火灾发生率空间分异及影响因素研究

为了探究我国火灾空间聚集特征与影响因素的空间异质性,采用全局莫兰指数、局部莫兰指数、逐步回归模型、地理加权回归模型、地理探测器方法对我国地级市单元进行研究。研究结果表明:我国火灾发生率具有显著的聚集性;我国火灾发生率较低的“冷点”区域有1个,火灾发生率较高的“热点”区域有4个;人均GDP、城镇居民人均可支配收入、人口密度、年平均气温4 个因素的影响效应具有空间异质性。人均GDP与火灾发生率为正相关,另外3影响因素对火灾发生率的作用表现出正负2种相关关系;2因素交互作用要比单因素作用于火灾发生率时影响力更显著,各影响因素的交互作用类型有非线性增强型和双因子增强型2种。     

基于AOD数据和GWR模型估算京津冀地区PM2.5浓度

利用MODIS气溶胶光学厚度（AOD）数据针对不同土地覆盖类型的适用性,提出了一种基于土地覆盖类型的AOD融合方法,生成了一种新的3km AOD数据集.在此基础上,通过地理加权回归（GWR）模型估算了京津冀地区2016年PM_2.5浓度,并用交叉验证的方法对模型性能进行评价.结果表明：利用融合后的AOD数据建立的模型可解释PM_2.594.85%的浓度变化,交叉验证R²为0.94,RMSE为9.27μg/m³,MPE为6.72μg/m³,明显优于多元线性回归（MLR）模型;基于GWR模型估算的京津冀地区2016年年均PM_2.5浓度为58.57μg/m³,其中冬季PM_2.5浓度最高,春秋季次之,夏季浓度最低,PM_2.5月均浓度变化范围32.78~140.83μg/m³,8月份浓度最低,12月份浓度最高;空间分布南北差异显著,衡水市PM_2.5污染最为严重,张家口市PM_2.5浓度较低.利用此方法成功弥补了PM_2.5空间缺失,为城市尺度的健康效应和环境流行病学研究提供数据支持.     

TRMM降水数据在东北地区的精度验证与应用

利用东北地区2000-2007 年的APHRODITE降水数据,基于GWR方法对TRMM降水数据进行修正,分析新的TRMM降水数据精度,并基于修正的TRMM降水数据对东北地区降水进行时空分布特征分析.结果表明:①APHRODITE降水数据与观测数据之间的线性相关性更高、均方根误差RMSE更小,数据具有较高的精度;②修正后的TRMM降水数据相关系数R有所提高,且RMSE值均有降低.整体来看,TRMM降水数据的降水量数值偏大于观测值;③修正TRMM降水数据在5-10 月的误差相对较小,整体来看,在大部分区域的误差在0~30%之间;④东北地区降水分布极不均匀,整体呈从东南向西北减少趋势.11 月到翌年3 月的降水稀少,降水主要集中在夏季,其中7月降水量最大.     

千河下游水体-沉积物重金属空间分布、风险及影响因素

为了研究千河下游水体-沉积物重金属污染特征、风险程度及其影响因素,采集千河下游表层沉积物19份及水样20份,使用电感耦合等离子体质谱仪(ICP-MS)测定8种重金属(As、Cd、Cr、Cu、Mn、Ni、Pb和Zn)含量,分析了水体中重金属含量和健康风险,对沉积物重金属空间分布及污染特征进行探析,以DEM、气温和降水等11种因子为自变量,结合地理探测器和地理加权回归模型对沉积物重金属污染影响因素进行空间分异探究.结果表明,千河下游8种水体重金属浓度均未超过地表水环境质量标准Ⅱ类水体标准,其中Pb元素变异系数为3.11,浓度高值区主要集中于东岭冶炼公司和凤翔火车站周围.水体成人致癌物Rc均值为7.72E-06,呈较轻风险程度,儿童致癌物Rc均值为1.17E-04,呈强风险程度,成人与儿童非致癌物风险均为可承受风险程度,儿童R总的高值主要集中在凤翔火车站周边,呈较强风险程度;千河下游沉积物重金属除As和Mn外,其余6种元素均超过陕西省土壤背景值,其中Cd元素含量均值为1.12 mg·kg^-1,是陕西省土壤背景值的12倍,Cd、Zn和Pb污染较严重,主要分布在长青村、南湾...     

华北地区大气细颗粒物(PM2.5)年际变化及其对土地利用/覆被变化的响应

大气细颗粒物(PM_2.5)是大气污染的重要组成成分,对其影响因素进度探讨具有重要的意义.但目前来看,多数的研究都聚焦于PM_2.5与气象要素以及经济因素之间的关系,分析土地利用/覆被变化对PM_2.5影响的研究相对较少,需要进一步的深入探讨.基于PM_2.5空间分布数据及土地利用/覆被数据,对华北地区PM_2.5变化特征及土地利用/覆被变化特征进行了系统分析,并利用地理加权回归、GIS空间分析等手段探讨了PM_2.5变化与土地利用/覆被变化的响应关系,结果表明:①华北地区PM_2.5浓度整体呈现东南高、西北低的空间格局,且18a均保持这一态势没有变化.时间上来看,在2006年达到污染最大值,之后虽有波动但一直居高不下.多数城市PM_2.5浓度超标,整体环境污染形势严峻;②2000～2015年研究区土地利用类型/覆被以耕地、林地和草地为主,土地利用/覆被变化趋势主要表现为耕地的大量减少以及建设用地的持续增加,水域和未利用地面积略...     

