城市土地利用类型与PM2.5浓度相关性研究——以武汉市为例

随着我国工业化的不断发展,在我国的主要经济发展地区的雾霾天气不断爆发,使我国的大气环境日益恶化,严重影响了人们的日常生活和身体健康。PM2.5作为雾霾的重要组成成分,也日渐成为环境领域的研究热点问题。随着全球性变化研究领域逐渐加强了对土地利用与生态环境的相关研究,因此无论从法律和社会经济发展的角度,还是从生态资源保护与环境可持续发展的角度,土地利用与PM2.5的相关研究都显得相当重要。研究目的:分析武汉市各类用地类型与PM2.5浓度的相关性程度。研究方法:使用ENVI与ArcGIS对武汉市2013年MODIS气溶胶产品进行空间分析与插值处理,再应用SPSS将其与武汉市2013年10个观测点的PM2.5浓度数据作相关性分析,以证实MODIS气溶胶厚度与PM2.5浓度的相关性,并建立两者的线性回归方程,然后利用计算后的武汉市整体PM2.5浓度分布与各土地利用类型进行相关性研究。研究结果:武汉市PM2.5浓度有明显的空间分布特征,绿化面积比例与PM2.5浓度呈显著负相关,建设用地面积比例与PM2.5浓度呈显著正相关,未利用地面积比例虽然与PM2.5浓度呈正相关,但相关性较低,而耕地与水体对PM2.5浓度没有显著影响。研究结论:土地利用类型对武汉市PM2.5浓度的分布有显著的影响,其与搭载MODIS传感器的遥感卫星监测方式的结合能成为研究大范围特定区域PM2.5浓度空间格局的新方法,并且增加城市绿化面积,控制建设用地规模能有效减少PM2.5浓度。     

有机化学品不同温度下(过冷)液体蒸气压预测模型的建立与评价

(过冷)液体蒸气压(PL)是评价化学品在环境中分配、迁移和归趋行为的重要参数。PL具有较强的温度依附性。发展一种能够精确预测不同环境温度下化学品PL的方法,有助于填补化学品生态风险评估的大量数据缺失。本研究收集整理了661种有机化合物在不同温度下(200~830 K)共计10 478个log PL值。在此基础上,采用偏最小二乘(PLS)回归和支持向量机(SVM)方法,构建了PL的线性和非线性预测模型。结果表明:2种模型均具有良好的拟合度、稳健性及预测能力,SVM模型的预测性能略高于PLS模型(PLS:R2adj.tra=0.912,RMSEtra=0.477,Q2ext=0.910;SVM:R2adj.tra=0.997,RMSEtra=0.092,Q2ext=0.967)。机理分析表明,温度是影响PL的主要因素,温度越高,蒸气压越大;其次,X1sol也影响PL大小,X1sol用来描述分子间的色散作用,分子间色散力越小,蒸气压越大;此外,化合物的氢键个数、极性和分子构型等因素也影响PL大小。采用Wiliams plot方法表征了PLS模型应用域。所建立的模型可用来预测烷烃、烯烃、醇、酮、羧酸、苯、酚、联苯、卤代芳香烃、含N化合物及含S化合物在不同温度下的PL数据。     

黄河三角洲自然保护区秋冬季水鸟群落组成与生境关系分析

于2014年10月至2015年1月采用样线调查法对黄河三角洲自然保护区秋季迁徙期和越冬期水鸟群落结构进行调查研究,调查共包括8条样线40个观测点.结果表明:(1)秋季迁徙期共记录水鸟6目14科54种,国家Ⅰ级保护鸟类5种,国家Ⅱ级保护鸟类8种;越冬期共记录水鸟5目7科31种,国家Ⅰ级保护鸟类1种,国家Ⅱ级保护鸟类4种.(2)2个时期雁形目水鸟种类和数量均占优势,豆雁(Anser fabalis)、斑嘴鸭(Anas poecilorhycha)、赤膀鸭(Anas strepera)和绿头鸭(Anas platyrhynchos)为优势物种,丹顶鹤(Grus japonensis)、东方白鹳(Ciconia boyciana)和大大鹅(Cygnus cygnus)等珍稀水鸟也有一定的种群数量.(3)秋季迁徙期水鸟种数、数量和ShannonWiener多样性指数多于或高于越冬期.(4)5种典型生境之间水鸟种类和数量存在差异,天然水域是水鸟群落的主要分布区.(5)自然生境内的水鸟种数、数量和Shannon-Wiener多样性指数一般多于或高于人工生境.相似性分析结果表明,自然生境之间水鸟群落结构相似程度高于人工生境.     

Impact of leakage location and downwind storage tank on the gas dispersion in a typical chemical tank storage area

Toxic gas leakage in a tank area can have catastrophic consequences. Storage tank leakage location (particularly for high leakage) and downwind storage tanks potentially influence gas diffusion in tank areas. In this study, we developed a numerical and experimental method to investigate the impact of a high leakage location and downwind storage tank on gas diffusion based on three (1.05H, 0.90H, and 0.77H, H was the tank height, 22m) leakage field experiments on the leeward side of storage tank, which have been not conducted before. The experiments revealed an unexpected phenomenon: the maximum ground concentration first decreased and then increased with increasing leakage height. The simulations illustrated that the differences in micrometeorological conditions caused the maximum ground concentration of gas emitted from the roof to be higher than that emitted from the tank wall near the storage tank height. The downwind storage tank 1) had little influence on the entire diffusion direction but altered the local diffusion pattern; 2) reduced the maximum ground concentration (∼18.7%) and the distance from the emission source (approximately a storage tank diameter); and 3) had strong influences on the concentration, velocity, turbulence, and pressure on the leeward side. The concentration negatively correlated with the velocity, pressure, and turbulence in the middle of the two storage tanks on wind centerline. Our results can improve understanding of gas dispersion in tank areas and provide references for mitigating loss and protecting lives during emergency response processes.     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.     

