适应性环境管理模式在大型赛事筹备中 的应用（下） ——应用实例

将适应性环境管理的模式应用于深圳第26届世界大学生夏季运动会生态环境保障工作,对生态环境保障总目标层层分解落实,由第三方评估机构对任务逐项跟踪管理,定期评估各部门绩效,根据外部条件和内部因素的变化对工作方案和阶段性目标进行动态调整,最大限度地降低了环境管理工作的不确定性。经过六个月的实践应用,大运赛事期间深圳市生态环境保障工作取得了十分显著的成效。     

Integrating soil carbon cycling with that of nitrogen and phosphorus in the watershed model SWAT: Theory and model testing

In this paper we describe and test a sub-model that integrates the cycling of carbon (C), nitrogen (N) and phosphorus (P) in the Soil Water Assessment Tool (SWAT) watershed model. The core of the sub-model is a multi-layer, one-pool soil organic carbon (S_C) algorithm, in which the decomposition rate of S_C and input rate to S_C (through decomposition and humification of residues) depend on the current size of S_C. The organic N and P fluxes are coupled to that of C and depend on the available mineral N and P, and the C:N and N:P ratios of the decomposing pools. Tillage explicitly affects the soil organic matter turnover rate through tool-specific coefficients. Unlike most models, the turnover of soil organic matter does not follow first order kinetics. Each soil layer has a specific maximum capacity to accumulate C or C saturation (S_x) that depends on texture and controls the turnover rate. It is shown in an analytical solution that S_x is a parameter with major influence in the model C dynamics. Testing with a 65-yr data set from the dryland wheat growing region in Oregon shows that the model adequately simulates the S_C dynamics in the topsoil (top 0.3 m) for three different treatments. Three key model parameters, the optimal decomposition and humification rates and a factor controlling the effect of soil moisture and temperature on the decomposition rate, showed low uncertainty as determined by generalized likelihood uncertainty estimation. Nonetheless, the parameter set that provided accurate simulations in the topsoil tended to overestimate S_C in the subsoil, suggesting that a mechanism that expresses at depth might not be represented in the current sub-model structure. The explicit integration of C, N, and P fluxes allows for a more cohesive simulation of nutrient cycling in the SWAT model. The sub-model has to be tested in forestland and rangeland in addition to agricultural land, and in diverse soils with extreme properties such high or low pH, an organic horizon, or volcanic soils.     

风险分析基本方法探讨

面对未来不利事件的不确定性,对其情景的认识只能进行风险分析。人们研究出了许多的风险分析方法,但基本方法只有5种:发生概率计算法、暴露评价法、危险辨识法、期望值计算法和经验合成法。它们的共同点是:(1)明确具体风险内涵,框定风险问题涉及的系统;(2)涉及风险源、影响和后果;(3)进行不确定意义下的量化分析。由此我们总结出风险分析基本原理,并确认了自然灾害风险分析基本原理和自然灾害风险分析的基本模式。     

自然灾害风险分析的基本原理

介绍了风险研究的基本内容,探讨了自然灾害风险分析的基本原理。从风险的本质和自然灾害的具体表现可以看出,自然灾害风险的分析,依赖于一整套贯穿于致灾因子到灾害影响的、能前后相联的模型。本文对各个环节的模型提出了一些原则性的建议。     

Sensitivity Analyses of Spatial Population Viability Analysis Models for Species at Risk and Habitat Conservation Planning

Abstract:  Population viability analysis (PVA) is an effective framework for modeling species- and habitat-recovery efforts, but uncertainty in parameter estimates and model structure can lead to unreliable predictions. Integrating complex and often uncertain information into spatial PVA models requires that comprehensive sensitivity analyses be applied to explore the influence of spatial and nonspatial parameters on model predictions. We reviewed 87 analyses of spatial demographic PVA models of plants and animals to identify common approaches to sensitivity analysis in recent publications. In contrast to best practices recommended in the broader modeling community, sensitivity analyses of spatial PVAs were typically ad hoc, inconsistent, and difficult to compare. Most studies applied local approaches to sensitivity analyses, but few varied multiple parameters simultaneously. A lack of standards for sensitivity analysis and reporting in spatial PVAs has the potential to compromise the ability to learn collectively from PVA results, accurately interpret results in cases where model relationships include nonlinearities and interactions, prioritize monitoring and management actions, and ensure conservation-planning decisions are robust to uncertainties in spatial and nonspatial parameters. Our review underscores the need to develop tools for global sensitivity analysis and apply these to spatial PVA.     

生命周期清单分析的数据质量评价

生命周期清单分析(LCI)数据质量的分析方法可概括为两类:采用诸如地理代表性、数据年代或数据获取方式等一系列指标来表示;根据不确定性来综合反映LCI质量.笔者在分析了这两类方法各自所存在缺陷的基础上,提出了将这两者相结合的评价方法:采用5个独立的反映数据质量的指标,根据系统各单元各数据属性对各指标从1～5进行打分,形成数据的质量指标向量元素.根据数据质量向量元素的算术平均在总指标范围中所占的百分数将质量指标向量转化为对应的综合数据质量指标(DQI),继而根据DQI可得出每个数据的随机分布,以便进行清单结果的不确定性随机模拟.最后将方法应用于钢铁生产生命周期清单数据中.      

