以阐明找平层土壤粒径、基层与垫层厚度比对产流时间及径流重金属污染物去除的影响。研究表明:综合考虑延迟产流与径流重金属去除能力,中砂作为找平层介质最佳;依据结构层出水重金属污染物浓度,基层与垫层厚度比为15∶4时,PBPS对径流中重金属污染物吸附效率最高、去除效果较好。     

二乙烯三胺五甲叉膦酸酸解磷尾矿的实验探究

为减少磷尾矿堆积带来的环境污染问题,实现磷尾矿的钙、镁、磷元素的分离,以高镁磷尾矿为原料,采用二乙烯三胺五甲叉膦酸(DTPMP)进行酸解,探究磷尾矿中主要物相在DTPMP中的分解机制,并通过单因素实验探究pH、反应时间、反应温度及投料比对磷尾矿中MgO、CaO和P_2O_5分解率的影响。实验结果表明:pH对P_2O_5的分解率影响较大,高温更有利于尾矿中镁的溶出,在pH为2. 5,反应时间为60 min,反应温度为80℃,投料比为1. 56时,MgO、CaO和P_2O_5的分解率分别达到61. 05%、38. 23%和9. 67%。     

建筑垃圾堆放点样本集构建与优化研究

为更好地解决手工制作的建筑垃圾堆放点样本集效率低、数据量少,难以支撑基于深度学习的遥感图像目标检测算法训练需求的问题,采用基于像素的遥感分类方法构建建筑垃圾堆放点样本集,在此基础上结合直方图均衡化,CS-LBP算子约束以及迁移学习的方法对Wasserstein生成对抗模型（WGAN）进行优化,实现了样本集扩充。研究结果表明:相对于纯手工制作的样本集,基于像素的遥感分类方法可以显著提升样本集制作的效率;同时,经过WGAN优化后,生成样本模拟了原始数据的颜色与纹理特征分布规律,增加了原始数据的多样性,满足了扩充样本集的需求。     

Phosphate recovery with granular acid-activated neutralized red mud: Fixed-bed column performance and breakthrough curve modelling

Granular acid-activated neutralized red mud (AaN-RM) has been successfully prepared with good chemical stability and physical strength. However, its potential for industrial application remains unknown. Therefore, the performance of granular AaN-RM for phosphate recovery in a fixed-bed column was investigated. The results demonstrated that the phosphate adsorption performance of granular AaN-RM in a fixed-bed column was affected by various operational parameters, such as the bed depth, flow rate, initial solution pH and initial phosphate concentration. With the optimal empty-bed contact time (EBCT) of 24.27 min, the number of processed bed volumes and the phosphate adsorption capacity reached 496.95 and 84.80 mg/g, respectively. Then, the saturated fixed-bed column could be effectively regenerated with a 0.5 mol/L HCl solution. The desorption efficiency remained as high as 83.45% with a low weight loss of 3.57% in the fifth regeneration cycle. In addition, breakthrough curve modelling showed that a 5-9-1 feed-forward artificial neural network (ANN) could be effectively applied for the optimization of the fixed-bed adsorption system; the coefficient of determination (R²) and the root mean square error (RMSE) evaluated on the validation-testing data were 0.9987 and 0.0183, respectively. Therefore, granular AaN-RM fixed-bed adsorption exhibits promising potential for phosphate removal and recovery from polluted water.