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.     

基于边介数的省域生态廊道构建方法优化

我国城市建设和生态保护工作均对土地资源有大量需求,二者之间的矛盾在经济优先发展区表现尤为明显.为了有效地改善生态环境,管控土地利用并引导其变化发展,需要建设具备不可替代特征的省域生态廊道.最小累积阻力模型（minimum cumulative resistance,MCR）是识别生态廊道最常用、有效的模型,但在应用于省域尺度时,MCR模型识别的潜在廊道路由存在冗余的问题.因此,通过引入网络科学中的边介数指数（edge-betweenness）对MCR模型进行优化,计算潜在廊道路由的边介数指数值,选取出其中最为重要和简明的结构来连通生态源地,即提取潜在路由中的骨干路由（backbone route）和关键战略点（key strategic point）作为不可替代的结构来指导省域生态廊道建设.将优化后的MCR模型应用于广东省,构建了全长5 493 km的省域生态廊道,其中包含生态源地20处,关键战略点11个,骨干生态廊道29条.骨干路由与关键战略点构成的不可替代省域生态廊道（irreplaceable provincial corridor）能够实现"廊道数量和占地面积最少、连通性基本不变"的目标.研究显示,边介数能够对潜在路由进行优化筛选,识别出维护省域生态安全的关键结构;不可替代生态廊道能够指导省域生态规划和土地空间的发展利用,并为更高水平的生态安全环境提供了演进的基础;同时也为土地资源紧张的地区提供了建设生态廊道的参考与依据.      

人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.      

基于神经网络的东北地区秸秆焚烧预测

选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明：人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80：20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持.     

基于BP神经网络的北京城区公园土壤PAHs含量预测

城市公园是城市生态环境的重要组成部分,其环境质量与人类健康息息相关.选择北京市121个城区公园,采集公园土壤样品并分析其中7种多环芳烃（PAHs）含量,评价城区公园土壤中PAHs的含量水平,并基于BP神经网络预测了2020年和2023年土壤PAHs含量.结果表明:北京城区公园土壤中w（PAHs）（7种PAHs总含量）范围为0.033~4.182 mg/kg,低于GB 36600—2018《土壤环境质量建设用地土壤污染风险管控标准（试行）》土壤污染风险筛选值,且7种PAHs的毒性当量浓度（TEQ）均低于世界卫生组织标准值（1 mg/kg）,对人体健康的毒性风险较小.将14个影响指标（8个社会经济因子与6个公园特征因子）作为输入层、土壤w（PAHs）作为输出层,建立BP神经网络的拟合优度达0.845.预测结果显示,2020年和2023年北京城区公园土壤中w（PAHs）范围分别为0.008~0.969 mg/kg和0.022~1.988 mg/kg,整体均低于GB 36600—2018土壤污染风险筛选值,但随时间推移呈上升趋势,尤其朝阳区和海淀区将有大幅增长.研究显示:城市化发展因素对土壤w（PAHs）的增加有明显影响,城市发展进程影响不容忽视;至2023年,北京城区公园土壤若不加管理,其w（PAHs）将持续增长.      

旅游目的地网络空间结构及其复杂性研究——野三坡旅游地案例实证

复杂性是旅游目的地网络化发展的必然趋势,是认识旅游地网络空间结构与组织特征的重要研究手段。论文以河北省野三坡旅游地为例,通过构建旅游联系强度模型,建立旅游地空间网络,并运用TOP网络空间分析以及复杂网络理论,揭示旅游地网络空间结构与组织的复杂性特征。研究发现：1）旅游地网络具有空间集聚性,形成了以核心景区为中心,由中心城镇、乡村社区和特色园区共同构成的空间集聚单元,并体现出“邻近连接”与“择优连接”的双重特性;2）旅游地网络服从幂律分布,具有无标度网络特性;3）每个节点的前三名和前五名旅游联系强度网络（Top3和Top5网络）具有较小的平均路径长度、较大的集聚系数,呈现出典型的“小世界网络”特征;4）旅游地网络是典型的异配型网络,度-度呈负相关,而网络节点的集聚系数与其度值之间存在近似的倒数关系,因此具有层次性。     

