环保动态

广东省固废法律知识培训班在惠州举行，全省环保宣传月工作座谈会在惠州召开，本刊采编人员到猎德污水参观学习，广州申报国家森林城市条件足，花都区部署主要污染物总量控制工作任务。     

小树“挂盐水”

<正>一天傍晚,我和妈妈漫步在绍兴世贸广场的人行道上,一片月光懒懒地洒落在肩头。"呀!妈妈快看,那是什么?"我指着一棵小树问。只见沿路小树的树枝上都挂着一个塑料袋儿,下面连着一根管子,管子的另一头插在小树的身上,水晶般的液体正在缓缓地流向树的身体。"好奇怪呀!"妈妈仔细地打量了一番,也不知道其中的原因。难道是这棵树生病了?像人一样要挂葡萄糖之类的盐水?可为什么这么长的人行道上,所有的树都挂了一个这样奇特的"盐水瓶"?难道他     

岷江上游高山森林冬季河流中凋落叶碳、氮和磷元素动态特征

高山森林河流中凋落叶元素释放动态不仅是生态系统物质循环和能量流动的重要组成部分,而且是森林养分流失的主要过程,并可能与冬季雪被和冻融导致的水环境变化密切相关.以岷江上游高山森林4种代表性植物康定柳(Salix paraplesia)、高山杜鹃(Rhododendron lapponicum)、方枝柏(Sabina saltuaria)和四川红杉(Larix mastersiana)凋落叶为对象,采用凋落叶分解袋法,研究冬季不同冻融时期(冻结初期、冻结期、融化期)河流中凋落叶碳(C)、氮(N)和磷(P)元素动态特征.康定柳、方枝柏和四川红杉凋落叶C(14.6%-47.7%)、N(22.3%-58.5%)和P(4.8%-20.5%)元素在整个冬季均表现为明显的释放现象,而高山杜鹃凋落叶C(-7.3%)和N(-62.7%)表现为明显的负释放(富集)现象,P(0.7%)表现为微量的释放现象.整体而言,凋落叶分解过程中C、N和P元素在冬季的冻结初期、冻结期和融化期整体表现为释放—富集—释放的模式,但康定柳和方枝柏凋落叶N表现为富集—富集—释放模式,方枝柏凋落叶P表现为释放—富集—富集模式.同时,凋落叶C、N和P元素的释放率受河流水温、p H、电导率和C、N、P营养元素等水体环境因子的显著影响.这些结果表明高山森林河流水环境特征显著影响了凋落叶分解过程中元素动态及其相关的物质循环过程,但影响程度受到凋落叶种类和基质质量的控制.     

ENN精粹

<正>计算机+基因工程提升作物产量2015年4月10日ENN环境新闻网新闻美国科学家最新研究发现,超级计算机与基因工程可以帮助农作物提高将阳光转化为能量的效率,并有望解决迫在眉睫的粮食短缺问题。研究者认为:光合作用远未达到最大的理论效率。超级计算机的快速发展可以允许科学家对光合作用过程中的每一个阶段进行建模,找到并改进植物生长中的瓶颈问题。不过,论     

局域地形和林火数量对区划方法的影响规律研究

森林火灾等级区划不仅能为预防森林火灾提供宏观指导,并有利于防火人员的合理安排,从而达到对火灾的有效防范和控制。一个好的森林火灾的区划结果得益于适宜的区划方法,而区划方法的选择则受制于区划影响因子,因此探讨森林火灾区划的影响因子对区划结果至关重要。分析了重庆市森林火灾的空间分布特征,并在GIS支持下,利用2000-2010年中527例历史林火记录和DEM数据,分析了局域高度和林火数量对森林火灾区划的影响。最终,将局域高度及林火数量构建成火灾易发程度并空间化,从林火易发程度的角度出发给出了重庆市森林火灾区划结果。通过分析发现,所构建的林火易发程度可从地形和林火数量的角度反映某一地区的林火发生情况,因此局域地形和林火数量可分别作为重庆市森林火灾区划的指标之一。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

