野生动物救助,痛并“快乐”着

一只松鸦和一只喜鹊粘在鸟网上,细细的丝线缠住了它们的身体。它们已经死了。鸟网被放倒,剪碎,最后放火烧掉。已经死去的,只能怀念和惋惜。大连护鸟队,盼望的是未来不再有鸟类死亡。这是2013年7月7日,大连护鸟队的一次常规巡护。这一次,他们带着光盘和剪刀。他们到达有鸟网的村子,做"光盘换鸟网"行动,志愿者捐赠的旧光盘,送给村民,拉近保护者与伤害者的距离,关于鸟类保护的谈话,就可以展开了。     

基于BP神经网络的甘肃省二氧化碳排放预测及影响因素研究

基于排放因子法估算2000—2020年甘肃省三大产业及生活能源消费直接CO₂排放量,描述分析其时序演变特征。建立BP神经网络模型并预测2021—2030年甘肃省CO₂排放量。构建甘肃省CO₂排放影响因素的STIRPAT拓展模型,利用多元回归分析定量探究了各因素对CO₂排放量的影响程度和内在作用机理,并结合随机森林进一步识别重要影响因素。结果表明：甘肃省产业及生活能源消耗直接CO₂排放总体呈波动增长趋势,且第二产业占比在70%以上,是主要的CO₂排放源;BP神经网络模型的预测误差为2×10^-4,相关系数>0.99,对于预测甘肃省CO₂排放具有较高精度,并得出2026年的甘肃省能源消耗直接CO₂排放量达到最大;甘肃省CO₂排放的驱动因素作用差异显著,CO₂排放强度、经济发展、城乡消费对CO₂排放的正向作用较大,城镇居民人均消...     

基于机器学习的星载短波红外CO2柱浓度估算

利用OCO-2卫星遥感数据、全球碳柱总量观测网(TCCON)站观测数据、NDVI归一化植被指数数据、ERA5大气数据,采用决策树和集成学习(XGBoost、普通随机森林、极端随机森林、梯度提升)对二CO₂平均柱浓度进行预测.通过相关性分析、特征选择与特征提取,建立模型预测CO₂平均柱浓度,再与TCCON站点的地基观测数据进行比对.通过分析不同模型(决策树、XGBoost、普通随机森林、极端随机森林、梯度提升)预测的结果,发现使用极端随机森林回归模型预测CO₂平均柱浓度的精度最高, R²、均方根误差(RMSE)、平均绝对误差(MAE)、平均相对误差(MRE)分别为:0.953、0.492×10^-6、0.260×10^-6、0.063%,其余模型次之,因此对极端随机森林回归模型的预测性能随自身参数的影响进行了分析,结果表明,在误差允许的范围内(±2×10^-6),极端随机森林回归模型和梯度提升回归模型预测的准确率一样,都为98.10%.由于C...     

中国艾比湖湿地识别及其时空动态变化

在资料稀缺的背景下,遥感数据是提供湿地系统长时间序列的理想方案。然而面向“一带一路”沿线地区复杂下垫面,国家级湿地缺乏系统的长时序梳理。利用Landsat系列数据,基于随机森林分类模型,研究近30年中国典型尾闾湖湿地的时空分布模式、空间转换规律和景观连通性。结果表明：随机森林算法在艾比湖湿地分类应用中取得较高精度（Kappa系数大于0.9）。1991—2017年艾比湖湿地总面积增加425.06 km²,河流增加47.97 km²,湖泊增加233.95 km²,人工湿地增加48.74 km²,盐沼增加109.41 km²,沼泽减少15.01 km²。艾比湖湿地年内时空变化显著,年内季节间盐沼转化率最大,湖泊年内逐渐缩小,主要转化为沼泽。此外,艾比湖湿地空间连通性理想度排序为：春季>夏季>秋季,湿地景观连通性取决于较大面积的湿地斑块,连通效率东移。相关结果可弥补稀缺资料区基础湿地资料,为“一带一路”地区生态补水长效机制提供典型示范。     

基于Landsat8影像的Himawari-8叶绿素a空间降尺度研究

新型地球静止气象卫星Himawari-8由于空间分辨率较低,其叶绿素a产品难以满足空间异质性高的近岸海域水质监测要求。为了克服这个限制,基于非线性的随机森林算法,利用陆地资源卫星Landsat8的波段反射率数据和Himawari-8的叶绿素a产品,通过构建降尺度模型,以提高Himawari-8的叶绿素a数据的空间分辨率。结果表明,2个秋季模型和2个冬季模型的模型决定系数(R²)分别达到0.6、0.72、0.71和0.85;均方根误差(RMSE)为别为1.47,1.05,1.89,0.76mg/m³。通过实测站点数据对比分析表明,降尺度模型生成的叶绿素a与葵花叶绿素a数据具有较高的一致性,R²达到了0.81,能较好的反映近岸海域叶绿素a浓度的空间变化特征。     

