区域可达性与旅游景点空间分布关系研究——以四川省为例

以四川省为例,采用栅格成本加权距离算法对四川区域可达性和旅游景点的空间分布情况进行定量研究.研究表明,成都平原与川西高原之间的生态过渡带由于相对高差大、可达性低、受人类活动影响较小等,生物多样性和景观多样性较丰富,景点富集程度和景点面积均较其他区域要高,且多以自然保护区、山水地文景观等为主的自然景点.根据景点空间分布特征,从加强交通可达性、景区规划等方面提出建议,以期为四川省旅游业的可持续发展提供理论支持.     

海滨生态旅游区域合作发展研究——以山东沿海地区为例

作为海滨旅游和生态旅游的有机结合,海滨生态旅游不仅是对海洋资源的合理利用,也是可持续发展理念在旅游业中的实践应用.以山东沿海地区为例,运用区域合作的相关原理构建了海滨生态旅游区域合作的动力机制和合作机制,从产品开发、市场开发、信息网络建设三个方面论证了实现路径,并从加强合作保障、促进利益协调和消除地区壁垒三个方面提出了对策.     

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_(2.5)污染贡献.结果表明成都市PM_(2.5)污染较重,特别是1月达到130μg·m~(-3)以上;浓度的高值集中在中心城区,且与周边城市PM_(2.5)污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_(2.5)污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_(2.5)年均浓度贡献率分别为29%、26%和24%,是影响PM_(2.5)污染的主要污染源,下一步应强化对这3类源的污染控制.     

大气污染联合治理分区视角下的中国PM2.5关联关系时空变异特征分析

联合治理分区下PM_(2.5)关联关系时空变异特征识别对中国大气污染防治意义重大.本文主要基于2000～2016年遥感反演的中国大陆334个地级市PM_(2.5)浓度数据,利用空间单元聚合策略与地理时空加权回归技术,系统分析了大气污染联合治理分区视角下的中国PM_(2.5)关联关系时空变异特征.结果表明:①以PM_(2.5)为首要污染物,综合考虑污染程度、地理位置、气象、地形和经济等因素可将中国大陆地区划分为10个大气污染联合治理区.②地理时空加权回归能够有效刻画PM_(2.5)与关联因素间的时空非平稳关系.同时,人口规模、第二产业生产总值、SO_2排放量、年平均气温、年降水量以及年平均相对湿度被识别出对PM_(2.5)浓度的变化影响存在显著时空差异.③人口规模对PM_(2.5)浓度的影响程度各年最大的地区均为京津冀蒙区域;川渝滇黔区域中第二产业生产总值对PM_(2.5)浓度影响程度变异度最大,在黑吉辽区域之外,SO_2排放量回归系数值均先随时间逐渐减小再增大最后又减小;各治理区中年平均温度对PM_(2.5)影响程度的时间变异程度较小;而年降水量与年平均相对湿度对PM_(2.5)影响程度在各区域中呈现不同的变异特征.     

区域传输对华东森林及高山背景点位大气污染物浓度的影响

利用HYSPLIT4.8轨迹模式和2011年6月～2012年5月NCEP气象再分析资料计算每日抵达华东森林及高山背景区域的后向气流轨迹并进行聚类,探讨该区域的大气污染物传输特征.同时结合国家大气背景监测福建武夷山站同期大气污染物监测数据,进一步分析不同气团的污染特征及高污染气团的主要来源.结果表明,有65%的轨迹输送污染气块,主要来自我国东部高污染负荷区、江西省以及西北部沙漠地区的高空,有35%的海洋性气团对站点污染物起清除作用,且各气团在各季节对污染物浓度的贡献有一定差异;SO2较高浓度主要受北方城市冬季采暖期燃煤影响,CO较高浓度主要受安徽省煤炭生产和消费过程中的污染物排放影响,NOx、O3、PM10和PM2.5较高浓度主要受我国东部高污染负荷区影响.     

面向排放量化的低速区间机动车比功率分布特性与模型

随着排放建模方法从基于行驶周期和平均速度演变为基于VSP(Vehicle Specific Power)参数,利用VSP分布刻画交通状态成为最新的研究需求.近期研究中,针对城市快速路上大于20 km·h-1的速度区间建立了基于平均行程速度的VSP分布数学模型,却未对低速区间的VSP分布特征作深入研究.基于北京快速路大量逐秒浮动车数据,研究0～20 km·h-1的VSP分布与平均行程速度的关系.通过分析大量逐秒浮动数据的VSP分布与平均速度间关系,发现VSP分布与平均行程速度具有规律性:各VSP分布的峰值出现在VSP Bin=0处,且随速度的增加单调递减.因此,针对VSP分布的正、负区间以及VSP Bin=0处分别建立数学模型,并利用该模型进行机动车油耗/排放测算.对比分析油耗/排放的预测值和实测值得出,所建立的VSP分布模型可以有效用于机动车油耗/排放测算.     

