灰色理论模型预测城市垃圾量

利用灰色理论模型 ,采用非线性微分方程拟合 ,可较好地预测城市垃圾的产生量。运用最小二乘法 ,通过MATALAB程序求出了模型中的参数 ,假设检验结果表明 ,该模型有较高的预测精度。根据上述模型 ,预测娄底市未来30a的总垃圾预测量为 80 4 90万t     

多目标灰色关联度决策模型分析

本文针对多目标决策的复杂性,运用灰色系统分析方法和物元分析理论,建立了决策方案的评价体系并对评价指标进行规范化处理。以决策方案的灰色关联度作为评判准则,建立了一种目标灰色关联度决策模型。     

生态示范区可持续发展灰色评估系统设计应用

介绍了如何在国家级生态示范区的可持续发展评估中运用灰色系统理论构建定量评估系统模型,并给出了关系型指标表、量纲模型、多元灰色预测模型和发展系数模型以及应用实例.根据该评估系统模型所开发的灰色评估系统由数学模型、计算机软件和硬件组成,可自动完成量纲统一、指标预测、相关分析、综合评估和趋势图表的运算和输出.     

浅谈如何开展环境监测类设施公众开放日活动

随着城市工业化的快速发展,突发性环境污染事故逐渐增多,因此,环境公众开放日活动显得尤为重要。本文结合实际情况,探讨如何开展监测类公众开放日活动。     

平原河网地区非点源污染风险差异化分区防控研究

土地利用优化和空间防控策略对非点源污染风险控制及水环境质量的改善具有重要意义。本文以太湖流域典型平原河网地区-上海市青浦区为研究对象,将灰色线性规划模型与最小累积阻力模型相结合,以控制非点源污染风险和增加经济效益、生态效益为目标,进行土地利用结构优化与空间分区防控研究,在空间上划设了水资源保育区、水资源重点防护区、非点源污染一般阻控区、非点源污染中等阻控区及非点源污染重点阻控区,并针对不同分区提出具有针对性的防控措施。与2012年相比,预测2020年优化防控方案下,可减少总氮、总磷的输出10.96%和41.33%。由此表明,优化土地利用结构和构建空间差异化防控机制是有效调控非点源污染风险,实现区域可持续土地利用,促进经济发展和保证生态环境安全的有效途径。     

秸秆焚烧对哈尔滨市灰霾天气的影响

2015年11月1—4日,哈尔滨市及周边地区发生了连续的灰霾天气,颗粒物浓度急剧升高。污染发生时,监测仪器均布设在哈尔滨市区上风向30 km处(哈尔滨市双城区)并开展了连续96 h的监测分析。综合利用气象观测资料,3D可视激光雷达监测资料及地面空气污染监测资料分析了灰霾天气发生的气象条件和污染边界层特征,根据哈尔滨市双城区大气污染物排放源谱库对主要成分进行来源解析,结合颗粒物质量浓度和气象条件研究了秸秆焚烧对灰霾天气的影响。结果表明,灰霾天气持续期间,夜间生物质燃烧源成为该地区颗粒物的第二大源;秸秆焚烧产生的大气污染物,由于地面长时间静风,污染边界层降低等原因,致使本地污染物累积、不易扩散,加剧了本次污染。     

中国雾霾空间分布特征及影响因素分析

近年来我国雾霾天气频发,以PM_(10)和PM_(2.5)为核心的大气污染物对人体健康和大气环境质量造成了严重威胁,已经成为当前不容忽视且亟需解决的重大民生问题和环境问题,深入分析雾霾污染的形成原因和影响因素对于科学制定切实有效的治霾政策具有重要的现实意义。本文基于我国288个地级以上城市2015年1月—2017年2月的月均空气质量AQI数据,首先采用空间统计方法对雾霾污染空间分布的季节特征进行可视化描述,其次通过空间自相关指数对雾霾污染的空间集聚特征进行了实证检验,最后在此基础上建立空间计量模型对影响雾霾污染的社会经济因素进行了经验识别。结果表明:(1)我国雾霾污染的季节性特征明显,夏季空气质量状况最好,春季和秋季次之,冬季污染最严重且波及范围广,其中河北南部、河南北部、山西南部和陕西关中地区是污染重灾区,季均空气质量均为中度污染以上。(2)雾霾污染存在显著的空间正相关特征,我国东部沿海地区表现为显著的低低集聚,华北平原及周边地区呈现显著的高高集聚特征。(3)空间回归结果显示,我国雾霾污染与经济增长的关系在一定程度上与EKC曲线假说相符,其中二产畸高的产业结构、民用汽车保有量的增多和省会城市均对雾霾污染有显著的正向促进作用,但人口密度和绿化水平对雾霾污染的影响并不显著。因此,治霾政策应坚持城市内部以促进产业结构转型升级、鼓励使用新能源汽车和共享单车、疏散省会城市的职能为主,城市外部应以区域联防联控为主,从而达到缓解和改善大气环境的目的。     

Geography and Recovery under the U.S. Endangered Species Act

Abstract: The U.S. Endangered Species Act (ESA) defines an endangered species as one “at risk of extinction throughout all or a significant portion of its range.” The prevailing interpretation of this phrase, which focuses exclusively on the overall viability of listed species without regard to their geographic distribution, has led to development of listing and recovery criteria with fundamental conceptual, legal, and practical shortcomings. The ESA's concept of endangerment is broader than the biological concept of extinction risk in that the “esthetic, ecological, educational, historical, recreational, and scientific” values provided by species are not necessarily furthered by a species mere existence, but rather by a species presence across much of its former range. The concept of “significant portion of range” thus implies an additional geographic component to recovery that may enhance viability, but also offers independent benefits that Congress intended the act to achieve. Although the ESA differs from other major endangered‐species protection laws because it acknowledges the distinct contribution of geography to recovery, it resembles the “representation, resiliency, and redundancy” conservation‐planning framework commonly referenced in recovery plans. To address representation, listing and recovery standards should consider not only what proportion of its former range a species inhabits, but the types of habitats a species occupies and the ecological role it plays there. Recovery planning for formerly widely distributed species (e.g., the gray wolf [Canis lupus]) exemplifies how the geographic component implicit in the ESA's definition of endangerment should be considered in determining recovery goals through identification of ecologically significant types or niche variation within the extent of listed species, subspecies, or “distinct population segments.” By linking listing and recovery standards to niche and ecosystem concepts, the concept of ecologically significant type offers a scientific framework that promotes more coherent dialogue concerning the societal decisions surrounding recovery of endangered species.     

