摘要 零排放环保汽车采用部分或完全电动动力系统,对减少空气污染物排放和提高能源效率的需求迅速增加。先进的催化和能源材料是环保汽车尾气排放控制系统、动力锂离子电池和氢燃料电池等关键技术的重要组成部分。需要功能材料和电极的精确合成和表面改性,以满足高效的表面和界面催化以及快速的电子/离子传输。原子层沉积(ALD)是一种原子和近原子尺度的制造方法,具有精确的厚度控制、薄膜沉积的均匀性和保形性等独特特性,已成为设计和制造先进催化和能源材料的重要技术。本综述总结了ALD在金属和氧化物催化剂以及锂离子电池和燃料电池电极的可控制备和改性方面的最新进展。讨论了 ALD 制备的独特纳米结构增强的催化和电化学性能。重点介绍了用于大规模生产的 ALD 反应器的最新研究。介绍了 ALD 在未来实际应用方面的研究和开发面临的挑战,包括前体和沉积工艺研究、实际设备性能评估、大规模高效生产等。
在人造卫星存在的大部分时间里,其环境效益(特别是通过提供遥感数据)似乎大大超过了其环境成本。随着目前和预计的地球观测卫星和其他低地球轨道卫星数量的急剧增长,现在需要更仔细地考虑这种权衡。这里我们重点介绍了卫星技术对环境的一系列影响,采用生命周期方法来评估从制造、发射到脱轨期间的燃烧的影响。这些影响包括可再生和不可再生资源的使用(包括与数据传输、长期存储和分发相关的资源)、火箭发射和卫星脱轨对大气的影响,以及夜空变化对人类和其他生物的影响。对某些影响规模的初步估计足以强调需要进行更详细的调查,并确定可以减少和缓解影响的潜在方法。
北冰洋(AO)环境恶劣,温度低、冰盖大、海冰周期性冻结和融化,为微生物提供了多样化的栖息地。前期研究主要基于环境DNA对北冰洋上层水体或海冰中的微真核生物群落进行研究,而对北冰洋多样化环境中活跃微真核生物的组成成分则知之甚少。本研究通过对共提取的DNA和RNA进行高通量测序,对北冰洋从雪冰到1670 m深度海水范围内的微真核生物群落进行了垂直评估。与DNA提取物相比,RNA提取物能更准确地描述微真核生物群落结构和类群间相关性,对环境条件的反应也更为敏感。使用RNA:DNA比率作为主要分类群相对活性的代表,确定了主要微真核生物群落沿深度方向的代谢活性。共现网络分析表明,深海中的 Syndiniales 和甲藻/纤毛虫之间的寄生关系可能很重要。这项研究增加了我们对活跃微真核生物群落多样性的认识,并强调了使用基于 RNA 的测序而非基于 DNA 的测序来研究微真核生物群落与微真核生物对 AO 环境变量的反应之间的关系的重要性。
(ORCID:0000-0002-4453-6515) 土耳其语摘要 – 在我国,由于石油、煤炭和天然气等化石燃料的储量有限以及环境和社会限制,对可再生能源的倾向有所增加。能源连续性对于现代生活的可持续性和生产的连续性非常重要,这取决于工业和技术的发展。存储技术在最大限度地减少可再生能源的使用过程中的能源生产中断以及这些系统的广泛使用方面发挥着非常重要的作用。在需要时,必须供应足够数量的能源需求。利用能源存储系统可以快速可靠地响应一天中可能发生的能源需求变化。储能技术;这是一项具有巨大潜力的技术,因为它可以改善电力系统,促进可再生能源生产,并提供石油衍生燃料的替代品。在这项研究中;讨论了化学、电气、电化学、机械和热能存储系统,并提供了有关其结构和工作原理的信息。关键词 – 储能方法、可再生能源、储能技术、储能。引用:Emeksiz,C.,Kara,B.(2022)。储能技术的回顾与比较分析。国际多学科研究与创新技术杂志,6(2): 134-142。
人工智能 (AI) 系统会使用大量计算资源,引发可持续性问题。本报告旨在加深对人工智能对环境影响的了解,帮助量化和最小化人工智能的负面影响,同时使其能够帮助加快造福地球的举措。报告区分了与人工智能系统及相关设备的开发、使用和销毁相关的直接环境影响,以及人工智能使用的间接成本和收益。本报告呼吁建立衡量标准,扩大数据收集,确定人工智能的具体影响,核算能源使用和非运营排放,并提高透明度和公平性,以帮助政策制定者使人工智能成为应对可持续发展挑战的解决方案。
