安康漫画

火神难送 事物总是有两面性,火就是这样。 火是人类的一大发现,给人类带来了文明,但如果用不好,就会使灾难降临,让世界变成一片焦土。因此,对于火,最关键的还是要正确地使用、管制它。森林应该是火的禁区了,否则一不小心就会使百里森林付之一炬。有一点可以肯定的是,只要会请、会送又会管火,火神就不足畏了!     

补救森林火灾时的安全事项

主要阐述了扑火人员在扑火中应具有的安全装备，扑火中的注意事项，火场上的自救方法及生活安全等。     

2019年澳大利亚森林火灾期间亚澳季风特征分析

利用NECP再分析资料、CMAP全球逐月降水数据和中国国家气候中心季风指数资料,对2019年澳大利亚森林火灾前后的年、季气候特征,以及东亚冬季风、澳大利亚季风和越赤道气流的月尺度特征进行分析。结果表明,2019年澳大利亚大陆表现出高度一致的气温偏高、降水偏少特征。火灾爆发前3-8月,新南威尔士州林火区气温偏高0.8℃~1℃,降水偏少20%~40%;火灾爆发期间9月至次年1月,林火区气温偏高1.0℃~1.5℃,降水偏少40%~60%。2019年澳大利亚北部冬季风指数偏强,历时偏长,夏季风建立偏晚;北半球秋季到初冬东亚冬季风强度偏弱。2019年环流转换期间（2019年11月至2020年1月）105°E越赤道气流偏弱偏东;南半球低纬偏强的高低空风场配置对越赤道气流的季节转向产生了阻滞作用。     

每年减少500万亩——中国湿地退化程度调查

<正>"我国水资源严重短缺,然而,雨洪利用率不足10%,每年1.6万亿立方米淡水白白流入大海,相当于全国全年6200亿立方米用水量的2.6倍。近年来,我国洪涝灾害频发,雨洪资源大量流失,不是因为降雨量明显增多了,而是由于森林湿地调水的功能减弱了。而作为盛雨水的湿地变小了,有水也留不住了。"今年2月2日,第19个世界湿地日活动启动之际,国家林业局局长赵树丛如是说。湿地是碳汇,又是碳源     

拳拳寸草心,图报三春晖——读任继周院士的《草业琐谈》

环境法仰仗经济建设、重视政治建设、珍惜文化建设、强调社会建设、凸显生态文明建设,与"五位一体"理论密切关联。作为环境保护领域基本法的《环境保护法》,其修订的历程、文本的变化,体现了环境法领域对"五位一体"理论的理解和追寻;修订后的《环境保护法》,更加契合"五位一体"理论,然而仍需不断完善。     

不同退化湿地中嗜冷甲烷古菌的变化规律研究

该试验通过厌氧分离、滚管纯化技术对同一时期不同退化程度湿地中的嗜冷甲烷古菌进行分离,采用血球计数法对嗜冷甲烷古菌计数,应用荧光显微镜观察其形态特征,并使用气相色谱法对其产甲烷量进行测定分析,依据试验结果分析嗜冷甲烷古菌与高寒湿地退化的联系。结果表明:随着湿地退化程度增加,嗜冷甲烷古菌的种类和数量都有增加,其产甲烷气体量亦有明显增加,对嗜冷甲烷古菌的特性研究可以在一定水平上指示湿地的退化程度。     

大森林，多少诗意和风情？

有微博说,那首歌,激动了我们很多年．也误导了我们很多年。高高的兴安岭,一片大森林。其实,大兴安岭并不高,平均海拔不到千米．没有陡峭的峰．全是舒缓的岭。眺望大兴安岭,感觉不是座座高山扑面而来．而是层峦叠嶂铺展而去,郁郁葱葱,无边无际。     

北京城市森林植被区空气PM_(10)质量浓度时空变化

文章以美国赛默飞世尔科技公司(Thermo Fisher Scientific,USA)的TEOM-1405-D双通道颗粒物在线监测仪测定的PM_(10)浓度数据,对比分析北京市大兴南海子森林公园植被区和亦庄非植被区的PM_(10)浓度时空变化特征。结果显示:PM_(10)质量浓度表现为植被区低于非植被区,二者均表现出大致相同的日变化趋势,呈典型的双峰曲线,峰值出现在上午9:00和夜间23:00;对比分析不同月份PM_(10)质量浓度可以看出,植被区与非植被区表现为同步增加或同步降低的趋势;该研究4次降雨中,第3次降雨削减率最大,植被区为82.30%,非植被区为64.50%;第4次降雨削减率最小,植被区为13.27%,非植被区为18.89%;大风在一定程度上会降低PM_(10)等颗粒物的质量浓度,风后植被区PM_(10)均值削减率为2.19%~35.59%,非植被区PM_(10)均值削减率为7.50%~58.56%;植被区与非植被区PM_(10)质量浓度均与温度成负相关。上述结果可为北京城市森林生态建设及环境保护提供合理的科学依据。     

基于OCO-2卫星重构的中国地区高覆盖XCO2时空分布特征

卫星遥感技术是深入了解大气二氧化碳（CO₂）时空分布特征的重要手段之一，由于探测技术的限制，目前基于卫星遥感观测数据反演的CO₂产品的空间覆盖度较低，数据缺失严重，不足以反映CO₂浓度的空间分布情况。现基于轨道碳观测卫星-2 （OCO-2）、哨兵5P （Sentinel-5P）、美国CO₂同化模拟系统（Carbon Tracker）和欧洲中期天气预报中心第5代（ERA-5）气象再分析数据，结合时间序列拟合估算模型和随机森林算法，重构了2019—2022年中国地区高精度（0.05°×0.05°）大气CO₂平均干空气混合比（XCO₂），分析了中国地区CO₂时空变化特征。与OCO-2和Carbon Tracker对比结果显示，重构得到的XCO₂与OCO-2的观测结果一致性更高，均方根误差为1.05 ×10^-6，决定系数高达0.96，可以在较高空间分辨率上体现中国地区XCO₂的时空分布情况。基于重构的XCO₂数据得知，中国地区XCO₂呈现明显的季节性波动，XCO₂呈冬春高、夏秋低的特征；2019—2022年，中国地区XCO₂呈现逐年上升的趋势，增长率达到（2.41±0.01）×10^-6/a，但近年来增长速率有所降低；从空间分布来看，中国东部、北部、中部地区的XCO₂显著高于其他地区，且增长率也较高；进一步分析中国典型经济区的XCO₂发现，杭州、天津、成都的XCO₂在各经济区内的增长最为迅速。研究成果可为碳监测研究、碳排放清单验证、碳排放管理、温室气体减排等研究提供重要的数据支撑。