Characterization of biological responses under different environmental conditions: A hierarchical modeling approach

A natural river system is organized as a nested hierarchy of interconnected habitats with specific environmental conditions to which the biological community has adapted. Due to this hierarchical structure, identifying the role of different stressors on the biological community is a formidable task. Efforts trying to link stressors to biological integrity have always been bound to the geographic scale of the selected study area, leading to scale-specific results. In this research, an attempt is made to lift this limitation and develop a hierarchical, scale-sensitive methodology that can identify the significant environmental stressors to the biological community at different scales. Sites with similar background environmental conditions are clustered using self-organizing maps (SOM). This is used to identify stressors which affect the biological community throughout the area of study - called environmental gradients or large-scale stressors. Subsequently, these clusters of similar observations (sampling sites) are progressively sub-divided using environmental variables with a significant but localized effect on the biological community - called small-scale stressors. A parent group of sites is split only when the resulting sub-groups have significantly different biological responses. At the end of this recursive sites decomposition procedure, the original set of observations is organized as a tree of environmentally homogeneous groups of observations characterized by unique biological responses to multiple stressors with different geographic extents. The developed hierarchical analysis methodology has been validated using a large-size dataset of environmental observations from the State of Ohio. Our results show that habitat degradation and increased nutrient loading are the large-scale stressors with a widespread impact in Ohio. Other stressors, such as heavy metals, pH or nitrate concentrations have significant albeit localized effects on biological integrity.     

秋冬季区域性大气污染过程对长三角北部典型城市的影响

本文基于空气质量及气象监测数据,运用层次聚类分析法、后向轨迹法、潜在源贡献分析等方法,选取长三角北部地区2018~2019年秋冬季的典型污染过程进行分析,并选取该区域代表性的城市（蚌埠）进行深入分析.结果表明,长三角北部地区大气污染受地面弱气压、高湿、低温和静小风等不利气象条件及传输的影响较大.长三角秋冬季区域性污染具有影响范围广和持续时间长等特征,污染类型主要为区域外传输型与区域内累积型.在EP1和EP2两次污染过程中,长三角北部城市PM_2.5浓度均值分别达到131.6 μg·m^-3和115.4 μg·m^-3,前者污染过程较短,但污染物浓度累积较快造成的污染强度大和范围广.利用PSCF和CWT对PM_2.5潜在源定性和定量分析表明,EP1过程PM_2.5由临沂、徐州、宿迁和连云港等污染轨迹密集区域传输到受体城市蚌埠,CWT值处于80以上,最高可达200以上,区域传输实际浓度值较高;EP2过程PM_2.5浓度受宿迁、宿州和徐州等区域内部邻近城市影响,CWT值处于60以上,最高达160以上,说明研究区域内城市间相互影响较大.因此,秋冬季重污染过程中的跨区域大气污染联动,对于缓解长三角北部区域污染程度尤为重要.     

山西省2015年细颗粒物的污染状况和空间分布

大气污染因其对人体健康、生态环境和气候变化的影响而成为全球关注的环境问题,细颗粒物（PM_2.5）是雾霾产生的主要原因之一。为全面掌握山西省细颗粒物的污染状况与空间分布格局,本文运用统计学方法和Arc GIS技术,根据环境空气质量评价技术规范,对2015年山西省57个空气质量指数监测站提供的PM_2.5实时数据进行处理分析。结果表明：山西省PM_2.5的浓度有明显的季节性变化特征,由高到低依次为冬、春、秋、夏;PM_2.5月平均浓度最高值分别出现在1月和12月,且高值中心都位于运城;在空间分布上则表现为南部高于北部。全省11个地市级城市有9个超过国家二级标准,超标指数达到72%。聚类分析结果表明：山西省城市可以分为两大类,一类为产业结构转型良好的城市,如阳泉、朔州、吕梁、大同;另一类为第二产业发展粗放,工业污染严重的区域。     

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.     

