基于信息熵与KPSO聚类法滑坡敏感性分析

选取南京地区滑坡为研究对象。基于DEM及遥感影像数据,选取样本,提取滑坡影响因素,计算影响因素熵值。利用K折粒子群优化(K PSO)方法,在GIS环境下针对地质资料缺乏情况,生成一个可靠的南京地区滑坡敏感图。自组织特征映射网络(SOM)法用作一个并行研究,结果作为K PSO法结果对比。结果表明,K PSO法聚类准确率为85%,自组织映射(S OM)法聚类结果准确率为80%,由此说明K PSO聚类法在地质资料不足前提下形成滑坡敏感区是一种行之有效的方法。     

民宿价格的空间分异特征及影响因素——以湖北省恩施州为例

民宿区别于传统的酒店,其价格具有独特的空间分布特征和影响因素。以湖北省恩施土家族苗族自治州民宿价格为研究对象,基于克里金法和特征价格模型,使用网络抓取的途家网民宿数据,运用ArcGIS 10.5进行插值分析,总结恩施州民宿价格的空间分布特征,并运用SPSS 24进行多元回归分析,构建特征价格模型,分析影响恩施民宿价格的影响因素。研究表明：（1）恩施民宿价格集聚效应明显,呈现“一大两小”的三个价格高值区;（2）民宿内部环境对民宿价格影响最为显著,民宿消费者更加注重其体验感和融入感;（3）省道和景点对民宿价格影响显著,而国道影响较小;（4）不同经营主体对民宿定价有所不同,其中个人房东经营民宿,其定价水平较高。研究结果为民宿选址、定价、空间布局以及旅游体验服务等方面提供参考。     

全球环境基金的影响、面临的挑战及中国应对策略

全球环境基金（GEF）作为多个国际环境公约的资金机制,在推动发展中国家和经济转型国家履行国际环境公约中发挥了重要的作用。GEF已艰难完成第8增资期谈判,正积极推动设立新的全球生物多样性框架基金,但是GEF仍面临履约目标增加、资助领域扩大、资金分配难度加大等挑战。广大发展中国家面临履约任务加重、履约资金难以获得、GEF项目配套资金比例高等难题。为应对上述挑战,中国应推动设立全球生物多样性框架基金;提早研究履约资金需求,完善履约资金机制;借鉴GEF管理模式,推动昆明生物多样性基金发挥示范作用。     

水稻产量、稻田CH4和N2O排放对长期大气CO2浓度升高的响应

大气CO₂浓度升高（[CO₂]_e）是全球气候变化的主要驱动力,可直接或间接影响稻田生态系统碳氮循环.深入探究长期（大于10 a）[CO₂]_e对水稻产量和稻田温室气体排放的影响,对保障粮食安全和评估未来气候变化意义重大.本研究以高、低应答水稻品种为供试材料,利用连续运行14 a的[CO₂]升高（free-air CO₂ enrichment,FACE）平台,共设置2个[CO₂]处理：对照（正常[CO₂],[CO₂]_a）和在[CO₂]_a基础上升高200 μmol·mol^-1（[CO₂]_e）.采用静态透明箱-气相色谱法测定稻田CH₄和N₂O排放量,并测定水稻产量.结果表明,对比[CO₂]_a,长期[CO₂]_e分别增加高、低应答水稻品种产量29%~31%（P<0.05）和12%~14%（P>0.05）;分别减少高、低应答水稻品种稻田CH₄排放21%~59%和11%~54%;同时,分别显著减少高、低应答水稻品种稻田N₂O排放70%（P<0.05）和40%（P<0.05）.水稻产量、稻田CH₄排放对长、短期[CO₂]_e的响应具有明显差异,随着[CO₂]_e年限的增加,水稻产量和稻田CH₄排放的增幅显著下降,而稻田N₂O排放无明显变化.综合考虑,长期[CO₂]_e条件下,高应答水稻品种为优先考虑种植的"增产减排"水稻品种.     

基于混合效应模型的京津冀地区PM2.5数值模拟

采用2017年京津冀地区中分辨率成像光谱仪提供的3km气溶胶光学厚度(AOD)和气象数据,分别在有无气象因子作为自变量的情况下对PM_(2.5)与AOD的关系进行解释。比较基于空间、时间及时空的78种混合效应模型的模拟效果,并利用十折交叉模型进行验证。经相关系数、拟合程度和模型误差对比,最终确定将气温、相对湿度、风速和气压4种气象因子作为影响因子的基于时空的混合效应模型效果最佳。利用该模型估算2017年京津冀地区的PM_(2.5)监测值,结果表明,PM_(2.5)监测值与模拟值的R~2为0.90(经十折交叉模型校正后为0.81),均方根误差、平均绝对误差分别为13.44、10.12μg/m~3,模型的拟合精度较高。同时研究表明,整体来说,京津冀地区呈现南高北低、平原地区东南高西北低、非平原地区高纬度区域相对低的空间格局。     

大气CO2摩尔分数升高对高、低应答水稻稻田N2O排放的影响

依托稻田大气CO₂摩尔分数（x［CO₂］）升高平台FACE （free-air CO₂ enrichment）,采用静态透明箱-气相色谱法研究x［CO₂］升高（正常x［CO₂］+200 μmol·mol^-1）对高、低应答水稻（产量对x［CO₂］升高的响应分别为>30%和10%~15%）稻田N₂O排放的影响.本试验设置4个处理：A-W （正常x［CO₂］+低应答水稻）、F-W （x［CO₂］升高+低应答水稻）、A-S （正常x［CO₂］+高应答水稻）和F-S （x［CO₂］升高+高应答水稻）.结果表明,对比正常x［CO₂］处理（A-S和A-W）,x［CO₂］升高条件下高、低应答水稻（F-S和F-W）稻田N₂O排放分别降低52.54%（P<0.05）和38.40%（P<0.05）,水稻产量分别增加22.96%（P<0.05）和12.11%（P>0.05）,稻田N₂O排放强度分别降低61.68%（P<0.05）和45.13%（P<0.05）.另外,高、低应答水稻稻田N₂O排放与稻田土壤NH₄⁺-N含量呈显著相关关系,而与NO₂^--N含量无显著相关.x［CO₂］升高条件下,土壤温度是影响高应答水稻稻田N₂O排放的重要因素.综合考虑,未来x［CO₂］升高条件下,高应答水稻品种的"增产减排"效果最佳.