纳米Pd和Au催化CO2还原粒径效应的密度泛函理论计算研究

以可再生能源为能量来源,在水溶液中进行的光(电)催化CO₂还原生成高附加值化学品和燃料是解决能源危机与环境污染的有效途径之一.CO是一种简单却很重要的CO₂还原产物,它可以作为水煤气变换反应与费托合成的重要原料.具有较高CO选择性的贵金属纳米颗粒催化剂(如Au和Pd)一直受到研究者的广泛关注.一般来说,金属颗粒催化剂的催化性能与粒径大小密切相关,即所谓的粒径效应.然而在实际的理论计算研究中,由于受到计算能力的限制,催化剂模型都仅局限于简单的周期性模型或小的金属团簇模型,无法准确描述真实颗粒上复杂的反应位点的性质,导致了对催化行为的误解.因此,建立更加真实的颗粒模型对探究纳米颗粒催化剂上活性位点的性质,解释其粒径效应至关重要.本文旨在阐述Au与Pd纳米颗粒催化剂不同活性位点上CO₂还原反应与产H2副反应的竞争机制,并解释Au与Pd纳米颗粒催化剂在CO₂电还原中表现出不同粒径效应的原因.本文基于密度泛函理论,采用VASP软件,BEEF-vdW泛函进行计算.分别建立了原子数为55,147,309和561的颗粒模型和高CO^*覆盖度模型,避免了传统周期性模型的局限性,探究了金属颗粒催化剂不同反应位点上的CO选择性.结果表明,对于颗粒模型来说,(100)位点对CO的选择性优于边缘位点;但对于周期性模型来说,Au(211)对CO的选择性则优于Au(100).产生这种反差的主要原因在于Au颗粒的边缘位点对H*的吸附过强.通过对比,我们直观地展现了颗粒模型上平面位点和Edge位点与相对应的周期性模型上CO选择性的区别,突出了模型选择对揭示活性位点性质的重要性.在此基础上,通过计算理论CO法拉第效率,发现Au颗粒随着粒径的减小,CO选择性降低,与实验的趋势一致.对于Pd催化剂来说,低覆盖度模型无法正确预测活性位点的性质;而高CO覆盖度的情况下,Pd颗粒的边缘位点对COOH^*吸附能更强,这是导致边缘位点上CO选择性更高的主要原因.同样通过计算理论CO法拉第效率,发现随着粒径的减小,Pd颗粒上CO选择性升高.本文不仅成功揭示了Au与Pd颗粒催化剂上活性位点的性质,对粒径效应做出了合理解释,也强调了合理的计算模型是理论研究的基础.     

作物残茬覆盖度遥感监测研究进展

作物残茬作为农田生态系统的重要组成部分,影响着农田生态系统中的营养物质、碳、水和能量的流动与循环。作物残茬覆盖度作为描述作物残茬数量和分布的重要指标,对于农田生态系统C循环和全球气候变化均有实际意义,具备重要的定量监测价值。遥感技术具有准确、经济、快速大面积监测的能力,因此利用遥感监测区域尺度的作物残茬覆盖度,受到国内外学者的关注。工作回顾总结了目前利用遥感监测作物残茬覆盖度的主要方法和最新研究进展,并根据基本方法的差异以及数据源的不同,从五个类别分别介绍了遥感监测原理与技术革新,对每一类方法的优点和缺陷进行分析,并提出了相应的改进措施。最后对作物残茬覆盖度遥感监测方法的发展趋势进行了展望。     

基于覆盖度的银行客户分类模型

投资收入是银行的主要收入来源之一。近年来,客户的投资意向显著降低,银行的投资收入减少。因此,银行希望将营销工作重点放在订阅概率更高的客户上。然而,繁多的客户样本以及客户信息导致银行的客户筛选工作低效。面对庞大的客户信息数据,粗糙集理论可以在不影响决策分类结果的前提下,通过属性约简删除属性集中的冗余属性,并导出问题的决策规则,提高效率。但在传统的属性约简过程中,没有针对进入正域的噪声样本进行控制,导致噪声特征被加入约简集。本文基于高效的相关族定义覆盖度,限制进入正域的样本。实验结果表明,覆盖度算法能够提高分类算法准确度及稳定性。最后,本文并将算法运用于银行客户分类实际问题中,剔除无用信息,筛选出关键属性,提高了分类准确度和稳定性,构建简洁高效的银行客户分类模型。     

Peter E. Siska编写的《大学化学》介绍

PeterE．Siska将多年的研究与教学经验融汇到《大学化学》（University Chemistry）中,形成一本全新的、与众不同的普通化学教材。本文主要从结构编排,论题阐述,知识覆盖度,插图以及网络资源等几个方面对该教材的编写特色进行介绍,希望为我国同类教材的编写及教师的教学工作提供参考．     

