不同降雨条件下植被对绿色屋顶径流调控效益影响

植被是绿色屋顶的重要组成部分,可通过截留雨水和蒸散耗水等过程影响绿色屋顶的径流调控效益.本文基于太阳花(Portulaca grandiflora)、佛甲草(Sedum lineare)、高羊茅(Festuca elata)和无植被等4种植被覆盖类型绿色屋顶2017年雨季26场降雨径流过程的监测数据,从径流和洪峰削减、产流和峰现时间延迟四方面定量分析植被在不同降雨条件下对绿色屋顶径流调控效益的影响.结果表明,绿色屋顶径流削减率与降雨量呈显著负相关(P 0. 01),降雨量10 mm时,绿色屋顶径流削减率等于或接近100%;降雨量超过30 mm,所有绿色屋顶的径流削减率降低到70%以下;当降雨量达到监测期内最大的81. 4 mm时,各绿色屋顶径流削减率都低于55%.植被覆盖类型对绿色屋顶径流调控效益的影响随降雨条件而改变,大雨条件下不同植被覆盖类型绿色屋顶的径流削减率差异最大,中雨和暴雨条件下次之,小雨条件下因各绿色屋顶几乎都不产流而无明显差异.在中雨、大雨和暴雨条件下,有植被覆盖绿色屋顶的径流削减率、洪峰削减率、产流和峰现时间延迟等4个指标都明显优于无植被覆盖的绿色屋顶.株高和单位面积地上生物量最高的太阳花绿色屋顶的径流调控效益优于佛甲草绿色屋顶.     

福州市环境空气质量预报误差分析

介绍了福州市环境空气质量预报系统，分析了预报产生误差的原因，指出SO2、NOx预报误差相对较小，TSP预报误差相对较大，误差主要由局地污染源的不确定和特殊天气情况造成，具此提出了提高预报准确性的改进方法和措施。     

非分散红外法测定污水中石油类的难点及解决方法

运用国标非分散红外法测定油田污水中石油类物质含量时,存在一些难点问题。用以下方法解决石油类物质含量高及萃取难的问题:(1)可将试样按一定比例稀释至仪器可测的范围;(2)对于四氯化碳本底值不一致的问题,可以制备低本底值的四氯化碳,或用加权平均法配制适宜本底值的混合样四氯化碳;(3)对于仪器不稳定的问题,对同一个样品至少进行两次测定,取第2次测定时的第3 min时刻的读数值。上述方法,可以提高油田污水水样的萃取率和测定精度。     

空气质量周报探微

空气质量周报工作在我国开展时间不长,开展的城市面也不广,可以说是起步阶段。因此,加强空气质量周报的管理,实现周报工作的规范化,确保周报的科学性、准确性和可比性,保障周报数据时效性,提高空气质量周报的水平和效果,是环境监测人员应该潜心研究的问题。我们大庆市的空气质量连续监测工作于1997年6月开始进行准备,今年1月14日正式进行空气质量周报。4月22日通过市电视台、日报社等新闻媒介向社会发布。之后,国家环保总局批准大庆市为国家质量空气周报重点城市,5月1日起向中国环境监测总站传送空气质量情况。一、空气质量周报…     

始咱台金属水平摆曲线短临异常特征研究

本文通过对姑咱台金属水平摆仪器历年的预测资料进行清理，排除各种干扰，对原始记录曲线上出现的短临异常进行分析，归纳出六种异常形态（曲线转折，突跳，脉动，漂移，抖动及混合异常），选取台站周围60千米以内3．0级以上，200千米以内4．0级以上，400千米以内5．0级以上，600千为以内6．0级以上的地震，统计出曲线异常特征与地震的对应关系，为基层台站进行监测预报提供预报依据。     

江苏中强地震地下水动态预报指标初探

初步探讨了江苏省中强地震地下水动态预报指标，阐明了预报目标与分析方法。预报指标是依据８次震例中经过筛选的２０余项以单井为基础的异常统计、分析而得到的。文中列举了３条指标的实例，并指出了此项研究存在的问题。     

极值分布区间估计在中长期地震预报中的应用

在提出极值分布区间估计理论和方法的基础上，讨论了地震预报中的区间估计问题。文中以年最大地震震级分布服从Ⅲ型极值分布为例，介绍了区间估计在地震预报中的应用     

加强地震预报研究 提高防震减灾效益

着重论述了要提高防震减灾效益,必须加强地震预报研究。分析了20多年来我国地震监测预报和研究的进展与差距,提出了若干加强监测预报的建议。     

最大限度地减轻地震灾害——全国防震减灾工作会议、全国地震局长会暨党风廉政建设工作会议

我们知道,地震是一种自然现象,全球每年发生的地震约有500万次,虽然仅仅只有100次左右能造成灾害,但由于其造成的灾害常常是毁灭性的,仍然是全球自然灾害之首。党中央、国务院对我国的防震减灾工作始终高度重视,胡锦涛总书记、温家宝总理等中央领导同志多次对地震监测预报、震灾预防、应急救援、恢复重建等工作做出过重要指示,这次由国务院组织召开的全国防震减灾工作会议,又进一步强化了防震减灾工作的重要性,将防震减灾工作提升到了相应的高度。     

基于BP神经网络的贵阳市空气质量指数预报模型

采用贵阳市2013年1月1日—2015年12月31日的空气质量指数(AQI)日均值,常规的地面和高空观测资料,基于不同季节,调整BP神经网络的隐藏层个数和隐藏层节点数,建立不同的BP神经网络预报模型,进行参数检验,最终选取预报效果最好的模型带入实况进行检验。结果表明,夏季的预报效果最好,采用的模型TS评分为81.6%,平均绝对误差为9.1,正确率为97.4%,用该模型检验预报效果,实况和预报的相关系数为0.71,平均误差为9;而冬季的预报效果明显低于其他季节,采用的模型TS评分为65.7%,平均绝对误差为19.5,正确率为72.9%,用该模型检验预报效果,实况和预报的相关系数为0.79,平均误差为19。而且BP神经网络模型的预报效果同隐藏层个数与隐藏层节点数没有显著关系。