基于MGWR的黄河流域土壤有机碳密度和影响因素分析

土壤有机碳作为最大陆地碳库,其空间分布特征和影响因素对于全球碳循环过程具有重要影响.基于土壤有机碳密度数据,结合环境因子,使用多尺度地理加权回归（MGWR）模型预测了黄河流域土壤有机碳密度（SOCD）和影响因素.结果表明：①黄河流域0~20 cm和0~100 cm的SOCD范围分别为0~14.82 kg ·m^-2和0~32.39kg ·m^-2,均值分别为3.48 kg ·m^-2和8.07kg ·m^-2,储量则分别为2.76 Pg和6.48 Pg;②各生态系统类型中,0~20 cm的SOCD从大到小依次为：森林>水体与湿地>其他>草地>农田>聚落>荒漠,0~100 cm的SOCD从大到小依次为：水体与湿地>森林>其他>草地>农田>聚落>荒漠,SOCR从大到小皆为：草地>农田>森林>荒漠>水体与湿地>聚落>其他;③黄河流域SOCD的分布主要受常数项、剖面曲率、NDVI和降水的影响,曲率和粉砂对深层的SOCD的分布也具有重要影响;此外,降水、NDVI和常数项（除森林外）是影响各生态系统的主要因素,曲率和粉砂则仅对荒漠和其他生态系统具有重要影响.研究结果得出了黄河流域SOCD的空间分布和影响因素,可为黄河流域碳平衡、土壤质量评价和生态治理恢复与巩固提升提供科学依据.     

京杭运河上游河段磷污染时空分布特征及污染源解析

为揭示京杭运河上游桐乡段总磷浓度不能稳定达到GB 3838—2002《地表水环境质量标准》Ⅲ类标准的原因,在桐乡段干流布设24个采样点,入河支流布设18个采样点,开展水质加密监测,研究磷污染发生的时空变化规律;基于水质常规指标的主成分分析,以及各主成分因子中强载荷指标与三维荧光组分的相关性分析,对重点河段磷的主要污染源进行解析;并基于绝对主成分—多元线性回归模型,定量评价主要磷污染源的贡献率。结果表明：1）京杭运河上游桐乡段干流入境水总磷浓度为0.14~0.20 mg/L,沿程监测点5~7、9和21~24有明显变差趋势,最高浓度达0.40 mg/L;部分入河支流水质较差,总磷浓度达到0.44 mg/L。2）主成分分析得到3个主因子,因子1以氨氮、溶解态磷为主要载荷,与类蛋白质组分显著相关,代表生产生活污染;因子2以高锰酸盐指数、溶解态磷、颗粒态氮为主要载荷,与类腐殖质组分显著相关,代表农业源;因子3以颗粒态磷、颗粒态氮为主要载荷,与浊度显著相关,代表码头污染与底泥源。3）运河上游河段的磷污染主要发生在干流监测点5~7和9,主要为码头污染与底泥源,其在丰水期和平水期的贡献率分别为65.9%和31.8%;监测点21~24主要为农业源,其在丰水期和平水期的贡献率分别为34.0%和32.1%;此外,生产生活污染在丰水期也有较大影响,其对监测点5~7和9、21~24的贡献率分别为42.6%、31.8%。

     

基于回归分析的火灾发生气象因子的研究

利用二元回归分析法,对火灾发生次数、空气湿度、风速进行回归分析并检验,得出了火灾发生次数、空气湿度、风速三者之间的显著线性关系。     

基于支持向量回归机的南黄海浒苔分布面积预测模型

绿潮作为一种新型的海洋灾害,已经引起了各个国家的重视.依据2012年南黄海海域浒苔遥感监测分布面积数据,选取了温度、天气状况、风向、风力、浪高5种影响浒苔扩散的气候因子,建立了基于SVR的浒苔分布面积预测模型,并与经典的最近邻点插值模型、线性插值模型、3次样条函数插值模型和分段3次Hermite插值模型进行了回归效果的对比.分析结果表明,基于SVR的浒苔分布面积预测模型能够为浒苔遥感数据的插补提供一种方法,且回归效果优于传统的回归方法,为浒苔的防治提供辅助决策信息.     

Soil Lead and Children’s Blood Lead Levels in Syracuse, NY, USA

A geo-referenced data set of 12 228 first-time blood lead screening values for Syracuse, NY, children was established for the 4-year period 1992–1996. Soil lead values were measured in a 600 m by 600 m tessellation grid covering the city. The two data sets were merged for evaluation of relationships between them. Strong seasonal variation in blood lead levels suggests the importance of contaminated soils as an exposure source. When the data were aggregated at a large geographic scale (3 km²), a logarithmic model showed an R² of > 0.65 for the regression of geometric mean blood lead on median soil lead values. Results showed a striking similarity to those obtained by Mielke et al. (1999) for a study in New Orleans, LA, USA.     

