气候变化和人类活动对武江流域年径流及最大日流量影响的定量分析

针对气候变化与人类活动对流域年径流及最大日流量变化影响的定量识别问题,以华南湿润区武江流域为例,分别采用HIMS（Hydro-Informatic Modeling System）模型和敏感性系数法,从日和年尺度定量模拟和评估气候变化与人类活动对流域年最大日流量和径流变化的影响过程及贡献率。结果表明：HIMS模型在武江流域适用性良好,日尺度模型率定期和验证期的纳西效率系数分别为0.85和0.77,水量平衡误差绝对值分别为3.1%和3.3%;两种方法均表明气候变化是引起流域年径流量增加的主要因素,人类活动导致了流域径流量的减少,但贡献率较小。气候变化与人类活动导致了流域年最大日流量的增加,气候变化对年最大日流量增加的贡献率为94%,而人类活动的贡献率则为6%。相较于年均径流量,气候变化对年最大日流量的影响更为显著。     

长江源区水文气象要素变化及其与大尺度环流因子关系研究

长江源区水文气象要素变化及其归因研究一直备受全球关注,现阶段研究多侧重于水文气象要素时空变化特征分析,针对长江源区水文气象要素与大尺度环流因子相互关系的研究不足。论文利用Mann-Kendall法、去趋势波动分析法和小波分析法,探究长江源区1957—2012年水文气象要素趋势性、波动性和周期性变化规律,分析水文气象要素与大尺度环流因子的相关关系,通过研究水汽通量揭示大尺度环流因子对水文气象要素变化的驱动机制。结果表明：20世纪90年代,长江源区气候暖干化,进入21世纪后,长江源区气候暖湿化趋势明显;长江源区水文气象要素序列具有正长程相关性,长江源区气候未来会继续呈现暖湿化变化趋势。长江源区水文气象要素都存在着1~5、10~24和25~45 a三种时间尺度周期变化规律。南亚季风是影响长江源区降水量和流量较为重要的大气环流因子,南亚季风驱动下的西南方向气流是长江源区主导气流和水汽来源。     

我国饲料粮区域产消平衡特征及政策启示

我国饲料粮消耗量大且增长迅速,已经成为我国粮食安全的首要影响因素,准确判断我国饲料粮的区域产消平衡特征对农业相关政策的制订具有重要的现实意义。论文在详细分析各省区不同畜牧产品粮食转化系数的基础上,对区域饲料粮的产消平衡状态及其原因进行了研究。结果显示：1）近年来我国饲料粮消费量快速上升,由2000年的21 730万t增长到2015年的30 549万t,15 a间增长了8 819万t。2）2015年生猪饲料粮消耗量最大,比例达到了44.4%,占据了我国饲料消耗总量的半壁江山。其次为禽蛋与禽肉消耗,消费占比分别为15.8%与12.7%;牛肉、羊肉、牛奶与水产品的饲料粮消费量比例均在5%~9%之间。3）2015年全国饲料粮总计短缺4 276万t,区域上呈现“北余南缺”的格局,东北黑龙江、吉林、内蒙古三省（区）成为我国最重要的饲料粮供应区域。从粮食转换系数与饲养结构来看,“北粮南运”现象是粮食资源的合理配置。论文提出三点政策建议：1）转变消费结构,增加牛肉与牛奶的消费量;2）推动“以粮为纲”向“粮经饲”三元种植结构转变;3）充分利用国际市场,从全球视角保护粮食安全。     

大气自净能力指数的气候特征与应用研究

为了定量地评估污染气象条件对空气污染的作用并实现对空气污染潜势的预报,本文在城市大气污染数值预报系统（CAPPS）预报原理的基础上,定义了大气自净能力指数,并分别给出了采用气象站观测资料和通过数值模拟计算大气自净能力指数的方法.基于气象站观测资料的全国大气自净能力指数分析计算表明,全国大气自净能力最差的地区分布在四川盆地和新疆塔里木盆地,大气自净能力最强的地区分布在青藏高原、蒙古高原、云贵高原、以及东北平原和三江平原、山东半岛和海南岛;1961~2017年,京津冀、长三角和珠三角地区的大气自净能力指数呈下降的变化趋势,全年低自净能力日数呈上升的变化趋势.采用大气自净能力指数评估2014年北京APEC会议期间大气污染防控效果,表明在11月8~10日极端不利扩散气象条件发生时,减排措施使北京市空气质量AQI平均降低77%,使京津冀平原地区11个城市的空气质量AQI平均降低37%.基于国家气候中心月动力延伸气候预测模式（DERF2.0）的预报产品和中尺度模式（WRF）,建立了可以预测全国未来40d逐日大气自净能力指数的延伸期-月尺度大气污染潜势预测系统,回报实验表明,在大多数情况下可以提前15d预报出大气重污染过程;月尺度的大气重污染过程预报效果更大程度上取决于月动力延伸气候预测模式（DERF2.0）的预报准确率.     

