典型行业再利用土壤重金属含量分布、来源解析及生态风险评价

为深入探究典型行业再利用土壤重金属污染特征及生态风险状况,基于上海市嘉定区49个地块315个不同深度剖面土壤样品数据,采用地累积指数和潜在生态风险指数评估Cd、Pb、Cu、Zn、Ni、Hg和As这7种重金属含量特征和潜在生态风险程度,并利用源解析受体模型（APCS-MLR）和正定矩阵因子分解模型（PMF）解析其污染来源.结果表明：①研究区土壤中除As外,其余重金属均不同程度超过上海市土壤背景值,表层土壤中Cd、Pb、Cu、Zn、Ni和Hg含量分别是背景值的3.54、2.34、2.91、1.20、3.75和4.40倍;7种重金属含量随着土壤垂直剖面深度的增加逐渐降低,重金属在表层土壤中存在一定程度的富集,人类活动影响了重金属在土壤中的分布规律.②研究区内APCS-MLR和PMF两种受体模型均识别出土壤重金属4种主要来源,源1（Cu、Zn和Pb）为金属制品和汽车制造混合源,源2（Ni和Cd）为电镀企业来源,源3（Hg）主要为化工企业来源,源4（As）为自然源,两种受体模型结合运用,进一步提高源解析的精准度和可信度.③地累积指数由大到小表现为：Hg（1.54）>Ni（1.32）>Cd（1.21）>Cu（0.96）>Pb（0.64）>Zn（-0.33）>As（-1.02）;潜在生态风险指数结果显示,研究区综合潜在生态风险指数RI值在32.50~4 910.97,均值为321.40,整体呈现较强潜在生态风险,再开发利用工业场地土壤中重金属Hg、Ni和Cd的污染值得进一步关注.     

中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素

中国的近地面臭氧（O₃）浓度在2015~2018年间持续升高,已成为仅次于颗粒物的重要大气污染物.基于中国337个城市2015~2018年暖季（4~9月）的实时O₃浓度数据和气象数据,利用趋势分析、空间自相关、热点分析和多尺度地理加权回归（MGWR）,研究了2015~2018年中国暖季地表O₃浓度的空间演变格局,探讨了气象因素对其驱动的空间差异性.结果表明：①中国暖季O₃浓度整体呈显著升高趋势（P<0.05）,平均升高速率为0.28 μg·（m³·a）^-1,其中超过55%的城市O₃浓度每年升高0.50 μg·m^-3;②O₃浓度存在明显的区域差异,高值区（平均浓度>60 μg·m^-3）分布在华东、华北、华中和西北部分地区;低值区（平均浓度<20 μg·m^-3）分布在华南和西南地区;③O₃浓度变化趋势在空间上存在位于华东、华北、西北以及华中地区的热点区域和位于西南、华南（广西）以及东北地区的冷点区域;④气温是中国暖季O₃变化的主要气象驱动因素,其对华北、西北和东北地区O₃浓度的影响显著高于其他地区;除广西、云南和江西部分地区外,O₃浓度与气温呈显著正相关;O₃浓度在华南、华东和华中大部分地区与风速呈显著负相关,O₃浓度在华北和东北部分地区与风速呈显著正相关;除辽宁、山东、河北、甘肃、广东及西南部分地区外,O₃浓度与云层覆盖度呈显著负相关;除西北和西南部分地区外,O₃浓度与降水呈显著负相关.     

环境管理手段对企业排污行为调控力度的定量化研究

在构造出反映企业排污行为和若干环境管理手段的统计特征量的基础上,提出以统计特征量之间的回归分析来定量化研究环境管理手段对企业排污行为调控力度的方法．对1993 ～1997年度镇江市26家COD 重点排放企业的研究表明：排污收费、环保补贴、执法检查、行政干预4 种环境管理手段都对企业的 COD 排放行为起到了明显的调控作用,调控力度由大到小依次为环保补贴、排污收费、执法检查和行政干预．     

基于绝对主成分-多元线性回归的滇池污染源解析

定量解析污染源是湖泊流域水环境管理的重要基础.基于滇池草海和外海多年水质监测数据,采用主成分分析（PCA）方法识别了主要水质指标的污染源类型,利用绝对主成分-多元线性回归模型（APCS-MLR）得到不同污染源对水质的贡献程度.结果表明,草海主要的污染源有农业面源、城市面源和内源3类,外海的主要污染源是农业面源、城镇生活污染源、城市面源和内源4类.与河流水污染源解析结果不同,底泥内源与气象因子对滇池主要水质指标的影响较大.     

基于遥感影像的江西省水体资源和水产养殖结构空间异质性分析

为系统掌握江西省水体资源结构和水产养殖基本特征,论文通过遥感技术获取了2012年各县域的水体面积,并划分为不同的水体类型。通过全局和局域空间自相关,分析了89个县（市）水产养殖典型要素的空间异质性以及空间差异程度。针对空间关联及非均质性的现象,运用地理加权回归揭示了水体资源大小、养殖方式、平均单产水平和渔业专业养殖人员数量对养殖产量的影响程度。结果表明：江西省水体资源类型以大水面为主,占总面积的70%,其次为水库山塘,占21.26%,小型池塘面积占9%。水资源结构地区差异明显,北部区域以大水面为主,南部以山塘水库为主。养殖产量和面积表现出空间集聚分布特征（P<0.01）,但各县域的聚集性分布也表现出不同的模式,彭泽县、都昌县、鄱阳县、南昌市辖区、南昌县、丰城市、进贤县和余干县8个县域,均为高-高分布类型,养殖面积和产量分别占到总量的34.55%、35.42%。从养殖品种结构上,特种养殖产量主要集中在上饶市、九江市、南昌市和宜春市,占69.84%,但特种养殖产量所占比例与水体资源大小的相关性下降,水资源较少的东部山区丘陵地带依据区位特征发展鳖、蛙产业,特种养殖比例较高。从水产养殖驱动力分析,水体面积对养殖产量的影响程度最大（中位值为0.46）,其次是小型池塘面积（中位值为0.36）、专业养殖人口数量（中位值为0.26）,3个因素与养殖产量均为正相关,其中水体面积和小型池塘面积对养殖产量的影响程度从南向北递减,专业养殖人口对养殖产量的影响程度从南向北递增。影响程度的空间异质性变化可能与养殖方式和品种结构有关。平均单产水平对养殖产量的贡献较弱（中位值为 -0.003）,各地区影响强度差别不明显。分析结果有助于系统了解江西省水体资源分布和养殖结构,对优化产业规划布局有重要的指导意义。     

