城市内部尺度PM2.5传输关联方法研究—以北京市为例

基于数据驱动思想,以城市内部环境空气质量监测站点为研究对象,建立了目标站点与周边站点间PM_2.5浓度、风向、风速、欧几里得距离等参数的多元线性关联回归模型,使用梯度下降算法学习得到各参数权重系数,计算得出周边站点对目标站点PM_2.5传输贡献,并评估了模型的可行性.以北京市丰台花园（FT）为目标站点的应用研究结果显示,2016年FT站点PM_2.5浓度为82μg/m³,周边站点大兴（DX）、房山（FS）、亦庄（YZ）、东四环（DS）、古城（GC）和万柳（WL）浓度分别为93,82,80,79,77,71μg/m³;FT站点PM_2.5浓度与上一时刻周边站点WL、GC、DX、YZ的相关性分别为0.634、0.631、0.608和0.601,显示其对FT站点PM_2.5污染传输显著;建立的4个季节关联回归模型RMSE值分别为13.22、11.74、12.51和13.22,PM_2.5模拟浓度与监测浓度变化趋势一致,验证了模型的可行性;WL、DX、YZ、GC分别是对应春、夏、秋、冬4个季节对FT站点PM_2.5污染传输贡献较大的站点,其贡献值分别为1.61%、1.71%、2.20%和8.57%.该模型解析的结果可为北京市未来城市规划、建设提供依据,提出的PM_2.5传输多元线性关联回归方法同样可用来解析其他城市内部尺度PM_2.5传输关联,为挖掘城市内部PM_2.5传输路径、精准溯源提供基础.     

浙江省O3浓度时空格局及驱动因子

气象因子对臭氧(O₃)浓度有重要影响,为探索O₃浓度时空变化及相关因子,利用多元线性回归和后向轨迹聚类分析2014—2019年浙江省O₃浓度和气象因子数据. 结果表明:①浙江省O₃浓度时空分布不均匀,季节性变化差异显著,总体呈夏季>秋季>春季>冬季的特征,年均值呈上升趋势;春季、夏季、秋季和全年O₃浓度均于07:00左右达最小值,之后呈上升趋势,至15:00达峰值后降低,冬季O₃浓度最小值出现时间较其他季节晚1 h左右. 高浓度O₃主要分布在浙江省东北部及北部区域. ②多元线性回归模型结果表明,多元线性回归模型影响因子和拟合效果存在季节性差异,其中,春、秋两季蒸发量对O₃浓度的贡献率均超过20%,夏季相对湿度对O₃浓度的贡献率超过40%,秋季日光照时长对O₃浓度的贡献率超过40%,秋、冬两季NO₂浓度对O₃浓度的贡献率均超过35%. 春季多元线性回归模型均方根误差(RMSE)、均方绝对百分比误差(MAPE)和变异解释量(R2)分别为0.213、26.45%和0.422,夏季分别为0.234、30.49%和0.359,秋季分别为0.169、24.02%和0.445,冬季分别为0.154、34.14%和0.419. 研究表明,浙江省O₃浓度具有显著的时空分布特征,多元线性回归模型拟合结果在浙江省春、秋两季显著优于夏、冬两季.      

社会资本对农村贫困代际传递影响机制研究

社会资本在反贫困领域的重要作用已被理论和实践所证实。在新时代脱贫攻坚的决胜阶段,有效发挥社会资本的周急济贫功能,缓解乃至阻断贫困代际传递,已成为当前反贫困战略推进中亟待探讨的问题。研究整合了四期中国家庭追踪调查(CFPS 2010、2012、2014、2016)个体家庭和村庄的嵌套数据,建立了“认知型”和“结构型”两种类型以及“个体家庭”和“村庄”两个层级的社会资本框架,并基于探索性因子分析构建了社会网络、社会信任、社会声望、社会参与、集体参与以及公共服务6个社会资本变量。研究利用HLM软件构建了多层广义线性模型(HGLM),通过四阶段的空模型、截距模型、随机效应模型以及完整模型分析了绝对贫困背景下社会资本对农村贫困代际传递的影响机制。研究结果表明:①个体社会资本总量与贫困代际传递呈显著负相关。②在个体家庭层面,社会网络、社会声望、社会参与对贫困代际传递有显著负向影响,但社会信任和地方信任对贫困代际传递的影响并不显著。③在村庄层面,公共服务对贫困代际传递具有显著负向影响,集体参与对贫困代际传递具有显著正向影响,且公共服务水平对社会网络和贫困代际传递具有正向调节作用。研究提出要大力培植贫困群体和乡村两个层级的社会资本以缓解农村贫困代际传递趋势:①要通过协调“乡政”与“村治”以形成良性的乡村治理格局。②要促进精准扶贫与乡村振兴战略紧密衔接,在保障个体脱贫的同时完善农村公共服务及基础设施建设,推进城乡基本公共服务均等化;③须提振贫困群体脱贫信心,增强村级自治与集体参与的水平和能力。     

