排序方式: 共有27条查询结果,搜索用时 15 毫秒
1.
2.
[目的]研究空气曝气(AS)技术修复石油类污染地下水的影响因素.[方法]选择二甲苯和萘作为典型的石油烃污染物,砾砂、粗砂和中砂作为模拟含水层介质,通过土柱模拟试验研究了不同影响因素下(如曝气量、介质渗透性、曝气方式)空气曝气技术对石油类污染地下水的修复效果.[结果]曝气量和介质渗透性对AS的修复效果有较大影响,污染物的去除效率随着曝气量的增加而增大,但曝气量超过300 ml/min,污染物的去除率不再随曝气量的增加而增加;介质渗透性越强,污染物的去除率越高.对于渗透系数较小的中砂,间歇曝气较连续曝气效果好;对于砾砂和粗砂,2种曝气方式效果相仿.AS在去除污染物的过程中存在明显的拖尾现象.污染物萘不适合采用AS技术去除.[结论]该研究可为AS技术应用提供数据支持. 相似文献
3.
利用江苏省淮北地区20个气象台站1961—2012年的气象观测资料,统计分析了夏玉米生育期内光、温、水等气候资源的变化特征;利用区域气候模式RegCM4在代表性浓度路径(representative concentration pathways,RCP)为4.5、8.5排放情景下的预估数据,对淮北地区未来近20年的农业气候资源进行了预估。结果表明:近52年内,≥10℃活动积温在各年间均在2 900℃以上,≥20℃活动积温在各年间均在2 700℃以上,且热量资源充足,在20世纪90年代存在显著上升趋势;日照时数、太阳总辐射都存在显著下降趋势,线性倾向率分别达到了-4.8 h/年、-7.5 MJ/(m2·年),2000年之后明显低于气候平均值;降水量呈现"明显下降-平稳波动-快速上升"的特征;2014—2030年,2种气候情景下,光、温、水资源的年际波动都比较大;活动积温(个别年份除外)为正距平,总体呈现增加趋势;太阳净辐射基本上也都为正距平;水分盈亏基本上以正距平为主。研究结果可为政府部门和农户充分利用当地农业气候资源、调整种植结构、应对气候变化提供参考。 相似文献
4.
二十年前,她因诗歌《山村夜》的发表而轰动小镇:二十年后,她因垂钓商海硕果丰厚而再次令人瞩目,成为引领时尚美丽的女人。二十年间,她经历了从“村妮”向都市女性的蜕变,完成了从乡村诗人向商业强者的跨越。她就是永吉县口前镇李秀慧美容院经理李秀慧。[第一段] 相似文献
5.
自然条件下利用Li-6400型便携式光合仪,测定宝兴鼠尾草(Salvia paohsingensis)叶片的光响应及光合日变化进程。结果表明:宝兴鼠尾草的最大净光合速率为27.30μmol?m-2?s-1,暗呼吸速率为-2.24μmol?m-2?s-1,光补偿点为40.09μmol?m-2?s-1,光饱和点为1600μmol?m-2?s-1,表观量子效率为0.0512,具较高量子产额,能够充分利用弱光并具有较强的耐荫性。宝兴鼠尾草的净光合速率日变化具有明显的“午休”现象,这是气孔限制因素作用的结果。相关性分析表明,空气相对湿度和胞间CO2浓度是影响宝兴鼠尾草净光合速率的主要因子。因此,在栽培时,可采取雾灌或与其他高竿作物间作的方式,以缓解午休现象,提高光合作用效率。 相似文献
6.
7.
3种鼠尾草属植物光合作用-光响应特性研究 总被引:6,自引:0,他引:6
研究丹参、宝兴鼠尾草和短唇鼠尾草光合作用-光响应特性,阐明其对环境光合特性的适应和生理响应,为丹参田间高产栽培技术、鼠尾草属野生植物资源的引种和保护提供理论依据。测定丹参、宝兴鼠尾草和短唇鼠尾草叶绿素含量,并利用LI-6400便携式光合仪研究其光合特性,同时运用直角双曲线模型、非直角双曲线模型和C3植物光响应新模型对光响应曲线进行拟合比较研究。结果显示,3种鼠尾草属植物的叶绿素含量存在明显差异。其光响应曲线均符合C3植物光响应新模型。丹参表观量子效率(AQY)、最大净光合速率(Pnmax)、光补偿点(LCP)均最低,分别为0.040 3,13.32 μmol/(m2·s),24.37 μmol/(m2·s);宝兴鼠尾草为最高;短唇鼠尾草居中。3种植物的净光合速率(Pn)、胞间CO2浓度(Ci)、气孔导度(Gs)及蒸腾速率(Tr)对不同光合有效辐射(PAR)的响应均有一定程度的差异。C3植物光响应新模型拟合的结果最好。丹参和宝兴鼠尾草不属于典型的阳性植物,短唇鼠尾草则更为耐荫。可以采取与玉米等高竿作物间作或套作,缓和蒸腾作用,以达到提高丹参净光合速率的目的。 相似文献
8.
9.
加强云贵川区域林火管理,预测云贵川地区森林火灾的发生概率,对保护森林资源和森林生态系统结构和功能具有重要意义。利用MCD64A1火灾数据集、气象数据、地形数据和可燃物含水率数据构建模型训练数据集,结合逻辑回归、随机森林与极端梯度提升等机器学习模型,对中国云贵川区域日尺度林火燃烧概率进行预测。结果表明:单独使用气象数据集对林火燃烧概率进行预测时,极端梯度提升模型表现最好,预测精度为88.6%,其次为随机森林模型与逻辑回归模型,预测精度分别为86.0%与76.7%。地形因素及植被水分指数的引入对机器学习模型有一定的优化效果,极端梯度提升模型与随机森林模型的预测精度的提升均超过1%。 相似文献
10.