快速城镇化地区生态系统服务的时空动态及权衡与协同分析——以苏锡常地区为例

苏锡常是我国经济飞速发展地区之一,也是重要的粮食生产基地.在快速城镇化背景下,该地区生态环境受到人类活动的强烈冲击,国土空间配置亟待优化.本研究基于多源数据,对苏锡常地区2000～2018年碳储存、食物供给、维持生物多样性3种生态系统服务的时空格局及演变特征进行刻画,并运用双变量空间自相关方法识别了生态系统服务之间的相互关系.结果 表明:(1)整体来看,2000～2018年,苏锡常地区的碳储存服务略有上升,食物供给服务和维持生物多样性服务波动下降;(2)苏锡常地区生态系统服务空间分布严重失衡,表现为中部建成区低,四周自然用地高的分布特点,城镇扩张区各类型生态系统服务退化较为严重;(3)在权衡与协同分析中,碳储存-食物供给服务、碳储存-维持生物多样性服务呈现协同关系,食物供给-维持生物多样性服务呈现权衡关系;(4)各项生态系统服务的权衡与协同关系存在空间差异,低值协同区集中分布在城市中心,高值协同区主要分布在西侧与南侧林地范围,低-高值与高-低值权衡区在空间上呈环绕相间分布.苏锡常地区在未来的发展中需要注意低值协同区和权衡区,有针对性地制定生态保护修复措施,合理调控社会经济发展,实现生态系统服务的协同增效.     

武汉市都市发展区地表温度季节性空间分布与驱动力分析

基于2015年武汉市都市发展区30 m空间分辨率的Landsat 8遥感影像反演近地表温度(LST),运用地统计学、地理加权回归(GWR)等方法,分析都市发展区、生态绿楔以及主城区四季LST时空分布规律和各驱动因子的作用机制,以期为更全面、科学地规划城市发展空间布局和缓解热岛效应提供借鉴.结果 表明:(1)与单一的普通最小二乘回归(OLS)相比,线性逐步回归(LSR)可以寻找最优的多驱动因子组合模型,与LSR拟合的结果相比,GWR模型R2值提高了0.04～0.09,且AIC值均明显减小;(2) LST存在空间聚集关系,“高-高”聚集主要发生在主城区、新型城镇发展区、主要交通干线沿线等更容易造成高温聚集的人工表面,其中夏季“高-高”聚集网格数最多且占比最大,而“低-低”聚集四季均主要发生在各大湖泊水系;(3)绿楔生态用地降温幅度各异,春季降温幅度不明显,夏季降温幅度最显著,各绿楔生态用地降温均超过2℃,且在一定范围内,LST随着与绿楔距离增大而升高,达到一定距离时,会随着与绿楔距离增加而趋于平缓或呈下降趋势;(4)与前人研究相比,景观格局对LST变化的解释程度整体较低,其原因可能是快速城市化导致人工表面积增加,相应的人工绿地也将增加,使得城市景观格局更加零散,导致LST受多种相互作用因素的影响;(5)影响四季LST的驱动因子空间差异较大,夏季土地覆盖和景观格局与冬季土地覆盖、景观格局和人为活动的回归系数均为正值,说明高温或低温条件下这些驱动因子对全域升温作用明显.     

汉江与嘉陵江源区黄土的风化成土强度及其在土壤系统分类中的归属

以汉江源区(李家河村)和嘉陵江源区(杨家山村)黄土剖面为研究对象,对其粒度、元素组成、团聚体等进行分析与对比,探究两地土壤成土强度与系统分类归属.结果表明两江源区的土壤风化成土特征级类明显不同:(1)两地土壤团聚体主要分布在0.25～1 mm范围内,但汉江源区(LJH)土壤上部的大团聚体含量R0.25值(83.73％)、平均重量直径MWD值(2.17)和几何平均直径GMD值(1.11)均大于嘉陵江源区(YJS)的土壤(其R0.25值为69.81％,MWD和GMD值分别为1.06、0.47),团聚体稳定性更强,而剖面中下部则相反,土体稳定性弱于后者;(2)嘉陵江源区土壤的风化程度仅达到低等向中等强度过渡阶段,与其相比,汉江源区土壤的钾钠比值和残积指数较高、硅铝铁率和淋溶系数较低,钙、钠等易溶元素风化淋失更强,产生的富铝黏土矿物更多,达到中等风化强度,故后者风化成土强度远大于前者;(3)在土壤系统分类中,汉江源区黄土母质发育的土壤可归为斑纹简育湿润淋溶土,嘉陵江源区土壤可归为普通钙积干润淋溶土.     

