魅力国土空间:重塑区域特色的国土空间规划策略

国土空间规划的提出使我国的规划体系进入到新的发展时期与发展语境,国土空间开发方向已从生产空间为主导转向生态、生活、生产空间相协调。如何将基于“三生空间”概念的传统国土空间认知提升到丰富文化脉络、生态特征、生活基础的复合魅力国土空间,如何对不同区域的发展进行侧重,杜绝对单一发展模式的盲目跟风,是国家和地方面临的共同重大主题。结合国土空间在历史与现实不同时期的发展表征和形成原因,在回溯空间认知过程、反思空间规划实践的基础上,厘清了魅力国土空间的概念与内涵,提出国土空间规划体系下魅力国土空间的关注焦点,从区域发展平衡、管控弹性调整、空间要素流动、发展目标优化等方面阐述了魅力国土空间的作用与功能。     

平原农区村民居住空间特征与迁居意愿——以江苏省淮安市为例

选择地处苏北平原农区的淮安市所有15510个自然村和872414户农户全样本入户调查数据为分析对象,采用占比统计法和GIS空间分析,对村民居住空间特征与迁居意愿进行研究。主要结论如下：（1）在村落层面,平均规模小,单村独户多且村落分散,多数自然村远离镇区,近一半自然村位居“九靠近一滞洪”区域内。该格局是自然地理条件和人文因素综合影响形成的。（2）在住房层面,农村老旧住房比例高,全市40%农户在城乡同时拥有住房,但在城镇拥有住房率与到城区距离呈负相关,而农村住房空关率则呈现相反的空间格局。（3）在迁居意愿方面,54.1%的农户愿意集中居住且多意向实物安置,较低补偿标准和不便务农是不愿迁居的主要原因;移居城镇是货币安置农户的主要去向,留村和入镇集中居住是实物安置农户的主要去向。在迁居意向农户中,近90%选择政府统建方式,近80%愿意有偿退出宅基地和流转承包地。（4）村民居住空间特征和迁居意愿都存在明显的空间差异,两者之间存有内在联系且均受多种因素影响。     

长治市沙尘天气污染特征及传输路径解析

以2018年3次沙尘天气为研究对象,分析了PM_2.5和PM₁₀浓度、水溶性离子组分、气象条件和气溶胶光学特征,研究了长治市沙尘天气的典型污染特征和传输路径.结果表明：长治市2018年共8d为受沙尘天气影响日,其中4月份最多（5d）,这与春季大气环流调整,冷暖空气活动频繁有关.沙尘污染发生前一般受西方或西北方冷空气影响,大气层结不稳定,大气环流转为经向环流,平均风速达4m/s以上;沙尘污染过程中PM_2.5/PM₁₀均低于0.3,环境空气中粗颗粒物占比较大,水溶性离子总浓度在PM_2.5中占比下降,Ca²⁺浓度为沙尘污染发生前的4倍以上.冬季沙尘为近地面扩散传输,春夏季沙尘为高空沉降传输,影响范围大,区域传输贡献明显.长治市沙尘重要潜在源区为蒙古国、哈萨克斯坦中部和新疆中北部的荒漠地区,传输路径主要为西北路径和正北路径,其中西北路径为哈萨克斯坦—新疆中北部—内蒙古西部—长治以及新疆中北部—内蒙古西部—长治两条路径,正北路径为蒙古国—内蒙古中部—山西北部—长治.     

