长三角重点生态功能县域生态资产损益核算

限制开发的重点生态功能县域承担着生态保护与经济发展双重使命,如何实现生态与发展互促共进及生态产品价值化是当前面临的极大难点,生态资产损益核算为量化区域资源有偿使用、生态保护修复、生态文明绩效评价等提供了有效途径。以浙江省嵊州市作为长三角地区重点生态功能区的典型县域,基于栅格尺度评估了近20年生态资产存量与流量时空动态变化,并利用地理探测器结合人类活动类型监测分析了生态资产损益的驱动因素。结果表明：2000—2018年,由于森林生态资产质量降低及面积减少,嵊州市近60%区域的生态资产存量呈减少趋势,而生态资产流量总价值与单位面积价值均增益10%以上。相对于自然因素,社会经济因素对嵊州市生态资产损益平均贡献度更大,为17%。县域城镇化导致粮食供给轻微减损,70%以上乡镇生态资产增益,特别是石璜镇生态保护成效较突出。     

因子回归和交互联合探索区域植被覆盖度的影响因素——以三江源地区为例

利用SPOT VEGETATION数据获取的归一化植被指数（NDVI）,分析三江源地区植被覆盖度（FVC）的空间异质性,围绕自然和人类活动因素,基于因子回归与交互作用联合探索自然因素和人为因素对三江源地区植被覆盖的影响.结果表明：（1）三江源地区植被覆盖度整体呈现明显的空间异质性;（2）总体上FVC空间分布的影响因素表现为自然环境因素>人类活动因素;（3）降水是影响三江源地区FVC的主要驱动因子,解释力达0.777;（4）因子交互发现：驱动解释系统呈现双因子增强,说明从系统的角度来看不存在独立起作用的因子,年降水量与其他因子的交互作用最强;（5）降水梯度影响了三江源地区FVC空间异质性的解释程度.随着降水增加,因子解释力趋稳,在降水量较多的三江源东部地区,FVC趋向于更易受高程和气温的影响;（6）数据结果亦验证了因子独立的全局最优筛选仅仅是模拟因变量特征的最优函数,其解释效果与因变量的驱动解释不能完全等同.     

成渝城市群碳排放时空特征及其影响因素

利用2008~2018年成渝城市群内16个城市的面板数据,运用空间自相关和时空地理加权回归模型,探究了城市群碳排放的时空演变格局,揭示了碳排放影响因素的时空异质性.结果表明,成渝城市群碳排放整体呈增长态势,总量由5亿t增加到6.6亿t,增速约为1500t/a,地均碳排放量和人均碳排放量也存在波动上涨趋势.碳排放总量热点区域集中在成都和重庆,分别占总量约20%和25%,冷点区域为雅安市.碳排放总量和地均碳排放均存在显著的空间差异,人均碳排放的莫兰指数为正,呈现明显的空间聚集格局.整体上,人均碳排放表现出东北低-西南高的空间结构特征,南充,遂宁,广安是低低聚集区域.城市群中各个城市的影响因素显示出时空异质性,能源强度、经济发展水平、人口规模对城市的碳排放都有明显正向作用,在成渝中西部城市作用强度大;而城市化水平的正向影响较弱,对成渝东部城市影响较强.     

榆林地区植被时空分异特征及其影响因素研究

植被作为反映陆地生态系统和气候的重要指标,对研究全球或区域生态环境变化具有重要作用.以地处黄土高原生态脆弱区的榆林市为研究区,基于地理探测器模型,选取坡向、坡度、气温、降水和土壤类型5类自然因子,土地利用类型、人口密度和GDP 3类人文因子,分析榆林地区植被空间分异特征及其驱动力,并揭示了促进植被生长影响因子的最适宜特...     

武宁县森林扰动及驱动因子分析

森林扰动是影响陆地生态系统的重要因子,也是影响全球碳循环的重要因素.以江西省武宁县为例,利用1986-2011年14景Landsat TM/ETM+遥感影像,通过扰动指数(disturbance index,DI)时间序列轨迹分析提取森林扰动信息,并引入经验正交函数(empirical orthogonal function,EOF)分解方法定量分析了森林扰动的时空变化规律,利用GIS深入分析了自然和社会驱动因子影响.结果表明,武宁县森林扰动在1986-1998年较强,扰动面积以1992年为最大,以地区性扰动为主;2000年以后则趋于平缓,扰动以砍伐和森林火灾为主;在空间上,扰动主要发生在近道路、低海拔、低坡度和近水地区,并受地形和交通的制约,城镇化逐渐成为该地区森林扰动的一个不可忽略的驱动因子.     

长江三角洲城市群工业污染时空演化及其驱动因素

基于2003~2015年长江三角洲（以下简称长三角）城市群26个城市工业废水和工业SO₂排放数据,采用标准差椭圆、地理集中指数、工业环境绩效指数、空间形态差异指数等方法从宏观和微观视角对长三角城市群工业污染时空演化进行分析,同时采用对数平均迪氏分解（LMDI）模型对其工业污染排放主要驱动因素进行分解.研究发现：2003~2015年工业废水和工业SO₂排放量分别下降了16.97%和28.79%,但占全国比重仍然较高,尤其是工业废水对生态环境胁迫较大.2种工业污染空间形态均呈现出北（偏西）-南（偏东）的空间分布形态,而2种工业污染重心移动轨迹并不一致,工业废水重心总体上朝向东（偏南）方向迁移了12.85km,而工业SO₂重心总体上朝向西（偏北）方向迁移了26.89km.此外,2种工业污染主要集中分布于长江沿岸城市且污染集中度指数由高到低大致呈半圈层状向周围递减.工业发展与工业污染空间形态演变具有一致性,工业废水重心和工业SO₂重心与工业发展重心距离均在逐渐缩小,而2种工业污染-环境绩效空间分布格局并不完全一致.驱动因素方面,环境规制引起的技术改善效应是工业污染排放量减少的主要原因,而由环境规制引起的产业结构效应对工业污染排放量的影响则取决于区域发展政策,经济发展效应是工业污染排放量增加的主要原因,人口规模效应对工业污染排放量的影响较小.     

