滑坡灾害危险性评价模型比较

通过对庆元地区滑坡灾害的详细研究，比较讨论了单变量评价、决策树评价与逻辑回归法等3种滑坡危险性评价模型在实际应用中的效果。单变量模型最为简单，计算方便，得到的结果也具有较高的准确性，当收集到的滑坡因素越多，对滑坡发育的刻画越精确，则最终评价结果也越可信；决策树算法能迅速从大量样本中归纳出一般规则，并具有较高的精度，但其结果也受到训练样本数量大小和样本维数即参与评价的因素集数量的影响；逻辑回归模型具有计算方法简单、评价结果物理意义明确等突出优点，但需要有大量样本数据的支持才能取得较好的效果。     

森林可燃物参数与林分特征关系

森林地被可燃物是引起森林火灾的重要原因,掌握森林地被可燃物的载量分布,对森林火灾的预防有着十分重要的意义.但森林地被可燃物载量数据的获得是比较困难的,运用Spss11.0 for windows统计软件系统,对兴安落叶松林和杨桦林的林分因子和各类地被可燃物载量进行后向逐步线性回归分析,建立了一套数学模型,取得了较为满意的结果,从而可以通过林分因子推算各类地被可燃物载量.     

金沙江对硫酸的缓冲性能分析

本文分析了金沙江对硫酸的缓冲特征，建立了江水的缓冲曲线方程，并且验证了此方程的有效性，证明用此方程预测硫酸进入金沙江后江水pH值的变化情况，其预测准确度在0.2个pH单位内。     

AN EVALUATION OF THE AVAILABLE TECHNIQUES FOR ESTIMATING MISSING FECAL COLIFORM DATA1

ABSTRACT: This paper presents the findings of a study aimed at evaluating the available techniques for estimating missing fecal coliform (FC) data on a temporal basis. The techniques investigated include: linear and nonlinear regression analysis and interpolation functions, and the use of artificial neural networks (ANNs). In all, seven interpolation, two regression, and one ANN model structures were investigated. This paper also investigates the validity of a hypothesis that estimating missing FC data by developing different models using different data corresponding to different dynamics associated with different trends in the FC data may result in a better model performance. The FC data (counts/100 ml) derived from the North Fork of the Kentucky River in Kentucky were employed to calibrate and validate various models. The performance of various models was evaluated using a wide variety of standard statistical measures. The results obtained in this study are able to demonstrate that the ANNs can be preferred over the conventional techniques in estimating missing FC data in a watershed. The regression technique was not found suitable in estimating missing FC data on a temporal basis. Further, it has been found that it is possible to achieve a better model performance by first decomposing the whole data set into different categories corresponding to different dynamics and then developing separate models for separate categories rather than developing a single model for the composite data set.     

洪涝灾害评价的威布尔模型

首次将威布尔分布用于淮河流域水灾成灾面积研究,揭示了淮河流域洪涝灾害成灾面积形成的 内在规律,进而利用河南、安徽、江苏和山东4省的各自灾度对淮河流域的灾害风险建立了线性回归模型.实证分析表明,本方法切实可行,特别适用于大样本计算.     

中国水灾社会脆弱性评估方法的改进与应用--以长沙地区为例

中国是洪水灾害发生频繁的国家之一,研究水灾脆弱性对中国的灾害风险管理有重要的意义.但是,合理评估脆弱性尤其是社会脆弱性却面临着极大的挑战.论文对评估社会脆弱性指数的研究现状进行了分析,指出了传统评估方法存在的问题,并尝试改进Hoovering评估模式.选择湘江流域的长沙地区为研究区,应用改进模型对研究区进行了社会脆弱性指数的评估.结果表明,长沙地区社会脆弱性从1980年至2000年基本处于下降趋势,但是在2002年和2003年增长迅速.2003年,长沙5区4县中社会脆弱性指数最大的是开福区,其次是长沙县,而宁乡县的社会脆弱性指数最低.     

地下水水质评价的多元线性回归分析模型研究

运用回归分析理论和方法,建立了一个基于多元线性回归分析法的地下水水质评价模型,并将该模型用于遵义市海龙坝地下水水质评价.结果表明,建立的模型较符合本研究区的实际情况.     