海州湾表层沉积物磷的吸附容量及潜在释放风险

利用磷吸附指数（PSI）、磷吸附饱和度（DPS）和磷释放风险指数（ERI）研究了2016年10月和2017年5月海州湾表层沉积物的磷吸附容量及潜在释放风险.结果显示,2016年秋季PSI变化范围为99.58~199.39[mgP/（100g）]/[μmol/L],DPS变化范围为23.118%~34.289%;2017年夏季PSI变化范围是130.29~198.57[mgP/（100g）]/[μmol/L],DPS变化范围为25.545%~42.135%,两次调查中PSI和DPS均表现出相反的平面分布趋势.PSI和Al_ox、Fe_ox呈显著正相关,说明Fe_ox和Al_ox是影响海州湾表层沉积物吸附磷的主要因素,且Fe_ox占主导作用;DPS与Al_ox和Fe_ox分别表现出了显著负相关性和极显著负相关性,说明Al_ox和Fe_ox含量的增大会降低表层沉积物的磷吸附饱和度.2016年10月磷释放风险指数（ERI）的变化范围为11.59%~34.18%,2017年5月磷释放风险指数（ERI）的变化范围为12.86%~32.34%,从2次调查结果整体来看,海州湾表层沉积物的磷释放风险为中度风险.     

京津冀及周边地区水泥工业大气污染控制分析

以京津冀及周边地区水泥工业为研究对象,基于产排污系数法,建立了水泥工业主要大气污染物排放计算方法,对2016年该地区水泥工业主要大气污染物排放控制水平进行了分析.结果表明：京津冀及周边地区2016年水泥工业SO₂、NO_x、PM（有组织）排放量分别达到3.2×10⁴t、23.9×10⁴t、9.7×10⁴t,较2015年分别减少24.1%、18.2%、27.2%,各项污染物大幅下降.水泥工业PM无组织排放量占PM总排放量的45.4%,仍需要采取集中收集的方式加强治理.山东、河南是水泥工业SO₂、NO_x、PM、PM₁₀、PM_2.5重点排放来源,应通过化解过剩产能降低污染排放.从各工艺来看,新型干法工艺应考虑采用高效脱氮脱硫技术、协同处置技术、高效大型袋式除尘技术等新技术,进一步降低各项污染物的排放量;粉磨站也需进一步提高污染治理水平.     

生物基聚合物PHBV和PLA复合材料在不同介质中的生物降解及其影响因素

传统工艺的塑料生产不仅依赖石油资源的持续开发利用,同时给环境造成了前所未有的压力,近年来生物基聚合物（聚（3-羟基-3-戊酸酯）-PHBV,聚乳酸-PLA）日渐成为传统石油基塑料的替代产品.本文采用呼吸测试手段,旨在揭示均质复合材料在不同环境介质（土壤、熟化堆肥、水体）条件下及有机添加剂（木质素）,无机添加剂（蒙脱石）和天然有机物链增长剂（Joncryl）作用下的生物降解特征.结果表明：当链增长剂Joncryl添加量为5%时,对所有介质PHBV和PLA复合材料产生显著抑制作用.Joncryl添加量为0.2%时,未对所测样品的生物降解行为产生干扰作用.在熟化堆肥介质中,PLA复合材料比PHBV基质混合物的生物降解速率明显降低.有机木质纤维添加剂（榛子壳粉末）单独在聚合物中添加或者和链增长剂Joncryl以及非有机添加剂（Dellite72T）共同作用下都可促进PLA聚合物中各组分的相容连接性.实验结果表明,新型添加剂在不同介质中以二元或三元添加的方式对生物降解过程产生重要影响,该研究将为新型材料使用后的生物降解效应提供理论依据.     

