南极考察航线大气微、痕量气体观测:数据质量评估/控制与分析

在远洋航船上开展大气成分观测易受到来自航船燃油发动机排放污染。基于2020年1-4月“北京”号考察船南极考察航线微量(CO_(2))和痕量(CO、O_(3)、CH_(4)和N_(2)O)气体浓度(体积混合比)观测分钟级数据,提出根据CO、CO_(2)测量值开展数据质量评估与控制(QA/QC),并给出了南极考察航线上大气微、痕量气体分布特征。结果表明,以CO或CO_(2)单独示踪均能标识出数据的部分局地污染时段,但CO/CO_(2)比值对确定高污染时段的CO或CO_(2)本底浓度更有效,CO和CO_(2)同步示踪(即CO+CO_(2))是标识局地污染时段的最优方法,可使南大洋和南极地区的CO、CO_(2)浓度测量值分别降低(5-11)×10^(-9)(10%-18%)和(3-7)×10^(-9)(1%-2%),O3上升(3-5)×10^(-9)(20%-25%),测量值更具有全球本底特征的代表性。航船测量数据与同纬度陆地站点观测值接近,南大洋和南极地区CO、CO_(2)、CH_(4)和N_(2)O浓度差分别在2×10^(-9)、0.7×10^(-6)、1.4×10^(-9)和0.5×10^(-9)以内。航线的微、痕量气体测量值均呈北(南)半球高(低)、南大洋以南及南极地区浓度稳定的基本特征;O3在不同纬度分布特点清晰,热带辐合带(ITCZ)的极低浓度(<5×10^(-9))和春季中国东海地区出现的中尺度污染现象均很明显。

求解TSP的改进量子蚁群算法

将量子群进化算法(QEA)与蚁群系统(ACS)进行融合,提出一种新的量子蚁群算法(QACA)。该算法的核心是在蚁群系统(ACS)中引入量子算法中的量子的态矢量和量子旋转门来分别表示和更新信息素。该算法在全局寻优能力和种群多样性方面比蚁群算法有所改进,并结合TSP,对算法进行了测试,得到了与现有文献结果相同或更好的解,表明该算法是求解TSP的一种有效的算法。

一种改进的量子蚁群算法及其应用

将量子群进化算法(QEA)与蚁群系统(ACS)进行融合,提出一种新的量子蚁群算法(QACA)。该算法的核心是在蚁群系统(ACS)中引入量子算法中的量子的态矢量和量子旋转门来分别表示和更新信息素,从而在全局寻优能力和种群多样性方面比蚁群算法有所改进。结合旅行商问题(TSP),对算法进行了测试,得到了与现有文献结果相同或更好的解,表明该算法具有较强的问题求解能力。

中美水质评价方法比较

国内外的研究都表明,从保护人类、野生动植物和自然生态环境健康角度出发,按照水体自然属性并结合人类对水体的使用和保护要求对水体进行功能划分,制定合理与水体使用功能相适应的水环境质量标准,并采取控制措施使水体水质达到该标准,是既合理、经济,又能有效保护水环境的方法。其关键是如何按照水质标准对水环境质量进行客观准确评价,这既是保护水环境的基础性工作,直接关系到水环境保护和排污控制措施的有效性,也是我国目前急需解决的重要课题。本文首先对美国水环境质量评价方法体系作了概要介绍,然后对我国水环境质量评价现状进行分析,通过对比美国和我国的水环境质量评价方法,对我国水环境质量评价提出了建议和研究方向。