三江平原淡水湿地生态系统景观格局特征研究——以洪河湿地自然保护区为例

对我国所剩为数不多的淡水湿地植物生态系统原生景观结构特征进行定量分析对于湿地保护与恢复具有重要意义。论文以多年期遥感影像提取洪河国家级湿地自然保护区植物分类信息,在GIS支持下,进行了群落、植被型和景观带3个尺度的景观格局分析。结果表明,草甸灌丛景观是研究区的基质性景观,草甸和沼泽湿地共同占据了研究区植被型的核心地位,小叶章-苔草群落则是植物优势群落。植物生态系统空间格局特征表现为:草甸灌丛分布在广阔的河间干湿交替地带,沼泽湿地主要成条带延伸于河道与洼地带,岛状林则出现在地势较高的岗地段,呈断块分布。研究区典型沼泽湿地面积7年间缩小约10%,周边人类活动造成水资源缺失是退化主要驱动因素,应尽早实行以流域为管理单元的自然资源管理体制。     

湖北省榉树自然种群分布研究

对湖北省天然榉树的自然种群分布现状、种群特征及种群分布格局进行了研究。结果表明：湖北榉树资源主要分布在海拔500~1 000 m地带,不同程度地分割包围在谷底和山腰,地理分布点呈收缩集群分布,种群规模较小;采用方差/均值法对榉树地理分布格局类型进行分析,其值=1.66>1,表明其分布点的地理分布趋于集群分布。湖北榉树种群星散间隔的地理分布形式,使地理分布点间产生空间间隔,成为相互间基因交错的障碍,而较小的种群规模,增加了遗传漂变的机率,导致遗传上的不稳定性增加,影响种群的生存能力,这些是导致物种趋向濒危的重要原因。湖北榉树种群这种分布现状产生的原因,一方面是物种自身的生物学特性及对生境的特定要求所致,另一方面是由于人类对榉树资源的过度开发利用以及人类经济活动导致的生境片段化。应借助于人为帮助,改善生态环境,扩大其种群规模,促进不同种群之间的基因交流,以利保护。     

地质动力区划预测煤与瓦斯突出

为了确定煤与瓦斯突出矿井的突出危险区域,威胁区域和安全区域,提出基于地质动力区划的多因素模式识别概率预测方法预测煤与瓦斯突出的新思路。以鸡西滴道矿立井为研究对象,利用地质动力区划方法确定不同尺度和级别构造运动的特征,建立板块构造学说与矿井工程实际的联系,将对矿井煤与瓦斯突出产生影响的因素为参数,采用多因素模式识别概率预测方法划分研究区域内的危险区域。研究表明该方法对煤与瓦斯突出区域预测的合理性与有效性,可以在实际工程中应用推广。     

不同时空尺度下土地利用结构与空间格局对苏州河水质的影响

土地利用与河湖水质的关系存在时空异质性.以上海苏州河为研究对象,基于2001、2005、2010、2015和2020年水质监测和土地利用数据,提取5种空间尺度（200、500、1 000、2 000和5 000 m河段缓冲区）的景观格局指数,采用相关分析和冗余分析,研究了多时空尺度下苏州河水质与缓冲带土地利用构成和空间格局特征的响应关系.结果表明：①苏州河水质近20年呈逐步改善趋势,TN是当前水体主要污染物.②不同尺度缓冲带土地利用均以建设用地为主,绿地林地占比呈小幅增长趋势.③缓冲带土地利用景观特征与水质存在关联性,并表现出时间和空间尺度效应.时间尺度上,建设用地、农业用地、景观优势度、聚集度和多样性指数与各项水质参数呈现出显著的相关性.就NH₄⁺-N、TP和TN而言,2010年呈现出与其他年份相反的相关关系.2001年土地利用景观特征对水质的总解释率最高,为93.65%.近10年来,绿地林地对水质的调控作用凸显.④空间尺度上,绿地林地、斑块数量、景观形状和多样性指数与大部分水质指标呈现出显著的相关性.绿地林地对NH₄⁺-N、TP和TN的正调控效应均以2 000 m尺度最强.斑块数量和景观形状指数在较大空间尺度上对水质的调控作用相对较强,而香农多样性指数则在小尺度上对水质起到较好的正调控作用.2 000 m尺度下土地利用景观特征对水质总解释率最高,为68.47%.研究表明,增加2 000 m缓冲区内绿地林地的面积并优化其景观配置将对苏州河水质保护具有积极作用.     

土壤盐分变化对N2O排放影响：基于Meta分析

N₂O是导致臭氧层空洞和全球变暖的主要大气污染物,农业生产活动是其主要来源,而土壤盐分则是影响N₂O排放的关键因素.基于21篇同行评议文献中528对实验组及对照组形成的数据集,运用R语言Metafor软件包进行Meta分析,进而评估土壤盐分对土壤N₂O排放的影响.结果表明,土壤盐分累积对N₂O排放量有显著正效应,中度和高度盐渍土N₂O排放量比非盐渍土高75.57%和28.85%.室内培养实验测定结果表明,林地和农田的土壤盐渍化导致N₂O排放量增加124.79%和131.64%,而野外定位监测试验结果表明,草地、裸地和农田中,土壤盐分对N₂O排放的影响均不显著.盐分对N₂O排放的影响趋势则因土壤(NH₄⁺∶NO₃^-)、p H、土壤砂粒含量和粉粒含量的差异而发生改变,影响程度依次是：(NH₄⁺     

基于ICEEMDAN和MC-CNN的矿山声发射信号识别分类方法

为精准识别地下矿山声发射事件,采用基于改进的完全集合经验模态分解模型(ICEEMDAN)和多通道卷积神经网络(MC-CNN)模型对声发射信号进行处理后得到分量图,根据各通道输入分量峭度值赋予不同权重,并利用卷积神经网络对输入数据进行训练,最终采用五折交叉实验方法验证该分类识别方法的可行性及有效性.结果表明:基于ICEE...     

