Ecotypes diversity in autumn olive (Elaeagnus umbellata Thunb): A single plant with multiple micronutrient genes

Elaeagnus umbellata, a member of the Elaeagnaceae family, is native to Pakistan, China, India, Korea, and Japan. It is found commonly at altitudes ranging from 1200 to 2100 m and thrives on eroded and degraded land due to its ability to fix nitrogen. The plant also grows under variable pH (4-8) and drought, and is used locally as fuel wood, fencing, fodder, basket making, and shelterbelts. The fruit of the plant is well known for its essential nutrients and medicinal compounds such as vitamins, minerals, essential fatty acids, carotenoids (lycopene), soluble solids, and sugars. Medicinally, it is widely believed to protect against myocardial infections, pulmonary infections, and various forms of cancers. Ten ecotypes from variable microclimatic conditions were investigated for their morphological, molecular and biochemical diversity improvement and commercialization purposes. Comparisons and disabilities indicated significant variability in terms of morphological (plant height, number of branches, thorn size and number, leaf area, fruit size, 100 fruit weight, and yield), molecular (SDS-PAGE), and micro- and macronutrient (vitamin C, Fe, mg, P, Na, K, essential oils, and sugar) bases among the ecotypes. This variability will be helpful in developing commercial varieties of the plant utilizing the conventional techniques of selection and hybridization for economic activities. The plant has ample quantities of multiple micronutrients, thus indicating their expression through a powerful promoter at one place (fruit mesocarp). Efforts to identify and isolate the micronutrient genes (vitamin A, C, E, and Fe), the deficiency of which causes malnutrition and disabilities within the population of developing countries. Micronutrient genes have also been initiated for their characterization and future transformation into staple food crops for stable bio-fortification.     

石英砾石碱溶蚀法研制高纯石英砂

本文研究了石英砾石中铝、铁等杂质分布特征,讨论了选择性研磨、碱溶蚀等方法对石英砾石中铝等杂质的分离清除作用,提高了石英砂的品质,使得东海丰富的石英砾石可应用于电光源石英玻璃管的生产。     

基于遥感的黑河流域生态环境变化特征及成因分析

使用2001~2017年MODIS-EVI产品和2001，2009，2017年Landsat数据提取的湿度指数（WI）、沙漠化指数（DI）、改进归一化水体指数（MNDWI），并结合气象数据及其它数据，揭示黑河流域生态环境变化特征.结果显示：近17a来，研究区低、中高和高植被覆盖区的面积分别以36，29，132km²/a的速率增加，无植被、中植被覆盖区面积以185，11km²/a的速率递减，且夏季和上游植被覆盖度最高；2001~2009年流域水域面积扩大至3854.5km²，2009~2017年减少至2628.9km²，上游地区水体较多，水量由山岭向山麓递减，由西向东递增；流域湿度指数由2001年0.55上升到2017年0.65，高值中心主要位于上游地区和中游民乐县、山丹县以及金塔县；流域沙漠化程度先逆转后扩展，沙漠化土地主要分布于中游高台县、临泽县、金塔县和下游额济纳旗；流域气温、降水、潜在蒸散量和地区生产总值、第一产业、建成区面积及耕地面积是影响黑河流域生态环境变化的主要驱动因素.     

北海冯家江流域地表水体中氮磷营养盐的时空分布特征

冯家江是广西壮族自治区北海市区重要的生态廊道,查明冯家江流域水体中氮磷的污染特征,对掌握冯家江流域地表水体富营养化现状及污染防控等具有重要的现实意义.分别于2018-2019年夏、冬季测定了冯家江流域地表水体中氮磷营养盐浓度及其形态,采用对数型幂函数普适指数和氮磷比评估了该流域地表水体的富营养化程度.结果 表明:冯家江...     

