面向县域尺度SDG 15.1.2的生物多样性重要区域遥感识别和量化评估——以德清县为例

联合国2030年可持续发展目标(SDG)中指标15.1.2由于元数据的尺度和可用性的问题,无法有效应用于县域尺度的评估。针对这一问题,利用遥感的数据及相关模型,基于县域尺度指标计算的考虑,从生物多样性的内涵出发,构建了一套生物多样性遥感评估指标体系,成功识别了案例区域生物多样性重要场地,实现了县域尺度SDG 15.1.2的量化计算。结果表明,研究区德清县在SDG 15.1.2实施情况良好,构造的生物多样性指数能够有效地监测县域尺度生物多样性状况及其变化。研究为SDG 15.1.2的评估提供了一种可操作的有效方法,为基层行政区域实现可持续发展的规划提供精准的参考信息。     

祁连县天然草地地上生物量及草畜平衡研究

论文利用2013—2014年的MOD13Q1数据、草地地上生物量鲜重实测数据、多年降水数据和统计年鉴数据,建立了祁连县草地地上生物量与牧草鲜重的遥感监测模型以及不同季节放牧草场的理论载畜量模型,分析了天然草地草产量年内动态变化与载畜量平衡状况并对草畜调控进行模拟。结果表明:MODIS增强型植被指数EVI的指数函数可以较好地模拟祁连县草地地上生物量鲜重,精度达到71%;年内牧草生长呈单峰曲线,7月草地可食产量达到峰值2 322.61 kg/hm~2,12月最低,为702.06 kg/hm~2;祁连县冷暖季平均可食鲜草产量分别为1 728.14和1 604.70 kg/hm~2,年可食鲜草总量分别达到7.74×10~8和7.82×10~8kg;暖季、冷季和全年的理论载畜量分别为1.517 8、0.637 0和0.931 4羊单位/hm~2,暖季、冷季和全年的超载率分别为101.70%、261.19%和149.22%;保持现有的家畜数量,需在暖季草场和冷季草场分别补饲牧草0.36×10~8和7.17×10~8kg;保持现有草场,则暖季草场和冷季草场分别需要减6.68×10~4和53.64×10~4羊单位;暖季不进行补饲,冷季草场家畜在减少40%的情况下,依旧需要补饲1.17×10~8kg。     

1961~2015年西南地区降水及洪涝指数空间分布特征

利用西南地区98个气象站连续完整的日降水序列数据，整合降水强度、持续性指数及等级指数形成降水指数体系并研究该区域降水及洪涝指数的空间分布特征，得到以下主要结论：（1） 1961~2015年，西南地区年降水量（PRCPTOT）与极端降水量（R95PTOT）都呈现出“东多西少、南多北少”的分布形态；持续降水日数（CWD）则表现为“南高北低、西高东低”的分布格局。区域多年平 均PRCPTOT、R95PTOT、CWD分别以-13.12 mm/10 a、1.34 mm/10 a、-0.29 d/10 a的速率变化。（2）西南地区不同等级降水日数具有相似的空间分布特征，均呈现出“南高北低、东高西低”的分布形态。（3）西南地区洪涝强度指数呈由东北向西南递减的分布特征；降水总量越多的地区，洪涝强度反而越低，主要由于单站洪涝强度表征的是降水的波动情况，降水量越多波动越不明显。21世纪以来，该 地区洪涝等级以重级为主，2010年以来连续多年出现特重级洪涝。此外，洪涝强度越大，区域性年度灾害等级越高。该研究对于掌握西南地区极端气候变化规律，从而服务于防灾减灾具有一定的理论意义。     

1970-2015年汉江流域多尺度极端降水时空变化特征

基于汉江流域63个气象站点逐日降水数据,辅以超阈值抽样、极端降水集中度（EPCD）和集中期（EPCP）、Mann-Kendall趋势检验等分析方法,对1970-2015年汉江流域多尺度极端降水变化特征进行分析。结果表明：（1）在旬尺度上,汉江流域EPCD较高,呈现出“西高东低”空间特征;汉江EPCP多年均值为七月下旬,空间呈现出“东部早,西部迟”的分布特征,不同流域表现出不同的年代变化规律。（2）在月尺度上,汉江流域极端降水各月分布不均,主要集中在5-9月,同年10月至次年4月为极端降水少发期。（3）在季尺度上,汉江流域极端降水夏季占比50%以上,但近期全流域夏季极端降水比例下降,其中上游主要为春季占比增加,中下游为秋季占比增加,说明夏季是影响汉江极端降水非均匀变化的关键季节。（4）在影响因素上,当东亚季风和南亚II区季风偏强时,汉江流域夏季极端降水量整体减少;当东亚季风偏弱时,夏季极端降水增幅呈南北分异,而南亚II区季风偏弱时,极端降水增幅呈东西分异。     

