Scale,context, and decision making in agricultural adaptation to climate variability and change

This work presents a framework for viewing agricultural adaptation, emphasizing the multiple spatial and temporal scales on which individuals and institutions process information on changes in their environment. The framework is offered as a means to gain perspective on the role of climate variability and change in agricultural adaptation, and developed for a case study of Australian agriculture. To study adaptation issues at the scale of individual farms we developed a simple modelling framework. The model highlights the decision making element of adaptation in light of uncertainty, and underscores the importance of decision information related to climate variability. Model results show that the assumption of perfect information for farmers systematically overpredicts adaptive performance. The results also suggest that farmers who make tactical planting decisions on the basis of historical climate information are outperformed by those who use even moderately successful seasonal forecast information. Analysis at continental scales highlights the prominent role of the decline in economic operating conditions on Australian agriculture. Examples from segments of the agricultural industry in Australia are given to illustrate the importance of appropriate scale attribution in adapting to environmental changes. In particular, adaptations oriented toward short time scale changes in the farming environment (droughts, market fluctuations) can be limited in their efficacy by constraints imposed by broad changes in the soil/water base and economic environment occuring over longer time scales. The case study also makes the point that adaptation must be defined in reference to some goal, which is ultimately a social and political exercise. Overall, this study highlights the importance of allowing more complexity (limited information, risk aversion, cross-scale interactions, mis-attribution of cause and effect, background context, identification of goals) in representing adaptation processes in climate change studies.     

利用改进的模糊综合评判法综合评价环境质量

本文引入灰色系统理论关联度的概念,提出了一种改进的模糊综合评判法,并用于环境质量综合评价之中,经实例分析表明,评价结果较为客观、合理。     

水质综合评价灰色理论模型及其应用

根据灰色关联度的定义，运用广义加权距离构造目标函数，建立了一种水质综合评价的灰色理论模型。综合实例说明了该模型的应用，得到与用其它方法评价完全一致的结果，该模型数学推导严谨，科学合理，分辨率高，可靠性强 。     

蚌埠市环境监测信息管理系统的开发实例

使用环境监测信息管理系统可以提高环境监测站数据处理能力,帮助其实现规划目标,并利用其从全局出发辅助环境管理决策.目前一般采用生命周期法来进行开发,它的使用标志着一个组织的计算机应用程度,因此建立环境监测信息管理系统是大势所趋.MIS理论上应和监测站一同建立、发展.     

灰色二阶预测模型GM（2，1）在排污收费中的应用

本文运用灰色理论建立了排污收费的灰色二阶预列模型GM(2，1)，给出了GM(2，1)模型精确求解方法，并以某地排污收费为例进行模型拟合。经检验该模型的精度比GM(1，1)模型精度高，最后指出了运用该模型的条件。该模型为环境管理宏观调控的有效实施提供了一种新型的方法和手段。     

宽域灰色决策法在企业环境经济效益综合评价中的应用

为了探索宽域灰色决策法用于企业环境经济效益评价的可行性和合理性，应用宽域灰色决策方法构建企业环境经济效益的综合评价模型，并将该方法用于实例分析．结果表明，宽域灰色决策法用于企业环境经济效益评价是可行的．     

水环境中的灰色水质风险研究

在灰色系统理论中定义了一个白化度用来描述水质风险，并作了实例研究，将结果与概率风险进行了比较分析。研究表明，用两种方法研究的风险呈现了较一致的变化趋势，因此，用灰色系统理论研究水质风险具有一定的可行性。     

矿井重大灾害危险性评价的改进灰色统计法

用灰色统计理论［１］研究了矿井四大灾害即冒顶、水灾、火灾和瓦斯爆炸的危险性预评价问题，提出了一种新的评价方法──灰色统计综合法。同时，从应用的角度出发对灰色统计的算法作了改进，改进后的算法便于记忆和应用。     

用灰色模型预测我国铁路水害发展趋势

根据近１５ａ来我国铁路水害年断道时间和断道次数的数据特点，将不同程度水害年分为三个等级。在此基础上，建立了铁路水害的灰色预测模型。并用此模型预测了近期铁路水害大小和远期的发展趋势。这对于我国铁路水害防治的宏观决策具有指导意义。     

自然灾害不同灾情的比较方法探讨

用计算自然灾害不同灾情的灰色关联度的方法，来对不同灾情进行比较分析。该方法不仅能够比较同一灾级中不同的灾情，也能够对不同灾级的灾情差异程度作比较分析，因而它与现有的不同灾情的比较方法相比，更科学合理。