有机无机氮配施对不同程度盐渍土硝化和反硝化作用的影响

以内蒙古河套灌区轻度盐渍土S₁（EC=0.62 dS·m^-1）及中度盐渍土S₂（EC=1.17 dS·m^-1）为对象,研究硝化和反硝化进程对盐渍化程度和有机无机氮配施比例的响应及其影响因素.本试验设置了6个处理,包括不施氮（CK）、单施无机氮（U₁）以及用有机氮（U₃O₁、U₁O₁、U₁O₃和O₁）替代25%、50%、75%和100%的无机氮.结果表明,盐度升高会降低土壤硝化势而提高土壤反硝化能力,同一处理S₁土壤硝化潜势较S₂土壤高出28.81%~69.67%,而反硝化能力降低17.16%~88.91%.盐度升高会降低AOB丰度及硝化贡献率,但会增加AOA丰度和硝化贡献率;盐度增加会提高土壤nirK和nirS型菌丰度,同时会增加N₂O/（N₂O+N₂）产物比,但会抑制nosZ丰度.S₁土壤,以U₁O₁处理硝化势和反硝化能力最大,较单施化肥增幅分别达到18.59%和15.87%;S₂土壤,各施肥处理之间土壤硝化势差异不显著,反硝化能力以O₁处理最大,较单施化肥提高88.26%.S₁和S₂盐渍土分别以U₁O₁及O₁处理获得较高的AOB基因丰度及硝化贡献率,且增大了nirS和nosZ基因丰度,并显著降低N₂O/（N₂O+N₂）产物比.综上,相比单施无机氮,轻度盐渍土以有机无机氮各半配施,中度盐渍土以单施有机氮更加利于土壤硝化反硝化过程进行.     

基于数值模拟的海湾环境容量价值损失的预测评估 ——以厦门同安湾围填海为例

基于海湾环境容量价值影响因素的分析,采用环境经济学的影子工程法,结合水动力数值模型及其与污染物扩散的耦合模型,建立了围填海导致的海湾环境容量价值损失的预测评估模型和方法,并以厦门同安湾为例,对同安湾4个围填海规划方案可能造成的环境容量价值的损失进行了预测评估.结果表明,方案1~方案4围填海面积依次为1.98,7.73,9.38,19.24km2,围填海造成的环境容量的损失依次为12281.3,48418.6,60706.6,132800.1万元/a,单位面积的损失依次为62.03,62.64,64.72,69.02元/(m2×a).围填海活动带来的环境成本不容忽视.基于评估结果,针对厦门围填海的现状提出了相关的政策建议.     

长江三角洲地区复合生态系统生态承载力研究

利用生态压力与生态弹性力之间的相互作用关系构建了生态承载力评价的指标体系,并以长江三角洲地区为例,对复合生态系统生态承载力进行评价。结果显示,上海市、江苏省、浙江省的生态压力指数在过去的10 a中虽略有起伏,但整体都在缓慢增大,生态弹性力指数也基本保持持续增长的态势,生态承载力水平基本向好的趋势发展,但依然处于高压平衡甚至失衡状态。     

基于净初级生产力的生态足迹模型及其与传统模型的对比分析

生态足迹模型因其可以定量度量生态可持续发展、计算简单、结论易懂、全球可比等特点,提出之后得到了大量的关注和应用,同时也面临着一些质疑和争论。文章介绍了一种基于净初级生产力的生态足迹理论和计算方法,并以该方法和传统生态足迹模型分别计算了中国1961—2007年的生态足迹,对计算结果进行了对比分析。结果表明,两种生态足迹模型的计算结果具有较高的相关性,表明基于净初级生产力的生态足迹模型结果可信。该种方法能够克服传统生态足迹模型的部分缺陷,在均衡因子选取、土地生态功能假设、CO2吸收等方面有了较大改进,能够较好地反映不同生态系统在生产力上的差异;在时间序列分析方面也更加合理。但该方法本身同时存在着计算方法不完善、对生态系统变化不敏感等问题,如何更紧密地结合生态足迹和净初级生产力是需要进一步研究的内容。     

基于公平与效率双重视角的中国农业碳减排潜力分析

科学估算减排潜力是实施减排责任分摊的基础。论文将环境因素纳入到经济生产体系,构建含有期望产出与非期望产出的农业经济核算框架,借助方向距离函数方法,对2000-2011 年中国31 个省(市、区)的农业碳边际减排成本进行估算。在此基础上,利用人均农业碳排放、人均农业生产总值、农业碳排放强度与农业碳排放影子价格4 个指标,构建农业碳减排潜力指数,基于公平与效率双重视角,对各省区农业碳减排潜力水平进行评估与分析。结果显示:① 农业减排成本地区差异较大。其中,海南、福建、山东、辽宁、广东、北京、天津等省区减排成本较高,其年均农业碳排放影子价格居于全国前列,最高值达2.542×10⁸元/10⁴ t;而西藏、青海两地农业碳排放影子价格最低,分别为0.105×10⁸元/10⁴ t 和0.542×10⁸元/10⁴ t,农业减排成本较低。② 基于农业碳减排的公平性与效率性差异,将中国大陆31 个省级行政区域划分为四大类:西藏等1 省2 区属于“高效较公平”型地区;甘肃1 省1 区属于“高效欠公平”型地区;辽宁等8省2 区属于“低效较公平”型地区;北京等12 省4 市属于“低效欠公平”型地区。③ 西藏、海南、青海、内蒙古四地农业碳减排潜力指数在三种情景下均排名前四,北京、黑龙江、山西三地均排名最后。④ 决策者对于公平原则与效率原则的不同偏好会导致各省区减排责任分摊机制不同。     