洪泽湖不同入湖河流沉积物磷形态特征及生物有效性

为揭示洪泽湖入湖河流沉积物磷形态空间差异性及影响因素,分析了洪泽湖自西北向西南7条入湖河流65个表层沉积物中不同磷（P）形态,并探讨了磷形态空间赋存特征的影响因素及环境意义.研究表明：沉积物总磷（TP）含量为488.90mg/kg~960.22mg/kg,无机磷（Pi）为主要形态,相对含量为65.81%~76.16%.西部入湖流域沉积物有机磷（Po）以非活性有机磷（NLOP）为主,汴河最高,相对含量约占Po的50.41%,生物有效态无机磷（BAP）相对含量最高,占Pi的66.84%,污染程度最高;西南和西北入湖流域Po则以中活性有机磷（MLOP）为主,Pi以钙结合态无机磷（HCl-Pi）为主.西北入湖流域由于受当地地质背景的影响,HCl-Pi所占Pi相对含量最高（43.02%）,从而减缓了磷的移动能力,污染程度最低.随着沉积物污染程度的增加,生物有效态Po含量增加,但所占Po相对含量降低;HCl-Pi含量增加,所占Pi相对含量降低,这一现象和我国其它典型地区沉积物磷形态空间分布类似.西部和西南入湖流域主要受水土流失、有机面源污染及藻类生长的影响,有机质环境较高,水交换能力弱,可被有机质降解的Po组分高于可被矿化的Po组分,大部分难降解Po组分易沉积,导致西部和西南入湖流域较高的BAP和NLOP含量,富营养化程度较高.沉积物OM是各形态磷之间相互转化的关键因素,和沉积物内源磷地球生物化学循环密切相关.洪泽湖入湖流域沉积物磷形态空间差异性主要由农业面源污染物的输入而导致内源磷负荷加剧.洪泽湖西部和西南入湖流域应重点控制农田水土流失及养殖业面源污染,建设滨岸修复带,遵循少量多次增施有机肥原则,减少农用地水土流失.健全农村养殖业废水废渣处理;划定科学养殖区;提倡铜围网箱,增加水体交换率.而对于洪泽湖西北入湖流域则应重点防止过度城镇化带来的水土流失及对生态功能保护区过高的污染负荷.     

杭州湾北岸上海段石化集中区臭氧重污染过程研究

为研究杭州湾O₃污染的形成机制,采用在线监测系统对杭州湾北岸上海段石化集中区O₃及其前体物开展了为期1个月(2019年5月)的同步连续观测.采用OZIPR(臭氧等值线研究)模型分析O₃生成的敏感性.在O₃重度污染期间,利用PMF(正定矩阵因子分解)模型对O₃前体物——VOCs进行源解析,采用臭氧生成潜势及气团老化分别估算了VOCs的反应活性和化学消耗.结果表明:①2019年5月杭州湾北岸上海段石化集中区O₃的IAQI(空气质量分指数)优良率仅为61.3%,ρ(O₃)第90%分位值为173.0 μg/m3.5月22日、23日发生重度O₃污染,O₃日最大8 h滑动平均值分别为(284.4±19.2)(282.0±14.2)μg/m3,分别超过GB 3095—2012《环境空气质量标准》二级标准限值(160 μg/m3)的77.75%和76.25%.②O₃的生成受VOCs控制,降低VOCs的排放可在一定程度上降低O₃的生成,降低NO_x的排放反而会促进O₃的生成.③O₃重度污染期间,VOCs主要来自化工区排放(72.35%)和机动车尾气排放(27.65%).④O₃重度污染期间,烯烃、炔烃及芳香烃对O₃生成的贡献率之和在80.00%以上,其中丙烯、乙烯和甲苯的贡献率分别为29.97%、15.60%和14.16%;芳香烃及烯烃和炔烃是最主要的VOCs化学消耗物种,其中φ(丙烯)、φ(乙烯)和φ(1,2,4-三甲苯)的消耗量分别为13.57×10-9、4.93×10-9和3.55×10-9.研究显示,杭州湾北岸上海段5月O₃的生成受化工区影响显著,丙烯与乙烯是O₃重污染期间关键的O₃前体物.      

天津市河流生态完整性评价

对河流生态健康状况进行评价,可为河流治理和生态修复提供依据.基于2018年8—9月天津市河流现场调查获取的物理、化学和生物群落指标（浮游动物、浮游植物、底栖动物、鱼类、水生大型植物、陆生植物）数据,构建包含物理完整性、化学完整性和生物完整性在内的河流IEI（index of ecological integrity,生态完整性指数）评价体系,对天津市河流生态健康状况进行评价.根据生物栖息地评分和水质状况确定参照点位,采用标准化方法筛选候选指标,应用层次分析法计算三部分指标权重,最终得出天津市河流生态健康评价结果.结果表明:①IEI评价结果显示,天津市河流生态健康状况等级为“健康”的样点占18.8%,“较好”的样点占28.1%,“一般”的样点占40.6%,“较差”的样点占6.3%,“差”的样点占6.3%,天津市河流生态健康状况整体处于“一般”水平.②相关性分析表明,ρ（NH₄+-N）和ρ（COD_Mn）超标是造成天津市水质达不到功能区标准的主要原因,同时也是影响河流生态健康的主要因素.研究显示,IEI评价法能够较为敏感地响应研究区面临的环境压力,适用于评价研究区河流生态健康.      

