特朗普“去气候化”政策对全球气候治理的影响

美国特朗普政府宣布退出《巴黎协定》是当前全球气候治理中最受舆论关注的问题,对事态发展趋势的判断和事件影响的评估是最为亟需的。本文系统分析了特朗普政府上任后推行的一系列"去气候化"政策,以及其退出《巴黎协定》的主要动因和可能形式,同时量化评估了这些内政外交的"倒退"对美国实施国家自主贡献目标以及全球气候治理格局的实质影响,并据此提出了中国应对全球气候治理新形势变化的对策和建议。研究表明,特朗普政府"美国优先"的能源政策根植于复兴制造业和加大基础设施投资的经济利益动机,随着特朗普"去气候化"进程持续发酵,诸多气候政策面临存续风险,美国实施国家自主贡献将面临严峻挑战,"倒行政策"将有可能使美国温室气体排放出现反弹。如果不考虑中、高危气候政策,美国2025年温室气体排放也仅能相对2005年下降11.0%—14.9%,距离下降26%—28%的国家自主贡献目标相去甚远。同时,特朗普政府拒绝继续履行向发展中国家提供气候资金支持的义务,将有可能导致绿色气候基金拖欠资金总额上升117%,并进一步挫伤全球低碳投资的信心。没有美国的全球气候治理3.0时代将呈现出新的复杂特征,并不可避免地造成减排、资金和领导力缺口的持续扩大,也不排除后续会出现消极的跟随者,整体进程将可能进入一个低潮周期。虽然国际社会对中国引领全球气候治理充满期待,但中国仍应审慎对待,长远谋划应对气候变化的内政外交战略,而不应将"气候举旗"看作是一蹴而就的短期策略,对各种要求中国发挥"领导作用"的说法保持清醒头脑。在今后气候谈判中,美国仍有较大可能会二次"要价",中国作为排放大国的压力依然不容小觑,中美气候关系需要再定位。     

长江经济带国土空间开发利用问题与对策研究

以长江经济带国土空间开发利用问题为研究对象,采用统计分析等方法,系统分析了长江经济带国土开发利用面临的资源环境限制性约束趋紧、国土空间结构性矛盾突出、开发利用效率不高、空间功能下降等问题。提出了优化长江经济带发展国土开发利用,必须从中华民族长远利益考虑,以构建国土空间集聚开发格局和分类保护格局的国土空间蓝图为目标,以承载力为基础优化国土空间开发格局,以分类保护和综合整治增强国土功能,以节约集约提升国土利用效益,以区域统筹协调区域土地利用,实现建设集约高效、生态良好、协调发展的国土构想。     

Aqueous high‐temperature chemistry of arsenic‐containing compounds in water at 300°C

Arsenic compounds, and especially organo‐arsenic derivatives, are highly toxic and many have been manufactured as chemical warfare agents. This study was designed to provide background information relevant to the potential application of aquathermolysis techniques for the detoxification of such potent military warfare agents. Six arsenic‐containing compounds with structural features which mimic known agents were studied in neutral superheated water: 4‐aminophenylarsine oxide, 4‐arsanilic acid, 4‐nitrophenylarsonic acid, 5, 10‐dihydro‐10‐ethylphenarsazine, tetraphenylarsonium chloride hydrate, and (3‐cyanopropyl)dimethyl(2‐phenethyl)arsonium bromide. Most of these compounds were moderately susceptible to hydrolysis for 1h at 300°C. o‐ and p‐Aminosubsituted arsenic compounds were more reactive than compounds with an electron‐withdrawing group substituent. Aromatic C—As bonds were more resistant to cleavage than aliphatic C—As bonds.     

松花江哈尔滨江段高锰酸盐指数的遥感反演

以松花江哈尔滨江段高锰酸钾指数为研究对象,于2012年7月14～15日,测定了11个断面31个采样点的高锰酸钾指数数据,同步获取了采样点水质高光谱反射率数据,使用相关性统计分析和多元非线性回归分析方法,用其中21个样点数据构建反演模型,得到模型决定系数(R2)为0.890,用10个样点数据进行验证,得到预测值的均方根误差(RMSE)为0.439 mg·L-1,平均绝对偏差(MAD)为0.365 mg·L-1,平均绝对偏差率(MADR)为8.43%.     

