论文部分内容阅读
本文通过对比ISO13506新旧标准的方法,结合NFPA21122018中关于燃烧假人的评判标准,从服装的面料选择、结构设计、生产工艺分析,帮助热防护服生产企业在研发产品中更好地执行相关标准和要求,有效保护穿着者的安全.
燃烧假人的测试方法对热防护服材料和工艺的要求
【摘 要】
：
本文通过对比ISO13506新旧标准的方法,结合NFPA21122018中关于燃烧假人的评判标准,从服装的面料选择、结构设计、生产工艺分析,帮助热防护服生产企业在研发产品中更好地执行相关标准和要求,有效保护穿着者的安全.
【机 构】
：
上海市安全生产科学研究所 上海200233
【出 处】
：
中国个体防护装备
【发表日期】
：
2021年6期
其他文献
近几十年来,随着全球气候的变化和社会经济的发展,受筑坝建闸、河道断流、水质恶化、酷渔滥捕、人工引种、海水入侵、调水调沙等因素影响,黄河流域水生生物多样性及资源量呈下降趋势.在目前流域内多目标同步推进的要求下,黄河流域生态保护和高质量发展正不断面临新的挑战.通过分析黄河流域水生生物多样性和资源量在时空分布上的演变规律,明确了是水资源短缺、工程建设、水环境恶化等因素的共同作用导致了黄河流域的水生态危机.基于绿色生态、高质量发展的科学管理理念,提出了新时代黄河流域水文-环境-生态协同保护与修复的发展策略,为促进
浮游植物群落的动态变化可以全面、真实地反映水质的优劣,有利于了解水体污染状况的发展趋势.为及时掌握汉江下游水质变化,基于2019年3—12月汉江下游干流及主要支流浮游植物和水体理化指标监测数据,分析了浮游植物群落结构特征,并通过冗余分析研究了影响浮游植物群落结构的主要环境因子,同时运用浮游植物群落特征对汉江下游水质进行了综合评价.研究结果表明,在汉江下游干流及主要支流共鉴定出浮游植物7门110种,硅藻在种类组成上占绝对优势,以直链藻和冠盘藻为主.不同区域的浮游植物优势种存在差异:在汉江下游干流,硅藻门直链
东平湖是南水北调东线工程的重要调蓄湖泊,在防洪、灌溉、休闲旅游、水产养殖及水资源供应等方面发挥着至关重要的作用.为了解南水北调东线调水后的东平湖浮游植物群落结构及水体健康状态,于2016年4月(春季)、7月(夏季)、10月(秋季)及2017年1月(冬季)对东平湖不同空间区域(根据调水路线划分为进水区、湖中区和出水区)的浮游植物进行了调查研究,共检出浮游植物8门143种(属),其中,绿藻门种类数最多,蓝藻门次之,硅藻门位居第三.东平湖浮游植物密度呈现出显著的季节差异,秋季(1.65×108 cells/L)
在北京选择密云水库、昆明湖、福海和北运河水系河流等9个典型水体,利用基于不同水生生物的多样性指数法和综合指数法开展水生态健康评价.结果表明,基于浮游植物和底栖动物的Shannon-Wiener多样性指数所指示的水生态状况分别对应轻污染～中污染和中污染～重污染等级,而结合生境、水质和水生生物指标的两项综合指数反映出的水生态状况分别为健康～亚健康和良好～轻度污染.多数评价方法的评价结果都显示出,近5年各水体的生态环境质量有所改善.其中,综合指数法提供的信息更为全面,对环境变化的响应更加灵敏,具有独特的综合优势
近年来,尽管太湖主要水质指标有所改善,但蓝藻水华暴发的频次和面积并未明显减少.为了探讨太湖蓝藻水华暴发的环境驱动因子,统计了2012—2020年历年4—10月预警期间的太湖蓝藻水华发生规模与频次,结合同步浮标自动监测数据和实验室分析数据,构建了蓝藻水华预测模型.以太湖蓝藻水华综合指数(Ic)表征蓝藻水华强度,并通过Ic与环境因子的相关性分析,筛选出1月水温、1月电导率、1月生化需氧量和3月总氮浓度4项环境指标,最终构建了以该4项环境指标为自变量、Ic为因变量的太湖年度蓝藻水华强度多元线性回归预测模型.该预
浮游藻类是水生态系统的重要初级生产者,对其进行分类鉴定和定量分析是开展生态研究的基础.选取北京城区主要河流为研究对象,于2020年6—7月(夏季)、10月(秋季)对北运河水系22个站位的表层水进行采样调查,探究利用流式影像术(FlowCAM)分析浮游藻类群落结构的可行性.结果表明,浮游藻类的细胞丰度和粒径组成均存在着明显的时空差异.多数站位在夏季的优势属个数明显高于秋季,且随着季节的变动,优势属的物种组成由以硅藻为主转变为以蓝藻或蓝藻-绿藻为主.利用FlowCAM可以快速完成对浮游藻类的计数、粒径分级和对
水生态环境物联网监测是一种利用信息技术实现水生态环境数据获取与应用的智能服务.通过水生态环境监测物联网,借助传感技术、传输网络和智能联动等手段,能够及时、全面地获取流域水生态环境质量动态数据信息,提升水生态环境保护管理决策的信息化水平.在综述了水生态环境物联网智慧监测发展概况的基础上,基于物联网总体架构,重点从感知技术和传输技术两方面梳理了水生态环境物联网监测网络的主要构成,总结了各种感知技术和设备适用的数据传输方式,阐述了在应用层面可实现的典型功能,为在流域尺度开展基于物联网的水生态环境监测技术集成提供
大型底栖动物是生态环境监测和评估的主要目标生物类群之一.环境DNA宏条形码技术的发展为提高底栖动物多样性监测的通量、精准性、标准化程度提供了新的机遇,但该方法在我国尚未有流域尺度的应用先例,其结果的可靠性和对生态环境健康状况的指示性有待检验.率先将环境DNA宏条形码技术用于太湖流域65个点位的底栖动物监测和流域生态健康评价,并与同步进行的形态学监测结果进行了比较.结果表明:①环境DNA方法能检出更多的底栖动物类群,在科、属、种水平上检出的分类单元数分别是形态学监测结果的106％、132％、155％;②基于
构建基于水环境模型的水质预报预警大数据平台是一项复杂的系统工程,主要面临模型的规模计算及其引发的模拟结果规模存储、规模分析的挑战.相关挑战极大地限制了水环境质量预报预警业务的深入开展,但目前国内外关于此方面的研究极少.为此,提出了水环境质量预报预警大数据平台框架.该框架以水环境模型体系为基础,以大数据集群计算体系为核心,通过水环境模型融合大数据技术,以实现水环境质量预报预警应用服务为目标,旨在解决预报预警业务自动化和自定义化问题.框架明确了水环境质量预报预警大数据平台的组成及建设流程,并以实际项目为案例,
浮游藻类对水环境的变化非常敏感,是评价水环境质量的重要指示生物.传统的浮游藻类监测依靠人工采样分析,需要专业检测人员使用显微镜对藻细胞逐一鉴定并计数,耗时耗力且严重依赖检测人员的专业知识与鉴定经验,限制了浮游藻类监测工作的标准化推广和普及应用.利用神经网络模型建立了一套浮游藻类智能监测系统,该系统能够实现浮游藻类检测的自动进样、自动显微摄影,同时充分发挥深度学习技术在视觉分析领域的优势,自动进行浮游藻类智能识别和计数.使用大量浮游藻类样品开展了深度学习模型训练和结果验证,结果表明,该浮游藻类智能监测系统能