关于在长江经济带布局以水质改善为目标的流域生态缓冲体系的思考

生态缓冲带能够有效减缓流域内的人类活动或自然过程对水环境和水生态系统的影响.在长江经济带构建流域生态缓冲体系,对长江生态保护修复具有十分重要的意义.讨论了构建流域生态缓冲体系涉及的生态缓冲带位置选择、缓冲体系所占最低面积比率、宽度划定等一些基本的原则要求;利用卫星遥感影像数据,提取各汇水单元的地形特征、土地利用类型特征、土壤类型、土壤侵蚀强度、水文水系等数据,对长江经济带流域生态缓冲体系进行布局.结果表明:①长江经济带内林草地是主要土地利用类型,占区域总面积的62.46%,但是分布很不均匀,主要集中在西部高地和中下游的丘陵地带,在人口密集、农田密集的区域分布偏少;城镇用地主要集中在长江中下游地区.②土壤类型空间差异显著,浙江省、江苏省、湖南省、江西省及安徽省大部分区域的土壤多是黏性比较大,污染物迁移能力较低;而污染物迁移能力较强的砂质土或者土层较薄的山地草甸土主要分布在四川省北部、西北部.水力侵蚀、风力侵蚀和冻融侵蚀均有分布,且以水力侵蚀为主,建议在中度及以上侵蚀强度区域尽量减少污染源,重点布置缓冲带,增加该区域的缓冲力度.③长江经济带范围内可以利用的中小型湿地、小型河流支浜的面积至少有1.4×104 km2,再结合林草缓冲带,就可以形成一个生态缓冲体系.④在土地利用类型分布结果基础上,叠加土壤侵蚀强度和水系分布,将污染源区、中度及以上侵蚀强度区、水体区作为缓冲对象,建立缓冲体系的重点区域,总面积约14.26×104 km2,占长江经济带总面积的6.95%.对照欧美地区的研究,6.95%的缓冲体系面积占比是偏低的,需要在长江经济带开展深入研究来确定适宜的缓冲体系面积比,推进长江经济带流域生态缓冲体系的构建.      

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.      

基于能值理论的农田—畜禽生产系统可持续动态

为了解我国东南丘陵山区农业生产动态及其可持续性,以福建典型山区德化县为例,构建废弃物能值比例、环境污染能值负产出等指标,运用能值理论定量分析德化县2007—2016年农田—畜禽生产系统投入产出、环境负荷及可持续性的变化。结果表明：德化县农田—畜禽生产系统能值投入以购买能值为主,占能值总投入的68%~79%,水资源能值约占21%~31%;畜禽子系统能值产出占72%以上;能值密度在2.68×10¹²~3.33×10¹² sej·m^-2之间波动上升,净能值产出率下降40%,环境负荷明显加重,2015年以来有所减轻;可持续发展指数在2007—2010年短暂上升后快速下降,由1.14降至0.42。从构建的指标来看,系统废弃物能值比例有所下降,环境污染能值产出减少约22%,综合经济效益和废弃物利用情况,近年来可持续发展状况逐渐好转。德化县目前正处于农田—畜禽系统产出结构调整期,应增加系统内部反馈能值用量,控制化肥、饲料投入,提高废弃物利用率,以实现可持续发展。     

资源科学的学科建设与人才培养模式的实践与思考

资源科学是自然科学、社会科学和工程技术科学相互交叉、相互渗透、相互结合的多学科横向发展的新学科领域,具有综合性、交叉性等学科特点。研究适应新时期面向国家和社会发展需求的资源科学学科建设与人才培养方向具有重要的科学与实践意义。在梳理资源科学的学科发展历程基础上,进一步探讨国内外高等院校资源科学的研究领域、学科体系建设、课程及专业设置和人才培养模式,总结了我国资源科学的学科建设和人才培养的成就与不足,以期更好地服务国家需求。     

具有LXRα活性效应物质的新型筛查方法研究

为了检测环境中潜在的LXRα效应物质.本研究以LXRα蛋白为例,利用核受体蛋白与小分子亲和结合的原理,构建了pCold-TF-LXRα重组蛋白并优化了重组蛋白的表达条件,建立了特异性捕获活性物质的方法.结果表明：诱导温度为20℃、诱导剂IPTG浓度为0.4mmol/L为重组蛋白的最佳表达条件;同时,利用LXRα激动剂T0901317 4个梯度浓度（0.25,2.5,25,250μg/L）的加标回收率实验测得线性回归曲线为y =0.83604x+0.40763,R²=0.9948,证明方法具有有效性;对比pCold-TF空载体蛋白（6.42%）和重组蛋白（79.83%）对T0901317（250 μg/L）的回收率,说明方法具有特异性.为了验证方法的实用性,将重组蛋白与15种典型的有机磷酸酯类化合物（OPEs）的混合标样进行“捕获”实验,证明了TPHP、BPADP、TCrP、EHDPP、TNBP、RDP、TEHP、TDCIPP具有LXRα的活性效应.最后,用酵母双杂交实验验证了这8种OPEs均为LXRα的拮抗剂.     

中国化学品环境暴露评估领域的综合区划

大尺度空间（中国）化学品环境暴露多介质模型的建立需要先对空间做相应的区划.本文以ArcGIS软件为平台,通过有空间约束的聚类方法和水文分析方法相耦合,建立全国范围的综合分区.全国范围分为华南综合大区、华北综合大区、西北综合大区、华东综合大区、东北综合大区和西南综合大区6个综合大区.每个综合大区又分别包含了若干个综合小区,小区总数为38个.该研究为我国暴露评估的综合分区提供了一个方案,在多介质模型的建立中起着重要的作用.     

大型空间环境模拟器真空系统配置技术研究

分别对国内外大型空间环境模拟器的真空系统配置进行了介绍,并对真空系统各个子系统的配置与技术特点进行了分析,重点针对大型空间环境模拟器真空系统中所需的真空抽气策略进行了研究,为后续超大型环境试验设备的研制和试验测试提供了参考。     

海洋平台阴极保护与监测技术的应用

针对海洋平台全浸区的腐蚀情况,着重介绍了阴极保护及其原理、种类及特点,监测系统的组成及设计,探讨阴极保护及监测系统对海洋平台水下防腐的应用意义。     

矢量毫米波系统中非线性补偿技术研究

目的针对矢量毫米波系统中因传输链路和光电转换带来的非线性问题,提出一个基于维特拉级数的非线性均衡方案。方法首先给出该方案的基本原理,然后搭建一个射频载波频率为40 GHz、传输信号为5Gbaud 16QAM的矢量毫米波仿真系统,分析基于维特拉级数的非线性模型各阶非线性项的贡献,并比较在不同传输距离情况下,该方案相对于仅采用线性均衡方案对系统性能的提升。结果在传输距离为10 km时,该方案能够将平台误码率降低到10~(-3)以下。结论该方案明显提升了系统的性能。     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.