面向粮食产量空间化的多元回归分析模型中的两个关键问题探讨

为比较不同区域尺度变量对模型拟合效果的影响,在全国不分区和分区两种情况下,分别基于县级和地市级两个区域尺度上的样本构建粮食产量与水田、水浇地、旱地面积之间的多元线性回归模型,结果显示,用地市级数据作分析样本比用县级数据作分析样本好,分区建模比不分区建模效果好。因此,将全国划分为7个区,以地市级数据作为区域尺度的变量,在区域、栅格、亚栅格三个尺度上探讨变量（因变量、自变量）尺度和常数项取值这两个因素对模型应用的影响。得到以下结论：1）基于区域尺度样本构建的多元回归模型,如果常数项不为0,则不能用于空间化计算;如果常数项为0,则可以用于空间化计算;2）基于栅格尺度样本构建的多元回归模型,不论常数项是否为0,均可应用于空间化计算;3）基于亚栅格尺度样本构建的多元回归模型,不论其常数项是否为0,也均可用于空间化计算,但需要将计算结果乘以一个系数,该系数等于栅格单元面积与亚栅格单元面积的比值。上述结论对其他类型的统计数据空间化具有指导和参考价值。     

黄土丘陵区不同地貌单元土壤有机碳空间变异的尺度效应

运用地统计学和GIS相结合的方法,研究了黄土丘陵区县域不同地貌单元土壤有机碳空间变异的尺度效应,尺度划分为县域、县域上三种不同的地貌单元以及与地貌单元相对应的乡镇尺度,结果表明：①各个尺度下有机碳含量均偏低,完整地貌单元尺度与乡镇尺度有机碳均值与变异系数大小顺序不同;②高山区随着尺度的变化,自然因素对变异的影响程度没有显著变化,但低山丘陵区与丘陵沟壑区自然因素的影响程度减小,插值图表现出较小的研究面积有机碳含量信息更丰富;③县域尺度上海拔与土壤类型是导致变异的主控因素,在丘陵沟壑区,所研究的自然因素（海拔、土壤类型、土壤侵蚀程度、田面坡度、坡向）对其影响都不显著;在低山丘陵区,地貌单元上主控因子是海拔与土壤类型,而乡镇尺度上转化为田面坡度;在高山区,地貌单元上主控因子是土壤类型,但乡镇尺度上其主要影响因素变为土壤侵蚀程度。     

土地利用变化及流域尺度大小对水文类型分区的影响

以海河流域为研究对象,根据1956-2005 年的年降雨量和水面蒸发资料以及DEM、土地利用和土壤的遥感资料,采用地理信息系统和多元统计分析的方法,划分一定单元流域,对海河流域进行水文类型分区划分,并讨论了土地利用转移变化及单元流域尺度大小对水文类型分区的影响。结果表明,不同土地利用情况下水文类型分区的结果是不同的,土地利用的变化会直接或间接影响流域水文类型分区的空间分布,土地利用变化越大,水文类型分区的转移变化也越大。单元流域尺度较小时,水文类型分区分布较为离散,反之,单元流域尺度较大时,水文类型分区的分布则较为连续。当单元流域平均面积变化小于150 km²时,分区分布虽然有一定的变化,但总体来看分区结果相对比较稳定,当单元流域平均面积变化较大,并达到250km²以上时,分区结果会发生较大变化。     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。     

