课程文献中心 更多>>

关键词： 水环境遥感   Sentinel-2 MSI   COD   机器学习   太湖及河道  

摘要： 高锰酸盐指数(CODMn)是水质监测和水环境质量评估中的重要指标之一，其动态变化可以准确地反映水体有机物污染程度，对流域污染治理和水生态环境保护具有重要意义.本研究以太湖及周边河道为研究区域，基于哨兵二号多光谱（Sentinel-2 MSI）影像和同步实测CODMn数据，利用多元线性回归和机器学习方法，构建了太湖及周边河道CODMn浓度遥感反演模型.结果表明：（1）CODMn与叶绿素a（Chl-a）浓度呈显著正相关（p≤0.001），其中在湖体和河道的相关系数（R）分别为0.87和0.89;（2）Sentinel-2的红光波段和植被红边波段反射率的对数比值（lgB4/lgB5）对CODMn变化最为敏感，相关系数最高为0.84，显著提高CODMn估算模型的精度；（3）支持向量回归模型是适用于Sentinel-2影像的CODMn最优反演模型，其决定系数为0.80，平均绝对百分比误差为8.89%，均方误差为0.34 mg·L-1，平均绝对误差为0.39 mg·L-1，均方根误差为0.58mg·L-1.本研究提出的基于Sentinel-2影像的机器学习模型实现了对太湖及周边河道CODMn的遥感定量反演，论证了非光学活性水质参数CODMn遥感反演的可行性.

摘要： 项目结合水利工程大中型泵站特点,测量与总结了在建水利工程大中型泵站声环境的实际效果,建立了泵站声环境声场模型,解构与模拟了水泵机组声源;将"声景学"关键技术合理运用至泵站声环境规划中;进行了各类型声源的选择性噪声控制关键技术研究,提出了采用噪声频谱分析技术合理确定降噪措施的方法.

摘要： 9月20日,2024年中国科技论文统计结果发布会暨中国一流科技论文世界影响力评价论坛在北京召开.会上,科技部中国科学技术信息研究所(简称中信所)发布"2024年中国科技核心期刊目录(自然科学卷)",长江师范学院主管主办的《三峡生态环境监测》被收录为"中国科技核心期刊"(中国科技论文统计源期刊),这是期刊首次入选该核心期刊目录.

关键词： 形变时间序列   序列非平稳性   滤波   噪声分离   模型库  

摘要： 地表形变序列提取是多时相合成孔径雷达干涉测量技术(Multi-temporal Interferometric Synthetic Aperture Radar,MT-InSAR)的最主要目的之一.受到随机噪声误差的影响,MT-InSAR获取的形变时间序列需要进一步精化.由于形变类型多种多样,传统序列滤波处理方法容易出现单一模型不适用、滤波窗口难以确定、提取效果难以评估等问题,难以实现海量监测目标的形变序列批量处理.针对这些问题,本文提出了一种顾及序列非平稳性的广域InSAR形变序列噪声分离与精化方法.新方法构建了大范围区域的形变拟合模型库,随后通过综合考虑拟合优度和残差平稳性,对序列进行两次拟合,充分分离出形变序列中的趋势性变化信号,实现序列由非平稳向平稳的转化.最后对残余序列进行大窗口滤波,实现对残余形变信号的提取,最终完成含噪序列中的形变时间序列信号高精度分离与精化.本文利用传统三角滤波方法和新方法对规则形变序列和不规则形变序列进行了形变分量滤波提取对比实验,实验结果表明,相较于传统方法,新方法对规则形变序列的形变分量提取精度较传统方法提高了40.69％,不规则形变序列中提高了 27.54％,同时,新方法也表现出了较为准确的模型识别能力.另外,论文对新方法在滤波窗口选择、抗噪能力以及优化效果评价等方面的优越性进行了深入的分析和讨论.

