基于分解模型与VEC模型的沈阳经济区经济与环境时空关系研究

选择GDP、工业废水排放量、工业废气排放量、工业废物产生量4个指标,从横向的空间作用关系及纵向的时间作用关系对沈阳经济区经济增长与环境演化关系进行了动态综合分析.对于空间作用关系,采用完全分解模型,利用沈阳经济区内8个城市的面板数据,将经济与环境关系分解为经济规模效应、空间结构效应和技术效应,判定了由于经济增长造成的工业废物排放的增减变化而带来的区域环境压力扰动程度.对于时间作用关系,选择协整与向量误差修正模型(VEC),依次对指标序列进行了单位根检验、VAR估计、Johansen协整检验及向量自回归的VEC修正,进而对沈阳经济区经济与环境指标前期与当期作用关系进行了长期修正与短期校正.结果表明:对于工业废物排放,技术效应发挥了最突出的减量作用,经济效应的增量效应凸显,而空间结构效应的作用不明显;GDP与工业废水排放量、工业废气排放量、工业废物产生量之间的作用关系均经历了由波动到平稳的过程,但在研究期内GDP与工业废水排放之间的稳定性相对较弱,保持GDP与工业废气排放、工业废物产生各自的均衡关系,对各变量的优化有促进作用,而保持GDP与工业废水排放的均衡关系,则对各变量的优化有抑制作用.     

湖泊水质富营养化评价的多准则神经网络法

提出了基于误差平方和准则与模糊熵准则下的多准则神经网络湖泊水质营养化评价模型，并将其应用于我国五大湖泊水质营养化的评价。结果表明，多准则神经网络用于湖泊水质营养化评价，具有简便，实用，客观和广泛的通用性     

2016~2020年山东省空气质量时空分布特征及影响因素分析

基于2016～2020年山东省城市空气质量监测结果,结合人口密度和城镇化率等社会经济数据以及风速、气温和相对湿度等气象要素,综合应用地理加权回归模型（GWR）、多尺度地理加权回归模型（MGWR）和小波分析等方法,探究山东省空气污染物的时空分布特征及其与社会经济和气象要素的关系.结果表明：（1）近5年来山东省空气质量整体呈好转趋势,除O₃外,SO₂、 NO₂、 PM_2.5和PM₁₀等污染物浓度逐年降低.空气污染物分布存在明显的空间差异,沿海地区污染物浓度更低.（2）山东省PM_2.5与人口密度和第二产业占比具有极显著的正相关关系（P<0.01）,而与城镇化率呈极显著负相关关系（P<0.01）.同时,这种相关关系在空间上存在尺度差异,人口密度、民用汽车量和工业用电量与PM_2.5空间关系较平稳,而城镇化率和第二产业占比对PM_2.5的影响的空间异质性较高.（3）气象要素对菏泽和威海两市PM_2.5     

中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素

中国的近地面臭氧（O₃）浓度在2015~2018年间持续升高,已成为仅次于颗粒物的重要大气污染物.基于中国337个城市2015~2018年暖季（4~9月）的实时O₃浓度数据和气象数据,利用趋势分析、空间自相关、热点分析和多尺度地理加权回归（MGWR）,研究了2015~2018年中国暖季地表O₃浓度的空间演变格局,探讨了气象因素对其驱动的空间差异性.结果表明：①中国暖季O₃浓度整体呈显著升高趋势（P<0.05）,平均升高速率为0.28 μg·（m³·a）^-1,其中超过55%的城市O₃浓度每年升高0.50 μg·m^-3;②O₃浓度存在明显的区域差异,高值区（平均浓度>60 μg·m^-3）分布在华东、华北、华中和西北部分地区;低值区（平均浓度<20 μg·m^-3）分布在华南和西南地区;③O₃浓度变化趋势在空间上存在位于华东、华北、西北以及华中地区的热点区域和位于西南、华南（广西）以及东北地区的冷点区域;④气温是中国暖季O₃变化的主要气象驱动因素,其对华北、西北和东北地区O₃浓度的影响显著高于其他地区;除广西、云南和江西部分地区外,O₃浓度与气温呈显著正相关;O₃浓度在华南、华东和华中大部分地区与风速呈显著负相关,O₃浓度在华北和东北部分地区与风速呈显著正相关;除辽宁、山东、河北、甘肃、广东及西南部分地区外,O₃浓度与云层覆盖度呈显著负相关;除西北和西南部分地区外,O₃浓度与降水呈显著负相关.     