基于卫星夜间灯光数据的中国分省碳排放时空模拟

中国能源统计数据"横向不可比,纵向不可加"现象依然突出,尤其是分省能源消费统计千差万别,给分省碳排放评估带来了较大困难,如何利用卫星遥感数据科学合理地估算中国分省碳排放是当前亟须研究的问题。本文运用DMSP/OLS全球稳定夜间灯光数据,在通过相互校正、年内融合和年际间校正等系列处理得到中国分省稳定夜间灯光数据的基础上,首先分别构建中国分省稳定夜间灯光亮度DN值与人均碳排放和单位面积碳排放之间的时空地理加权回归模型,两个模型整体效果均较好,拟合优度分别高达96.74%和99.24%;其次运用稳定夜间灯光亮度DN值对分省人均碳排放和单位面积碳排放进行时空模拟;最后运用人口规模和土地面积对分省碳排放进行估算。估算结果显示:(1)整体来看,2000—2013年年均碳排放模拟值与实际值6.3349×109t较为接近,两个模型的相对误差均在0.5%以内。(2)分年度来看,所有年份的相对误差均在5%以内,2006年分省加总碳排放模拟值与实际碳排放6.2036×109t最为接近,绝对误差和相对误差均较小,两个模型模拟值的相对误差均为0.04%。(3)分省域来看,2000—2013年年均碳排放模拟值与实际碳排放均非常接近,除海南和宁夏外,其余28个省区市的相对误差均在1%以内。(4)分年度分省域来看,以2013年为例,40%省份的相对误差在2%以内,70%省份的相对误差在5%以内。从整体、分年度、分省域、分年度分省域的估算结果来看,基于稳定夜间灯光数据的中国分省碳排放时空模拟效果良好。因此,运用卫星夜间灯光数据可以较为准确地对中国分省碳排放进行估算和预测,为卫星遥感影像数据服务分省碳排放监测和评估提供一种补充性参考。     

近52a西南地区潜在蒸散发时空变化特征

潜在蒸散发对水资源评价和气候变化均具有重要意义。采用Penman-Monteith公式和气象观测资料计算了中国西南地区90个气象站的潜在蒸散发,并采用多种统计方法分析了潜在蒸散发的时空变化特征。结果表明:(1)西南地区近52a的平均潜在蒸散发为3 209.8 mm,其中云南省潜在蒸散发最高(3 664.7 mm),其次为四川省(3 015.0 mm)、重庆市(2 972.4 mm)、贵州省(2 958.0 mm)。四季潜在蒸散发空间分布特征与年不同,从大到小排序为夏季,春季,秋季,冬季。(2)西南地区整体呈增加趋势(0.9 mm/10 a),其中31个站点呈减少趋势(p0.1),17个站点呈增加趋势(p0.1),其余站点变化趋势不显著。大部分站点春季(55.6%)和夏季(63.3%)呈减少趋势,秋季(62.2%)和冬季(58.9%)则呈增加趋势。(3)经MannKendall突变检验,该区整体潜在蒸散发的突变时间为1995年(p0.05);单个站点突变检验显示,76个站点发生突变,突变年份集中于1980s,未发生突变的站点主要分布于青藏高原东缘。整体上看,近52a来西南地区潜在蒸散发略呈增加趋势,并存在突变点,但部分站点存在相反的变化趋势,这和复杂的地形环境和气候特征有较大关系,体现出西南地区水文气象变化的独特性。     

Boosted Regression Tree Models to Explain Watershed Nutrient Concentrations and Biological Condition

Boosted regression tree (BRT) models were developed to quantify the nonlinear relationships between landscape variables and nutrient concentrations in a mesoscale mixed land cover watershed during base‐flow conditions. Factors that affect instream biological components, based on the Index of Biotic Integrity (IBI), were also analyzed. Seasonal BRT models at two spatial scales (watershed and riparian buffered area [RBA]) for nitrite‐nitrate (NO₂‐NO₃), total Kjeldahl nitrogen, and total phosphorus (TP) and annual models for the IBI score were developed. Two primary factors — location within the watershed (i.e., geographic position, stream order, and distance to a downstream confluence) and percentage of urban land cover (both scales) — emerged as important predictor variables. Latitude and longitude interacted with other factors to explain the variability in summer NO₂‐NO₃ concentrations and IBI scores. BRT results also suggested that location might be associated with indicators of sources (e.g., land cover), runoff potential (e.g., soil and topographic factors), and processes not easily represented by spatial data indicators. Runoff indicators (e.g., Hydrological Soil Group D and Topographic Wetness Indices) explained a substantial portion of the variability in nutrient concentrations as did point sources for TP in the summer months. The results from our BRT approach can help prioritize areas for nutrient management in mixed‐use and heavily impacted watersheds.