关键词： Mn   Zr   O   甲醛   催化氧化   室温  

摘要： 甲醛作为室内空气污染物之一，对人体产生的危害不可逆转。因此，高效去除甲醛成为研究热点之一。该研究采用共沉淀法得到不同活性的MnxZr1-xOy催化剂，利用XRD、FT-IR、SEM、TEM、BET、XPS、O2-TPD等方法对材料进行了表征分析，评价了不同锰锆摩尔比在室温下催化氧化甲醛的影响效果。结果表明，锰与锆的摩尔比为2∶1时反应得到的Mn0.67Zr0.33Oy催化氧化甲醛效果最好，去除率达到100%，反应50h后催化剂的活性仍在90%以上。表征结果表明，Mn0.67Zr0.33Oy催化剂拥有最大的比表面积(215.1m2·g-1)，加大了气体与催化剂的接触面积，表面活性氧和高价态Mn含量高成为催化剂性能优异的主要原因。

关键词： 氢氧化细菌   氢分压   CO   固定   微生物蛋白  

摘要： 氢氧化细菌（HOB）可同步实现氨氮转化和CO2固定并产生微生物蛋白，具有广泛的应用价值。本研究探究不同氢分压对HOB体系内CO2固定、氨氮转化以及产蛋白过程的影响。结果表明，HOB体系的性能随氢分压的增大而加强。氢分压为0.8 bar时，细胞密度(OD620)和RuBP羧化酶浓度达到最大(OD620=0.50；酶浓度为（41.27±1.20） ng·L-1)，同时CO2固定速率和氨氮转化率最高，分别为0.06L·（L·d）-1和68.48%。当氢分压较高时（≥0.8 bar）, HOB产微生物蛋白的能力得到显著增强，蛋白产量高于1.3 g·L-1，蛋白含量高于68%，且氨基酸产量高于950 mg·L-1。通过关键因子的相关性分析，氢分压与HOB体系内CO2固定速率、H2消耗速率、细胞干质量、粗蛋白含量的相关性显著（R2>0.8）,与氨氮转化率之间存在显著的二次关系（R2=0.99）。因此，利用HOB合成微生物蛋白的过程中，可通过适当增加氢分压来优化系统运行，从而为后续高效、高质合成微生物蛋白的应用提供数据支持。

关键词： 溶解氧(DO)   集成机器学习   驱动因素   可解释性   偏依赖  

摘要： 溶解氧是衡量水生生态系统健康的重要指标。溶解氧浓度过低会威胁水生生物的生存并破坏生态系统的平衡，准确识别和量化驱动因素对溶解氧的影响贡献对于制定有效的水资源管理策略至关重要。选取巢湖流域作为案例研究区，利用集成的机器学习方法和夏普利加性解释（SHAP）分析，系统识别和解释影响该区域溶解氧变化的关键因素。结果表明，通过集成随机森林算法 （RF） 、极端梯度提升算法（XGBoost）和轻梯度提升算法（LightGBM）这3种模型，构建了高精度的预测模型(R2=0.94，RMSE=0.62 mg·L–1，MAE=0.41 mg·L–1)。水温、氨氮和pH值是影响溶解氧浓度的主要因素，贡献率分别为53.5%、17.6%和9.1%，而在缺氧阶段，主导因素变多，水温、氨氮的重要性分别下降20.5%和7.9%，pH、相对湿度和电导率的重要性上升7.1%、3.7%和4.8%。偏依赖分析显示，随着水温升高和氨氮浓度增加，水体中溶解氧浓度显著下降；适中的pH值有利于氧气的溶解，而极端的酸碱环境可能对溶解氧产生负面影响。在交互作用影响下，高温条件，总磷的增多和低气压都会放大温度对溶解氧浓度的负向影响。通过以上分析，研究结果旨在增进对溶解氧动态的理解，为巢湖流域的溶解氧监测、缺氧预警和管理提供数据支持和科学依据，助力巢湖水资源的可持续利用与生态保护。

