小水电资源区域开发环境影响回顾性评价案例分析——以海南省为例

在小水电资源区域开发规划环境影响报告书编制中应设置小水电资源区域开发环境影响回顾性评价专题,对规划区域小水电资源开发过程产生的环境问题进行调查和回顾性评价,从中发现小水电资源开发存在的环境问题,并提出规避的对策。海南省小水电资源开发规划环境影响报告书小水电资源区域开发环境影响回顾性评价专题案例。通过遥感影像判读及现场调查发现,选址不当、断流、减水、沙化、景观破坏、植被覆盖率降低及外来物种入侵、水土流失、用水矛盾、影响渔业资源等环境问题普遍存在,主要原因是环境行政管理虚位。主要对策有：在小水电资源开发规划及项目可行性研究报告中,应将环境法规符合性及环保投资列为重要内容;实施工程环境监理;加强竣工环保验收;将水电站下泄生态流量等环保措施执行情况的现场检查纳入常态工作范畴。     

“蝴蝶梦”

<正>对于中国人来说,一提起煤矿,特别是那些小煤窑,人们的神经总会不自觉地紧绷。在国人潜意识中,它们似乎总是与危险、瓦斯爆炸、矿难等"带血"的字眼相关。也许是老天的眷顾,山西省拥有了全国绝大部分的煤矿,但频繁的矿难和     

江安河武侯区段水质改善的环境经济效益研究

根据成都市江安河武侯区段2010年11月-2011年3月的水质监测数据,结合中国地表水环境质量标准(GB3838-2002)和四川省实际确定水体中各污染物因子的本底浓度对该区段污水处理环境效益进行了分析。首先通过污染经济损失模型计算COD、BOD5、NH3-N、TP、SS和硫化物对水经济价值的损失率,然后在讨论COD、NH3-N、TP和硫化物减排情况的基础上计算了各种污染指标减排至达标后所产生的环境经济效益。研究结果表明,江安河武侯区段水体污染的综合污染损失率高达99.99%,如果各种污染物减排达标至IV类标准产生的环境经济效益14 912万元人民币/a,而减排达标至III类标准产生的环境经济效益更是高达15 786万元人民币/a。     

传感技术用于甲醛测定的研究

甲醛是一种重要的工业原料,在化工、食品、建材等方面有着广泛的应用。由于甲醛毒性大,且被怀疑具有致癌作用,目前已被认为是工厂区和室内空气中最重要的污染物之一。随着人们对空气污染的日益关注,对甲醛的准确及时检测显得更加重要。基于传感器技术而研制出的甲醛测定仪,让我们看到传感技术运用于甲醛测定领域的发展前景。本文就测定甲醛的传感器技术如电化学传感器、光化学传感器、金属氧化物传感器、电子鼻以及声表面波式传感器的一些重要应用进行了阐述。     

徐闻沿海风力发电场对鸟类的影响分析

建设风电场可能会对生态环境和鸟类造成一定的影响。以2003年徐闻县鸟类资源调查资料为基础,结合徐闻县风电场建设规划,研究了徐闻县风电场对鸟类栖息、觅食、迁徙的影响。结果表明:风电场建设通过占用鸟类栖息地,产生噪声等影响风电场周围鸟类的栖息和觅食,但总体来说,其影响较小;风机转速较慢及保护区鸟类飞行高度均高于风机高度,风机与鸟类的碰撞风险较低。为了保护鸟类的安全及保障其正常生存,需要采取设立候鸟监测救护站、将风机及输电线涂成警示色等措施。     

加氢裂化装置火灾危险性分析及安全管理对策研究

加氢裂化装置是石化炼油装置中爆炸和火灾危险性最高的装置,根据加氢裂化的工艺和装置特点,从物料和主要设备两个方面分析了加氢裂化装置的火灾危险特性,探讨了加氢裂化装置发生事故原因,从设置监测装置、防止反应失控和强化灭火预案等方面提出了加氢裂化装置安全管理对策.     

火山泥石流研究回顾

本文简要回顾了火山泥石流的研究历史,介绍了近年来这一领域的相关研究情况.主要内容包括火山泥石流的概念,形成机制及特征研究,火山泥石流的评估,火山泥石流的数学模型及数值模拟等.在论述这一领域相关研究进展的同时,对有关研究内容进行了评述和讨论,并对今后的研究工作提出了一些建议.     

减振降噪功能材料的研制

根据材料性能的要求,选择环氧树脂为粘合剂,低分子聚酰胺为固化剂,石粉,石英砂,玻璃纤维３种物质为填料,根据优化的配方制成一种高分子复合材料,该材料的硬度约为２４０ＨＢ左右,冲击强度约为３０ｋｇ·ｃｍ／ｃｍ＾２,均接近于某些金属材料的指标,易成型,并且成本较低,可以用来代替纺织厂有梭织机的某些受撞击比较严重的金属部件,具有广泛的应用价值。     

长江水体氯化过程中强致突变物前驱物的筛选

ＭＸ「３－氯－４－（二氯甲基）－５－羟基－２（５Ｈ）－呋喃酮」是饮用水液氯消毒中产生的一种具有强致突变性的副产物,利用一系列ＸＡＤ吸附树脂和大孔离子交换树脂将长江水中的溶解态有机物分离为溶解态腐殖酸类,憎水弱酸类,憎水碱类,憎水中性物类,亲水酸类,亲水碱类６种组分,分别对不同组分的有机物进行氯化处理,用ＧＣ／ＭＳ选择离子峰面积法测定产物中的ＭＸ。     

Comparing discriminant analysis, neural networks and logistic regression for predicting species distributions: a case study with a Himalayan river bird

We assessed the occurrence of a common river bird, the Plumbeous Redstart Rhyacornis fuliginosus, along 180 independent streams in the Indian and Nepali Himalaya. We then compared the performance of multiple discrimant analysis (MDA), logistic regression (LR) and artificial neural networks (ANN) in predicting this species’ presence or absence from 32 variables describing stream altitude, slope, habitat structure, chemistry and invertebrate abundance. Using the entire data (=training set) and a threshold for accepting presence in ANN and LR set to P≥0.5, ANN correctly classified marginally more cases (88%) than either LR (83%) or MDA (84%). Model performance was assessed from two methods of data partitioning. In a ‘leave-one-out’ approach, LR correctly predicted more cases (82%) than MDA (73%) or ANN (69%). However, in a holdout procedure, all the methods performed similarly (73–75%). All methods predicted true absence (i.e. specificity in holdout: 81–85%) better than true presence (i.e. sensitivity: 57–60%). These effects reflect species’ prevalence (=frequency of occurrence), but are seldom considered in distribution modelling. Despite occurring at only 36% of the sites, Plumbeous Redstarts are one of the most common Himalayan river birds, and problems will be greater with less common species. Both LR and ANN require an arbitrary threshold probability (often P=0.5) at which to accept species presence from model prediction. Simulations involving varied prevalence revealed that LR was particularly sensitive to threshold effects. ROC plots (received operating characteristic) were therefore used to compare model performance on test data at a range of thresholds; LR always outperformed ANN. This case study supports the need to test species’ distribution models with independent data, and to use a range of criteria in assessing model performance. ANN do not yet have major advantages over conventional multivariate methods for assessing bird distributions. LR and MDA were both more efficient in the use of computer time than ANN, and also more straightforward in providing testable hypotheses about environmental effects on occurrence. However, LR was apparently subject to chance significant effects from explanatory variables, emphasising the well-known risks of models based purely on correlative data.