绿色植物对SO_2污染的指示作用

目前,市区大气污染日趋严重,全世界每年进入大气的污染物达一百多种,重约6.14亿吨,其中SO_2 1.46亿吨,约占24％,处第一位。由于SO_2监测过程繁琐,而利用某些SO_2污染敏感的绿色植物来指示SO_2污染程度,检测环境质量,既简便又直观,实用性很强,对监测SO_2污染有较大的辅助意义。 一、SO_2对绿色植物的伤害机理。大气中的SO_2通过植物的叶片气孔进入叶肉细胞,能降低细胞液的pH值,造成叶绿素中的镁离解,而使叶绿素受到破坏,光合作用受到抑制,致使农作物大面积减产,这种现象是由于SO_2在空气湿度较大时形成的酸雨所致。同时进入植物体内的SO_2与其同化过程中所产生的有机酸的     

中国区域环境影响评价的发展

我国区域环境影响评价的发展，根据其理论方法研究和环境评价管理的进程，可分为提出、探索和开展３个阶段，并具有理论方法研究和环境评价管理建设密切配合，着重于规划控制技术和顺应发展中国家经济发展对环境管理的需要等发展特点。     

如何用经济手段解决环境问题

作为一个长期关注环保问题的老读者，打开2014年第3期《环境经济》杂志的时候，看到“环境经济政策实践与创新”征文活动获奖文章的选登，尤其是获得一等奖的《政府、市场、公众与流域治理》一文，读后感触良多。     

缙云山针阔混交林土壤各组分呼吸速率区分及其与环境因子的关系

以重庆缙云山针阔混交林为试验地,开展针阔混交林土壤各组分呼吸速率的分离量化及其与环境因子之间的关系研究. 于2011—2013年生长季(4—9月),利用壕沟断根和移除凋落物方法区分R_A(自养呼吸速率)、R_H(异养呼吸速率)、R_L(凋落物呼吸速率)及R_SOM(有机质呼吸速率);同时,实地观测土壤各组分呼吸速率、AT(大气温度)、SR(太阳总辐射强度)、ST(5 cm深处土壤温度)和SW(5 cm深处土壤湿度),并通过相关性分析,研究土壤各组分呼吸速率与环境因子之间的关系. 结果表明:①除R_L外,其他组分呼吸速率的月际变化均呈单峰曲线趋势,最大值均出现在6月或7月,月均值差异显著(P<0.05);土壤各组分呼吸速率年均值年际变化均不明显(P>0.05),但土壤各组分呼吸速率年均值之间存在显著差异(P<0.05). ②R_A和R_H分别占R_T(土壤总呼吸速率)的27%和73%,R_SOMSOM占R_H的63%. ③除R_L外,其他土壤组分呼吸均与AT和ST呈显著相关(P<0.05),表明AT和ST是影响土壤各组分呼吸速率的主要因子. ④指数模型最适用于描述该区AT和ST与土壤各组分呼吸速率之间的关系;除R_L外,其他土壤组分呼吸对AT的敏感性Q₁₀(温度每增加10 ℃所造成的呼吸速率改变的商)高于ST,并且不同组分呼吸的Q₁₀之间存在差异.      

重庆缙云山针阔混交林地土壤呼吸速率及温度敏感性特征分析

以重庆缙云山亚热带针阔混交林为研究区,研究了土壤呼吸及其Q₁₀(温度敏感性系数,指温度增加10℃所造成的呼吸速率改变的商)的时间变异特征,并深入分析二者受土壤温度、湿度变化的影响. 2011年4—12月采用LI-8100二氧化碳通量测量系统观测选取样地的R_S (土壤呼吸速率)、土壤5cm深处的T₅(土壤温度)和W₅(土壤湿度),分析R_S与Q₁₀的变化规律;同时利用单一和二元混合模型探讨T₅和W₅对R_S、Q₁₀的影响. 结果表明:①在观测期内R_S和T₅月均值均呈单峰曲线变化;R_S的变化范围在(1.38±0.15)~(3.94±0.21)μmol/(m2·s)之间,T₅的变化范围在(9.28±0.65)～(22.99±1.14)℃之间;由于受到自然降水影响,W₅的月际变化不规律. ②Q₁₀季节差异明显,最大值(3.31)出现在春季,观测期内的平均值为2.01. ③R_S与T₅之间呈显著正相关(P<0.05),与W₅的关系不明显(P>0.05);R_S与T₅、W₅的关系模型拟合度分别为87%和26%;T₅与W₅的复合模型对R_S的变化解释能力为89%,高于单一模型. ④影响Q₁₀的主要因素是T₅,其次为W₅.      

城市工业用地置换过程的环境影响及对策探讨——以上海某硫酸厂一车…

以上海某硫酸厂一车间地块为例，探讨了城市工业用地置换过程的环境影响，进而提出在城市工业用地置换过程的环境影响评价及环境管理中，对有污染的工业地块在原生产使用期对土壤－－地下水系统造成的遗留影响应引起重视，积极采取相应的控制治理措施。     

重庆缙云山地区森林土壤酸化特征

通过在2010～2012年8月份对重庆缙云山4种典型林分土壤进行野外取样和室内分析,研究了酸沉降对研究地森林土壤酸化的影响,并从多角度深入分析了4种林分土壤在时间和空间上的酸化机理。结果表明：（1）在常年酸沉降的影响下,缙云山森林土壤酸化现象非常严重,pH值较低,表层土壤pH值为387~447,4种林分土壤pH值都随土层加深递增;（2）4种林分有机质含量相差较大,灌木林最高（377 g/kg）,毛竹林最低（1144 g/kg）,且随土层增加而降低,这主要是受枯落物类型和来源的影响;（3）由于长期酸雨淋溶作用,4种林分土壤CEC含量均较低为1276~1973 cmol/kg,表层含量最高,随土层加深递减;（4）4种林分Al3+含量均较高,阔叶林（4097 mmol/kg）>灌木林（3132 mmol/kg）>针阔混交林（3006 mmol/kg）>毛竹林（2615 mmol/kg）。Al3+含量与土壤pH值呈显著负相关关系     

基于GWR降尺度的京津冀地区PM2.5质量浓度空间分布估算

卫星遥感估算PM_(2.5)质量浓度研究已较为成熟,但精度还未取得突破性进展.本文利用2017年京津冀地区气溶胶光学厚度(AOD)遥感数据、戈尔德地球观测系统的GEOF气象格网数据以及地面环境监测站PM_(2.5)数据,采用地理加权回归空间降尺度方法,估算京津冀地区的逐月PM_(2.5)质量浓度.基于3种不同的残差插值修正,修正后的PM_(2.5)估算结果均很理想,其中,基于自然邻近残差插值修正后的模型估算结果最优.经验证,在95%的置信水平下,其相关系数r达到0.951,决定系数R~2为0.904,调整后的R~2为0.903,平均预测误差MPE为7.307μg·m~(-3),均方根误差RMSE为11.62μg·m~(-3),相对预测误差RPE为18.35%,说明该模型能客观估算京津冀地区2017年PM_(2.5)质量浓度.2017年PM_(2.5)呈现出南高北低的空间分布特征,南北高低值区域界线与保定市和沧州市的市级行政界线具有较高的一致性.经变异系数分析发现PM_(2.5)在2017年内的稳定性程度与PM_(2.5)质量浓度空间分布呈反向性,即PM_(2.5)质量浓度高的区域稳定性低,年内的变化程度剧烈,而PM_(2.5)质量浓度低的区域稳定性强,年内变化程度弱.