基于区域环境风险评价的产业布局规划优化研究

区域环境风险评价相比单个项目的评价具有信息相对缺乏、风险因素多,风险叠加难度大等特点.信息扩散法可有效应对评价信息不足问题,通过构建和运行风险信息矩阵实现对多个环境风险源的风险值叠加,并最终形成风险分区图以指导区域布局优化和风险管理.本研究结合广州南沙地区发展规划,应用信息扩散法对区域现有及规划风险源进行综合评估,并得出区域综合环境风险4级分区.评价结果显示,规划的石化基地布局不合理,将大幅增加区域环境风险等级,提出放弃该产业规划或重新选址,该建议得到最终决策的支持.建议区域开发在规划的初始阶段就考虑开展环境风险评价,以此论证区域功能划分和产业布局的环境合理性,实现优化区域开发和加强区域环境风险防控的目的.     

青州市峱山经济发展区土地利用与空间布局

根据土地现状、绿地系统和空间布局等因素对城市生态环境具有的重要作用,对山东省青州市峱山经济发展区进行了用地分析和生态评价。依据新区空间发展的生态理念,深入研究了生态空间功能组团、总体功能布局。详细论述了峱山经济发展区的绿地生态系统规划,提出了以生态景观轴线连通各个绿地,形成生态功能突出、配置合理、通达性良好的绿地生态系统,以保障青州市峱山经济发展区生态和谐、健康的发展。     

变电站电磁环境监测布点建模仿真研究

针对变电站电磁环境自动监测站布点方案普遍存在的效率不高、科学性不足等问题,以某500 kV变电站电磁环境自动监测站选址为例,通过建模仿真得到该变电站工频电场和工频磁场的空间分布,并实测验证了仿真结果的准确性。通过统计该变电站工频电场和工频磁场的空间分布特征,提出了基于变电站空间场强分布特征的自动监测站布点方案,建议优先在场强中位数分界线附近区域布点,以更好地反映变电站电磁环境。研究结果可指导变电站电磁环境自动监测站选址,提高变电站电磁环境监测布点的科学性,提升监测效率。     

海南省省控土壤环境监测基础点位布设思路与方法

为满足新时期土壤污染防治管理要求,掌握海南省土壤环境质量状况及变化趋势,海南省亟需加强省控土壤环境监测基础点位布设,完善土壤环境监测网。通过梳理海南省土壤环境监测工作基础和监测网络构建情况,形成了省控基础点位布设思路、原则和方法,并应用GIS技术完成点位布设。海南省省控土壤环境监测基础点位基本覆盖了海南省农用地主要土壤类型和成土母岩,监测结果可以反映海南省农用地土壤环境质量整体状况。     

复合物流模式下的机械加工车间安全布局设计

机械加工车间的物流形式不唯一,一般是小推车、天车等多种物流形式的复合,本文以河南省某机械加工车间为例,运用系统布局设置(SLP)方法,并综合考虑复合物流与危险源,进行车间安全布局.首先按照类型将车间分成13个区域,之后应用单纯型法核算车间内的复杂物流量,然后基于曼哈顿距离实现系统布局设置(SLP),最后综合考虑车间内的...     

东湖开发区产业布局对环境的影响研究

武汉东湖高新技术开发区是首批国家级高新技术产业开发区之一，产业基础好。发展条件佳。近十年是其经济和社会发展的重要时期。是进行经济结构战略性调整和改革开放的重要时期，也是减轻环境污染和遏制生态恶化趋势的重要时期。但由于开发区建设初期注重经济建设，忽视环境保护，使环境问题日趋严峻。因而，紧紧抓住新世纪的历史机遇，下大力气解决开发区突出的环境问题，调整产业结构，合理产业布局，制定切实可行的生态规划和环保措施迫在眉睫，以期实现长期快速增长，持续、均衡发展。     

城乡工业及生活污水处理设施建设与布局的研究

认真落实科学发展观统筹城乡发展,是党中央国务院在新时期的重大战略决策,面对新形势新要求,区域城乡污染物控制究竟做些什么、怎么做,本课题带着这一系列的问题,从城乡工业及生活污水处理设施建设与布局入手,以江苏扬州市为范例,围绕生态市建设、沿江与沿河开发、乡镇水环境保护问题,对区域城乡工业及生活污水处理设施建设与布局进行全面认真的研究。目的是从生态市建设、污染物总量控制的角度,思考乡镇经济社会发展对水体环境的影响及其对策,重点关注乡镇工业园区或工业集中区、乡镇镇区污水处理设施建设和布局的问题,为实现城乡区域统筹发展提供一些驾驭的能力。     

