为了生机勃勃的地球——WWF和生物多样性保护

一提起WWF(世界自然基金会),大家都会想起那个憨态可掬的大熊猫Logo,也会因此认为WWF是一个动物保护机构。这个印象也对,也不对。确实,1961年WWF成立的初衷就是为了保护濒危野生动物及其栖息地,它当时的英文名字就叫World WildlifeFund——世界野生动物基金会。WWF最初做的项目集中在犀牛、老虎、鸟类、鲸类、森林、海洋等多个物种及其栖息地。但随着时间的推移,WWF逐渐从一个关     

野生动物救助,痛并“快乐”着

一只松鸦和一只喜鹊粘在鸟网上,细细的丝线缠住了它们的身体。它们已经死了。鸟网被放倒,剪碎,最后放火烧掉。已经死去的,只能怀念和惋惜。大连护鸟队,盼望的是未来不再有鸟类死亡。这是2013年7月7日,大连护鸟队的一次常规巡护。这一次,他们带着光盘和剪刀。他们到达有鸟网的村子,做"光盘换鸟网"行动,志愿者捐赠的旧光盘,送给村民,拉近保护者与伤害者的距离,关于鸟类保护的谈话,就可以展开了。     

基于BP神经网络的甘肃省二氧化碳排放预测及影响因素研究

基于排放因子法估算2000—2020年甘肃省三大产业及生活能源消费直接CO₂排放量,描述分析其时序演变特征。建立BP神经网络模型并预测2021—2030年甘肃省CO₂排放量。构建甘肃省CO₂排放影响因素的STIRPAT拓展模型,利用多元回归分析定量探究了各因素对CO₂排放量的影响程度和内在作用机理,并结合随机森林进一步识别重要影响因素。结果表明：甘肃省产业及生活能源消耗直接CO₂排放总体呈波动增长趋势,且第二产业占比在70%以上,是主要的CO₂排放源;BP神经网络模型的预测误差为2×10^-4,相关系数>0.99,对于预测甘肃省CO₂排放具有较高精度,并得出2026年的甘肃省能源消耗直接CO₂排放量达到最大;甘肃省CO₂排放的驱动因素作用差异显著,CO₂排放强度、经济发展、城乡消费对CO₂排放的正向作用较大,城镇居民人均消...     

基于机器学习的星载短波红外CO2柱浓度估算

利用OCO-2卫星遥感数据、全球碳柱总量观测网(TCCON)站观测数据、NDVI归一化植被指数数据、ERA5大气数据,采用决策树和集成学习(XGBoost、普通随机森林、极端随机森林、梯度提升)对二CO₂平均柱浓度进行预测.通过相关性分析、特征选择与特征提取,建立模型预测CO₂平均柱浓度,再与TCCON站点的地基观测数据进行比对.通过分析不同模型(决策树、XGBoost、普通随机森林、极端随机森林、梯度提升)预测的结果,发现使用极端随机森林回归模型预测CO₂平均柱浓度的精度最高, R²、均方根误差(RMSE)、平均绝对误差(MAE)、平均相对误差(MRE)分别为:0.953、0.492×10^-6、0.260×10^-6、0.063%,其余模型次之,因此对极端随机森林回归模型的预测性能随自身参数的影响进行了分析,结果表明,在误差允许的范围内(±2×10^-6),极端随机森林回归模型和梯度提升回归模型预测的准确率一样,都为98.10%.由于C...     

旱区城市扩展过程区位因素研究——以中国呼包鄂榆城市群为例

认识城市扩展过程的区位因素特征对旱区城市可持续发展具有重要意义。为此,以中国呼包鄂榆城市群为例,利用随机森林方法量化区位因素对城市扩展过程的影响。研究发现：随机森林方法能够有效地量化旱区城市扩展过程区位因素的基本特征,模型的AUC（area under curve）值达到0.97。同时,到城市中心距离对区域1980—2017年城市扩展过程影响最大,重要性达到42.62%。国道、高速公路和铁路等交通因素也有重要的影响,重要性均大于10%。此外,所有区位因素对区域城市扩展过程的影响均存在尺度效应,其中地形、气候和河流对城市扩展过程影响的尺度效应相对比较明显。地形、气候和河流对大城市影响的重要性分别为27.17%、20.23%和8.12%,分别是其对小城市影响的4.02倍、3.91倍和2.36倍。因此,建议在旱区城市建设中,应该高度重视地形、气候和河流等自然要素的约束作用,因地制宜地进行城市规划和建设。     

中国艾比湖湿地识别及其时空动态变化

在资料稀缺的背景下,遥感数据是提供湿地系统长时间序列的理想方案。然而面向“一带一路”沿线地区复杂下垫面,国家级湿地缺乏系统的长时序梳理。利用Landsat系列数据,基于随机森林分类模型,研究近30年中国典型尾闾湖湿地的时空分布模式、空间转换规律和景观连通性。结果表明：随机森林算法在艾比湖湿地分类应用中取得较高精度（Kappa系数大于0.9）。1991—2017年艾比湖湿地总面积增加425.06 km²,河流增加47.97 km²,湖泊增加233.95 km²,人工湿地增加48.74 km²,盐沼增加109.41 km²,沼泽减少15.01 km²。艾比湖湿地年内时空变化显著,年内季节间盐沼转化率最大,湖泊年内逐渐缩小,主要转化为沼泽。此外,艾比湖湿地空间连通性理想度排序为：春季>夏季>秋季,湿地景观连通性取决于较大面积的湿地斑块,连通效率东移。相关结果可弥补稀缺资料区基础湿地资料,为“一带一路”地区生态补水长效机制提供典型示范。     