基于HYSPLIT4模式的天水市颗粒物输送路径

首先利用后向轨迹模式（HYSPLIT）模拟了天水市2017~2019年冬季后向轨迹,分析了50,200,500和1000m 4个不同高度以及500m高度不同聚类数量对路径输送聚类统计结果的影响,并以500m高度四个季节的后向轨迹进行聚类分析,进一步运用权重潜在源贡献分析法（WPSCF）,探讨了研究期间天水市细颗粒物的潜在源区及不同源区对天水市颗粒物浓度的贡献,结果表明,（1）起始点高度为500m时,颗粒物浓度极值比和极值差均较大,聚类结果最具代表性;（2）不同聚类数量分析结果表明,按照总空间变化（Total spatial variation,TSV）显著增加的原则选取的聚类数量较少,且能反映不同方向的轨迹输送特征;（3）天水市不同季节的轨迹聚类结果表明,冬季来自陕西南部的东南路径是PM_2.5污染程度最高的路径,该路径下PM_2.5浓度为78.2μg/m³,春季西北路径的颗粒物浓度最高,PM₁₀和PM_2.5的平均浓度分别是127.9~129.9和40.6~41.0 μg/m³,夏秋季节不同路径的颗粒物浓度相差不大.     

太原市城区夏季VOCs来源及其对O3生成的贡献

采集太原市城区夏季VOCs样品并分析其浓度特征,使用参数修正法得到VOCs初始浓度,分析其来源及对O₃生成的贡献.结果显示：太原市城区总VOCs平均浓度为48.13 μg/m³,烷烃（25.52 μg/m³）为主要组分.VOCs浓度呈明显日变化特征,在日间（10：00~14：00）光化学产生O₃的关键时段浓度最低.油品挥发、机动车排放、燃煤、植物排放与液化石油气/天燃气（LPG/NG）使用源对修正后环境VOCs的贡献分别为26.89%、25.55%、21.14%、14.99%、11.44%,对O₃生成的贡献分别为21.44%、33.10%、24.07%、13.77%、7.62%.机动车为新鲜排放气团VOCs的重要来源,而油品挥发、燃煤的输送与本地积累是其他（混合、夜间与反应）气团VOCs的重要来源.机动车排放、油品挥发与燃煤为VOCs与O₃生成的重要贡献源,控制此类源排放可减少太原市城区环境VOCs浓度并有效降低O₃生成.     

基于单颗粒质谱信息气溶胶分类方法的研究进展

气溶胶质谱仪在对气溶胶颗粒的监测过程中会产生大量单颗粒的化学成分和粒径信息,基于这些质谱数据能够推测颗粒的来源。而对气溶胶来源的分析,很大程度上是由颗粒的种类决定的,故对海量数据的分类就成为不可忽略的步骤。针对气溶胶质谱仪采集到的数据,概述了用于气溶胶分类的多种方法的理论核心、分类步骤及各自的优缺点等。据此可为今后气溶胶分类方法的研究提供建设性意见。     

2013-2015年上海市霾污染事件潜在源区贡献分析

统计分析2013-2015年上海市每个月不同空气质量等级天数比重,根据HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectory）后向轨迹模型对3年内的12月份影响上海地区的污染气团进行了综合聚类分析和逐年聚类分析.在综合12次严重霾事件的后向轨迹基础上,结合上海实时公布的PM_2.5小时浓度资料,对潜在源贡献因子PSCF（Potential Source Contribution Function）和浓度权重轨迹CWT（Concentration-weighted Trajectory）进行分析与比较,研究重霾期间影响上海PM_2.5质量浓度的潜在源区及不同源区对PM_2.5质量浓度的贡献差异.结果显示,上海市3年期间12月份霾颗粒物外来源主要输送渠道为西北路径和北方路径,源自于西北方向的气团比重占总气团的50.4%,北方向的气团几乎都经过海洋后进入上海地区.影响上海地区PM_2.5质量浓度的潜在源区主要分布在安徽、江苏和山东地区,此外江西北部、浙江北部、河北南部及山西少部分地区也对重霾事件中的污染物颗粒有一定程度的贡献.     

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。     

时延神经网络对宝兴树蛙异质种群鸣叫的聚类分析

对瓦屋山宝兴树蛙3个不同海拔分布(A:山下;B:山腰;C:山上)的异质种群鸣叫的时频参数进行分析,发现三地鸣叫各参数互相重叠,无明显界线.常规统计分析不能使三地的鸣叫聚类为各自的组.使用时延神经网络对三地宝兴树蛙鸣叫的时频参数进行有指导聚类,发现三种群鸣叫有地区性差异,并表现出由个体交流引起的山腰种群群体特征的不显著.推测差异可能是因为长期地理隔离所导致.基于神经网络的分析结果,对各种群间的个体交流情况进行了初步估计.图6表1参20