基于ESDA的京津冀地区草地变化空间分异

论文以县域为基本研究空间单元,借助GIS软件与Geoda空间统计分析软件,利用ESDA方法,对京津冀地区县域草地资源数量变化的总体与局域空间差异进行了分析。结果表明:①1980-2000年京津冀地区草地动态变化系数的Global Moran’s I为0.184 4,α = 0.05时呈显著的空间正相关,草地变化呈现出较明显的空间集聚特征;②时段Ⅰ(1980-1995年)到时段Ⅱ(1995-2000年)的全局Moran指数有所增加,表明草地变化在空间分布上集聚的趋势在增强;③各县域Local Moran’s I的Grid图反映了京津冀地区草地变化在局域空间上的均质性,尤其是高值区域与低值区域的集聚特征十分显著;④LISA集聚4种类型中,正相关的"H-H"类型区、"L-L"类型区占主体部分,二者约占总数的70%以上,其中,在时段Ⅱ,"H-H"关联的县域主要聚集在西北部山区,而中部的平原区域则表现出明显的"L-L"关联特征。     

基于SOM和多元分析的滇池沉积物污染特征空间模式研究

联合运用层次聚类分析(HCA)、判别分析(DA)和自组织映射神经网络(SOM)3种数值方法,对滇池2008—2010年17个底泥监测点位(10个常规点位及7个新增点位)9种污染物进行空间差异性和相似性分析,并评价各指标在空间的分布特征及监测点代表性.结果表明:滇池沉积物整体污染程度为草海>外海中部及南部>外海北部.As、Hg、Pb、Cd、Cu和Zn污染最严重的点位是断桥;草海中心的凯氏氮污染最严重,其他指标污染水平仅次于断桥;Cr和TP污染最严重的点位是新增点位盘龙江2;海埂是全局污染最轻的点位.现有的常规监测点位对整体污染特征的代表性较弱,建议取消异质性最低的白鱼口、观音山西、观音山东和罗家营站点;考虑污染特征和监测点位空间分布的均匀性,建议将盘龙江2、海埂和马料河设为常规监测点位.     

R型聚类对辽河不同断面水质指标相关性分析

河流水质监测中许多指标常常存在着一定的相关性,通过对水质指标相关性研究,可了解水质指标间影响关系及河流污染物的特点,指导河流水污染治理,提高水质量标准。以辽河为例,采用R型聚类方法对辽河不同断面水质指标的相关性进行分析,应用DPS统计软件,通过计算机对监测数据进行运算得出相关系数矩阵和变量的分类树形图。通过分析可看出化学需氧量与五日生化需氧量、高锰酸盐指数与氨氮相关密切。文中对各种水质指标相关关系的内在关联进行深入研究,分析相关指标间的相互作用,以期达到对影响因子的全方位监测与控制,实现对辽河水污染治理及水环境监测评价的作用。     

三峡库区大宁河沉积物营养盐时空分布及其与叶绿素的相关性分析

为研究大宁河底泥营养盐时空分布与藻细胞分布的关系,本研究在大宁河选择4个代表性的取样点:菜子坝、白水河、双龙和大昌,利用垂直重力采泥器,按照2 cm厚度分层选取底泥,检测底泥中总氮,氨氮、硝态氮、亚硝态氮、总磷、无机磷、有机磷和叶绿素的垂向分布,分析叶绿素与营养盐的相关性.结果表明,菜子坝底泥0.0~2.0 cm总氮浓度最高,白水河底泥2.0~4.0 cm的总氮浓度最高;菜子坝底泥2.0~4.0 cm氨氮浓度最高,1和2月白水河底泥4.0~6.0 cm浓度较高;硝酸氮和亚硝酸氮(除3月)在菜子坝底泥2.0~4.0 cm浓度最高;氨氮、硝酸氮和亚硝酸氮浓度在同一个采样点底泥4.0 cm以下分层差异不显著;白水河底泥总磷0.0~6.0 cm呈增加趋势,菜子坝底泥表层的总磷和无机磷的浓度显著高于其它分层,而且每一分层中总磷、无机磷浓度都高于其他3个取样点相应的分层;有机磷在菜子坝和大昌的浓度高于白水河和双龙的浓度,但是同一采样点底泥不同分层的有机磷浓度差异不显著;同一深层底泥中的叶绿素a浓度在大昌最高,其次是白水河,再次菜子坝,双龙处的叶绿素浓度最低;只有1月在大昌取样点处无机磷和叶绿素a的浓度显著正相关,相关系数为0.87,底泥中的营养盐不是影响底泥藻细胞分布的主要影响因素.     

