排序方式: 共有45条查询结果,搜索用时 15 毫秒
21.
种植花椒对喀斯特石漠化地区土壤有机碳矿化及活性有机碳的影响 总被引:3,自引:0,他引:3
以贵州西南部典型石漠化治理示范区内5年、17年、30年生花椒林和乔木林(约60年)土壤为对象,采用室内模拟培养方法研究了0~15、15~30、30~50 cm这3个剖面土壤有机碳的矿化特征及活性有机碳的含量变化.结果表明,30年生花椒林土壤有机碳累计矿化量在各层土壤中均高于对应的乔木林土壤,而5年、17年生花椒林地各层土壤则均低于对应的乔木林土壤,3种花椒林土壤有机碳累计矿化量分配比在各层均高于对应的乔木林土壤.长期种植花椒增加了土壤有机碳的矿化量,降低了土壤有机碳的稳定性.乔木林土壤易氧化有机碳和颗粒有机碳在各层均显著高于对应的3种花椒林土壤(P0.05).随花椒种植年限增加,土壤易氧化有机碳和颗粒有机碳含量在0~15 cm和15~30 cm土层先增加后减少,在30~50cm土层则为先减少后增加.短期花椒种植有利于土壤活性有机碳的增加,长期则降低了0~15 cm和15~30 cm层土壤活性有机碳含量,花椒种植有利于深层(30~50 cm)土壤活性有机碳的积累. 相似文献
22.
西安城区地表灰尘中邻苯二甲酸酯分布、来源及人群暴露 总被引:2,自引:1,他引:1
采集西安城区地表灰尘样品58个,利用高效液相色谱(HPLC)分析了地表灰尘中美国环境保护部(U.S.EPA)6种优控的邻苯二甲酸酯(PAEs)含量,在此基础上研究了其分布特征、环境来源和人群暴露.结果表明,西安城区地表灰尘中的6种PAEs均有不同程度的检出.单体PAE的含量从未检出~183.19 mg·kg-1,含量顺序为DEHPDn BPDEPDMPBBPDn OP.6种PAEs总量(Σ6PAEs)在0.87~250.30 mg·kg-1之间,平均含量为40.48 mg·kg-1.Σ6PAEs在不同功能区的分布情况为公园交通区商业交通混合区住宅区文教区工业区.Σ6PAEs沿主城区-二环-三环呈现递减趋势.相关分析、主成分分析和聚类分析结果表明,西安城区地表灰尘中的PAEs主要与增塑剂的使用、化妆品和个人护肤品以及建筑材料与室内外装饰材料释放有关.人群不同途径暴露地表灰尘中PAEs的日均摄入量顺序为手口摄入皮肤接触呼吸吸入,且儿童高于成人.Dn BP、DEHP、DEP和BBP日均摄入量(ADD)低于EU CSTEE和U.S.EPA规定的日耐受量(TDI)与参考计量(Rf D). 相似文献
23.
为掌握济南市重污染天气发生规律,从而更好地为重污染天气预报预警和大气污染防治提供参考,采用空气质量监测数据、气象观测资料、雷达探测资料及轨迹模式模拟相结合的方法,对济南市2016年12月31日-2017年1月7日的持续性重污染过程,从污染演变过程、环流背景分析、气象要素特征和区域污染传输等多方面分析其形成原因及主要影响因素.结果表明:此次重污染过程期间首要污染物为颗粒物,ρ(PM10)平均值为318 μg/m3,ρ(PM2.5)平均值为200 μg/m3;地面风速在0.6~1.8 m/s范围内,风力均为1~2级,相对湿度为68%~95%,平均相对湿度为81%.在重污染过程中,从地面至800 m左右高度始终维持较强逆温层,逆温频次高达91.1%,污染边界层高度较低,大部分时间都在500 m以下.采用情景模拟分析方法计算得到,区域输送对济南市PM2.5的贡献率为20%~35%.研究显示:此次重污染过程是在区域性污染背景下由本地不利的扩散条件造成的,静稳大气形势提供有利的环流背景,平流雾、辐射雾交替产生,持续性的高湿加重了污染程度;近地面的静风、高湿,垂直方向的双逆温层甚至多逆温层的结构是影响此次重污染过程的重要气象要素;区域性污染传输对此次重污染天气的发展有显著贡献,污染初期主要来自河北省中南部的输送,随着污染加重,有来自偏南、偏东方向的局地气团输送. 相似文献
24.