北京地区典型二噁英(PCDDs)及多氯联苯(PCBs)的长距离传输潜力——基于TaPL3模型的应用研究

以典型二噁英(PCDDs)和多氯联苯(PCBs)为研究对象,利用TaPL3模型模拟计算了稳态假设下北京地区4种PCDDs和7种PCBs通过大气和水体的长距离迁移潜力(LRTP)和总持久性(Pov),比较了不同氯取代数的特征迁移距离(CTD)和Pov的大小,分析讨论了二者之间的关系,并以PCB180为例对关键参数进行了灵敏度分析.结果表明,4种PCDDs和7种PCBs在北京地区通过大气的CTDair范围分别为714—874 km和1771—8517 km,Povair范围分别为1422—5169 d和1210—35687 d;通过水体的CTDwater范围分别为1232—1385km和643—4222 km,Povwater范围分别为4900—5618 d和1831—35922 d.对于PCDDs,CTD和Pov基本上随着氯取代数目的增加而增大;对于PCBs,Pov的变化规律与PCDDs类似,而通过大气和通过水体的CTD的变化规律不同.CTD和Pov没有表现出直接的关系.与国内外同类研究相比,北京地区的结果和国外接近,但高于兰州地区通过大气的CTDair,低于通过水体的CTDwater.     

涂层石墨管原子吸收法测定水中痕量铍

比较了多种涂层金属和基体改进剂对测定水中铍的影响,建立了涂镧石墨管结合基体改进剂(磷酸二氢铵)测定水中痕量铍的方法。该方法最低检出限为0.037 μg/L,相对标准偏差为7.4%,回收率为98%～106%。      

基于遗传-支持向量机和遗传-径向基神经网络的有机物正辛醇-水分配系数QSPR研究

基于遗传算法(GA)的因子筛选和支持向量机(SVM)的非线性回归,提出了1种改进的有机物定量结构-性质相关(QSPR)建模方法--遗传-支持向量机(GA-SVM),并将其用于38种食品工业常用有机物正辛醇-水分配系数(Kow)的QSPR建模.结果显示,QSPR模型选取了分子量、Hansen极性、沸点、含氧率和含氢率5种参数;模型的预测值与实测值间的误差平方和(SSE)、均方差(RMSE)和决定系数(R2)分别为0.048、0,036和0.999,表明模型具有较强的预测能力;同时,交叉验证的结果(SSE=0.295,RMSE=0.089,R2=0.995)也表明,模型具有良好的稳健性,因此,GA-SVM算法适用于对有机物正辛醇-水分配系数的QSPR建模.此外,将基于GA-SVM的QSPR模型分别与基于遗传-径向基神经网络(GA-RBFNN)和基于线性算法的模型进行了比较,结果表明,应用GA-SVM建立的QSPR模型无论从稳健性还是预测能力上都优于应用其它2种算法建立的模型,因此,GA-SVM算法比GA-RBFNN和线性算法更适合于对有机物正辛醇-水分配系数进行QSPR建模.     

2003～2004年大亚湾澳头养殖区水域浮游植物群落结构及数量变动特征

2003年4月至2004年4月对大亚湾赤潮高发区澳头海域进行了浮游植物群落周年调查和分析.共鉴定浮游植物57属118种.其中硅藻为优势类群,共42属84种,占总种类数的71.2%;甲藻11属27种.浮游植物数量分别在春末夏初,秋末冬初出现两个高峰值,年均值为5.68×105 /L.角毛藻属为全年优势属,平均占浮游植物数量的35.4%.Shannon-Weaver多样性指数和均匀度的年平均值分别为2.0和0.44.该海域共发现赤潮生物58种,锥状斯氏藻是最常见的甲藻赤潮生物,2003年8月该藻与海洋卡盾藻在澳头海域首次引发甲藻和针胞藻双相型赤潮.     

川西北至重庆市土壤剖面中有机氯农药的组成特征

用 GC-ECD 气相色谱仪对川西北至重庆市土壤剖面中的有机氯农药进行了分析.结果表明,总有机氯农药浓度为0.71~28.94ng/g,HCHs 和 DDTs 的浓度分别为0.06~2.10ng/g 和0.12~27.04 ng/g. 分析推测,部分地区有新的HCHs 和DDTs 输入. DDTs 的残留水平随着高程的增加呈跳跃式下降的趋势,而HCHs 的浓度分布则比较均匀.高海拔地区有机氯农药的大量残留证明了大气传输和山风作用是造成有机氯农药迁移、聚集的重要因素.