人工湿地技术在微污染水体处理中的应用

结合当前水体污染的形势提出运用人工湿地治理。列举一些运用人工湿地治理微污染水体实例,比较不同湿地系统之间的运行参数和处理效果等数据。证实人工湿地技术在对微污染水体的处理中运行效果良好,并针对性的提出人工湿地技术的几点改进方向,对人工湿地的发展进行展望。     

污染场地工程控制技术应用研究

工程控制技术主要是利用工程措施将污染物封存在原地,限制污染物迁移,切断暴露途径,降低污染物的暴露风险,保护受体安全。工程控制技术在国外污染场地的应用比例逐渐提高,而国内的污染场地修复处在初期阶段,存在过度修复等问题,根据超级基金制度发展的经验,中国污染场地问题亟待发展经济合理的工程控制措施。以某化工厂搬迁场地风险控制为例,从实施的可行性、成本、时间、风险控制的有效性等方面进行工程控制技术应用研究,以期为工程控制技术在国内的实施提供依据。     

我国湿地研究现状与进展

湿地科学是生态学和环境科学的研究热点,为了更好地保护和利用湿地资源,从植物、动物、微生物、景观多样性和水文循环等方面系统总结了中国湿地的生态功能、研究现状与不足,在分析中国湿地退化原因、退化评价指标体系、恢复技术方法等研究进展的基础上,初步展望了未来湿地科学研究的热点和方向,推进了湿地科学向多学科定量化综合发展,为中国湿地科学全面、深入、可持续发展提供理论依据。     

处理低污染河水的湿地内氮迁移转化过程模拟

为了明确以低污染河水为原水的人工湿地中的主要脱氮机制以及氮素的归趋形式,以洱海流域邓北桥湿地工程为研究对象,根据湿地内发生的生物反应、物理吸附以及沉淀等过程,建立了生态动力学模型,模拟湿地中氮素的迁移转化. 结果显示,所建模型能较好地模拟出水中ρ(NH₄+-N)、ρ(NO₃--N)、ρ(ON)(ON为有机氮)的变化趋势,效率系数(R)分别为50.2%、67.6%、81.2%. 通过对湿地氮素迁移转化与去除量的模拟结果分析,确定了湿地除氮的主要机制为硝化、反硝化、植物吸收. 反硝化作用可以去除进水中50.0%的TN,植物吸收可以去除进水中11.0%的TN,底泥则可以吸附进水中3.5%的TN. 模拟得到硝化速率平均值、反硝化速率平均值、植物吸收氮速率平均值分别为0.234、0.438、0.050 g/(m3·d).      

低温域湿地植物根际硝化强度及氨氧化微生物研究

以低温域(0~15 ℃)下黄菖蒲(Iris pseudacorus)、菖蒲(Acorus calamus)和香蒲(Typha orientalis)3种湿地植物为研究对象,分别取其根际土壤测定硝化强度,并采用FISH(荧光原位杂交)技术,考察植物根际AOB(氨氧化细菌)、AOA(氨氧化古菌)的数量变化规律. 结果表明:低温条件下,香蒲根际土壤的硝化强度最高,平均值为1.40 mg/(kg·h),黄菖蒲和菖蒲的平均值均为0.96 mg/(kg·h). 湿地植物根际土壤中的细菌数量(数量级为1010)远高于古菌(数量级为108),其中AOB为优势菌种,3种湿地植物的AOA数量分别约占总古菌数量的46.0%、47.9%和49.7%. 3种湿地植物根际AOB的数量(以湿土计,下同)排序为香蒲(2.57×109 g-1)>黄菖蒲(1.23×109 g-1)≈菖蒲(1.14×109 g-1),AOA的数量(以湿土计)排序为黄菖蒲(2.78×108 g-1)>香蒲(2.57×108 g-1)>菖蒲(1.15×108 g-1). 微生物分布特性和硝化作用效果均表明,不同植物根际氨氧化过程的主要作用微生物具有一定差异,AOA和AOB对于湿地土壤氮转化均具有不可忽视的作用,并与植物本体、土壤硝化过程微环境之间有一定的耦合关系.      

红松人工林与天然次生林大型土壤动物功能类群

为了解不同森林恢复类型对生态系统物质循环和能量流动的影响,对红松人工林与天然次生林生态系统(硬阔叶林和蒙古栎林)大型土壤动物功能类群时空分布的差异进行分析.在以往研究的基础上将捕获的大型土壤动物划分为腐食性、植食性、捕食性和杂食性土壤动物4个功能类群,并对比红松人工林和天然次生林生态系统土壤动物功能类群.结果表明:(1)水平分布上,天然次生林与红松人工林中4种功能类群大型土壤动物均有分布,其中腐食性土壤动物密度和生物量占绝对优势,但类群组成略有不同;(2)垂直分布上,红松人工林各功能类群土壤动物个体密度及类群数在不同土层差异显著(P0.05),均表现出明显的表聚性;而天然次生林中除腐食性和捕食性土壤动物外,在垂直方向无显著差异(P0.05),0-10 cm层腐食性动物个体密度以及类群数最大;(3)时间变化上,红松人工林与天然次生林土壤动物功能类群表现出一致的变化规律,均以腐食性最高,各类群密度、类群数均为5月、10月高于其他各月,生物量以9月最高.红松人工林和天然次生林土壤动物功能类群时空规律比较研究可为森林经营提供科学依据.     

