不同养殖模式池塘沉降颗粒营养物质组成特征

2012年4~10月采用自制沉降颗粒收集装置收集主养草鱼和黄颡鱼池塘生态系统中沉降颗粒物,开展了颗粒物质的垂直沉降量以及沉降颗粒中碳氮磷等营养物质的组成及沉降通量的季节变化特征的研究。结果表明:养殖可以显著提高池塘颗粒物质的垂直沉降量,主养草鱼池塘中颗粒物质垂直沉降量显著高于主养黄颡鱼池塘(p0.01),且两种养殖模式池塘颗粒物质沉降量随着养殖时间推进有显著增加的趋势。主养草鱼的池塘中颗粒物质垂直沉降量在100.39~414.66g/(m2·d)之间变化,平均为224.46g/(m2·d),主养黄颡鱼池塘中沉降颗粒物质垂直沉降量在34.14~272.91g/(m2·d)之间变化,平均为155.18g/(m2·d)。两种养殖模式沉降颗粒的碳氮磷成分在养殖周期内的变化规律不明显但具有相似的变化趋势,主养黄颡鱼池塘沉降颗粒中TN、TC、TOC和TON的含量均比同时期主养草鱼高,且均随着养殖时间的推进,沉降颗粒中碳氮磷的总量呈增加趋势。两种养殖模式池塘沉降颗粒中的C/N比值与沉积物中的C/N比值较为接近,表明沉降颗粒与沉积物营养物质来源具有一定的相似性,同时养殖系统内养殖对象与其所处环境的相互依存和相互影响对颗粒物质的产生以及沉降具有重要作用。     

重金属污染重点防控区综合防控模式与政策分析

《"十二五"规划重金属污染综合防治》实施以来,各个防控区域结合各自重金属污染成因与特点,围绕产业结构调整、清洁生产源头控制、污染物末端治理、环境修复整治等综合防控措施,探讨不同的区域综合整治途径和政策,在实践中形成了五种不同类型的区域防控模式。本文分析了五种防控模式的特点,每种模式以一个典型的防控区域为案例,分析了该防控区实施区域综合防控的做法,从而阐释不同防控模式下不同的策略与政策。     

责任关怀视角下“油气储运安全”混合式教学探讨

为提高学生对油气储运安全课程工程实际应用部分的接受程度,增强其学习自主性,在“责任关怀”理念的指导下,于大四上学期采用线上线下混合式教学模式讲授该门课程。结果表明：混合式教学模式能将线上线下教学的优势相结合,课堂时间和空间得到了扩展,极大提高了学生对课程思考的积极性,发挥了学生的自主性;教师依据线上线下的效果反馈也能更加精确地研判学生学习情况并持续改进教学;采用混合式教学模式,学生的学习成绩全部及格,学习效果普遍较好。     

泰来县庄园式治沙做法及效益浅析

黑龙江省西部泰来县在典型风沙干旱区,环境极其恶劣的沙带上,通过多年的探索和实践,已创建了庄园式生态经济型治沙的有效成功模式,明显地改善了当地生产、生存、生态环境,同时取得了显著的经济效益和社会效益.     

基于“人工智能”驱动的农村生活污水系统治理专栏序言

伴随流域水污染控制与治理工作的深入,农村分散生活污水治理逐渐成为制约流域水环境改善的关键.同时,农村生活污水治理是人居环境提升、美丽乡村建设以及乡村振兴战略实施的集中体现,事关广大农村居民的切身利益.本专栏是国家水专项“分散污水治理课题”团队近年来科研成果的总结,从污水治理的全生命周期角度出发,尝试通过人工智能赋能治理模式决策、“菜单式”工艺组合、设施运维与监管、长效管理等4个方面对研究和实践进行了梳理总结,构建基于人工智能驱动的农村生活污水治理决策支持系统,以期为北运河流域以及其他区域农村生活污水治理提供科技支撑.     

2021年3月14—16日中国北方地区沙尘暴天气过程诊断及沙尘污染输送分析

2021年3月14—16日发生在北方地区的沙尘暴天气过程被认为是近10年来我国出现的最强过程.本文在对此次沙尘暴过程天气学特征分析的基础上,利用 HYSPLIT 模式和 GDAS 资料,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）,探讨了气候变化背景下沙尘输送源与天气系统的配置关系及本次过程中沙尘污染物PM₁₀质量浓度的潜在源区分布及贡献.结果表明,此次过程由强烈发展的蒙古气旋及冷锋过境,高空槽后冷空气持续补充引起,中高层强斜压性使地面蒙古气旋强烈发展,大风卷扬起的沙尘随上升气流输送到高空,并在偏北大风引导下,影响了我国大范围地区.内蒙古东北部至河套地区的强涡度梯度带、500、700 hPa较高的强冷平流中心与下层的温度平流差异以及交替的上升下沉运动为本次北方地区大范围沙尘暴过程提供了动力、热力及不稳定度条件.本次沙尘天气过程中,影响呼和浩特、北京的沙尘传输通道主要为北偏东路,影响银川的沙尘传输通道为西北路和北路,过程受多沙源传输通道影响.萨彦岭、蒙古国南部戈壁沙漠为本次沙尘天气PM₁₀的主要潜在源区,传输过程中混合内蒙古沙源地沙尘.总体来说,蒙古国南部戈壁沙漠对本次过程PM₁₀质量浓度的贡献最大.     

