气候变化南南合作视角下基于生态系统的适应的经验启示

本文在回顾基于生态系统的适应(EbA)应用实践与研究历程的基础上,总结了EbA南南合作的经验与启示,提出把握新机遇强化EbA南南合作的重要性,建议加强国内EbA实践经验的梳理和整合,为EbA南南合作提供技术支持;丰富EbA南南合作形式,支持气候变化适应领域谈判;强化多边合作机制,推动落实联合国可持续发展目标。     

节水灌溉措施下湘东北丘陵林-稻汇水区复合系统铅的迁移

铅通过食物链的迁移和积累对人类健康的毒害作用日益为社会所重视,而水稻是人类铅摄入的主要途径之一,因此,对稻田土壤铅的迁入途径及其过程特征的研究十分必要.为了探明湖南地区远离城镇、工矿区的丘陵稻区铅的输入、迁移、滞留机制,选择位于湘东北地域的汩罗市桃林林场的林地-山塘-稻田汇水区系统作为研究对象,在水稻大田生长期间,原位研究其大气沉降、岗地径流、山塘水、稻田水、水稻生长等过程的铅通量.结果表明：①输入系统的铅源是大气沉降,其中,在水稻生育前期通过东南季风输入的区域外源铅占90%;②山塘是大气沉降铅的主要集纳地貌单元,存留了大气沉降输入岗地和山塘总铅的66%;③林-稻汇水区系统岗地铅净留存28.8~57.7 g·hm^-2,山塘铅净留存604.3~961.9 g·hm^-2,稻田铅净留存89.6~90.9 g·hm^-2;而对照系统岗地铅净输出173.3 g·hm^-2,山塘净留存3427.6 g·hm^-2,稻田净留存87.1 g·hm^-2;④岗地和山塘对铅的截留量能够互补;⑤从岗地通过径流-山塘水过程迁移到稻田的大分子有机物能够增强稻田对铅的截留.综上所述,丘陵林-稻汇水区系统中铅的循环与大气沉降有关,系统内岗地森林类型、郁闭度、降水产流及泥沙、有机物的输出都会影响铅在系统中的迁移和分配.     

基于AIS轨迹修复的船舶排放空间表征改进方法与应用

基于船舶自动识别系统（Automatic Identification System,AIS）数据表征船舶排放是目前船舶排放空间表征的主流方法,但AIS船舶轨迹点缺失会造成船舶排放量低估和船舶空间分布表征错误,进而影响船舶排放控制区的划分.为改进船舶排放空间表征,本研究以2013年广东省AIS船舶数据为例,采用基于时间和经纬度的三次样条方法对AIS船舶轨迹进行修复,结合动力法计算船舶排放,分析对比AIS轨迹修复前后船舶排放表征的差异,并利用空气质量模型和卫星观测评估AIS轨迹修复对船舶排放表征和广东沿海空气质量模拟的改进效果.结果表明：轨迹修复后广东省海域船舶轨迹点总数由4685773个增至5746664个,船舶NO_x排放量增加了0.6%.对于轨迹点与排放缺失集中的粤东海域,轨迹修复后船舶轨迹点数增加了88%,NO_x排放量在广东省船舶排放量的占比提升至22%,特别是在粤东重点修复海域NO_x排放量增加了2.7倍.原始轨迹在广东省海域较为稀疏,在粤东海域有明显轨迹缺失;轨迹修复后广东省海域船舶轨迹更为密集,粤东海域船舶轨迹得以补充,船舶排放空间分布更连贯.对比模拟结果与卫星观测结果,轨迹修复后粤东重点修复海域船舶模拟浓度与观测浓度的偏差由51%减至6%,总体上船舶排放模拟结果更接近卫星观测结果.     

海绵城市透水砖铺装系统雨水入渗及重金属污染物迁移模拟

海绵城市透水砖铺装系统（PBPS）入渗特征是产流控制及径流污染物去除的重要影响因素之一。通过渗流实验,构建系统土壤层土水特征曲线,建立降雨入渗及径流重金属污染物迁移数学模型,以阐明找平层土壤粒径、基层与垫层厚度比对产流时间及径流重金属污染物去除的影响。研究表明:综合考虑延迟产流与径流重金属去除能力,中砂作为找平层介质最佳;依据结构层出水重金属污染物浓度,基层与垫层厚度比为15∶4时,PBPS对径流中重金属污染物吸附效率最高、去除效果较好。     