1980—2015年京津冀地区雁鸭类潜在栖息地连接度变化及驱动因素

近几十年来,京津冀地区湿地面积萎缩,生态功能下降,严重影响了湿地水鸟的栖息地质量及栖息地间的连接,对水鸟类的迁徙、繁殖产生较大干扰,为了从整体上定量分析近几十年来湿地栖息地质量及连接度的变化,采用MaxEnt模型（maximum entropy model,最大熵模型）,基于京津冀地区雁鸭类的出现点和环境因子反演其潜在栖息地,并根据图论法原理,利用ECA指数（equivalent connected area,等效连接指数）,度量1980-2015年潜在栖息地连接度的变化.结果表明:①1980-2015年京津冀雁鸭类潜在栖息地面积总体呈下降趋势,由1980年的6 898 km2减至2015年的3 764 km2,减少了45.0%,其中,低适宜区面积降幅最为明显,为50.5%;2009-2015年高适宜区有增加趋势.②1980-2015年雁鸭类潜在栖息地连接度呈持续下降趋势,2000年以后的连接度下降速率大于2000年以前;潜在栖息地连接结构的空间分布有向环渤海地区转移的趋势,连接结构变化最为明显的区域为京津冀中部平原地区.研究显示,区域气候趋暖变干、水资源的供需失衡、水利工程设施建设以及人口增加与经济发展带来的土地利用变化是潜在栖息地面积与连接度下降的主要影响因子,而近些年保护区的建立及生态补水措施等生态保护政策对高适宜区的退化有一定缓解作用.      

不同工况下轻型车油耗试验驾驶方式评价

在一台性能稳定的汽油车上由同一驾驶人员按平顺、粗暴和正常3种驾驶方式分别进行NEDC （新欧洲行驶工况）、FTP75（美国认证工况）以及WLTC （世界统一轻型车测试循环）工况油耗试验,采用能量变化率（ER）、距离变化率（DR）、能量经济性变化率（EER）、绝对速度改变率（ASCR）、速度平方根误差（RMSSE）以及惯性做功改变率（IWR）6个指标作为驾驶质量评价指标,通过分析计算每次试验各项评价指标及其与燃料消耗量变化的相关性,确定了油耗试验驾驶方式的合理性边界条件.结果表明,对于WLTC和FTP75工况,平顺驾驶和粗暴驾驶均会导致评价指标变大或者变小,驾驶方式与评价指标呈规律性变化;对于NEDC工况,不同的驾驶方式对NEDC工况油耗影响较小.油耗试验的边界条件,WLTC工况的EER为（0.25±0.47）%、ASCR为（1.20±0.97）%、RMSSE为（0.85+0.15）km/h、IWR为（2.15±1.27）%时,可认为油耗试验的驾驶方式较为合理;FTP75工况的EER为（-0.09±0.69）%、ASCR为（-0.59±0.42）%、RMSSE为（0.88+0.34）km/h以及IWR为（-0.69±1.66）%时,油耗试验的驾驶方式较为合理.     

基于可解释性机器学习的城市O3驱动因素挖掘

受前体物排放和气象条件等因素共同驱动,大气臭氧(O₃)已成为影响城市夏季环境空气质量的主要污染物.目前物理化学机制驱动的演绎模型在进行O₃污染解析时需要的模型参数众多,运算时效性较差;数据驱动的归纳模型运算效率高,但存在可解释性差等问题.通过建立可解释性数据驱动的Correlation-ML-SHAP模型,Correlation模块挖掘O₃浓度关联影响因素,机器学习ML模块耦合可解释性SHAP模块计算各驱动因素对O₃浓度的影响贡献,实现对驱动因素的定量解析,并以晋城市2021年夏季O₃污染过程为例开展应用研究.结果表明,Correlation-ML-SHAP模型能够挖掘并利用强驱动因素模拟O₃浓度和量化影响贡献,其中ML模块采用XGBoost模型模拟准确度最佳. 2021年夏季晋城市O₃污染强驱动因素为：气温、日照强度、湿度和前体物排放水平,贡献权重为：32.1%、 21.3%、 16.5%和15.6%,其中气温、日照强度和前体物排放...     

中国碳排放及影响因素的市域尺度分析

评估区域碳排放及其与社会经济状况的关系对于制定碳减排措施至关重要.以中国339个地级及以上城市(不含新疆部分城市和港澳台地区)为研究对象,探究了非化石能源占比、土地开发度、常住人口城镇化率、第二产业占比、人均GDP和人均建设用地面积对人均CO₂排放量的影响.通过构建模拟人均CO₂排放量的贝叶斯信念网络,识别各因素对人均CO₂排放量的全局影响;采用多尺度地理加权回归模型,分析各因素对人均CO₂排放量的局部影响.结果表明：(1)2020年,中国地级及以上城市人均CO₂排放量呈现出由南向北递增,东部沿海向内陆递减的格局.(2)从全局来看,人均CO₂排放量对各因素的敏感性从高到低依次为：人均建设用地面积>人均GDP>常住人口城镇化率>土地开发度>第二产业占比>非化石能源占比.(3)从局部来看,各因素与人均CO₂排放量的空间关系方向与全局关系一致,关系强度上存在空间异质性.(4)清洁能源、脱碳技术、土地节约集约利用...