从不同反应器筛选、鉴别好氧反硝化菌

采用2个序批式反应器A和B,以硝态氮为唯一氮源,采用间歇曝气,以驯化、富集耐氧脱氮污泥.反应器A,其pH约为6.3,ρ(DO)为2.2～6.1 mg/L,碳氮比(ρ(C)/ρ(N),ρ(C)以ρ(COD_Cr)计)约为9;反应器B,其pH约为6.8～7.8,ρ(DO)为 2.2～3.0 mg/L,ρ(C)/ρ(N)约为15.2个反应器的ρ(NO₃－-N)均保持为80 mg/L.当2个反应器的总氮去除率达到60%以上,则认为完成好氧反硝化菌的富集.从2个反应器中共筛选得到20株BTB阳性菌,其中8株菌株的DNA样品经PCR成功扩增,进行16S rRNA测序.测序结果提交GenBank进行Blast同源性检索,并分析比对鉴别,判断8株菌株分属于假单胞菌(Pseudomonas),戴尔福特菌(Delftia),草螺菌(Herbaspirillum)和丛毛单胞菌(Comamonas)菌属.反硝化性能测定证实8株菌株均为好氧反硝化菌.      

基于Logistic回归的林缘计划烧除气象条件判别分析

森林火灾是一种破坏性极强的灾害,它与农事活动以及气象条件密切相关,加强其预防与控制具有十分重要的作用和意义。根据2014年~2015年闽东屏南县进行的60次林缘计划烧除试验观测的主要气象要素数据(天晴日数、温度、湿度、风速),建立基于Logistic二元回归的林缘烧除气象条件判别模型进行检验和分析。结果表明,模型判别计划烧除成功与否的预报准确率高(91.7%),主要气象要素对林缘计划烧除成功与否发挥重要作用,其中连续晴天日数为最大影响因子,其次为风速。模型通过检验和验证结果显著,具有预报服务应用价值。     

基于视频分析的空管员违规行为识别方法*

为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型（AR-ResNeXt）,基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。     

Approaching the upper boundary of driver-response relationships: identifying factors using a novel framework integrating quantile regression with interpretable machine learning

● A novel framework integrating quantile regression with machine learning is proposed. ● It aims to identify factors driving observations to upper boundary of relationship. ● Increasing N:P and TN concentration help fulfill the effect of TP on CHL. ● Wetter and warmer decrease potential and increase eutrophication control difficulty. ● The framework advances applications of quantile regression and machine learning. The identification of factors that may be forcing ecological observations to approach the upper boundary provides insight into potential mechanisms affecting driver-response relationships, and can help inform ecosystem management, but has rarely been explored. In this study, we propose a novel framework integrating quantile regression with interpretable machine learning. In the first stage of the framework, we estimate the upper boundary of a driver-response relationship using quantile regression. Next, we calculate “potentials” of the response variable depending on the driver, which are defined as vertical distances from the estimated upper boundary of the relationship to observations in the driver-response variable scatter plot. Finally, we identify key factors impacting the potential using a machine learning model. We illustrate the necessary steps to implement the framework using the total phosphorus (TP)-Chlorophyll a (CHL) relationship in lakes across the continental US. We found that the nitrogen to phosphorus ratio (N׃P), annual average precipitation, total nitrogen (TN), and summer average air temperature were key factors impacting the potential of CHL depending on TP. We further revealed important implications of our findings for lake eutrophication management. The important role of N׃P and TN on the potential highlights the co-limitation of phosphorus and nitrogen and indicates the need for dual nutrient criteria. Future wetter and/or warmer climate scenarios can decrease the potential which may reduce the efficacy of lake eutrophication management. The novel framework advances the application of quantile regression to identify factors driving observations to approach the upper boundary of driver-response relationships.     

石羊河流域1959年至2008年风速变化特征分析

利用线性拟合、Mann—Kendall方法、小波分析对石羊河流域五个测站空间平均的近50年来的逐日风速资料进行了倾向、周期、突变等特性分析。研究结果表明：1959年至2008年间,整个石羊河流域风速呈减小趋势,变化率约为-0．004m／（s．a）．而上游风速呈现明显的上升趋势。四个季节中冬季风速降低速度最大,而夏季风速呈现上升趋势。风速的长期变化还具有一定的突变性,年平均风速在1988年出现了由高到低的突变,表明风速开始下降。复值Morlet小波分析的结果显示,风速变化存在6a、13a、19a、25a四个峰值。其中19a的时间尺度为第一主周期。