西安市重污染与清洁天PM2.5组分及其活性氧物质对比

针对重霾污染,在西安市冬季重污染日(2015-11-30~2015-12-09)和清洁日(2016-01-13~2016-01-22)各进行了为期10d的PM_(2.5)采集,测量其中的有机碳、元素碳,及NH_4~+、NO_3~-、SO_4~(2-)等无机水溶性离子,探讨两种污染条件下的组分特征及其成因.结果表明:观测期,重霾日和清洁日PM_(2.5)质量浓度分别为(170±47.5)μg·m~(-3)和(48.6±17.9)μg·m~(-3),且重霾日伴随低能见度、高湿静风等多种不利气象条件;重霾日二次无机离子(NH_4~+、NO_3~-、SO_4~(2-))组分占PM_(2.5)质量浓度的49.8%±13.1%,而清洁日为19.4%±5.95%,并且重霾日硫氧化速率(sulfur oxidation ratio,SOR)和氮氧化速率(nitrogen oxidation ratio,NOR)分别为0.282±0.157和0.269±0.124,远高于清洁日(SOR和NOR分别为0.189±0.057和0.077±0.046),重霾日二次有机组分浓度[(6.22±3.87)μg·m~(-3)]是清洁日[(1.44±1.63)μg·m~(-3)]的5倍,表明二次污染及不利气象条件是造成重霾期间相关组分浓度升高的重要原因.最后,通过二氯荧光黄双乙酸盐(2',7'-DCFH)化学荧光分析法测定了其中活性氧物质(reactive oxygen species,ROS)的浓度,探讨其对于二次无机组分形成的影响,结果表明观测期ROS平均浓度(以H_2O_2计)分别为(4.99±1.54)nmol·m~(-3)(重霾期),(0.492±0.356)nmol·m~(-3)(清洁期),二次反应及积累效应可能是西安重霾条件下ROS浓度升高的主要原因.NO_3~-、SO_4~(2-)与ROS均呈现正相关(P0.05),表明ROS可能通过二次氧化过程参与到二次无机组分形成过程中.     

青岛不同强度霾天气溶胶中二次无机离子的生成及粒径分布

于2015年9月至2016年2月在青岛近海连续收集了大气气溶胶分级样品,用离子色谱法分析了其中的水溶性无机离子组分,并讨论了不同强度霾天下气溶胶中二次无机组分的粒径分布,初步探索了霾天SNA的形成过程和影响因素.结果表明,气溶胶中NO_3~-、SO_4~(2-)、NH_4~+、NO_2~-和Cl~-的质量浓度变化范围分别是10.32~193.46、4.42~74.05、2.21~57.75、0.05~2.22和1.35~17.39μg·m~(-3),且SNA的质量浓度随霾污染程度的加剧明显增加.与非霾天相比,轻微、轻度、中度和重度霾天与非霾天相比,NO_3~-的质量浓度分别增加了55%、77%、240%和537%;SO_4~(2-)的质量浓度分别增加了4.7%、35%、77%和262%;NH_4~+的质量浓度分别增加了72%、83%、201%和526%.细粒径上的NO_3~-、SO_4~(2-)与其气态前体物NO_2、SO_2均有显著相关性,且与相对湿度、能见度、风速等气象条件相关性较好,说明细粒径SNA的生成是造成霾天能见度下降,形成空气污染的主要原因之一,同时,高浓度前体物、较大相对湿度、低风速都是影响霾天形成的重要因素.除轻微霾天外,其他不同强度霾天的SOR(硫氧化率)、NOR(氮氧化率)均大于非霾天,且随着霾程度的加剧,SOR、NOR都有明显的升高,尤其是0.43~0.65μm和0.65~1.1μm粒径段;在重度霾天,氮和硫的转化率平均为非霾天的1.5倍,说明细粒径上的硫酸盐和硝酸盐大部分是气-粒转化而来.NO_3~-、NH_4~+、NO_2~-和SO_4~(2-)主要存在于细粒径段,霾天下在细粒径上的比例都显著增大,NO_3~-和SO_4~(2-)在严重霾天所占比例最高,分别达到79.4%和74.4%.NO_3~-在非霾、轻微、轻度霾天时均呈双峰分布,峰值出现在0.43~0.65μm和3.3~4.7μm处,中度霾天时细粒子峰值移动到0.65~1.1μm,在重度霾天粒径分布变为0.65~1.1μm的单峰分布.SO_4~(2-)只在非霾条件下呈双峰分布,峰值出现在0.43~0.65μm和2.1~3.3μm粒径段,霾天下均是单峰分布,轻微和轻度霾天下峰值出现在0.43~0.65μm,中度和重度霾天下峰值在0.65~1.1μm处.NH_4~+呈单峰分布,在非霾和轻微霾天下峰值出现在0.43~0.65μm粒径段,轻度、中度和重度霾天下峰值均出现在0.65~1.1μm粒径段.