武汉地区夏季和秋冬季大气污染的天气概念模型

利用2013～2019年武汉市生态环境局监测数据、L波段雷达探空资料、NCEP/NCAR逐日再分析资料,对夏季和秋冬季武汉地区污染日的大气污染特征、边界层结构、环流形势、物理量场进行研究,建立了武汉地区大气污染的天气概念模型.主要结论如下:(1)武汉市空气质量具有季节性变化特征,大气污染程度四季分布表现为冬＞秋＞春＞夏.夏季首要污染物是臭氧,冬季首要污染物是PM2.5.(2)比较挑选出的夏季清洁日和污染日的气象要素特征,污染日逆温的平均强度约为清洁日的一倍,逆温底高一般在600 m以下,空气质量一般为轻度-中度污染;静风频率(37.1％)明显高于清洁日的静风频率(2.9％);污染日平均风速小(0.8 m/s),边界层内相对湿度较低.同样比较秋冬季两类天气的气象要素特征,污染日逆温底高低、厚度小,不及清洁日的一半,不利于污染物的扩散,易出现重度污染天气.静风频率(20％)高于清洁日的静风频率(7.5％),风速小(1.6 m/s),污染日边界层内呈明显上千下湿的格局.(3)建立了夏季大气污染的天气概念模型,污染日副高偏弱位置偏东,长江流域易少雨干旱;地面我国东部大范围地区处于均压场中,武汉地区为偏东北异常小风,不利于大气污染物的扩散.(4)建立了秋冬季大气污染的天气概念模型,长江流域环流平直少波动,配合地面弱低压的天气形势和较强的逆温使得大气污染物聚集在近地面.蒙古冷高压强度偏弱,使得入侵我国的冷空气强度偏弱;武汉地区为偏北小风,对雾霾的移除和稀释扩散作用差.该研究结论可供大气污染预测预警研究和环境管理部门大气污染的联防联控参考.     

AI-based runoff simulation based on remote sensing observations: A case study of two river basins in the United States and Canada

Data-driven techniques are used extensively for hydrologic time-series prediction. We created various data-driven models (DDMs) based on machine learning: long short-term memory (LSTM), support vector regression (SVR), extreme learning machines, and an artificial neural network with backpropagation, to define the optimal approach to predicting streamflow time series in the Carson River (California, USA) and Montmorency (Canada) catchments. The moderate resolution imaging spectroradiometer (MODIS) snow-coverage dataset was applied to improve the streamflow estimate. In addition to the DDMs, the conceptual snowmelt runoff model was applied to simulate and forecast daily streamflow. The four main predictor variables, namely snow-coverage (S-C), precipitation (P), maximum temperature (T_max), and minimum temperature (T_min), and their corresponding values for each river basin, were obtained from National Climatic Data Center and National Snow and Ice Data Center to develop the model. The most relevant predictor variable was chosen using the support vector machine-recursive feature elimination feature selection approach. The results show that incorporating the MODIS snow-coverage dataset improves the models' prediction accuracies in the snowmelt-dominated basin. SVR and LSTM exhibited the best performances (root mean square error = 8.63 and 9.80) using monthly and daily snowmelt time series, respectively. In summary, machine learning is a reliable method to forecast runoff as it can be employed in global climate forecasts that require high-volume data processing.     

