Using culturomics and social media data to characterize wildlife consumption

Wildlife provides food, medicine, clothing, and other necessities for humans, but overexploitation can disrupt the sustainability of wildlife resources and severely threaten global biodiversity. Understanding the characteristics of consumer behavior is helpful for wildlife managers and policy makers, but the traditional survey methods are laborious and time-consuming. In contrast, culturomics may more efficiently identify the features of wildlife consumption. As a case study of the culturomics approach, we examined tiger bone wine consumption in China based on social media and Baidu search engine data. Tiger bone wine is one of the most purchased tiger products; its consumption is closely related to tiger poaching, which greatly threatens wild tiger survival. We searched a popular social media website for the term “tiger bone wine” and focused on posts that were originally created from 1 January 2012 to 31 December 2018. We filtered and classified posts related to the purchase, sale, or consumption of tiger bone wine and extracted information on providers, consumption motivations, year of production, and place of origin of the tiger bone wines based on the texts and photos of these posts. We found 756 posts related to tiger bone wine consumption, 113 of which mentioned providers of tiger bone wine, including friends (53%), elder relatives (37%), peer relatives (7%), and others (3%). Out of the 756 posts, 266 indicated the motivations of tiger bone wine consumption. Tiger bone wines were consumed as a tonic (34%), medicine (23%), game product (30%), and a symbol of wealth (28%). Some posts indicated ≥2 consumption motivations. These findings were consistent with the search queries from Baidu index. Such information could help develop targeted strategies for tiger conservation. The culturomics approach illustrated by our study is a rapid and cost-efficient way to characterize wildlife consumption.     

哈长城市群县域碳排放空间溢出效应及影响因素研究——基于NPP-VIIRS夜间灯光数据的实证

基于2012-2016年NPP-VIIRS夜间灯光数据测算哈长城市群共计68个县级单元碳排放数据,采用空间自相关、位序规模法则、空间计量模型以及空间马尔科夫链模型,对县级尺度城市碳排放空间特征、影响因素和动态空间溢出作用进行分析.结果表明：①城市碳排放呈现逐年下降的趋势,空间Moran''s I指数表明研究区城市碳排放存在高度的空间自相关,碳排放的高值集聚性呈降低的趋势.②位序规模法则表明,研究区全部城市的碳排放属于次位型分布,高位次城市的碳排放表现突出;在前十位城市的碳排放规模先减少再增加,由分散向集中演变.③多种空间面板模型对比分析表明,城市经济水平和人口密度因素呈现显著的正相关关系;固定投资和外商投资因素仅在时间固定模型中起到正向影响作用;技术进步以及路网密度因素则起到显著的抑制作用.④空间马尔科夫链分析结果表明,城市碳排放空间溢出效应明显,位于低水平区域与高水平区域的城市在转移过程中保持稳定;位于中低水平区域的城市与高碳排放的城市相邻会降低转移概率,反之则会提升转移概率.     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

全球液化石油气运输网络贸易社区特征及其演化分析

液化石油气在全球清洁能源消耗市场中扮演着极为重要的角色,其通过船舶在不同港口之间进行运输,而港口之间通过局部密集的运输关系,形成了联系极为紧密的贸易社区。采用复杂网络社区探测方法,基于2013—2017年全球液化石油气船舶轨迹大数据构建运输网络,并对其贸易社区特征及其演化趋势开展分析。结果表明：（1）液化石油气（Liquefied Petroleum Gas,LPG）贸易社区内的港口之间的联系更加紧密,不同社区内的枢纽港口联系也日益紧密;（2）各个贸易社区的规模呈现出增长趋势,且同一社区内的港口在地理空间上变得更为集聚;（3）亚太地区、中东、西北欧和地中海地区形成的社区在全球LPG贸易中一直保持着重要地位,而随着时间推移,美洲社区已逐渐从一个相对孤立的社区发展成为与其他社区存在紧密联系的社区。     

基于网络数据的乡村旅游热点识别及成因分析——以江苏省为例

基于旅游网站数据,提出一种乡村旅游热点识别方法,以江苏省为例,运用趋势面、核密度、热点分析等方法探寻乡村旅游冷热格局及演变特征,并借助地理探测器揭示其时空演化的影响因素。结果表明：（1）江苏省乡村旅游热度的时间演化规律明显,年际变化呈“S”型演变轨迹;季节变化呈“三峰四谷”特征。（2）江苏省乡村旅游热度的空间结构在2009—2017年间经历了“单核—双核—三核”的演化过程,但其空间异质性依然显著,整体表现为“南高北低,东高西低”的差异特征。（3）影响因素在不同时段的影响强度各异,交通条件、服务能力一直是主导因素,经济水平对乡村旅游发展早期的热度提升有显著影响,资源禀赋的显著性趋于下降,生态环境和政府导向的影响力逐渐增强。基于网络数据的乡村旅游热点识别为乡村旅游定量研究提供了新的研究视角,对乡村旅游资源开发与区域合作具有重要的指导意义。     

