碳中和目标下海洋地球工程的国际法规制和政策启示

碳中和目标的实现需要充分开发海洋碳汇的潜力。海洋施肥、人工海洋上升流、海洋碱化是三种旨在提升海洋碳汇的地球工程技术。本文从海洋地球工程活动合法性、海洋环境保护义务和气候变化公约体系三个方面论述海洋地球工程的国际法框架。首先,《伦敦倾倒公约》和《伦敦议定书》中关于“倾倒”的定义不适用于海洋地球工程活动涉及的以吸收二氧化碳为目的投放铁或碱性物粉末或放置管道的行为。《关于规制以海洋施肥和其他以海洋地球工程活动为目的投放物质的伦敦议定书修正案》将海洋施肥活动限制在通过了完整的环境影响评价的“合理科学研究”范围内。目前这一限制不适用于其他海洋地球工程技术,但随着对其他技术研究的深入,修正案限制范围有可能会扩大。其次,《联合国海洋法公约》和《生物多样性公约》中有关海洋环境和海洋生态保护的公约条款适用于海洋地球工程活动,其中有关环境影响评价的义务与海洋地球工程的发展密切相关。再次,《联合国气候变化框架公约》以及《巴黎协定》中关于国家自主贡献的规定为实施海洋地球工程提供了鼓励性规则。最后,本文就中国关于该技术的实验活动以及未来应用该技术的场景下涉及的遵约和治理问题进行展望。当前不与国际法冲突的发展模式是进行小规模试验研究、建立海洋碳汇方法学标准、核算海洋碳汇经济价值,推动海洋碳汇换算核证自愿减排量进入碳市场交易;在实践中鼓励将开发海洋碳汇与低碳渔业养殖、陆海统筹增汇等方法相结合。未来能否大规模实施海洋地球工程技术取决于对海洋生态环境相关影响研究的进展。     

人工浮床栽培7种植物在富营养化水体中的生长特性研究

本研究利用人工浮床在富营养化水体栽培了7种植物,成活率都在70%以上,2个月的生长期内生物的生长量都超过20kg鲜重/m2.浮床栽培芦苇的净化效果最好,每平方米的芦苇浮床可以使117.93 m3的水从V类水质净化为Ⅲ类水质(以总磷计),其次分别为荻、水稻、蕹菜、牛筋草、香蒲和美人蕉.对蕹菜和水稻植株的检测表明,分别作为蔬菜和青饲料完全符合国家有关卫生标准.     

基于CA的城市形态扩展多解模拟——以北京市东部平原区情景分析为例

构建了一个基于人工神经网络的约束型城市扩展CA模型。利用该模型,预测了北京市东部平原区在3种情景规划之下的未来50年的城市形态,为不同的城市发展模式之间的比较分析奠定基础。然后以2024年的北京东部平原区模拟城市形态为基准,从自然生态功效、社会服务功效、经济利益功效3个方面对3种规划模式进行了情景分析,从而系统的比较了3种规划模式的复合生态功效,为城市规划决策提供有力的支持。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

人工神经网络方法在拟建小区域环境质量评价中的应用

人工神经网络的评价方法用于小区域环境质量评价中,根据本地区特点因地制宜地选择环境质量参数,代入模型中进行环境质量评价及预测,对用于环境质量评价的BP人工神经网络模型进行了改进,即对网络模型的训练样本进行了扩充,从而提高了模型的抗干扰能力和准确性.将改进了的BP人工神经网络模型应用于四川省资阳市沱江二桥拟建项目小区域的大气、地表水环境质量评价中, 对该市小区域大气、地表水环境质量状况进行评价,评价结果表明,BP人工神经网络模型用于环境质量评价是可行的,且评价结论客观,评价模型普遍适用.     