中国县域人均粮食占有量的时空差异及驱动因素

以全国县域为研究单元,基于2004年和2014年各县统计数据,采用ESDA、重心迁移、GWR等方法对县域人均粮食占有量的空间格局进行测定,并分析人均粮食占有量区域差异的空间异质性及变化的驱动机制。结果表明:2004~2014年,全国各县域粮食的人均占有量呈现总体上升的趋势,人均粮食占有量的重心在10a间由西南向东北转移,且南北方向迁移的幅度大于东西方向迁移的幅度。2004年全国县域人均粮食占有量冷热点分布相对分散,东北地区是全国唯一的热点区,冷点区分布在沿海地区,2014年热点区相比于2004年有所缩小,冷点区则有所扩大。影响人均粮食占有量变化各因素的重要程度在空间上差异明显,其重要程度由大至小依次为:人口数量第三产业比重城市化率第二产业比重人均GDP。     

基于多源数据的PM2.5浓度时空分布预测与制图

随着我国经济、工业化、城市化进程迅速发展,PM_(2.5)污染在中国已经成为一个极端的环境和社会问题,并引起广泛关注.采用新技术估算的地表PM_(2.5)质量浓度,收集并处理了遥感反演的气溶胶光学厚度(AOD),气象数据,其他地理数据和污染物排放数据,采用贝叶斯最大熵(BME)结合地理加权回归(GWR)来分析2015年冬季的PM_(2.5)暴露在我国东部大范围区域的时空变异特征.结果表明,BME模型的十折交叉验证结果的决定系数R~2为0.92,均方根误差(RMSE)为8.32μg·m~(-3),平均拟合误差(MPE)为-0.042μg·m~(-3),平均绝对拟合误差(MAE)为4.60μg·m~(-3),与地理加权回归模型的结果相比(R~2=0.71,RMSE=15.68μg·m~(-3),MPE=-0.095μg·m~(-3),MAE=11.14μg·m~(-3)),BME的预测结果有极大的提高.空间上,PM_(2.5)高浓度地区主要集中在华北、长江三角洲、四川盆地,低浓度地区主要集中在中国的最南部如珠江三角洲和云南的西南部;时间上,不同月份的研究区域PM_(2.5)空间分布所有差别,2015年的12月、2016年1月PM_(2.5)污染最为严重,2015年的11月,2016年的2月污染相对较低.     

面向场景的城市PM2.5浓度空间分布精细模拟

针对传统PM_2.5浓度空间分布模拟方法忽略了城市内部如道路、工厂、居民区、景区等不同微环境整体对PM_2.5浓度影响机制的缺陷,本研究提出一种微环境PM_2.5浓度场景分异的理论假设,并以湖南长沙主城区为例,结合基于污染先验知识划分的城市微环境场景空间分布与自主设计加密观测场获取的203个监测点小时PM_2.5浓度加密数据,分析城市微环境PM_2.5浓度场景时空分异特征.在此基础上,耦合地理加权回归（GWR）与人工神经网络（ANN）方法,构建微环境场景增强下的PM_2.5浓度空间分布精细模拟GWR-ANN模型,开展城市内部高空间分辨率PM_2.5污染制图.结果表明：不同微环境场景间PM_2.5浓度存在显著时空差异,地表覆盖类型相同但分别位于2个不同场景的监测点间PM_2.5浓度差会随时间发生变化;耦合微环境场景变量的GWR-ANN模型能够有效精细模拟PM_2.5浓度的空间分布,模型拟合效果与交叉检验精度指标整体优于无场景变量参与的GWR-ANN模型（除部分时相较为接近外,检验R²：0.76~0.84vs.0.57~0.81）;场景增强下的PM_2.5浓度空间分布100m级分辨率模拟估算结果可以较好揭示研究区PM_2.5浓度高低值局地变化特征.     

武陵山片区旅游经济时空差异与影响因素研究

以武陵山片区县域为研究尺度,基于标准差、变异系数和旅游经济发展水平梯度探析了旅游经济发展水平的差异特征与演变规律,并借助GWR模型对旅游经济空间分异的影响因素进行了分析。结果表明:(1)武陵山片区71个县域旅游经济发展水平在时间上呈绝对差异逐年上升,而相对差异波动下降的演变趋势。(2)2014—2018年间旅游经济发展水平欠发达区数量下降,并呈西北和东北部明显高于其他区域的空间分布格局。(3)人均GDP、第三产业占GDP比重、3A级以上景点数、国家级非物质文化遗产数、公路密度、3星级以上宾馆数是影响武陵山片区旅游经济发展水平的主要因素。     

京津冀大气污染变化规律及其与植被指数相关性分析

基于2017年逐时空气质量监测数据、归一化植被指数（NDVI）16 d合成数据以及社会经济数据,对京津冀大气污染特征进行了系统分析,并利用线性回归、地理加权回归模型等探讨了其变化规律与NDVI的关系,及其受社会经济因素的影响.结果表明：①京津冀地区大气污染整体表现为南高北低、平原高山区低的分布特征,由北向南递次升高,大气污染呈现出显著的空间异质性;②从季节变化看,呈现冬季 > 秋季 > 春季 > 夏季的总体规律,京津冀地区大气污染呈现出显著的时间异质性;③SO₂、NO₂、CO、PM_2.5、PM₁₀等污染物浓度均与NDVI值呈负相关关系;在气候、地形等自然条件较为一致的前提下,NDVI值越低人类活动干扰越明显、产业经济布局越集中,进而污染排放量越大,对空气质量产生显著负面影响;④NDVI指数一定程度上反映了土地利用、人口分布以及产业布局状况,而这些因素直接或间接决定着大气污染排放水平,进而能够指示区域的污染分布特征;⑤地理加权回归模型（GWR）计算结果表明,经济发展水平越高的地区NDVI与社会经济因子、PM_2.5等污染物浓度相关性越好.NDVI的分布可以大体反映社会经济发展水平.对PM_2.5的分布也有一定的指示作用.