土壤环境质量预警体系构建与应用

土壤环境质量预警是实施土壤污染风险分类分级管控措施的重要依据.为快速了解区域土壤环境质量水平,在土壤环境质量恶化前及时采取有效措施遏制土壤污染持续加重的态势,基于环境容量和污染物输入-输出通量理论分别构建了简易、有效和可量化的农用地和建设用地土壤环境质量预警体系,进一步结合土壤环境质量标准、食品安全标准和致癌风险系数提出相应的预警方法和预警机制,并以攸县农用地和北京市五环内建设用地为研究区域,评价土壤环境质量现状,预测不同情景下的土壤环境质量超标风险.结果表明,攸县网岭和桃水镇两地农用地土壤环境质量均隶属五级预警水平,相对其他修复措施,污染秸秆不还田可在较短时间内将土壤中镉含量降低至风险筛选值水平以下.北京市五环内建成区土壤质量状况良好,较长时间内不存在健康风险隐患,无突变情景和乐观情景下Cd、Cu、Pb和Zn的风险超标年限均远高于50 a,隶属一级预警水平.     

道路交通噪声预测声源简化研究

为了分析《环境影响评价技术导则声环境》(HJ 2.4—2009)中将道路声源简化为1条位于道路中心线处的线声源与按照车道数简化为多条线声源之间的误差,针对不同宽度的道路,推导了多条线声源与1条线声源在接收点噪声影响的误差计算公式,并基于Predictor-lima预测软件预测和现场噪声衰减规律实测进行了验证。研究结果表明,对于接收点到道路边缘的距离大于道路宽度的情况,可简化为1条线声源;对于接收点到道路边缘的距离小于道路宽度的情况,应按照车道数简化为多条线声源。     

检验环境影响预测准确度统计方法的研究近况

开展环境影响评价工作近二十年来,国内外对预测结果准确度的检验尚无制定统一标准,而预测结果的准确与否,又直接影响到环境影响报告书的质量。为此,本文将国内外这方面的研究状况作以评论,以供从事环境影响评价和后评估的专业人员参考     

松花江下游沿江湿地土地利用变化对土壤细菌群落多样性的影响

本研究旨在明确生境质量变化对土壤细菌群落的影响,为松花江退化湿地选择科学的修复方法提供参考依据.于2018年使用Illumina MiSeq PE300第二代高通量测序平台对松花江下游的5种土地利用类型湿地(天然湿地、稻田地、玉米田、采砂迹地及恢复湿地)土壤细菌16S rDNA进行测序,分析不同土地利用类型土壤细菌群落多样性和功能的差异.结果表明:沿江湿地开垦为玉米田造成土壤细菌的Ace、Chao1和Shannon指数显著降低(P<0.05),采砂迹地的仿湿地修复使土壤细菌的Ace、 Chao1和Shannon指数显著提高(P<0.05).天然湿地、稻田、玉米田和采砂迹地的土壤细菌群落结构差异显著(P<0.05),采砂迹地与恢复湿地的土壤细菌群落结构相似.沿江湿地土壤细菌划分为40门、 105纲、 258目、 421科、 802属和1 673种,变形菌门、放线菌门、酸杆菌门、绿弯菌门、拟杆菌门、疣微菌门、厚壁菌门和芽单胞菌门为各样地共有的优势菌门(相对丰度>1%).相比之下,拟杆菌门偏好稻田土壤环境,变形菌门和芽单胞菌门偏好玉米田土壤环境,放线菌门偏好采砂迹地土...     

基于L-M神经网络的道路交通噪声预测研究

神经网络具有很强的预测功能.根据石家庄公路交通噪声的实测数据,利用L-M优化算法的多层神经网络预测模型进行道路交通噪声的预测,经检验,计算值与实测值接近,预测精度令人满意.     

河北省火电企业吨煤烟气排放量测定及污染动态预测

火电企业大气污染动态预测是大气污染控制的基础。采用现场实测法,对河北省36家火电企业101台机组锅炉进行现场监测,经统计分析给出不同装机容量吨煤烟气排放量,并与其他方法进行了比较,发现实测结果更为合理。在此基础上,建立吨煤SO₂、NO_x,烟尘排放量和烟气浓度的关系,为火电企业大气污染动态预测提供新的公式,对定量测定火电企业污染物排放提供参考。     

集合卡曼滤波算法对FARSITE模型林火蔓延预测的修正效果研究

针对火源位置输入偏差导致的FARSITE林火行为模型火线预测不准确的问题,提出了一种基于集合卡曼滤波算法的动态修正方法。利用FARSITE对复杂工况下的林火蔓延过程进行数值模拟,以火线位置为待修正参量,以均方根误差(RMSE)为评价指标,对算法的可行性进行了验证,并研究了算法的集合元素个数,观测数据标准差及同化频率对FARSITE预测偏差的修正效果的影响。结果表明:算法能显著提高FARSITE火线预测精度;逐时同化时:集合元素个数为5 时,算法的修正效果并不理想,随着集合元素个数增大,样本误差减小,修正效果得到改善,但增大到30以上时, 修正能力的提升就不再明显;观测数据标准差大小与RMSE值呈正相关;给定条件下当同化频率由1 h/次降低至2 h/次,整个模拟时长内的误差仍能得到较好控制,RMSE曲线并不会过快增长。     

基于链路预测的安全隐患管理研究*

为探寻安全隐患的发生规律，揭示安全隐患的演化特点，为管理人员提供建议和参考。以潞安集团司马煤业有限公司2009—2015年安全隐患记录为数据源，建立无向加权安全隐患共词网络，利用链路预测技术，寻找安全隐患的内在联系及发展趋势。结果表明:相比于共同邻居、资源分配等基于局部信息的相似性指标，资源分配指标能够更好地预测安全隐患各个关键词之间的变化联系；通过分析关键词共现关系，证实预测的准确性，预测出部分未来存在但当前未产生的节点关系。安全管理人员可基于此方法采取有针对性的预防措施，减少相关隐患的发生。     

Repeatability,Sensitivity, and Uncertainty Analyses of the BANCS Model Developed to Predict Annual Streambank Erosion Rates

Accelerated streambank erosion caused by channel instability can be the leading cause of sediment impairment of streams. Obtaining accurate streambank erosion rates for sediment budgeting and prioritizing mitigation efforts can be difficult and costly. One approach to quantifying streambank erosion rates is through the development and implementation of an empirically derived “Bank Assessment for Non‐point Source Consequences of Sediment” (BANCS) model. This study aims to improve the BANCS model application by evaluating repeatability between users and identifying sensitive and/or uncertain model inputs. Statistical analysis of streambank evaluations conducted by 10 different individuals suggests the implementation of the BANCS model may not be repeatable. This finding may be due to sensitive model inputs, such as streambank height and near‐bank stress level prediction method selection, and/or uncertain model inputs, such as bank material identification and the associated adjustment of erosion potential. Furthermore, it was found assessing streambanks as a group by obtaining a measure of central tendency from individual evaluations, as well as obtaining a higher level of training, may improve model implementation precision. Application of these suggestions may result in improved prediction of streambank erosion rates utilizing the BANCS model methodology.