乌鲁木齐城市地表温度时空变化与贡献度研究

伴随着新疆首府乌鲁木齐市经济快速发展,人口持续增加、城市化进程不断加快,地表温度也发生极其显著的变化。以乌鲁木齐市中心城区为研究对象,利用1990—2018年的4期Landsat卫星影像和中国科学院土地利用/覆被分类数据,采用地表温度反演、重心转移模型、空间聚类分析以及计算贡献度指数等方法,定量研究乌鲁木齐市城市化进程中地表温度的时空格局变化及土地利用/覆盖对热环境的贡献程度。结果表明,(1)1990—2018年间,研究区相对地表温度等级在<0、0—2、>8等级上面积增加,2—4、4—6、6—8等级上面积减少。面积增长最大的是<0的相对地表温度等级,面积减少最多的是6—8等级,从空间分布上看,温度区分布有从中间向外围递增的现象。(2)1990—2018年间,研究区内相对地表温度等级在0—2、2—4、4—6区域的重心均表现为先向东南,再向西,再向东北转移的趋势,相对地表温度等级>8区域的重心先向西南,再向东北转移,相对地表温度等级<0的区域温度重心一直北移,空间上呈现等级越高越靠东的现象,相对地表温度等级<0分布在中间,相对地表温度等级>8区域的重心转移距离最长,相对地表温度等级在0—2区域的重心转移距离最短。(3)研究区内的LST在空间上呈现出很强的集聚效应,从整体上均表现为等级越高集聚性越强的现象;1990—2018年间,区域热岛的集聚程度在不断降低,空间尺度临界值逐年下降。(4)1990—2018年间,研究区建设用地与水域面积增加,其余类型均在减少,面积增长最大的为建设用地,面积减少最大的耕地面积。各土地利用/覆盖类型的贡献度指数从大到小表现为草地、建设用地、未利用地、林地、水域、耕地,其中草地、建设用地、未利用地为正贡献,林地、水域、耕地为负贡献。贡献度值指数大小与面积密切相关。     

西成高铁沿线区域A级景区空间点格局研究

通过获取西成高铁沿线8个市级行政区A级景区和高铁站点的地理坐标,利用核密度估计、Ripley′sK函数等方法进行空间点格局分析。结果表明:①西成高铁沿线景区形成了以成都、西安为中心的双热区分布和由成都向乐山、绵阳辐射的次热区分布。②人文遗址类和自然遗迹类景区分别在65km和75km左右的范围内呈聚集分布,现代人造或重建类景区则一直呈聚集分布。③88.4%的景区分布在8个中心城市的“一日游”圈内。     

地球系统模式CESM模拟的ENSO变率与中国东部降水格局

根据地球系统模式（CESM）的千年控制模拟试验结果,以Niño3.4区的逐月海表温度变化为指标,辨识了212次El Niño事件、226次La Niña事件;分析了El Niño和La Niña事件发生当年及次年中国东部5-9月降水异常的空间格局;探讨了ENSO与华北、江淮、江南和华南4个区域旱涝的关系。结果表明：El Niño事件发生的当年5-9月,华北和华南地区降水减少2%~10%,长江中下游地区降水略有增加（0~2%）;次年,江南地区转为降水增加（2%~10%）,华北北部降水继续减少。在La Niña事件发生的当年,华北地区降水偏多（增加2%~10%）;次年,江淮地区降水显著减少（2%~5%）。ENSO增强会导致降水变幅加大。在El Niño衰减并向La Niña快速发展的年份,江南地区出现洪涝灾害的概率较其他年份高1倍以上。这些认识为深入揭示气候系统内部年际变率对中国东部降水格局变化与区域旱涝的影响作用、理解2016年长江中下游发生重大洪涝灾害提供了异常天气气候背景依据。     

Exploration of spatial morphometry and socioeconomic variables in modelling urban land use change

The incorporation of land use (LU) data with socioeconomic data is a main issue in modelling. This is as a result of difference in data model and scale. This study proposed and tested the change–pattern approach, which allows the incorporation of these data sets in modelling LU change. Focusing on LU dynamics for a selected part of the Thames Gateway within the City of London, the approach tested two different methods of input selection for the modelling operations. Variables selected from these two methods serve as inputs into several neural networks tested in order to identify the direction of change for each of the LU types within the study area. The result shows that direction of LU change across the study area could be identified when spatial morphology of the area and socioeconomic variables are considered. Some classes of change could be identified fairly accurately using landscape metrics indicating level of fragmentation, extent of LU patches, shape complexity of LU patches in combination with some socioeconomic variables.