为探究重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征,于2016年12月31日-2017年1月7日在市监测站和跑马岭进行连续PM_(2.5)样品采集,并对两个点位的PM_(2.5)及其组分(水溶性离子和碳质组分)污染特征进行分析。结果表明,重污染天气期间市监测站PM_(2.5)质量浓度(260±77)μg·m~(-3)是跑马岭(85±17)μg·m~(-3)的3倍,表明该重污染天气过程对济南市城区影响程度明显大于清洁对照点跑马岭。市监测站水溶性离子浓度高低顺序为SO_4~(2-)NO_3~-NH_4~+Cl~-K~+Na~+Ca~(2+)F~-,跑马岭水溶性离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-K~+Na~+Ca~(2+)F~-。市监测站和跑马岭二次无机离子(SNA)质量浓度分别为(134.7±49.5)μg·m~(-3)和(46.2±19.0)μg·m~(-3),在PM_(2.5)中占比分别是51.8%和54.4%,两个点位PM_(2.5)浓度差别很大,但SNA在PM_(2.5)中占比相差不大。通过NH_4~+计算值与实测值相关性分析可知,市监测站和跑马岭PM_(2.5)中NH_4~+均主要以(NH_4)_2SO_4和NH_4NO_3形式存在。市监测站SOR和NOR分别为0.44和0.32,跑马岭SOR和NOR分别为0.32和0.44,SOR和NOR的值均大于0.1,表明大气中SO_2和NO_2的二次氧化程度较高。采用OC/EC最小比值法估算得到市监测站和跑马岭SOC分别为8.3μg·m~(-3)和1.8μg·m~(-3),分别占OC的38.2%和20.9%,这表明市监测站OC二次反应程度明显高于跑马岭。市监测站有机碳(OC)和元素碳(EC)相关性(R~2=0.57)明显弱于跑马岭(R~2=0.92),表明市监测站OC和EC来源比较复杂,更有利于SOC的生成。 相似文献
25.
26.
中国西部地区生态环境问题 总被引:7,自引:0,他引:7
我国西部地区地域辽阔,人口稀少。按照国家确定的西部大开发战略,范围涉及新疆、甘肃、宁夏、青海、陕西、西藏、内蒙古、云南、贵州、广西、四川和重庆 12个省(区、市)。这一地区土地总面积约为 682万平方公里,约占我国国土总面积的 71.03%;人口约 3.5亿人,约占全国总人口的 28.5%,是我国少数民族的聚居地区。 西部地区虽然经济落后,但在我国经济、社会发展中占有重要位置。一方面,西部地区是我国的重要能源基地,也是我们所熟知的长江、黄河、黑河、澜沧江、珠江等大江大河的发源地和主要集水区;另一方面,西部地区野生动植… 相似文献
27.
为探讨济南市大气PM_(2.5)主要化学组分和污染特征,2017年在济南市开展了PM_(2.5)样品采集工作,分析了PM_(2.5)中有机碳(OC)、元素碳(EC)和水溶性离子浓度水平。结果表明:采样期间济南市PM_(2.5)中OC、EC年均质量浓度分别为9.10、2.68μg/m~3,全年OC与EC质量浓度的比值为3.4,二次有机碳污染严重;OC、EC季节分布特征明显,均为冬季浓度最高,且秋、冬季两者相关系数较高,表明秋季和冬季OC、EC来源较为一致。NO_3~-、SO_4~(2-)、NH_4~+年均质量浓度之和为34.29μg/m~3,占水溶性离子总量的88.9%,是济南市PM_(2.5)中最重要的组分;各水溶性离子浓度具有明显的季节变化特征,NO_3~-、SO_4~(2-)、NH_4~+、Cl~-和K~+均冬季浓度最高,而Ca~(2+)春季浓度最高;PM_(2.5)中NO_3~-与SO_4~(2-)质量浓度的比值为1.10,说明相比于固定污染源,移动污染源对济南市PM_(2.5)影响更大。 相似文献
28.
利用微脉冲激光雷达探测技术,结合常规污染物监测以及PM_(2.5)化学组分监测数据,对2017年5月影响济南地区的一次沙尘天气过程进行分析。结果表明:5月4日12:00沙尘天气开始影响济南市,PM_(10)小时浓度大幅升高,至5月5日13:00,PM_(10)小时浓度达到峰值(质量浓度953μg/m~3)。沙尘过境期间近地面1 500 m以下形成消光系数和退偏比极大区,其中5月5日11:00—13:00,300 m处退偏比平均高达0. 19,非球形特性显著。沙尘天气过程中Mg~(2+)组分、Ca~(2+)组分增幅最为明显。后向轨迹模型HYSPLIT显示,此次沙尘起源于内蒙古中西部地区,沿高空西北方向传输至济南地区。 相似文献
29.
以西安城市表层土壤和地表灰尘为研究对象,分析其基本理化指标。结果表明,西安市表层土壤pH值的变化范围是7.65~8.54,属弱碱性。地表灰尘pH值的变化范围是6.59~11.19,属碱性。表层土壤的低频磁化率和高频磁化率均值分别为1.55×10^-6 m^3/kg和1.46×10^-6 m^3/kg,频率磁化率均值为6.7%。地表灰尘的低频磁化率和高频磁化率均值分别为5.50×10^-6 m^3/kg和4.84×10^-6 m^3/kg,频率磁化率均值为1.88%。表层土壤和地表灰尘中总有机碳均值分别为1.31%和3.97%。西安城市表层土壤和地表灰尘均主要以粉粒为主,且二者各理化性质之间均有一定的相关性。 相似文献
30.
基于土地供应动态价格存在不确定性和期末土地资源的市场推广具有灵活性,土地资源的储备开发价值包括初始投资和期末看涨期权价值。根据欧式多资产期权方法,通过把收益的算术平均近似表达为几何平均的形式,多维问题可以转换为一维问题。参照一篮子期权的几何平均B-S期权定价模型,给出了基于实物期权的多项土地资源储备与开发的算术平均收益的夏普比率优化目标函数。数值计算表明,土地资源配置比例越是均匀,土地储备的期权价值越小。期权价值与配置比例反映为非线性关系。 相似文献