森林保险支付意愿及影响因素分析——基于异质性营林主体视角

基于期望效用函数理论分析了异质性营林主体的森林保险支付意愿及差异,并以传统小林农和新型林业经营主体为研究对象,以福建省382户传统小林农和88户新型林业经营主体的调研数据为基础,综合运用条件估值法、卡方检验及Cox比例风险模型,对异质性营林主体的森林保险支付意愿与差异及支付意愿影响因素进行对比与分析。研究表明：传统小林农和新型林业经营主体的森林保险意愿支付水平存在显著差异,在1000~2500元/亩保障水平下,传统小林农的意愿支付水平分别为1.911元/亩、2.941元/亩、3.532元/亩及3.979元/亩,新型林业经营主体为1.632元/亩、3.971元/亩、5.809元/亩及6.864元/亩;两类营林主体的支付意愿均随保额的提高而提高,但新型林业经营主体的提升幅度远高于小林农。异质性营林主体的森林保险支付意愿影响因素也存在明显差别,这与其在森林保险认知特征、林业生产经营特征、林业灾损特征、森林保险产品评价特征等方面存在显著差异有关。此外,林地面积对两类营林主体支付意愿均具有显著影响,规模化、集约化的林业生产经营可促进林业经营主体的森林保险愿意支付水平。     

基于变量重要性评分-随机森林的溶解氧预测模型——以深圳湾为例

运用Pearson相关性分析,变量重要性评分和随机森林方法构建了溶解氧（DO）实时预测模型,并以深圳湾为例采用浮标资料预测1,3,6和12h的溶解氧.模型预测结果表明,模型最优的输入条件为pH值,水温,叶绿素a,氧化还原电位和蓝绿藻5个水质指标,1h预报的相关系数在0.9以上,6h预报结果一定程度上可以满足工程要求,但对低溶解氧事件的预报必须在3h以内.     

极端梯度提升与随机森林融合的天然气露点预测方法

目的 解决目前水露点数据多为人工采用测量仪器测得,时效性低且成本高昂的问题。方法 建立一种基于极端梯度提升(XGBoost)和随机森林(RF)的天然气水露点预测方法。采用XGBoost方法对所有监测工艺参数进行分析,筛选出主要影响水露点的关键工艺特征参数,以排除无关特征参数对预测的干扰。建立RF预测模型,输入关键特征集参数,实现对水露点的实时预测。以重庆气矿某脱水监测系统监测数据与生产数据为例,对所提预测方法进行对比分析验证。结果 相较于XGBoost、SVM等预测方法,RF模型具有最佳的预测性能,且经过XGBoost特征选择后,RF预测结果的MAE值降低了0.016 9 ℃,RMSE值降低了0.014 6 ℃。结论 基于极端梯度提升与随机森林融合的水露点预测方法具有更优的预测精度与鲁棒性,对指导脱水现场生产具有积极作用。     

基于随机森林的南京市PM2.5和O3对减排的响应

自2013年《大气污染防治行动计划》实施后,南京市大气污染有所改善,但仍面临着细颗粒物(PM_2.5)和臭氧(O₃)污染问题.为探究污染物浓度对其前体物减排的响应,获得有效的减排策略,常利用大气化学模式进行多组基于排放扰动的敏感性试验,而这需要消耗大量计算时间和计算资源.应用随机森林算法对2015年大气化学传输模式(GEOS-Chem)模拟结果进行机器学习,高效地预测了南京2019年PM_2.5浓度日均值和日最大8 h臭氧(MDA8 O₃)浓度对不同人为源排放控制情景的响应.随机森林结果表明2019年中国人为排放每减少10%,南京ρ(PM_2.5)季节平均值下降2～4μg·m^-3.当2019年中国人为源减排比例高于20%时,南京ρ(PM_2.5)年均值将低于国家二级限值(35μg·m^-3).若仅对中国地区O₃前体物氮氧化物(NO_x)和挥发性有机污染物(VOCs)同比例减排,反而...