Changes in air pollutants during the COVID-19 lockdown in Beijing:Insights from a machine-learning technique and implications for future control policy

基于2015-2020年北京35个环境空气站和20个气象站观测资料,应用机器学习方法(随机森林算法)分离了气象条件和源排放对大气污染物浓度的影响.结果发现,为应对疫情采取的隔离措施使北京2020年春节期间大气污染物浓度降低了35.1％-51.8％;其中,背景站氮氧化物和一氧化碳浓度的降幅最大,超过了以往报道较多的交通站...     

中国碳强度关键影响因子的机器学习识别及其演进

碳强度影响因子数量众多,通过在众多因子中评估其重要性以识别出关键影响因子进而解析碳强度关键因子的变化规律,是中国2030年碳强度能否实现比2005年下降60%~65%目标的科学基础。传统的回归分析方法对于评估众多因子的重要性存在多重共线性等问题,而机器学习处理海量数据则具有较好的稳健性等优点。本文从能源结构、产业结构、技术进步和居民消费等方面选取了56个中国碳强度影响因子指标,采用随机森林算法基于信息熵评估了1980-2014年逐年各项因子的重要性,通过指标数量与信息熵的对应关系统一筛选出每年重要性最大的前22个指标作为相应年度关键影响因子,最终依据关键影响因子的变化趋势划分了3个阶段作了演进分析。结果发现：1980-1991年,碳强度的关键因子主要以高耗能产业规模及占比、化石能源占比和技术进步为主;1992-2007年,中国经济进入快车道增长时期,服务业占比和化石能源价格对碳强度的影响作用开始显现,居民传统消费的影响作用在增大;2008年全球金融危机后,中国进入经济结构深化调整时期,节能减排力度大大增强,新能源占比和居民新兴消费的影响作用迅速显现。为实现2030年碳强度下降60%~65%目标,优化能源结构和产业结构,促进技术进步,提倡绿色消费,强化政策调控是未来需要采取的主要措施。     

石羊河下游人工梭梭林土壤呼吸变化特征及其与水热因子的关系

土壤呼吸不仅是反映土壤生物活性的重要指标,也是全球碳循环研究中备受关注的热点问题。在地处典型干旱区的石羊河下游,以流动沙丘和去除土壤结皮人工梭梭林为对照,采用LI-8100土壤碳通量监测系统研究了栽植约40 a、30 a、10 a和5 a的人工梭梭林生长季和非生长季的土壤呼吸日变化,并分析了土壤水分和温度对土壤呼吸的影响。结果表明：（1）不同林龄梭梭林生长季和非生长季土壤呼吸速率的日变化均为明显的单峰曲线,且呈现出一定的波动性,日最大排放速率出现在12:00～14:00时,最小值出现在8:00时左右。（2）梭梭林营造和去结皮处理显著提高了沙漠土壤呼吸速率,而且不同林龄土壤呼吸速率大体上随着种植年限的增加而递增,表现为MC >40 a>30 a>10 a>MS >5 a,非生长季表现为MC >40 a>10 a>5 a>30 a>MS。（3）不同林龄梭梭林土壤呼吸速率均具有明显的季节变化特征,生长季（8 月）的土壤呼吸作用明显强于非生长季（1月）。（4）相关性分析表明,生长季和非生长季土壤呼吸均与0～5 cm土壤水分显著相关,且均呈二次曲线关系,分别为Y =-0.205 8X ²+0.946 5X-0.316 6（R ² =0.506 ²,P= 0.041 7）和Y= 0.118 7 X ²+0.156 3X+0.118 8（R ²=0.675 7,P =0.001 1）;但与10 cm土壤温度的相关性不显著,土壤水分是影响人工梭梭林土壤呼吸的关键因素。该研究进一步证明了人工梭梭林的营造有效改善了沙漠土壤的生物活性,提高了土壤碳通量水平,以土壤结皮破坏为基本特征的人工梭梭林退化和沙漠化必然在短期内加剧碳排放。因此,需要在沙漠地区合理营造人工林,并在造林和林业管理过程中注意保护土壤结皮,以减少CO²排放。     

