一株石油烃降解菌的分离、鉴定及降解特性

从胜利油田采油厂石油污染土壤中分离筛选到一株石油高效降解菌SY-02,以石油烃为唯一碳源和能源。在总石油烃(TPH)浓度为1%(W/V)培养液中接种一定量的该菌,30℃、200r/min摇瓶振荡培养7d,TPH降解率可达71%。经形态、生理生化及16S rDNA同源性等指标分析,初步鉴定该菌种属Pseudomonas chlororaphis(绿针假单胞菌)。纯烃底物降解实验表明正十六烷最易被SY-02菌代谢,其次是单环芳烃苯,然后是二环芳烃萘和三环芳烃菲,环烷烃较难被利用。     

基于面向对象理论的区域生态环境综合评价

以龙口市为例,在分析区域生态环境特征的基础上,尝试应用面向对象的理论构建评价系统; 结合RS、GIS技术与数学模型方法提取评价因子,建立基于GIS栅格数据的空间模糊评判模型进行综合评价分析.结果表明:2008年龙口市生态环境状况总体良好,优等级占总面积的24.75%,良等占41.78%,中等占5.29%,差等占28.18%,但与1996年相比有下降趋势;生态环境的空间分异明显,表现为从西北沿海到东南内陆逐渐好转; 3个典型分区的生态环境状况各异,其变化趋势也有所差别; 气候条件、土地利用状况、工业生产建设、人口迁移等因素对研究区生态环境状况及演变起主要作用. 根据研究区的实际情况,并对比热岛效应的空间分布,可确定该方法合理有效, 是对当前区域生态环境综合评价方法的有益补充.     

基于农业自然风险综合评价的高标准基本农田建设区划定方法研究

大规模建设高产稳产、旱涝保收的高标准基本农田是当前土地整治的重要任务,论文从分析区域防灾减灾能力入手,将农业生产自然风险综合评价引入高标准基本农田建设区划定,在识别区域主要风险类型的基础上,应用可变模糊集理论,借助GIS 方法,划分综合风险等级,根据风险强度和整治可行性划定高标准基本农田建设区。结合对关中地区的实例分析,研究表明：①使用可变模糊集理论,综合考虑各单因子风险差异,可减少风险定量化的模糊不确定性;②综合风险由致灾因子危险性和承灾体脆弱性共同决定,风险评价结果可为筛选高标准基本农田建设适宜区提供依据;③综合风险等级、集中连片程度和整治潜力共同确定土地整治时序,可为划定高标准基本农田建设区和确定整治规划提供参考。     

基于模糊综合评判模型的污水管道缺陷定量化评价方法

利用模糊综合评判模型,从污水管道的密封性、稳定性和功能性三方面分别考虑不同缺陷类型的影响,利用层次分析法确定权重,建立定量化的污水管道缺陷状况评价方法模型.对南方某市一段污水管道进行评判,得到污水管道缺陷综合评价指数H=1.09,其中密封性指数Ht=0.44,稳定性指数Hs=0.78,功能性指数Hf=1.79,判定结果...     

Artificial neural network model for identifying taxi gross emitter from remote sensing data of vehicle emission

Vehicle emission has been the major source of air pollution in urban areas in the past two decades. This article proposes an artificial neural network model for identifying the taxi gross emitters based on the remote sensing data. After carrying out the field test in Guangzhou and analyzing various factors from the emission data, the artificial neural network modeling was proved to be an advisable method of identifying the gross emitters. On the basis of the principal component analysis and the selection of algorithm and architecture, the Back-Propagation neural network model with 8-17-1 architecture was established as the optimal approach for this purpose. It gave a percentage of hits of 93%. Our previous research result and the result from aggression analysis were compared, and they provided respectively the percentage of hits of 81.63% and 75%. This comparison demonstrates the potentiality and validity of the proposed method in the identification of taxi gross emitters.     

飞机实验室气候试验风险识别及分析

目的 研究飞机实验室气候试验过程中风险的识别及分析问题.方法 根据飞机实验室气候试验流程,针对试验设计、试验准备、试验实施和试验确认等阶段进行风险识别和分析.结果 及结论识别并分析出实验室气候试验各阶段的风险,并在国内首次某民机实验室气候试验中得到应用.     

