西南高山峡谷区植被变化及影响因素分析

西南高山峡谷区是我国典型生态脆弱区,认识其植被变化特征及影响因素可以为西南高山峡谷区生态环境建设对策的制定提供理论依据,对实现区域经济、环境以及生态和谐统一发展,具有一定的现实意义.基于2000~2019年NDVI、社会经济因子和自然因子数据集,采用一元线性回归法、Hurst指数、地理探测器模型和变异系数等方法分析了西南高山峡谷区NDVI时空变化及稳定性特征,并探讨了NDVI空间分异影响因素.结果表明：①空间上看,植被呈现东南高,西北低的分布格局,中高和高植被覆盖的区域面积占比71.71%,植被覆盖总体处于较高水平.时间上看,植被呈现改善趋势的区域面积占比85.90%,恢复效果明显,且未来植被变化趋势还将以改善为主.②高程、植被类型和土壤类型是影响NDVI空间分异的主导因子,q值均不低于0.40;气温和降雨量为次要因子,q值分别为0.274和0.225.双因子交互作用增强了单因子的影响力,表现为双因子增强和非线性增强两种关系,其中高程∩植被类型组合q值最高为0.714,其次是高程∩土壤类型组合q值为0.688.③研究时段内NDVI整体稳定性较好,低波动变化和较低波动变化的区域面积占比为89.95%;而中等以上波动的区域面积占比为10.05%,集中在海拔高、气温低、降雨少、土壤贫瘠和植被较差等生态环境相对脆弱的区域.植被变化是多因素综合作用的结果,需因地制宜,有针对性地采取不同策略修复西南高山峡谷区生态环境.     

基于高空间分辨网格的郑州市城镇居民PM2.5暴露浓度与健康风险变化评估

近年来,我国以PM_2.5为特征污染物的复合型大气污染问题依然严峻,居民长期暴露在PM_2.5环境中会造成健康损伤,可以增加特定疾病过早死亡.郑州市PM_2.5浓度年均值远高于国家Ⅱ级标准,对居民健康造成了极为不利的影响.基于网络数据爬取建立的高空间分辨率人口密度网格,依据室外浓度监测数据和城镇居民源排放量,评估了包括室内和室外暴露的郑州市城镇居民的PM_2.5暴露水平,并采用综合暴露-反应模型量化了相应的健康风险,最后评估了不同削减措施与空气质量标准对降低城镇居民PM_2.5暴露浓度的贡献.结果表明,2017年和2019年郑州市城镇居民的时间加权PM_2.5暴露浓度年均值分别为74.06μg·m^-3和60.64μg·m^-3,下降了18.12%.其中室内暴露浓度占时间加权暴露浓度的质量分数分别为83.58%和83.01%,对时间加权暴露浓度下降的贡献率为84.06%. 2017年和2019年郑州市与PM_2.5     

亚热带城市河流浮游细菌群落的季节演替及构建机制

细菌是河流生态系统的重要组成部分,在污染物降解、物质循环和能量流动等方面扮演着重要角色.然而亚热带城市河流细菌群落的季节演替和构建机制(确定性和随机性过程)仍不明晰.以流溪河及广州珠江段为研究对象,采用16S rRNA高通量测序分析探讨了不同季节(丰水期和枯水期)水体细菌群落的变化及其构建机制.结果表明：不同季节水体细菌群落的组成存在显著差异,丰水期,变形菌门和异常球菌-栖热菌门的丰度更高;而枯水期,拟杆菌门和厚壁菌门的丰度更高.细菌群落的α和β多样性同样具有显著的季节差异,T、NH₄⁺-N、TOC、pH、EC、DO、NO₃^--N和DSi是影响细菌群落季节变化的主要环境因子.水体细菌群落的生态网络具有典型的模块化结构,物种间以正相关作用(合作关系)为主,且丰水期物种间的合作关系强于枯水期.随机性过程主导了细菌群落的构建,尤其以扩散限制贡献最大,且细菌群落在枯水期面临的扩散限制要高于丰水期.     