吃饱和吃好语境对我国耕地保护的启示

人民日益增长的美好生活需要已然对粮食产出提出更高要求,综合辨析吃饱和吃好理念,运用理论分析、GM模型对耕地保护目标进行数理预判,为面向2035年美丽中国背景下耕地保护与粮食安全战略提供决策依据.结果表明:(1)在理论假设的完全理想状态下,仅解决吃饱需要的耕地数量为1.18亿hm2,实现全面吃好需要的耕地数量为1.43亿hm2,现有的耕地存量还难以满足该需求;兼顾"吃饱+吃好"双重情境下新时期耕地保有量区间为1.25×108～1.38×108hm2.(2)吃饱和吃好作为中国语境下粮食安全的核心问题,是对国民需求、社会发展、耕地资源形成的自组织系统在时空跃迁过程中的整体性把握.(3)从粮食质量需求视角,到2030年我国人口高峰年,耕地需求仍有不足风险.实施最严格的耕地保护制度仍是我国必须坚守的基本国策,确保耕地质量的"纯洁性"将成为耕地保护转型的重要方向.     

2016—2017年武汉市城区大气PM2.5污染特征及来源解析

利用2016年1月至2017年9月湖北省环境监测中心站大气复合污染自动监测站的在线监测数据，对武汉市城区PM_2.5的污染特征及主要来源进行解析。结果表明，武汉市城区PM_2.5质量浓度呈现出明显的季节差异，季节变化规律为冬季>春季>秋季>夏季。水溶性离子的主要成分SO₄^2-、NO₃^-和NH₄⁺占总离子质量浓度的82.0%。PM_2.5中阴离子相对阳离子较为亏损，颗粒整体呈碱性。夏季气态污染物的氧化程度较高且SO₂较NO₂氧化程度高。后向轨迹分析结果表明，区域传输是武汉市PM_2.5的一个重要来源，在4个典型重污染阶段，武汉市分别受到局地、东北、西北及西南方向气团传输的影响。PMF模型解析出武汉市PM_2.5五大主要来源及平均贡献率：扬尘22.0%、机动车排放27.7%、二次气溶胶21.6%、重油燃烧14.9%和生物质燃烧13.8%。     

Probabilistic health risk assessment of nitrosamines in drinking water of Shaoxing,Zhejiang, China

Environmental Science and Pollution Research - Nitrosamines (NAms) are potent genotoxic and carcinogenic but widely detected in drinking water. This study aimed to investigate the occurrence of...     

武汉市一次污染过程的局地流场和边界层结构的数值模拟

利用2013年11月武汉市逐日空气质量资料、地面气象观测资料、NCEP/NCAR再分析资料和L波段雷达探空资料，通过WRF模式模拟空气污染生消过程中的局地气象条件变化，探讨特殊地形条件下边界层结构变化和局地环流在污染物生消过程中的作用和影响。结果表明：（1）武汉地区当背景环流场强的时候，由地形引起的局地流场对污染物扩散的影响就弱，反之当背景环流场弱的时候, 地形对流场影响明显:夜间为山风，白天为谷风。夜间山风与偏西北气流及偏东气流在武汉及周边地区辐合，形成气流汇聚带，在武汉地区形成一个反复污染带,即由地形引起的局地流场对污染物扩散的贡献就大；（2）武汉地区发生空气污染时，地面湿度较高，边界层呈上干下湿状态，其特征为暖而干且有偏东小风，这导致污染物不断堆积和重污染过程的形成。     

基于探索性数据分析的汉丰湖富营养化驱动因子研究

为了探究汉丰湖富营养化驱动因子和营养状况，基于2014年水质监测数据，应用探索性数据分析方法初步研究了汉丰湖水动力条件与环境因子的相关性、水质主成分、相关环境因子熵权和营养健康指数。回归分析结果表明：水位与透明度呈正相关，流量与DO呈负相关，与流速呈负相关的因子为Chla、CODMn、NH+4-N和DTP；主成分分析提取的3个主成分分别反映了营养盐、有机污染以及藻类信息；DO、TN和TP的熵权表明汉丰湖水体的富营养状况受制于耗氧有机污染和氮、磷营养盐；营养健康指数S1>S3>S6（湖心）>S7（湖尾）>S5（湖首）>S4>S2。汉丰湖水体营养状况介于中营养到轻富营养，其中南河营养状态较高，湖心营养程度高于湖首和湖尾。减少有机污染物、营养盐的输入和改善局部水域的水动力条件可抑制藻类生长，有利于防治富营养化。 关键词： 探索性数据分析；汉丰湖；富营养化；驱动因子；水动力条件；主成分；熵权；营养健康指数