基于人工免疫原理的事故预防研究

介绍生物免疫识别模式,分析事故预防过程的实质是抑制潜在危险转化成事故的控制过程,分析比较事故预防与生物免疫识别模式在作用、生存环境、动作触发源等的共性,构建了基于免疫识别模式的事故预防系统并建立了事故预防数学模型;定义事故预防系统的识别率、失效率、误判率并给出了数学表达式,指出监测生产系统各环节状态信息是否符合系统的安全要求就是识别潜在危险的过程,是事故预防的关键,基于人工免疫原理的事故预防数学模型具有较强的健壮性、自适应性和动态防护性等特点。     

响应面法和神经网络优化Acinetobacter sp. DNS32发酵基质

为了提高阿特拉津降解菌Acinetobacter sp.DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分(玉米粉、豆饼粉、K2HPO4)进行优化研究。响应曲面法确定3种成分的含量为玉米粉39.494 g/L,豆饼粉25.638 g/L和K2HPO43.265 g/L时,预测发酵活菌最大生物量为7.079×108CFU/mL,实测量为7.194×108CFU/mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L时,预测最大值为7.199×108CFU/mL,实测量为7.244×108CFU/mL;最终确定培养基配方:玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L,CaCO3为3.000 g/L,MgSO4.7H2O和NaCl均为0.200 g/L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36.6%。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

Comparison of the Performance of Statistical Models in Forecasting Monthly Total Dissolved Solids in the Rio Grande1

Abudu, S., J.P. King, Z. Sheng, 2011. Comparison of the Performance of Statistical Models in Forecasting Monthly Total Dissolved Solids in the Rio Grande. Journal of the American Water Resources Association (JAWRA) 48(1): 10‐23. DOI: 10.1111/j.1752‐1688.2011.00587.x Abstract: This paper presents the application of autoregressive integrated moving average (ARIMA), transfer function‐noise (TFN), and artificial neural networks (ANNs) modeling approaches in forecasting monthly total dissolved solids (TDS) of water in the Rio Grande at El Paso, Texas. Predictability analysis was performed between the precipitation, temperature, streamflow rates at the site, releases from upstream reservoirs, and monthly TDS using cross‐correlation statistical tests. The chi‐square test results indicated that the average monthly temperature and precipitation did not show significant predictability on monthly TDS series. The performances of one‐ to three‐month‐ahead model forecasts for the testing period of 1984‐1994 showed that the TFN model that incorporated the streamflow rates at the site and Caballo Reservoir release improved monthly TDS forecasts slightly better than the ARIMA models. Except for one‐month‐ahead forecasts, the ANN models using the streamflow rates at the site as inputs resulted in no significant improvements over the TFN models at two‐month‐ahead and three‐month‐ahead forecasts. For three‐month‐ahead forecasts, the simple ARIMA showed similar performance compared to all other models. The results of this study suggested that simple deseasonalized ARIMA models could be used in one‐ to three‐month‐ahead TDS forecasting at the study site with a simple, explicit model structure and similar model performance as the TFN and ANN models for better water management in the Basin.     

基于人工蜂群算法与BP神经网络的水质评价模型

针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。     

人工浮床对汾江河水质净化的研究

对佛山市汾江河内布置浮床的水域的7个断面进行采样监测,分析了布置浮床侧与未布置浮床侧各水质指标的差异,以考察人工浮床对汾江河水质的净化效果。同时比较了圆币草、水罂粟、梭鱼草、狐尾草、美人蕉和鸢尾6种浮床植物的生物量和氮磷吸收量。结果表明,布置人工浮床一侧的水质TN、TP、COD和NH4＋-N含量均显著低于未布置浮床一侧的水质,表明人工浮床对水体水质的有净化效果。总面积约4 900 m2的浮床植物经过3个月的生长,从水体中共吸收了192.5 kg的氮和76.1 kg的磷。6种浮床植物中,狐尾草的净增生物量最高,达到64.2 kg/m2;圆币草次之,为62.2 kg/m2。狐尾草和圆币草对氮磷的吸收能力在6种植物中处于较高水平,每平方米狐尾草和圆币草从水体中分别吸收了51.61g氮、19.79 g磷和46.90 g氮、22.93 g磷。综合比较得出,狐尾草和圆币草在生物量和氮磷吸收量上均保持在较高水平,是较好的浮床植物。本研究为人工浮床在南方类似河流中的应用及植物选择提供了参考依据。