大型底栖动物生物评价指数比较与应用

采用不同生物指数评价河流健康,结果往往有差异,如何识别各种生物指数的关系和适用性成为亟待解决的问题.基于太子河流域大型底栖动物群落研究,比较了5种大型底栖动物生物指数评价结果的差异.结果表明,5种指数具有极显著的相关性,但由于健康等级划分标准差异,造成不同指数的健康评价等级存在一定差异.同时分析了不同指数对不同类型人为活动影响的敏感性,研究其在河流健康评价中的适用性.结果表明在太子河流域中,BI指数与土地利用类型和溶氧具有较好的相关关系,对这两类的干扰具有较好的指示作用;FBI指数对酸污染和氨氮污染具有较强的指示作用;ASPT指数与耗氧相关的水质指标有较强的负相关;B-IBI指数与总氮呈显著的负相关关系,可较好指示氮污染,而且B-IBI指数与其他类型人为干扰活动均呈显著的相关关系,对土地利用和水质污染也具有较好的指示作用.综上所述,大型底栖动物BI指数和ASPT指数应该分别适用于评价流域土地利用和水化学指标对河流生态系统的影响,而B-IBI可用于评估多种类型人为干扰活动.     

基于遥感影像的江西省水体资源和水产养殖结构空间异质性分析

为系统掌握江西省水体资源结构和水产养殖基本特征,论文通过遥感技术获取了2012年各县域的水体面积,并划分为不同的水体类型。通过全局和局域空间自相关,分析了89个县（市）水产养殖典型要素的空间异质性以及空间差异程度。针对空间关联及非均质性的现象,运用地理加权回归揭示了水体资源大小、养殖方式、平均单产水平和渔业专业养殖人员数量对养殖产量的影响程度。结果表明：江西省水体资源类型以大水面为主,占总面积的70%,其次为水库山塘,占21.26%,小型池塘面积占9%。水资源结构地区差异明显,北部区域以大水面为主,南部以山塘水库为主。养殖产量和面积表现出空间集聚分布特征（P<0.01）,但各县域的聚集性分布也表现出不同的模式,彭泽县、都昌县、鄱阳县、南昌市辖区、南昌县、丰城市、进贤县和余干县8个县域,均为高-高分布类型,养殖面积和产量分别占到总量的34.55%、35.42%。从养殖品种结构上,特种养殖产量主要集中在上饶市、九江市、南昌市和宜春市,占69.84%,但特种养殖产量所占比例与水体资源大小的相关性下降,水资源较少的东部山区丘陵地带依据区位特征发展鳖、蛙产业,特种养殖比例较高。从水产养殖驱动力分析,水体面积对养殖产量的影响程度最大（中位值为0.46）,其次是小型池塘面积（中位值为0.36）、专业养殖人口数量（中位值为0.26）,3个因素与养殖产量均为正相关,其中水体面积和小型池塘面积对养殖产量的影响程度从南向北递减,专业养殖人口对养殖产量的影响程度从南向北递增。影响程度的空间异质性变化可能与养殖方式和品种结构有关。平均单产水平对养殖产量的贡献较弱（中位值为 -0.003）,各地区影响强度差别不明显。分析结果有助于系统了解江西省水体资源分布和养殖结构,对优化产业规划布局有重要的指导意义。     