山西省城市地区近年来环境空气臭氧污染特征及来源解析

基于山西省2018—2020年国控点位O₃监测数据分析了全省O₃污染特征,分别以晋城市和太原市为典型城市,分析了温度、相对湿度和风向风速等气象因子以及前体物(NO_x和VOCs)对O₃的影响,并采用CAMx模式开展2020年6—8月山西省O₃区域和行业来源解析. 结果表明:① 山西省O₃超标天数中以O₃轻度污染为主,且中度及以上污染呈增加趋势,O₃污染集中出现在5—9月,且呈现较强的地域性特征,O₃浓度日变化呈单峰型特征. ② ρ(O_{3-1 h})(臭氧1 h平均浓度)与气温、风速均呈正相关,与相对湿度呈负相关,高温、低湿有利于O₃的生成. 风速与ρ(O_{3-1 h})呈分段式线性关系,ρ(O_{3-1 h})随着风速增大而升高,当风速大于某一阈值时,ρ(O_{3-1 h})随风速的增加而下降. 以典型城市晋城市为例,当温度在25 ℃以上、相对湿度在30%~60%之间、风速为4~5 m/s,且风向为南风和东南风时更容易出现ρ(O_{3-1 h})高值. ③ 山西省2020年6—8月O₃区域来源解析表明,各城市O₃本地源贡献较弱而传输贡献影响显著(>80%). ④ 山西省2020年6—8月O₃行业来源解析表明,各市工业源类(电力源、焦化源和其他工业源)的贡献率在50%左右,柴油交通源贡献率在20%~27%之间. 研究显示,山西省O₃污染传输贡献影响显著,联防联控势在必行,电力源、焦化源和柴油交通源对O₃生成贡献较大,亟需优先加强管控.      

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

沙质农田作物不同间作采收模式休耕期的防风效应

油沙豆(Cyperus esculentus)是集粮、油、牧、饲于一体的高利用价值新兴经济作物,在我国沙区调整种植结构及沙化土地改良中有重要作用. 油沙豆茎块在采收过程中易破坏表层土壤、引发风蚀,因此,探究油沙豆防风阻沙的保护性耕作模式是实现油沙豆在沙区种植的重要前提. 本文基于乌兰布和沙漠油沙豆农田现有间作模式,通过风洞模拟试验,探究不同风速下6种间作模式(2种间作作物×3种带间距)的防风蚀效果. 结果表明:①不同带间距模式在各风速下的风速廓线均呈对数形式,粗糙度随带间距的增加而减小. ②间作作物对垂直流场结构分布特征有显著影响,间作玉米各带间距模式近地表风速均低于当地起沙风速(6 m/s);间作向日葵各带间距模式近地表风速均高于起沙风速,约为9 m/s. ③风速对各间作模式的防风效能具有显著影响,防风效能随风速的增大呈减小趋势. ④间作带的防风效能随带间距的增加而减小,表现为带间距8 m>带间距16 m>带间距24 m. 间作玉米模式的防风效能大于间作向日葵模式,其中,玉米带间距8 m及16 m的模式其近地表防风效能均大于50%,是油沙豆农田防风阻沙的最优模式. 研究显示,考虑到农田的经济效益,带间距16 m的间作玉米模式是油沙豆农田兼顾生态效益和经济效益的最优间作模式.      

基于随机森林的南京市PM2.5和O3对减排的响应

自2013年《大气污染防治行动计划》实施后,南京市大气污染有所改善,但仍面临着细颗粒物(PM_2.5)和臭氧(O₃)污染问题.为探究污染物浓度对其前体物减排的响应,获得有效的减排策略,常利用大气化学模式进行多组基于排放扰动的敏感性试验,而这需要消耗大量计算时间和计算资源.应用随机森林算法对2015年大气化学传输模式(GEOS-Chem)模拟结果进行机器学习,高效地预测了南京2019年PM_2.5浓度日均值和日最大8 h臭氧(MDA8 O₃)浓度对不同人为源排放控制情景的响应.随机森林结果表明2019年中国人为排放每减少10%,南京ρ(PM_2.5)季节平均值下降2～4μg·m^-3.当2019年中国人为源减排比例高于20%时,南京ρ(PM_2.5)年均值将低于国家二级限值(35μg·m^-3).若仅对中国地区O₃前体物氮氧化物(NO_x)和挥发性有机污染物(VOCs)同比例减排,反而...