水体中泥沙对藻类光谱特征位置的影响分析

自然水体叶绿素a浓度的遥感反演中,泥沙的存在影响着反演精度.如何消除这种影响是提高叶绿素a遥感反演精度的关键,而了解泥沙对藻类光谱特征的影响是消除影响的前提.文章在人工控制条件下获取了不同泥沙浓度下藻类光谱曲线,通过分析光谱曲线特征位置的漂移和数值变化,总结泥沙对藻类光谱的影响并提出了消除影响的可能性.     

大气环境数据分析预测方法对比研究

以西安市2006年9月27日至2008年5月3日每日的SO2平均浓度时间序列为例,应用时间序列分析对前555个数据进行拟合,得到合适的时间序列模型ARIMA(1,1,2);利用神经网络中的BP神经网络和RBF神经网络对同样的样本进行训练,用这三种方法对2008年4月4日至2008年5月3日的SO2日均浓度值进行了预测,并用同样的方法分析预测了同期PM10日均浓度值,最后比较了它们的预测效果。结果表明,利用这三种方法进行浓度预测都是可行的,其中RBF神经网络法的预测误差最小,效果最好。     

线性修正趋势分析技术在环境质量预警预测中的应用

线性修正趋势分析法根据历年数据建立线性模型并进行修正,预测年度、季环境要素污染物变化情况,可应用于空气质量、水环境质量、噪声环境质量、污染源污染物排放等预警预测数据统计分析评价,为环境决策提供技术支持。本文通过实例论述了该方法在实际工作中的应用。     

阜新市大气降尘污染特征及影响因素分析

对阜新市2000年~2008年大气降尘的污染状况及变化趋势进行统计分析,结果表明,阜新市降尘污染一直比较重,尤其以春季污染最为突出,从空间分布来看,工业区污染最重,其次是交通区,总体上阜新市降尘污染呈下降趋势,但变化不显著。同时分析了阜新市降尘污染的影响因素,并提出了相应的改善措施。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。     

乌伦古湖水质现状、变化趋势及预测

通过对乌伦古湖现状水质及近十年来水质变化趋势的评价,分析了污染成因,并采用灰色预测法预测乌伦古湖未来几年的水质状况,为区域水环境保护和水体污染防治提供科学依据。     

大气环境无人机监测方法研究

目前地面常规大气监测手段难以对垂直方向污染源监测,也难以应对环境突发事件,采用无人机大气监测与数值模拟结合的方法可以解决该问题。实验开发了基于无人机平台的空气质量监测平台,采用数值模拟方法确定平台搭载方案,再对无人机监测系统得到的监测数据与数值模拟计算结果作对比分析,得到各项污染物浓度。分析了该方法存在的问题,提出了提高数据链路传输能力,开展无人机遥感系统相关环境质量评价方法学研究,开发精度高、质量轻的无人机大气监测吊舱,开展地面静止比对和飞行测量比对实验等建议。     

中国大气超级站发展与展望：基于问卷调研的统计研究

大气环境综合观测研究站(简称大气超级站)是开展大气环境污染综合立体观测、进行大气重污染过程污染特征动态表征、深入分析大气污染成因的重要平台。了解中国当前不同地区大气超级站的建设和应用现状、存在的问题及发展需求,有利于科学指导和规范中国大气超级站的设计、建设、运维和应用,提高其在大气重污染过程应急管控和空气质量改善中的技术支撑能力。研究通过对国内60余个大气超级站进行问卷调研,综述了中国目前大气超级站的现状,并基于统计分析结果,对中国大气超级站发展提出建议。     

气相分子吸收光谱法测定印染废水中氨氮的影响因素

采用气相分子吸收法光谱测定印染废水中的氨氮,并对相关影响因素进行探讨。结果证实,硫化物和尿素会对氨氮的测定产生负干扰,硫化物干扰可用乙酸锌-乙酸钠固定液沉淀法去除,尿素干扰可以用稀释法去除,但仅适用于氨氮质量浓度0.10 mg/L且稀释后尿素质量浓度≤100 mg/L的水样;苯胺、浊度和色度对测定无干扰,可直接检测。     

地表水COD浓度灰色预测的GPPM（1）模型

根据地表水中ＣＯＤ浓度的时序数据,建立了ＧＰＰＭ（１）预测模型,结果表明ＧＰＰＭ（１）模型的预测精度优于常规灰色ＧＭ（１,１）模型,它为环境系统的拟合,预测和决策提供了新的方法途径。