基于神经网络模型的千岛湖清洁水体叶绿素a遥感反演研究

叶绿素a浓度值是水体水质评价的重要指标,研究基于高分一号(GF-1)卫星遥感影像,利用神经网络模型,选用6节点的隐含层设置,构建了千岛湖清洁水体叶绿素a浓度反演模型,对其叶绿素a浓度值时空特征进行分析,并与其他常规反演方法精确度进行比较.研究结果表明,利用神经网络模型对千岛湖清洁水体叶绿素a浓度值进行反演是可行的,且与其他常规方法相比,该模型对于叶绿素a含量低的内陆清洁水体反演有着更高的相关性(R2 = 0.921 8);在空间分布上,千岛湖区域水体叶绿素a浓度整体较低,高叶绿素a浓度区域主要集中易受人类活动干扰的西南及东北区域;年际变化分析表明,千岛湖区域水体叶绿素a浓度稳定,且波动较小,平均叶绿素a浓度值皆维持在1.70～1.75 pg/L之间,清洁水体特征显著.     

模糊综合评价法在钢铁企业安全投资合理性评价中的应用

为了对钢铁企业安全投资进行模糊综合评价,建立了钢铁企业安全投资的评价体系,确定各因素的权重。得出模糊综合评价矩阵,可对各因素进行评价分析;得出某钢铁企业安全投资现状分数为83.9分,等级为较好,需着重加强安全培训、劳保品、工业卫生等人因素方面的投资;在环境方面的投资较合理。     

金属探测器的现状与发展前景

目前,随着科学技术的不断发展,犯罪分子和恐怖分子也利用高新技术制造出新式的武器、爆炸物等.各个国家也对安检越来越重视.通道式安检门在整个安检过程中扮演着一个十分重要的角色.目前,在国内这个领域,国外产品占了很大一部分.国内产品与国外产品相比还有一定的技术差距.主要体现在漏报和误报.漏报是因为灵敏度达不到,误报是因为抗干扰能力较差.而国外产品在这方面却有很大的优势,因此很大一部分政府机关、企业、大型活动组织者都倾向于购买国外产品.衡量一个安检门的优势除了误报和漏报两个重要指标外,还有其它一些技术性能,也是衡量一个门质量好坏的重要参数.     

三峡库区中低产土壤重金属含量及其与小麦吸收的关系

三峡库区中低产土壤的Hg,As,Cr,Pb,Cu五个重金属含量（除渝北区外），均在国家土壤环境质量标准内，属自然背景值一级标准。Cd和Zn高于全国土壤中的平均含量和背景值含量，属二级标准。土壤的重金属含量与土壤母质类型，pH值，阳离子交换量，有机质，无定形铁和物理性粘粒有关，同时存在一定的地域分布。重庆近郊的土壤所有重金属含量相对较高。土壤重金属的可给态或有效性含量极低，锌和铜不是过量，而是不足。小麦籽粒中As,Cr,Pb,Zn,Cu含量低于国家食品对重金属限量标准和小麦籽粒背景值标准，Hg,Cd含量高于国家规定标准。籽粒中的Cu,Zn含量是小麦茎叶中的2.0-2.2倍，而茎叶中的Hg,Pb,As,Cr,Cd含量明显高于籽粒。     

不同轮作模式下作物根际土壤养分及真菌群落组成特征

为研究宁夏中部干旱带不同轮作模式下土壤养分及真菌群落组成的特征,以谷子轮作大豆（MRG）、轮作籽粒苋（MRA）、轮作藜麦（MRQ）及谷子连作（CK）为对象,测定了土壤养分含量,并利用Illumina MiSeq高通量测序平台测定了土壤真菌的ITS变异区序列.结果表明,不同轮作模式对土壤养分的影响存在差异.3种轮作模式下土壤pH和电导率均有所下降,土壤全氮、全钾、全磷和有机质含量均上升,OTUs数和α多样性指数均高于连作.真菌群落组成研究结果显示,子囊菌门（Ascomycota）为4种模式下的优势菌群.聚类分析显示MRA和MRG的真菌属组成最为相似,其次是MRQ,CK与3种轮作模式相差较大.相关性分析显示,土壤养分与几种优势真菌属呈显著相关性（P<0.05或P<0.01）,土壤全氮、全钾、硝态氮和有机质含量是影响土壤真菌群落最主要的因子.主成分分析（PCA）表明,MRG轮作模式优于MRA和MRQ模式.综上所述,轮作提高了真菌群落多样性指数,改变了土壤真菌群落结构,改善了土壤肥力状况,其中以谷子与大豆轮作效果最佳,建议将谷豆轮作作为中部干旱带杂粮产业中主要的轮作模式之一进行推广.     

