生态示范区内生态工业建设模式探讨

生态工业建设为生态示范区建设的重要内容之一 ,是一项涉及到地区经济发展、人地关系协调的重大举措。从生态示范区建设中生态工业的基本定义出发 ,对生态工业建设层次进行详尽分析 ;并结合代表江苏省苏南、苏中和苏北不同社会经济发展水平的三个地区——吴县市、邗江县和邳州市的具体案例 ,通过对其产业构成、主导产业、消费结构以及经济发展总量与人均水平的对比分析 ,指出经济发展水平较低的地区要立足当地农业资源 ,实施末端治理并逐步推广清洁生产这种较低层次的生态工业建设模式 ;而经济发展较好的地区其生态工业的建设则要采用生态企业以及生态工业园区这种较高层次的建设模式。为确保生态工业建设的顺利实施 ,最后从政府、企业、市场和公众四方面提出了生态工业建设的驱动机制     

湖泊水质模型研究进展

湖泊是最重要的淡水资源之一，对社会和经济的发展起着不可估量的作用。保护和改善湖泊水环境问题已成为当前世界关注的一个焦点。湖泊水质模型是一种利用数学语言来描述湖泊污染过程中的物理、化学、生物化学及生物生态各方面之内在规律和相互联系的手段。作为湖泊水环境污染治理、规划决策分析中的一个重要工具，它可以为湖泊的综合整治和科学管理提供科学的依据，在环境保护领域中发挥着举足轻重的作用。分别介绍了湖泊水质模型国内外研究动态、类型、常用软件（WASP、EFDC、CE QUAL W2、CE QUAL R1、CE QUAL ICM、MIKE、SMS等）和应用实例，并综观湖泊水质模型的研究历史和应用前景，系统分析了湖泊水质模型研究的发展趋势。     

草原旅游发展中旅游管理部门环境意识的调查研究

根据环境意识结构．设计了旅游管理部门环境意识调查问卷。其主要的指标体系包括：旅游环境知识水平、旅游环境态度、旅游环境评价和旅游环境行为四个方面。对指标体系各部分之间以及每一指标部分的每一题目之间的相对重要性进行权重的确定．而且对各部分的每道题目的各个选项予以赋分。基于权重和赋分．结合调查问卷的实际情况，设计了指标体系各部分评价模型和环境意识总体评价模型。以此来计算草原旅游发展中旅游管理部门环境意识水平的综合得分。经过分析得知，旅游管理部门环境意识模式是“环境知识制约型”模式。     

The aggregation pheromone ofIps duplicatus and its role in competitive interactions withI. typographus (Coleoptera: Scolytidae)

Summary Ips duplicatus withI. typographus co-inhabiting Norway spruce (Picea abies (L.) Karst.) would benefit from a pheromone blend distinct from that of the larger competitorI. typographus. GC-MS analysis showed thatI. duplicatus males feeding in the host produced ipsdienol (Id),cis-verbenol (cV),trans-verbenol (tV), myrtenol (Mt), andE-myrcenol (EM) and traces of 2-methyl-3-buten-2-ol (MB).I. duplicatus produced Id in approximately racemic form (48.9-54.5% (+)-(S)-isomer). The amounts of Id and EM released over a 9 day period had a maximum of 250 and 5 ng/h/male, respectively, on day 2. Exposure ofI. duplicatus males to myrcene and -pinene resulted in the production of small amounts of Id, cV, tV, Mt, andtrans-pinocarveol, but not of EM. In laboratory bioassays with walking beetles, the pheromone component Id alone was weakly attractive while EM was inactive, but in binary combination with Id strongly synergized attraction. A combination of EM and Id at a release rate equivalent to 100–200 males was more attractive in the field than 70 unmated males in a spruce log. The addition of myrcene ( a suggested pheromone precursor of Id) to Id did not enhance trap caches, while addition of EM increased catches > 10-fold. Subtracting EM from a blend of Id, EM, cV and MB drastically reduced trap catches while subtraction of cV or MB or both had no significant effect. Addition of EM over a wide concentration range to the synthetic pheromone ofI. typographus did not reduce the attraction of females of this species in the laboratory. A two-species pheromone interaction field test releasingI. typographus pheromone components (MB + cV) at 10–1000 male equivalents (ME) andI. duplicatus pheromone (Id + EM) at 0, 10–1000 ME in all possible combinations showed both positive intraspecific dose-response effects and an interspecific inhibition. Higher release rates of EM appeared to inhibitI. typographus, especially males. In a tree colonization model, the response of the two competing species to their respective pheromones show a good separation during the mass-attack with a small initial cross-attraction. It remains to be shown whether either of the two pheromone systems have in fact evolved in the present sympatry, or if they are an incidental effect of ancestry of these phylogenetically distantIps.     