在主要的可再生能源类型中,水电、风能和太阳能最为突出。水电效率高、应用广泛,在所有可再生能源技术中占比最高。[7] 然而,风能和太阳能系统的巨大潜力预计将提高这些技术在未来能源结构中的重要性。[8,9] 附录 A 概述了主要可再生能源类型的最新情况及其基本特征。如今,全世界都在推动电力和运输部门脱碳。欧盟委员会已制定了长期能源目标,即在未来三十年实现气候中和。[10] 到 2030 年,欧盟可再生能源的比例必须达到 32.5%,温室气体排放量必须比 1990 年的水平减少 55%。此外,到那时能源效率必须提高 32.5%。[11]
太空技术可以成为环境保护和支持地球可持续发展目标 (SDG) 的宝贵资产。然而,这些活动本身也对环境产生影响。在整个生命周期中,运载火箭都会影响地球和太空中的局部和全球环境。特别是,它们会向大气层的每一层直接排放燃烧产物,导致臭氧消耗和辐射强迫。最近的文献表明,人们对太空发射的这些后果研究不足,尤其是考虑到航天工业的预计增长。本论文旨在评估当前和未来环境影响的情况,以及社会对这一问题的反应。本文基于 1957 年至 2021 年期间 6,502 次轨道发射的综合记录,对航天运载火箭设计进行了历史分析,以了解技术发展和排放方面的影响。这项研究表明,作为当今火箭设计前所未有的多样性的一部分,有关发动机和推进剂的关键决策将决定该行业未来对大气的影响。研究分析了航天领域的趋势,并生成了评估未来形势的情景。首次定量分析了社会对这一问题的反应,并将其与汽车行业、卫星行业和航空业的三个案例研究进行了比较。研究共审查了 30 年来 463,630,586 篇新闻文章、771,604 份法律文件和 10,836,398 份学术出版物。提出了促进航天发射行业更可持续未来的替代路径,包括可行的设计选择、影响评估方法、监管选项以及基于运载火箭可持续性指数的市场激励机制。
环氧树脂模塑料 (EMC) 用于保护集成电路 (IC) 免受环境影响,其中之一就是水分侵入,从而导致腐蚀。为了获得所需的热性能和机械性能,EMC 需要大量 (二氧化硅) 填料,从而引入大量界面。虽然硅烷偶联剂可以促进良好的粘合,但它们已证明会引入界面体积,从而在玻璃纤维填充的环氧树脂中表现出环氧树脂和 SiO 2 之间更快的水分传输。在这项工作中,我们研究了 EMC 中的填料颗粒是否也引入了这种界面体积,以及它是否会影响复合材料的水分扩散系数。我们将动态蒸汽吸附 (DVS) 进行的水分吸收测量与有效介质理论的预测进行比较,以及基于我们的样品的微 CT 扫描的数值模拟,用于包含不同填料水平的模型环氧树脂系统和具有两种不同填料水平的商业 EMC 样品。从测量的 DVS 数据中,我们观察到有效扩散系数高于 EMC 和模型系统不存在任何界面时的预测值。这表明应该存在一个界面层。
摘要 在过去十年中,人工智能取得了显著进步,现已被视为解决环境问题(首先是温室气体排放(GHG))的首选工具。与此同时,深度学习社区开始意识到,训练具有越来越多参数的模型需要大量的能源,并会导致温室气体排放。据我们所知,从未直接解决过人工智能解决方案对环境(绿色人工智能)而不仅仅是温室气体的完整净环境影响。在本文中,我们建议研究绿色人工智能可能带来的负面影响。首先,我们回顾不同类型的人工智能影响,然后介绍用于评估这些影响的不同方法,并展示如何将生命周期评估应用于人工智能服务。最后,我们讨论如何评估一般人工智能服务的环境实用性,并指出现有绿色人工智能工作的局限性。
这项研究的目的是确定外国直接投资(FDI),可再生能源(RE),能源消耗指数(ECI),全球化(GLO)和绿色技术创新(GTI)对环境污染(GTI)对使用DARDL评估者的1980年至2019年的时间序列数据对环境数据进行了限制性折衷的方式来探索peterivers distort distort veriv iniv distort veriv iniv iniv iniv iniv iniv iniv iniv distort veriv niv veriv niv iniv iniv iniv iniv veriv niv veriv niv inver inver的污染的影响。结果表明,GTI污染了环境可持续性(ES)。被污染的安全屋概念声称外国直接投资对该国固有的特征有负面影响。最后,人们正在唤醒ES的重要性。在其他原因中间发现了从GTI到碳排放的单头因果关系,化石燃料副产品需要变成绿色能源资源,以减少环境污染。最后,该研究证明了外国直接投资是中国环境污染的主要来源。根据DARDL研究的发现,外国直接投资和城市化,绿色技术创新和中国的环境污染政策方向彼此一致。
