基于气流轨迹聚类的大气污染输送影响

基于中尺度气象预报模式(MM5)、混合单粒子拉格朗日积分(HYSPLIT)轨迹模式模拟和K均值聚类算法,利用气流轨迹聚类判断不同尺度大气输送型对城市空气的质量影响. 采用MM5模式对2006年珠江三角洲地区四季代表月(1,4,7,10月)的气象场进行了模拟,将模拟结果输入到HYSPLIT模式中,以计算广州市上空气团每日逐时的12 h后向轨迹;利用K均值聚类算法按轨迹移动方向和速度将各月气流轨迹线聚为有代表性的5类,计算各类输送型出现时段广州市ρ(PM₁₀₎和ρ(SO₂)的平均值. 结果表明,珠江三角洲地区低层大气输送季节性变化明显,按输送特征及其对城市污染物浓度的影响差异,可将输送型分为局地输送、城市间输送和远距离输送3类. 结合污染源排放清单得出的污染源空间分布,分析结果表明,广州市大气污染较重时段主要受特殊气象条件和珠江三角洲地区周边城市排放源的影响,本地源排放与周边城市污染物输送的叠加使大气污染加重.      

长三角地区PM2.5浓度对土地利用/覆盖转换的空间异质性响应

长三角地区PM_2.5污染受区域空间效应的影响,其可持续治理方向仍不清晰.结合随机森林、空间计量模型和多尺度地理加权回归模型（MGWR）,探讨PM_2.5浓度对土地利用/覆盖转换的多尺度空间响应过程.结果表明：（1） 2000～2018年长三角地区PM_2.5浓度呈现出4类空间连续聚集的时空变化模式,区域性同步变化强烈;（2）土地转换对PM_2.5浓度的相对影响表现复杂,耕地与林地的源-汇效应显著.邻域分析表示周围聚集性土地利用/覆盖转换普遍比单一像元时作用更显著,空间效应明显;（3） PM_2.5浓度变化与林地、草地转换类型大多呈显著负相关,与耕地、建设用地和水体之间的转换类型呈显著正相关.随机森林模型重要性排序及相关系数强度表明：耕地-耕地（29.65%及0.650）、林地-林地（26.98%及0.726）、建设用地-耕地（22.57%及0.519）、耕地-林地（17.84%及0.602）和耕地-建设用地（16.34%及0.424）之间转换对PM_2.5浓度变化贡...     

用灰色聚类方法综合评价地下水水质

本文提出了用灰色聚类进行地下水水质综合评价的方法。结合实例与模糊数学方法进行了对比,得到满意的结果。     

钱塘江兰溪段地表水质季节变化特征及源解析

季节变化对水质的影响评价是流域水质管理的重要内容之一.选取钱塘江兰溪段6个监测点位为研究对象,测定了2010和2011年丰水期和枯水期12个水质指标,采用因子分析技术识别关键污染因子及来源的季节变异特征,并基于层次聚类分析和改进的模糊数学方法进行不同季节关键污染因子空间差异性分析和水质综合评价.结果表明,枯水期关键污染因子为来源于城镇集中式生活污水处理厂、纺织业等点源的CODMn、BOD5和NH4+-N,丰水期为来源于农业面源的NH4+-N、TP和工业点源的CODMn;枯水期和丰水期关键污染因子存在空间差异性,无论枯水期还是丰水期,费垅为重污染区域,横山、洋港和将军岩为轻度污染区域;其不同之处在于枯水期女埠和西门码头为中度污染区域,而丰水期则为轻度污染区域;关键污染因子综合水质丰水期优于枯水期,丰水期16.7％的监测点位综合水质归属于V类,而枯水期50％的监测点位综合水质归属于V类.     

陕西关中地区土地资源的优化配置

从分析陕西省关中地区土地资源利用现状结构特征及存在问题入手,运用灰色线性规划模型对土地利用结构进行优化配置。模型选取多个影响土地利用结构因子,并通过预测未来关中地区各行各业之用地需求及用地限制从而确定出各因子适当参数,进行模拟后得出典型备选方案。最后从综合效益及可行性双方面考虑,经层次分析法择出未来关中地区最优土地利用决策方案。     

基于灰色聚类法和模糊综合法的水质评价

根据2008年9月从昆承湖布设的12个监测点采集的样本中水质指标(叶绿素a、总磷、总氮和高锰酸盐指数)的浓度值,采用了灰色聚类法及模糊综合评价法对样本水质进行富营养化评价.灰色聚类法先建立白化权函数并无量纲化灰类来消除各水质指标浓度值量级差异的影响,然后根据水质指标浓度阈值的大小赋以其权值,综合水质指标对各级富营养状态...     

Assessing conservation status with extensive but low-resolution data: Application of frequentist and Bayesian models to endangered Athabasca River rainbow trout

Use of extensive but low-resolution abundance data is common in the assessment of species at-risk status based on quantitative decline criteria under International Union for Conservation of Nature (IUCN) and national endangered species legislation. Such data can be problematic for 3 reasons. First, statistical power to reject the null hypothesis of no change is often low because of small sample size and high sampling uncertainty leading to a high frequency of type II errors. Second, range-wide assessments composed of multiple site-specific observations do not effectively weight site-specific trends into global trends. Third, uncertainty in site-specific temporal trends and relative abundance are not propagated at the appropriate spatial scale. A common result is the propensity to underestimate the magnitude of declines and therefore fail to identify the appropriate at-risk status for a species. We used 3 statistical approaches, from simple to more complex, to estimate temporal decline rates for a designatable unit (DU) of rainbow trout in the Athabasca River watershed in western Canada. This DU is considered a native species for purposes of listing because of its genetic composition characterized as >0.95 indigenous origin in the face of continuing introgressive hybridization with introduced populations in the watershed. Analysis of abundance trends from 57 time series with a fixed-effects model identified 33 sites with negative trends, but only 2 were statistically significant. By contrast, a hierarchical linear mixed model weighted by site-specific abundance provided a DU-wide decline estimate of 16.4% per year and a 3-generation decline of 93.2%. A hierarchical Bayesian mixed model yielded a similar 3-generation decline trend of 91.3% and the posterior distribution showed that the estimate had a >99% probability of exceeding thresholds for an endangered listing. We conclude that the Bayesian approach was the most useful because it provided a probabilistic statement of threshold exceedance in support of an at-risk status recommendation.     

2020—2022年全国入海河流总氮浓度时空特征

根据全国230个入海河流断面2020—2022年总氮质量浓度监测数据,基于时间序列统计方法和空间聚类方法,分析了总氮浓度的时空分布特征。结果显示:2020—2022年全国入海河流总氮年均质量浓度逐年上升,从(3.24±2.20)mg/L上升到(3.92±3.30)mg/L;年内总氮浓度呈现冬高夏低、春秋居中的V形季节变化规律。空间聚类分析表明:总氮质量浓度从北到南可分为4个有较明显差异的区域,分别为北方高值区(包括辽东丘陵西部、辽西丘陵、山东丘陵),北方次高值区(包括环渤海京津冀地区、苏北平原),华东区(包括长江中下游平原区、上海市、浙江省、福建省),华南区(包括广东省、广西壮族自治区、海南省)。总氮年均质量浓度分布为北方高值区>北方次高值区>华东区>华南区。北方高值区的过高总氮浓度对全国总氮浓度均值提供了超比例的贡献。同时,北方高值区和北方次高值区贡献了2020—2023年全国总氮浓度92%的增幅。此外,从空间分布上看,越往北,总氮浓度的V形季节变化规律越明显。