湿地土壤动物及其与湿地恢复的关系

土壤动物是湿地生态系统物质循环和能量流动的关键环节,也是湿地生态系统演化的重要驱动因子,湿地土壤动物的动态变化可以作为湿地退化和恢复响应的重要生态指标。近年来基于湿地土壤动物群落生态学的单一研究颇多,对湿地土壤动物及其与环境因子关系的研究亦取得了长足进展,但关于湿地土壤动物和湿地退化与恢复的研究鲜有报道。本文论述了湿地土壤动物在湿地恢复过程的机制和优势,阐述了湿地土壤动物研究现状与进展,表明湿地土壤动物是湿地生态系统和湿地生物多样性的重要组成部分,已成为湿地恢复的重要指标。通过分析湿地土壤动物及其与湿地恢复的关系,认为湿地土壤动物的动态变化可以较好地反映退化和恢复过程中生态功能的变化,建议深入探索土壤动物对湿地退化和恢复的响应机制。关于土壤动物对湿地生态指示功能的研究,是恢复生态学和湿地重建领域未来需要研究解决的一个重要问题,是研究人为干扰过程以及湿地恢复过程中土壤动物变化规律的关键。今后要进一步融合土壤动物和整个湿地生态系统的研究为一体,把不同强度干扰下湿地土壤动物生态学及其与不同土地利用方式下土壤质量及湿地植被结合起来,从土壤动物群落特征变化角度阐明湿地生态系统对不同强度干扰的响应机制,为深入探索不同强度干扰下湿地生态系统的退化过程和机制,从而为退化湿地恢复与部分重建的生物学与生态学基础提供科学依据。     

半干旱区人工封育草场植物群落物种多样性与复杂性研究──以宁夏盐池为例

围栏封育促进植被恢复效果研究方法很多,其中通过研究植被的群落特征及物种多样性来阐述恢复状况仍是比较常用和有效的手段,但多样性测度对生物群落的自组织及有序性方面的特征描述欠缺,鉴于此,多样性与复杂性测度结合起来研究群落结构与功能显得更有意义。研究人工封育对植被恢复过程中群落的多样性与复杂性的影响,必然有助于揭示生态恢复过程机理。目前,利用多样性与复杂性测度相结合来对群落结构进行量化研究不多,用于对草原生态系统植物群落结构研究更少。本文通过样地调查,利用多样性和复杂性指数相结合定量研究半干旱区人工封育草场植物群落物种多样性、复杂性随封育年限的变化规律,并对比分析复杂性与物种多样性之间的相关性。结果表明,（1）老封育区、新封育区丰富度指数整体高于对照区,说明封育有利于物种丰富度的增加。但随封育时间的延长,封育区的优势种占据主要的资源空间,丰富度指数降低。长时间封育,草场植被丰富度将发生规律性波动变化,低峰值和高峰值出现频率均约为4~5年/次。老封育区、新封育区的SW、SP多样性指数值大部分也高于对照区,说明封育措施增加草场植被的多样性。物种多样性指数受降水影响显著,当降水量增加或减少时,多样性指数也相应出现增加或减少,但降水影响效应具有一定的滞后性。老封育区、新封育区均匀度变化比较平稳,且指数值高于对照区,说明封育有利于均匀度的增加。（2）老封育区、新封育区总复杂性指数、无序结构复杂性指数值大部分比对照区指数值高,且指数波动相对平稳,说明封育区群落结构比对照区稳定,更适合荒漠草原植被的生长,封育增加了群落总复杂性、无序结构复杂性。封育也提高群落有序结构复杂性,但?     

超声提取辅助浸入式固相微萃取-气相色谱/质谱技术快速检测土壤中的有机氯农药残留

建立了超声提取辅助浸入式固相微萃取-气相色谱/质谱(DI-SPME-GC/MS)方法快速检测土壤中有机氯农残的新方法.该方法可实现分离、富集和进样一体化,减少样品前处理步骤.实验优化了DI-SPME的萃取条件、超声提取条件及GC/MS仪器参数.在优化条件下,9种OCPs在实验浓度范围(20—500 ng·g-1)内,线性关系良好,R2为0.9899—0.9987,方法检出限在0.67—1.76 ng·g-1,加标回收率在80.2%—117.1%,相对标准偏差(n=6)为10.0%—12.0%.结果表明该方法是一种简便快速、绿色环保的分析土壤中OCPs农残的方法.     

青海湖高寒湿地生态系统夏季CO2通量日变化及其影响因子研究

利用涡度相关技术对青海湖高寒湿地生态系统夏季CO２通量日变化特征进行分析,并且结合气象观测数据对CO２通量日变化的影响因子进行探讨。结果表明,青海湖高寒湿地生态系统夏季CO２通量日变化呈“U”字型,白天8：00—20：00 CO２通量值为负,其他时间为正,最低值出现在12：30,为-15.34 μmol·m-2·s-1。CO２通量日平均值为-3.65 μmol·m-2·s-1（约-13.87 g·m-2·d-1）,表现为明显的CO２吸收,是重要的碳汇。CO２通量与净辐射、气温和表层土壤温度的相关性分析表明,净辐射是影响青海湖高寒湿地生态系统夏季CO２通量日变化的主要因子,气温次之,表层土壤温度对CO２通量的影响最小。采用多元回归分析得出CO２通量与各个影响因子之间的关系符合三元一次线性回归方程,R2=0.689,且达到极显著水平（P〈0.01）。