气袋采样法对还原硫化物测定的影响因素分析及机理研究

还原硫化物是一Z类典型的恶臭物质,其特点是活性高、不易储存,因此适宜的储存条件对还原硫化物的准确测定具有重要意义。本文使用气相色谱-质谱联用技术,从气袋材质、还原硫化物初始浓度、还原硫化物性质和储存时间四个因素探究袋采样法储存还原硫化物过程的损失情况。以Tedlar~? PVF和Teflon~? FEP为目标采样袋,使用5个初始浓度(0. 001、0. 010、0. 100、1. 000和10. 000μg/m L)的混合还原硫化物,选择0、2、6、12、24、48以及72h的储存时间,以响应因子和相对回收率作为评价因子,并使用配对t检验法和吸附动力学,研究影响储存效果的主要因素、物质损失机理以及两种采样袋的储存能力。结果表明,储存时间越长、物质初始浓度越高,物质活性越强,损失情况越严重;在环境温度达到60℃时,Tedlar~? PVF的基质背景较Teflon~? FEP更复杂;相同条件下,还原硫化物在Teflon~? FEP储存过程中损失更严重。依据研究结果建议:(1)样品采集后避光保存;(2)低浓度含硫样品的测定在采样后8h内完成,高浓度含硫样品的测定在2h内完成;(3)若待测样品气体温度较高,优先选择Teflon~? FEP采样袋,气体温度较低条件下选择Tedlar~? PVF采样袋,可最大限度保持样品的原始状态。本研究成果有利于确保还原硫化物样品的储存稳定性,最大限度还原恶臭污染现场情况,为恶臭污染的分析测试以及后续的恶臭污染控制与治理提供技术支持。     

安徽五河地区河口铅金矿成矿地质条件及成矿模式

矿床地质特征及成矿条件分析是同地区寻找同类矿床的重要手段。在总结前人研究成果的基础上,对安徽五河河口铅金矿的矿床地质特征、成矿条件、控矿因素和成矿模式进行详细讨论,认为太古宇变质基底既是该矿床的赋矿层位,又是原始矿源岩系;主要控矿因素为断裂构造,尤其是北北东—北东向和南北向断裂。推测其成矿模式为地壳物质经深部熔融、重融作用形成高温混合花岗状岩浆熔融体,侵入到地壳上层岩石,在结晶过程中,富集的气化高温初始混合岩浆上升到已冷凝或亚凝固的花岗状岩石,发生碱交代作用,导致已固化岩石中的成矿组分浸出,伴随再平衡岩浆充填交代成矿。研究结果可供五河地区寻找同类矿床参考。     

塔里木盆地满加尔凹陷沉积环境及成盐成钾分析

满加尔凹陷是我国石炭纪主要的的成盐区。在满加尔凹陷内通过收集石油部门地质勘探资料,综合分析了13个钻井资料,发现了膏盐岩层,厚16.5～221m,产状平缓,分布比较稳定。通过对其沉积环境和成矿机理分析,认为满加尔凹陷成盐条件优越,物源丰富,成盐地层为石炭系下统,具有含盐系厚度大、面积广、埋深大、保存条件较好、构造相对稳定等特点,具有成盐成钾的的各种条件,找矿潜力大。     

中国西南河流碳、氮运移机制及其对水文条件变化的响应:以西江为例

流域碳、氮的生物地球化学循环过程关联着区域/全球尺度的气候变化,同时受到气候条件变化的影响。本次研究以我国西南喀斯特地区的西江为例,通过时间序列的高频次样品采集和分析,揭示水文条件变化对河流碳、氮动态变化的影响及其控制机制。结果表明,在高流量条件下,化学风化的加速、土壤CO2的汇入及流域内有机质的降解导致了水体δ13CDIC偏负,碳酸盐矿物的快速风化致使河水HCO3-浓度表现出强烈的"化学稳定性";对DIC、δ13CDIC、流量、温度的联合分析表明,矿物溶解、土壤CO2的汇入与河流中有机质降解的共同作用导致了西江河水碳动态的季节变化;河水NO3-浓度在高流量条件下并未表现出明显的稀释效应,反应了人为输入和化学转化过程对NO3-浓度的影响;硝酸盐氮、氧同位素的分析结果表明,西江NO3-来源受人为活动影响较大,主要转化过程为硝化作用;同位素和水化学证据表明碳酸、硫酸、硝酸共同参与流域岩石化学风化,雨季外源酸参与风化的减弱是河流中HCO3-稀释的重要原因。     

