农村水污染治理驱动因素的利益相关者识别

引入利益相关者理论对我国农村水污染治理减低污染风险的驱动因素进行了识别。通过对农村水污染系统内的利益相关者进行界定,划分了政府、农村社区居民和社会力量3个利益群体,并通过Binary Logistic回归模型对3个利益群体的驱动力进行量化分析,经实证模型检验表明,反映政府作用的考核机制(含财政投入与监管能力)、反映社会力量的社会资金投入以及反映农村社区作用的自主管理能力和居民环保投入所占比重的发生比(OR值)分别为2.248、1.725、1.525和1.236,表明政府主导对减轻农村水污染起关键作用,社会力量和农民社区自身多方发挥作用对降低农村水污染风险的影响也是显著的。     

坡面尺度上地貌对α生物多样性的影响

为了解地貌在坡面尺度上对α生物多样性的影响,采用主观采样法在陕北吴起县合家沟流域不同地貌部位进行了样地调查.利用SPSS16.0统计软件先后对各地貌部位物种组成及各物种的重要值、地形因子要素间、地形因子和群落α多样性之间分别做了聚类分析、相关分析和多元回归分析.结果表明:(1)地貌部位相似的群落聚类在一起,说明地形因子是影响物种组成、群落结构、生态系统等的重要因素.(2)海拔和坡位,坡向和坡度,地形指数和海拔、坡位、坡形之间的Pearson 相关系数均大于0.8,双尾显著性检验概率小于0.05.(3)影响α生物多样性指标香农-维纳指数的地形因子按重要性从大到小依次是:坡位、坡向、海拔、坡形、坡度、地形指数,进一步分析得出在黄土高原丘陵沟壑区,沟沿线、光照、土壤水分和养分在影响α生物多样性指标上依次递减.(4)通过多元线形回归检验,得出坡位、坡向、坡形、海拔这四个地形因子与群落α生物多样性关系密切,建立的回归模型显著性检验可信度大,与样本数据的拟合度高.各地形因子数据归一处理后的回归方程为:香农-维纳指数=2.417-0.581×坡形-1.333×坡位+1.449×海拔+0.631×坡向.地形地貌特征在黄土丘陵区表现明显,研究它对生物多样性的影响可为该区植被恢复提供参考,但由于调查样地尺度较小,在应用推广上尚待进一步研究.     

三江平原湿地植物的土壤环境因子分析

以三江平原毛果苔草(Carex lasiocarpa)湿地和小叶章(Deyeuxia angustifolia)湿地为研究对象,选取土壤全氮(TN)、全磷(TP)、有效氮、有效磷、有机质、pH值和土壤含水量为主要环境控制因子,通过主成分分析(PCA)和逐步多元回归分析,来确定环境因子对物种相对密度和地上生物量的贡献值.结果表明,2个样地中土壤全氮、全磷、有效氮和有效磷的贡献率能达50%左右.毛果苔草湿地中主成分1能够解释88%的物种相对密度和84%的地上生物量;小叶章湿地中主成分1对相对密度和地上生物量的解释量则分别为75%和58%.湿地营养状况决定着植物的生产量;土壤含水量的变化影响着植物对营养物质的吸收和利用.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

南京河西地区岩土体剪切波速与土层深度的关系

南京河西地区是南京市重点开发的新市区,该区域工程地质条件相似,主要为长江高河漫滩地质地貌单元。本文选取该地区47个典型钻孔的岩土体剪切波速资料,采用三种数学模型进行统计回归分析,运用相关系数R(或测定系数R2)检验Vs—H之间的线性相关关系,并根据计算的SD值选择较优的数学模型。统计结果表明,该地区各类岩土体的Vs—H线性相关关系显著,说明采用上述数学模型进行Vs—H回归是可行的。对两个工程场地进行剪切波速预测,并对场地类别作出划分,检验结果表明,该地区各类岩土体的Vs—H经验关系是可靠的,符合当地岩土特征,在样本深度范围内有足够的工程应用精度,可以应用。     

