铜同位素及其在环境污染示踪中的应用进展

近年来,环境问题一直都是社会关注的热点,如大气、土壤和沉积物中的重金属污染问题已成为社会关注的热点。要解决环境重金属污染,关键是要确定其污染源和污染途径,本研究选取了3种典型的污染,即河流污染、冶炼厂地污染及大气颗粒物污染,选择同位素示踪技术作为研究方法,并且以铜作为示踪指标,对铜元素的基本性质,以及铜同位素在地球化学过程中的分馏,不同类型样品的处理、消解以及同位素分离纯化方法,同位素测试技术、示踪技术、端元模型进行了汇总,以及对现已发表的成果中上述3种典型重金属污染的端元(自然输入源和人为输入源),受污染途径、污染程度的研究进行了概括和总结。Cu同位素在环境污染溯源方面尚处于起步阶段,因此还需要进一步研究表生过程中Cu同位素的分馏机理,为认识重金属污染源与汇迁移过程中的机理提供重要的信息。未来的研究中,可进一步运用多种同位素相结合的方法,扩展多元同位素指纹数据库;而且同位素模型是对重金属污染源及污染贡献率进行正确评价的重要研究内容,还需构建新的多同位素多元污染模型来解决更为复杂的污染源。      

基于分形和灰度共生矩阵纹理特征的种植型药用植物遥感分类

遥感技术应用已成为中国中药资源普查的一个重要探索方向。以红花(Carthams Tinctorius L.)为种植型药用植物实验样本品种,分别基于分形理论和灰度共生矩阵(GLCM)两种方法提取不同的纹理特征,结合光谱信息对资源三号卫星(ZY-3)影像进行最大似然方法的监督分类,对比分析分类效果和精度评价。结果显示:加入纹理特征后,总体分类精度提高了0.49%—5.31%,Kappa系数提高了0.01—0.07,结合基于双毯法的分形纹理较GLCM纹理分类总体效果提高至少两倍,其中在Matlab环境下,使用5×5滑动窗口提取的分形纹理特征的分类效果最显著,总体分类精度提高了5.31%,Kappa系数提高了0.07。对于红花分类精度,引入分形纹理特征的分类精度提高到了100%,识别的红花样地效果最完整,破碎程度最小,与其他类别区分度最高;而引入GLCM的分类精度却降低了0.55%—1.28%,可见采用分形理论比采用GLCM提取纹理特征能够更加有效地辅助ZY-3影像识别种植型药用植物。