中国北方干燥地城市扩展过程对生态系统服务的影响——以呼和浩特-包头-鄂尔多斯城市群地区为例

理解中国北方干燥地城市扩展过程对生态系统服务的影响对提高干燥地人类福祉和实现区域可持续发展具有重要的意义。为此,论文以正在经历快速城市化的呼和浩特-包头-鄂尔多斯（呼包鄂）地区为例,从区域、城市和旗县3个尺度上揭示了该地区1990—2013年城市扩展过程对生态系统服务的影响。首先,量化了呼包鄂地区1990年的生境质量、粮食生产、肉类生产和碳储量4种关键生态系统服务。然后,分析了1990—2013年呼包鄂地区的城市扩展过程。最后,在区域、城市和旗县3个尺度上评价了呼包鄂地区1990—2013年城市扩展过程对生态系统服务的影响。结果显示,1990—2013年,呼包鄂地区经历了快速的城市扩展过程,城市用地面积从314.22 km²增加到692.10 km²,增长了1.2倍。区域城市扩展过程导致4种生态系统服务均明显下降。其中,粮食生产服务损失最严重,损失量达1.36×10⁴ t,约占1990年全区粮食生产总量的1%。边缘型和飞地型城市扩展对生态系统服务的影响最明显。1990—2013年,边缘型城市扩展导致的粮食生产、肉类生产和碳储量损失量占区域城市扩展过程中各项服务损失总量的比例均超过60%,飞地型城市扩展造成的肉类生产服务损失量大于区域城市扩展过程中该服务损失总量的1/3。边缘型和飞地型城市扩展过程导致的耕地和草地大量减少是造成生态系统服务快速下降的主要原因。因此,建议在呼包鄂地区的城市化进程中应提高城市用地利用率,控制边缘型和飞地型城市扩展,以减少城市扩展过程对生态系统服务的影响。     

乌海市夏季臭氧污染特征及基于过程分析的成因探究

乌海市地形复杂,周边工业园区分布密集,近年来夏季O₃污染问题突出,且污染特征与形成机制尚不明确,分析乌海市O₃变化特征,探究O₃污染形成机制对该区域大气污染防治具有重要意义.本文在分析乌海市2018年6~8月3次持续O₃污染过程特征的基础上,利用WRF-CMAQ模式系统进行模拟并根据过程分析输出结果对污染的成因进行了深入分析,探讨了区域输送和局地光化学反应对乌海市O₃的影响.结果表明,乌海市夏季O₃呈现"单峰"的日变化特征,近地面O₃与向下短波辐射和气温显著呈正相关,与相对湿度呈负相关;空间分布上,乌海市3个工业园区白天和夜间均为O₃低值区,乌海西南部宁夏石嘴山地区、乌海城区和西北部乌兰布和沙漠地区白天为O₃高值区;过程分析结果表明,输送和化学过程及其相对大小对乌海市O₃有决定性影响,6月和7月的污染过程中局地光化学反应和输送共同导致O₃显著升高,且化学过程的影响是输送的两倍左右,8月O₃的升高主要为输送作用的贡献;进一步对输送作用进行分解可知偏南和西北方向的输送对O₃的升高有较大贡献,结合前体物的排放,可能的传输来源为宁夏银川、石嘴山及巴彦淖尔等区域,因此,乌海市应在控制本地排放的基础上,加强区域联防联控,减少区域传输对O₃的影响.     

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.     

郑州市大气氨排放清单及驱动力分析

采用排放因子法建立郑州市分县区2017年大气氨排放清单,并实现1 km×1 km空间网格分配,同时进行2007~2017年氨排放趋势及1989~2017年氨排放驱动力相关性分析.结果表明,郑州市2017年氨排放量为18143.3 t,排放强度为2.4 t ·km^-2,农业源为主要排放源（63.4%）,逸散源次之（11.3%）;农业源中畜禽养殖氨排放主要来自蛋禽、肉猪和奶牛养殖;排放量前三的区县为登封市、荥阳市和新密市,分别占总量的19.3%、16.5%和15.6%;空间上郑州市南部及中西部地区排放量较高,东北部地区排放量较小;2007~2017年各区县氨排放整体呈下降趋势,1989~2017年郑州市氨排放呈类似环境库兹涅茨曲线趋势,即氨排放整体上随着人均GDP和城镇化率上升而先增加再下降.     

短时间间隔的土地利用变化监测

传统的土地利用变化监测方法已无法完全满足当前经济的快速发展和城市急剧扩张的要求,利用光学遥感数据对地观测也受到天气和云层覆盖等诸多因素的限制。而Radarsat-1等雷达遥感数据可以在"全天候"的条件下对地表进行观测。论文以Radarsat-1图像获取的24 d时间周期为最短时间间隔,分析了24 d、48 d和72 d时间间隔下的土地利用变化监测,对短时间间隔内的土地利用变化监测的结果进行了总结。监测的结果需要在精度与时间间隔之间做出取舍。对于大部分的情况,24 d的时间间隔已可以得到60%以上精度的结果,部分月份的监测需要48 d的监测时间间隔。若需要更高的精度,则需要72 d甚至更长。