纤维增强气凝胶复合材料高温结构转变及热稳定性研究

目的研究高温受热条件下纳米复合隔热材料的结构转变特征及热稳定性。方法采用扫描电镜、X射线衍射仪、红外光谱仪及热重仪等检测方法。结果纤维增强气凝胶材料从室温到650℃存在连续的质量损失,从室温到放热前,质量损失为1.66%;365℃开始出现放热,温度升至398℃时达到峰值,整个放热过程对应质量损失约为1.3%;从435℃放热结束开始到650℃的质量损失为1.46%。经过400℃热处理后,试样比表面积从268m~2/g增加到437m~2/g;当试样热处理温度达到600℃时,试样的比表面积明显随之降低至198m~2/g。结论 SiO_2气凝胶复合材料以无定形结构为主,存在少量的二氧化钛晶体。在400℃左右,SiO_2气凝胶结构中硅甲基Si—CH_3发生氧化,产生明显的放热峰,之后硅羟基Si—OH之间发生缩聚反应,使600℃热处理后气凝胶中Si—O—Si网络骨架强度有所提高。未处理的纤维增强气凝胶材料试样上气凝胶纳米颗粒构成的块体较为良好地包裹在玻璃纤维表面,而经过600℃的高温热处理1 h后,块体气凝胶脱离了光滑的纤维表面,气凝胶纳米粒子发生收缩,致使材料比表面积下降。     

油气田在役管道高后果区识别与完整性评价方法

根据油气管道建设与管理的相关标准与规范或导则,针对目前油气田在役管道,明确了其高后果区识别的划分及其在不同标准中的差异以及识别的原则和时间间隔,分别介绍了在管道的相关数据采集的基础上开展地质灾害和第三方破坏造成的管道风险评价方法,管道内外腐蚀的直接评价以及包括剩余强度、剩余寿命和材料在内的管道适用性评价方法,同时给出了这些评价工作所涉及到的相关内容项,对油田管道的完整性管理具有重要的指导作用和应用价值。     

基于BP神经网络的三峡库区土壤侵蚀强度模拟

降雨侵蚀力变化是一复杂过程,其变化存在一定的随机波动性,土壤侵蚀是三峡库区生态环境脆弱最主要的影响因素之一,查明库区土壤侵蚀强度的演化过程及未来趋势是库区生态文明建设过程中急需解决的关键科学问题。论文基于三峡库区1990年侵蚀降雨特征,利用BP神经网络对2010年75个站点降雨侵蚀力进行模拟、验证,预测2030年75个站点降雨侵蚀力。选取2030年预测结果中位于库区周围的27个站点,结合2030年库区自然增长、生态保护情景下土地利用模拟数据,使用RUSLE计算2030年土壤侵蚀强度。结果表明：1）2010年库区降雨侵蚀力模拟相对误差为15%,测试样本数据相对误差为14.67%,预测相对误差为19.65%,NE系数为0.85,说明BP神经网络对库区降雨侵蚀力具有良好模拟效果;2）2010年库区土壤侵蚀强度的Kappa指数为0.75,计算结果能满足模拟与预测需求;3）在土地利用不变情况下,2030年库区轻度、中度侵蚀面积均有所增加,微度及强烈以上侵蚀面积均呈减少趋势,且侵蚀强度转变中的58%来源于相邻侵蚀强度,跨侵蚀等级区的较少;4）在降雨侵蚀力不变情况下,自然增长、生态保护情景下未来土地利用变化所导致的土壤侵蚀均呈下降趋势,后者下降的趋势更为明显;5）在降雨侵蚀力及土地利用均变化的情况下,自然增长、生态保护情景下土壤侵蚀均呈下降趋势。     

Relationship between PM10 and PM2.5 levels in high-traffic area determined using path analysis and linear regression

The objective of this study was to determine the relationship between PM_(10) and PM_(2.5) levels as related to meteorological conditions and traffic flow using both a linear regression analysis and a path analysis. The Particulate matter(PM) samples were collected from Sukhumvit road, Bangkok, Thailand, at both open(104 samples) and covered(92 samples)areas along the road. Fifteen percent of all samples were separated before the statistical models were run and used for model validation. The results from the path analysis were more elaborate than those from the linear regression, thus indicating that meteorological conditions had a direct effect on the particulate levels and that the effects of traffic flow were more variable in open areas. The model also indicated that meteorological conditions had an indirect effect and that traffic flow had a direct effect on particulate levels in covered areas. The model validation results indicated that for open areas, the R~2 values were not very different between the path analysis and the linear regression model, but that the path analysis was more accurate than the linear regression model at very low PM concentrations. At high PM concentrations, the path analysis model also had a better fit than did the linear regression, so the predictions from the path analysis model were more accurate than those from the linear regression.