SUSTAINABILITY AT THE LOCAL LEVEL: MANAGEMENT TOOLS AND MUNICIPAL TAX INCENTIVE MODEL

The implementation of sustainable development may seem a simple concept when written on paper. However to carry-out long term actions put forward by the Agenda 21 (AG21) at the local level represents one of the main challenges as municipal governments in general do not have the capacity to effectively implement the process. Regional environmental assessment (REA) has shown to be effective in supporting decision-making not only to correct environmental problems due to past unsustainable social-economic developments but also help local governments to implement sustainable actions. However this requires long-term investments of AG21 plans and projects. The allocation of regular and consistent financial resources is one of the main ingredients for the sustainable development process. But traditional plans and projects financed by national and/or international funds may not be sustainable in the long-term because they become dependent on external funding. Research demonstrate that innovative economic instruments such as ecotaxes represent a feasible alternative to sponsor local sustainability because taxes are collected permanently by the government and could be invested in continuous actions. Ecotaxes experiences have provided important reference to structure a municipal incentive model (MIM) to sponsor AG21’s environmental plans and projects on a long-term (permanent) basis. However sustainable development cannot be solely through economic investments. A comprehensive municipal environmental management scheme (MEMS) has been established to support the incentive model. The scheme seeks not only to improve local institutional framework but also incentive continuous participation of local stakeholders at all levels of society. Participatory events and the provision of incentives (educational and financial) are key to motivate society to protect the environment and support actively the sustainable development process as emphasised in the RIO-92 Conference.     

爆炸事故过程分析中不确定性问题处理方法

针对事故过程分析中的不确定性问题,指出了不确定问题在危险分析中的重要性及处理该问题的复杂性和难点,列出了几种基于非线性数学方法处理不确定问题的基本方法,如微分法、MonteCarlo模拟、Fourier方法、响应表面法等,并对之进行了比较.建议在处理事故过程的不确定性时采用Monte Carlo模拟.     

关中地区飑线天气的预测及灾害对策探讨

对１９６１～１９９０年发生在陕西省关中地区的飑线天气及其灾害进行了统计分析，并从天气形势背景方面对飑线的发生发展进行了研究和分析，同时就飑线的预测和防灾对策进行了探讨。     

新疆石化工业区颗粒物含水量和酸度对二次无机组分形成的影响

大气二次污染物是新疆独山子区大气污染物的重要组成部分,研究大气中二次组分的转化过程对区域大气污染治理有着重要意义.对新疆独山子区2015年9月至2016年7月采集到的样品进行水溶性组分分析.结果表明,水溶性无机离子(TWSIs)表现出与PM_(2.5)一致的季节变化,为冬季(67.86μg·m~(-3))秋季(13.77μg·m~(-3))春季(10.09μg·m~(-3))夏季(4.85μg·m~(-3));冬季二次无机离子(NH~+_4、SO~(2-)_4和NO~-_3)占TWSIs的98%;结合气溶胶热力学模型(E-AIM)探讨独山子区大气颗粒污染物中颗粒相含水量以及颗粒酸碱性;表明独山子区颗粒物呈酸性,年均原位pH为0.81,其中冬季样品的pH(2.93)值最高;颗粒含水季节变化为冬季(331.32μg·m~(-3))秋季(5.91μg·m~(-3))春季(5.46μg·m~(-3))夏季(1.62μg·m~(-3));年均氮氧化率(NOR)和硫氧化率(SOR)分别为0.13和0.47,表明区域污染物存在二次转化;进一步分析表明颗粒相中的硫酸盐质量浓度受到颗粒含水量和颗粒酸碱度的影响较为明显;高的颗粒相含水条件下区域硝酸盐的形成主要以非均相反应为主.     

长春秋季生物质燃烧对PM2.5中WSOC吸光性的影响

为探究长春秋季生物质燃烧对PM_(2.5)中水溶性有机碳(water-soluble organic carbon,WSOC)吸光性的影响,于2017年10～11月进行PM_(2.5)样品采集,对PM_(2.5)中碳质组分、糖类化合物和WSOC的光吸收特征参数进行分析.研究表明:长春秋季PM_(2.5)中WSOC、有机碳(organic carbon,OC)、元素碳(elemental carbon,EC)的平均浓度分别为(10.12±3.47)、(17.07±5.64)和(1.34±0.75)μg·m~(-3),二次有机碳(secondary organic carbon,SOC)对OC的平均贡献率为38.93%.长春秋季总糖浓度为(1 049.39±958.85)ng·m~(-3),其中作为生物质燃烧示踪剂的脱水糖含量(左旋葡聚糖、半乳聚糖和甘露聚糖)在总糖中占比为91.69%,糖类相关性分析结果显示生物质燃烧源为长春秋季大气中糖类物质的主要贡献源.糖类物质的相关性分析及3种脱水糖的特征比值研究显示,作为长春秋季大气主要污染源的生物质燃烧的类型是硬木和作物残渣的燃烧.长春秋季WSOC的光吸收波长指数(AAE)为5.75±1.06,单位质量吸收效率(MAE)为(1.23±0.28)m~2·g~(-1),表明生物质燃烧对WSOC吸光性具有重要影响.利用生物质燃烧特征源参数量化计算生物质燃烧对WSOC浓度的贡献达58.82%,对总WSOC光吸收的贡献达40.92%.     

郑州市春季大气污染过程VOCs特征、臭氧生成潜势及源解析

利用GC5000在线气相色谱仪于2018年4月15日～5月15日对郑州市城区环境大气挥发性有机物(VOCs)进行监测,开展其污染特征、臭氧生成潜势(OFP)和来源解析研究.结果表明,监测期间,郑州市春季VOCs平均体积分数为40.26×10~(-9),非污染日和污染日VOCs平均体积分数分别为35.82×10~(-9)和44.12×10~(-9),污染日相较非污染日增长23%;VOCs物种对OFP的贡献表现为烯烃芳香烃烷烃炔烃;源解析结果显示监测期间郑州市VOCs主要来源是LPG源(66.05%)、机动车源(47.39%)、工业溶剂源(37.51%)、燃烧源(37.80%)和植物排放源(11.25%),且污染日的LPG源和植物排放源的贡献率较非污染日增长22.92%和68.50%.     

北京市农业机械排放因子与排放清单

利用车载排放测试技术对典型的联合收割机、拖拉机、农用运输车和农田建设机械实际工况下的尾气进行测试,建立了实际工况下农业机械的排放因子和2017年北京市农用机械排放清单.结果表明,不同的工作状态对农业机械尾气排放有较大的影响,怠速和行走时CO、NO_x、HC和PM排放趋于平稳;而切地和翻地模式下的波动较为明显.根据各类机械的分类和排放标准对排放因子进行细化,建立了较为完整的实际工况下的排放因子.根据农业机械排放因子和燃油消耗量计算出2017年北京市CO、NO_x、HC和PM的排放量分别是2 566.60、 1 239.29、 563.08和538.32 t.拖拉机、运输机械和联合收割机的污染物总量占CO、NO_x、HC和PM这4种污染物总量的98%、 95%、 95%和98%.因此,农用拖拉机、运输机械和联合收割机在农业机械污染减排中应作为重点控制对象.