鄂尔多斯古陆金刚石成矿条件及找矿潜力

鄂尔多斯古陆具有稳定的结晶基底和沉积盖层,也存在有利于金伯利岩形成的深切地幔的深大断裂构造。在山西柳林尖家沟地区发现众多金伯利岩,在山西应县和大同地区发现金伯利岩、钾镁煌斑岩及似金伯利岩等与金刚石形成有关的岩体,在这些地区也发现少量微粒金刚石和大量指示矿物;圈出内蒙古新庙、陕西店塔2个铬尖晶石指示矿物异常区。陕西店塔地区还发现与金伯利岩岩浆活动有关的环状构造。鄂尔多斯古陆区具备原生金刚石形成条件,具有良好的找矿潜力。     

基于盘锦地理国情普查成果滩涂监测数据的提取研究

根据测绘地理信息行业"十三五"规划,如何利用国情普查数据进行地理国情监测监测,成为未来几年测绘技术的一个重要课题。本文的实施以地理国情普查数据利用高分辨率航空影像确定和采集滩涂地表空间数据为范围,对为滩涂变化监测提供基础数据源进行了研究。     

卫星遥感在地理国情普查中的应用

第一次全国地理国情普查工作的主要基础影像是航空摄影遥感影像,但是卫星遥感影像在本次地理国情普查中也发挥了重要作用。高分辨率卫星遥感影像可以作为无法获得航空摄影遥感影像地区的基础影像补充,并将成为地理国情普查时点核查数据更新和修正的主要数据源影像。中分辨率卫星遥感影像可以用于时点核查时快速发现变化地类,并用于评估地理国情普查数据的准确度。卫星遥感将是未来实现持续地理国情监测的主要手段。     

福建春季西南急流暖湿强迫背景下的强对流天气流型配置及环境条件分析

根据2002—2013年福建26次春季强对流天气过程中12例由西南急流暖湿强迫产生的强对流天气的高低空环流配置,利用常规高空、地面观测资料以及NCEP再分析资料,运用中尺度对流天气的天气图分析技术建立福建春季西南风低空急流暖湿强迫背景下的强对流天气流型的识别方法,并统计静力稳定度、水汽、抬升和垂直风切变条件及相应物理量要素,初步揭示了福建省春季西南急流暖湿强迫背景下的强对流天气过程的特征和规律。此类强对流天气是由对流层中、高层干冷空气位于低层强烈发展的暖湿平流之上形成显著条件不稳定层结,逆温、干暖盖、中低层有利的水汽条件,上干下湿的温湿廓线以及低空辐合、高空辐散为强对流天气的发生提供了有利的环境条件,强对流天气系统由地面的锋面、辐合线、热低压、925 hPa辐合线以及西南急流脉动等中尺度天气系统触发,对流生成后在西南风急流引导下移入有利于对流发展的不稳定区域使得对流持续发展,强垂直风切变配合较大的对流有效位能有利于对流风暴持续发展。     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

Road condition assessment by OBIA and feature selection techniques using very high-resolution WorldView-2 imagery

Accurate information on the conditions of road asphalt is necessary for economic development and transportation management. In this study, object-based image analysis (OBIA) rule-sets are proposed based on feature selection technique to extract road asphalt conditions (good and poor) using WorldView-2 (WV-2) satellite data. Different feature selection techniques, including support vector machine (SVM), random forest (RF) and chi-square (CHI) are evaluated to indicate the most effective algorithm to identify the best set of OBIA attributes (spatial, spectral, textural and colour). The chi-square algorithm outperformed SVM and RF techniques. The classification result based on CHI algorithm achieved an overall accuracy of 83.19% for the training image (first site). Furthermore, the proposed model was used to examine its performance in different areas; and it achieved accuracy levels of 83.44, 87.80 and 80.26% for the different selected areas. Therefore, the selected method can be potentially useful for detecting road conditions based on WV-2 images.