我国区域空气污染治理效率及其影响机制——基于超效率SBM模型和门槛回归模型

随着人民对美好生活需求的日益增长,政府空气污染治理的效率问题日益得到重视。本文从地方政府空气污染治理效率及其影响因素的视角入手,以全国30个省份为研究对象,运用超效率SBM模型测算2003—2015年各省级区域的空气污染治理效率。在此基础上,运用门槛回归模型分析政府空气污染治理效率的影响机制。研究表明:①地区间空气污染治理效率差异性较为显著。中部、西部空气污染治理效率整体呈下降趋势。东部和东北地区空气污染治理效率则上升比较平稳。②政策规划、碳源、污染物排放和环境治理投入表现出双重门槛特征,其中碳源对空气污染治理效率影响显著,而以碳为首的能源消费结构则主要对中部和西部空气污染治理效率产生影响。落后地区政府应注重产业升级,财政上应对碳税等税目进行征收,产业上应鼓励企业创新,并对落后企业进行倒逼升级。     

高铁网络可达性测度及经济潜力分析——以安徽省为例

高速铁路的开通给沿线城市的建设带来了重大影响。基于可达性测度以及修正的经济潜力模型,利用GIS对安徽省高铁可达性以及经济潜力进行深入分析。研究表明:(1)高铁开通后安徽省可达性显著提高,但总体格局保持不变,呈现出以合肥为中心,淮南、芜湖等地为副中心的"多核心"模式。池州、铜陵两城市可达性上升幅度最大,黄山紧随其后,芜湖、滁州变化最小。高铁开通后,滁州可达性排名下降5名,下降幅度最大,合肥、淮南、黄山最为稳定,其他城市均有小幅变化。(2)可达性的提升对城市经济潜力造成了一定影响,总体呈现出以合肥为中心的外围扩展模式。池州、铜陵经济潜力增长最为显著,黄山位列第3,可达性的提升直接影响了池州、铜陵、黄山三市的经济发展。高铁开通后,合肥、芜湖经济潜力排名始终位于前二,传统经济中心地位不变。马鞍山排名上升4名,幅度最大,池州、黄山两市处于末端,经济潜力仍然较为薄弱。(3)高铁开通后,时空收敛效应明显,可达性的提升令城市经济潜力增长显著,但受多方面因素影响,可达性与经济潜力呈现不完全契合关系。     

中国FDI环境效应的再检验

改革开放以来,外商直接投资(FDI)的涌入为中国经济发展注入了新活力,并成为中国经济高速增长的重要引擎之一。然而,随着康菲石油渤海漏油事故、江苏启东王子造纸排污和阿玛尼污染投诉等涉外污染事件报道频出,学术界对于FDI涌入可能带来的负面环境效应表现出一定担忧。现有文献多聚焦于整体层面的FDI环境效应检验,而对其区域差异及原因产生机制的系统探究并不多见。为此,本文从理论判断和命题推演出发,利用2003—2014年中国省际面板数据,以改进熵值法拟合环境污染综合指数,并构建普通面板模型,实证检验了FDI流入对中国环境污染的影响及其区域差异。结果表明,总体而言,"污染光环"假说在中国基本成立,即FDI流入在一定程度上改善了中国环境质量,但不同地区FDI的环境效应有所不同,其主要表现为沿海和内陆地区FDI具有显著的"污染光环"效应,且前者强于后者,而沿边地区FDI具有不明显的"污染天堂"效应。在此基础上,构造面板门槛模型,进一步系统考察了FDI对中国环境污染影响的4种主要吸收能力因素的门槛效应。门槛回归结果表明,FDI对中国环境污染的影响显著存在基于经济发展、环境规制、人力资本和金融发展水平的双门槛效应。经济发展、人力资本和金融发展水平越高,FDI的"污染光环"效应越明显,而适度的环境规制才更有利于FDI环境技术溢出的发挥。基于此,本文建议应进一步全方位地提高对外开放水平,一如既往地积极引进并监督FDI;同时地方政府也需认清地区发展的不平衡性,进而采取差异化的引资政策。     

CLUE-S模型对村镇土地利用变化的模拟与精度评价

利用航片、IKONOS和Quickbird影像得到研究区3期（1991、2001和2009年）土地利用历史数据，运用CLUE S模型，基于1991、2001年的土地利用数据对2009年土地利用格局进行模拟预测，并将模拟结果与2009年真实土地利用数据进行比较。类型水平上，选择ROC曲线统计和偏离度指数分别对各地类的Logistic回归拟合精度和CLUE S模型模拟精度进行评价；景观水平上，采用景观指数和Kappa指数系列方法，从综合预测能力、景观格局、数量和空间位置等方面对CLUE S模型的模拟精度进行全面评估。结果表明:①CLUE S模型对各土地利用类型的模拟精度均较高，各地类的Logistic回归的拟合精度随着模拟分辨率的提高而逐渐增加；②随着模拟时间的缩短，CLUE S模型对整体景观格局的模拟精度提高；③该模型对土地利用数量的模拟精度明显优于其对空间位置的模拟精度。总体而言，CLUE S模型在村镇尺度的模拟效果良好，预测精度较高，但在空间位置和景观格局精度方面还有待提高     