基于BP神经网络的三峡库区土壤侵蚀强度模拟

降雨侵蚀力变化是一复杂过程,其变化存在一定的随机波动性,土壤侵蚀是三峡库区生态环境脆弱最主要的影响因素之一,查明库区土壤侵蚀强度的演化过程及未来趋势是库区生态文明建设过程中急需解决的关键科学问题。论文基于三峡库区1990年侵蚀降雨特征,利用BP神经网络对2010年75个站点降雨侵蚀力进行模拟、验证,预测2030年75个站点降雨侵蚀力。选取2030年预测结果中位于库区周围的27个站点,结合2030年库区自然增长、生态保护情景下土地利用模拟数据,使用RUSLE计算2030年土壤侵蚀强度。结果表明：1）2010年库区降雨侵蚀力模拟相对误差为15%,测试样本数据相对误差为14.67%,预测相对误差为19.65%,NE系数为0.85,说明BP神经网络对库区降雨侵蚀力具有良好模拟效果;2）2010年库区土壤侵蚀强度的Kappa指数为0.75,计算结果能满足模拟与预测需求;3）在土地利用不变情况下,2030年库区轻度、中度侵蚀面积均有所增加,微度及强烈以上侵蚀面积均呈减少趋势,且侵蚀强度转变中的58%来源于相邻侵蚀强度,跨侵蚀等级区的较少;4）在降雨侵蚀力不变情况下,自然增长、生态保护情景下未来土地利用变化所导致的土壤侵蚀均呈下降趋势,后者下降的趋势更为明显;5）在降雨侵蚀力及土地利用均变化的情况下,自然增长、生态保护情景下土壤侵蚀均呈下降趋势。     

兰州市南山季节性土壤微生物特征及影响因素

为了探究不同季节和不同植被类型对土壤微生物分布的影响,以兰州市南山不同海拔的两种植被类型为研究对象,采用稀释涂布平板法测定了土壤微生物的季节动态变化特征.结果表明：研究区内细菌数量占微生物总数的96.22%~99.80%,远高于真菌和放线菌数量.土壤微生物类群随季节变化呈现明显差异,其总数整体表现为夏季最高,为89.22×10⁶cfu/g soil,分别是春、秋、冬季的12.02、3.28、2.74倍,其中夏季细菌数量最高,真菌与放线菌数量均在春季达到最大值.人工林样地土壤微生物数量略低于荒坡,环境因子中土壤含水量和有机碳含量高于荒坡.随着海拔的升高,pH值逐渐上升,土壤温度、有机碳与全氮含量逐渐下降,土壤微生物总数则呈现先减少后增加的趋势.相关分析表明,不同季节各微生物类群与环境因子的相关系数各有不同,春季放线菌与有机碳,秋季真菌与有机碳、全氮均呈极显著正相关（P<0.01）.冗余分析表明,环境因子中有机碳与第一物种轴的相关系数最高,为0.520,说明土壤有机碳含量是影响土壤微生物类群分布的主导因素.     

基于SOM-SVM组合分类器的涂层防护性能研究

目的为避免EIS,EN技术可能出现的问题,建立一个准确、高效的评价模型,以探究现役军用有机涂层防护性能。方法利用电化学阻抗谱(EIS)、电化学噪声(EN)技术分析了两种军车有机涂层在循环暴露试验中的腐蚀行为,提取低频阻抗模值|Z|_(0.1 Hz)与涂层噪声电阻R_n两种电化学评价参数作为自组织神经网络(SOM)的输入训练样本,同时结合支持向量机(SVM)方法建立涂层防护性能组合分类器。结果将涂层失效过程自适应地分为涂层防护性能良好、防护性能下降、基本失效三个阶段。结论所建立的SOM-SVM组合分类器对于辅助分析涂层防护性能具有可行性。     

Monitoring Air Quality in Mountains: Designing an Effective Network

A quantitatively robust yet parsimonious air-quality monitoring network in mountainous regions requires special attention to relevant spatial and temporal scales of measurement and inference. The design of monitoring networks should focus on the objectives required by public agencies, namely: 1) determine if some threshold has been exceeded (e.g., for regulatory purposes), and 2) identify spatial patterns and temporal trends (e.g., to protect natural resources). A short-term, multi-scale assessment to quantify spatial variability in air quality is a valuable asset in designing a network, in conjunction with an evaluation of existing data and simulation-model output. A recent assessment in Washington state (USA) quantified spatial variability in tropospheric ozone distribution ranging from a single watershed to the western third of the state. Spatial and temporal coherence in ozone exposure modified by predictable elevational relationships ( 1.3 ppbv ozone per 100 m elevation gain) extends from urban areas to the crest of the Cascade Range. This suggests that a sparse network of permanent analyzers is sufficient at all spatial scales, with the option of periodic intensive measurements to validate network design. It is imperative that agencies cooperate in the design of monitoring networks in mountainous regions to optimize data collection and financial efficiencies.