互花米草入侵对长江口湿地土壤碳动态的影响

为了评价互花米草入侵对长江河口湿地土壤碳动态的影响,利用配对的试验设计在长江口崇明东滩湿地的高潮滩和低潮滩各设置1条入侵种互花米草与土著种的配对样线.结果表明,与土著植物相比,互花米草入侵显著增加了长江口湿地的植物碳库、土壤微生物碳、土壤总碳库和有机碳库,而对占土壤总碳库60%以上的无机碳库无显著影响,意味着互花米草入侵导致的土壤总碳库改变主要是通过增加土壤有机碳库来实现的.高潮滩互花米草和芦苇群落的年均土壤呼吸强度分别为（210.02±4.90）,（157.79±6.39）mg/（m²·h）;低潮滩互花米草和海三棱藨草群落年均土壤CO₂排放速率分别为（157.41±5.27）,（110.90±5.16）mg/（m²·h）,表明互花米草入侵显著增加长江口湿地的土壤呼吸.上述结果意味着互花米草入侵同时增加土壤碳输入和碳输出,但入侵也显著增加了土壤碳库表明入侵增加的土壤碳输入显著高于增加的土壤碳输出.本研究表明互花米草入侵可能会增强了长江河口湿地的土壤碳汇强度和固碳能力.但仍然需要长期系统的监测研究,以便全面定量评估互花米草入侵我国滨海湿地的综合生态影响.     

Role of the floodplain lakes in the methylmercury distribution and exchanges with the Amazon River, Brazil

Seasonal variability of dissolved and particulate methylmercury(F-MeHg, P-MeHg) concentrations was studied in the waters of the Amazon River and its associated Curuai floodplain during hydrological year 2005–2006, to understand the MeHg exchanges between these aquatic systems. In the oxic white water lakes, with neutral pH, high F-MeHg and P-MeHg concentrations were measured during the rising water stage(0.70 ± 0.37 pmol/L, n = 26) and flood peak(14.19 ± 9.32 pmol/g, n = 7) respectively, when the Amazon River water discharge into the lakes was at its maximum. The lowest mean values were reported during the dry season(0.18 ± 0.07 pmol/L F-MeHg, n = 10 and 1.35 ± 1.24 pmol/g P-MeHg, n = 8), when water and suspended sediments were outflowing from the lakes into the River. In these lakes,the MeHg concentrations were associated to the aluminium and organic carbon/nitrogen changes. In the black water lakes, with acidic pH and reducing conditions, elevated MeHg concentrations were recorded(0.58 ± 0.32 pmol/L F-MeHg, n = 16 and 19.82 ± 15.13 pmol/g PMeHg, n = 6), and correlated with the organic carbon and manganese concentrations. Elevated values of MeHg partition coefficient(4.87 Kd 5.08 log(L/kg) indicate that MeHg is mainly transported associated with the particulate phase. The P-MeHg enrichment detected in all lakes suggests autochthonous MeHg inputs from the sediments into the water column. The MeHg mass balance showed that the Curuai floodplain is not the source of P-MeHg for the Amazon River.     

Relationship between PM10 and PM2.5 levels in high-traffic area determined using path analysis and linear regression

The objective of this study was to determine the relationship between PM_(10) and PM_(2.5) levels as related to meteorological conditions and traffic flow using both a linear regression analysis and a path analysis. The Particulate matter(PM) samples were collected from Sukhumvit road, Bangkok, Thailand, at both open(104 samples) and covered(92 samples)areas along the road. Fifteen percent of all samples were separated before the statistical models were run and used for model validation. The results from the path analysis were more elaborate than those from the linear regression, thus indicating that meteorological conditions had a direct effect on the particulate levels and that the effects of traffic flow were more variable in open areas. The model also indicated that meteorological conditions had an indirect effect and that traffic flow had a direct effect on particulate levels in covered areas. The model validation results indicated that for open areas, the R~2 values were not very different between the path analysis and the linear regression model, but that the path analysis was more accurate than the linear regression model at very low PM concentrations. At high PM concentrations, the path analysis model also had a better fit than did the linear regression, so the predictions from the path analysis model were more accurate than those from the linear regression.