综合水质标识指数法在海拉尔河水质评价中的应用研究

水质评价是水环境治理的重要基础性工作.水质综合标识指数法涵盖了综合水质类别、定量污染程度、水环境功能区达标等信息,是将定性与定量评价相结合,能够对综合水质做出合理的解释,不会因个别指标导致过分评价.研究将海拉尔河划分为3个控制单元,根据2003年-2012年水质监测数据,采用综合水质标识指数法识别各控制单元主要污染因子,并分析海拉尔河水质时空变化规律.研究结果表明海拉尔河从上游至下游综合水质标识指数逐渐升高,上游水质较好,中游和下游主要污染指标为高锰酸盐指数和COD.2003年-2012年,海拉尔河高锰酸钾指数、BOD5、氨氮和总磷的污染减轻,化学需氧量污染略微减轻但仍存在超标风险.     

沈阳市大气挥发性有机物（VOCs）污染特征

2008年4月～2009年7月间,选取沈阳市不同功能区5个监测点位,采集了4个不同季节的大气VOCs样品187个,利用三级冷阱预浓缩-GC-MS方法测定了108种大气VOCs物质,考察了沈阳市大气VOCs浓度水平及其时空分布情况,并对其主要的来源进行识别. 结果表明,沈阳市大气总VOCs平均质量浓度为(371.0±132.4)μg/m³,其中含量最高的组分为含氧化合物（57.2%）,其次为卤代烃（20%）,烷烃（11.4%）、芳香烃（8.5%）和烯烃（3.0%）. 全市大气总VOCs浓度呈现出春秋浓度较高,冬夏浓度较低的季节变化特征. 主要受工业排放源的影响,商业中心点大气VOCs浓度在冬季的08:00～10:00时段、 12:00～16:00时段和20:00～22:00时段均出现峰值,而夏季则呈现出10:00～12:00时段和18:00～20:00时段的双峰现象. 工业区点位和商业中心区点位浓度高于其它功能区点位,清洁对照点周围由于没有明显的大气VOCs排放源,浓度水平最低. 相关性和比值分析结果表明,机动车燃烧、煤炭生物质燃烧、汽油溶剂挥发和工艺过程是沈阳市大气VOCs的主要来源.     

深圳市郊区大气中PM2.5的特征分析

为了确定深圳市郊区大气中PM2.5的污染特征,本研究分析了2009年和2010年夏季和冬季PM2.5样品中的水溶性离子和多环芳烃成分.结果表明,深圳市郊区大气中PM2.5的质量浓度很高,夏季53.9%和冬季100%的样品超过了WHO的大气质量准则浓度.PM2.5中,冬季最主要的3种离子是SO24-、NO3-和NH4＋.在夏季,这3种离子在PM2.5中的含量都会减少,而Cl-、Na＋、K＋、Ca2＋和Mg2＋的含量会增多.另外,冬季是多环芳烃浓度较高的季节,其中萘、苊烯、苊和苯并荧蒽是冬季PM2.5中多环芳烃的主要成分.本研究还通过比值法和特征化合物法对深圳市郊区大气中的PM2.5进行了源解析,确定了PM2.5的可能来源.     

SWMM 模型在城市不透水区地表径流模拟中的参数识别与验证

为了研究城市不透水下垫面的降雨径流过程和污染负荷,以屋面为例,选择径流管理模型SWMM,采用独立场次实测数据,应用基于不确定性分析的HSY算法和Monte Carlo采样方法对模型中的水文水力和水质参数进行识别和验证.结果表明,地表不透水区径流模型中主要包含6个关键参数,分别为不透水区初损填洼深度(S-imperv)、不透水区曼宁系数(N-imperv),指数累积方程中的最大可能累积值(max buildup)、累积常数(rate constant),指数冲刷方程中的冲刷系数(coefficient)和冲刷指数 (exponent).水文水力参数的识别可以最小二乘法偏差作为目标函数,水质参数的识别可以场次污染负荷和污染物峰值浓度作为目标函数.参数识别结果为N-imperv0.012～0.025, S-imperv 0～0.7, max buildup 15～30, rate constant0.2～0.8, coefficient0.01～ 0.05, exponent1.0～1.2.参数的区域灵敏度由大到小排序为 coefficient、S-imperv、N-imperv、max buildup、exponent、rate constant.识别后的参数可以通过模型验证,但是在模拟一些雨型特殊的降雨径流污染物浓度曲线时,仍然存在一定的困难.