沙层水分小尺度地域分异特征 —— 以沙坡头沙区为例

水分是沙漠地区生态环境的限制因子,研究沙漠沙层水分分布规律对在沙区种植人工植物进行固沙有显著指导意义。通过对沙坡头沙区两个典型流动沙丘不同坡向、不同部位以及两个洼地进行采样,研究该区水分平衡与小尺度水分分异特征与规律,结果表明：（1）流动大沙丘顶部沙层水分含量一般在1.00%以下,中部水分含量一般在1.00%—2.00%,底部水分含量一般在2.00%—3.00%,均以薄膜水形式存在。洼地沙层2.0—3.0 m左右深度有饱和重力水甚至地下水出现。（2）流动大沙丘的迎风坡沙层水分高于背风坡,沙丘水分含量均是底部最高,中部次之,顶部最低。（3）沙坡头区沙层水分属于快速入渗型水分正平衡,洼地或平坦地段是大气降水向下入渗的主要渠道。     

长三角地区人口密度模型及增长模式:1982～2010

基于熵值法对上海、南京和杭州影响力进行综合评价,运用Arc GIS点距离工具测算各空间单元到沪宁杭的距离,然后借鉴重力模型,将长三角地区划分为以上海、南京和杭州为中心的3个城市经济区,并进行区域人口密度模型拟合。相比线性、指数和乘幂模型,对数模型能更好地拟合经济区内各县、县级市或市辖区人口密度与其到各自经济区中心距离的关系。而相比上述基础模型,基于基础模型的二次模型拟合的判定系数更高,拟合效果更好。其中,对数二次模型拟合的判定系数最高,且明显优于基础模型。基于对数二次模型的人口密度变动的空间差异,沪、宁、杭经济区增长模式可以总结为"强向心集聚"和"近域扩散",但不同区域不同时段增长模式存在差异。     

陕西师范大学长安校区夏冬季节臭氧垂直变化特征

本文通过观测陕西师范大学长安校区52 m高度范围内的臭氧浓度和相关气象条件,研究了西安市长安区O_3浓度的昼夜变化和垂直变化规律,探究O_3浓度与NOx浓度、与气象条件之间相关性,为客观地掌握西安市长安区O_3污染特征提供参考和依据。观测结果表明:(1)西安市长安区52 m高度范围内夏季的臭氧浓度比冬季高,大约是冬季浓度2倍。冬季和夏季的臭氧浓度昼夜变化趋向大致相同,将变化特点分为3个阶段,分别是04:00?—?08:00、10:00?—?20:00和22:00?—次日02:00,呈现一高一低的阶段变化。(2)西安市长安区夏季与冬季臭氧浓度垂直变化规律各有2种类型。夏季第1种类型出现在08:00?—?18:00,其变化特点是臭氧浓度在1?—?16 m、19?—?28 m、31?—?52 m高度分别随着高度增加而呈现递增、递减再递增的变化规律。冬季08:00?—?18:00出现第1种类型,在1?—?16 m、19?—?37 m、40?—?52 m高度臭氧浓度也随着高度增加而呈现递增、递减再递增的变化规律。夏季与冬季20:00?—?次日06:00均出现第2种类型,臭氧浓度在1?—?16 m、19?—?52 m高度随高度增加而呈现先递增后递减的变化规律。(3)西安市长安区夏季与冬季臭氧浓度与风速、相对湿度以及氮氧化物浓度呈负相关,与温度呈正相关,与气压的相关性较低。     

