三峡水库补水调度对东洞庭湖典型沉水植物生境适宜性的影响

沉水植物是东洞庭湖水生态修复的重要物种,水深是影响沉水植物生长的关键因子之一。为定量描述三峡水库不同补水调度方式对东洞庭湖典型沉水植物生长生境的影响,以刺苦草（Vallisneria spinulosa）为目标物种,利用物理栖息地模型建立三峡水库补水调度期间不同出库流量与东洞庭湖刺苦草生长生境加权可利用面积（WUA）的关系。结果表明：刺苦草生长生境的适宜水深为0.2~1.8 m,最适宜水深为0.5~1.0 m;三峡水库实施补水调度后,东洞庭湖刺苦草生长生境的WUA整体呈现均匀上升趋势;三峡水库补水调度期间,出库流量为5 500~10 500 m³/s时,刺苦草生长生境最适宜水深范围对应的WUA呈现先增后减趋势,在出库流量为9 500 m³/s时WUA最大（74.46 km²）,可认为刺苦草生长最适宜出库流量为8 500~10 500 m³/s。研究成果可为通过三峡水库生态调度进行东洞庭湖水生态环境恢复及保护提供参考。

     

基于地统计模型的上海大气污染物多建模方法的比较

地统计模型被广泛应用于环境空气污染物暴露模拟,但不同建模方法及其模拟结果之间的对比研究较少.基于上海2016~2019年55个环境空气监测点位的NO₂和PM_2.5观测数据,以及交通路网、排放源兴趣点和卫星数据等地统计变量,应用偏最小二乘回归（PLS）、监督学习线性回归（SLR）和机器学习随机森林（RF）这3种建模方法创建年暴露模型,并进一步应用普通克里金插值（OK）法分析模型残差,构建复合模型.应用交叉验证对模型的模拟效果进行检验,选取每一种建模方法的最优模型结构（是否应用OK）作为最终模型.结果表明,NO₂模型中表现最好的是RF-OK （R_mse²为0.70~0.82）和PLS-OK模型（R_mse²为0.78~0.84）;PM_2.5模型中PLS模型（R_mse²为0.62~0.71）优于SLR-OK （R_mse²为0.40~0.79）和RF-OK （R_mse²：0.31~0.56）模型.应用3种建模方法对上海1 km网格开展年暴露模拟和对比,NO₂模型间模拟结果的相关性（r为0.82~0.91）高于PM_2.5模拟结果的相关性（r为0.66~0.96）.基于3种模型2019年的模拟结果,评估了上海NO₂和PM_2.5的人群暴露水平.     

污泥热干化含水率实时监测的HBA-SVM回归模型研究

利用网格划分法和黑盒法采集分析污泥含水率的实时监测数据,探讨热干化系统湿热空气的性质和计算方法,研究回风口排湿速率和干化时间与污泥含水率的关系。在污泥干化领域尝试引入最新蜜獾算法(HBA),优化支持向量机(SVM),构建HBA-SVM回归模型,并与粒子群算法(PSO)和遗传算法(GA)优化的SVM回归模型进行对比分析。结果表明：回风口排湿速率和污泥含水率随干化时间增加呈非线性降低,排湿量下降的变化速率略高于含水率。HBA-SVM的决定系数(R²)是0.996 5,均方根误差(RMSE)是0.979 2,离散度更低,精确度更高;将模型移植到嵌入式系统,经现场试验验证,综合预测精度可达90%以上,是实际污泥含水率监测的一种有效方法。     

西南高山峡谷区植被变化及影响因素分析

西南高山峡谷区是我国典型生态脆弱区,认识其植被变化特征及影响因素可以为西南高山峡谷区生态环境建设对策的制定提供理论依据,对实现区域经济、环境以及生态和谐统一发展,具有一定的现实意义.基于2000~2019年NDVI、社会经济因子和自然因子数据集,采用一元线性回归法、Hurst指数、地理探测器模型和变异系数等方法分析了西南高山峡谷区NDVI时空变化及稳定性特征,并探讨了NDVI空间分异影响因素.结果表明：①空间上看,植被呈现东南高,西北低的分布格局,中高和高植被覆盖的区域面积占比71.71%,植被覆盖总体处于较高水平.时间上看,植被呈现改善趋势的区域面积占比85.90%,恢复效果明显,且未来植被变化趋势还将以改善为主.②高程、植被类型和土壤类型是影响NDVI空间分异的主导因子,q值均不低于0.40;气温和降雨量为次要因子,q值分别为0.274和0.225.双因子交互作用增强了单因子的影响力,表现为双因子增强和非线性增强两种关系,其中高程∩植被类型组合q值最高为0.714,其次是高程∩土壤类型组合q值为0.688.③研究时段内NDVI整体稳定性较好,低波动变化和较低波动变化的区域面积占比为89.95%;而中等以上波动的区域面积占比为10.05%,集中在海拔高、气温低、降雨少、土壤贫瘠和植被较差等生态环境相对脆弱的区域.植被变化是多因素综合作用的结果,需因地制宜,有针对性地采取不同策略修复西南高山峡谷区生态环境.     

