规划环评与区域环评的比较研究——以镇江新区姚桥镇工业集中区为例

针对工业集中区的属性,比较了规划环评与区域环评的共同点与差异性.以镇江新区姚桥镇工业集中区规划环评为例,提出了工业集中区规划环评的技术方法,即以《规划环境影响评价技术导则》为主导,参考《开发区区域环境影响评价技术导则》,在污染源强和环境影响预测方面进行定量评估,在清洁生产及环境准入门槛设置方面加以约束,在环境保护基础设施建设方面予以刚性要求.该文提出的工业集中区规划环评的技术方法可为同类区域规划环评提供借鉴.     

山东省循环经济建设的生态效率测度

构建山东省循环经济建设的生态效率评价指标体系,对山东省的生态效率进行测度,并探讨经济发展与环境压力的脱钩/复钩关系.结果表明,2000-2010年,山东省GDP呈快速增长趋势,年均增长率达13.08％,各自然输入要素中用水总量、SO2和COD排放量呈下降趋势.各类自然输入要素的生态效率总体呈逐步提高趋势,其中COD排放、SO2排放和用水总量的生态效率年均增长率分别达18.59％、14.85％和14.13％,这3个指标处于强脱钩状态,其他指标均处于弱脱钩状态.总体而言,经济增长与环境保护的矛盾有所缓解,但能源的大量投入导致碳排放压力仍较大.     

中国农业生产净碳效应分异研究

农业具有碳排与碳汇的双重效应。分析和把握不同省区的农业净碳水平,是深入研究农业生产碳排放问题的重要前提。鉴于此,研究基于农用物资投入、稻田、土壤、牲畜养殖等四方面23类主要碳源和以水稻、小麦为代表的15类主要农作物碳汇品种,测算了我国1995—2010年及31个省(市、区)2010年的农业生产碳排量、碳汇量,并在此基础上计算了各自净碳汇量。结果表明:①我国农业生产净碳汇量总体保持上升态势,由1995年的26 736.13×10⁴ t增至2010年的37 697.19×10⁴ t,年均递增2.32%。其中,碳排放量由1995年的24 952.39×10⁴ t增至2010年的29 116.91×10⁴ t,年均递增1.03%;碳汇量由1995年的51 688.51×10⁴ t增至2010年的66 814.10×10⁴ t,年均递增1.73%,碳汇增速明显快于碳排增速,可见我国在农业节能减排方面取得了一定成效。分阶段来看,呈现较为明显的"上升—下降—上升"的三阶段变化特征。②横向来看,区域净碳效应差异明显:农业生产净碳汇绝对量,排在前10位的地区占全国农业生产净碳汇总量的73.02%,而排在后10位的地区仅占全国的1.59%。农业生产碳汇水平,黑龙江、吉林、广西排在前三位,分别高达410.81%、400.94%和356.79%;西藏、青海、福建排在后三位,仅为25.57%、41.55%和103.80%。其中,黑龙江等12个地区农业碳汇水平高于全国同期平均水平(229.47%)。     

城市化进程对南京市区域气温变化的影响

20 世纪90 年代以来中国进入城市化快速发展阶段,城市规模迅速扩张,这在一定程度上对大气热环境产生了影响,如产生了城市热岛效应.文章基于南京气象站点观测数据、南京市统计年鉴以及landsat TM 影像数据,选取人口密度、废气排放量、运营车辆、用电量、绿地覆盖面积、建成区面积6 项指标构建城市化因子群,运用灰色关联度分析法对影响南京气温变化的因子群进行贡献度分析.首先,基于以往研究及南京市统计年鉴选取人口密度、废气排放量、运营车辆、用电量、绿地覆盖面积、建成区面积6 项指标构建城市化因子群;其次,基于landsat TM 影像数据利用监督分类方法提取建成区面积;最后,基于灰色关联度分析方法,定量计算出人口密度、废气排放量、运营车辆、用电量、绿地覆盖面积、建成区面积6 项城市化因子分别对年均温、年最高温、年最低温、季均温、月均温以及不同时期温度均值的影响.研究发现,（1）1983-2011 年期间,南京市气温呈明显递增趋势,20 世纪90 年代后期增温更为明显,1999-2007 年年均温增长了1.50 ℃.（2）发现对于同-参考数列（年均温、月均温等）而言,其影响因子关联度整体排序是一致的：人口密度〉建成区面积〉废气排放量〉运营车辆〉用电量〉绿地覆盖面积.（3）同一城市化因子对年均温变化、年最高温变化、年最低温变化的影响是不相同的.例如,人口密度对1983-2011 年年均温变化影响最大,关联度达到了0.95;用电量、废气排放量和运营车辆对1983-2011 年年最低温变化影响最大,其关联度分别为0.68、0.74、0.73.（4）同一城市化因子对不同月份气温变化的影响是不相同的,如人口密度与2 月月均温之间的关联度最小,关联度为0.78;与3 月月均温之间的关联度最大,关联度为0.93.（5）不同城市化因子随着时间的推移,对区域气温变化的     

