大庆市红岗生态工业园区建设的必要性

黑龙江省是一个资源大省，过去几十年来多以资源初级开发为省内主要经济支柱，企业大多延袭传统的经营和管理模式，因此延长产业链条、走循环经济道路是本省未来经济发展的途径。大庆红岗区是大庆市主要工业区，本文论述了红岗区利用石油资源，创建生态工业园区的必要性。     

小流域水土保持综合治理效益指标体系及其应用

在分析总结已有水土保持综合治理效益评价指标与方法的基础上,结合黄土高原沟壑区自然、经济、社会条件及治理特点,遴选了9个评价指标,并采用层次分析的方法对两个典型小流域的效益进行了评价。     

类群划分方法对南亚热带水库夏季浮游植物群落与环境响应关系的影响

浮游植物群落对环境变化敏感,常用于评价水质和生态系统健康状态,但其对环境响应受类群单元的影响.为了解不同类群划分方法对浮游植物群落与环境响应关系的影响,以南亚热带地区8座水库的夏季浮游植物群落为研究对象,比较了分别以种（species）、属（genus）和门类（phyla）、形态功能群（morphology-based functional groups,MBFG）和生境模板功能群（functional groups,FG）为类群单元下浮游植物群落与环境因子的响应关系的差异.结果表明,8座水库均为中营养水体,以水温高（32.6±1.1）℃和有效光场弱（Z_eu/Z_m为0.48±0.28）为特征,水库间环境差异主要体现在溶解性营养盐的梯度上,溶解性营养盐的梯度显著高于总营养状态、温度和有效光照强度的环境梯度（P<0.05）.群落中种和属水平的类群单元多但生物量低,MBFG功能群和门类类群单元少但生物量高,导致虽然种属归类法的群落距离大于其他归类法,但种和属类群划分法的物种梯度（SCBD）和样点梯度（LCBD）均小于MBFG功能群和门类归类法.统计分析表明,5种类群划分法中只有MBFG和门类归类法的群落梯度对溶解性营养盐梯度有显著的响应关系,尤其是对pH值和PO₄^3--P浓度变化的响应;只有MBFG和门类归类法的群落梯度与营养状态指数（TSI）变化有显著回归关系.以上结果表明,当环境变化主要体现在营养盐的供应差异时,MBFG和门类类群划分法对环境识别的灵敏度高于其他方法.     

渭河水中有机物在几种土壤中的吸附特性

通过批量实验研究了渭河水中有机物在几种土壤中的吸附行为，测得吸附常数，给出吸附等温线。对吸附等温线进行分析，发现已经吸附的有机物分子会影响土壤的吸附性质。同时数据的拟合表明，有机物在不同土样中的吸附行为均可用Freundlich方程描述。吸附常数和固相一水分配系数表明4种土样中河沙的吸附能力最强，进一步的实验发现这是由于河沙中已经吸附的有机物最少，吸附位相对多，造成吸附能力强。     

科技进步与增加农民收入

本文论述了科技进步对增加农民收入的作用是无限的,指出科技进步是增加农民收入的根本途径;阐述了进步在增加农民收入上的功能作用;阐明了依靠科技进步增加农民收入的对策措施.     

一株白腐菌产生的漆酶对RB亮蓝的脱色作用

W 1是一株能在液体条件下产漆酶的白腐菌 ,纯化的漆酶对RB亮蓝有很好的脱色作用 .漆酶的最适脱色温度为 4 5℃ ,最适脱色pH值为 6 .0 ,脱色pH范围在 4～ 7之间 .当溶液中漆酶活力为 2 .0× 10 3 U/L时 ,在最适脱色条件下、16h内 ,RB亮蓝 (30 0mg/L)的脱色率可以达到 90 % .经酶作用后 ,RB亮蓝在 4 30～ 70 0nm范围内的特征颜色吸收峰基本消失 .实验证明 ,在相同的条件下 ,漆酶粗酶对RB亮蓝有更好的脱色效果 .图 7表 1参 6     

再生水深度处理站在火电厂回用水中的应用

某电厂利用市政中水经再生水深度处理站处理,用于热电厂补充用水。该处理站处理规模750 t/h,主要采用MBR工艺,并使用离子交换进行深度处理。结果表明:工作站运行稳定,水质与水量均满足电厂需求,有效地节约了水资源。     

基于DNA条形码技术的舟山海域石莼附生动物的分子生物学鉴定

我国绿潮暴发已持续10余年,对生态环境、旅游业等造成了严重影响。本文于2018年10月在舟山市枸杞岛附近海域采集石莼附生动物,并使用DNA条形码技术对其开展物种鉴定,旨在给绿潮暴发的生态防治提供数据参考。鉴定结果显示:附生动物主要分为麦秆虫亚目以及钩虾亚目,部分样品无法鉴定出具体种类,存在出现新种的可能性。优势种包括Caprella scauroides和Ampithoe lacertosa等,其中Ampithoe lacertosa在中国近海为首次记录。在上述基础之上,我们进一步探讨了各季节钩虾亚目不同物种对于藻类的取食偏好性,阐明了端足类生物在维持生态系统稳定性中发挥的重要作用,为防控绿潮暴发提供了新的思路。     

多机器学习模型下逐小时PM2.5预测及对比分析

为了能及时、准确的估算出PM_2.5浓度及污染等级,分别构建了K最邻近模型（KNN）、BP神经网络模型（BPNN）、支持向量机回归模型（SVR）、高斯过程回归模型（GPR）、XGBoost模型和随机森林模型（RF）6个PM_2.5浓度预测模型,选取江西省赣州市为实验区域,采用2017~2018年逐小时气象站数据、PM_2.5浓度数据和Merra-2再分析数据开展PM_2.5预测实验.结果表明,缺少污染物观测数据时,利用能见度和气象因子等数据也能较好的预测PM_2.5浓度.在PM_2.5浓度预测精度方面,XGBoost模型最高,随机森林模型次之,高斯过程回归模型最差.6个模型的预测精度总体呈现冬季最高,秋季和春季次之,夏季最低.XGBoost模型的PM_2.5污染等级预测准确率高于其他模型,综合准确率达87.6%,并且XGBoost模型具有训练时间短,占用内存小等优点.XGBoost模型的变量重要性结果表明,能见度变量的重要性最高,相对湿度和时间变量次之.本研究可为环境部门准确预测、预报PM_2.5浓度提供参考.