简介:揭示了全国及研究区域农业、玉米、水稻洪涝灾害的时空、风险分布特征,建立玉米、水稻洪涝灾害等级指标11套,分省农业洪涝灾害等级指标10套,玉米、水稻抗涝耐淹形态生理指标3套;研发防洪避灾种植模式3套,制定灾害防控技术规程3项。成果已在湖南、江西、浙江、安徽、广西、重庆、陕西7省(区、市)进行了气象业务应用,制作发布洪涝灾害农业气象专题服务产品、决策服务报告40多期,洪涝预警与减灾服务取得了显著的减灾增产效果。提出了基于灾害风险逆过程分析的等级指标构建方法,突破了基于降水过程的农业、玉米、水稻洪涝灾害等级阈值确定、分省指标可比性等关键技术,为农业灾害实时监测预警评估的业务发展提供了指标支撑。
简介:浅层地温能属于环境友好型能源,能在一定程度上减少污染物的排放,缓解环境压力。然而,其可能产生的环境负影响常常被人们忽略。本文以地下水地源热泵(GWHP)系统和地埋管地源热泵(GSHP)系统为重点,系统梳理了浅层地温能在不合理利用时,可能引发的环境问题。分析了热泵系统对地下动力场、温度场、化学场及微生物环境等的影响。为抑制热泵系统运行中产生的环境负影响,迫切需要对相关限制性指标及法律法规进行完善。本文总结了国外与环境有关的限制性指标(技术性指标和生态学指标),对比了国内不同地区的标准,提出我国在浅层地温能利用上,尚存在指标建立标准相对单一、法律约束力较弱、区域差异性不明显等不足之处,需加强配套监测系统建设,控制并减少环境负效应的产生。
简介:为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧(DO)、铵态氮(NH4+—N)、硝态氮(NO3-—N)、总氮(TN)、总磷(TP)6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM(1,1)灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。
简介:北京地区许多废弃的无主老矿山未实施矿山环境治理和土地资源恢复工程,矿区内地质环境和生态条件恶劣.本文对废弃矿山及其治理工程特点进行了分析,运用灰色关联度分析法,阐述了矿山废弃地土地资源破坏效应的四个因素-地表景观效应、土体污染效应、次生灾害效应、生态环境之间的联系.以房山区石窝大理石矿山废弃地治理工程为例,提出了矿山废弃地治理以矿山环境、灾害治理为主,以园林景观绿化为辅相结合的二维治理模式,在地形整治、挡土墙、绿化等措施的基础上进行园林景观的设计,结合周边居民生活需求,利用矿区内的正负地形渣堆和采石坑,进行景观的再生和组合,将采石坑设计成下沉式休闲公园和健身广场,希望通过园林景观绿化工程的实施,改善矿区及周边地表景观和生态环境.
简介:广东南雄盆地广泛分布着白垩纪红色地层,厚5千多米,面积约1020km^2。前人普遍认为该套地层属山间盆地河湖相碎屑沉积,同时在湖底还沉积了大量钙质结核及多层泥灰岩。野外观察发现,地层中红颜色随层理/层次变化也发生深浅变化,说明地层的红色是与层理同期形成,属沉积阶段的原生色。所谓湖底沉积结核及泥灰岩实为红色古土壤层中的钙结核与钙板层。磁性矿物测量表明,地层中的主要载磁矿物为赤铁矿,且相对含量较黄土一古土壤高得多,表明该地层是长期处于地表高温干旱氧化环境中形成。红色粉砂层和黏土层中发育的钙质结核及钙板层与古近系红黏土类似,属土壤淀积层,位于土壤黏化层下部。因此,南雄盆地白垩纪红层的“水成”只是局部或者短暂特点,总体是地表干旱氧化条件下经成土作用形成的红仁.土壤序列。
简介:海岸沙丘蕴含着丰富的过去海岸带风沙活动的信息,在精确的年代学框架基础上才能提取接近实际的海岸风沙活动序列。本研究选取福建长乐海岸3个代表性海岸沙丘剖面进行光释光测年研究,应用不同年代模型计算比较光释光测年结果,发现WeightedMean年代模型所测得的等效剂量值相较于CAM年代模型和Mean年代模型呈现出系统性偏小的特征,Mean年代模型所测得的等效剂量值的误差偏大,因此本研究选用CAM年代模型作为年代测算的模型。海岸沙丘砂OSL年代学研究表明,在0.9ka以来,福建长乐海岸带产生明显的风沙堆积和发育海岸沙丘事件,可能是由于中世纪以来,尤其是小冰期福建沿海处于总体寒冷的背景下,区域气候呈现较大幅度的冷暖波动变化,经历了海平面波动下降、海岸线风大沙多的环境演变过程。
简介:新的钻井工艺或钻井液体系的使用在保证钻井施工顺利进行的同时,也给录井岩屑的岩性识别带来了极大的挑战,其中以膏盐岩地层尤为突出。以塔里木油田大北X井为例,提出了主成分分析(PCA)与径向基函数(RBF)神经网络相结合的膏盐岩地层岩性识别方法,利用主成分分析法去除指标变量间的相关性,将原始指标变量重新线性组合为4项综合变量作为RBF神经网络的输入向量;最后建立适于识别膏盐岩地层岩性的RBF神经网络模型。实际识别结果表明,该PCA-RBF神经网络模型对于膏盐岩地层岩性的识别具有较高的准确性,完全可以满足实际应用的要求,具有进一步推广的价值。