机器学习耦合受体模型揭示驱动因素对PM2.5的影响

PM_2.5主要受排放源、大气化学、气象条件等驱动因素的非线性影响,了解驱动因素对PM_2.5浓度的影响十分重要. 本研究基于南开大学大气环境综合观测超级站的逐时在线观测数据,耦合机器学习方法和受体模型,揭示了驱动因素的重要性以及对PM_2.5浓度的影响. 结果表明:① 2018年11月—2020年10月观测地点的PM_2.5浓度范围为3.21~291.80 μg/m3,采暖季PM_2.5浓度和化学组分均高于非采暖季. ②使用受体模型解析PM_2.5的来源及其贡献,发现观测期间二次源的贡献率(44.7%)最高,其他依次为燃煤源(23.6%)、机动车排放源(11.0%)、扬尘源(9.9%)、生物质燃烧源(7.2%),工业源的贡献率(3.6%)最小. ③利用随机森林-SHAP模型量化排放源、大气氧化能力、气象条件等驱动因素对PM_2.5浓度的影响,发现观测期间排放源对PM_2.5浓度的影响程度为54.3%,高于其他驱动因素;气象条件对PM_2.5浓度的影响程度次之,为32.4%;大气氧化能力对PM_2.5浓度的影响程度相对较低,为13.3%. 在采暖季和非采暖季,各驱动因素对PM_2.5浓度的重要性在排序上没有变化,然而驱动因素对PM_2.5浓度的影响程度有所不同. 采暖季排放源对PM_2.5浓度的影响程度高于非采暖季,采暖季大气压对PM_2.5浓度的影响程度低于非采暖季. 研究显示,排放源对PM_2.5的影响相对较大,气象条件和大气氧化能力对PM_2.5浓度的影响也不容忽视.      

大数据背景下采用互信息与随机森林算法的空气质量预测

为了实现城市空气质量的精准预测,针对与城市空气质量预测相关的大数据种类多、规模大、维度高和生成速度快等特点,在研究城市不同区域空气质量评价指标的基础上,提出不同区域空气质量子空间聚类分析方法,挖掘不同区域空气质量的特征。通过对不同区域进行群体划分,并利用互信息矩阵从城市功能、地形、气象条件等方面辨识与不同区域空气质量相关联的因素,构建基于随机森林算法的城市空气质量预测模型。该方法可以有效识别城市不同区域空气质量的强关联因素,避免由于关联因素的差异性对空气质量预测造成的不利影响。仿真结果表明:该方法适用于大数据的分析与处理,并具有较高的预测精度。     

中国亚热带地区2000-2014年林火排放颗粒物时空动态变化

林火是森林生态系统重要干扰因子并对大气环境和人类健康有显著影响.该研究基于2000-2014年中国亚热带地区卫星火点数据,结合林业统计年鉴,估算各区域林火燃烧生物量,运用排放因子法,估算15年间中国亚热带地区林火排放颗粒物总量.研究结果表明,亚热带地区林火存在季节性差异,福建、广东、广西、湖南和江西林火主要集中在春、秋两季;贵州和云南林火主要集中在春季;浙江林火集中在春、夏两季.亚热带地区森林可燃物总燃烧量为333.92 Mt,污染物PM_2.5、OC、EC和TC总量分别为：698.33、338.18、40.04和378.22 kt,此外,各污染物排放在时间和空间上不均衡,各污染物排放量多集中在云南南部和东南部,湖南、贵州和广东交汇处,广东东南部和福建中部等区域;PM_2.5、OC、EC和TC在浙江、云南、贵州、湖南和江西呈显著增长趋势.林火释放PM_2.5与工业粉尘的排放比变化趋势总体呈上升趋势,说明森林火灾导致的颗粒物排放对大气环境影响力呈逐年增长趋势.该文通过对中国亚热带地区林火释放污染物的时空变化研究,为深入揭示林火对区域环境的影响提供数据支持.     

环境工程专业以专业认证为导向的实践教学改革

如今,对学生们进行实践教学可以说得上是能够锻炼他们将自己在课堂中所学到的理论知识很好得运用到实践中去十分有效的办法之一,而且这也是学生们离开学校进入社会工作岗位前最为重要的锻炼手段之一。尤其是对于环境工程这种需要学生们具备教强实践应用能力的专业来说,进行一定的以专业认证为导向的实践教学是非常具有必要性的。因此这就需要各个高校能够重视起对学生所进行的实践教学,并且认真了解本院校中以专业认证为导向的实践教学中存在着哪些问题,之后采取一定的改革措施,对存在的这些问题进行解决,以提高如今我国环境工程专业以专业认证为导向的实践教学的水平。     

我国绿色债券环境信息披露的完善路径分析

绿色债券是兼具环境效益和经济效益的新型债券,是绿色金融体系的重要组成部分。绿色债券环境效益的实质应是以环境容量为基础的新型财产权。从这一权利的属性出发,环境信息披露对于绿色债券发债主体内化成本、投资者破解信息不对称和监管机构监督绿色产业都具有重要意义,但当前绿色债券环境信息披露制度在披露标准、披露内容、环境效益披露等方面依然存在问题。因此需要针对这些问题从建立强制披露机制、统一披露标准、明确环境效益计算标准和引入第三方认证等方面加以完善。