中国红色旅游经典景区网络关注度时空演变及影响因素

借助“百度指数”,获取2011—2019年中国31个省（市、自治区）对红色旅游经典景区的网络关注度,结合区域差异分析法、景区偏好系数分析红色旅游经典景区网络关注度的时空演变特征,利用面板数据回归模型和地理探测器揭示其影响机理。研究发现：（1）从时序上看,2011—2019年红色旅游经典景区的网络关注度持续上升,具有明显的季节性差异,呈“M”型变化形态。（2）从区域上看,东—中—西部具有明显的梯度递减特征,区域差异呈东—西—中部依次递减态势,空间结构比较均衡,东部地区多位于热点区,中部地区多处于一般区,西部地区则属于冷点区,各省（市、自治区）存在一定季节性差异。（3）景区角度方面,景区的月际变化分为单峰型、双峰型和多峰型三种,单峰型季节差异显著,双峰型和多峰型的季节差异较小,景区偏好类型呈“金字塔”结构,具有“多中心”分布特征,整体格局相对稳定。（4）影响因素方面,客源地网络发展水平的贡献>人口规模>教育水平>经济发展水平,而旅游恩格尔系数的影响不显著,目的地的星级酒店数量、旅游化水平、市外交通可达性是重要影响因素,信息化水平、空气质量、旅行社及公共管理能力是主要影响因素,其他因素影响力较小。     

长征国家文化公园红色旅游资源网络关注度及其旅游流网络结构分析

长征国家文化公园建设面临着的现实需求和复杂问题,迫切要求开展相应的系统性研究工作。以长征国家文化公园内154处重点红色旅游资源为研究对象,基于“虚拟”与“现实”相结合的视角,使用GIS、Gephi等研究方法,对其网络关注度和旅游流网络结构进行分析。研究表明：（1）红色旅游资源网络关注度普遍偏低、差异明显,5A级景区和重要人物是最受网络用户关注的资源类型;（2）旅游流网络结构松散、小世界效应显著,在湖南、贵州、陕西省内分别形成了“△”“网状”“双核”结构模式;（3）网络关注度与旅游流网络具有关联性和差异性,据此识别了湘中、黔川、陕北等重点红色旅游区,以及川陕、闽赣等红色旅游发展潜力区。基于以上分析,长征国家文化公园建设应以重点红色旅游资源为基础,实施分类施策、分段开发、扬长补短的发展策略。围绕高高、高低、低高、低低四种不同类型资源制定相应的发展策略,并结合不同区域的发展情况分别采取“节点”“斑块”“廊道”相结合的发展模式。     

创新集聚空间分布模式对霾污染的影响

为了比较分析创新集聚空间分布单中心与多中心两种模式对霾污染的影响机制,本文构建了省域面板数据模型和中介效应模型进行实证检验.结果表明：创新集聚可通过规模效应降低霾污染;但创新集聚空间分布模式对霾污染的影响具有异质性.其中,单中心模式诱发了霾污染,存在创新集聚环境效应悖论;多中心模式对霾污染具有改善效应;随着创新集聚多中心的提高,其霾污染改善效应增强,但具有边际递减特征;能源利用效率是创新集聚空间分布模式影响霾污染的重要渠道之一.基于此,本文建议省级政府推进空间协同创新发展战略,建构省域多中心的创新网络空间组织体系,以此形成多中心协同治霾机制,破解创新集聚环境效应悖论.     

草海湖滨带沉积物微生物群落对磷形态的影响

为探究高原湖泊湖滨带沉积物中微生物群落对磷赋存形态的影响,以草海湖滨带沉积物为研究对象,分析了磷素赋存形态;通过高通量测序技术分析了细菌和古菌的群落组成.结果表明,草海湖滨带表层沉积物的总磷含量范围在662.89~881.26mg/kg之间,平均值为750.36mg/kg;各磷形态中NaOH-NRP＞Res-P＞BD-P＞HCl-P＞NaOH-SRP＞NH₄Cl-P.细菌群落由变形菌门(Proteobacteria)等59个门和硫杆菌属(Thiobacillus)、厌氧粘细菌属(Anaeromyxobacter)等1259个属组成;古菌群落由泉古菌门(Crenarchaeota)等8个门和甲烷丝菌属(Methanosaeta)等67个属组成.冗余分析、主成分分析和共现性网络分析表明,微生物群落能驱动草海沉积物中磷的形态转化,细菌主要通过影响铁的氧化/还原和碱性磷酸酶的活性;古菌则通过改变有机质和酸性磷酸酶活性来调控沉积物磷形态.     

石油污染土壤富集前后细菌群落组成和共现网络分析

为了探究石油污染土壤中细菌群落在富集过程中的演替规律,试验采用平板划线法、菌落PCR和高通量测序技术,分析了富集前后细菌群落结构、共现网络和核心菌属组成,并对富集后体系中的微生物进行分离鉴定,筛选石油降解菌.研究表明富集体系中可培养微生物隶属于34个属53个种,其中3个为潜在新种微生物,Dietzia maris OS33和Rhodococcus qingshengii OS62-1具有降解石油的能力.高通量测序结果显示,在门分类水平上,富集前后丰度较高的菌门均为Proteobacteria和Actinobacteria,富集后两菌门的丰度可达到97.98%,占据绝对优势;丰度较高菌属由Pseudomonas、Rhodococcus、Bacillus和Xanthomonas转变为Dietzia、Unspecified_Idiomarianceae和Halomonas,标志微生物转变为与石油降解有关的Dietzia.细菌群落共现网络在富集后,网络结构进一步简化且更加稳定,核心微生物转变为与石油降解有关的Pseudomonas、Lysinibacillus、Pseudochrobactrum、Agrobacterium、Lactobacillus,且非石油降解菌P.songnenensis P35可协同石油降解菌D.maris OS33降解石油.     