宁武亚高山湖泊细菌群落的时空格局及驱动机制

受人类活动和气候变化的影响,亚高山湖泊生态系统日趋退化,导致微生物群落生物多样性和结构改变.本研究以宁武亚高山湖泊公海(GH)水体细菌群落为研究对象,通过Q-PCR和DGGE技术分析了不同季节和不同深度的水体中细菌群落多样性分布格局,探究细菌群落的时空动态及其多样性维持机制.结果表明,温度(T)、酸碱度(p H)、溶解氧(DO)、电导率(EC)、盐度(SAL)和铵态氮(NH4+)在每个月的不同采样深度间均有显著差异.细菌群落丰度具有明显的时空动态,其中8月的丰度最高,11月最低;在水体中层(2、4和6 m)的丰度较高,表层和底层(0 m和8 m)相对较低.细菌群落α多样性指数在各月份和不同深度间均有显著性差异,从4～12月整体上呈现先减少后增加的趋势.相似性分析(PERMANOVA)结果表明,不同深度之间细菌群落的空间分布格局明显不同(P 0. 001).冗余分析(RDA)和方差分解(VPA)结果表明在不同深度下,细菌群落多样性格局是环境选择和扩散限制共同作用的结果,但是环境选择的相对作用更强,其中水体无机氮(NO3-、NO2-和NH4+)浓度是主要的影响因子.总之,宁武亚高山湖泊公海中细菌群落多样性有明显的时空分布格局,环境选择作为主要因素驱动了细菌群落的多样性格局.     

中国城市绿色金融及其影响因素——以绿色债券为例

绿色金融是金融创新的重点,旨在调控资本供给,实现环境向好发展。以绿色债券为例,基于2016—2019年中国142个地级以上城市,使用面板数据模型和空间杜宾模型探讨政策激励、金融基础、环境污染对绿色金融的影响。结果显示：（1）中西部地区引入绿色金融的城市数目较多,东部地区是绿色金融规模增长的承载区域。（2）政策激励和金融基础显著提升绿色金融规模,而环境污染起到抑制作用。（3）不同区域的政策措施都能与金融基础协同,促成绿色金融发展。仅在东部地区,政策激励能够缓和环境污染的负面影响。研究表明,绿色金融的发展模式存在区域差异,东部地区是在政策激励和金融基础推动下的顺势转型,中西部地区则需应对环境污染造成的阻力。     

中国粮食主产区耕地撂荒程度及其对粮食产量的影响

耕地撂荒严重地影响着我国的粮食安全。以我国粮食主产区为研究区域,在识别撂荒地分布的基础上,测度了撂荒地空间分布格局,并建立耕地撂荒中介效应模型,探究了耕地撂荒对区域粮食产量的影响机制。结果表明：（1）中国粮食主产区耕地撂荒规模为405.53万hm²,撂荒率约为5.85%;空间上撂荒地规模分布呈“T”字形空间格局,黑龙江东北部、吉林西北部以及内蒙古南部地区为撂荒地主要集聚区。（2）耕地撂荒对于粮食主产区粮食产量具有显著负向影响,2017年我国粮食主产区因耕地撂荒损失的农田生产潜力达到1339.15万t,损失的粮食产量高达2265.6万t,损失比例达4.69%;内蒙古自治区成为粮食产出损失量和损失比例最大的地区。（3）粮食播种面积、农田生产潜力和农业技术投入均发挥了部分中介作用,系数分别为-0.194、-0.025和0.006。（4）应遵从城乡融合以及农业农村发展态势,强化粮食主产区农业生产现代要素投入与政策扶植,构建粮食生产—耕地休耕空间转换弹性机制,保障我国粮食安全。     

