【摘 要】
：
目的:调查广西DC矿区周边村屯土壤砷、铅、镉重金属的含量水平,评估其对儿童产生的潜在健康风险.方法:采集DC矿区周边村屯的表层土壤(0～20 cm),测定As,Pb,Cd的含量,并运用美国环保署(US EPA)推荐的健康风险评价模型评估该村儿童(3～6岁)因土壤经多种途径暴露重金属所引起的非致癌和致癌风险.结果:不同村屯土壤中As,Pb,Cd的含量差异具有统计学意义(P<0.05).土壤中As,Pb,Cd的含量均有超标的现象,超标率分别为97.9％(47/48),85.4％(41/48),100％(48/
【机 构】
：
南宁师范大学 地理科学与规划学院,广西 南宁 530001;广西体育高等专科学校,广西 南宁 530001
论文部分内容阅读
目的:调查广西DC矿区周边村屯土壤砷、铅、镉重金属的含量水平,评估其对儿童产生的潜在健康风险.方法:采集DC矿区周边村屯的表层土壤(0～20 cm),测定As,Pb,Cd的含量,并运用美国环保署(US EPA)推荐的健康风险评价模型评估该村儿童(3～6岁)因土壤经多种途径暴露重金属所引起的非致癌和致癌风险.结果:不同村屯土壤中As,Pb,Cd的含量差异具有统计学意义(P<0.05).土壤中As,Pb,Cd的含量均有超标的现象,超标率分别为97.9％(47/48),85.4％(41/48),100％(48/48).土壤中重金属的总非致癌风险、总致癌风险和总健康风险分别为6.85×10-6/年、4.08×10-3/年和4.09×10-3/年.非致癌和致癌风险均主要来源于镉,相应的风险贡献率分别为84.3％和97.76％;经口摄入是研究区儿童土壤暴露风险的最主要途径.结论:该矿区周边村屯土壤主要受到了As,Pb,Cd的污染;土壤中重金属对儿童的总健康风险大于US EPA推荐的最大可接受风险水平(1.0×10-4/年),可对当地儿童健康造成显著的危害.
其他文献
该文通过结合改进的LM参数和带有一个近似LM步的Levenberg-Marquardt算法,给出一个改进的Levenberg-Marquardt算法用于求解奇异非线性方程组问题.该算法在适当条件下全局收敛且具有三阶收敛速度.
通过对2021年高考全国理综甲、乙卷生物学试题和等级考试山东卷、北京卷等11套试卷中“基因工程赋予生物新的遗传”相关试题进行分析,得出试题注重考查生物学核心概念及生物学学科关键能力、聚焦生物学学科核心素养的命题规律,预测了高考的变化趋势,并提出高考复习备考的有效策略.
研究了一类不确定随机时滞系统的稳定性以及鲁棒H∞ 控制性能γ问题.通过构造一个Lyapunov函数,结合It?公式,用加减项和积分不等式的定理进行放缩得到一个二次型多项式,并构造出该式所对应矩阵,通过相关引理得出关于该类不确定随机时滞系统的随机渐近稳定性的条件,再在此系统基础上构造新的不确定随机时滞系统,运用类似的方法研究系统的H∞ 控制器设计问题,得出系统具有鲁棒H∞ 控制性能γ的条件,最后以数值算例验证了系统的可行性和有效性.
图形通常能够以相对简化的形态呈现出生物学知识的特殊联系、结构与功能.由此可知,图形是连接理论与应用的桥梁.对高中生物学的图形类试题的特点进行分析,并提出相应的解题方法.
“双减”政策指出,义务教育阶段要明确作业总量,提高作业设计质量,设计符合学生年龄特点和学习规律,能体现素质教育导向的基础性作业.事实上,控制作业量就是要求进行有效、高品质的作业设计.开展校本作业的创新实践,是落实“双减”政策的有效手段之一.
用图论方法给出了布尔矩阵的积和式为1的一个充分必要条件,并得到了幂零布尔矩阵及其伴随矩阵的一些性质.
该文针对一类基于小波基函数的对数奇异积分提出了乘积积分方法.该方法可以通过对小波基函数作适当的数值处理,然后应用基本积分公式快速实现.相对于传统的数值积分方法,该方法能够快速有效地计算出奇异积分的准确解.最后,给出了几个数值算例,证明了该方法的有效性.
为提升高维数据模型变量选择的效率,改善变量间具有复杂相关性时出现错选、漏选重要变量的情况,该文提出了马氏距离相关的变量选择方法,将马氏距离相关t检验和基于马氏距离相关性的SIS方法分别应用于三个真实光谱数据的PLS模型,将该模型的变量筛选数、提取成分数及解释能力等指标与近年使用广泛的相关性类型的变量选择方法进行对比,结果显示,在每个光谱数据集上,所提出的方法均表现出了较高的变量选择能力和预测性能.
设F是一个特征为零的域.刻画了多项式代数F[x]上权为零的单项式罗巴算子对应的罗巴理想的结构,证明了由一个非零多项式f(x)生成的罗巴理想是由f(x)的最低次项生成的理想.
该文以浦发银行股票日行情数据为实证分析对象,构建了基于CNN-BiLSTM和注意力机制的股价预测模型.首先,利用卷积神经网络(CNN)模型进行局部特征信息的提取,减少冗余的信息,再利用双向长短期记忆神经网络(BiLSTM)模型对CNN传来的信息进行上下文学习,最后加入注意力机制,对不同信息分配权重使之更好地聚焦目标.实证分析中,对比了所建立模型与CNN、LSTM、BiLSTM、CNN-LSTM、CNN-BiLSTM的预测效果.结果表明,该文模型预测多特征、时序长的股票数据展现了更优越的性能.