基于GTWR-XGBoost模型的四川省PM2.5小时浓度估算

卫星气溶胶光学厚度(AOD)和气象数据已被广泛用于估算空气动力学直径≤2.5μm的地表颗粒物(PM_2.5)浓度.研究高时间分辨率、高精度的PM_2.5浓度估算方法,对及时准确的空气质量预报和大气污染的预防及缓解具有重要意义.使用Himawari-8 AOD小时产品和ERA5气象再分析资料作为估算变量,提出GTWR-XGBoost组合模型,对四川省PM_2.5小时浓度进行估算.结果表明：(1)提出的组合模型运用于全数据集的性能优于KNN、 RF、 AdaBoost、 GTWR、 GTWR-KNN、 GTWR-RF和GTWR-AdaBoost模型,拟合精度指标R²、 MAE和RMSE分别为0.96、 3.43μg·m^-3和5.52μg·m^-3,验证精度指标R²、 MAE和RMSE分别为0.9、 4.98μg·m^-3和7.92μg·m^-3.(2)该模型作用于PM_2.5浓度小时估算...     

近50 a甘肃省气象干旱时空变化分析

气象干旱是影响人类社会最严重的气象灾害之一,且对中纬度干旱半干旱地区的危害更为显著。为探究气候变化背景下我国甘肃地区干旱事件的时空分布,首先根据甘肃1969—2018年月值气象资料计算标准化降水蒸散指数（SPEI）,通过游程理论提取干旱事件。随后采用REOF旋转正交分解将研究区划分成5个气候子区,并以每个子区为单位,基于B-G分割算法细致对比各子区不同时间尺度干旱事件的变化特征和演变趋势。最后,采用相关性分析探究各子区干旱事件的驱动因素。主要结论有：（1）研究区干旱累积历时呈微弱增加趋势（0.475 d·(10a)⁻¹）并存在19 a的主周期,干旱强度呈先缓和再加剧趋势,尤其是2000年后干旱加剧显著,并呈现出西北部干旱减轻、东南部干旱加剧的空间变化趋势。（2）REOF分解的前五个模态累积贡献率为53.06%,主要的空间分布模态为：全区一致型模态和南北反向分异模态。将研究区分为5个干旱子区：河西地区、河东中部地区、河东东部地区、乌鞘岭地区和河东西部地区。（3）河西地区自1988年以来气象干旱显著缓和（P＜0.01）;河东东、中、西部地区存在不同程度的干旱加剧趋势（0.120·(10a)⁻¹、0.129·(10a)⁻¹、0.072·(10a)⁻¹,P＞0.05）;乌鞘岭地区在1975年以后气象干旱显著缓和（P＜0.01）,形成了干旱缓和与加剧变化的分水岭区域。（4）季节上,河西地区仅夏季呈缓和趋势;河东东部地区春季呈显著干旱化趋势,而秋季相反;河东西部地区春夏两季气候干旱化趋势明显而秋冬两季相反;河东中部地区和乌鞘岭地区季节变化呈明显一致性,前者四季均呈干旱化趋势,且春季干旱化最剧烈,后者四季均呈缓和趋势,且冬季最明显。（5）研究区气象干旱受当地气候因子和环流因子因素的共同影响,河西地区和河东西部地区对气温的响应明显而河东中、东部地区则对降水量的响应明显;乌鞘岭地区对日照时数的响应明显;NAO指数对研究区夏季气象干旱存在重要影响而ENSO事件（厄尔尼诺-南方涛动）对研究区春秋两季（尤其是春季）气象干旱存在重要影响。     

广西背景大气中生物质燃烧对碳质气溶胶组成和吸光性的影响

碳质气溶胶是大气细颗粒物（PM_2.5）的重要组成部分,对空气质量、人体健康和气候变化均有重要影响.针对生物质燃烧（BB）这一碳质气溶胶的重要来源,于2017年11月至2018年10月在广西壮族自治区背景地区采集了PM_2.5样品,分析了样品中的碳质组成、糖类化合物和水溶性棕色碳（BrC）的吸光系数（b_abs）.使用气团老化指数（AAM）校正LG浓度以消除LG降解带来的影响,进而结合贝叶斯混合模型与分子示踪剂法量化了BB对有机碳（OC）的贡献率,并通过相关性分析法探讨了BrC的可能来源.结果表明,研究期间AAM指数平均值为0.40±0.28,表示LG存在光化学降解过程.农作物秸秆是广西地区最主要的生物质燃料类型,在未考虑LG降解下,全年玉米、水稻和甘蔗秸秆焚烧排放的OC分别占总OC的22%、23%和18%;考虑LG在大气中的降解后,相对贡献率分别降低至16%、21%和17%.LG的降解会导致BB对OC的贡献率评估被低估,经过AAM指数校正后,全年BB对OC的贡献率平均值为49.0%.水溶性BrC的b_abs全年的平均值为（8.7±10.7） Mm^-1,其中BB、化石燃料燃烧以及初级生物气溶胶排放可能是BrC的重要来源.     