北京地区灰霾污染特征

灰霾天气能见度较低,除影响人们日常生产活动和交通运输外,空气中携带的有毒有害细粒子严重危害人们的生命健康。近几年,北京市加大治霾力度,虽取得一定成绩,但灰霾天气仍然频发。为进一步更好地治理北京灰霾,为制定政策提供依据,须了解北京地区灰霾污染特征,因此,对北京市2013年6月到2014年5月的气象观测数据和PM2.5质量浓度进行了统计分析。文章统计了不同强度灰霾的分布,分析了PM2.5质量浓度与能见度的相关关系,在此基础上,研究了PM2.5质量浓度影响能见度变化程度的分界点。研究结果表明：研究期间,北京地区出现灰霾时总计4572 h,发生频率为56.2%,灰霾日总计233 d,频率为64.4%,呈冬季〉春季〉夏季〉秋季;湿霾最易发生在夏季,干霾最易发生在冬季,分别占当季灰霾时的17.6%和59.0%;全年不同强度霾发生小时数呈现轻微霾〉重度霾〉轻度霾〉中度霾,其中,轻微霾时数1625 h,重度霾1163 h,轻度霾1101 h,中度霾683 h;研究期间PM2.5质量浓度呈夏季低冬季高的显著变化趋势,PM2.5日均质量浓度达一级空气质量标准59 d,达二级标准159 d,达标率分别为17.7%和47.74%;PM2.5小时质量浓度与能见度呈负相关性较高的幂函数关系（置信度取99%,P〈0.01）,无高湿条件影响下,空气中细颗粒物对能见度的影响更为直接;北京地区在改善能见度的过程中,通过降低1μg·m-3的PM2.5,使能见度改善大于或远大于1 km的概率仅为18.9%,而在50.4%的时段内仅能使能见度的改善小于或远小于0.1 km。     

中国地区大气汞沉降速度研究

借助箱模式对汞的干沉降过程进行敏感性分析,并利用区域大气环境模式系统Reg AEMS计算中国地区汞干沉降速度的时空分布特征。结果表明,森林下垫面下三类汞(气态零价汞、活性气态汞和颗粒态汞)的干沉降速度较大(0.13、4.5和0.45 cm·s-1),水体表面上的相对较小(0.0012,0.5和0.11 cm·s-1)。敏感性分析发现,三类汞的干沉降速度随着近地层风速增加;降水或者地表湿度降低会导致零价汞和活性气态汞干沉降速度增加;雪盖厚度会减小气态零价汞的干沉降速度而增加活性气态汞的干沉降速度。三类汞的干沉降速度在区域上分布类似,东北以及南部地区最高,华东地区最小。季节变化上,气态零价汞、活性气态汞的干沉降速度在多数下垫面都夏季最大,冬季最小;颗粒态汞季节变化不明显。     

江苏省环境污染及影响因素区域差异比较研究

江苏省不同区域的环境污染状况差异显著。首先对江苏省三大地区间的环境污染差异进行了简要分析,然后重点对各地区环境污染的经济影响因素进行了对比,结果显示苏南地区的经济增长水平及规模、产业结构、制度及环保科技水平等方面与苏中和苏北地区间差别明显,而且这种差异表现出对环境污染作用机理相反的方向,主要是由江苏省特殊的发展阶段所致,即伴随着经济的快速发展,环境污染呈现恶化趋势。基于以上分析,提出了环保政策创新的途径,以缩小江苏省环境污染区域差异,在维持经济持续增长条件下,使区域环境恶化的局面得到有效控制。     

长江流域地表水中镉生态风险的区域差异分析

围绕长江流域地表水中镉（Cd）的水质基准和生态风险的区域差异展开分析.首先,根据我国《淡水水生生物水质基准——镉》推荐的方法,结合长江流域地表水的硬度分布对Cd长期水质基准值进行了校正;在此基础上,考虑长江流域的物种区系特征,进一步修正得到了Cd长期水质风险阈值,并依此阐释了长江流域的Cd长期水质风险阈值分布和风险商分布的区域差异性.结果发现,经硬度校正和物种修正后,长江流域不同城市间Cd长期水质风险阈值的最大值为0.75 μg·L^-1,最小值为0.08 μg·L^-1,二者相差近10倍;不同城市间Cd风险商的最高值为1.12,最低值为0.035,二者相差达32倍.长江流域上中游交界区和洞庭湖水系等重点区域的Cd生态风险高,尚需深入研究.     

基于区域特征分区的福建省砖混房屋易损性研究

以福建省砖混房屋为研究对象,研究了福建省房屋的区域特点,并定性的对其进行了建筑区域特征分区。然后,结合具有普适性特点的汶川地震区砖混房屋的易损性矩阵的处理结果,探讨了福建省砖混房屋具有区域特征分区特点的易损性分析方法,给出了福建省各地区砖混房屋的易损性矩阵。此方法的提出,对于福建省各个不同地区的城市防灾减灾规划、建筑物的抗震加固改造及有效减轻地震经济损失和人员伤亡等都有重要意义。     

EU risk assessment guidelines

Regional PECs (Potential Environmental Concentrations) calculated with the software EUSES were compared with measured values using different emission and environmental distribution scenarios. The environmental data set recommended in EUSES (default data set) represents a generic standard region. In different scenarios the parameters of the generic region are replaced by concrete values, and estimated parameters (emissions, degradation rates and partition coefficients) are substituted by measured or investigated values. Deviations with regard to the measured values can be up to three orders of magnitude. Despite the basically conservative approximations, underestimations can occur. However, these are usually due to poor monitoring data or inappropriate input values. The use of regional data instead of default parameters only slightly ameliorates the results. The use of real emission and degradation rates alone can improve the results significantly.