Kokemäenjoen suiston kehitys, maaperämuodostumat ja niiden kemialliset piirteet

Suurelta osin Natura-alueeseen kuuluvan Kokemäenjoen suistoalueen kuivan maan ja suiston edustan vesialueen erityyppisten maaperäkerrostumien kerrosjärjestys ja alueellinen jakautuminen selvitettiin pintamaaperän kartoituksella, tutkimuskaivannoilla ja kairauksella. Suiston kerrostumat luokiteltiin viiteen maaperämuodostumaan. Vanhimmasta nuorimpaan, Toukari, Vainio-Mattila, Hevosluoto, Lanajuopa ja Säikkä muodostumaan. Nämä edustavat vanhoja Itämeren altaan ja nuorempia merelle päin etenevän suiston eri osien kerrostumisympäristöjä. Eri muodostumien fysikaaliset ja kemialliset ominaisuudet kuvattiin ja ne eroavat luonteeltaan ratkaisevasti toisistaan. Suiston etenemistä edustavat Hevosluoto- ja Säikkä-muodostumat ovat kontaminoituneet 1900-luvun alkupuolelta lähtien yhä voimakkaammin ihmistoiminnasta kertyvistä raskasmetallipitoisuuksista ja orgaanisista haitta-aineista. Tämä näkyy erityisesti elohopean, kadmiumin, arseenin, lyijyn, sinkin, nikkelin, dioksiinien ja furaanien kokonaispitoisuuksien kasvuna näissä muodostumissa. Pitoisuudet ovat suurimpia muodostumien nuorimmissa osissa. Kuivalla maalla raskasmetallipitoisuudet ylittävät paikoin valtioneuvoston pilaantuneelle maaperälle asettamat kynnysarvot, jolloin säädökset on huomioitava suiston maaperää muokattaessa. Vesialueella nämä kynnysarvot ylittyvät myös orgaanisten haitta-aineiden osalta. Tietyin osin ovat esimerkiksi arseenin ja nikkelin osalta taustapitoisuudet suistoalueen vanhimmassa Toukari muodostumassa jo luontaisesti kynnysarvoja suuremmat. Tämä pitää osata ottaa huomioon maansiirtotoimenpiteitä suunniteltaessa. Suistoon kerrostuvan maa-aineksen ja nopean maankohoamisen vuoksi suisto etenee nykyisin 30-40 m vuodessa merialueelle päin. Tämä mataloittaa vääjäämättömästi suiston edustan vesialueita kerrostumisen siirtyessä merelle päin. Näin myös Natura-alueen ainutlaatuiset biotoopit vähitellen siirtyvät merelle päin.

Mitigation possibilities to Greenhouse gas emissions from power production in India

Global warming is assertively the greatest environmental challenge for humans of 21st century. It is primarily caused by the anthropogenic greenhouse gas (GHG) that trap heat in the atmosphere. Because of which, the GHG emission mitigation, globally, is a critical issue in the political agenda of all high-profile nations. India, like other developing countries, is facing this threat of climate change while dealing with the challenge of sustaining its rapid economic growth. India’s economy is closely connected to its natural resource base and climate sensitive sectors like water, agriculture and forestry. Due to Climate change the quality and distribution of India’s natural resources may transform and lead to adverse effects on livelihood of its people. Therefore, India is expected to face a major threat due to the projected climate change. This study proposes possible solutions for GHG emission mitigation that are specific to the power sector of India. The methods discussed here will take Indian power sector from present coal dominant ideology to a system, centered with renewable energy sources. The study further proposes a future scenario for 2050, based on the present Indian government policies and global energy technologies advancements.

Parameter estimation for Chaotic or Stochastic Dynamics

Since its discovery, chaos has been a very interesting and challenging topic of research. Many great minds spent their entire lives trying to give some rules to it. Nowadays, thanks to the research of last century and the advent of computers, it is possible to predict chaotic phenomena of nature for a certain limited amount of time. The aim of this study is to present a recently discovered method for the parameter estimation of the chaotic dynamical system models via the correlation integral likelihood, and give some hints for a more optimized use of it, together with a possible application to the industry. The main part of our study concerned two chaotic attractors whose general behaviour is diff erent, in order to capture eventual di fferences in the results. In the various simulations that we performed, the initial conditions have been changed in a quite exhaustive way. The results obtained show that, under certain conditions, this method works very well in all the case. In particular, it came out that the most important aspect is to be very careful while creating the training set and the empirical likelihood, since a lack of information in this part of the procedure leads to low quality results.