Sustainability and comanagement of subsistence hunting in an indigenous reserve in Guyana

Although hunting is a key component of subsistence strategies of many Amazonians, it is also one of the greatest threats to wildlife. Because indigenous reserves comprise over 20% of Amazonia, effective conservation often requires that conservation professionals work closely with indigenous groups to manage resource use. We used hunter‐generated harvesting data in spatially explicit biodemographic models to assess the sustainability of subsistence hunting of indigenous Waiwai in Guyana. We collected data through a hunter self‐monitoring program, systematic follows of hunters, and semistructured interviews. We used these data to predict future densities of 2 indicator species, spider monkeys (Ateles paniscus) and bearded sakis (Chiropotes sagulatus), under different scenarios of human population expansion and changing hunting technology. We used encounter rates from transect surveys and hunter catch‐per‐unit effort (CPUE) to validate model predictions. Paca (Cuniculus paca) (198 /year), Currosaw (Crax alector) (168), and spider monkey (117) were the most frequently harvested species. Predicted densities of spider monkeys were statistically indistinguishable from empirically derived transect data (Kolmogorov–Smirnov D = 0.67, p = 0.759) and CPUE (D = 0.32, p = 1.000), demonstrating the robustness of model predictions. Ateles paniscus and C. sagulatus were predicted to be extirpated from <13% of the Waiwai reserve in 20 years, even under the most intensive hunting scenarios. Our results suggest Waiwai hunting is currently sustainable, primarily due to their low population density and use of bow and arrow. Continual monitoring is necessary, however, particularly if human population increases are accompanied by a switch to shotgun‐only hunting. We suggest that hunter self‐monitoring and biodemographic modeling can be used effectively in a comanagement approach in which indigenous parabiologists continuously provide hunting data that is then used to update model parameters and validate model predictions.     

北京市郊区夏季臭氧重污染特征及生成效率

为研究北京郊区夏季O₃(臭氧)重污染过程特征及O₃生成的光化学敏感性,基于2016年夏季在北京郊区开展的针对O₃及其相关污染物的强化观测试验(7月23日—8月31日,共计40 d),分析了观测期间O₃浓度[以φ(O₃)计]变化特征、O₃重污染过程主控因素与O₃敏感性化学特征.结果表明:观测期间φ(O₃)超标时有发生,最大小时φ(O₃)为151.1×10-9,其中有15 d的φ(O₃)最大8 h滑动平均值(O₃-max-8h)超过了GB 3095—2012《环境空气质量标准》二级标准限值,占观测天数的37.5%;不同O₃重污染过程成因有所不同,城市烟羽传输的污染物对郊区O₃重污染过程影响显著(观测期间臭氧重污染过程:过程1,7月27—29日;过程3,8月9—11日;过程4,8月16日;过程5,8月21—24日),区域光化学污染对郊区O₃重污染过程也有贡献(观测期间O₃重污染过程2:8月4—6日);结合后向气流轨迹进一步辅助说明了不同重污染过程中O₃的来源不同.研究还发现,观测区域存在反“周末效应”现象,说明观测区域周末受人为影响较为明显;基于观测数据计算的OPE(O₃生成效率)分析了O₃光化学敏感性表明,在有OPE值的22 d内NO_x控制区和VOCs控制区出现的概率(41%)相等,即观测区域O₃对NO_x和VOCs均敏感;此外还发现,在O₃重污染过程中光化学敏感性会随其反应进程发生改变,由NO_x控制区逐渐转变为VOCs控制区.      

重庆市夏秋季VOCs对臭氧和二次有机气溶胶生成潜势的估算

为估算重庆市夏秋季VOCs（挥发性有机物）对O₃和SOA（二次有机气溶胶）的生成潜势,利用在线GC-MS/FID在2015年8月22日-9月23日对重庆市区点和郊区点VOCs开展了为期一个月的实时观测,获得市区点和郊区点$ \varphi $（TVOCs）（总挥发性有机物）分别为41.35×10-9和22.72×10-9,其中市区点以烷烃（35.2%）和烯炔烃（25.2%）为主,郊区点以含氧挥发性有机物（oxygenated volatile organic compounds,OVOCs）（30.6%）和烷烃（26.0%）为主.结合最大增量反应活性量化市区点和郊区点VOCs的OFPs（臭氧生成潜势）分别为149.11×10-9和71.09×10-9,市区点OFPs最大的是乙烯、丙烯、甲苯、C8和C9的芳香烃等,郊区点OFPs最大的VOCs是丙烯醛、异戊二烯和甲基乙烯基酮.结合气溶胶生成系数量化郊区点和市区点VOCs对SOA的生成贡献分别为0.36和1.26 μg/m3,相比国内其余城市VOCs的SOAP（二次有机气溶胶生成潜势）较小,主要以甲基环己烷、正壬烷、正葵烷和十一烷等高碳烷烃,以及甲苯、苯、二甲苯和乙苯等芳香烃的SOAP为主.研究显示,控制烯炔烃和芳香烃的浓度有助于控制重庆市O₃的生成,控制高碳烷烃和芳香烃则有助于控制重庆市SOA的生成.      