中国生态文明发展水平的空间差异与趋同性北大核心CSCDCSSCI

从国土空间优化布局、资源能源节约集约利用、生态环境保护、生态文明制度建设四方面构建了生态文明评价指标体系,运用动态因子分析法计算得出了我国31个省份2003-2012年的静态得分和动态综合得分,以各省份生态文明发展水平的测算结果作为面板数据,运用空间自相关方法对我国生态文明发展水平空间分布及演化格局进行了分析。生态文明发展指数测算结果显示,各省份得分在-0.36-0.84之间,以广东省最优,西藏最差;东部地区、中部地区和西部地区的动态综合得分分别为0.43,0.03和-0.18,生态文明发展水平呈现由沿海向内陆逐步递减的基本格局。全局空间自相关分析显示,2003-2012年全局Moran’s I值显著为正(取值范围在0.234-0.276之间),表明生态文明发展水平呈现明显的空间集聚特征,局域空间自相关显示,超过80%的省份呈现显著的空间正相关,其中"H-H"集聚区主要分布于东部的京津和长三角地区,"L-L"集聚区主要分布于中部和西部地区,且生态文明发展水平具有明显的空间溢出效应,原有的极化区域正在逐步削弱,地区间的差距正在不断减小。通过各地区生态文明发展趋势的收敛性分析可以看出,全国呈现平稳收敛的发展趋势,中部地区和西部地区收敛较为显著。在今后的发展过程中,应不断完善生态环境保护制度、提高管理水平,同时加强中西部地区与东部地区的交流合作,强化区域协同发展,保证东部地区生态文明发展水平持续稳定提升,以发挥其辐射作用,带动中部地区和西部地区生态文明发展水平的不断提高。     

川渝地区甲醛柱浓度时空变化及其影响因子的相关性分析

基于Aura-OMI HCHO数据,研究川渝地区2009—2017年甲醛柱浓度变化及影响因素.结果表明:9年间川渝地区甲醛浓度变化总体较为平稳,与全国其他地区相比,浓度均值较低.年变化中,四川省甲醛浓度整体高于重庆市,川渝两地的年均最高值分别出现在2011年和2012年,且2015年重庆出现最大下降速率.整个研究区在最高值变化中,1月、2月及11月出现极高值.9年间甲醛浓度整体先上升后下降,浓度等级二级一级三级其他级别,绝对高值集中分布在康定和雅安交界一带,季节变化呈现春季秋季夏季冬季的规律,与全国其他地区夏季最高有所不同.稳定性方面,研究区中部偏西波动较大,东西两部较为稳定,康定和雅安交界处为高波动区,川西西部、川东平行岭谷和重庆为低波动区,其他地区为中等波动区.地形、气候和风向等自然因素的综合作用对甲醛浓度值的大小及空间分布贡献极大,自然地理条件尤其与极端高值高且集中的特点关系密切.社会经济因素中,生产总值增长速度和能源消费总量增长率与四川省和重庆市两地的甲醛浓度变化正相关关系较强,木材加工及草制品业与之负相关关系较强,而纺织业、化学原料和化学品制造业、石油和核燃料加工业只与四川省甲醛浓度有较强的负相关性,重庆相对较弱.     

基于数据分解的AQI的CEEMD-Elman神经网络预测研究

针对Elman神经网络在预测空气质量指数（AQI）时易受到数据非平稳性的影响导致预测趋势良好但准确度较低的问题,提出以互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）为基础的CEEMD-Elman模型.应用CEEMD对AQI序列分解成不同时间尺度上的本征模态函数分量和剩余分量,进而首次将对非平稳的AQI序列的预测研究转化为对多个平稳的本征模态函数分量的研究.分别与Elman单一模型、EMD-Elman模型、BP单一模型及CEEMD-BP模型进行实验对比.结果表明：应用该方法建立的模型的均方误差、平均绝对误差和平均绝对百分比误差分别为4.80、0.71、1.84%,均小于其他模型结果;对应空气质量等级预报正确天数的频率为94.12%.该模型能有效的降低非平稳性对实验预测结果的影响,实现对空气质量等级的准确预报;该研究为进一步预测AQI的走向提供了有效依据,也为政府决策和管理部门制定空气污染控制提供了更充分的参考.     

重庆市大气主要污染物特征分析

基于环境空气质量监测数据,分析了各项污染物时间变化特征,并利用SPSS 19.0软件进行相关性分析和主成分分析。结果表明:SO_2和CO污染较轻,NO_2浓度水平较高,O_3和PM_(2.5)污染相对严重。SO_2和O_3呈现"单峰型",NO_2、CO、PM_(10)、PM_(2.5)呈现"双峰双谷型"的日变化特征。SO_2、NO_2、CO、PM_(10)和PM_(2.5)呈"U型",O_3呈现倒"U型"季节变化特征。PM_(10)、PM_(2.5)与SO_2、NO_2、CO,SO_2与NO_2、CO,NO_2与CO呈现正相关;NO_2、CO与O_3呈现负相关。主成分分析法结果显示第1个因子为PM_(10)、PM_(2.5)、NO_2,第2个因子为O_3。     

"水十条"对北京市地表水环境质量改善分析

为深入分析"水十条"对北京市地表水环境质量状况的影响程度,选取2014—2017年间全市地表水逐月监测数据,从水质类别、污染物浓度和总量减排等角度进行综合分析。结果显示:"水十条"的实施有效改善了北京市地表水环境质量,改善水体主要为劣Ⅴ类和Ⅳ～Ⅴ类水体;全市氨氮(NH_3-N)和高锰酸盐指数(COD_(Mn))浓度分别降低55. 9%和25. 9%,月际间变化规律由U型分布转变为整体下降趋势,其中以再生水、再生水和污水混合水为水源的河流改善幅度较大;污染物总量控制成效显著,"水十条"的实施加速了水劣化足迹的下降。因子分析结果显示:城市、农村和自然为影响北京地表水水质的主要因素。其中,城市化水平与污染物浓度呈显著负相关关系,增加生态用水、加强农业污染源和城市非点源的治理力度将推进首都水环境状况的持续改善。