区域COD、SO_2及TSP排放的空间自相关分析:以江苏省为例

空间自相关分析是空间统计学的一个重要组成部分,是认识空间格局的有效手段.针对研究的空间范围不同,常采用全局空间自相关和局部空间自相关来衡量区域空间自相关程度.利用江苏省1990~2006年13个省辖市COD、SO2和TSP排放量数据,采用空间自相关分析方法对江苏省环境污染排放区域异质性进行了研究.结果表明,江苏省COD和TSP排放总量分别从1990年的596 353 t和1 101 404 t显著下降到2006年的291 762 t和704 734 t,SO2排放量基本保持稳定;江苏省COD、SO2和TSP排放的空间自相关性随时间推移正在发生着变化,到2006年COD、SO2和TSP排放的Global Moran’s I分别达到0.465 7、0.214 2和0.510 1,呈现较显著的正空间自相关趋势,空间上的集聚分布格局业已形成,且COD排放先于SO2和TSP排放在空间呈现集聚格局,空间集聚的程度也较大;苏南与苏北的污染排放格局差异较大,苏南COD、SO2和TSP排放的Global Moran’s I值至2006年分别增加到0.499 7、0.320 2和0.298 3,集聚格局明显,而苏北COD、SO2...     

Trends of air pollution in the Fichtelgebirge Mountains, Bavaria

We analyzed 13 years of hourly measurements of SO₂, NO_x, and O₃, at forest ecosystem research sites in SE Germany. A quasi-continuous data record was obtained by combining data sets from two locations. Before interpreting trends in the combined data set, we analyzed if the change of location introduced a systematic bias. We employed autocorrelation functions, Hurst statistics, complexity analysis, and recurrence quantification and found that the partial data sets exhibited no indication of the presence of any bias. For SO₂, we also compared the data from the forest sites with data obtained in nearby cities and also found no indications for any systematic effects. Applying nonparametric trend statistics we found a significant decrease of the SO₂. Most of the observed decrease is due to the reductions of SO₂ emissions in eastern Germany, but reductions in western Germany and the Czech Republic also played important roles. For O₃, we observed a significant increase, the causes of which are unclear from our data alone. No trend was identified for NO_x.     

城市区域土壤铅含量空间变异的多尺度研究进展

我国城市土壤仍存在Pb的严重富集,准确地评价土壤Pb污染水平和范围是进行科学的土壤Pb污染风险评估和管理的基础.城市土壤Pb含量的空间变异性强且结构复杂,现有的大多数研究在单一空间尺度上开展,不足以全面揭示空间结构特征,不利于促进更加科学的风险评估和管理.因此,探寻一种能够全面揭示城市土壤Pb含量的空间结构信息的方法尤为重要.为了实现这一目的,本文首先分析了造成城市土壤Pb含量高空间变异性的主要因素:污染源的多样性、污染过程的层次性,以及城市景观的异质性.在此基础上归纳出城市土壤Pb含量的空间变异特征——由3个空间层次嵌套而成的等级结构.在此概念性的空间结构之上提出一个基于地统计学理论、以线性混合效应模型为核心的方法框架,可以将城市土壤Pb含量的空间结构划分为3个层次:全局趋势、具有空间自相关的随机变异以及异常高值点.最后,提出完善城市土壤Pb含量空间变异多尺度研究的重点是:探讨更加高效的空间抽样策略;确定特征尺度.     

2011~2017年中国PM2.5多尺度时空分异特征分析

PM_2.5时空分异特征认知对大气污染联防联控意义重大,本文从空间多尺度的视角出发,利用空间模式分析方法与地理探测器,对2011~2017年中国大陆地区PM_2.5年均浓度时空分布格局及成因进行探究,从而揭示PM_2.5多尺度时空分异特征.结果表明：①2011~2017年PM_2.5年均浓度相对稳定,无明显趋势,国家与区域尺度PM_2.5变化特征基本一致,呈现"W"型变化,整体上看,污染程度由高到低依次为：中部、东部、西部与东北.②由空间模式分析结果可知,高值聚集区主要位于中国的东部、中部以及新疆的西南地区,低值聚集区则集中在青藏、云贵高原以及大兴安岭地区.③地理探测器分析结果证实：城市化因素中人口密度是国家与区域尺度上PM_2.5时空分异的主导因素,同时,产业、能耗与交通因素对PM_2.5分布格局存在不同程度影响.在区域尺度上,除了人口密度因素之外,工业用电量与公车总量对中部地区PM_2.5年均浓度影响较大,东部地区是工业烟粉尘排放量与道路面积,东北地区则为第二产业产值占比与城市绿地率,社会经济因素对西部地区的PM_2.5年均浓度影响不显著.     

平原丘陵过渡带土壤有机碳空间分布及环境影响

为定量分析景观过渡带中土壤有机碳空间分布及环境影响,将环境因子纳入空间自回归模型与地理加权回归模型分析比较,并以普通最小二乘回归模型作对照.结果表明:土壤性质指标中,容重及有效铁与土壤有机碳存在极显著相关关系;地形及区位因子中,纬度、高程、坡度、粗糙度等稳定性因素与土壤有机碳存在极显著相关关系;土壤有机碳的局部集聚性多发生在核心景观过渡带;空间回归模型的拟合优度均优于普通最小二乘回归模型,估计值的空间自相关变化趋势与实测值一致,残差的空间模式显著减弱;能够灵活调整权函数与带宽的地理加权回归模型能够更好地分析土壤有机碳的空间变异.模型评价方面,GWR-1和GWR-2的残差平方和较OLS分别降低了20.717%和8.799%; SLM、SEM、GWR-1、GWR-2的AIC值较OLS分别减小了5.108、5.391、19.887和11.751.除本身存在的空间自相关外,模型中土壤性质指标及环境因子能大幅解释土壤有机碳的异质性.本研究引入辅助变量,运用空间回归模型分析了平原丘陵过渡带土壤有机碳的空间变异,可为生态恢复、环境变化指示及研究区典型柑橘区的区划提供依据.     

