大气环境影响评价工作分级要求要点

根据大气环境影响评价工作的分级要求,提出了针对性的工作要点,以满足大气环境评价工作的需要.     

稳定同位素混合模型揭示的长江下游新石器时代人群摄食策略

长江下游地区是稻作农业的主要起源地之一。然而,水稻对长江下游新石器时代人群饮食的贡献程度仍不清晰。稳定同位素混合模型能够量化揭示长江下游地区史前人群的摄食策略。系统收集长江下游地区已发表的人骨、动物骨和植物稳定碳氮同位素数据,基于稳定同位素混合模型,对长江下游地区新石器时代人群的摄食策略进行研究。结果发现：距今7.0—5.3 ka长江下游地区人群可能摄食多种动植物资源,该时期水稻对人类饮食的贡献与其他植物资源基本相当。距今5.3—4.3 ka,水稻已超过其他动植物资源,成为美人地遗址人群的主要食物资源。研究揭示了长江下游新石器时代文明化进程与稻作农业发展具有同步性,狩猎采集经济则为该区域文明化进程起到基础支撑作用。     

浙江省酸雨的空间分布格局及其未来变化趋势预测

利用浙江省1992、2002年的酸雨监测数据,并利用RAINS-ASIA模型模拟了1990-2030年浙江省酸雨前体物(SO2)的排放量,以及酸沉降超临界负荷面积占研究区域面积比例的变化情况.结果表明,浙江省的酸雨分布范围不断扩大、危害程度不断加重;未来一个时期内,SO2排放量都会维持在较高的水平;酸沉降超临界负荷面积所占比例在经历较快的增长阶段之后,会维持在较为恒定的水平,并呈现出明显的时滞性.     

中亚热带次生林成林规律及经营技术研究——Ⅱ.次生林的演替规律

本文研究了湖南省中亚热带次生林的种群动态,建立了静态生命表、存活曲线、结构模型以及材积或生物量动态模型,提出了中亚热带次生林的演替基本模式。     

农药对农田蜘蛛生态效应的研究进展

农药对农田蜘蛛的生态效应是进行农田害虫综合防治的生态学基础.本文综述了农田蜘蛛接触和吸收农药的主要途径、农药对蜘蛛的生态效应、蜘蛛对农药的抗性以及农药对蜘蛛的致死效应等研究现状.关于农药对农田蜘蛛亚致死效应的研究,特别是分子、生化、生理、行为等方面的异常,国内外报道不多,因此这方面的研究工作有待于进一步加强.参47     

中空纤维微滤膜污染及阻力分析

选用0．1μm的PVDF中空纤维内压式微滤膜组件，在死端微滤工况下，研究了酵母（平均粒径5．3μm）和高岭土（平均粒径0．7μm）体系在浓度和压力变化时的污染机理及过滤阻力、膜渗透通量的变化规律性。通过恒压堵塞定律积分式的具体形式与实验数据的拟合及根据堵塞过滤定律计算的结果都表明：死端微滤时，酵母体系和高岭土体系均符合滤饼过滤机理。     

城市大气质量模式研究进展

本文通过对大气质量模式发展历史的回顾,及其发展趋势的讨论,认为城市大气质量预报模式的建立与发展主要受以下三个动态因素的支配：（１）政府环境管理目标;（２）科学进步;（３）计算机及信息处理和通讯技术。结合三要素就建立我国城市空气质量预报系统框架进行了讨论。     

粘性泥石流运动模型的实验研究

粘性泥石流运动模型的研究因受实验条件的限制,还很不完善。国内外学者应用较多的５种模型都有一定的适用性,但也都存在不同的缺陷。本文应用粘性泥石流土样中的细颗粒和粗颗粒进行流变实验,不仅得到了粗颗粒在浆体中的沉降特性和泥石流体的流变特性,还研究了粘性泥石流运动模型及其参数。所提模型能很好地反映泥石流体的流变特性,较现有的５种模型能更好地描述粘性泥石流。     

基于数字流域的水文过程模拟研究

考虑流域下垫面空间变异性,基于数字高程模型构建了数字流域,并在此基础上对描述流域水文物理过程的数学方法进行了探讨,文章认为,数字水文模型是一种有物理基础的包含大容量信息的现代模拟灌河实例研究表明,数字水文模型可以十分方便地输出水文要素和状态变量的空间分布与时间序列,这对充分利用现有观测信息进行水文信息的深层挖掘创新了条件。     

Semi-parametric statistical approaches for space-time process prediction

The problem of estimation and prediction of a spatial-temporal stochastic process, observed at regular times and irregularly in space, is considered. A mixed formulation involving a non- parametric component, accounting for a deterministic trend and the effect of exogenous variables, and a parametric component representing the purely spatio-temporal random variation is proposed. Correspondingly, a two-step procedure, first addressing the estimation of the non- parametric component, and then the estimation of the parametric component is developed from the residual series obtained, with spatial-temporal prediction being performed in terms of suitable spatial interpolation of the temporal variation structure. The proposed model formula-tion, together with the estimation and prediction procedure, are applied using a Gaussian ARMA structure for temporal modelling to space-time forecasting from real data of air pollution concentration levels in the region surrounding a power station in northwest Spain.