周期性风温下矿井巷道围岩换热教学实验装置研制*

为开展矿井热害防治的实验教学,设计并搭建周期性风温作用下巷道非均质围岩换热实验装置,能直观展示高温围岩各岩层的温度变化。利用实验数据可计算出巷道壁面热流密度,进而定量估算巷道围岩的散热量。结果表明:周期性风温通过后,模拟巷道围岩体各处温度随时间也呈简谐波变化;对于非均质的围岩体,导热系数越大的岩层,周期性风温的调热能力越强;巷道壁面处的热流密度也呈周期性变化,但围岩体总体表现为散热,且散热量随时间快速减小,并最终稳定在1.3×104 kJ/m2。     

长三角地区大气NO2和CO2浓度的时空变化及驱动因子分析

以长三角城市群为研究对象,利用卫星遥感观测数据协同分析长三角地区大气NO₂和CO₂浓度的时空变化特征和驱动因子,揭示了长三角地区污染物和CO₂高浓度地区空间格局.结果表明长三角城市群地区大气NO₂和CO₂浓度的时空分布及变化特征呈现了受化石燃料燃烧和机动车排放等人为活动以及区域地形、地表覆盖、气候等自然条件的综合影响结果.大气NO₂和CO₂高浓度值围绕太湖明显呈口对西南向的U字形分布,一致于围绕太湖分布的杭州、上海、苏州、无锡、常州和南京等大型城市区域,以及安徽铜陵地区的工业排放区.大气NO₂浓度值呈现秋冬时期较高,夏季最低的季节分布特征.大气CO₂浓度受植被CO₂吸收和CO₂的积累影响,8~9月最低,4~5月最高.此外,随着人为排放活动的急剧减少,2020年1~3月的大气NO₂浓度比2019年同时期降低了50%以上,其中分布了以钢铁厂、燃煤厂为主的大型工业热源的城市NO₂浓度下降最多,如镇江、南京、马鞍山.     

一种基于大气CO2浓度时空特征的碳排放分区估算方法

针对人为碳排放的空间分布量级差异大导致排放数据的非正态分布问题,提出了一种基于卫星大气CO₂柱浓度(XCO₂)时空变化特征聚类分区构建人为碳排放神经网络估算模型方法.通过利用与人为碳排放强相关的卫星XCO₂数据时空变化(2010～2021年)特征的聚类分区,利用卫星观测的XCO₂和SIF以及夜间灯光、人口密度和人为排放清单数据EDGAR作为训练学习数据,以聚类区为单位分别构建人为碳排放神经网络估算模型,估算了2021年研究区人为碳排放.与EDGAR交叉验证结果显示,相比以中国全区数据作为训练学习样本统一建模方法的估算,本研究提出的分区建模估算结果从相关系数(R²)的0.43提高到了0.82;空间分布更为合理;平均偏差由0.03 9Mt CO₂降低到0.018Mt CO₂.研究表明利用多源数据的神经网络训练学习进行人为碳排放的估算,能够为区域碳排放特征和排放清单的不确定性提高提供评估分析依据.