基于天宫一号高光谱数据的荒漠化地区稀疏植被参量估测

为了精准地估测荒漠化地区的稀疏植被信息,选取内蒙古苏尼特右旗为研究区,以天宫一号高光谱数据为数据源,结合野外实地调查数据,通过归一化植被指数(normalized difference vegetation index, NDVI)和土壤调节植被指数(soil adjusted vegetation index, SAVI)对研究区内的植被覆盖度和生物量进行反演,并对比两种植被指数的优劣。首先,分析了每种波段组合下的植被指数与覆盖度、生物量的相关性,确定了最大相关的波段组合。覆盖度和生物量与NDVI的最大相关系数可达0.7左右,而与SAVI的最大相关系数可达0.8左右。NDVI的最佳波段组合的红光波段中心波长为630 nm,近红外波段的中心波长为910 nm,而SAVI的组合为620和920 nm。其次,分别构建了两种植被指数与覆盖度、生物量之间的线性回归模型,所建模型的R2均能达到0.5以上。SAVI所建模型R2要比NDVI略高,其中植被覆盖度的反演模型R2高达0.59。经留一交叉验证,SAVI所建模型的均方根误差RMSE也比基于NDVI的模型小。结果表明：天宫一号高光谱数据丰富的光谱信息能有效地反映地表植被的真实情况,并且SAVI比NDVI更能较为精准地估测荒漠化地区的稀疏植被信息。     

运用光谱参数冠层覆盖度建立作物长势及氮营养状态模型

为了探索运用数码照片中光谱(红、绿、蓝)的像素计算得到的冠层覆盖度(canopy cover, CC)对玉米长势及氮素营养状态进行非破坏性监测的技术。通过获取玉米冠层的数码照片图像,定量化数码照片色彩参数与作物叶面积指数(leaf area index, LAI)、冠层干重(shoot dry matter weight, DM)、叶片氮素含量(leaf nitrogen content percentage, N%)之间的关系。试验于2012年和2013年在中国农业科学院试验田进行,运用基于Visual Basic Version 6.0研发的玉米冠层图像分析系统,分析了玉米品种中单909在3个氮素水平条件下分别于9叶展时期、抽雄期和灌浆期的CC、11种色彩指数与植株LAI,DM,N%及产量之间的相关性,并对相关性显著的指标进行了拟合与建模。结果表明,CC与LAI(r=0.93, p＜0.01),DM(r=0.94, p＜0.01),N%(r=0.82, p＜0.01)之间均达到了极显著水平;用CC估算LAI,DM和N%的模型均为幂函数,方程式分别是y=3.281 2x0.763 9,y=283.658 1x0.553 6,y=3.064 5x0.932 9;用与建模相独立的数据对模型验证,结果表明,CC估算LAI模型的实测值与模拟值基于1∶1直线的R2,RMSE和RE分别是0.996,0.035和1.46%;CC估算DM模型的R2,RMSE和RE分别是0.978,5.408 g和2.43%;CC估算N%模型的R2,RMSE和RE分别是0.990,0.054和2.62%。综上所述,模型能够较准确的通过CC估算不同氮肥水平条件下玉米9叶展时期、抽雄期和灌浆期的LAI,DM与N%,表明应用数码相机的光谱信息可实现对玉米生长过程中的生长状况及氮素营养状态进行实时无损快速监测与预测。     

On Estimation of Fully Entangled Fraction

We study the fully entangled fraction （FEF） of arbitrary mixed states. New upper bounds of FEF are derived. These upper bounds make complements on the estimation of the value of FEF. For weakly mixed quantum states, an upper bound is shown to be very tight to the exact value of FEF.     

二组分气体在固体上吸附的研究(Ⅵ)──不同覆盖度下的二组分气体在灯黑上的吸附

通过测定不同覆盖度下的甲苯-正己烷、苯-正己烷、丙酮-正已烷和正戊烷-正己烷4个二组分气体在灯黑上的组成吸附等温线,发现它们有着共同的规律:随着覆盖度的增加,各体系的组成吸附等温线都向上靠近它们各自的气液平衡曲线。因此,基本上可以把二组分的气相与吸附相的平衡看成二组分的气液平衡,4个体系的组成吸附等温线基本上都可以通过理想溶液的相对挥发度方程式模拟得到。     

N2O分解反应的动力学-Monte Carlo模拟

N2O是一种大气污染物，许多金属氧化物能使它发生分解反应，生成N2和O2．因此，N2O的催化分解反应很早就引起了研究者的兴趣[1]．传统的动力学着重去研究反应速率和一些反应参数，如温度、压力、组成等的关系，往往忽视催化表面的性质，从而使速率方程变得十分复杂．Kobayashi等人利用过渡应答法研究了N2O分解反应的动力学，计算了两个基元步骤的速率常数，但没有给出表面物种浓度变化的更进一步的信息[2]．近年来，MonteCarlo方法在研究表面反应机理和动力学方面已经取得了一些成功[3，4]．我们曾用MonteCarlo方法研究了N2O催化分解…