排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
近年来,由于各地焚烧秸秆造成空气污染指数升高,空气质量明显下降,国务院就此也相应的出台了《关于加快推进农作务秸秆综合利用的意见》,提出了秸秆加工利用的目标任务,各级政府和职能部门也高度重视这项工作,分别结合当地实际提出了秸秆利用的具体意见,山西在今年的全省农村工作会上提出要树立“大食物”理念,全方位、多用途开发食物资源,实行以农载牧,利用玉米秸秆养牛、养羊,提高粮食消费替代率的构思,对保障粮食安全,增加农民收入具有重大的战略意义,同时提出一亩玉米秸秆养两只羊,两亩半玉米秸秆养一头牛的理论,通过不断出台的政策引导,扶持典型和好企业,加快企业在秸秆的饲料化、能源化、肥料化、基料化综合利用上资源的循环利用,减少废弃物和有害垃圾产生,更加有利于农业的可持续发展,但是这些政策的出台还远不能解决当前大部分秸秆的有效利用而产生焚烧,因此我认为还需要更好的认识秸秆综合利用的新途径,推进农业生产向发展节粮型畜牧业、提供食用菌资源、部分农村生活用能及有机资源,开辟一个更合理的出路,让农户不致于随意去露天焚烧,真正的让秸秆变废为宝。 相似文献
2.
根据安徽省环境保护局提供的2012~2013年空气污染指数(API)资料,对安徽省各地市空气质量级别、首要污染物等指标和空气污染指数的月、年均值进行了全面的统计分析及横向、纵向对比,得出安徽省空气污染的时空分布规律,并从多方面分析造成其规律变化的成因.结果表明,2013年安徽省API年均值、高值城市数量均显著高于2012年;安徽省空气质量以优良为主,2013年优良天数比例明显下降,Ⅲ1级污染以上天数也明显增加,出现V级污染的城市增加至7个,地域也扩大至安徽东南部;首要污染物以PM10为主,铜陵SO2污染相对严重.安徽省逐月的API分布有明显的时间、空间差异,API高值期有1、6及10 ~ 12月,整体上淮北>江淮>江南,东部>西部;API高值期有明显的北高南低的逐降形势,区域间差值较大;API低值期则存在中东部偏高,南北相对偏低,区域间差值较小.安徽省各地市的GDP构成、人口结构对API起到基础性贡献,而6月小麦秸秆焚烧期及10月水稻-玉米秸秆混合焚烧期造成PM10浓度急剧增加,对API起到高峰推动作用,安徽省地形也起到平原扩散、山区阻挡堆积的作用. 相似文献
3.
兰州市空气质量状况及与常规气象条件的关系 总被引:6,自引:0,他引:6
根据兰州市空气质量日报数据和同期的常规气象资料,研究了2001~2009年该市的空气质量特征,探讨了气象要素和城市空气质量之间的相互关系。结果表明:随着近年来该市开展大规模的环境综合治理工作,空气质量有了明显得改善。研究期间的空气质量以Ⅱ和Ⅲ级天气为主。主要污染物PM10、SO2、NO2年平均浓度在大部分年份超过国家空... 相似文献
4.
5.
6.
荣华 《绿色中国(A版)》2014,(8):34-36
同一时间同在一个办公室里的人们掏出了手机读取APP软件里的空气污染指数,你的26,我的49,他的68……十个手机能报出六七个不同的数据。于是,大家都疑惑了,此时此地APP污染指数到底该相信谁? 相似文献
7.
依据2006~2013年宣城市空气污染指数(air pollution index,API)日数据和相应时段的常规地面气象数据,利用SPSS对城市空气质量与气象要素进行相关统计分析。结果表明,宣城市空气质量以Ⅰ级和Ⅱ级天气为主,其中Ⅱ级天数占统计样本的77.9%,而Ⅲ级以上天数共有170 d,占统计样本的5.8%,整体空气质量较好;首要污染物为PM10,2012年以来有逐年严重的趋势。API周末效应指数分布区间主要集中在-20~20,变化趋势符合夏季低、冬季高的规律;气温、湿度、风速和能见度等气象要素与API指数关系密切,各季节相关性存在差异。 相似文献
8.
9.
API法及其在城市大气环境质量评价中的应用 总被引:6,自引:0,他引:6
采用空气污染指数API法对某城市2003年大气环境质量进行了评价。结果表明,2003年该市空气质量达到了国家二级标准,影响该市空气质量的主要污染物为可吸入颗粒物,主要污染时间为5、1、11、12月,影响因素为气象和人为活动;建议采取优化产业结构、改造锅炉和燃烧设备、大力发展和推广使用清洁能源、加快城市绿化和固化建设等污染防治对策;与其他评价方法相比,采用API法对大气环境质量进行评价可准确地揭示大气污染程度,是一种简便、直观且可靠的评价方法。 相似文献
10.
为更好的反映环境污染变化趋势,为环境管理决策提供及时、准确、全面的环境质量信息,开展城市污染预报研究是十分必要的。将BP神经网络模型引入到大气污染预测预报领域,利用石家庄市2005-2009年春季、夏季、秋季、冬季的4组数据分别建立了4个季节的日空气污染指数的预测模型,并用2009-2010年春季、夏季、秋季、冬季的数据作为独立样本进行预测检验,实验结果表明:通过设置初始权重、学习率、动态系数等参数使基于BP神经网络的大气污染预测模型的精度得到提高,预测值与实际值之间的平均相对误差小,预测值与实际值的相关系数高,得到了较好的预报效果,说明该模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法。 相似文献