综合生态修复系统治理城市河道富营养化

以河道富营养化治理为研究对象,通过引清入河、水下种植沉水植物、混养鲢鳙等水生动物,并应用原位修复装置等形成1个相互配合的综合生态修复系统,对河道富营养化进行治理。于2017年8月-2018年7月,对5个采样点河道水体富营养化指标进行测量,结果表明:河道水体中总氮（TN）浓度、总磷（TP）浓度、高锰酸钾盐（COD_{M n}）、氨氮（NH₃-N）浓度显著下降,水体透明度明显提升。这说明采用综合生态修复系统治理城市河道治理风险低、治理效果佳,可以推广使用。     

长江口海域生态环境状况及保护对策

为加快推进长江口海域的生态环境保护和修复工作,结合长江经济带大保护,系统总结分析了近20年长江口环境质量和生态监控区的监测结果.结果表明:①长江口海域生态系统长期处于亚健康状态.②长江径流总量呈现波动变化,年均流量无明显的变化,而长江口海域海水环境状况一直较差.③营养盐污染严重,主要污染物是无机氮和活性磷酸盐;浮游生物和底栖生物群落结构不稳定,存在生境破碎化严重、外来生物入侵、赤潮频发、低氧区等诸多生态问题.为加强长江口海域生态环境的保护与修复,建议:①加强顶层设计,推进落实陆海统筹;②科学规划临港产业布局,加强涉海产业的污染管理;③加强污染物入海排放管控,提升海洋环境保护意识;④保障海洋生态建设资金,强化海洋生态保护与建设.      

关于在长江经济带布局以水质改善为目标的流域生态缓冲体系的思考

生态缓冲带能够有效减缓流域内的人类活动或自然过程对水环境和水生态系统的影响.在长江经济带构建流域生态缓冲体系,对长江生态保护修复具有十分重要的意义.讨论了构建流域生态缓冲体系涉及的生态缓冲带位置选择、缓冲体系所占最低面积比率、宽度划定等一些基本的原则要求;利用卫星遥感影像数据,提取各汇水单元的地形特征、土地利用类型特征、土壤类型、土壤侵蚀强度、水文水系等数据,对长江经济带流域生态缓冲体系进行布局.结果表明:①长江经济带内林草地是主要土地利用类型,占区域总面积的62.46%,但是分布很不均匀,主要集中在西部高地和中下游的丘陵地带,在人口密集、农田密集的区域分布偏少;城镇用地主要集中在长江中下游地区.②土壤类型空间差异显著,浙江省、江苏省、湖南省、江西省及安徽省大部分区域的土壤多是黏性比较大,污染物迁移能力较低;而污染物迁移能力较强的砂质土或者土层较薄的山地草甸土主要分布在四川省北部、西北部.水力侵蚀、风力侵蚀和冻融侵蚀均有分布,且以水力侵蚀为主,建议在中度及以上侵蚀强度区域尽量减少污染源,重点布置缓冲带,增加该区域的缓冲力度.③长江经济带范围内可以利用的中小型湿地、小型河流支浜的面积至少有1.4×104 km2,再结合林草缓冲带,就可以形成一个生态缓冲体系.④在土地利用类型分布结果基础上,叠加土壤侵蚀强度和水系分布,将污染源区、中度及以上侵蚀强度区、水体区作为缓冲对象,建立缓冲体系的重点区域,总面积约14.26×104 km2,占长江经济带总面积的6.95%.对照欧美地区的研究,6.95%的缓冲体系面积占比是偏低的,需要在长江经济带开展深入研究来确定适宜的缓冲体系面积比,推进长江经济带流域生态缓冲体系的构建.      

人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.      

具有LXRα活性效应物质的新型筛查方法研究

为了检测环境中潜在的LXRα效应物质.本研究以LXRα蛋白为例,利用核受体蛋白与小分子亲和结合的原理,构建了pCold-TF-LXRα重组蛋白并优化了重组蛋白的表达条件,建立了特异性捕获活性物质的方法.结果表明：诱导温度为20℃、诱导剂IPTG浓度为0.4mmol/L为重组蛋白的最佳表达条件;同时,利用LXRα激动剂T0901317 4个梯度浓度（0.25,2.5,25,250μg/L）的加标回收率实验测得线性回归曲线为y =0.83604x+0.40763,R²=0.9948,证明方法具有有效性;对比pCold-TF空载体蛋白（6.42%）和重组蛋白（79.83%）对T0901317（250 μg/L）的回收率,说明方法具有特异性.为了验证方法的实用性,将重组蛋白与15种典型的有机磷酸酯类化合物（OPEs）的混合标样进行“捕获”实验,证明了TPHP、BPADP、TCrP、EHDPP、TNBP、RDP、TEHP、TDCIPP具有LXRα的活性效应.最后,用酵母双杂交实验验证了这8种OPEs均为LXRα的拮抗剂.