大气环境质量的模糊综合评判方法

分析了大气环境质量评价方法现状和模糊综合评判中存在的问题及解决办法，依据我国环境影响评价实际，提出采用单因子标准指数法和模糊综合评判法相结合的方法评价大气环境质量，并给出评价方法，步骤、结合实例说明其应用。     

支持向量机用于芳烃类化合物对芳烃受体亲和性QSAR研究

尝试将支持向量机(SVM)应用于3种典型芳烃类环境毒物(PCDD,PCDF和PCB)定量构效关系研究,通过对芳烃受体亲和性考察,结果发现该组样本的生物活性在一定程度上与分子电性距离矢量具有非线性联系.SVM对内部和外部样本都具良好稳定性能和预测能力:所得模型拟合、交叉检验、外部预测复相关系数及均方根误差分别为R2cum=0.922、Q2cum=0.825、Q2ext=0.834和RMSext=0.531将其与文献报道及多元线性回归、偏最小二乘、人工神经网络进行比较,结果表明对小样本、非线性问题SVM具较强拓展性及泛化能力,故在环境毒物评价和控制中具有广阔应用前景.     

基于地理加权回归模型评估土地利用对地表水质的影响

针对传统线性回归模型大多忽视空间数据局部变化特征这一缺陷,引入地理加权回归模型(GWR)用于评估土地利用对地表水质的影响,分析了不同子流域内两者关系出现空间变化的规律并阐释了原因.同时,对比了GWR模型与普通最小二乘模型(OLS)的校正R2、Akaike信息准则(AICc)及残差的空间自相关指数(Moran's I),验证了GWR模型在预测精度和处理空间自相关过程中是否优于OLS模型.结果表明,同一土地利用类型对水质的影响随空间位置的改变而发生方向或大小的变化.以温瑞塘河流域总氮(TN)与农用地的关系为例,从GWR模型局部回归系数的方向分析,两者关系表现为农村正、城区负的现象,从大小分析,旧城区TN与农用地回归系数的绝对值高于其它区域;在溶解氧(DO)与人口密度所构建的GWR模型中,两者关系在整个研究区域内均表现为负值,与OLS结果吻合,从回归系数的大小分析,人口密度对DO的作用在郊区及农村更为显著.针对此类关系出现空间变化的原因分析表明,相邻子流域土地利用百分比的改变及水体主要污染源的不同,是导致土地利用对水质作用发生变化的根本因素.最后,对比所构建的80个GWR与OLS模型校正R2、AICc指标,验证了GWR作为一种局部统计模型,其预测精度优于OLS等传统全局模型且更能反映实际空间特征.     

基于遗传-支持向量机和遗传-径向基神经网络的有机物正辛醇-水分配系数QSPR研究

基于遗传算法(GA)的因子筛选和支持向量机(SVM)的非线性回归,提出了1种改进的有机物定量结构-性质相关(QSPR)建模方法--遗传-支持向量机(GA-SVM),并将其用于38种食品工业常用有机物正辛醇-水分配系数(Kow)的QSPR建模.结果显示,QSPR模型选取了分子量、Hansen极性、沸点、含氧率和含氢率5种参数;模型的预测值与实测值间的误差平方和(SSE)、均方差(RMSE)和决定系数(R2)分别为0.048、0,036和0.999,表明模型具有较强的预测能力;同时,交叉验证的结果(SSE=0.295,RMSE=0.089,R2=0.995)也表明,模型具有良好的稳健性,因此,GA-SVM算法适用于对有机物正辛醇-水分配系数的QSPR建模.此外,将基于GA-SVM的QSPR模型分别与基于遗传-径向基神经网络(GA-RBFNN)和基于线性算法的模型进行了比较,结果表明,应用GA-SVM建立的QSPR模型无论从稳健性还是预测能力上都优于应用其它2种算法建立的模型,因此,GA-SVM算法比GA-RBFNN和线性算法更适合于对有机物正辛醇-水分配系数进行QSPR建模.