基于比较优势理论的中国区域种养结构时空格局演变分析

研究种植业与养殖业的生产格局及演变趋势是优化种养结构的重要基础,对保障我国粮食安全具有重要意义。基于全国2000年和2017年335个地市的种养业生产数据集,利用比较优势理论分析了我国主要作物和畜产品区域比较优势的时空格局演变。结果显示:（1）近 17年,种植业和养殖业生产的区域比较优势空间格局上均无显著变化,肉类产出的优势区域呈扩散趋势;（2）饲料粮（玉米和大豆）生产的优势区域与精饲料消耗为主的牲畜（猪、禽类）优势区域并不匹配。为提升我国农业生产的种养结合水平,提出以下建议:区域种植业和养殖业的结构需进行合理化调整;根据区域种植业规模来确定养殖业规模;在区域尺度上合理布局有机肥加工厂;加强有机肥施用技术的研发;加大对养殖企业粪污处理方面的监管力度。     

陕西省县域旅游效率的空间格局及影响因素

提质增效是目前旅游产业发展面临的重要课题。基于数据包络分析法,选用Python爬取技术,对陕西省107个县域的旅游效率进行测度分析,探讨县域旅游效率的空间格局及其影响的主要因素。研究表明：（1）陕西省旅游效率达到有效的县域数量整体偏低,高旅游效率县域多集中于市辖郊县。（2）县域旅游效率分布不均衡。陕北地区高旅游效率县域主要集中在黄河沿岸,关中地区呈现“西高东低”的现象,陕南地区高旅游效率县域则集中在地市交界处。（3）影响县域旅游总效率、技术效率和规模效率的主导因素不同。旅游收入占GDP比例（反映旅游业水平）、人口密度（反映县域发展水平）及汽车站数量（反映交通服务水平）是影响陕西省县域旅游总效率及技术效率的主导因素,而旅游资源禀赋（反映旅游业水平）、人口密度（反映县域发展水平）则是影响陕西省县域旅游规模效率的主导因素。     

京津冀地区生境质量与景观格局演变及关联性

以京津冀地区为研究区,基于InVEST生态评估模型、Fragstats景观格局指数测算平台,运用网格分析法,评估了2000~2018年京津冀地区生境质量与景观格局演变;利用空间自相关理论,分析了二者空间关联性及其时序演变特征.结果表明：京津冀地区生境质量整体呈现出“东南低、西北高”的空间分布特征;2000~2018年京津冀北部以及沿海地区生境质量大面积提升;北京-天津都市圈及其南部存在大面积生境质量衰退.京津冀山区景观格局较稳定,东南部城市群景观格局指数值变化显著,景观趋于破碎化.生境质量与景观格局特征二者具备空间关联性,但相关关系逐渐减弱,以东南部生境质量低值区集聚效应减弱最为明显.研究结果有助于揭示生境质量与景观格局的空间关联性规律,可为我国乃至世界其他类似地区生态保护与景观规划提供科学支持.     

北京市典型城区餐饮业VOCs和PM2.5排放量估算

以北京市餐饮企业分布密度最大的西城区为案例区,通过对研究区域内餐饮企业进行实地污染物检测及排放活动水平调查,计算得到基于就餐人数、就餐时间、烹饪油用量和灶头数4种核算基准的餐饮业VOCs和PM_2.5排放因子,并利用排放因子法分别估算该区域在餐饮废气净化设备升级改造前后餐饮企业VOCs和PM_2.5年排放量.结果表明：本研究区域餐饮业废气净化设备升级改造前VOCs排放量范围为319.03~506.38t/a,改造后为92.14~109.89t/a;改造前PM_2.5排放量范围为166.55~211.09t/a,改造后为30.22~36.05t/a,排放量明显减少.餐饮业废气净化设备改造后VOCs和PM_2.5减排率分别为71%~82%和80%~86%,餐饮业废气净化设备升级改造减排效果良好.计算得到以街道为单元的餐饮源VOCs和PM_2.5排放强度范围分别为1.45~4.32t/km²和0.47~1.42t/km².通过PM_2.5实测浓度（小时值）数据分析,餐饮业废气净化设备升级改造前、后PM_2.5浓度平均减少了28.9%,最接近于用油量为核算基准的排放因子降低比例.