基于土地利用变更调查的2010-2016年新疆尉犁县生态系统碳储量时空变化

为全面认识干旱区不同土地利用类型时空变化对区域生态系统碳储量的影响,以地处塔克拉玛干沙漠边缘生态脆弱区的新疆尉犁县为研究对象,基于详细的土地利用变更调查数据（2010-2016年）,利用ArcGIS平台和InVEST模型,分析生态系统碳储量对土地利用变化尤其是二级土地利用类型变化的响应.结果表明:①研究区内,无论是区域平均碳密度还是灌木林地、其他林地、其他草地等主要土地利用类型的碳密度均较低,而面积较少的有林地和天然牧草地碳密度相对较高,因此对这些土地利用类型应着重加强保护.②2010-2016年新疆尉犁县碳存储量净减少24.23×104 t,这主要是由于其他草地、其他园地和果园等土地利用类型被开垦为水浇地,或被建设用地、交通用地占用所导致,而同时研究区内有林地和水浇地面积增加带来了碳储量的提高.③从空间变化看,受不同区域土地利用变化方式的影响,碳储量变化特征也有显著差异,但总体上变化敏感区域集中在塔里木河周边县、乡镇及兵团所在地等人类活动聚集区,这些区域平均碳密度较高,土地利用变化也更为剧烈.④尽管由于开垦行为带来耕地面积增加,从而使得研究区耕地总碳储量增加242.77×104 t,但由于塔里木河沿岸碳密度较高的耕地被建设用地占用,新增耕地多来源于土壤碳储量较低的其他草地等土地利用类型,导致耕地平均碳密度有所下降.研究显示,建设用地占用耕地、林地、草地等地类是尉犁县碳储量减少的重要原因,而林业建设能够带来碳储量增加.因此建议:一方面,推进林、草地建设提高区域生态系统固碳能力;另一方面,重点保护塔里木河周边碳密度较高区域,严控耕地开垦或建设用地占用,同时加强耕地保护,防止通过补充碳密度较低的耕地来弥补碳密度较高区域耕地的流失.      

综合生态安全格局构建与城市扩张模拟的城市增长边界划定——以天水市规划区（2015—2030年）为例

传统的城市增长边界划定方法,一般仅考虑生态安全格局,并未考虑在现有客观条件下的城市扩张趋势,划定结果具有一定的主观性;或仅对城市的扩张进行模拟,忽略了城市的生态安全问题。针对上述问题,论文通过耦合城市综合生态安全格局与基于CA_Markov模型的城市扩张模拟结果,提出了一种新的城市增长边界划定方法:首先,合理选取因子构建研究区的综合生态安全格局,利用禁建区对综合生态安全格局的结果进行修正,获得研究区的刚性增长边界;其次,合理选取城市扩张驱动因子,通过CA_Markov模型预测城市扩张边界;最后,综合考虑刚性增长边界、模拟获得的城市扩张边界及近期城市拓展方案等,获得最终的城市增长边界。并以天水市规划区（2015—2030）为案例,对方法的科学性进行了说明。结果表明,论文划定的城市增长边界内总面积370.56 km²,占规划区总面积的7.7%。此方法能够有效解决城市增长与生态保护之间的矛盾,对河谷型城市等建设用地匮乏、生态环境脆弱城市的增长边界划定具有良好的应用价值,也可为其他类型城市的城市增长边界划定提供参考。     

基于多智能体和土地转换模型的耕地撂荒模拟研究——以陕西省米脂县为例

多模型耦合已经成为国内外模拟LUCC有效途径之一。论文通过如下步骤阐明宏观耕地撂荒格局和微观主体行为间的互动机理。首先,将微观主体间的相互作用纳入其决策,构建有限理性多智能体决策模型（Multi-Agent System,MAS）;其次,通过SNNS平台的训练学习以及与历史数据对比分析,验证土地转换模型（Land Transformation Model,LTM）模拟研究区宏观撂荒格局的有效性;最后,依据多模型耦合机理,耦合MAS模型与LTM模型,形成耕地撂荒模拟模型（Cropland Abandonment Simulation Model,CASM）,并基于研究区耕地撂荒的实际数据,探讨模型的合理性和可行性。结果表明：与2013年历史土地利用数据对比,CASM模型的PCM（Percent Correct Metric）系数为71%,比单独利用LTM模型的模拟精度提高3%,不仅表明CASM能够较好地模拟分析米脂县耕地撂荒空间格局分布,而且可有效揭示宏观耕地撂荒格局的微观驱动机理;同时,文章指出未来研究中要考虑政策和市场的影响,进一步完善不同层次主体决策对撂荒的影响,以此来提高模型对现实耕地撂荒的解释力。     

