云南鹤庆草海湿地资源保护与可持续利用对策

湿地是珍贵的自然资源,也是重要的生态系统,具有不可替代的综合功能。湿地保护对维护生态平衡,改善人居生态环境,实现人与自然和谐共处等都具有重要意义。本文针对鹤庆草海湿地保护管理存在的问题和困难,提出了鹤庆草海湿地保护与可持续利用的相关对策。     

贵州省高原水体浮游动物对抗生素的富集特征

以贵州省红枫湖、百花湖、阿哈水库及草海湿地为研究对象,收集其水库及湿地中的浮游动物,通过测定体中的抗生素含量,并结合水体中的相关水质参数,探讨高原水库及湿地中的浮游动物对抗生素的富集特征。结果表明,草海湿地浮游动物对抗生素磺胺对甲氧嘧啶有明显的累积作用,最高浓度含量为5.07 ng/g。水体中的浮游动物对抗生素富集有明显的季节差异,其主要是由浮游动物群落季节变化引起。此外,浮游动物对抗生素富集含量明显受到水体中的TN(总氮)、TP(总磷)及叶绿素a含量的浓度限制,且浮游动物体中的抗生素与富营养因子TN、TP及叶绿素a呈明显负相关,特别是抗生素脱水红霉素在浮游动物体的富集较为明显。     

唐锡阳绿色沉思与百家评点：草海对我说

通过与草海的心灵对话，作者从心底发出声音——大自然是我们的母亲。     

草海水体的微生物污染调查

草海──特别是沼泽地水域水体已受到不同程度的微生物污染（细菌总数平均值为４．２×１０￣５个·ｍｌ￣（－１）．大肠菌群数为２．６万个·Ｌ￣（－１））．其污染源主要来源于动物和人类粪便，这与湖区频繁的人畜活动，东北部县城部分工业和生活废水不经处理而排入草海，以及在草海沼泽地和湿地外沿旱地任意垦荒放牧等有密切关系。     

贵州草海斑头雁越冬觅食地选择

湿地生境可为水鸟提供保护场所、生存和繁殖所需要的能量以及种群延续的条件(Fretwell,1972;Heitmeyer,1980;Fredrickson,1981;Krapu,1981).生境的可利用性、分布和质量会影响越冬期水鸟的集群、活动、能量分配和繁殖过程(Fredrickson et al.,1979;Paulus,1980),同时会对水鸟的繁殖潜力造成影响(Miline,1976;Ankney,1977).生境选择通常会使生物分布非随机化,这是自然选择的结果(Southwood,1977;Martin,1998;Clark et al.,1999).这种非随机化分布方式的产生是由于生物体对环境因子具有选择性,即在相同生境中的随机区域选择位点进行测量,并将它们进行比较的结果(Wilson,1998).     

草海猎鱼遇险记

宇宙茫茫，自然苍苍，我自幼生活在大巴山、嘉陵江、渠江流域，那时这一带有许多湿地。当地人叫它“草海”。小时候我常去草海，草海湿地让我读到了岁月的沧桑与久远，从泥沼里逸出的，不仅仅是岁月风雨，还有历史以及无数飘落的命运。     

贵州草海湿地周边耕地土壤与农作物重金属污染特征

采集草海湿地周边主要农作物可食部分及对应根系的土壤样品,分析测试了重金属Cd,Cr,Hg,Pb,As和Zn的含量,对比研究了土壤和作物中重金属污染水平及对重金属的富集能力。结果表明:土壤重金属元素Zn,As,Cr平均含量未超过贵州省土壤元素背景值,其他3种重金属Pb,Cd,Hg平均值分别是背景值的1.24,1.44,7.5倍;与中国《食品中污染物限量》标准相比,除Hg平均含量超标外,蔬菜中As,Cr,Zn,Cd和Pb平均含量处在可接受范围内。6种重金属的单因子污染指数的高低依次是Hg > Pb > Cd > As > Cr > Zn,葱和萝卜处于安全水平,其余农作物处于警戒线;不同种类作物中重金属富集特征差异较大,菠菜对As,Cd,Hg,Pb的富集系数比其余作物高,萝卜叶对Cr和Zn的富集能力较强,重金属Cr富集系数最低的是玉米,Zn和Hg富集系数最低的是萝卜根,Cd和Pb富集系数最低为马铃薯,As富集能力最低的为白菜。     

两种鲫鱼血液红细胞测定与分析

为了解普安鲫鱼和草海鲫鱼血液生理特征,试验采用血涂片和血细胞计数方法分别测定其红细胞及核大小、红细胞数量和形态。结果表明:草海鲫鱼血液中存在一定数量核正处于分裂期的长椭圆红细胞;草海鲫鱼红细胞长径、短径和长短径比均明显大于普安鲫鱼,而红细胞核的短径则显著小于普安鲫鱼,虽然其红细胞的体积、核的长径和核的长短径比略大于普安鲫鱼,但差异不显著;2种鱼红细胞数量分别为(1.31±0.12)×1012个/L和(1.02±0.37)×1012个/L,草海鲫鱼红细胞数量大于普安鲫鱼。综合分析可知,2种鱼所处地理环境不同,是造成其血液红细胞的形态、大小和数量存在差异的根本原因。本研究结果可为2种鲫鱼血液生理、血细胞及其免疫学、遗传育种提供基础资料。     

滇池草海水质等级预测模型研究

综合考虑影响水质的不同类别因子之间的关系,为水质等级预测提供平均预测精度更高的模型。选取的p H、DO、CODMn、NH3-N、历史水质等级5个水质因子数据来源于中国环境保护部官方发布的水质数据,降雨量、光照时间2个气象因子数据来源于云南省气象局官方发布的气象数据。首先利用改进的灰色模型(Adaptive Grey Model,AGM)进行单因子预测,从而获取BP人工神经网络(BP Artificial Neural Network,BPANN)训练集和水质等级残差序列;然后使用经过训练集训练后的BPANN进行水质等级残差纠正;最后利用AGM模型得到未来水质等级,以滇池草海2006-2013年水质周报资料和气象资料为数据基础进行了仿真分析和验证实验。结果表明:(1)AGM模型对水体因子和气象因子的单项指标预测理想,保证了作用于BP人工神经网络数据的可靠性,同时降低了预测误差的传输;(2)来源于中国环境保护部与云南省气象局的数据保证了水质等级预测中数据的权威性,采用AGM-BPANN组合模型预测滇池草海水质等级精度达到90.2%,说明模型适用于同一地区短时间内的水质变化研究;(3)AGM-BPANN组合模型借助BP网络的高维非线性克服了数据突变对预测的影响,在AGM预测基础上,通过纠正预测残差获得最终的水质等级值,实现了对滇池草海短时间内水质的预测。