锡林河流域地表水痕量元素的时空分布

为更好地理解锡林河流域水文循环过程,在2006～2008年锡林河主要径流期内13个河水断面(10个位于锡林河干流,3个位于3条支流)取得的248个水样,应用高分辨电感耦合等离子体质谱仪(ICP-MS)进行了Al、As等20种痕量元素的分析测定,利用分析结果对流域内痕量元素时空分布特征进行了分析.结果表明,锡林河河水中痕量元素平均质量浓度大部分在0.1～10μg.L-1之间;大多数痕量元素浓度值介于大气降水和地下水之间,并且十分接近地下水浓度,说明地表水同时受大气降水和地下水补给并主要依靠地下水补给.时间上,地表水痕量元素年内、年际变化均不大,就年内而言,大部分元素浓度变化在4、5月较大,7、8月较小;大部分元素在2007年间浓度略小.在空间上,从上游到下游,大多数痕量元素浓度呈上升趋势,地下水的补给、河水的蒸发等造成了元素富集的变化.     

超标概率场在污水海洋处置工程浓度场分析中的应用

以深圳市宝安污水海洋处置工程为背景,针对目前国内外进行排放口近区研究存在的问题,提出了一套解决这些问题的方法．建立了一套详细的采用超标概率场、侵袭频率场分析时域法的计算结果的方法．通过输入排放口丰、枯水期大、小潮的监测数据,计算得出了这４种状况下,排放污水产生的超标概率场和侵袭频率场,并得出了相应的结论     

低强度超声波改善污泥活性

采用城市污水处理厂的好氧活性污泥为试验材料,以好氧呼吸速率(OxygenUptakeRate,OUR)为指标,研究活性污泥在超声波强度0～1.2W/cm²、辐照时间0～40min处理后活性的变化.发现当采用超声波强度0.3W/cm²,辐照时间10min,对提高污泥活性的效果最为显著,不适当的处理时间与处理强度则不利于污泥活性的提高.因此,利用超声波激励污泥活性存在最佳的超声波强度和辐照持续时间.另外,研究了强度0.3W/cm²,辐照时间10min超声波辐射处理后0～48h中污泥活性的变化规律,发现超声辐照8h后污泥活性达到最大值,为辐射处理后初始活性的2倍,24h后超声波的强化作用基本消失.因此,可采用强度0.3W/cm²超声波每隔8h取反应器中的部分活性污泥辐照10min后再返回反应器,来提高生物反应器的处理效率.本文还对低强度的超声波改善污泥活性的可能机制进行了假说性解释.     

恒温油槽水介质与油介质升温时间关系讨论

本文阐述了在恒温油槽中水介质和油介质升温时间的关系,为了用水介质代替油介质进行升温试验,并保证试验的正确性。     

PM10浓度时间序列多时间尺度分析的小波方法

文章利用Morlet小波函数进行小波变换,以乌鲁木齐市的大气污染物时间序列为例,分析了当地PM10的多时间尺度的演变特性。研究结果显示,其年际变化和季节性变化的时间尺度在尺度空间中分布不均匀,受气象和污染源因素影响,具有较明显的局部化特征。     

太湖西岸地表水中极性有机污染物非靶向筛查与生态风险评估

环境中新兴污染物层出不穷,已经成为当前环境研究的关键问题.为全面筛查太湖西岸武进和宜兴地区地表水中的潜在极性有机污染物,基于高效液相色谱和飞行时间质谱联用技术进行非靶向筛查,利用精确质量数、同位素分布和二级碎片信息进行质谱库匹配共识别出162个有机物,包括46种农药、34种药物、8种个人护理产品、27种添加剂、17种有机合成中间体和30种动植物代谢物或天然物质,其中45个有机物经过标准品验证.对42种污染物进行定量分析并对3种营养级模式生物物种进行生态风险评估,发现25种污染物具有中等风险以上,12种污染物具有高风险.非靶向筛查能够在无先验信息和标准品的情况下全面识别潜在未知污染物,不仅快速、准确和分析通量高,还能为后续生态风险评估提供重要的依据.     

Changes in the Population Phenetic Structure of the Lacebug Dictyla humuli (Fabr.) (Heteroptera,Tingidae) in the Usman' Forest (Voronezh Oblast) in 1999–2001

Russian Journal of Ecology -     

灾难危急时刻的管理

灾难危急时刻的管理往往是出乎于原有的抗灾计划的。研究发现,成功的灾害管理主要来源于应急组织的作用,特别是当管理中存在着信息交流、职权行使和协调发展等方面的问题时更是如此。事先的救灾计划可以减少但却不能完全消除这些管理上的问题。     

MULTIPLICATIVE,SEASONAL ARIMA MODELS FOR LAKE ERIE AND LAKE ONTARIO WATER LEVELS1

ABSTRACT: Federal agencies in the U.S. and Canada continuously examine methods to improve understanding and forecasting of Great Lakes water level dynamics in an effort to reduce the negative impacts of fluctuating levels incurred by interests using the lakes. The short term, seasonal and long term water level dynamics of lakes Erie and Ontario are discussed. Multiplicative, seasonal ARIMA models are developed for lakes Erie and Ontario using standardized, monthly mean level data for the period 1900 to 1986. The most appropriate model identified for each lake had the general form: (1 0 1)(0 1 1)₁₂. The data for each lake were subdivided by time periods (1900 to 1942;1 943 to 1986) and the model coefficients estimated for the subdivided data were similar, indicating general model stability for the entire period of record. The models estimated for the full data sets were used to forecast levels 1,2,3, and 6 months ahead for a period of high levels (1984 to 1986). The average absolute forecast error for Lake Erie was 0.049m, 0.076m, 0.091 m and 0.128m for the 1, 2,3, and 6 month forecasts, respectively. The average absolute forecast error for Lake Ontario was 0.058m, 0.095m, 0.120m and 0.136m for the 1,2,3, and 6 month forecasts, respectively. The ARIMA models provide additional information on water level time series structure and dynamics. The models also could be coordinated with current forecasting methods, possibly improving forecasting accuracy.