厦门市冬季PM2.5污染情境识别及其与气象条件的关系

为研究厦门市冬季不同PM_2.5污染情境与气象条件和气团轨迹路径特征的关系,结合PM_2.5观测数据,使用AGAGE（Advanced Global Atmospheric Gases Experiment）统计方法识别2014—2018年冬季厦门市PM_2.5观测值、基线值和污染值情境,通过气象数据统计和气团后向轨迹聚类对不同PM_2.5污染情境下气象条件和气团轨迹路径特征进行探究.结果表明:①厦门市冬季不同PM_2.5污染情境下,ρ（PM_2.5）及PM_2.5污染值情境时长占比均呈波动中下降的趋势,具体表现为冬季PM_2.5观测值、污染值和基线值情境下,ρ（PM_2.5）平均值分别从2014年的42.2、90.7、16.4 μg/m3降至2018年的26.3、56.9、8.8 μg/m3,冬季PM_2.5污染值情境时长占比从2014年的10.2%降至2018年的3.0%.②冬季PM_2.5污染值情境下气象要素呈低风速、低气压、高温度、高相对湿度的特征.③冬季到达厦门市的气团轨迹路径中,局地路径由于大气条件稳定易累积形成PM_2.5污染;偏北路径和西北路径易从临近省份携带污染物输入导致PM_2.5污染,属于重要的外源污染输入路径;沿海路径和偏西路径均属于清洁路径,但沿海路径易在福建省北部与偏北路径重合形成污染输入,加强了偏北路径的污染物输送能力.研究显示,近年来厦门市冬季PM_2.5污染有明显减弱趋势,但不利的气象条件和外来污染输入仍会造成PM_2.5污染的发生.      

哈尔滨近地面O3浓度特征

伴随着经济发展和城镇化进程的加速,很多城市的臭氧浓度存在超标问题.本文选取2014—2017年哈尔滨城区污染数据及气象要素数据,对哈尔滨近地面层O_3时空分布特征及其与气象要素的关系进行了分析,结果表明:哈尔滨O_3日内单峰分布,最高值出现在下午14:00,最低值在清晨7:00.空间分布东南部最高,其次是南部,城中区较低.日间周末的近地面O_3浓度较高,而夜间工作日的O_3浓度较高.哈尔滨O_3浓度与平均气温正相关,与相对湿度负相关,与低于37 W·m~(-2)的紫外辐射正相关.     

大气自净能力指数的气候特征与应用研究

为了定量地评估污染气象条件对空气污染的作用并实现对空气污染潜势的预报,本文在城市大气污染数值预报系统（CAPPS）预报原理的基础上,定义了大气自净能力指数,并分别给出了采用气象站观测资料和通过数值模拟计算大气自净能力指数的方法.基于气象站观测资料的全国大气自净能力指数分析计算表明,全国大气自净能力最差的地区分布在四川盆地和新疆塔里木盆地,大气自净能力最强的地区分布在青藏高原、蒙古高原、云贵高原、以及东北平原和三江平原、山东半岛和海南岛;1961~2017年,京津冀、长三角和珠三角地区的大气自净能力指数呈下降的变化趋势,全年低自净能力日数呈上升的变化趋势.采用大气自净能力指数评估2014年北京APEC会议期间大气污染防控效果,表明在11月8~10日极端不利扩散气象条件发生时,减排措施使北京市空气质量AQI平均降低77%,使京津冀平原地区11个城市的空气质量AQI平均降低37%.基于国家气候中心月动力延伸气候预测模式（DERF2.0）的预报产品和中尺度模式（WRF）,建立了可以预测全国未来40d逐日大气自净能力指数的延伸期-月尺度大气污染潜势预测系统,回报实验表明,在大多数情况下可以提前15d预报出大气重污染过程;月尺度的大气重污染过程预报效果更大程度上取决于月动力延伸气候预测模式（DERF2.0）的预报准确率.     

海河下游水体中DO与NH_3-N、COD_(Mn)相关关系探讨

本文应用近年来海河下游监测数据对ＤＯ与ＮＨ３Ｎ和ＣＯＤＭｎ进行一元线性回归，得到两回归方程：ＮＨ３Ｎ＝－１２８ＤＯ＋１０５４；ＣＯＤＭｎ＝－１１３ＤＯ＋１６９２。并经相关系数和回归系数显著性检验，表明在９９９％的置信水平下ＤＯ与ＮＨ３Ｎ和ＣＯＤＭｎ线性相关均极其显著     

用EXCEL进行精密度-偏性分析质控数据处理

利用EXCEL强大的数据处理功能，可以方便地对精密度—偏性分析质控数据进行处理，具有较高的推广价值。