Towards a smallholder hydrology for equitable and sustainable water management

Situations of water scarcity challenge sustainability and threaten small users' access to water. In response to this problem, there has been a search for a method of hydrological analysis that can better represent the needs of small water users. While this search is rooted in the debate favouring a more participatory and inclusive allocation of the resource, it also requires a new focus on smallholder hydrology that can confront the gaps and biases found in current hydrological practices in many countries. This article looks at past hydrological practices and also at results of recent studies, highlighting the perspective of smallholder irrigators in surface water planning in Zimbabwe, and groundwater planning in India. These case studies show that wider social forces, not always best science, drive hydrological practices. However, new frameworks focusing on the water user can emerge for more equitable and sustainable water management.     

Co-ordination for disasters

This paper was prepared in 1978 on the basis of a review of sociological and anthropological fieldwork conducted up to that time. Although theoretical in presentation its conclusions are formulated in accordance with the author's own extensive observations of organizational response to natural disasters in developing countries, especially those having sudden onset. Practical implications for co-ordination agencies and pre-disaster training are drawn.     

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.      

魅力国土空间:重塑区域特色的国土空间规划策略

国土空间规划的提出使我国的规划体系进入到新的发展时期与发展语境,国土空间开发方向已从生产空间为主导转向生态、生活、生产空间相协调。如何将基于“三生空间”概念的传统国土空间认知提升到丰富文化脉络、生态特征、生活基础的复合魅力国土空间,如何对不同区域的发展进行侧重,杜绝对单一发展模式的盲目跟风,是国家和地方面临的共同重大主题。结合国土空间在历史与现实不同时期的发展表征和形成原因,在回溯空间认知过程、反思空间规划实践的基础上,厘清了魅力国土空间的概念与内涵,提出国土空间规划体系下魅力国土空间的关注焦点,从区域发展平衡、管控弹性调整、空间要素流动、发展目标优化等方面阐述了魅力国土空间的作用与功能。     

基于神经网络的东北地区秸秆焚烧预测

选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明：人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80：20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持.     

长江经济带水质目标管理平台总体设计

为强化长江经济带资源整合与共享,集成统一规范的大数据平台,基于“十一五”“十二五”国家水体污染控制与治理科技重大专项数据和模型库资源,以面向服务的架构(SOA)和模块化设计为支撑,遵循“五横两纵四统一”的平台架构设计思路,应用大数据挖掘、云计算等现代信息技术,构建长江经济带水质目标管理平台.平台基于长江经济带水生态环境功能分区,兼顾不同类别水质目标管理技术的协调性、衔接性和适应性,对水质目标管理相关信息进行跟踪、模拟、分析和三维可视化表达,在水生态环境功能分区管理、数据汇交与信息共享、容量总量管理、风险评估与预警等方面实现业务化运行,实现全景式水质达标形势研判、一体化风险联防联控.平台已在国家长江生态环境保护修复联合研究中心进行业务化运行,将有效提升长江经济带水环境综合管理能力,同时可为其他重要流域水质目标管理提供信息化工作参考.      

油气田在役管道高后果区识别与完整性评价方法

根据油气管道建设与管理的相关标准与规范或导则,针对目前油气田在役管道,明确了其高后果区识别的划分及其在不同标准中的差异以及识别的原则和时间间隔,分别介绍了在管道的相关数据采集的基础上开展地质灾害和第三方破坏造成的管道风险评价方法,管道内外腐蚀的直接评价以及包括剩余强度、剩余寿命和材料在内的管道适用性评价方法,同时给出了这些评价工作所涉及到的相关内容项,对油田管道的完整性管理具有重要的指导作用和应用价值。     

经济手段防治白色污染的博弈分析

经济手段在环境管理中的作用及涉及到政府与各利益关系人之间的博弈过程。本文就政府与一次性餐具生产者，销售者之间的博弈关系，分析如何应用经济手段使其在防治“白色污染”中发挥更好的作用。     

乌鲁木齐市餐饮业油烟污染的调查及防治初探

通过对乌鲁木齐市20家餐饮业油烟污染的调查分析，结果表明，乌鲁木齐市餐饮业油烟污染严重，并提出了防治措施。     

Benchmarking for best practice environmental management

Benchmarking of environmental performance to demonstrate theachievement of best practice environmental management is acomponent of a new form of licensing of industrialdischarges in Western Australia. The paper describes theapproaches to benchmarking for the critical environmentalissues for an alumina refinery and wastewater treatmentplant. It also describes the lessons learnt from thebenchmarking process on appropriate methods, the benefitsand difficulties in the benchmarking process, and changesthat would assist benchmarking for best practiceenvironmental management.