优质国审棉品种——ZHM19

概述了ZHM19的选育过程、特征特性、产量、纤维品质和抗病性等特点及主要栽培技术措施。     

某工业机器人智能制造技术改造项目职业病危害预评价

为了识别、分析与评价某工业机器人智能制造技术改造项目可能产生的职业病危害因素,提出了可行的防护补充措施。采用类比法、工程分析法、检查表法相结合的原则,对拟建工程可能产生的职业病危害因素及防护措施进行了定性及定量评价。结果表明:该拟建项目正常生产过程中存在的职业病危害因素有化学毒物、电焊烟尘、噪声、紫外辐射,类比检测的结果均符合职业接触限值的要求。该项目为职业病危害一般的建设项目,若能认真落实和实施本预评价报告中所提及的职业病防护设施和补充措施及建议,在职业病防护角度分析,该拟建项目是可行的。     

基于多光谱与统计数据的凤台县地理国情分析方法探讨

地理国情是重要的基本国情,对服务经济社会发展有着重要的意义。利用安徽省凤台县凤凰镇多光谱影像数据和安徽省第一次地理国情普查数据库,以2012年1:50 000更新数据为参照,从凤凰镇地表覆盖概况和变化情况角度分析该地区的城镇扩张变化程度与趋势,深层次地研究其内在驱动力因素并提出相应的措施。结果表明,2期数据的地表覆盖中耕地面积占比最大;地表覆盖变化面积居中,减小面积较大的是耕地和草地,增加面积较大的是房屋、道路和建筑用地;地表覆盖净增面积中,耕地、林地和水域面积有所减少,园地、草地、建筑区和道路等要素面积均有增加。总体来说,凤凰镇2012—2015年间主要地类变化为耕地转向建设用地,造成其根本驱动力表现在经济因素和人口因素。     

高等职业教育中环保类课程开发特点及措施

从我国高等职业教育中课程整体状态与目标、环保类专业核心课程开发必要性、开发特点、开发措施等方面进行理论与技术上的探讨,提出环保类专业核心课《水污染控制技术》的建设目标,遵循动态性、可持续性、综合性、可操作性的原则,通过教师合理讲授、学生主动求知、教程编写、实训基地开发、教学评价体系的建立,来完善整个课程建设。     

纳米SiO2/氨基淀粉黏合剂秸秆炭的结构及除磷特性

将秸秆粉用氨基淀粉黏合剂均相包覆,并掺杂纳米二氧化硅(nano SiO_2),采用原位发泡、炭化处理技术制备成纳米SiO_2/氨基淀粉黏合剂秸秆炭(掺杂纳米SiO_2秸秆多孔颗粒炭,nano SiO_2/AR-biochar)。通过透射电镜(transmission electron microscope,TEM)、热稳定性(thermogravimetry,TG)、扫描电镜-能谱扫描(scanning electron microscope-energy dispersive spectrometer,SEM-EDS)、比表面积与孔分析(Brunauer,Emmett and Teller,BET)、氮气吸附和压缩测试等技术手段对nano SiO_2/AR-biochar的孔结构特征、比表面积、微观形貌及压应力进行系统表征,并研究了nano SiO_2/AR-biochar对磷酸根吸附过程等温线及动力学模型。结果表明,掺杂nano SiO_2/AR-biochar孔结构分布匀称、比表面积大幅改善;TEM和SEM发现,掺杂nano SiO_2秸秆多孔颗粒炭材料的表面可形成类似海绵絮状结构,为炭材料提供较高的吸附位点;掺杂nano SiO_2可显著提高炭材料的机械压缩性能,当掺杂量为秸秆粉质量的6%时,压缩强度由3.89 MPa增加到7.96 MPa,增幅达104.6%。由于纳米SiO_2的掺杂,nano SiO_2/AR-biochar具有了更强除磷效果,且吸附过程符合准二级动力学模型,在短时间内(5 min)其吸附率可高达18.42 mg/g,体现了该掺杂纳米二氧化硅秸秆多孔颗粒炭具有良好的除磷特性。     

低温等离子处理对重竹板材浸渍剥离性能的影响

采用低温等离子处理已经疏解的竹片，研究低温等离子处理对重组竹上胶量及浸渍剥离性能的影响。结果表明：随着低温等离子处理时间的增加，竹片上胶量先上升后趋于平稳，且浸渍剥离性能的变化与上胶量变化一致，其最佳处理工艺为低温等离子处理时间5 s，胶液固体含量25%，浸渍时间10 min。     

水污染控制技术综合实验的设计革新

探讨了水污染控制技术综合实验的设计革新途径,通过优化实验方法、培养学生综合能力、加强教师的指导作用等手段,达到水污染控制技术实验革新的目的。     

冬小麦叶绿素含量高光谱检测技术

以大田冬小麦叶绿素含量为研究对象，首先利用高光谱成像系统以线扫描方式获取其反射光谱图像，选择感兴趣区域（ROI）并计算出光谱平均反射率值；然后分别针对其原始光谱和一阶差分光谱，通过相关分析和逐步回归分析，得到能反映叶绿素含量变化的7个最佳优化波长；进而基于该优化波长采用多元线性回归（MLR）方法组建模型，通过假设检验剔除对模型贡献不显著的3个波长变量。选用剩余的4个波长即710.85、767.42、650和520nm作为自变量重新建立模型，基于校正集和预测集模型的决定系数R2分别为0.8434和0.7093。研究结果表明，利用高光谱技术检测大田冬小麦叶绿素含量的方法是可行的。