加拿大一枝黄花生物炭对Cd2+的吸附特性及机理

以外来入侵种加拿大一枝黄花为原料,探究不同成分在不同热解温度下制得的生物炭的基本性质及其对水中Cd~(2+)的吸附能力、最优吸附工艺条件和吸附机制,以提高其资源化利用效率。结果表明:以茎叶混合作为原料在450℃下热解制得的加拿大一枝黄花生物炭(SCBC450)对Cd~(2+)吸附能力最优。正交结果显示,3种所选因素对生物炭吸附Cd~(2+)的影响程度依次为吸附质起始浓度pH温度;当pH=6、温度35℃、吸附质起始浓度50 mg·L~(-1)时,Cd~(2+)的吸附效率最高,可达(95.6±0.38)%。SCBC450对Cd~(2+)的吸附过程符合二级动力学模型,以化学吸附为主,且符合Langmuir等温吸附模型,最大理论吸附量达107.03 mg·g~(-1)。通过对生物炭吸附前后的XPS、FTIR和SEM-EDS分析可知,其对Cd~(2+)的吸附机制包括离子交换、络合反应、沉淀作用和物理吸附。因此,加拿大一枝黄花生物炭对Cd~(2+)的吸附具有极大的应用潜力。     

基于Cytb基因的东印度洋鸢乌贼系统发育关系和种群遗传结构

通过测定东印度洋北部、赤道、南部3个鸢乌贼（Sthenoteuthis oualaniensis）群体的线粒体DNA细胞色素b（Cytb）基因序列,分析了东印度洋鸢乌贼的系统发育关系。研究表明,东印度洋鸢乌贼整体具有高单倍型多样性（h=0.939）和高核苷酸多样性（π=0.015）。3个鸢乌贼群体间的F_st值为0.661,群体间遗传分化水平很高,具有明显的遗传分化现象,可分为以东印度洋北部群体为主的谱系1（东印度洋北部谱系）和主要由东印度洋赤道与南部群体组成的谱系2（东印度洋南部谱系）,且谱系2经历过群体扩张。东印度洋巨大的南北水文差异可能是鸢乌贼产生南北谱系分化的原因,在东印度洋鸢乌贼资源的利用和管理方面应考虑南北谱系的差异和特点。     

芦苇生物质炭对镉的吸附及机制

为解决重金属废水处理问题，寻求芦苇的新型资源化利用途径，采用限氧热解方法在不同温度下制备芦苇生物质炭（RBC）。在对芦苇生物质炭进行元素分析的基础上，进行吸附动力学实验和等温吸附实验，并通过扫描电镜（SEM）、傅立叶变换红外光谱（FTIR）和X射线衍射（XRD）等表征方法，探究不同热解温度对RBC吸附Cd²⁺的影响及吸附机制。结果表明： RBC对Cd²⁺的吸附过程更符合准二级吸附动力学方程，Langmuir等温吸附模型能更好描述RBC对Cd²⁺的吸附；500℃下制备得到的RBC产率较高，Cd²⁺吸附量最大，理论吸附量可达39.05 mg·g^-1；吸附Cd²⁺后，RBC表面生成粒状结构，XRD谱图出现CdCO₃和CdSiO₃晶型的峰，推断Cd²⁺分别能与CO₃^2-与SiO₃^2-形成沉淀。研究表明，芦苇生物质炭的最优热解温度为500℃，此温度下产率最高，对Cd²⁺的吸附能力最强，吸附Cd²⁺的机制可能为阳离子交换、沉淀吸附、络合和Cd²⁺-π金属键合共同作用。     

空间视域下明清女性作家地理分布及其成因——以松江府为例

[目的/意义]数字人文和地理信息系统技术的运用可直观展示明清女性作家群体地理分布特点,并为其地理分布的形成原因分析提供定量数据参考。[方法/过程]统计分析“明清妇女著作”数据库中松江府籍贯的女性作家的基本信息,包括朝代、出身背景、婚姻状态以及作品。基于地理信息系统技术对明清松江府女性作家进行地理分布可视化呈现,并从空间视域下采用相关性分析方法定量考察社会经济和基础文教对明清松江府女性作家地理分布的影响。[结果/结论]明清时期,松江府女性作家共计139位。其中,77.7%的女性作家分布在中心县区（如华亭县、娄县和上海县）,分布在其他边缘县区的人数占比为22.3%。松江府各县女性作家人数与著姓望族和学校分布存在显著的相关性,而与田赋税收和棉布业市镇的分布不存在显著相关性。     

降雨和施肥对上海崇明岛小麦田N2O排放的影响 ——基于涡度协方差法的研究

在基于涡度协方差技术的小麦田N_2O通量观测基础上,分析了小麦田N_2O的排放动态以及不同时间尺度上降雨和施肥对小麦田N_2O排放的影响,同时以增强回归树的方法定量分析了降雨和施肥相关因子对小麦田N_2O通量的贡献率。结果表明:小麦田N_2O通量没有明显的昼夜和季节变化模式,研究期内N_2O平均日排放量为666.5μg/(m2·d)±669.4μg/(m2·d)(以N_2O-N量计);N_2O主要以脉冲的形式释放,其中降雨和施肥引发的脉冲占小麦田N_2O总排放量的比例分别为29.4%、19.2%;降雨促进小麦田N_2O排放,且N_2O通量对降雨事件的响应比较迅速(主要集中在雨后的几小时内),同时降雨的影响能持续1～2 d;相比降雨,施肥对小麦田N_2O排放的促进作用存在一周左右的时滞;综合考虑施肥和降雨的交互影响,在施肥后1～8 d内发生的降水事件对N_2O的排放有明显的促进作用。因此,二者的交互影响不容忽视。     

机器学习在氮循环领域的应用研究进展

氮循环是地球圈层中水-土-气-生多介质、多界面的复杂过程，与土壤健康、粮食安全、全球变暖、空气污染、水体质量等环境问题密切相关。近年来，得益于计算机技术的快速发展和海量、多源数据的产生，机器学习迅速成为研究氮素循环强有力的工具。本文系统梳理了机器学习的功能性概念，包括典型开发流程和学习应用场景等；总结了机器学习的典型应用算法，包括经典机器学习（如随机森林、支持向量机等）和深度学习（如卷积神经网络、长短期记忆网络等）；并综述了机器学习在氮循环研究领域的应用研究进展，包括大气、水体、土壤和植物/作物等介质的氮素代谢机制、模拟氮素循环过程及管理氮素流动等。未来基于大数据和机器学习技术的特征工程和模型融合的研究，将会给氮循环领域的数据分析与建模带来巨大变革。同时，将机器学习与基于物理过程的模型相结合解决氮循环过程中的复杂问题，可为服务国家“双碳”战略以及控制全球变暖、空气污染等环境问题提供重要支撑。