基于MGWR的黄河流域土壤有机碳密度和影响因素分析

土壤有机碳作为最大陆地碳库,其空间分布特征和影响因素对于全球碳循环过程具有重要影响.基于土壤有机碳密度数据,结合环境因子,使用多尺度地理加权回归（MGWR）模型预测了黄河流域土壤有机碳密度（SOCD）和影响因素.结果表明：①黄河流域0~20 cm和0~100 cm的SOCD范围分别为0~14.82 kg ·m^-2和0~32.39kg ·m^-2,均值分别为3.48 kg ·m^-2和8.07kg ·m^-2,储量则分别为2.76 Pg和6.48 Pg;②各生态系统类型中,0~20 cm的SOCD从大到小依次为：森林>水体与湿地>其他>草地>农田>聚落>荒漠,0~100 cm的SOCD从大到小依次为：水体与湿地>森林>其他>草地>农田>聚落>荒漠,SOCR从大到小皆为：草地>农田>森林>荒漠>水体与湿地>聚落>其他;③黄河流域SOCD的分布主要受常数项、剖面曲率、NDVI和降水的影响,曲率和粉砂对深层的SOCD的分布也具有重要影响;此外,降水、NDVI和常数项（除森林外）是影响各生态系统的主要因素,曲率和粉砂则仅对荒漠和其他生态系统具有重要影响.研究结果得出了黄河流域SOCD的空间分布和影响因素,可为黄河流域碳平衡、土壤质量评价和生态治理恢复与巩固提升提供科学依据.     

甘肃省城镇化质量测度

城镇化质量能全面反映城镇化进程,是城镇化进程的集中体现.在界定城镇化质量内涵的基础上,构建城镇化质量测度指标体系,利用熵权法对甘肃省87个县域2001-2012年的城镇化质量进行测度,以ArcGIS 9.3和Geo da为平台,分析城镇化质量的时间、空间演化格局特征并可视化表示.结果显示:甘肃省城镇化质量整体较低且差异明显,两极分化集聚现象是城镇化质量差异的主要原因;城镇化质量基本格局保持稳定,陇东地区个别县域城镇化质量提升较快;城镇化低质量不平衡发展态势愈演愈烈,城镇化质量空间格局由“三点三片”向“五点五片”扩展.     

基于加权叠加模型的高原湖泊流域重要生态用地识别——以星云湖流域为例

生态用地在维持区域生态平衡和保障区域生态安全具有重要意义。以云南星云湖流域为研究区,运用层次分析法和GIS技术,从水土保持、地质灾害规避与防护、生物多样性保护和水资源安全4个方面,构建了流域重要生态用地识别指标及其识别方法,并识别出流域重要生态用地空间分布。结果表明:(1)加权叠加模型更适用于高原湖泊流域重要生态用地识别;(2)根据生态用地重要性分为核心型、辅助型、过渡型和非重要生态用地,面积分别为75.98 km~2、105.05 km~2、89.47 km~2和65.11 km~2,分别占流域生态用地总面积的22.64%、31.30%、26.66%和19.40%。识别结果能较好地反映重要生态用地维护流域的生态安全。以星云湖流域作为高原湖泊流域的典型,为高原湖泊生态保护提供科学方向,以期协调流域经济发展与生态保护的矛盾,促进可持续发展。     

乡镇工业电镀行业主要污染物排放量的估算方法

电镀分有氰电镀与无氰电镀两类。乡镇工业电镀行业的环境污染最主要是氰污染和铬污染。本文针对乡镇电镀行业的特点,调查了湖南省沅江市、四川省新都县、湖北省黄陂县、汉川县以及江苏省部分县市乡镇电镀厂,将收集资料及实际监测资料进行回归分析,得出乡镇电镀行业的污染物发生量大小与原材料的消耗有关,可以用多元回归方程估算乡镇电镀行业主要污染物发生量。这一估算方法简单易行,实用可靠,操作方便。     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

京津冀地区高分辨率PM2.5浓度时空变化模拟与分析

为了全覆盖、高分辨率和高精度识别京津冀地区大气PM_2.5质量浓度时空变化,选取多角度大气校正算法遥感反演的1km AOD为主要预测因子,多种气象要素和土地利用要素为辅助预测因子,构建了混合效应模型+地理加权回归模型的两阶段统计模型,并针对京津冀地区PM_2.5污染较严重的特点,模型中引入了AOD²等独特预测因子.通过上述两阶段模型定量预测了研究区2017年1 km²空间分辨率的每日PM_2.5质量浓度.结果表明,模型交叉验证的决定系数R²为0.94,斜率为0.95,均方根预测误差为13.14 μg·m^-3,在前人基础上预测精度进一步提升,可用于PM_2.5浓度时空变化预测与分析.2017年,京津冀地区PM_2.5浓度年均值为44.96 μg·m^-3,年均值范围在0~89.89 μg·m^-3之间.PM_2.5浓度时空变化差异性明显,整体上呈现"平原西南部浓度高、平原东北部浓度中等和山区高原浓度低"的空间分布格局以及"冬季浓度高、夏季浓度低和春秋过渡"的季节变化特点.模型预测结果的高时空分辨率可以支持流行病学研究在较小区域的暴露评估和识别小尺度污染源的时空变化,分析发现在大气污染防治行动计划实施以来,污染较严重的冀中南山麓平原区可能出现了重要污染源的空间变化.模型预测与分析结果可以为京津冀大气污染防治提供科学支撑.