基于灰色关联模型对陕西省O3浓度影响因素分析

O_3污染问题已经成为21世纪另一个环境课题.本次研究采用克里金插值法对2015年陕西省O_3浓度的空间分布特征进行分析,同时构建了O_3浓度的影响指标体系,运用灰色关联模型,综合分析了O_3浓度与其影响指标因子的关联度,并探讨了各指标因子综合关联度的空间关联性和分异性.结果显示:(1)陕西省O_3浓度呈"北高南低"的空间分布特征;(2)权重最大的指标层是O_3污染来源(W_i=0.4331),其次是城市化与产业结构(W_i=0.3455),空气质量与自然因子最小(W_i=0.2215);(3)各个指标因子与O_3浓度关联度均为强度关联.空气质量与自然因子中,关联度较高的指标因子为CO、降水量、平均气温、日照时数;O_3污染来源中,关联度较高的指标因子为等级公路里程、单位GDP能耗及工业用电量;城市化与产业结构中,关联度较高的指标因子为第二产业占地区总产值的比例、建成区绿地覆盖率和人均公园绿地面积;(4)O_3污染来源对铜川、宝鸡、汉中等市O_3浓度的影响较大;城市化与产业结构对宝鸡、咸阳、渭南、汉中等市的影响较大;空气质量与自然因子与陕西省各个城市O_3浓度的关联度均为强度关联;(5)空气质量与自然因子中,CO、PM_(2.5)、日照时数与O_3浓度综合关联度较高.O_3污染来源指标层中为机动车保有量、餐饮总额、烟(粉)尘排放量.城市化与产业结构中则是房屋建筑施工面积、建成区面积、人口密度.影响O_3浓度的主要指标因子表现出较好的空间相关性与空间分异性.综合分析表明,灰色关联度模型能够有效地对O_3浓度的主要影响因素作出分析与评价.     

云南省丽江市1960 — 2017年极端气温变化特征

云南丽江市是位于南方且具有温带气候特点的地区,研究该区近58年极端气温变化对查明极端气温变化特点、规律和趋势具有重要科学意义,对极端气温引起的气象灾害的预防及减少气象灾害造成的损失有实际意义。利用丽江市气象站1960—2017年的日最高、最低气温和平均气温等气象数据,采用线性趋势分析法、累积距平值分析法、主成分分析法、Mann-Kendall突变检验法、Morlet复数小波变换系数及小波方差法,对选用的8个极端气温指数进行了研究。结果表明：丽江市的极端最高气温、极端最低气温、夏季日数、暖昼日数、暖夜日数等5个指数呈现上升趋势,冷昼日数、冷夜日数、霜冻日数等3个指数呈现下降趋势。主成分分析结果表明：丽江市的夏季日数、暖昼日数和暖夜日数的增加对气温升高起到了主要作用。突变分析表明：丽江各指数的突变年主要出现在21世纪初和1983年前后。Morlet小波分析表明：丽江市极端气温指数的主周期普遍为18年,个别指数有12年、30年的周期。初步认为,全球气温升高是导致研究区极端气温变化的主要原因,预测丽江市未来2—3年的气温仍会呈现上升趋势,且极端高温事件的发生频率呈现上升趋势。     

气象因素和前体物对中国东部O3浓度分布的影响

采用重心模型、空间自相关分析和地理探测器,研究了2016年中国东部O₃浓度的时空变化规律,揭示了气象因素和前体物对中国东部O₃浓度空间分布格局及其演变的影响.结果表明：（1）O₃浓度变化可分为3个阶段：1~3月为低值上升阶段、4~9月为高值波动阶段、10~12月为低值下降阶段,O₃污染主要发生在高值波动阶段,超标天数占全年的96.0%.（2）气象因素是影响O₃年均浓度空间分布格局的主导因素,受降水、相对湿度南高北低和日照时数北高南低的影响,O₃年均浓度总体呈北高南低的态势;前体物对O₃年均浓度分布也有显著影响,是城市群核心城市形成局部O₃污染中心的原因.（3）O₃月均浓度分布格局经历了由北高南低到南高北低的演变过程,1~6月O₃浓度总体重心和高值重心向北迁移,6月达到最北,北高南低的特征最强,环渤海地区成为O₃污染最严重的区域;7~12月,O₃浓度总体重心和高值重心向南迁移,12月达到最南,O₃浓度分布格局演变为南高北低.3~9月雨季期间,O₃浓度分布主要受降水和相对湿度的影响,其余时间主要受气温的影响.（4）前体物对O₃浓度分布的影响主要通过气象条件实现,气温越高,光化学反应越强,前体物的正向影响力越大;气温越低,光化学反应越弱,NO_x、CO、SO₂等化学性质活跃的前体物对O₃可能起消耗作用.