新疆石化工业区颗粒物含水量和酸度对二次无机组分形成的影响

大气二次污染物是新疆独山子区大气污染物的重要组成部分,研究大气中二次组分的转化过程对区域大气污染治理有着重要意义.对新疆独山子区2015年9月至2016年7月采集到的样品进行水溶性组分分析.结果表明,水溶性无机离子(TWSIs)表现出与PM_(2.5)一致的季节变化,为冬季(67.86μg·m~(-3))秋季(13.77μg·m~(-3))春季(10.09μg·m~(-3))夏季(4.85μg·m~(-3));冬季二次无机离子(NH~+_4、SO~(2-)_4和NO~-_3)占TWSIs的98%;结合气溶胶热力学模型(E-AIM)探讨独山子区大气颗粒污染物中颗粒相含水量以及颗粒酸碱性;表明独山子区颗粒物呈酸性,年均原位pH为0.81,其中冬季样品的pH(2.93)值最高;颗粒含水季节变化为冬季(331.32μg·m~(-3))秋季(5.91μg·m~(-3))春季(5.46μg·m~(-3))夏季(1.62μg·m~(-3));年均氮氧化率(NOR)和硫氧化率(SOR)分别为0.13和0.47,表明区域污染物存在二次转化;进一步分析表明颗粒相中的硫酸盐质量浓度受到颗粒含水量和颗粒酸碱度的影响较为明显;高的颗粒相含水条件下区域硝酸盐的形成主要以非均相反应为主.     

哈长城市群县域碳排放空间溢出效应及影响因素研究——基于NPP-VIIRS夜间灯光数据的实证

基于2012-2016年NPP-VIIRS夜间灯光数据测算哈长城市群共计68个县级单元碳排放数据,采用空间自相关、位序规模法则、空间计量模型以及空间马尔科夫链模型,对县级尺度城市碳排放空间特征、影响因素和动态空间溢出作用进行分析.结果表明：①城市碳排放呈现逐年下降的趋势,空间Moran''s I指数表明研究区城市碳排放存在高度的空间自相关,碳排放的高值集聚性呈降低的趋势.②位序规模法则表明,研究区全部城市的碳排放属于次位型分布,高位次城市的碳排放表现突出;在前十位城市的碳排放规模先减少再增加,由分散向集中演变.③多种空间面板模型对比分析表明,城市经济水平和人口密度因素呈现显著的正相关关系;固定投资和外商投资因素仅在时间固定模型中起到正向影响作用;技术进步以及路网密度因素则起到显著的抑制作用.④空间马尔科夫链分析结果表明,城市碳排放空间溢出效应明显,位于低水平区域与高水平区域的城市在转移过程中保持稳定;位于中低水平区域的城市与高碳排放的城市相邻会降低转移概率,反之则会提升转移概率.     

降水空间异质性对非点源关键源区识别面积变化的影响

针对地形起伏和降水空间差异较大的农业区非点源污染问题,基于SWAT模型评估了阿什河流域在异质性降水和均匀降水两种情景下总氮、总磷关键源区空间变化规律,统计了两种情景下识别的关键源区面积变化,并分析其与降水特征参数的关系.结果表明,降水量一定时,两种情景下识别的总氮、总磷关键源区面积变化趋势大致相同,且总磷关键源区面积不易受降水空间异质性的影响,但总氮关键源区面积却明显受到其影响.对各年份总氮和总磷关键源区面积与降水特征参数的相关分析表明,总磷关键源区面积与当年降水量呈显著正相关,而总氮关键源区面积却与前一年降水量呈显著正相关.研究结果对进一步探讨降水这一重要驱动因子的不确定性对非点源污染关键源区的影响,以及农业非点源污染的治理具有重要意义.     

基于绝对主成分-多元线性回归的滇池污染源解析

定量解析污染源是湖泊流域水环境管理的重要基础.基于滇池草海和外海多年水质监测数据,采用主成分分析（PCA）方法识别了主要水质指标的污染源类型,利用绝对主成分-多元线性回归模型（APCS-MLR）得到不同污染源对水质的贡献程度.结果表明,草海主要的污染源有农业面源、城市面源和内源3类,外海的主要污染源是农业面源、城镇生活污染源、城市面源和内源4类.与河流水污染源解析结果不同,底泥内源与气象因子对滇池主要水质指标的影响较大.     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

哈尔滨市秸秆焚烧大气污染负荷估算方法研究

本文针对近些年哈尔滨秋末冬初大气污染程度增加的溯源问题,基于静风污染气象及降雪对秸秆焚烧的影响等基本假设,采用箱式模型和优化拟合的方法对秸秆焚烧产生污染物的源强及其负荷进行了估算.通过对2015年和2017年典型时段数据的优化拟合得到降雪前重污染天气下PM₁₀排放源强分别为20.16、21.83 μg·m^-2·s^-1,CO的排放源强分别为149.32、138.65 mg·m^-2·s^-1;降雪后重污染天气下PM₁₀排放源强分别为15.98、7.09 μg·m^-2·s^-1,CO的排放源强分别为122.91、89.21 mg·m^-2·s^-1.由降雪前后各污染物的源强差得到2015年和2017年秸秆焚烧产生的PM₁₀的排放源强分别为4.18、14.74 μg·m^-2·s^-1,负荷分别为20.73%、67.52%;CO的排放源强分别为26.41、49.44 mg·m^-2·s^-1,负荷分别为17.69%、35.66%.本文为相关清单的研究提供了一种客观的校核方法,具有重要的社会、环境及现实意义.