Predictive Model of Avian Electrocution Risk on Overhead Power Lines

Electrocution on overhead power structures negatively affects avian populations in diverse ecosystems worldwide, contributes to the endangerment of raptor populations in Europe and Africa, and is a major driver of legal action against electric utilities in North America. We investigated factors associated with avian electrocutions so poles that are likely to electrocute a bird can be identified and retrofitted prior to causing avian mortality. We used historical data from southern California to identify patterns of avian electrocution by voltage, month, and year to identify species most often killed by electrocution in our study area and to develop a predictive model that compared poles where an avian electrocution was known to have occurred (electrocution poles) with poles where no known electrocution occurred (comparison poles). We chose variables that could be quantified by personnel with little training in ornithology or electric systems. Electrocutions were more common at distribution voltages (≤33 kV) and during breeding seasons and were more commonly reported after a retrofitting program began. Red‐tailed Hawks (Buteo jamaicensis) (n = 265) and American Crows (Corvus brachyrhynchos) (n = 258) were the most commonly electrocuted species. In the predictive model, 4 of 14 candidate variables were required to distinguish electrocution poles from comparison poles: number of jumpers (short wires connecting energized equipment), number of primary conductors, presence of grounding, and presence of unforested unpaved areas as the dominant nearby land cover. When tested against a sample of poles not used to build the model, our model distributed poles relatively normally across electrocution‐risk values and identified the average risk as higher for electrocution poles relative to comparison poles. Our model can be used to reduce avian electrocutions through proactive identification and targeting of high‐risk poles for retrofitting. Modelo Predictivo del Riesgo de Electrocución de Aves en Líneas Eléctricas Elevadas     

供水管网铁释放的影响因素相对重要性分析

供水管网的铁释放问题近年来日益受到关注.影响供水管网铁释放的因素众多,本研究选取了pH、溶解氧(DO)、碱度(Alk)、硬度、氯离子(Cl~-)、硫酸根(SO_4~(2-))、温度(T)和水力停留时间(HRT)这8个影响因素,利用逐步回归和偏相关分析,建立了铁释放的非线性幂指数模型,并用标准化回归系数和偏相关系数比较了这些因素的相对重要性.结果表明,铁释放模型拟合效果良好;用标准化回归系数衡量影响因素相对重要性时,SO_4~(2-)、HRT、Cl~-和T是相对重要的因素,相对重要性排序为SO_4~(2-)≈HRTCl~-T;用偏相关系数衡量时,HRT、SO_4~(2-)、Alk、Cl~-和T是相对重要的因素,排序为HRTSO_4~(2-)AlkCl~-T.综合两种系数的分析结果,HRT、SO_4~(2-)和Cl~-是本研究条件下相对重要的因素,T和Alk的相对重要性视实际情况变动.     

基于GIS和LUR模型的西安市PM2.5浓度空间分布模拟研究

基于地理信息系统GIS和土地利用回归LUR模型,模拟西安市PM2.5浓度空间动态分布,结果表明:与PM2.5浓度相关性最高的分别为缓冲区为2 km的水域面积、人口密度和距离水域距离,R 2分别为0.501,0.393和0.280;与PM2.5浓度相关性最低的分别为缓冲区为4 km的水域面积、未利用地面积和耕地面积,R 2分别为0.039、0.021和0.017.未考虑风速建立的LUR模型多元回归的相关系数为0.856,R 2为0.733,考虑风速的相关系数为0.892,R 2为0.796,表明风速对于污染物的分布影响较大,LUR模型模拟效果较好.模拟的PM2.5年均浓度高风险区分布于中部,中风险区分布于中西部,低风险区分布于东南部和西部.     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。     

川东北低山丘陵区细颗粒物主要相关因素和季节变化分析——以南充主城区为例

基于中国空气质量在线监测分析平台和全球天气精准预报网的大气质量和气象数据,以四川盆地东北低山丘陵区典型城市南充市主城区为例,检验了细颗粒物(PM_(2.5))浓度的概率密度分布,发现其接近对数正态分布,由相关分析确定了PM_(2.5)浓度的主要相关因素为CO、NO_2(相关系数r分别为0.76、0.55,P0.01),再通过对2014年1月—2016年6月的日数据的逐步回归筛选出最优的回归指标和模拟方程(决定系数R_(adj)~2为0.68,P0.05),2016年7月—2017年6月的数据验证表明模拟效果较好(拟合优度为0.64,相对误差15.48%);最后根据时序插值、浓度和IAQI(PM_(2.5))的时段均值发现PM_(2.5)浓度在年际上有降低趋势;在季节上由高到低依次为冬季、春季、秋季、夏季;PM_(2.5)浓度在1月和6月分别呈现出年内的峰值和谷值,5、10月出现了阶段性峰值,尤其是5月;IAQI(PM_(2.5))的季节变化与浓度变化规律相似;且PM_(2.5)与PM_(10)比值的均值为0.67,表明现阶段南充市主城区大气污染物中细颗粒物占有较大比重。