基于微地貌约束的山区型特色小镇“三生”空间布局优化

优化国土空间开发格局是生态文明建设的重要内容,在村镇尺度下生态-生产-生活(简称“‘三生’”)空间结构与布局,对于特色小镇绿色发展具有重要意义.为优化山区以工业和旅游融合为优势的特色小镇“三生”空间布局,以茅台镇为研究对象,基于“产业兴旺、生态宜居”乡村振兴战略要求,通过10 m分辨率DEM、土地利用等数据,以主导生态功能和山区微地貌为约束条件,通过GeoSOS-FLUS模型开展了生态优先情景下茅台镇“三生”空间布局优化研究,并与无地貌约束的自然演变和经济优先2种情景做了对比.结果表明:①茅台镇生态空间和农业生产空间在峡谷底、陡坡和山脊区域均有大量分布且面积数量差异较小,而生活空间和工业生产空间多分布在峡谷底部.②自然演变情景模拟下,河谷地带的缓坡和部分陡坡位置均被转换为建设用地;经济优先情景模拟下,缓坡位置的耕地较易转化为建设用地;而生态优先情景模拟下,林地实现了空间上的连通和聚集,建设用地主要在茅台镇中南部河谷地带以及缓坡地区适度扩张.③生态优先情景下,峡谷底区域“三生”空间布局得到优化,生态空间面积从41.29 km2增至43.80 km2,工业生产空间面积由6.86 km2增至7.89 km2,农业生产空间由24.29 km2降至20.00 km2.研究显示,对于山区型村镇,微地貌约束土地利用模拟使得工业生产空间和生活空间集中分布在峡谷底区域,而生态空间则较多分布在缓坡和陡坡区域.      

外加电流阴极保护中深井阳极的布置

针对某输油管道工程,为保障阴极保护效果的同时,减少阴极保护对周边金属构筑物产生直流杂散电流的干扰。结合现有相关标准规范以及阴极保护干扰的产生机理,对深井阳极的布置位置和阴极保护方案进行对比分析。由于该工程输油管道将分输库整体包围,如库外长输管道全部采取外加电流的阴极保护形式,无论阳极井如何布置,阴极保护电流均有可能对分输库内储罐等金属构筑物产生杂散电流干扰,此时阳极井的位置需从施工、维护、保护电流的发散以及投资等方面比选确定。为了实现外输管道得到有效保护,且最大程度减小阴极保护电流对分输库内储罐等金属构筑物的干扰,可采取对由分支点进出库区的成品油管道与干线绝缘,并对该部分管道施加牺牲阳极保护的形式。     

Statistical analyses of coastal water quality for a port and harbour region in India

A long-term study of temperature, pH, turbidity, suspended solid, salinity, dissolved oxygen, biochemical oxygen demand and ammonia nitrogen has been performed in a port and harbour region in India for four years from December 1996 to November 2000. Marine water quality results showed no regular trend. The mean monthly values of temperature, pH, turbidity, suspended solid, salinity, dissolved oxygen, biochemical oxygen demand and ammonia nitrogen were in the range of 22.64 ± 0.4 to 29.05 ± 1.37 °C; 7.65 ± 0.04 to 7.81 ± 0.13; 28.8 ± 14.7 to 64.2 ± 32.0 NTU; 283.5 ± 81.8 to 356.0 ± 159.7 mg/L; 29.78 ± 7.18 to 29.78 ± 1.04 ppt; 4.67 ± 0.50 to 6.01 ± 1.02 mg/L; 5.41 ± 1.92 to 7.56 ± 2.1 mg/L; and 0.25 ± 0.07 to 0.63 ± 0.49 mg/L, respectively. The results of correlation analysis showed that biochemical oxygen demand (BOD) was inversely correlated dissolved oxygen (DO) and poorly correlated with all other parameters. Turbidity and suspended solid were moderately correlated with each other while salinity was moderately correlated with other water quality parameters. In factor analysis, four factors were drawn out of the eight variables, which represented 74% of the variance of the original data. Factor I was related to suspended solid and turbidity. Factor II represented mainly temperature and DO showing inverse relation between these two. Factor III implied the degree of pollution at any monitoring station. Factor IV included pH and salinity. It could be concluded that the factor model represented almost all the variables.