城市大气中臭氧浓度控制的困难与挑战——以成都市为例

研究城市化、工业化和区域经济一体化进程的不断加快,对城市大气环境的影响是当前大气环境领域研究的热点问题。在此过程中,利用空气质量模型模拟系统研究大气环境污染问题成为大气环境研究中不可缺少的组成部分。在当前空气污染复杂的形势下,针对城市大气环境中臭氧的浓度尚未有效的控制措施。研究主要利用Models-3/CMAQ空气质量模式对成都市臭氧浓度数值通过不同的控制情景进行模拟,揭示城市大气中臭氧浓度控制的困难与挑战,并尝试性提出今后的研究方向,以期为控制城市大气中臭氧浓度提供建议。     

关中地区城市空气质量特征及影响因素分析

本文对陕西省关中地区33个城市环境空气质量自动监测站点2015年全年的监测数据进行统计和研究,讨论了关中城市空气质量特征和主要影响因素。结果表明,关中地区城市间空气质量具有密切的相关性和整体性,影响关中城市群全年空气质量最主要的污染因子是可吸入颗粒物(PM10)和细颗粒物(PM2.5),首要污染物呈现出显著的季节变化规律。人类活动、气象因素以及地形特征是造成关中地区空气质量现状的主要原因。     

工业园区综合难降解废水深度处理实验研究

某工业园区综合废水处理厂设计规模5.0×104m3/d,原设计出水执行《城镇污水处理厂污染物排放标准》(GB 18918-2002)一级B标准,需将出水标准提高到一级A排放标准.分别采用混凝沉淀法和高级氧化法深度处理二级生化出水.小试试验结果表明:二级生化出水CODcr在62~75 mg/L左右,PAC、Al2(SO4)3及PFS三种絮凝沉淀药剂处理出水CODcr去除效果均不明显,不能稳定达到一级A排放标准.芬顿催化氧化的pH=5,FeSO4+H2O2投加量为(200+100)mg/L;臭氧氧化的O3投加量33 mg/L,其出水CODcr均能达到一级A排放标准.     

北仑区臭氧与挥发性有机物关系研究

利用2016年夏季北仑区域的VOCs及臭氧在线监测结果,研究了北仑区域VOCs的浓度水平、组成及来源情况,同时还分析了区域的臭氧生成与VOCs之间的关系.结果表明:北仑的VOCs浓度整体水平与一些大城市相比较低,在VOCs组成中比例最高的为烷烃,臭氧生成潜势(OFP)贡献最高的为芳香烃;北仑的VOCs来源与北京和上海均有所不同,且北仑的机动车对VOCs的贡献特征值B/T为0.56,超过了临界值;北仑区域的臭氧生成主要是由本地的VOCs等的臭氧前驱体通过光化学反应生成.     

2013 — 2016年西安市臭氧时空变化特性与影响因素

臭氧污染主要是由前体物氮氧化物（NO_x）和挥发性有机物（VOC）的过量排放引起的,通过NO_x/?SO₂的比值可得知西安地区已经受到了光化学烟雾型污染的影响,大气中臭氧含量与NO_x的含量相关性较高;西安13个站点的8小时平均浓度分布变化大体可分为单峰变化和持续递减类型,浓度主要集中在0?—?90 μg???m^?3,不同站点臭氧含量相差较大;2013?—?2016年,高新西区臭氧超标天数最多,为146天,是超标天数最少的兴庆小区的2倍多。高浓度臭氧主要出现在高温度、低湿度、实时风向为东南风或南风的天气。此外,治理臭氧污染必须限制机动车尾气排放,同时研究表明来自秦岭的植物VOC对于西安臭氧浓度影响很大。     

污水处理厂消毒技术对抗生素抗性菌的强化去除

基于消毒技术对污水处理厂出水中总异养菌(total heterotrophic bacteria,HPC)及5种抗生素抗性菌(antibiotic resistant bacteria,ARB):氨苄霉素抗性菌(AMP)、红霉素抗性菌(ERY)、四环素抗性菌(TET)、卡那霉素抗性菌(KAN)、环丙沙星抗性菌(CIP)的去除情况研究,分析消毒技术对ARB的强化去除效果.结果表明,实际污水处理厂的紫外消毒对ARB去除率仅为18.2%~40.9%,且AMP含量最高;另外,消毒技术对ERY有选择性去除效果,对其他4种ARB无明显选择性去除效果(P0.05);最后结合次氯酸钠、臭氧、紫外消毒处理对COD、NH_4~+-N的去除效果,确定强化去除ARB的消毒方式中臭氧,次氯酸钠和紫外的最佳浓度和剂量依次为5.0 mg·L~(-1)、25.0 mg·L~(-1)和45.0 m J·cm~(-2),ARB去除率依次为45.5%~74.5%、66.1%~85.5%、68.6%~85.5%,另外次氯酸钠耦合紫外消毒强化去除ARB的效果更佳.     

水溶液中臭氧和溴离子的反应研究

为探明O3氧化Br-的反应机制,采用离子色谱、PDA紫外-可见光度仪研究了水中Br-被O3氧化的反应过程.离子色谱分析表明,被氧化的Br-中只有约10%被O3氧化成BrO3-.进一步研究表明,除了生成BrO3-外,Br-被O3氧化过程中还产生了Br2,Br2又与溶液中存在的Br-结合形成Br3-,并首次得到了Br3-的吸收光谱,测得Br3-的最大吸收峰λmax为260 nm,提出了Br-与O3的基元反应.该研究补充和完善了O3氧化Br-的反应机制,也为O3处理含Br-水时Br-的归趋提供了有益信息.