东北黑土区典型地域耕地生态退化时空分异——以富锦市为例

耕地生态退化严重威胁黑土区耕地的可持续利用,明确其时空分异规律是提高黑土耕地产能实现农业可持续发展的重要科学命题。以东北黑土区典型地域富锦市为研究区,立足于耕地外部扰动变化所引发的环境胁迫与生态恢复,利用遥感驱动的多源环境胁迫监测模型、改进的CRITIC模型、优化的InVEST模型,明确二者间的作用结果,揭示研究区2000—2020年耕地生态退化的时空分异规律。研究结果表明：（1）研究区耕地外源环境胁迫强度整体偏低,呈现出以东部、西部、北部高,中部、南部低为主基调的时空分异格局;（2）研究区耕地內源生态恢复强度高于胁迫强度,表现出以西部—东部—中部梯度衰减的时空分异格局;（3）研究区共有968.12 km²耕地发生生态退化,展现出以团块状集中分布在研究区东部和中部,零星分布在其他区域的空间分异格局。研究明晰了多源环境胁迫/多源生态恢复之间的交互效应,实现了各耕地图斑对多种环境胁迫力和生态恢复力的动态敏感度测算,进一步刻画出了生态退化过程,测度结果与现实耕地利用强度吻合,为准确诊断黑土区耕地生态退化提供了理论参考和技术支撑。     

基于Landsat8影像的Himawari-8叶绿素a空间降尺度研究

新型地球静止气象卫星Himawari-8由于空间分辨率较低,其叶绿素a产品难以满足空间异质性高的近岸海域水质监测要求。为了克服这个限制,基于非线性的随机森林算法,利用陆地资源卫星Landsat8的波段反射率数据和Himawari-8的叶绿素a产品,通过构建降尺度模型,以提高Himawari-8的叶绿素a数据的空间分辨率。结果表明,2个秋季模型和2个冬季模型的模型决定系数(R²)分别达到0.6、0.72、0.71和0.85;均方根误差(RMSE)为别为1.47,1.05,1.89,0.76mg/m³。通过实测站点数据对比分析表明,降尺度模型生成的叶绿素a与葵花叶绿素a数据具有较高的一致性,R²达到了0.81,能较好的反映近岸海域叶绿素a浓度的空间变化特征。     

机器学习耦合受体模型揭示驱动因素对PM2.5的影响

PM_2.5主要受排放源、大气化学、气象条件等驱动因素的非线性影响,了解驱动因素对PM_2.5浓度的影响十分重要. 本研究基于南开大学大气环境综合观测超级站的逐时在线观测数据,耦合机器学习方法和受体模型,揭示了驱动因素的重要性以及对PM_2.5浓度的影响. 结果表明:① 2018年11月—2020年10月观测地点的PM_2.5浓度范围为3.21~291.80 μg/m3,采暖季PM_2.5浓度和化学组分均高于非采暖季. ②使用受体模型解析PM_2.5的来源及其贡献,发现观测期间二次源的贡献率(44.7%)最高,其他依次为燃煤源(23.6%)、机动车排放源(11.0%)、扬尘源(9.9%)、生物质燃烧源(7.2%),工业源的贡献率(3.6%)最小. ③利用随机森林-SHAP模型量化排放源、大气氧化能力、气象条件等驱动因素对PM_2.5浓度的影响,发现观测期间排放源对PM_2.5浓度的影响程度为54.3%,高于其他驱动因素;气象条件对PM_2.5浓度的影响程度次之,为32.4%;大气氧化能力对PM_2.5浓度的影响程度相对较低,为13.3%. 在采暖季和非采暖季,各驱动因素对PM_2.5浓度的重要性在排序上没有变化,然而驱动因素对PM_2.5浓度的影响程度有所不同. 采暖季排放源对PM_2.5浓度的影响程度高于非采暖季,采暖季大气压对PM_2.5浓度的影响程度低于非采暖季. 研究显示,排放源对PM_2.5的影响相对较大,气象条件和大气氧化能力对PM_2.5浓度的影响也不容忽视.      

基于性能参数退化的发动机推进剂加速退化试验建模

目的 针对某火箭弹发动机推进剂加速退化试验数据,建立性能参数退化模型,分别基于最大伸长率和最大抗拉强度等不同参数,计算推进剂的激活能和不同温度下的加速因子。方法 建立基于退化轨迹的性能参数退化模型,对发动机推进剂进行加速退化试验建模,利用最小二乘法计算性能变化参数,利用阿伦尼斯模型计算加速模型的参数,并得到激活能和加速因子。结果 针对推进剂加速试验数据,给出推进剂激活能和不同温度下加速因子的计算方法。采用基于退化轨迹的性能参数退化模型,可有效评估推进剂的寿命。结论 该方法可有效地对推进剂加速试验数据进行建模,给出激活能和加速因子,更能反映推进剂的寿命特征,为寿命评估提供支撑。