General concepts for measuring cumulative impacts on wetland ecosystems

Because environmental impacts accumulate over space and time, analysis is difficult, and we must incorporate the most recent scientifically defensible information and methods into the process. Methods designed to deal specifically with cumulative impacts include checklists of characteristics or processes, matrices of interactions (rated according to their level of importance) between disturbance activities and environmental conditions, nodal networks or pathways that depict probable effects of disturbances, and dynamic system models. These methods have been tested over the past decade and have proven generally successful.Landscape perspectives have emerged as especially helpful in analyzing cumulative effects, and have focused specific attention on questions of spatial and temporal scale, while leading to recognition of the complexity of ecosystem processes in general. An evaluation of several cases studies by the Commission on Life Sciences of the U.S. National Academy of Sciences emphasizes the importance of interactions and cumulative effects, but recognizes that current knowledge of the processes involved is insufficient to make specific recommendations for conceptual frameworks.The conceptual approach suggested by Preston and Bedford (1988) addresses many critical issues, such as the need to define dimensions of scale, and the importance of wetland size, shape, and location in the landscape. This approach and similar ones must be tested and evaluated so that a consensus may eventually emerge.A cumulative impact matrix is proposed that sets up additive, synergistic, and indirect categories, each capable of variation in space and time. Every interaction would be carefully examined to determine the likelihood of cumulative impact in any of the six categories. Because of its magnifying glass approach, such a matrix could be a very useful analytical tool, using existing methods to uncover all the information presently available about the behavior of the ecosystem of concern.     

我国水射流清洗切割现状分析

从不同角度对我国水射流清洗切割的现状作了较为全面的分析。在调查研究的基础上，分析了我国水射流清洗切割的技术概况和市场状况，提出了经营中的运作模式和发展思路。同时，探讨了水射流技术与安全工程的关系。     

井底冲击压力特性的研究

运用数值模拟的方法研究了单喷嘴射流撞击井底时产生的冲击压力及其分布规律。研究结果表明，井底最大冲击压力梯度所在的位置距撞击中心约０．１１４倍喷距处，井底最大冲击压力梯度和射流喷速成正比，和喷距成反比，本文绘出了其数学表达式。数值计算结果和室内实验数据吻合较为一致。     

障碍物场中预混燃烧火焰的数值模拟

利用k-ε湍流模型和拉切滑(SCASM)预混燃烧模型,对障碍物场中预混燃烧火焰进行了三维空间数值模拟。通过对控制方程添加不同的源项以反映障碍物对流场的影响,采用交错网格控制容积法将计算区域进行离散,用SIMPLE算法求解离散控制方程。模拟结果表明,障碍物的存在改变了燃烧流场的结构,成为加速燃烧甚至诱导爆炸过程的不稳定因素。该研究结果对有效预测障碍物场中火焰走势及其流场的分布情况,加强人们对火焰传播规律的认识,对预防工业灾害有重要参考价值。     

崇明生态岛建设生态环境指标体系研究

2005年出台的<崇明三岛总体规划(2005～2020年)>明确要将崇明建设成为环境和谐优美、资源集约利用、经济社会协调发展的现代化生态岛区.目前,通往崇明的长江隧桥建成通车,将加速推动岛域社会经济发展,同时也给生态环境带来不可估量的压力.基于崇明岛域生态环境特征,运用P-S-R模型理论,构建了崇明生态岛生态环境指标体系,包括3个方面:资源环境压力、生态环境质量、环境调控管理,以及20个指标;分析计算了各指标的2007年本底值.在此基础上,根据相关规划、标准和国内外类似先进区域的发展目标,确定了2012年的目标值.最后,分析指标现阶段存在差距,并提出积极推进崇明生态岛建设的生态环境保护建议,为政府决策提供依据.     

太湖流域船舶污染防治工程环境效益定量评估方法研究

对太湖流域船舶污染防治工程的环境效益定量评估方法进行了研究,给出了工程实施后的船舶垃圾和船舶石油类排放削减量的计算公式。利用平原河网区水量模型模拟太湖流域水动力条件,利用分段混合水质模型进行石油类水质改善效果预测。最后应用该评估方法进行太湖流域船舶污染防治工程的环境效益评估,预测工程实施后的船舶垃圾、船舶石油类排放削减量和水质改善程度,为该工程的实施提供科学依据。     

基于DYRESM模型的太湖全年水温模拟及其在水华预警中的应用

水温是湖泊生态系统的重要驱动因子,太湖蓝藻水华暴发过程与湖泊全年水温变化密切相关。本文从水温角度出发,运用澳大利亚西澳大学水研究中心开发的一维DYRESM水动力学模型模拟了太湖2005全年的水温变化状况,并通过太湖2005年水温实测值进行了验证,模型结果较好的反应了2005年太湖逐日水温的变化情况。另外从水温角度对太湖蓝藻水华暴发阶段作出分析,为太湖蓝藻水华暴发的预测预警研究进行了方法上的准备和探索。     

城市污水处理厂能耗优化数学模型研究

随着城市污水生物处理技术的不断完善,好氧生物处理技术逐渐成为城市污水处理的主导技术。好氧生物处理需要提供足够的氧气以满足微生物的正常生长,而维持供氧设备的正常运行需要消耗大量的电力,电量消耗已成为影响城市污水处理厂费用的主要因素。本文总结了现有的污水处理厂运行费用数学模型,通过实际运行费用和处理效率数据,建立了以处理量Q,BOD5削减量,NH3-N削减量为变量的运行费用数学模型,并分析了影响污水处理厂能耗的主要因素,服务污染物去除效率不断提高的城市污水节能减排目标、需求不断增大的城镇污水减排目标。     

广州流溪河水库叶绿素a遥感反演研究

叶绿素a是衡量水体初级生产力和富营养化程度的一项重要指标。本研究在讨论分析反演水体叶绿素a浓度的半分析生物光学模型理论基础上,利用Landsat TM数据及中巴资源卫星02星CCD相机高分辨率数据,结合实测数据建立广州流溪河水库叶绿素a浓度的波段比值型反演模型。该模型对两个不同监测日期的叶绿素a浓度反演效果较好,拟合系数(R2)分别达到0.860和0.715,均方根误差分别为0.102μg/L和0.198μg/L。反演结果表明,流溪河水库叶绿素a浓度整体较低,均在2.0μg/L以下,空间分布在湖库区较均匀,入库支流玉溪河水域叶绿素a浓度略高于湖库区。     

湖库水体对石油类物质的自净能力评价初探

为了合理的预测湖库水体对油田特征污染物的自净能力,建立了突发事件溢油在水面上影响及对水质影响的模型,采用实测与预测相结合的方式对模型的参数进行了确定,同时根据建立的模型选择两个泡沼进行了验证。说明预测结果与实测值有较好的相关性,用湖泡推流衰减模型对湖泡的预测是可行的。