泸州市降水监测布点优化研究

在泸州市2016—2020年大气降水监测数据的基础上,借助聚类分析、多元方差分析等统计分析手段,对原有降水监测点位进行优化研究,并验证优化结果。在遵循《酸沉降监测技术规范》(HJ/T 165—2004)点位布设要求的前提下,建立了降水监测点位评价体系,从原有7个降水监测点位中优化筛选出3个。优化后的点位对监测结果的影响显著性均>0.05,表明优化前后全市降水数据无显著性差异,该优化方案不会影响区域整体代表性。     

基于共词分析的我国资源环境领域研究热点分析

了解我国资源环境领域的研究热点及走向,可为该领域的论文选题、科研立项和学科规划提供参考信息和决策依据。本文采用共词分析法,Excel、SPSS等软件,对CNKI数据库中的相关文献进行统计。通过分析得出高频关键词并建立共词矩阵,进一步对高频词共词矩阵进行聚类分析和战略坐标图分析,得出资源环境领域的研究热点主要集中在人口资源环境与经济可持续发展、城市化与中国资源环境/水资源环境协调发展、资源环境约束或人地关系视角下的产业结构优化和城镇化发展、资源环境承载力评价指标体系与问题对策、经济增长与生态足迹关系、生态文明视角下的资源环境保护与管理等几大主题上。其中,前两个主题处于整个领域的核心地位,得到较深入的研究,后四个主题研究不够深入,仍有许多值得研究的地方。     

基于PSCF与CWT模型对乌鲁木齐市地表臭氧源区分析

乌鲁木齐市是中国西部典型的重工业城市,伴随着快速的工业化和城市化发展,城市大气臭氧污染日益严重。为探究乌鲁木齐市地表臭氧污染特征,该研究采用2015-2019年乌鲁木齐市大气污染物监测数据及同期气象观测资料,结合统计分析、后向轨迹分析、潜在源贡献因子以及浓度权重轨迹对乌鲁木齐市臭氧污染特征及潜在源区进行分析。结果显示,(1)2015-2019年乌鲁木齐市臭氧年评价指标由118μg/m³增长至128μg/m³。同时,乌鲁木齐市主要大气污染正经历由颗粒物向臭氧过渡的变化,其作为首要污染物占比从2015年的5.8%上升至2019年的28.0%,不同季节臭氧浓度变化特征为夏季>春季>秋季>冬季,且在分布特征上与NO₂、CO呈显著负相关。(2)后向轨迹分析结果表明：影响乌鲁木齐市大气臭氧分布的气流具有途经境外地区、长距离迁移、高浓度的特征,境内气流迁移途径普遍较短且对乌鲁木齐市臭氧浓度传输影响较小。(3)潜在源贡献因子法与浓度权重轨迹法表明,影响乌鲁木齐市臭氧浓度的主要源区与贡献高值区是昌吉州、塔城地区、博尔塔拉...     

南昌典型园林树种燃烧性实验研究

选择南昌西郊和北郊12个园林树种不同器官理化性状测定分析和燃烧试验,根据各树种的含水率、燃点、热值、粗灰分、粗脂肪、木质素、粗纤维、燃烧时间、火烧强度和生物生态学特性等10个因子,应用DPS聚类分析法,对12个园林树种的燃烧性进行了排序,结果表明,难燃树种有5个,依次是：乐昌含笑、珊瑚树、大叶黄杨、白玉兰和海桐;较难燃树种有4个,依次是：女贞、山茶、夹竹桃和含笑;易燃树种有3个,依次是：桂花、巴东木连和红花檵木。为南方防火林带的建设提供了目前公认以外的防火树种。     

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.     

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.     