环境治理投入对经济增长的异质性影响研究——基于城市化的视角

在城市化水平不断提高的背景下,探究环境治理投入促进还是阻碍了经济增长,城市化在两者关系中扮演什么角色具有重要的现实意义。论文基于中国大陆2003—2015年31个省份的数据,运用面板门槛模型、系统广义矩估计方法探究环境治理投入与经济增长之间的关系。结果表明：1）环境治理投入与经济增长之间存在参数异质性,具有显著的门槛效应;2）环境治理投入对省际经济增长的影响因环境治理投入量的差异分为前期影响不显著、后期促进两个阶段;3）适度的城市化水平可以提高环境治理投入的效率,从而促进经济增长。基于此,论文认为应在继续增加环境治理投入的同时提高城市化水平,以城市化助力环境治理投入取得环境和经济效益的双赢。     

外部性视角下的节水灌溉技术补偿标准核算——基于选择实验法

合理的补偿标准是节水灌溉技术补偿政策的核心,也是促进农户技术采用的关键内容。论文以石羊河下游民勤县为例,通过选择实验调研和RPL（Random Parameters Logit）模型估计,量化了节水灌溉技术采用的外部效益,并结合特定技术与农户谈判能力讨论了兼顾公平与效率的补偿标准。结果表明：民勤县城乡居民均希望实施节水灌溉技术来改善生态环境,技术采用的外部效益约为1 052.25元/hm²;以膜下滴灌技术为例,合理的补偿标准应在789.15元/hm²左右。从现行政策看,过低的补贴标准难以保障农户切身利益,导致政策响应不足。据此建议,完善成本收益核算体系,将技术采用的外部效益纳入补偿标准的核算中,提升补偿政策的公平性,同时也要根据技术类型及其采用面积进行精准化补偿,保障资金有效利用。     

烟台市环境受体PM2.5四季污染特征与来源解析

于2016～2017年四季在烟台市3个点位采集了PM_(2.5)样品,分析了其质量浓度和化学组分特征.利用CMB模型对受体进行解析,并利用后向轨迹和PSCF对传输气流和潜在源区进行了分析.结果表明,烟台市监测点位冬季、春季、夏季和秋季的PM_(2.5)平均质量浓度分别为(89. 45±56. 80)、(76. 78±28. 44)、(32. 65±17. 92)和(57. 32±24. 60)μg·m~(-3). PM_(2.5)浓度表现出明显的季节变化特征(P 0. 01).全年PM_(2.5)各源类分担率大小依次为:二次硝酸盐源(20. 3%)城市扬尘源(15. 7%)机动车排放源(14. 9%)燃煤源(13. 8%)二次硫酸盐源(12. 8%) SOC(6. 1%)建筑水泥尘源(5. 5%)海盐源(2. 9%),可以看到烟台市以二次源、扬尘、机动车排放源和燃煤源为主要污染源.春季硝酸盐源和城市扬尘源是重要贡献源类,夏季硫酸盐源贡献突出,燃煤源在秋冬季占比突出.烟台市气流输送和潜在源区也呈现出明显的季节变化:冬季主要受烟台市短距离输送的影响;夏季主要受烟台东部沿海和本地的影响;春秋季主要受山东东北部和东部沿海地区的区域传输和烟台市本地源的影响.     

中国典型城市PM2.5浓度时空演绎规律及影响因素分析

为探讨空气中ρ（PM_2.5）的空间集聚特征和气候、大气成分变量对空气中ρ（PM_2.5）的影响,利用首批纳入PM_2.5监测的74个城市的ρ（PM_2.5）数据计算Moran's I指数,并选取其中38个典型城市进行计量分析.在基于引力模型的空间权重矩阵基础上,构建面板数据SDM（空间面板杜宾模型）.结果表明:ρ（PM₁₀）、ρ（SO₂）、ρ（CO）、ρ（O₃）、RH（relative humidity,相对湿度）与城市ρ（PM_2.5）呈正相关,而T（temperature,温度）和WS（wind speed,风速）与城市ρ（PM_2.5）呈负相关;ρ（PM₁₀）、ρ（CO）、RH是位于前3位影响城市ρ（PM_2.5）的关键性因素,其总效应分别为0.720 1、0.241 7、0.133 9.地理上邻近城市ρ（PM_2.5）具有明显的外部空间溢出效应,即邻近城市ρ（PM_2.5）每增加10百分点,将导致该地区ρ（PM_2.5）增长6.12百分点.300 km左右是保证PM_2.5区域"联防联控"最佳效果的最大门槛距离,超过该门槛距离,区域"联防联控"的力度和效果会随着距离的增加而逐渐减弱;当门槛距离大于500 km时,ρ（PM_2.5）的空间自相关性不显著.气候变量中,RH和ρ（PM_2.5）呈同方向变化,而T、WS与ρ（PM_2.5）呈反方向变化.研究显示,关注单一地区或单一因素（气候或大气成分）均不能有效控制PM_2.5污染,在保持经济稳定增长的前提下,各地治理PM_2.5应从调整产业结构、优化能源结构、完善防控机制等多个维度共同推进,促使经济增长方式早日从"粗放型"向"集约型"转变.      