关键词： Mn   Zr   O   甲醛   催化氧化   室温  

摘要： 甲醛作为室内空气污染物之一，对人体产生的危害不可逆转。因此，高效去除甲醛成为研究热点之一。该研究采用共沉淀法得到不同活性的MnxZr1-xOy催化剂，利用XRD、FT-IR、SEM、TEM、BET、XPS、O2-TPD等方法对材料进行了表征分析，评价了不同锰锆摩尔比在室温下催化氧化甲醛的影响效果。结果表明，锰与锆的摩尔比为2∶1时反应得到的Mn0.67Zr0.33Oy催化氧化甲醛效果最好，去除率达到100%，反应50 h后催化剂的活性仍在90%以上。表征结果表明，Mn0.67Zr0.33Oy催化剂拥有最大的比表面积(215.1 m2·g-1)，加大了气体与催化剂的接触面积，表面活性氧和高价态Mn含量高成为催化剂性能优异的主要原因。

关键词： 高速   Ludwieg管   流场校测   尖锥实验  

摘要： 地面实验是空气动力学研究的重要手段之一，湍流/转捩实验对风洞设备流场品质要求高。空天飞行空气动力科学与技术全国重点实验室基于Ludwieg管设计原理，采用大口径快速开启阀门（简称快开阀）技术，建设了Φ0.6 m口径、适合开展湍流/转捩机理研究的低噪声高速实验平台（简称SKLA-TT1）。本文首先简要介绍了SKLA-TT1的组成，重点介绍了大口径快开阀的启动过程，实验测得快开阀的启动时间约为19 ms；之后使用皮托耙和皮托探头对SKLA-TT1实验段的自由来流进行校测。结果表明，实验平台有效运行时间约为130 ms，并且采用快开阀主控的Ludwieg管实验平台可以获得良好的流场品质；流场校测数据显示，来流马赫数分布品质优良，且在单位来流雷诺数8.0×10～6～25.0×10～6/m范围内，自由来流压力脉动幅值为0.36～0.56%，达到了低噪声水平，适用于开展高速湍流/转捩等空气动力学关键基础科学问题的实验研究。尖锥模型压力脉动实验结果显示，边界层中存在高频第二模态扰动，第二模态沿着流向先不断增长，然后逐渐消失并出现湍流特征。

关键词： 海洋环境监测   数据预处理   异常检测   数据缺失填充  

摘要： 海洋环境监测是指通过各类海洋环境监测仪器对海水中的叶绿素a、海水表面温度、溶解氧、营养盐（总磷、总氮等）等参数实现长期连续监测，对探究海洋规律、保护生态环境具有重要作用。然而，受到复杂的海洋环境及各类监测仪器的局限性等影响，原始监测数据，尤其是实时原位采集到的连续监测数据往往存在数据异常、数据缺失等严重影响数据质量的问题。为获取高质量的海洋环境监测数据，对原始监测数据进行预处理是一种必要的手段。本文从产生数据质量问题的原因出发，对数据质量的两个典型问题（数据异常、数据缺失）展开分析，总结了近年来海洋环境监测数据异常及缺失问题的处理方法研究进展，包括数学模型分析方法、统计学分析方法、频域方法和时域方法、机器学习方法等。通过比较各种数据预处理方法的原理、适用性、优势、缺陷等方面，对集成模型的进一步研究、检测时效性的提升、模型对数据的自适应性及现场处理能力等问题提出了建议性的展望。总体来说，传统的预处理方法大多依靠人工主观建模或总结经验规律，实现对异常数据的识别和缺失数据的填补，对于平稳性、规律性较好的数据效果明显，但对数据中的突变、连续异常等情况处理能力较差；新兴的预处理方法通过引入分解方法、机器学习、深度学习等智能算法，不仅能够掌握数据的长期规律特征，而且通过更深层次的学习对小尺度的变化特征充分挖掘，能够识别数据长期连续异常，并通过数据预测准确识别突变数据，完成对数据缺失部分的填补。然而，智能算法的引入仍然存在许多限制，比如训练数据不足、最优参数获取较为困难、对硬件算力的高需求等。海洋环境监测数据预处理方法将随着芯片科技、智能算法等前沿科技的突破，朝着高精度、低模型复杂度、高终端部署能力等方面发展。