豫北典型农田作物中重金属污染状况及健康风险评价

农产品污染引发的食品安全问题目前已经成为全社会关注的焦点,为了研究和评价农作物中重金属污染和健康风险状况,采集了焦作市武陟县玉米、水稻和花生三种大田作物样品,共计47个样品,其中玉米样品16个,花生样品4个,水稻样品27个。在测定作物籽粒中重金属Cr、Ni、As、Cd和Pb含量的基础上,分别采用单因子污染指数和综合污染指数法评价了作物籽粒中重金属的污染状况,并运用危险商（HQ）法评价了这些作物中的重金属对人体健康可能造成的风险,进而应用相关分析法、聚类分析法及主成分分析法,探讨了作物籽粒中重金属含量的分布特征及其污染来源。结果表明：武陟县农田作物籽粒中的Cr、Ni、As、Cd和Pb的平均含量分别为0.26±0.42、0.31±0.29、0.04±0.03、0.01±0.04和0.03±0.03 mg·kg^-1。其中,玉米籽粒中的Cr、Ni、As、Cd和Pb的平均含量分别为8.86×10^-2±0.21、9.41×10^-2±0.12、8.10×10^-3±5.29×10^-3、1.20×10^-5±4.92×10^-5和0.04±0.02 mg·kg^-1;水稻籽粒中的Cr、Ni、As、Cd和Pb的平均含量分别为0.38±0.49、0.44±0.31、0.07±0.02、4.60×10^-3±7.42×10^-3和0.03±0.03 mg·kg^-1;花生籽粒中的Cr、Ni、As、Cd和Pb的平均含量分别为0.13±0.22、0.32±0.16、0.02±3.05×10^-3、0.11±0.07和1.32×10^-2±1.70×10^-2 mg·kg^-1。农作物籽粒中各重金属元素的单因子污染指数评价结果显示,从总体上看,3种农作物籽粒中5种重金属的单因子污染指数均值均小于1,单因子污染指数均值大小顺序为：Ni＞As＞Cr＞Pb＞Cd;从作物类型来看,玉米和水稻中Ni超标的样品比率分别为6.67%和51.85%,水稻中Cr超标的样品比率为12%。农作物籽粒中各重金属元素的综合污染指数评价结果显示,重金属的平均综合污染指数为0.59,整体上处于安全等级。总体来看,14.89%的农作物受到不同程度的污染,其中轻度污染的农?     

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。     

影响中国碳排放绩效的区域特征研究——基于熵值法的聚类分析

论文选择影响碳排放绩效的主要指标,基于熵值法确定各指标权重,采用系统聚类分析的方法,以中国省域为研究对象,将全国分为7类区域。分析结果显示:区域分工特征是造成目前中国省级碳排放绩效区域差异的主要影响因素,其次是高碳产业工艺特征和能源结构特征,而经济结构对解释省级碳排放绩效区域差异的贡献有限。北方地区高碳产品生产份额高且工艺水平相对低,能源消费中极高的煤炭比例加重了负面影响,造成其二氧化碳排放绩效水平低,特别是华北地区;近年来东南沿海地区高碳产业也逐步增加,但由于其工艺先进,在一定程度上抵消了高碳产品份额高的负面影响;中西部地区目前高碳产品份额虽然低于东部地区,但工艺水平也低,造成了其低水平的二氧化碳排放绩效。由于各省历史发展、自然资源禀赋、区域分工角色等因素不同,且遵从经济宏观发展客观规律和经济区位理论,除了少数发达地区之外,中国其他区域短时间内很难改变其经济和能源结构,低碳政策制定的重点应放在提高高碳产业工艺水平方面。     

基于统计的百花湖表层水中重金属分布特征

以云贵高原深水湖泊百花湖为研究对象,研究其表层水中9种重金属(As,Hg,Cd,Pb,Fe,Cu,Zn,Mn和Cr)的分布特征并开展溯源研究. 结果表明:各采样点之间重金属含量变化较大,变异系数为5.6%～147%,同一采样点水质中重金属元素含量变化顺序为Fe>Mn>Cr>Zn>Cu>As>Pb>Hg>Cd;地统计分析从空间角度表明百花湖不同水域重金属含量分布差异较大;ρ(Ca)与ρ(Cu),ρ(Pb)的相关系数(R2)分别为-0.771(P<0.01)和-0.692(P<0.05);主成分分析揭示了该湖泊水体重金属含量主要受4个因素的影响(分别解释了总因子的33.88%,19.32%,18.02%和11.81%),其中一些重金属同时受2个以上主成分因素的影响;聚类分析将这9种重金属归为4类,Fe单独为一类,Cd,Pb,Hg,As和Cu为一类,Zn,Cr为一类,Mn独自为一类. 地统计分析、相关性分析、主成分分析和聚类分析的应用使得影响因素复杂的水环境问题的研究相对简单化.