人类世可持续发展背景下的远程耦合框架及其应用

在全球一体化进程不断加深的背景下,国家与地区之间的联系日益紧密,产生了一系列跨国家、跨地区、多尺度的社会—经济—环境影响,远程耦合（Telecoupling,社会、经济、环境的远距离相互作用）科学概念和综合框架的提出为解决上述问题提供了新方法和新途径。为更好促进远程耦合综合框架的正确使用和规范推广,本文系统解析了远程耦合综合框架,厘清各组成部分的定义和功能,梳理了框架的应用现状;通过对3个中国典型案例的阐释,展示了远程耦合综合框架的使用方法、结果分析及由此得出的科学意义和政策价值;最后描述了远程耦合综合框架使用中需要重点关注的问题,并对其应用前景进行了展望。远程耦合综合框架的推广应用有助于以跨国家、跨地区、多尺度的视角,重新审视多个人类与自然耦合系统的相互作用,揭示隐藏的远距离地理空间作用的科学价值,服务于有关政策的制定和实施,促进全球社会、经济、环境的可持续发展。     

毛乌素沙地植被水分利用效率的时空格局

水分利用效率（WUE）是衡量生态系统碳水循环耦合程度的重要指标,明晰其动态变化规律有助于判断区域植被生态建设是否与当地的自然条件相适应。利用基于CASA（Carnegie-Ames-Stanford Approach）模型得到的植被净初级生产力（NPP）数据和MODIS系列产品中的蒸散发（ET）数据,估算了2001—2016年毛乌素沙地植被的WUE,并探讨了其时空演变特征及与气象因子的关系。结果显示：（1）WUE的多年平均值为0.62 gC·mm^-1·m^-2,空间上自东向西递减,在不同植被类型间表现为栽培植物>灌丛>草甸>草原>荒漠;（2）WUE以0.009 gC·mm^-1·m^-2·a^-1的速率上升,东部地区变化尤为显著,NPP的快速增长是WUE呈增加趋势的主要原因;（3）WUE与各气象因子的相关程度由大至小依次为太阳辐射、降水量、风速和气温,分布在西部地区的荒漠植被WUE受气象因子影响最小。经过一系列生态建设工程的治理,毛乌素沙地大部分地区自2001年以来NPP和WUE均呈增加趋势,即生态系统在变“绿”的同时还实现了水分的高效利用,有利于当地生态环境的健康发展;但在水热条件较差的中西部地区,新建设的植被生长缓慢且导致蒸散发产生强烈变化,使WUE呈减少趋势,暴露出植被建设规模与水资源承载能力不匹配的问题,需引起格外重视。     

降雨量、土壤蓄水量对流动沙地土壤水分深层渗漏的影响

土壤水分深层渗漏是陆地近地层水分循环的重要环节。利用土壤水分深层渗漏记录仪对毛乌素沙地典型流动沙丘不同深度土层的土壤渗漏水量连续进行两年定点监测。结果表明：（1）2016年生长季（4月1日至10月31日）降水量为2017年的1.93倍,但50、100、200 cm沙层的渗漏水量分别是2017年同期的4.53、5.53,5.22倍。同时,渗漏水量与降雨量及土壤蓄水量的波峰较一致。（2）强降雨对深层渗漏水量的影响较大,土壤蓄水量的变化也与深层渗漏水量密切相关;降雨量较小时,土壤蓄水量与深层渗漏水量之间的关系更为密切。在连续降雨过程中,越往深处,渗漏的产生通常是多次降雨过程累积的结果,将土壤蓄水量作为中间变量,能更好地分析土壤深层渗漏过程。（3）当天蓄水量与次日渗漏水量的相关系数较高,土层越深,深层渗漏水量与土壤蓄水量的相关系数增加,二者之间的线性拟合的R²也相应增加。     

Simulating cross-sectional geometry of the main channel in response to changes in water and sediment in Lower Yellow River

Journal of Geographical Sciences - To understand the non-equilibrium morphological adjustment of a river in response to environmental changes, it is essential to (i) accurately identify how past...     

Changes in agricultural virtual water in Central Asia, 1992–2016

Journal of Geographical Sciences - In recent years, flows of many rivers and lakes have become reduced in arid and semi-arid regions around the world. The most typical examples of this phenomenon...     