Land use planning and wildfire risk mitigation: an analysis of wildfire-burned subdivisions using high-resolution remote sensing imagery and GIS data

This paper evaluates risk factors that influence the probability that a house will burn from wildfire. A logistic regression is used to analyse data processed from pre-fire and post-fire IKONOS images and other geo-referenced data. The dependent variable is the probability that a given house will burn. A total of 12 independent variables are evaluated: vegetation density; area of defensible space; adjacency of a parcel to public lands; proximity of a house to fire station; road width; road type; parcel size; subdivision morphology; assessed value; elevation; slope and aspect. Model results generally support dominant land use planning and design strategies for wildfire risk reduction including vegetation treatments, site selection with respect to topography, and improving access to fire stations.     

基于移动监测和土地利用回归模型的上海市近地面黑碳浓度空间模拟

黑碳(BC)是大气污染物的重要组成部分,对空气质量与人类生活健康产生重要的影响.本研究采用移动样带手段开展上海市近地面BC浓度监测,分析其基本统计特征和空间分异性.在此基础上,利用土地利用回归模型(LUR),探讨人口密度、经济产值和交通道路网密度等因素对上海市近地面BC浓度空间分异的影响.结果表明上海市近地面BC平均浓度为(9.86±8.68)μg·m~(-3),空间差异明显,郊区[(10.47±2.04)μg·m~(-3)]比市中心地区[(7.93±2.79)μg·m~(-3)]高32.03%(2.54μg·m~(-3)).气象要素(风速和相对湿度)和交通道路变量(路网长度、省道距离、高速距离等)显著影响上海市近地面BC浓度(r为0.5~0.7,P0.01).基于气象和交通道路变量的LUR模型能较好模拟上海近地面BC浓度(调整后R2为0.62~0.75,交叉验证R2为0.54~0.69,RMSE为0.15~0.20μg·m~(-3)),其中100 m和5 km缓冲距离的LUR模型相对较优,在一定程度上表明上海市近地面BC浓度主要受气象要素和交通源的影响.本研究有利于加深对上海市BC浓度空间分布格局及其影响因素的客观认识,可为模拟和预测BC对人类活动和自然环境的响应机制提供科学依据和理论支撑.     

供水管网铁释放的影响因素相对重要性分析

供水管网的铁释放问题近年来日益受到关注.影响供水管网铁释放的因素众多,本研究选取了pH、溶解氧(DO)、碱度(Alk)、硬度、氯离子(Cl~-)、硫酸根(SO_4~(2-))、温度(T)和水力停留时间(HRT)这8个影响因素,利用逐步回归和偏相关分析,建立了铁释放的非线性幂指数模型,并用标准化回归系数和偏相关系数比较了这些因素的相对重要性.结果表明,铁释放模型拟合效果良好;用标准化回归系数衡量影响因素相对重要性时,SO_4~(2-)、HRT、Cl~-和T是相对重要的因素,相对重要性排序为SO_4~(2-)≈HRTCl~-T;用偏相关系数衡量时,HRT、SO_4~(2-)、Alk、Cl~-和T是相对重要的因素,排序为HRTSO_4~(2-)AlkCl~-T.综合两种系数的分析结果,HRT、SO_4~(2-)和Cl~-是本研究条件下相对重要的因素,T和Alk的相对重要性视实际情况变动.     

基于神经网络的碳排放预测及影响因素分析

基于新疆1995—2014年农业生产碳排放源,建立碳排放关系数据库。应用广义神经网络(generalized regression neural network,GRNN)构建了排放量预测模型,结合平均影响值(mean impact value,MIV)方法对碳排放影响因素进行量化。结果表明:1)GRNN模型预测碳排放的平均绝对百分误差和拟合优度分别为2.7860%和0.8720;2)新疆人口、人均GDP、农业贡献值、农机总动力和农户固定资产投资等因素对农业生产碳排放的影响程度分别为0.6210、0.2377、0.3698、0.8500和0.1000。该成果可为新疆碳排放总量分析和影响因素量化方面提供参考。     

基于GIS和LUR模型的西安市PM2.5浓度空间分布模拟研究

基于地理信息系统GIS和土地利用回归LUR模型,模拟西安市PM2.5浓度空间动态分布,结果表明:与PM2.5浓度相关性最高的分别为缓冲区为2 km的水域面积、人口密度和距离水域距离,R 2分别为0.501,0.393和0.280;与PM2.5浓度相关性最低的分别为缓冲区为4 km的水域面积、未利用地面积和耕地面积,R 2分别为0.039、0.021和0.017.未考虑风速建立的LUR模型多元回归的相关系数为0.856,R 2为0.733,考虑风速的相关系数为0.892,R 2为0.796,表明风速对于污染物的分布影响较大,LUR模型模拟效果较好.模拟的PM2.5年均浓度高风险区分布于中部,中风险区分布于中西部,低风险区分布于东南部和西部.     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。