滇池蓝藻水华监测预警平台设计

传统的人工监测无法实现大规模蓝藻的实时监测预警,该研究运用基于Python的ArcGIS Server自动发布地图服务、多元数据预警分析、人工水质监测数据预警分析等技术,以滇池为研究区,构建了水华预警系统.通过预警体系业务子系统和预警信息共享与发布子系统,结合滇池蓝藻水华监测预警综合数据库,实现了大规模蓝藻预警信息的实...     

黄河流域城乡转型的时空格局及影响因素研究

探索黄河流域人口—土地—产业转型的时空格局及影响因素,可以为区域城乡发展提供分区引导。以县域为单元,针对黄河流域城乡转型发展,构建人口、土地、产业三要素的指标体系,利用耦合协调模型、空间自相关模型、轨迹分析法及面板数据模型,分析了2000年、2005年、2010年、2015年和2020年黄河流域339个县域的城乡转型的时空演变规律及其耦合协调格局,并探索城乡转型的影响因素,根据城乡转型发展的轨迹进行功能分区,提出针对性的政策建议。结果表明：(1)黄河流域整体人口、土地、产业城乡转型水平初期偏低,但随着区域社会经济发展,城乡系统逐渐向高级有序化方向演化;(2)2020年,大部分县域处于高水平耦合和高度协调阶段,空间关联类型以显著“高—高”和显著“低—低”类型区为主;(3)人均GDP、社会消费品零售总额、农业生产水平等因素是人口—土地—产业转型发展的主要驱动因素;(4)按照城乡转型轨迹,黄河流域县域可划分为核心转型区、潜在转型区和限制转型区。未来,应统筹新型城镇化与乡村振兴,根据不同类型区域特征,分别制定城乡融合发展策略,进而促进整个区域的高质量发展。     

基于极限学习机算法对太湖东部湖区水源地总磷数据的自动监测分析

对太湖东部湖区金墅港和渔洋山水源地总磷自动监测值与实验室监测值进行比对分析,基于相关性分析,选取对自动监测总磷浓度影响较大的浊度、蓝绿藻和叶绿素等指标,提出可选择极限学习机隐层节点的改进极限学习机模型(IELM)修正自动监测总磷数据.结果 表明,总磷自动监测值相对实验室监测值偏差较大,绝对误差范围在0.05～0.112...     

街区尺度下城市高密度建成区火灾风险研究——以石家庄市中心城区为例

城市空间是火灾灾害系统的载体,街区是城市管理的基本单元,火灾风险评估则是火灾风险管控的关键。本文先利用遥感图像识别结合支持向量机算法及K-means聚类获取街区尺度的空间数据,进行“单位-街区-区域”层次的高密度建成区火灾危险性评估;然后通过POI(Point of Interesting)数据挖掘,识别城市空间用地类型衡量火灾损失,对高密度建成区进行火灾风险综合评估;最后利用聚类和异常值分析探究火灾风险空间分布,提出高密度建成区火灾风险防范措施。结果表明：研究区域的539个街区单元中,有37个为五级火灾危险性街区单元,45个为五级火灾风险街区单元;街区特征暴露性是影响火灾危险性的主要因素,工业和商业活动范围是城市火灾的高损失区域;提出了集“重点监测点-重点监测区-重点改造区-消防优化区-改造优化区”于一体的石家庄市中心城区火灾风险防范建议;POI数据及遥感图像识别技术的引入,不仅提升了风险溯源能力,还弥补了火灾风险评估模型没有充分考虑城市动态变化的局限。街区尺度的火灾风险研究为高密度建成区消防安全保障提供了新思路。     

影响Seres2000自动分析仪监测数据的两个因素

高锰酸盐指数是一个条件性的相对指标,其测定结果与氧化剂的浓度,氧化酸度,反应温度等条件有关,在同样的条件下也会因水体中还原性物质的浓度不同而呈现出不同的氧化程度。为了有效地控制Seres2000水质分析仪的操作条件,防止测定值因随机因素的影响而与GB11892-89方法的测定值产生较大的差异,本文将讨论温度因素,测定时间对监测数据的影响。     

基于XGBoost-LME模型的京津冀地区近地面臭氧浓度估算

高时空分辨率的近地面臭氧浓度分布数据对监测和防控大气臭氧污染,提高人居环境具有重要意义. 使用TROPOMI-L3 NO₂、 HCHO产品和ERA5-land高分辨率数据作为估算变量,构建XGBoost-LME模型估算京津冀地区近地面臭氧浓度. 结果表明：①在估算变量中地表2 m温度（T2M）、2 m露点温度（D2M）、地表太阳向下辐射（SSRD）、对流层甲醛（HCHO）和对流层二氧化氮（NO₂）是影响京津冀地区近地面臭氧浓度的重要因素,其中T2M、SSRD和D2M相关系数分别达到0.82、0.75和0.71. ②XGBoost-LME模型相较其它模型,其各项指标均为最优,十折交叉验证R²、MAE和RMSE分别为0.951、 9.27 μg·m^-3和13.49 μg·m^-3,同时,该模型在不同时间尺度均表现良好. ③在时间上,2019年京津冀地区近地面臭氧浓度存在显著的季节性差异,四季浓度变化为：夏季>春季>秋季>冬季,2019年该地区近地面臭氧月均浓度总体呈现出先上升后下降的倒“V”趋势,其中9月呈现小幅上升趋势,全年最大值出现在7月,最小值在12月;在空间分布上,2月和3月京津冀全域近地面臭氧浓度分布基本为同一水平,1、11和12月呈现出不显著的北高南低的空间分布趋势,其余月份该地区近地面臭氧浓度空间分布均呈现出南高北低的分布特征,高值区主要在南部海拔较低、人口密集和工业排放量较大的平原地区,低值区则主要在北部海拔较高、人口稀疏、植被覆盖率高和工业排放量低的山地地区.     

2020年城市固体废物污染环境防治年报发布

为增强社会各界对固体废物污染防治工作的认识和理解,生态环境部自2014年起,每年发布全国大、中城市固体废物污染环境防治年报.近日,生态环境部发布《2020年全国大、中城市固体废物污染环境防治年报》(以下简称《年报》),向社会公开2019年全国固体废物污染防治工作的相关情况.《年报》主要依据2019年生态环境统计重点调查...     

数据赋能城市治理,高效处置未来可期——访宝山区应急局副局长、区城运中心兼职副主任徐文忠

2020年12月23日,记者来到位于密山路的宝山区城市运行管理中心,采访区应急管理局副局长、区城运中心兼职副主任徐文忠,听他讲述大数据下的应急处置. "一网统管"是超大城市治理的"牛鼻子"工作.为解决城市发展难题,实现城市可持续发展,2020年,上海深入推进城市治理体系和治理能力现代化,城市运行"一网统管"从探索设想进...     

遥感指数在湖泊叶绿素a反演研究中的应用

借鉴陆地植被指数的算法,利用MODIS数据的波段组合对太湖叶绿素8浓度进行反演。探讨了差值植被指数DVI、比值植被指数RVI、归一化植被指数NDVI这三种遥感指数形式的反演效果及各自特点。MODIS数据蓝光波段和红外波段的组合是反演太湖叶绿素浓度的最佳波段组合,DVI适合于反演叶绿素浓度高的情况,RVI的反演结果两极分化明显而普适性较差,NDVI适合于反演浓度较低的情况。