Regional soil organic carbon prediction model based on a discrete wavelet analysis of hyperspectral satellite data

Most studies have the achieved rapid and accurate determination of soil organic carbon (SOC) using laboratory spectroscopy; however, it remains difficult to map the spatial distribution of SOC. To predict and map SOC at a regional scale, we obtained fourteen hyperspectral images from the Gaofen-5 (GF-5) satellite and decomposed and reconstructed the original reflectance (OR) and the first derivative reflectance (FDR) using discrete wavelet transform (DWT) at different scales. At these different scales, as inputs, we selected the 3 optimal bands with the highest weight coefficient using principal component analysis and chose the normalized difference index (NDI), ratio index (RI) and difference index (DI) with the strongest correlation with the SOC content using a contour map method. These inputs were then used to build regional-scale SOC prediction models using random forest (RF), support vector machine (SVM) and back-propagation neural network (BPNN) algorithms. The results indicated that: 1) at a low decomposition scale, DWT can effectively eliminate the noise in satellite hyperspectral data, and the FDR combined with DWT can improve the SOC prediction accuracy significantly; 2) the method of selecting inputs using principal component analysis and a contour map can eliminate the redundancy of hyperspectral data while retaining the physical meaning of the inputs. For the model with the highest prediction accuracy, the inputs were all derived from the wavelength range of SOC variations; 3) the differences in prediction accuracy among the different prediction models are small; and 4) the SOC prediction accuracy using hyperspectral satellite data is greatly improved compared with that of previous SOC prediction studies using multispectral satellite data. This study provides a highly robust and accurate method for predicting and mapping regional SOC contents.     

利用BDS与无人船进行污染源分析及处理

在大数据的背景下,充分利用北斗卫星导航系统（BDS）的定位功能,以无人船作为用户端,在水质数据采集和污染源位置的问题中积极探索新的实践方案,迅速、准确地找到污染源,减少河流污染物污染的时间,且无人船上装有净化模块,在发现污染时可作简易处理。在无人船上安装水质分析仪,水质分析仪的传输模块中安装经给防水处理的北斗卫星定位芯片和WiFi数据传输器,进而对河流的污染物种类及浓度进行分析,并采用大数据的计算方法,计算出污染源位置,向云平台反映污染源位置分析结果与污染物处理方法。通过BDS,将数据按照位置区域划分,并将能到达污染源的最短路径发送到处理人的移动设备上。本文通过对基于BDS定位的水质污染监测可视化系统进行分析,以期迅速找出污染源,减少水质污染现象的发生。     

ASTER数据的煤矿区水体信息提取

为实现多光谱数据对煤矿区水体信息提取,以萍乡市芦新岭及周边煤矿为试验区,在国内外学者对水体指数法提取水体信息和应用的启发下,对试验区不同地物的波谱特征进行分析。本文首先利用数学统计方法建立一种ASTER数据综合归一化差异水体指数模型SWI ASTER_xy,然后利用这一模型对试验区进行水体信息提取。试验表明,该模型能够有效地提取矿区各类水体,还可以运用在ASTER数据（或其他多光谱数据）对不同区域不同地物的提取,在遥感地物定量提取上具有很好的效果和潜力,具有一定的推广价值。     

地图学技术、科学、艺术的对立统一

随着地图学内涵和外延的扩展,认识地图学的探索从未停止。本文在现有研究对地图学认识的基础上,分析地图学的技术性、科学性与艺术性,进而探讨地图学技术性、科学性艺术的对立与统一,探索当今时代易变性影响下地图学的恒常性,从技术性、科学性、艺术性角度重新认识地图学。     

2018?2019年舟山近海浮游动物群落结构春季年际变化及其与水团的关系

根据2018?2019年春季两个航次在舟山近海进行的浮游生物调查结果,对舟山近海的浮游动物群落结构(类群组成、优势种数量)年际变化进行了研究,利用典范对应分析(Canonical Correspondence Analysis, CCA)研究了两年春季浮游动物类群组成差异、优势种变化的原因,初步探讨了春季浮游动物群落结构动态变化的机制。结果表明:根据表层温度(Sea Surface Temperature,SST)、表层盐度(Sea Surface Salinity,SSS)的聚类分析,将该区域分为3个水团:杭州湾内水团(I区)、舟山本岛上升流水团II区)、舟山近海水团(III区)。不同水团对浮游动物类群组成影响显著,引起2018年和2019年春季3个水团区差异的主要贡献种(贡献率>10%)均为中华哲水蚤,同一水团两年间年际差异的贡献种如下:I区为捷氏歪水蚤(56.91%)和真刺唇角水蚤(12.34%);II区为中华哲水蚤(72.64%)、五角水母(13.35%);III区为中华哲水蚤(41.93%)、夜光虫(22.94%)。CCA分析表明,第1 CCA轴(CCA1)和第2 CCA轴(CCA2)共解释了两年春季浮游动物优势种累计方差的46.14%和物种?环境累计方差的97.82%。CCA1主要反映了空间(近海水团和湾内水团)的差异。CCA2主要反映了2018年和2019年站位的年际差异。盐度是影响春季浮游动物群落结构空间差异的主要因素,而温度、叶绿素a浓度是春季浮游动物群落结构年际差异的主要因素。