电磁环境对采后芒果的生理影响

系统研究了采后芒果在静电场,磁场,放电生成气环境下的生理变化。测试了呼吸速率,果体与果皮电解质渗出率,商品果率与病情指数等生理指标。研究结果表明,采后芒果在呼吸速率达到高峰之前电磁环境对其均有明显的作用,而在呼吸高峰之后,无明显影响。在我们设置的电磁环境参数中有几项显示保鲜作用。表１参６     

碱性矿化水淋洗对土壤盐碱化及小麦生长的影响

为探讨不同矿化度的水对土壤盐渍化的影响及相应的淋洗分数,采用土柱模拟方法,以小麦为指示作物,设计1.0 g/L,1.5 g/L两种矿化度,按3750 m3/hm2灌溉量,分一水、二水两种灌次,秋后进行人工淡水淋洗。结果表明,在半干旱气候条件下,开发碱性矿化水灌溉矿化度不宜超过1.5 g/L,否则有引起碱化的危险。干旱期用碱性矿化水灌溉抗旱时,在同等灌水量的情况下,一水灌溉比二水灌溉积盐轻。各种人工淋洗处理比CK洗盐效果好,其中以等量淋洗综合效益最好。     

标准物质在环境应急监测定量分析中的作用

以环境空气中挥发性有机物(VOCs)监测为例,比较分析了标准物质在应急监测、实验室定量分析,以及应急监测定量、半定量分析中的作用。结果表明,在有标准物质进行定量校准时,应急监测方法和实验室标准分析方法的定量结果具有可比性;在无标准物质进行半定量分析时,应急监测结果可能存在较大误差。提出,在需准确定量的应急监测中应使用标准物质进行校准,以保证监测结果的准确性。     

市场与政府对农户绿色防控技术采纳的协同作用分析

农户绿色防控技术的采纳对于农药减量、农产品质量提升和生态环境保护具有重要的积极作用。基于湖北宜昌、丹江口和江西赣州285个柑橘种植户样本,运用二元Logistic回归方法,分析市场利润与政府的激励和约束政策对农户绿色防控技术采纳意愿和行为的影响。研究表明:(1)仍有36.14%的样本农户在具有绿色防控技术采纳意愿的前提下并没有真实的绿色防控技术采纳行为;(2)农户的绿色防控技术采纳行为表达受市场利润与政府激励和约束政策的双重影响。在绿色市场发展不完善,市场利润激励不足的情况下,政府激励与约束政策均能不同程度促进农户的绿色防控技术采纳行为。也即政府激励与约束政策弥补绿色农产品市场不足,在引导和规范农户的绿色病虫害防治上起到积极作用。     

1990～2015年长江流域县域粮食生产与粮食安全时空格局演变及影响因素分析

长江流域粮食生产与经济发展在全国均占据重要地位,研究近25年长江流域粮食生产与粮食安全时空格局演变及影响因素,可为我国粮食安全及流域可持续发展提供科学依据。基于1990、1995、2000、2005、2010和2015年长江流域县域粮食产量、户籍人口数据、农业化肥使用量和粮食播种面积（740个区县）,运用粮食变化指数、探索性空间数据分析（ESDA）、重心转移模型和空间误差模型(SEM)研究其时空格局演变特征及影响因素。研究结果表明：（1）1990～2015年长江流域粮食产量总体呈增长趋势,东西差异显著,年均增长率为0.5%,上中下游依次为0.6%、0.8%和 -0.7%;上游为劣势区,中游为优势增长区,下游为减弱区。（2）粮食产量冷点聚类一直分布在上游地区,聚类格局在2000年左右由西南边界的“L”型转变为西北倒“L”型;下游江淮地区与太湖平原的热点集聚在2000年后消失,且长期处于减产状态;人均粮食占有量与粮食产量时空格局演变呈较高的空间相似性,2000年为流域粮食生产与粮食安全格局发生变化的转折点。（3）1990～2015年长江流域一般余粮县和重要余粮县重心呈现出“南下西移”态势,缺粮县和供需紧平衡县重心发生了“从南向北、从西向东”迁移变化。（4）粮食播种面积和农业化肥施用量对粮食生产均具显著性正向效益。     

基于MODIS数据的安徽省植被水分利用效率时空变化及影响因素

水分利用效率是衡量生态系统碳水循环耦合程度的重要指标。基于MODIS数据、土地覆盖类型数据和气象数据,估算安徽省植被水分利用效率(WUE）,采用趋势分析法和相关分析法对安徽省2000~2014年植被WUE的时空格局、变化趋势及影响因素进行研究。研究表明:（1）不同植被类型的WUE年均值差异明显,常绿阔叶林和常绿针叶林的WUE均值较高,分别达到1.66和1.69 gC?mm-1?m-2,而耕地的年均WUE最低,各植被类型的年均WUE按照“常绿针叶林>常绿阔叶林>灌木>草地>落叶阔叶林>针阔混交林>耕地”的顺序递减。植被年均WUE具有较强的空间分异性规律,整体上呈现南北高中间低的趋势,植被WUE的高值区主要分布在大别山区和皖南山区,分布范围与常绿针叶林、常绿阔叶林的分布范围基本一致。（2）安徽省2000~2014年植被WUE年内变化呈现出“增加-减小-增加-减小”的M状“双峰型”趋势,具有明显的季节差异,呈现出春季＞秋季＞夏季＞冬季的特征,各季节植被WUE的均值分别占植被WUE的32.58%、24.91%、29.27%、13.24%。（3）安徽省植被WUE动态变化受到降水影响显著的区域占比3.88%;气温显著影响的区域占比2.19%;降水显著影响的地区主要分布在林地范围内,温度显著影响的地区则位于耕地范围内,降水和气温综合显著影响所占面积最小,为0.11%;而植被WUE受气温和降水影响均不显著占比为93.82%;整体上,安徽省大部分地区的植被WUE变化主要受非气候因素影响。     

