| Contact Us | CHT | Mobile | Wechat | Weibo | Search:
Welcome Visitors | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

Home

News

Forums

Realty

大温餐馆点评

Car

Education

Yellow Page

Travel

河南汝州救援队进涵洞围捕鳄雀鳝

QR Code
请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
对于像鳄雀鳝这样的凶猛外来物种,一方面是要尽快列入外来入侵物种名单,另一方面法律和法规要起到管理作用。




2019年佛山市公园抓获的一条鳄雀鳝。新京报资料图。


文 | 张田勘

近日,河南省平顶山市汝州市抽干湖水围捕“水中怪鱼”引发关注。相关直播画面显示超三千万网友在线围观。目前,当地已确定“湖中怪鱼”为鳄雀鳝,之所以如此兴师动众,抽干湖水围捕,主要还是担心鳄雀鳝伤人。

鳄雀鳝是北美洲南部特产淡水巨型食肉鱼,属史前鱼类,在地球上已生存1亿多年。鳄雀鳝对生态具有极强的破坏性,最长可以长到3米,只要是水里的活物,它几乎通吃。

此次事件发生地是汝州市的中央公园,整个公园有水系贯穿其中,南北长5.5公里,自北向南建有五湖,水面总面积约50.54万平方米。而此次抽水的云禅湖为人工湖,大约有数十万立方米的水量,水面面积达三百亩。

抽干数十万立方米的水,并非是件轻松的事。耗电不说,还要组织人力捉拿。有报道称,当地已抽水近一个月的时间。眼下,云禅湖湖水已经排干,但还没有捕捉到鳄雀鳝。专业人员分析称,鳄雀鳝可能躲到湖中的管道中。8月23日的媒体在线直播抓捕过程至晚上10时左右结束,有3700万人在线观看直播。一条外来食肉鱼,之所以引发如此广泛关注,除了好奇心使然,也反映出大家对自身所处生态环境安全的在意。


鳄雀鳝处于食物链顶端,且是食肉鱼,其所处又是在公园湖中,潜在危险不得不防。所以,尽管费时费力,在平常手段难以捕捉的情况下,抽干湖水围捕算是唯一可以阻止灾害发生的有效方式。

其实,类似情况在国内已多有发生。如今年8月初,北京市百旺茉莉园小区的居民在小区内的人工水系内看到了一条半米多长的鳄雀鳝。后来也是抽干了水,在小区业主的努力下,将鳄雀鳝捕捉。

这些事件再次提出了如何才能有效防止外来物种入侵的问题。如果把防范的关口前移,没有人买卖、没有人随意放生,就能很大程度上避免外来物种入侵,也就不会有今天大动干戈的捉拿。因此,把防范外来物种入侵的关口前移,遏制市场这种买卖生意,相比等外来物种已经在野外逃逸并可能造成生态灾害时才捕捉和消除,更加事半功倍。


将外来物种入侵的关口前移实际上就是加强管理,这既包括科学传播渠道的畅通,也需完善相关法律法规。

根据中国外来入侵物种数据库的统计,目前中国的外来入侵物种有71类共754种。但是,这些物种中有很多都是公众并不知道的。这就需要相关部门、科研机构定期定时向公众公布外来入侵物种有哪些,会造成什么危害,公众如何避免让这样的物种进入到国内等。

而且新的入侵生物还在扩大,如2019年入侵我国的草地贪夜蛾,尚未收入到《中国外来入侵物种名单》。我国于2003年至2016年,先后发布了四批外来入侵物种。现在,鳄雀鳝也尚未列入这个名单。

近期,农业农村部牵头,自然资源部、生态环境部等各部委将要推出一个新的全国重点管理入侵物种名录,即《国家重点管理外来入侵物种名录》,有关专家建议,要将鳄雀鳝列入其中,同时巴西龟、大鳄龟、“清道夫鱼”(学名豹纹翼甲鲇)、齐氏罗非鱼也在列入的建议之中。

名单目录的完善总要有个过程,但这其实在一定程度上导致一些外来物种可以顺利通过多种渠道进入国内并逃逸到野外。
点个赞吧!您的鼓励让我们进步     这条新闻还没有人评论喔,等着您的高见呢
Prev Page12Next Page
Note:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • _VIEW_NEWS_FULL
    _RELATED_NEWS:
    _RELATED_NEWS_MORE:
    _POSTMYCOMMENT:
    Comment:
    Security Code:
    Please input the number which is shown on the following picture
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    Page Generation: 0.0338 Seconds and 5 DB Queries in 0.0025 Seconds