兰州市农牧业源氨排放清单及其时空分布特征

通过实地调研等方式获取农牧业源的活动水平,采用NARSES模型确定氮肥施用排放因子,其它排放因子通过文献调研确定,建立了2016年兰州市农牧业源氨排放清单,并进一步分析了农牧业源氨排放的时空分布特征. 2016年兰州市农牧业源大气氨排放量为9 356. 90 t;其中畜禽养殖源氨排放量7 584. 03 t,分担率81. 05%;永登县是氨排放量最大的区县,氨排放量为2 820. 59 t,分担率为30. 14%.在兰州市各区县氨排放量分担率中,畜牧业源氨排放的分担率在65. 83%～97. 38%之间;氮肥施用源的分担率在2. 27%～28. 66%之间.从空间分布来看,兰州市农牧业源氨排放主要集中在皋兰县西北部与中部、红古区东南部、七里河区东西两部与榆中县东部.从时间分布来看,畜牧业源氨排放主要集中在4～9月,氮肥施用源的氨排放主要集中在3～7月和9月,其它月份排放量相对较小.     

基于InVEST模型的北京山区森林生态系统碳储量评估分析

本文基于北京山区遥感影像数据和标准样地调查数据,利用In VEST模型碳储量模块,评估分析了北京山区森林生态系统的碳储量。结果表明,北京山区森林生态系统的平均碳密度为99. 95 Mg/hm~2,其中乔木层、灌木层、草本层、凋落物层和土壤层平均碳密度分别为10. 51、3. 16、0. 86、8. 61、76. 81 Mg/hm~2。植被碳密度与土壤碳密度呈现显著正相关关系,土壤碳密度与凋落物碳密度呈现显著正相关关系。各林分类型平均碳密度表现为落叶针叶林(153. 99 Mg/hm~2)针阔混交林(132. 45Mg/hm~2)落叶阔叶林(125. 10 Mg/hm~2)常绿针叶林(111. 78 Mg/hm~2)灌木林(72. 26 Mg/hm~2)。北京山区森林生态系统总碳储量为77. 41 Tg,其中乔木层、灌木层、草本层、凋落物层和土壤层的碳储量分别为8. 14、2. 45、0. 67、6. 67、59. 48 Tg。各林分类型总碳储量表现为落叶阔叶林(43. 23 Tg)灌木林(25. 90 Tg)常绿针叶林(6. 21 Tg)针阔混交林(1. 42 Tg)落叶针叶林(0. 65 Tg)。落叶阔叶林和灌木林是北京山区森林生态系统碳储量的主要贡献者,分别占55. 84%和33. 46%。在北京山区各个区县中,怀柔区碳储量最高(15. 37 Tg),平谷区碳储量最低(4. 89 Tg)。北京山区森林生态系统碳储量分布不均,总体表现为北京山区北部区县较高,西部区县偏低,中部和东部最低。     

基于MCMC方法的SWMM模型参数不确定性分析

基于贝叶斯理论,采用马尔科夫链蒙特卡罗法的差分演化自适应Metropolis算法,即MCMC-DREAM算法,对SWMM模型水量参数及输出的不确定性进行了系统分析。研究结果表明:在模型模拟过程中,不透水区面积比率和管道曼宁系数对模型的模拟结果具有较大的影响,不确定性较小,而其他参数不确定性较大,是水量模拟参数不确定性的主要来源。参数不确定性是造成模型输出不确定的主因。径流峰值模拟最容易产生偏差,是模型输出不确定性的主要来源,提高峰值的模拟精度将有效地提高模型整体的模拟效果。