自净作用下渤海海域COD环境容量研究

为测算自净作用下我国渤海COD环境容量,按地理特征将渤海水域划分为莱州湾、渤海湾、辽东湾以及渤海中部4个分区,从水动力交换扩散和化学降解两个方面入手,一方面利用各分区水半交换周期分别求得COD的扩散能力,另一方面利用COD衰减规律得到其降解能力,综合后得到各分区在不同水质标准下COD的环境容量.研究表明,渤海各湾水域COD浓度和环境容量各不相同,其中,莱州湾水质属于较清洁,在此区间内还有26%的环境余量;渤海湾水质属于轻度污染,在此区间内还有5%的环境余量,辽东湾水质属于较清洁,在此区间内还有88%的环境余量.     

基于系统仿真模拟的三峡库区生态承载力分区动态评价

针对现有生态承载力评价研究中时间动态性、空间差异性考虑不足等问题,引入系统动力学(SD)模型,围绕生态承载力关键指标实施三峡库区分单元的系统仿真模拟和预测,整合生态承载力综合评价方法,对不同控制单元承载力状况进行动态评价. 结果表明:①2010年三峡库区生态承载力指数为0.55,为弱可承载状态. 生态承载力限制因素分析显示,长江嘉陵江重庆市辖区控制单元、长江涪陵区万州区控制单元主要受制于资源、环境要素,其他3个控制单元(澎溪河开县控制单元、长江云阳县巫山县控制单元、长江恩施州宜昌市控制单元)主要受制于社会、经济要素. ②现有发展趋势下,2010—2025年三峡库区生态承载力指数为0.48~0.57,呈先增后减的趋势,拐点出现在2015年附近,整体亦处于弱可承载状态. 2015年后,以资源、环境为主要限制因素的2个控制单元生态承载力指数开始逐年下降;以社会、经济为主要限制因素的其他3个控制单元生态承载力指数则呈延续上升态势. ③综合调控方案下,三峡库区生态承载力指数在2015年达到0.60,由弱可承载提升为基本可承载;至2018年,所有控制单元均达到基本可承载,生态承载力指数为0.60~0.76. 可见,综合调控方案对各控制单元人口、经济、环境、资源因素的调控行之有效.      

黄河中上游能源化工区重点产业发展战略土地资源承载力评价

结合黄河中上游能源化工区重点产业发展战略土地资源影响特点,探索了战略环评土地资源承载力评价方法和思路. 以土地资源优势、劣势、机会和威胁(SWOT)分析和主成分分析(PCA)为研究手段,构建了涵括土地资源生态属性、经济属性及社会属性的土地资源综合承载力评价指标体系,研究了重点产业战略实施前后土地资源综合承载力空间变化,深入剖析了重点产业发展战略的环境合理性. 结果表明:黄河中上游能源化工区重点产业战略实施后,能源重化工产业重点布局、大规模发展区域综合土地资源承载力指数较现状降低10%以上,而非重点发展区域土地资源综合承载力有所提升,因此,重点产业发展中必须结合土地资源承载力现状,合理调整产业发展布局.      

大鹏湾环境容量研究Ⅰ:自净能力模拟分析

在估算大鹏湾污染源强及统计海水污染物浓度的基础上,采用三维水动力模型及污染物扩散模型,模拟了大鹏湾的海水交换及污染物扩散过程,分析了大鹏湾海水交换与生化降解对自净能力的贡献.结果表明,大鹏湾潮差小,约为1m,潮流弱,污染物难于向湾外扩散,其物理自净能力差,湾内海水自净主要取决于生化降解.在吐露港海区与沙头角海区,污染排放较大,水深较小,海水难于交换,容易受到污染.     

A herbivore specific grazing capacity model accounting for spatio-temporal environmental variation: A tool for a more sustainable nature conservation and rangeland management

Grazing with livestock is a common feature of nature and rangeland management. Although both aim at different, seemingly opposing goals, i.e. maintenance of biodiversity values versus maximization of animal production, they nonetheless have a common interest in maintaining the rangeland or natural environment in a state that ensures either the first or the second goal. In order to accomplish an effective and efficient grazing management, in terms of grazer density, grazer composition, grazing seasonality, and to prevent under- and overgrazing, a grazing capacity model (GCM) was developed, that should be applicable in both rangeland and nature conservation management conditions and that takes spatio-temporal environmental variation into account. This spatio-temporally dynamic model considers crucial variables at both the terrain and the grazer level, such as (seasonally) fluctuating forage yield, forage quality, plant palatability, accessibility of the area, soil erosion vulnerability, animal nutritive requirements, animal behaviour and general habitat condition. It predicts the optimal grazer species and density, taking into account the seasonal variation in animal needs and fluctuating terrain characteristics. A sensitivity analysis was conducted to define each parameter's relative impact on the final outcome of the model.We present the GCM outline and illustrate the functionality of this model for Shetland ponies and Highland cattle, grazing in a temperate coastal dune environment. According to the model, seasonal fluctuations in optimal grazer densities occur: the area can support higher densities in summer and autumn than it can during winter and spring. With the current density of grazing animals and the choice for year-round grazing at non-fluctuating animal densities, the model consequently predicts overgrazing in winter and undergrazing in summer and autumn. Both undergrazing and overgrazing scenarios might lead to non-sustainable situations in the future.