基于人工神经网络的Ni-ZrO2纳米镀层耐腐蚀性能预测

目的 对Ni-ZrO2纳米镀层的耐腐蚀性能进行预测,优化电镀工艺参数.方法 采用磁力搅拌辅助电沉积法,在钴镍基模型合金试样表面制备Ni-ZrO2纳米镀层,针对电镀工艺条件,设置正交实验,对每组实验镀层进行电化学测试,分析不同工艺条件下镀层的耐蚀性能.将ZrO2粒子浓度、电镀液温度和电镀电流密度作为神经网络的输入层,将自腐蚀电流密度作为输出层,运用GRNN神经网络和BP神经网络模型,对Ni-ZrO2纳米镀层进行耐腐蚀性能的预测研究.结果 当ZrO2粒子质量浓度为6 g/L、电镀液温度为60℃、电镀电流密度为5 A/dm2时,Ni-ZrO2纳米镀层的性能良好,表现出较小的自腐蚀电流密度.影响Ni-ZrO2镀层自腐蚀电流密度的因素满足ZrO2粒子浓度>电镀液温度>电镀电流密度.运用GRNN神经网络和BP神经网络对4组非正交实验预测的平均相对误差分别为5.30％与10.74％.结论 运用神经模型可以有效地预测不同工艺参数下镀层的耐腐蚀性能,从而优化工艺参数,提高实验效率.在训练样本较少的情况下,GRNN神经网络的预测性能更加精确.     

改性生物炭负载零价铁对土壤中三氯乙烯的去除及微生物响应

三氯乙烯是场地及地下水中广泛存在的典型有机污染物,生物炭基零价铁材料可用于去除地下水中三氯乙烯,然而其也会影响含水层土壤的微生物群落,进而改变三氯乙烯的归趋.通过限氧控温热解,NaOH和HNO₃改性处理,并采用球磨法合成了改性生物炭负载零价铁复合材料,研究了不同改性生物炭负载零价铁对模拟含水层土壤中三氯乙烯的去除及微生物群落的作用机制.结果表明,NaOH改性显著提高了复合材料的比表面积.NaOH改性和Fe/BC为1∶10的复合材料(BC＿2处理组)对三氯乙烯的去除率最高,为90.01%.除BC＿1处理组外,不同处理组均提高了土壤微生物的多样性,改变了微生物群落结构,其中芽孢杆菌属(Bacillus)、硫杆菌属(Thiobacillus)和假单胞菌属(Pseudomonas)可能是三氯乙烯的降解菌属.BC＿2处理组增加了土壤中硫杆菌属和假单胞菌属的相对丰度,有利于三氯乙烯的降解.类诺卡氏菌属(Nocardioideas)、Thermincola、溶杆菌属(Lysobacter)、Gemmatimonas、Microvirga和假单胞菌属维持了微生物群落结构的稳定.微...     

环境监测网络体系发展管理策略探析

生态环境保护是可持续发展的重要前提,生态环境监测对于环境保护有着重要的作用。身处于信息时代,环境监测网络正与互联网积极的融合发展之中。本文主要讨论了当前我国环境监测网络体系发展管理面临的问题,并从宏观层面提出了解决问题的策略。     

土地生态系统脆弱性时空演化特征及影响因素——以黄河三角洲高效生态经济区为例

基于BP人工神经网络模型,对黄河三角洲高效生态经济区土地生态系统脆弱性进行综合评价和时空演化分析,并借助灰色关联度模型探究其影响因素.结果表明：研究区土地生态系统脆弱性从2005年的1.244降低至2016年的1.113,脆弱性逐步改善;脆弱性由西到东、由内陆到沿海逐渐加剧,并表现出脆弱性平稳型和脆弱性渐低型2个演化特征;地均工业废水排放量、盐碱荒地面积比重、土地利用程度、建成区绿化覆盖率、节能环保支出占财政支出的比重是系统脆弱性的主要影响因素.因此,降低土地生态系统脆弱性的政策着力点应该集中在生态修复、优化土地利用结构和节能减排等方面.     

基于Wavelet-LSTM模型的北京空气污染物浓度预测

文章为了达到精准预测北京市空气污染物浓度目的,应用小波分解变换(wavelet transform)和长短期神经记忆网络(long short-term memory,LSTM)相结合的方法,建立Wavelet-LSTM空气污染物浓度预测模型,对北京市6项空气污染物浓度预测。研究首先通过小波分解变换将日空气污染物浓度的历史时间序列分解为不同频率并重新组合为高维训练数据集合;其次使用高维数据集训练LSTM预测模型,重复试验调整参数,获得最优预测模型。研究结果表明,组合模型对于污染物浓度预测比传统LSTM模型的预测精度和稳定性更高。