气候变量和设计参数对生物滞留系统去除硝酸盐氮的影响

为探究生物滞留系统对NO₃^--N去除不稳定的主要影响因素,利用国际最佳管理措施数据库(BMPDP)和相关论文中的研究数据,统计分析了气候变量和设计参数对生物滞留系统去除NO₃^--N的影响,结合偏最小二乘回归(PLS)定量分析了不同影响因素的相对重要性,并提出了不同气候类型下的优化设计建议.结果表明,不同气候类型下生物滞留系统对NO₃^--N的去除能力分别为亚热带湿润气候(Cfa)>温带大陆气候(Dfa/Dfb)>温带地中海气候(Csb)>寒冷半干旱气候(BSk),对数去除率(LRV)中位数分别为-0.058、-0.212、-0.241和-0.327.设置内部存水区(IWS)、提高植物多样性、设置合理的服务面积比、添加介质土改良剂等措施均可在一定程度上增强生物滞留系统对NO₃^--N的去除能力.最小二乘回归(PLS)分析表明,气候变量较设计参数更能影响生物滞留系统对NO₃     

介绍一种新的回归方法-最小-乘法

利用最小一乘法回归模型计算并分析它在环境科学领域中的应用，弥补了最小二乘法受异常值的影响加大误差的缺陷，并以文献资料作为应用实例验证了结果，通过大量计算表明，该方法具有一定的优越性。     

城市生态经济系统模型构建与分析

根据城市生态经济系统(UrbanEco-economicSystem,UEES)运行规律和系统调控的目标,建立了UEES指标体系.以宁波市为例,采用偏最小二乘算法构建了UEES模型.本例中,模型的Q2cum值为0·996,表明其具有较好的稳定性和预测能力.计算结果表明,到2007年、2012年和2020年,宁波市国内生产总值将分别达到2588×108元、3250×108元、5261×108元;万元国内生产总值能耗、城市化水平与产业结构是影响经济规模扩大的主要因素,万元工业产值废水排放量和SO2排放量与经济规模呈显著的负相关关系.在此基础上,提出了宁波生态市建设过程中经济发展的若干建议.     

基于地理标记照片的入境游客空间特征与移动轨迹——以南京市为例

随着互联网与社交媒体的兴起,用户分享内容中的地理标记数据成为旅游流研究的重要对象。以南京入境旅游流空间特征为研究对象,以2010—2018年Flickr平台内南京地理标记照片为基础,利用DBSCAN算法、ArcGIS 10.2等方法与技术探究南京入境旅游热点区域、游客移动轨迹特征及模式。研究结果显示：（1）南京入境游客访问峰值出现在3-6月及10月,以一日游为主。（2）南京AOI空间分布差异明显,历史城区是南京入境旅游最热门区域,其AOI分布与旅游景区、商业购物等相关产业空间高度重合;中心城区的AOI分布数量次之,钟山风景区是其热度核心,深受热衷历史文化的游客追捧;郊区的AOI分布数量最少,基本与当地旅游景区相吻合。（3）单日游和多日游的游客移动轨迹网具有显著差异性,分别体现在网络范围、网络体系、旅游对流及转移差值4个方面。（4）南京入境游客移动轨迹模式可划分为区域内部移动轨迹模式和区域间移动轨迹模式。根据上述研究结果,分别针对历史城区、中心城区及郊区提出相应的发展建议。     

基于APCS-MLR模型的沱河流域污染来源解析

水污染来源的精准识别一直是水环境管理的热点和难点问题,为了解沱河流域水质特征与污染来源,该研究基于16个监测点位月尺度水质数据,采用绝对主成分-多元线性回归（APCS-MLR）模型,解析污染来源及其主要贡献.结果表明:①COD是年度超标因子,总磷和氟化物在部分月份超标,水质从汛期至11月较差.②城镇生活与城市径流是影响沱河水质的主要驱动因子,其方差贡献率达24.7%,其次为环境背景值、农村生活源、畜禽养殖业+河道内源和种植业源,其方差贡献率分别为19.6%、9.9%、8.8%和7.6%.③从最主要的超标因子COD来看,城镇生活与城市径流是主要污染源,贡献率达60%;从总氮、总磷和氨氮指标来看,种植业、农村生活和畜禽养殖业为主要污染源,总计贡献率分别为56%、54%和57%.研究显示,加快污水管网的建设完善,控制城镇污染物的排放、收集和处理是沱河水质达标的当务之急,应重点加强对农田径流和畜禽养殖污染的有效管控.      

西南地区不同类型植被NPP时空演变及影响因素探究

研究植被净初级生产力(NPP)时空变化规律并探明其驱动影响因素,对于深入了解植被时空变化,指导因地制宜的生态恢复与管理工程具有重要的现实意义.以MODIS NPP数据为基础,结合基于站点的气象数据、土地利用数据和植被类型数据,通过Theil-Sen Median斜率估计和Mann-Kendall显著性检验探究西南地区不同类型植被NPP时空演变特征,并结合稳定性分析和地理探测器揭示不同类型植被NPP空间分异的影响因素及影响因素间的交互作用.结果表明：(1)时间上,2000～2021年西南地区植被NPP、 NPP_Pre(仅气候变化影响下植被NPP)和NPP_Res(仅人类活动影响下植被NPP)均呈波动上升趋势.在不同类型植被中,除乔木类植被NPP_Res以-0.183 g·(m²·a)^-1的速率呈微弱下降趋势外,其余类型植被NPP、 NPP_Pre和NPP_Res均呈上升趋势,其中,经济类植被NPP、 NPP_Pre和NPP<...