简介:非常规油气储集孔隙结构复杂多样,以纳米级孔喉系统为主,局部发育毫米-微米级孔隙和裂隙。孔、裂隙大小、形态及三维连通性等微观结构特征对油气赋存状态、运移方式、渗流特征等地质问题研究具有重要意义。常规方法无法实现微纳孔隙多尺度三维结构及连通性分析。本文采用同步辐射多能CT技术,结合数据约束模型(DCM)方法对非常规油气储集微纳孔、裂隙研究,可实现多尺度三维可视化表征,进一步获得孔、裂隙体积统计分布及其三维连通结构等信息。基于上海光源显微CT实验平台,针对碳酸盐岩及陆相页岩两种样品,成功获得了孔、裂隙三维结构以及统计分布、三维连通结构等定量信息。实验结果表明,该方法有望成为非常规油气储集研究强有力的手段。
简介:本文搜集了2014年4月最新提交的附件B35个主要缔约方报告的2008—2012年土地利用、土地利用变化与林业(LULUCF),能源,工业过程,溶剂使用,农业及废弃物6个领域的温室气体(GHG)排放与吸收的数据,估算了第一承诺期各领域的相对减排贡献及各缔约方在各领域做出的减排努力。结果表明,各领域减排量占所有领域总减排量比例由大到小依次为:能源62.6%、工业过程13.9%、农业13.4%、LULUCF7.4%、废弃物2.6%和溶剂使用0.1%;各缔约方在各领域的减排量相当于其基准年总排放量的平均值由大到小分别为:能源8.7%、农业3.0%、LULUCF2.5%、工业过程1.3%、废弃物0.5%和溶剂使用0.1%。总体而言,能源领域是GHG减排的主导领域,农业和LULUCF起到辅助减排的作用;多数缔约方选择的LULUCF活动产生的核算结果表现为弱GHG吸收汇,其利用LULUCF活动履约的减排贡献相对较小,仅相当于能源领域减排量的12%,但对于新西兰和冰岛的贡献较大,其LULUCF活动产生的汇清除抵消了两国在其他5个领域GHG排放量的50%以上。
简介:废弃物处理温室气体排放的主要排放源之一为废水(生活污水和工业废水)处理CH4排放。根据统计资料和IPCC提供的方法,选择适合中国的排放因子,分析了中国废水处理2005—2010年的CH4排放特征和2000—2010年CH4产生的各驱动因子。并且根据中国的实际情况预测和分析了中国废水处理CH4排放趋势和排放潜力。结果显示:2010年中国生活污水处理CH4排放量为61.10万t,工业废水处理的CH4排放量为162.37万t,造纸等八大行业CH4排放量达到总CH4排放量的92%以上,2005—2010年的CH4排放量逐年增加;到2020年在减排情景下,生活污水处理CH4排放量为101.36万t,减排潜力为7.63万t,比2010年排放量增加了66%工业废水处理CH4排放量233.93万t,减排潜力为25.99万t,比2010年排放量增加了44%。
简介:2012年,中国房间空气调节器(空调器)保有量约为3.57亿台,依据抽样调查数据计算得到保有量装机容量,采用各省市夏季平均温度估算超过26℃的时间作为运行时间计算得出年电力消耗约3.28×10^11kW·h,折合碳排放约为318MtCO2当量。由于空调器国内需求量将进一步增长,预计到2030年保有量将达到当前的4~5倍。在电力结构不变情景下,空调器总体能效提高1倍,2030年空调器电力消耗产生的温室气体排放约为603MtCO2当量。假设空调器总体能效提高1倍、高能效产品消费比例进一步提高并伴随中国能源结构调整,如水电、核电、太阳能等低碳能源比例不断提高,在满足中国空调器需求的前提下,2030年中国空调器电力消耗产生的温室气体排放可以争取控制在当前的水平。
简介:金衢盆地连片、集中分布有较厚的第四纪古红土。选择汤溪(TX)加积型红土剖面进行了磁学、色度和粒度的测量,研究结果表明:1)剖面上段的表土层和均质红土层磁化率高,磁性矿物以亚铁磁性矿物为主;剖面中段的网纹红土层磁化率低,磁性矿物以不完整反铁磁性矿物(如赤铁矿)含量为主;剖面底部的黄色网纹化砾石层磁化率低,磁性矿物以不完整反铁磁性矿物为主。2)色度指标值(a*、b*、L*)偏高说明东部季风区湿热的气候条件,不同层位的差异说明不同层位具有不同的成土环境。3)粒度组成显示有一定的风成沉积特征,比较一致,以粉砂为主,但不同土壤层之间存在差异。剖面底部黄色网纹化砾石层可能为干冷的早期河流沉积环境;中部网纹红土层反映的是暖湿多水而且干湿交替变化频繁的沉积环境;上部均质红土层则反映了与现代区域气候相似的沉积环境。
简介:为了检验不同数值模式及多个模式的集合平均对山东地区10m日最大风速、2m日最高温度、2m日最低温度及降水的预报效果,利用2011年MM5、WRF-RUC、T639、日本及德国数值模式进行不同模式组合的集合平均,并对各组合进行TS评分检验。结果表明:晴雨预报,T639模式TS评分最高;对大雨以下等级降水的预报,T639模式24h预报的TS评分最高,MM5、WRF-RUC、T639、日本和德国模式集合平均48h和72h预报的TS评分最高;MM5、WRF-RUC和T639模式集合平均对大雨和暴雨24h预报的TS评分略高于单个模式。对3级以下弱风,T639模式预报准确率最高;对4级以上大风,WRFRUC及WRF-RUC三层集合平均的预报准确率最高;与单个模式相比,MM5、WRF-RUC和T639模式集合平均仅对3级风力预报准确率有所提高。MM5、WRF-RUC和T639模式集合平均对最低温度预报准确率最高,但集合平均对最高温度预报并未提高。