中国城市污泥重金属区域分布特征及变化趋势

通过整理和统计国内外文献(2006—2013年)报道的中国城市污泥重金属含量,分析了近年来中国城市污泥重金属的区域分布特征和变化趋势.结果表明,城市污泥重金属Cu、Pb、Zn、Cd、Hg、As、Cr和Ni含量分别为182.5、65.3、729.6、2.1、1.4、11.5、97.5和44.9 mg·kg-1,与《城镇污水处理厂污染物排放标准》(GB18918-2002)规定的中碱性土壤污泥农用污染物控制标准限值比较,Cu、Pb、Zn、Cd、Hg、As、Cr和Ni的超标率分别为2.3%、0、5.9%、5.5%、2.9%、0、0和3.5%;与酸性土壤污泥农用污染物控制标准限值比较,Cu、Pb、Zn、Cd、Hg、As、Cr和Ni的超标率分别为7.1%、1.3%、10.3%、27.4%、20.0%、0、1.6%和12.1%.不同区域城市污泥重金属含量存在一定差异,城市污泥Hg和As在北方地区含量较高,而Cu、Pb、Zn、Cd、Cr和Ni在南方地区含量较高.与2006年城市污泥重金属含量相比,本研究城市污泥重金属Cu、Pb、Zn、Cd、Hg、As、Cr和Ni含量均呈下降趋势,降幅分别为29.0%、16.5%、40.9%、9.0%、29.8%、41.8%、5.3%和23.6%.     

大连市区近地面臭氧污染规律研究及与PM2.5等污染物的相关性分析

2013年大连市区大气中臭氧日最大8小时平均值第90百分位为0.099毫克/立方米,符合二级标准（GB3095-2012）日最大8小时平均。点日最大8小时平均超标率为1.0%。春、秋两季的日最大8小时平均较大,但都符合二级标准,从月份变化看,5月的日最大8小时平均最高,12月最低,从24小时变化看,14时、15时和16时的臭氧均值最高,7时臭氧均值最低。从各点位变化看,傅家庄点位臭氧日最大8小时平均的第90百分位最高,双D港点位最低。大连市区臭氧与PM2.5和PM10的负相关性最好,相关系数均达到0.86以上,与二氧化氮、二氧化硫和一氧化碳也呈较好的负相关。     

北京城区冬季空气污染时期C2~C6碳氢化合物含量特征

本研究于2015年冬季,在北京市东南城区开展了C2~C6碳氢化合物大气环境浓度在线监测,研究共检出25种C2~C6碳氢化合物,但鉴于分析仪器的局限性,未包含苯这一重要物种.检出的25种碳氢化合物含量之和(C2~C6 HCs)在12.4~297.5×10~(-9)范围内,不同的空气质量条件下,C2~C6 HCs平均含量分别为29.4×10~(-9)(Ⅰ级,PM_(2.5):35μg·m~(-3))、63.2×10~(-9)(Ⅱ级,PM_(2.5):35~75μg·m~(-3))、85.5×10~(-9)(Ⅲ级,PM_(2.5):75~150μg·m~(-3))、94.9×10~(-9)(Ⅳ级,PM_(2.5):150~250μg·m~(-3))、131.8×10~(-9)(Ⅴ级,PM_(2.5):250μg·m~(-3)),且碳氢化合物的化学组成亦有所差异,烷烃、烯烃、乙炔的摩尔比分别从Ⅰ级条件的47%、45%、7%,变为Ⅴ级条件的59%、30%、12%,烷烃和乙炔的比重上升;烯烃的比重下降.碳氢化合物日变化规律显示,C2~C6 HCs在优良日(PM_(2.5)小时浓度均低于75μg·m~(-3))和污染日(PM_(2.5)小时浓度均高于75μg·m~(-3)),均在08:00~09:00、17:00~18:00存在两个明显的峰值,与日交通峰值时间一致,显示了道路源对局地碳氢化合物浓度的显著影响.通过HCs与CO浓度比值研究,发现随着污染情况的加重,HCs/CO(×10~(-9)/×10~(-6))呈显著下降趋势:90.6(Ⅰ级)、63.8(Ⅱ级)、56.9(Ⅲ级)、37.4(Ⅳ级)、36.4(Ⅴ级).具体化合物与CO比值在污染条件(Ⅲ~Ⅴ)与优良条件(Ⅰ~Ⅱ)的变化率,与各化合物的OH反应速率关联性很差(R=-0.31),由此判断污染时期C2~C6碳氢化合物并未发生强烈的化学衰减.HCs/CO比值变化更多反映了污染源贡献的变化,后向轨迹分析表明,在优良日北京城区多受北部和西北部清洁气团影响,北部地区燃烧源较少,其气团HCs/CO比值较高;而在污染日北京城区受南部和西南部污染气团输送,南部地区工业燃烧源和散煤燃烧源均偏多,其气团HCs/CO值偏低.综上所述,本研究认为重污染过程,北京城区C2~C6碳氢化合物(未包含苯)未体现出显著的化学衰减,碳氢化合物浓度的大幅提升,不仅源于本地污染源的排放累积,还受到南部污染气团的输送贡献.