清水冲涮对向家坝以下金沙江河床及岸线资源的影响

随着金沙江下游梯级水电开发的蓬勃开展,清水下泄对下游河床及岸线的影响问题逐渐显露。通过实地观测,走访及清水下泄前后政府和民间数据、影像资料等对比分析,探讨问题的根源和避免问题严重化途径,为共抓长江大保护,为修复长江生态环境提供参考依据。结果发现:清水下泄对向家坝水电站坝址以下金沙江段部分河床及岸线资源造成了较为明显的影响。如该江段原来常见的砂滩、砾石滩除杨湾码头仅存一个沙岛外,其余全部消失;无防护设施的河段(如火焰村小岸组、火焰组和新桥组,豆坝村的马槽、娱乐、黄泥、丰收、中心三组,普安镇的13、12、7、5、4、3、2、1组,西郊街道白石社区新村组)受顶冲作用导致一半以上河漫滩地流失甚至引起滩岸坍塌;白家滩大堤一处坝垛根石将被掏蚀殆尽。此外,水富港三期扩能工程因侵占河道和开挖船池,进一步加剧了对四川安边镇小岸坝的不利影响。严重的下蚀侧蚀导致该江段同期水位明显下降,也对岸线两侧的居民生产生活带来安全隐患。相关各方对区域的特殊性及水电站修建造成的影响存在认识不足,各自的发展、利益和环境保护需求之间的矛盾等是问题产生的根本原因,问题出现后又缺少有效的沟通机制等。     

大尺度障碍物与泄爆面对天然气内爆炸的协同作用规律研究

为阐释民用建筑内部大尺度物品与门窗等泄爆面对天然气爆炸灾害的协同作用机制,基于典型厨房空间布局及内部物品特征,借助计算流体动力学技术研究了不同泄爆面开启压力和不同大尺度障碍物体积阻塞率条件下天然气内爆炸火焰速度、爆炸超压的分布规律。研究结果表明:大尺度障碍物与泄爆面对室内天然气爆炸过程具有显著的协同作用,共同促进火焰速度与爆炸超压的显著增长,并缩短峰值超压到达时间;大尺度障碍物的存在虽然显著降低了室内天然气的体积,但从增加房间内湍流源和相对长径比的角度进一步促进了泄爆效应;大尺度障碍物与泄爆面协同作用下,室内火焰速度呈现明显的阶段性特征,并在泄爆面附近发生波动。研究结论可为民用建筑物内气体爆炸事故调查分析和灾害评估提供科学依据。     

Increasing the recovery of heavy metal ions using two microbial fuel cells operating in parallel with no power output

The present study aimed to improve the performance of microbial fuel cells (MFCs) by using an intermittent connection period without power output. Connecting two MFCs in parallel improved the voltage output of both MFCs until the voltage stabilized. Electric energy was accumulated in two MFCs containing heavy metal ions copper, zinc, and cadmium as electron acceptors by connection in parallel for several hours. The system was then switched to discharge mode with single MFCs with a 1000-Ω resistor connected between anode and cathode. This method successfully achieved highly efficient removal of heavy metal ions. Even when the anolyte was run in sequencing batch mode, the insufficient voltage and power needed to recover heavy metals from the cathode of MFCs can be complemented by the developed method. The average removal ratio of heavy metal ions in sequencing batch mode was 67 % after 10 h. When the discharge time was 20 h, the removal ratios of zinc, copper, and cadmium were 91.5, 86.7, and 83.57 %, respectively; the average removal ratio of these ions after 20 h was only 52.1 % for the control group. Therefore, the average removal efficiency of heavy metal ions increased by 1.75 times using the electrons stored from the bacteria under the open-circuit conditions in parallel mode. Electrochemical impedance data showed that the anode had lower solution resistance and polarization resistance in the parallel stage than as a single MFC, and capacitance increased with the length of time in parallel.

     

Deep learning architecture for air quality predictions

With the rapid development of urbanization and industrialization, many developing countries are suffering from heavy air pollution. Governments and citizens have expressed increasing concern regarding air pollution because it affects human health and sustainable development worldwide. Current air quality prediction methods mainly use shallow models; however, these methods produce unsatisfactory results, which inspired us to investigate methods of predicting air quality based on deep architecture models. In this paper, a novel spatiotemporal deep learning (STDL)-based air quality prediction method that inherently considers spatial and temporal correlations is proposed. A stacked autoencoder (SAE) model is used to extract inherent air quality features, and it is trained in a greedy layer-wise manner. Compared with traditional time series prediction models, our model can predict the air quality of all stations simultaneously and shows the temporal stability in all seasons. Moreover, a comparison with the spatiotemporal artificial neural network (STANN), auto regression moving average (ARMA), and support vector regression (SVR) models demonstrates that the proposed method of performing air quality predictions has a superior performance.