三峡库区地质灾害趋势预测模型构建与预警系统开发

地质灾害预先发现、规模预测、受灾损失预测是地质灾害防治信息化建设的核心任务之一。尽管三峡库区地质灾害监测数据丰富,但此前并未建立全面、智能的地质灾害趋势预测体系。本文通过广泛收集三峡库区地质环境数据,选取了地形、地质、植被、气象水文、人类活动等方面的13个因子,通过训练多种机器学习模型,对库区地质灾害进行易发性评价,并根据降雨实况和预报数据的粒度构建短中期和长期趋势预测模型。在此基础上,开发了基于WebGIS的三峡库区地质灾害趋势预测预警系统。系统功能丰富,包括数据管理、地质灾害易发性评价、短中期和长期多尺度趋势预测等功能模块。系统首次实现了与传感网的直接对接,使传感数据能实时参与计算,保证了预测结果的及时性。通过历史灾、险情回代验证,建立的短中期和长期趋势预测模型均具有较好的预测效果,能为三峡库区地质灾害防灾减灾提供决策支持。     

微波消解-气相色谱法测定沉积物中的木质素

改进了由Hedges和Ertel建立的沉积物样品中木质素碱性氧化铜氧化分解方法,研究了利用微波加热辅助氧化铜氧化分解沉积物中的木质素,然后用气相色谱法分离测定其单体分子。考察了温度和微波消解时间对木质素消解效率的影响,实验表明在150℃下消解90 min达到最高效率;建立的方法对沉积物中木质素各单体分子分析的加标回收率为91.4%～108%,平均相对标准偏差(RSD,n=5)为4.5%。改进的方法便于控制反应条件,提高分析效率,是较理想的沉积物样品中木质素组成分析的方法。