多云天气异戊二烯排放通量的计算

根据2002和2003年夏季内蒙古草原的实测资料,发现多云天气下,云通过可见光辐射对异戊二烯排放带来明显影响.研究和提高云量较大条件下异戊二烯排放通量计算的准确性是非常必要和重要的,它将有助于全面了解和准确估算不同天气、所有时段异戊二烯的排放通量.研究表明,对于云量≥6的时段,可以将经验公式中的大气质量(m)取为1,并使用原计算系数来计算异戊二烯的排放通量,其计算值与观测值相对偏差的平均值可降为72%,该方法可以明显降低多云天气下排放通量计算值的不确定性.      

VOCs源强不确定性对臭氧生成及污染防治影响的模拟分析

本文基于三维区域空气质量模式WRF-Chem,通过修改模式化学模块,量化输出过程量和诊断量,提供了一种定量分析挥发性有机化合物(VOCs)源强不确定性对O3生成影响的方法.为无法定量计算VOCs源强导致的臭氧生成率[P(O3)]偏差,以及由此对O3体积分数分布和污染控制相关联的VOCs敏感区和NOx 敏感区分布的误判提供了方法参考.采用标准统计参数对WRF-Chem模式的气象场与污染场模拟性能进行了评估,相关指标均优于前人结果.以INTEX-B(intercontinental chemical transport experiment-phase B)人为源、FINNv1(fire inventory from NCAR version 1)生物质燃烧源和 MEGAN(model of emissions of gases and aerosols from nature)生物源作为基准源,并以卫星观测数据作为约束,对排放源进行改进,评估了源改进前后臭氧生成率[P(O3)]、O3体积分数和O3控制敏感区指标(Ln/Q)的变化情况.仅人为VOCs(AVOCs)源增加68％后,P(O3)模拟峰值增升比例达13％～82％,以北京观测站点为例,P(O3)模拟月均峰值增加42％(22.5×10-9 h-1).对P(03)形成贡献比例最大的主要化学反应是HO2+NO(占比约68％),AVOCs源增加68％后,该反应贡献比例下降至65％.在改进源下,P(O3)普遍增加达到2×10-9～4×10-9h-O3各季节增幅较大的区域均主要集中在京津冀、长三角和珠三角中心城市及周边区域,与我国大型城市区基本都是VOCs敏感区的结论一致.整体而言,VOCs源强改进后,Nox敏感区O3体积分数增加幅度不大,不超过4×10-9,而部分VOCs敏感区增幅超过20 x10-9.VOCs源强的不确定性会影响O3形成过程中Nox和VOCs敏感区的判断,特别是VOCs源强明显低估会夸大VOCs敏感区的范围,从而降低O3调控对策的有效性.     

中国农田肥料N2O直接和间接排放重新评估

农田肥料(氮肥、复合肥、有机肥)是我国N₂O最大的排放源,其估计直接决定了排放总量的可靠性.为此,重新评估了中国农田肥料N₂O的直接和间接排放,选择2008年县域尺度活动数据、具有空间分异性的本土排放因子和参数来重新评估其排放规模、结构、空间格局及不确定性;通过与IPCC、EDGAR等国内外研究结果的对比分析,阐述该排放清单的可靠性和全面性.结果表明,2008年我国农田肥料N₂O排放总量为617.1 Gg(处于213.7~1149.2 Gg之间),其中,氮肥直接排放为458.8 Gg(74.5%),有机肥直接排放为121.0 Gg(19.6%),挥发沉降和淋溶径流造成的间接排放分别为28.0 Gg(4.5%)和9.3 Gg(仅占1.5%左右).排放集中在华北平原、东北的松辽平原、华中的淮河流域和四川盆地,以及华南的珠三角、雷州半岛和台湾地区的县(区、市、旗),主要分布在江苏(52.4 Gg)、四川(48.0 Gg)、湖北(43.2 Gg)、广东(40.8 Gg)、河南(39.6 Gg)、安徽(38.4 Gg)、湖南(31.6 Gg)、山东(28.9 Gg),其累积规模为全国总量的52%,其中,近50%的贡献源于164个县(区、市、旗).本排放清单具有更高的准确度和空间分辨率,而基于IPCC (2006)排放因子及参数的估计排放总量高估了约8.3%,对直接排放和间接排放则分别低估了12.5%和高估了330%.此外,在空间格局上还表现出高值区低估和低值区高估的特点,在491和1225个县(区、市、旗)的相对偏差超过了100%和50%,特别指出的是,间接排放在大部分县(区、市、旗)的相对偏差达到135%左右.     

西宁市农牧源氨排放清单及其分布特征

以西宁市为研究区域,通过实地调研获得西宁市农牧源活动水平数据,利用排放因子法编制了西宁市2018年农牧源氨排放清单.分析了西宁市农牧源氨排放特征,利用ArcGIS进行3 km×3 km的空间网格化分配,利用蒙特卡罗模拟对畜禽养殖和氮肥施用氨排放清单进行不确定性分析.结果表明,西宁市2018年农牧源氨排放总量为4 644...