降水空间异质性对非点源关键源区识别面积变化的影响

针对地形起伏和降水空间差异较大的农业区非点源污染问题,基于SWAT模型评估了阿什河流域在异质性降水和均匀降水两种情景下总氮、总磷关键源区空间变化规律,统计了两种情景下识别的关键源区面积变化,并分析其与降水特征参数的关系.结果表明,降水量一定时,两种情景下识别的总氮、总磷关键源区面积变化趋势大致相同,且总磷关键源区面积不易受降水空间异质性的影响,但总氮关键源区面积却明显受到其影响.对各年份总氮和总磷关键源区面积与降水特征参数的相关分析表明,总磷关键源区面积与当年降水量呈显著正相关,而总氮关键源区面积却与前一年降水量呈显著正相关.研究结果对进一步探讨降水这一重要驱动因子的不确定性对非点源污染关键源区的影响,以及农业非点源污染的治理具有重要意义.     

北京南部城区PM2.5中碳质组分特征

为了解《大气污染防治行动计划》实施后北京市大气PM_2.5中碳质组分特征,于2017年12月至2018年12月在北京污染较重的南部城区进行了PM_2.5连续采样,对其中的有机碳（OC）和元素碳（EC）进行了全面研究.结果表明,北京大气PM_2.5、OC和EC浓度变化范围分别为4.2~366.3、0.9~74.5和0.0~5.5 μg ·m^-3,平均浓度分别为（77.1±52.1）、（11.2±7.8）和（1.2±0.8）μg ·m^-3,碳质组分（OC和EC）整体占PM_2.5的16.1%.OC质量浓度季节特征表现为：冬季[（13.8±8.7）μg ·m^-3] > 春季[（12.7±9.6）μg ·m^-3] > 秋季[（11.8±6.2）μg ·m^-3] > 夏季[（6.5±2.1）μg ·m^-3],EC四季质量浓度水平均较低,范围为0.8~1.5 μg ·m^-3.二次有机碳（SOC）年均质量浓度为（5.4±5.8）μg ·m^-3,四季贡献比例范围为45.7%~52.3%,年均贡献为48.2%,凸显了二次形成的重要贡献.随污染加重,尽管OC和EC贡献比例均降低,但浓度水平却成倍升高,OC和EC浓度在严重污染天分别是空气质量为优天的6.3和3.2倍.与非供暖时段相比,供暖时段PM_2.5、OC和SOC浓度分别增加了14.4%、47.9%和72.1%,体现了OC对供暖季PM_2.5污染的重要贡献.PSCF分析表明,位于北京西南的山西省和河南省部分区域是PM_2.5和OC的主要潜在源区,且PM_2.5潜在源区更为集中;EC的PSCF高值（>0.7）区域较少,主要位于北京南部,如山东省和河南省部分地区,且北京市及周边地区贡献明显.     

基于绝对主成分-多元线性回归的滇池污染源解析

定量解析污染源是湖泊流域水环境管理的重要基础.基于滇池草海和外海多年水质监测数据,采用主成分分析（PCA）方法识别了主要水质指标的污染源类型,利用绝对主成分-多元线性回归模型（APCS-MLR）得到不同污染源对水质的贡献程度.结果表明,草海主要的污染源有农业面源、城市面源和内源3类,外海的主要污染源是农业面源、城镇生活污染源、城市面源和内源4类.与河流水污染源解析结果不同,底泥内源与气象因子对滇池主要水质指标的影响较大.