Temporal scaling behavior of human-caused fires and their connection to relative humidity of the atmosphere

It has been found that many natural systems are characterized by scaling behavior. In such systems natural factors dominate the event dynamics. But in countries with high population density such as China and Japan, more than 95% of the forest fire disasters are caused by human activities. Furthermore, with the development of society, the wildland-urban interface (WUI) area is becoming more and more populated, and the forest fire is much connected with urban fire. Therefore exploring the scaling behavior of fires dominated by human-related factors is very challenging. The present paper explores the temporal scaling behavior of forest fires and urban fires in Japan. Our findings point out that although the human factors are the main cause, both the forest fires and urban fires exhibit time-scaling behavior. Similar distribution law characterizes the relative humidity.     

基于景观格局的辽河三角洲湿地生态安全分析

以1990年和2005年遥感影像为基本信息源,在GIS技术支持下,在对辽河三角洲湿地景观格局分析的基础上,采用破碎度、分离度、优势度等景观格局指数和景观类型脆弱度为评价指标研究辽河三角洲湿地景观生态安全。20世纪90年代以来大规模的资源开发,加剧了辽河三角洲湿地景观的破碎化程度,使景观优势度增高,多样性下降。从1990-2005年,研究区主要湿地景观类型水稻田、苇田、滩涂的干扰程度有所增加,生态安全度均有所下降,表明人类对自然湿地生态系统的干扰越来越明显。总体来说,15年来研究区整体景观生态安全度呈现下降趋势。以往湿地生态安全的研究主要集中在环境脆弱性和保护策略方面,研究层次着重在生态系统层面,而从景观格局角度对湿地景观生态安全的研究涉及较少,文章涉及的是景观生态学可持续发展研究的一个新领域,所提出的内容实质上是景观生态安全定量表征的方法探讨。应用景观生态学方法研究生态安全,揭示景观结构与功能关系并进一步分析区域生态环境的变化趋势及其内在因素,不但为辽河三角洲湿地及其生物多样性的保护和资源开发提供了科学依据,而且丰富和发展了我国生态安全研究的理论与方法。     

太子河流域本溪段水生生物的群落特征及其主要水质影响因子分析

着生藻类和底栖动物作为指示生物评价水环境状况已被广泛应用于各类水体状况的监测与评价中,以此对太子河流域的水生生物群落和水环境因子关系进行研究,对整个流域的水环境管理有着极其重要的作用。基于2009年7月丰水期和2010年1月平水期太子河流域本溪段着生藻类和底栖动物的调查数据,通过因子分析和典范对应分析,探讨水生生物群落结构与水质污染因子的空间分布特征。结果表明：太子河本溪段着生藻类为4门22科29属,以硅藻门为优势门类;底栖动物3门10科13属,以环节动物门为优势门类。NH3-N是影响水生生物空间格局的主要水质污染因子,水量是影响太子河流域水生生物群落结构的重要环境因子。     

利用TM图像逐级分类提取非点源信息

探讨了运用逐级分类从TM图像中提取与非点源污染有关的土地利用信息的方法.研究表明,逐级分类与一般的最大似然度分类相比效果更佳,具有简化复杂问题、突出研究重点和方法灵活等优点,能够快速有效地提取所需要的信息.     

深度学习在裸地扬尘源监测中的应用研究

裸地是扬尘的重要来源,施工建设过程中形成的裸地极易在大风天气作用下造成扬尘污染。因此,快速、有效地定位裸地位置,并确认其管控措施落实情况,对于开展裸地扬尘源监管具有重要意义。基于高分辨率遥感监测数据,结合人工解译裸地扬尘源数据集,以北京市大兴区为例,利用深度学习方法对裸地和防尘网覆盖裸地进行分类识别。同时,利用颜色匹配法对大兴区防尘网覆盖裸地进行识别,横向评估深度学习方法的识别精度。结果显示：深度学习方法对防尘网覆盖裸地的识别精度达97%,对裸地的识别精度达61%;颜色匹配法对防尘网覆盖裸地的识别精度达85%。防尘网覆盖裸地的颜色特征鲜明,深度学习方法和颜色匹配法对防尘网覆盖裸地的识别精度都在85%以上。深度学习方法对于面积大于2 000 m²的图斑有着较好的识别精度。深度学习方法可以提高裸地遥感解译的效率,实现规范化图像识别,可以作为人工判读的辅助手段。在实际应用中,可通过进一步积累样本来增强模型性能。深度学习方法适用于裸地扬尘源线索快速发现、工地防尘网措施落实情况快速检测等场景。     

城市生活垃圾智能分类技术研究与应用进展

城市生活垃圾清运量逐年增加,由此带来的环境问题日益严峻.不同垃圾组分有其各自适宜的处理与利用方式,因此,有效的垃圾分类技术具有重要意义.我国现有的以人工为主的垃圾分类方式存在效率低、成本高、准确性差等弊端,而垃圾智能分类技术是解决相关瓶颈的重要手段.本文简述了中国代表性城市生活垃圾分布和近年变化趋势,从密度、电、磁、声...     

中国农村居民食品消费碳排放的时空格局及其影响因素

在全球气候变化背景下,研究居民食品消费碳排放具有重要的意义。本文基于全国和地区农村居民家庭食品消费量调查数据及其人均食品消费碳排放的测算,运用ArcGIS空间统计分析、地理探测器因子探测等方法,分析2000—2019年中国农村居民家庭食品人均碳排放的时空格局及其驱动因素。结果表明：①碳排放结构中升降因素叠加,人均碳排放量增速不明显。②人均碳排放量存在空间集聚效应,但集聚程度呈下降趋势。③人均碳排放量、直接与间接排放量空间分异的影响因素不同。其中,人均碳排放量主要受到猪牛羊肉消费量、食品消费支出的影响。建议从优化农村居民的饮食结构,适度减少猪牛羊肉的消费量、增加综合碳折算系数较低的禽肉、蛋类、牛奶和鱼类等动物性食品的消费量,以及加强人均碳排放量较高地区饮食结构调整和优化的指导等方面,减少农村居民食品消费的人均碳排放量。     

化学防护服的分类及选用

本文较为系统地介绍了化学防护服的分类方法、典型化学防护服的特点和适用场合及化学防护服选择应考虑的主要因素和一般程序,对化学防护服的选用具有一定的指导意义。     

风险矩阵法在危险有害因素分级中的应用

为减少风险分级时产生的风险结,采用Borda序值法改进原有的风险矩阵法。改进后的风险矩阵法通过计算Borda数,依据Borda数的大小对风险进行排序,使得风险等级数量大量增加,从而减少风险矩阵中风险结的数量。将该方法应用于某烧碱装置危险有害因素分级管理,对生产过程中的9种主要危险有害因素进行排序,得出它们可以分为6级,而应用原始的风险矩阵法得到的分级数为3级。然后,依据分级结果提出针对性的安全对策措施。     

煤矿安全预评价的可变模糊识别方法

煤矿安全预评价涉及诸多不确定信息,用传统评价方法难以获得可靠的评价结果。为此,将可变模糊模式识别模型与方法引入煤矿安全领域,提出了煤矿安全预评价的可变模糊识别方法。可变模糊识别方法首先根据指标特征值与指标标准特征值矩阵确定样本的级别上下限,然后利用可变模糊模式识别模型对样本进行识别,得到样本在各级别下的相对隶属度,进而计算级别特征值,并以此为依据进行评价。将该方法应用于黄陵双龙煤矿,得出该矿井的安全等级。结果表明:可变模糊识别方法较文献中方法可更准确地给出安全性等级评价结果,为煤矿安全预评价提供一条新的途径。