海岛整治修复工程竣(交)工质量评定检测招标公告[A3309221030004016007001]

发布时间: 2025年10月24日
摘要信息
招标单位
招标编号
招标估价
招标联系人
招标代理机构
代理联系人
报名截止时间
投标截止时间
关键信息
招标详情
下文中****为隐藏内容,仅对千里马会员开放,如需查看完整内容请 或 拨打咨询热线: 400-688-2000
相关单位:
***********公司企业信息
项目名称:
海岛整治修复工程
项目代码:
****
招标人:
名称:****
地址:嵊**菜园镇奇观路1号
联系人:欧焕康
电话:183****4883
代理机构:
名称:****
地址:
联系人:苏循华
电话:
项目概况:
招标条件:
招标内容、范围:
实施范围为海岛整治修复工程(包括各子项目①海岛整治修复工程箱子岙生态护岸建设工程;②海岛整治修复工程后头湾生态护岸建设工程;③海岛整治修复工程泗礁山岛李插段岸线修复工程及泗礁山岛高场湾海岸线修复工程;④海岛整治修复工程田岙沙滩排水口改造工程范围内的包括(但不限于)桩基、栖息床、立柱、墩台、种植槽、护栏、消浪孔、护轮坎、格栅盖板、防坠网、排水口改造箱涵、拆除混凝土及钢筋混凝土结构、土石方填筑、铺设表土、绿化等全部工作内容的竣(交)工质量评定检测,出具工程实体检测和外观检查报告,并配合建设单位对工程质量进行评定。检测参数及频率按关于印发《**省**工程竣(交)工验收实施细则》、《**省航道工程竣(交)工验收实施细则》的通知(浙交〔2021〕9 号)以及有关文件执行。具体检测内容详见工程量清单表。
招标规模:
(1)沙滩整治修复工程:花鸟山岛南岙沙滩、北岙沙滩,修复总面积约 2.24 万 m2,补沙量约 3.59 万 m3;嵊山岛大玉湾沙滩,修复面积约 0.87 万 m2,补沙量约 1.87 万 m3;泗礁山岛五龙乡田岙沙滩修复总面积约 2.86 万 m2,补沙量约 1.72 万 m3。另外,开展田岙沙滩排水口顺岸式改造,长度约 426m。 (2)退养还海工程:开展海水养殖退养还海 240 亩,包括海底废弃物清理。 (3)海岸带清理及修复工程 ①**山岛高场湾海岸线修复工程,对泗礁山岛高场湾约 810m砂质岸线进行生态植被修复,涉及面积约 24 亩。主要实施高场湾沙滩北侧退耕还林,种植固沙防风植被;提升三十八营南侧小沙滩生态绿植。 ②泗礁山岛李插段岸线修复工程,沿泗礁山岛李插线进行岸线防护林建设,长度约 6440m;建造生态礁石带 6 处;受损岛体修复 11处。 ③后头湾生态护岸建设工程,在枸杞岛后头湾沿线**生态护岸,长度约 408m。 ④在嵊山岛箱子岙沿线**生态护岸,长度约 442m。 ⑤峙岙湾清淤工程,清淤面积约 5.87 万 m2,清淤量 8.81 万 m3。
标段(包)划分:
海岛整治修复工程竣(交)工质量评定检测
标段(包)名称:
海岛整治修复工程竣(交)工质量评定检测
标段(包)编号:
A330********040****7001
标段(包)招标估算金额:
0.00元
资金来源:
财政
投标人资格能力要求:
是否接受联合体投标:
获取招标文件的时间、方式(访问电子招标投标交易平台的网址和方法):
招标文件获取时间:2025-10-24至2025-11-14,获取方法:凡有意参加投标者,可凭本企业CA数字证书登录**市数字招标交易系统(以下简称“电子交易平台”)(网址:https://jypt.****.cn:8181/TPBidder/memberLogin)下载招标文件(含图纸)和补遗书(补充、澄清、修改文件)。 电子标服务
递交投标文件的截止时间、方式: 标书代写
递交投标文件的截止时间:2025-11-14,递交方式:投标文件递交方式:电子投标文件采用网上递交的方式,上传至“**市数字招标交易系统”(网址:https://jypt.****.cn:8181/TPBidder/memberLogin)”。 本项目采用网上远程开标方式,无须提供纸质投标文件、证明等材料,投标人无须至开标现场。 开标网址:https://jypt.****.cn:8181/BidOpening/bidopeninghallaction/hall/login(**市公共**交易服务平台—系统入口—不见面开标(新))。 标书代写
发布公告的媒介:
本次招标公告同时在**省公共**交易服务平台台(https://ggzy.****.cn/zhejiangnew/index.html)、**市公共**交易服务平台(http://zsztb.****.cn/)上发布。
行政监督机构:
****运输局
电话:
0580-****241
来源平台:
**市数字招标交易系统
接收时间:
2025-10-24 17:03:03

招标公告.pdf

附件(1)
招标项目商机
暂无推荐数据