太湖不同介质电导率时空变化特征

电导率是表征水体溶解性固体物质或盐度的重要参数,也是水体常规监测参数之一.为揭示太湖不同介质电导率的时空变化特征,对太湖水体水质历史数据(1980～2009年)以及近10年来野外监测数据(2009～2018年)进行统计分析.结果表明,近40年来太湖水体电导率呈显著上升趋势,并在1996～1997年发生突变.太湖水体电导率由1980～1996年的(239. 43±70. 60)μS·cm~(-1)增长到目前的(477. 31±23. 47)μS·cm~(-1),年均增长率10. 40μS·(cm·a)-1;空间上,西北湖区水体电导率显著高于东南湖区;水体电导率变化以主要离子变化为主导,氮营养盐的贡献基本可忽略;流域人类活动是引起水体电导率变化的主要因素.此外,太湖水体电导率受季节性径流的影响更为显著.与湖水电导率变化规律相比,西北湖区表层沉积物、孔隙水(0～10 cm)电导率均低于东南湖区,深层( 10 cm)则相反.剖面上,西北湖区表层沉积物、孔隙水(0～10 cm)电导率和深层( 10 cm)无显著差异,但东南湖区表层沉积物、孔隙水(0～10 cm)电导率高于深层( 10 cm).沉积物电导率与有机质呈显著正相关(P 0. 01),与p H呈负相关(P 0. 05),表明有机质对金属离子活化迁移具有明显的促进作用,而酸性环境下更有利于离子的活化.对不同介质间电导率分析发现,表层沉积物和孔隙水(0～10 cm)电导率均与上覆水电导率呈显著正相关(P 0. 01),而深层( 10 cm)沉积物及孔隙水电导率与上覆水电导率没有相关性,表明表层沉积物和孔隙水(0～10 cm)对上覆水电导率有明显影响.此外,整个剖面上(0～50 cm)沉积物电导率和孔隙水电导率呈显著正相关(P 0. 01),说明沉积物和孔隙水之间进行着比较充分的离子迁移交换,两者之间的相互影响总体上高于对上覆水的影响.     

1995—2020年青海省雷电灾害时空分布及其灾害特征分析

利用1995—2020年青海省雷电灾害资料,研究该区域雷电灾害时空分布特征。结果表明：1995—2006年青海省雷电灾害呈增加趋势;2007—2015年青海省雷电灾害呈下降趋势;2016—2020年青海省雷电灾害呈平稳略有上升趋势。青海省雷电灾害空间分布呈,东多西少、南多北少分布特征,其中,雷灾密集区位于西宁市辖区、大通县、河南县、湟中县和互助县区域。1995—2020年,雷电灾害造成青海省人员伤亡282人,平均11人/a,同时对办公设备,广电、电力系统、通讯系统和住宅等方面也造成了损失,其经济损失达1 247.12万元,平均47.97万元/a。     

基于GAM模型的四川盆地臭氧时空分布特征及影响因素研究

为研究四川盆地臭氧(O_3)时空分布特征及其气象成因,对四川盆地18个城市2015—2016年国控环境监测站点和气象台站数据进行了研究分析.结果表明:2015—2016年四川盆地O_3污染愈发严重,高值污染区呈扩张态势,污染区主要位于盆地西部成都、德阳、资阳、眉山、内江一带和以广安为中心的周边区域.O_3浓度有明显的季节变化特征:夏季(110.70±41.52)μg·m~(-3)春季(95.24±41.23)μg·m~(-3)秋季(67.58±39.55)μg·m~(-3)冬季(47.17±41.15)μg·m~(-3).基于广义相加模型(GAM)分析发现O_3浓度与气压、气温、相对湿度、风速、日照时数、降水量间均呈非线性关系,其中日照时数、相对湿度以及气温对四川盆地O_3浓度影响较大,而风速、气压以及降水量对O_3浓度影响相对较小.通过构建GAM模型对四川盆地18个城市O_3污染的主导气象因子进行识别,并对2017年O_3浓度进行预测和检验,结果显示GAM模型能较为准确地预测四川盆地各城市O_3浓度的变化趋势.