基于逐步聚类分析的水库浮游藻类生长预测

采用逐步聚类分析方法预测水库浮游藻类的生长情况,以于桥水库为例,选取了1999~2006年7个水质和气象因子的56组数据建立逐步聚类分析模型,其结果用于预测2007~2010年的叶绿素a含量.结果表明,实测值与预测值的变化趋势基本一致,相关系数R达到0.94,线性相关性较好.预测值的平均绝对误差为-0.0007,平均相对误差为21.66%.逐步聚类分析法可以快速准确的对水库的叶绿素a含量进行有效预测.对逐步聚类分析模型的敏感度分析表明,影响于桥水库藻类生长的主要因素是水体的pH值、溶解氧以及总磷,因此控制这3个因素是预防藻类爆发的重要途径.     

草木樨在汞胁迫下的遗传分化研究

以草木樨(Melilotus officinalis)种子为研究对象,将其暴露于0、20、40和60 mg·L-1浓度的氯化汞中进行萌发,并对存活的幼苗利用水平淀粉凝胶电泳进行等位酶分析.结果表明,草木樨在Me和Pgi基因座具有多态性,其平均的等位基因数为3.0基因座-1,杂合性为0.332 - 0.342,草木樨符合...     

不同地震序列类型地震的特征性质研究

收集整理了1993年以来的地震资料,建立M5地震和M6地震两个样本组,选取发震断层、震源复杂性、视应力3个参数,使用模糊等价关系的聚类分析方法对地震进行分类,把具有相同性质的地震归为同一类,研究孤立型、主余型、多震型地震的某些特征性质。结果表明:1孤立型地震性质:震源错动方式简单,应力降高或很高,视应力低或很低,震源区介质非均匀程度低;2多震型地震性质:对于走滑断层地震,震源错动方式复杂,应力降低或很低,视应力偏高或很高,震源区介质非均匀程度较高。     

1960~2013年华南地区霾污染的时空变化及其与关键气候因子的关系

利用线性回归、聚类分析及相关分析等统计方法对华南地区57个地面气象站的观测资料进行分析,探究近54年华南地区霾日数的时空变化特征及其气候成因.结果表明,年平均霾日数大值区主要分布在广东珠江三角洲(珠三角)地区和广西中东部.54年来霾日数呈现显著的上升趋势,而2008年后有所下降.霾日数的季节变化表现为冬季最多,其次是秋季和春季,夏季最少.2008年以后春、夏、秋3季霾日数有所下降,而冬季仍维持在较高水平.不同等级霾日数在近54年来均有不同程度的上升,霾污染不仅在日数上有明显的增加趋势,而且污染强度在加强.不同地区霾日数的快速增长时期不一样,污染严重和正常污染地区发生在20世纪90年代,而相对清洁地区发生在2000年以后.另外近10年污染严重和正常污染地区霾日数有所下降,但相对清洁地区仍维持快速的增长趋势.近54年华南地区年降水日数、年平均风速、大风日数和年小风日数等气候因子变化结果致使气溶胶粒子的湿沉降减弱,污染物扩散能力下降,霾天气生成概率增加.     

和田绿洲沙尘暴物质输送路径及其对大气环境质量的影响

为了研究来自不同方向的沙尘暴对和田绿洲大气环境质量的影响，本文利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据，将和田绿洲西北部的墨玉县城作为模拟受点（37.26°N，79.72°E），计算2016年1月1日—2018年12月31日发生的每一次沙尘天气期间逐日18：00（世界时）36 h后向气流轨迹，轨迹计算起始高度设置为500 m，并结合相应的PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度监测数据进行聚类分析，研究抵达该地区的沙尘暴的主要移动轨迹和污染物输送路径.同时，运用潜在源贡献因子分析法（PSCF）和权重污染轨迹分析法，分析了沙尘暴期间不同气流轨迹对墨玉县污染物浓度的影响，识别大气污染物的潜在源区，揭示不同源区对污染物浓度的贡献差异.结果表明，影响和田绿洲（墨玉县）的沙尘暴主要来自西北（WN）、北（N）、东北（EN）和东（E）4个方向；其中，来自东部的沙尘天气频率最高（60.2%），但主要以浮尘天气为主；扬沙和强沙尘暴主要来自西部方向，54.48%的强沙尘暴和38.53%的扬沙来自西和西北方向.不同沙尘源区和不同传输路径上的沙尘气溶胶对和田绿洲大气环境的影响不一样.沙尘天气期间，大气PM_2.5和PM₁₀的平均浓度相当于无沙尘天气期间的3~5倍，但对SO₂、NO₂、CO、O₃质量浓度的影响不大；由西向东和由北向南的沙尘暴对墨玉县PM_2.5和PM₁₀质量浓度的贡献率最大；由东向西的沙尘暴由于路过和田市和洛浦县等工业污染源区，此簇沙尘暴气团将该区域SO₂、NO₂、CO等污染颗粒携带到墨玉县，因此，东-东南（E-ES）方向的沙尘暴对SO₂、NO₂、CO的贡献率分别为15.56%、20.55%和21.57%.本文定量印证了沙尘暴对和田绿洲大气环境质量的影响，可为绿洲区沙尘暴研究提供参考.     

降尘监测点位优化应用研究

以上海市长兴岛的环境空气降尘点位为例,采用聚类分析法对点位进行优化分析,快速完成点位的分类;再引入主成分分析法进行分析,不仅验证了聚类分析结果,并可根据原信息量需要保留的比例,来合理确定优选的类别数,使得优化调整的过程更为科学,结果也更为可信。     

农村生态环境分区的数量化方法—以鞍山市为例

运用聚类分析和地理信息系统相结合的方法，选择了１８个指标和７８个分区单元，将鞍山市农村生态环境划分成８个区，作出分布图，并分别给出了各分区的主要特征。     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

系统聚类分析在农户生态系统类型划分中的应用

应用主成分分析法和系统聚类分析法，对湖北省京山县刘家岭村５０个农户进行了生态系统类型数值分类分析，结果表明，该村农户生态系统可分为农－牧业型、果－农－牧业型和渔－农－牧业型三类，与全村３３８个农户情况相符。