碳中和趋势下数学模拟在污水处理系统中的发展与综合应用

数学模拟技术在污水处理方面被广泛应用,为了系统总结相关技术,本文回顾了污水处理系统中数学模拟技术的发展历程;综述了活性污泥模型(ASM)与机器学习(ML)在水质预测及参数工况优化领域中的应用;重点探究了污水处理系统中温室气体排放模型,以及多目标优化模型在污水处理系统中温室气体排放(GHG)、出水质量(EQI)和运行成本(OCI)的权衡问题;归纳了数学模拟技术在实现污水厂能量自给与资源回收的应用发展.研究结果表明数学模拟技术能准确预测出水水质、快速优化工艺参数、权衡温室气体排放、出水水质与运行成本之间的关系、以及提高资源回收效率等.因此,数值模拟技术可有效指导污水处理工艺的运行优化以及管理,为污水处理行业减污降碳协同增效提供技术支撑.     

人为排放及气象因素对空气质量影响的定量分析——以疫情期间邢台市为例

选择河北省邢台市作为研究对象,将2020疫情作为一个极限管控措施下的极限减排实验情景,把2021疫情作为未来常态化疫情防控实验分析情景.与疫情前期对比,两次疫情期间臭氧浓度均有提升且2021疫情时期颗粒物浓度同样有提高,2020疫情时期其他污染物浓度均有不同程度的改善,而与2019历史同期相比,两次疫情期间臭氧浓度同样有升高现象,除此以外,2021疫情时期污染物改善较好.利用长短期记忆网络（LSTM）算法和空气质量预报模式系统（WRF-CMAQ）量化了两次疫情时期气象因素对于污染物浓度变化的影响,根据空气质量模拟法反推了不同污染物受人为影响的浓度变化.实验结果表明,LSTM算法在两次疫情期间的模拟均显示人为影响对污染物产生了负影响（降低了污染物浓度）且在总变化影响中占比较高,而CMAQ模式模拟结果中的气象因素影响占比远高于LSTM算法.CMAQ模式在两次疫情模拟中表现出了不同的结果,在2020疫情中人为影响占据了主导,而在2021疫情中,相比较2020疫情时期,除NO₂外,人类活动对其他污染物的影响均为正值（促进了污染物浓度升高）.     

正渗透去除地表水中DOM的效能研究

采用经砂滤处理后的滆湖水作为原料液,氯化钠溶液作为汲取液,在不同影响因素条件下进行正渗透试验,并对试验后的膜片进行清洗,探究膜污染的可逆性.结果表明:提高汲取液浓度、运行温度及膜面流速均可有效增加膜通量;正渗透对滆湖水体中的溶解性微生物代谢产物、类色氨酸、类富里酸和腐殖酸四种主要DOM成分均有较好的去除效果,DOC、UV₂₅₄截留率均在96%以上;短期运行通过水力清洗几乎可以完全恢复膜通量,而长期运行通过超声清洗可以基本恢复全部膜通量,通过分析膜清洗液可知造成膜污染的主要物质为类色氨酸类和类富里酸类物质.     

机器学习在材料服役性能预测中的应用

针对材料服役性能预测存在误差大、计算复杂、适用性差等问题,提出了基于数据挖掘的机器学习预测方法。首先阐述了机器学习的应用流程,并总结了常用模型原理及其在材料性能预测中的应用。然后采用多种机器学习模型对RPV钢的辐照性能进行预测,并通过Stacking集成方法提高了模型的预测精度。结果表明,机器学习可用于材料服役性能预测,具有较高的预测精度和可靠性。根据材料服役数据的不同特征选择合适的学习模型,同时进行模型融合和参数优化,可有效提高模型的预测精度及运算速度。     

川藏铁路四川段沿线诱发地质灾害降水阈值研究

利用2009—2019年川藏铁路沿线四川段地质灾害数据、国家气象中心逐小时降水量资料,统计了地质灾害与降水的关系,发现研究区89%的滑坡灾害和96.6%的泥石流均发生在汛期,且地质灾害高发路段位于青衣江暴雨区,与四川地区降水时空分布特征相吻合。分析雨型、降雨强度、前期降雨等因子对地质灾害的影响,发现快速激发,中速激发和慢速激发的地质灾害分别约占33.3%、25.9%、40.8%,表明降雨历时并不是影响地质灾害发生的最直接因子,前期降雨的作用不可忽视;结合环境因子对地质灾害进行了分区,基于降雨历时-雨强(I-D)预报模型建立了川藏铁路沿线四川段引发地质灾害的降水阈值分布。利用该降水阈值的分布特征,检验了2019年引发地质灾害的降水量,发现阈值雨量的判别方法较为科学,具有较强的参考价值。