基于小波变换与传统时间序列模型的臭氧浓度多步预测

采用最大重叠小波分解与重构方法,将影响O3小时浓度的不同时间尺度的物化过程分离出来,以提高序列的光滑性.同时,选择合适的传统时间序列模型(如ARIMA模型等)来描述不同过程的序列特征,并分别拟合预报.最后,在建模中引入24 h季节项,以实现提前24 h-次性预测未来1d的O3逐时浓度.结果表明,预报的平均相对误差为12.92％,平均绝对误差和均方根误差分别为10.04 μ.g·m-3和13.98μg·m-3,预报值与实测值的相关系数和匹配指数分别为0.96和0.98.随着预测期的延长,预报误差仍处于可接受范围内.该方法同样适用于每日最大O3小时浓度预报,研究结果为发布天气预报式的空气质量预报提供了新思路,便于公众规划出行并减少大气污染暴露.     

基于地理加权回归模型评估土地利用对地表水质的影响

针对传统线性回归模型大多忽视空间数据局部变化特征这一缺陷,引入地理加权回归模型(GWR)用于评估土地利用对地表水质的影响,分析了不同子流域内两者关系出现空间变化的规律并阐释了原因.同时,对比了GWR模型与普通最小二乘模型(OLS)的校正R2、Akaike信息准则(AICc)及残差的空间自相关指数(Moran's I),验证了GWR模型在预测精度和处理空间自相关过程中是否优于OLS模型.结果表明,同一土地利用类型对水质的影响随空间位置的改变而发生方向或大小的变化.以温瑞塘河流域总氮(TN)与农用地的关系为例,从GWR模型局部回归系数的方向分析,两者关系表现为农村正、城区负的现象,从大小分析,旧城区TN与农用地回归系数的绝对值高于其它区域;在溶解氧(DO)与人口密度所构建的GWR模型中,两者关系在整个研究区域内均表现为负值,与OLS结果吻合,从回归系数的大小分析,人口密度对DO的作用在郊区及农村更为显著.针对此类关系出现空间变化的原因分析表明,相邻子流域土地利用百分比的改变及水体主要污染源的不同,是导致土地利用对水质作用发生变化的根本因素.最后,对比所构建的80个GWR与OLS模型校正R2、AICc指标,验证了GWR作为一种局部统计模型,其预测精度优于OLS等传统全局模型且更能反映实际空间特征.     

基于极限学习机回归的海水Chla浓度预测方法

有效监测海水Chl a浓度状况对近海赤潮等海洋灾害的预警预报有着重要意义。运用灰色关联分析法确定预测模型的输入变量,可有效降低预测模型系统维数。采用极限学习机回归方法建立海水Chl a浓度预测模型,通过与广义回归神经网络、支持向量机回归二种模型的预测效果进行对比,表明极限学习机回归预测模型具有较好的预测精度、预测效率和泛化能力,能够实现针对研究水域环境下Chl a浓度的有效预测。     

城市内部尺度PM2.5传输关联方法研究—以北京市为例

基于数据驱动思想,以城市内部环境空气质量监测站点为研究对象,建立了目标站点与周边站点间PM_2.5浓度、风向、风速、欧几里得距离等参数的多元线性关联回归模型,使用梯度下降算法学习得到各参数权重系数,计算得出周边站点对目标站点PM_2.5传输贡献,并评估了模型的可行性.以北京市丰台花园（FT）为目标站点的应用研究结果显示,2016年FT站点PM_2.5浓度为82μg/m³,周边站点大兴（DX）、房山（FS）、亦庄（YZ）、东四环（DS）、古城（GC）和万柳（WL）浓度分别为93,82,80,79,77,71μg/m³;FT站点PM_2.5浓度与上一时刻周边站点WL、GC、DX、YZ的相关性分别为0.634、0.631、0.608和0.601,显示其对FT站点PM_2.5污染传输显著;建立的4个季节关联回归模型RMSE值分别为13.22、11.74、12.51和13.22,PM_2.5模拟浓度与监测浓度变化趋势一致,验证了模型的可行性;WL、DX、YZ、GC分别是对应春、夏、秋、冬4个季节对FT站点PM_2.5污染传输贡献较大的站点,其贡献值分别为1.61%、1.71%、2.20%和8.57%.该模型解析的结果可为北京市未来城市规划、建设提供依据,提出的PM_2.5传输多元线性关联回归方法同样可用来解析其他城市内部尺度PM_2.5传输关联,为挖掘城市内部PM_2.5传输路径、精准溯源提供基础.     

Excel在环境监测回归分析中的应用

本文应用Microsoft Excel软件开发了环境分析实验室数据回归分析程序，本程序实现了可视、快捷高效地处理实验数据回归分析所需结果。