中国灌区粮食生产水足迹及用水评价

以1998、2005 及2009 年459 个灌区资料为基础,从区域尺度计算粮食生产水足迹,建立粮食生产用水水平综合评价指标I对灌区粮食生产与水资源利用之间的关系进行评价。结果显示:粮食生产水足迹及其组成的区域间差异均较大,大值省区主要分布于东北、华南,小值省区以黄淮海平原为核心集中分布;全国粮食生产水足迹多年均值为1.336 m³/kg,蓝、绿水比例分别为63.7%和35.8%,有35.1%的水足迹损失于粮食生产过程。空间自相关分析表明,粮食生产用水水平综合评价指标I相似的省区在空间上显著地聚集,局部自相关属性为HH和LL的省区超过了20 个,不同年份总体和局部的空间分异特征随时间变化均不明显;省区间粮食生产综合用水水平差异大,I值介于0.079~0.889 之间,变异系数为0.59,黄河中下游省区用水水平较高而东北及西北大部分省区则相反。结合人均粮食占有量与I值在全国的地位,对各省区粮食生产与农业用水发展方向进行了讨论。     

Forecasting population trend from the scaling pattern of occupancy

Forecasting the temporal trend of a focal species, its range expansion or retraction, provides crucial information regarding population viability. To this end, we require the accumulation of temporal records which is evidently time consuming. Progress in spatial data capturing has enabled rapid and accurate assessment of species distribution across large scales. Therefore, it would be appealing to infer the temporal trends of populations from the spatial structure of their distributions. Based on a combination of models from the fields of range dynamics, occupancy scaling and spatial autocorrelation, here I present a model for forecasting the population trend solely from its spatial distribution. Numerical tests using cellular automata confirm a positive correlation, as inferred from the model, between the temporal change in species range sizes and the exponent of the power-law scaling pattern of occupancy. The model is thus recommended for rapid estimation of species range dynamics from a single snapshot of its current distribution. Further applications in biodiversity conservation could provide a swift risk assessment, especially, for endangered and invasive species.     

不同尺度下耕地土壤Cr含量的空间自相关性分析

以山东省禹城市耕地土壤重金属铬(Cr)元素为例,采用Moran’s I统计量对县级和镇级两个不同取样尺度下Cr含量的空间自相关关系、空间相关尺度和空间分布规律进行了对比研究.结果表明:1)随着研究尺度的增大,Cr含量的变异系数增加,块基比(C0/Sill)减小,空间结构性增强;2)两个尺度下Cr含量Moran’s I指数都大于0,表明研究区内两个尺度下的Cr含量都存在空间正自相关,且Moran’s I指数随着研究尺度的增加而增大;3)Lisa聚类图表明,两个尺度下Cr含量都存在空间聚集区和空间孤立区,其中"高—高"空间聚集和"低—高"空间孤立区域存在潜在Cr污染风险.研究表明小尺度下能够观察到大尺度下观察不到的细微差别,研究可为土壤重金属环境质量评价和重金属污染防治提供重要参考.图4表2参23     

京津冀地区生境质量与景观格局演变及关联性

以京津冀地区为研究区,基于InVEST生态评估模型、Fragstats景观格局指数测算平台,运用网格分析法,评估了2000~2018年京津冀地区生境质量与景观格局演变;利用空间自相关理论,分析了二者空间关联性及其时序演变特征.结果表明：京津冀地区生境质量整体呈现出“东南低、西北高”的空间分布特征;2000~2018年京津冀北部以及沿海地区生境质量大面积提升;北京-天津都市圈及其南部存在大面积生境质量衰退.京津冀山区景观格局较稳定,东南部城市群景观格局指数值变化显著,景观趋于破碎化.生境质量与景观格局特征二者具备空间关联性,但相关关系逐渐减弱,以东南部生境质量低值区集聚效应减弱最为明显.研究结果有助于揭示生境质量与景观格局的空间关联性规律,可为我国乃至世界其他类似地区生态保护与景观规划提供科学支持.     

Rarefaction and nonrandom spatial dispersion patterns

Rarefaction estimates how many species are expected in a random sample of individuals from a larger collection and allows meaningful comparisons among collections of different sizes. It assumes random spatial dispersion. However, two common dispersion patterns, within-species clumping and segregation among species, can cause rarefaction to overestimate the species richness of a smaller continuous area. We use field studies and computer simulations to determine (1) how robust rarefaction is to nonrandom spatial dispersion and (2) whether simple measures of spatial autocorrelation can predict the bias in rarefaction estimates. Rarefaction does not estimate species richness accurately for many communities, especially at small sample sizes. Measures of spatial autocorrelation of the more abundant species do not reliably predict amount of bias. Survey sites should be standardized to equal-sized areas before sampling. When sites are of equal area but differ in number of individuals sampled, rarefaction can standardize collections. When communities are sampled from different-sized areas, the mean and confidence intervals of species accumulation curves allow more meaningful comparisons among sites. Electronic supplementary material  The online version of this article (doi:) contains supplementary material, which is available to authorized users.