天山雪岭云杉个体生物量分配及其变化规律的研究

为了探讨天山雪岭云杉林生物量在个体组织中的分配情况及其变化规律,在研究区进行了大量的野外测量,利用已有的雪岭云杉林估算方程,分析了天山雪岭云杉林生物量在各器官（干、枝、叶、皮、根）中的分配及其变化规律。结果表明：（1） 研究区雪岭云杉林的平均生物量为388.74 t·hm^-2,树木各器官中,干、枝、根、叶和皮分别占生物量的43.65%、28.60%、13.49%、11.08%和3.18%。（2）各径级生物量所占百分比为：33.53%（40~50 cm）、20.13%（20~30 cm）、19.59%（30~40 cm）、18.19%（50~60 cm）和2.05%（10~20 cm）;树木生物量在不同树高中的分配表现为：48.78%（20~30 m）＞35.27%（10~20 m）＞14.70%（30~40 m）＞1.25%（0~10 m）;地上和地下生物量的分配比例为：87.54%和12.46%,分别为340.30 t·hm^-2和48.44 t·hm^-2。（3） 随海拔升高,天山雪岭云杉林生物量呈“单峰”变化,在海拔2 100~2 400 m处达到最大值611.58 t·hm^-2;干、皮生物量所占比例随海拔升高而减小,枝生物量逐渐增加,叶、根生物量呈先减小后增加的趋势;径级20~30 cm、30~40 cm和50~60 cm的生物量随海拔升高均呈“单峰型”变化趋势,都在海拔2 100~2 400 m处达到最大;雪岭云杉林不同树高生物量随海拔的升高呈现的趋势不同。天山雪岭云杉林生物量和年均降水量随经纬度的升高均呈降低变化,研究区林分生物量自西向东总体呈现逐渐降低的趋势;林分密度、海拔和降水共同决定了森林生物量的大小及其变化规律,海拔2 100~2 400 m是本研究区雪岭云杉林生长的最适宜场所。结果可为雪岭云杉林生态系统的恢复和重建提供基础资料,对研究区进行综合管理与生态健康分析具有重要意义。     

基于两种无人机航拍影像的林窗和林冠提取分析

森林冠层和林窗的结构及其时空变化是理解森林生态系统格局、动态变化过程的重要基础。在当前生物多样性监测倍受关注的契机下,如何以合适的手段准确描述林窗面积、分布等特征,并与森林固定样地监测数据有效地结合,更好地回答群落构建的理论问题,使森林群落物种多样性维持机制得到更全面的认识,是目前亟待解决的问题。以鼎湖山南亚热带常绿阔叶林20hm2固定监测样地为研究对象,基于不同遥感影像提取方法对其林窗和林冠表层数据进行提取分析。结果表明:基于监督分类的提取方法适合RGB波段航片林窗的提取,在林窗分类中,应首先确定林窗高度、边界木与最小面积,不同分类方法差异主要表现在林冠分类中,林窗分类生产者精度和用户精度表现都较为一致。无人机航拍识别率受地形因素影响较大,在地形复杂林地应按坡度分区域进行飞行以降低误差。相对于地面调查,MD4-1000无人机航片的林窗识别率为98.7%;大疆Phantom4无人机航片的林窗识别率为72.3%,影像后期处理数据量小,同样适用于森林林窗定量研究,符合生态学、林业等从业人员对大型样地林窗长期监测的要求。无人机航拍南亚热带森林物种识别难度较大,基于MD4-1000无人机搭载的高分辨率相机,在地势平缓区域优选的4 hm2样地中可识别林冠表层物种数17种,共2 706个个体。搭载高分辨率无人机在降低飞行高度的基础上可进行部分物种识别。应用无人机近地面遥感对森林固定样地进行林冠监测,可为后期群落构建研究提供数据基础,有望从新的研究角度探讨森林群落物种多样性维持机制。     

Cartographic Design and the Space–Time Cube

This paper reports on the results of an empirical evaluation that aimed to define the effectiveness and efficiency of different visual variables in depicting the Space–Time Cube’s (STC) content. Existing STC applications demonstrate that the most used visual variables are size and colour hue. Less is known, however, about their usability metrics. The research sets design criteria for STC contents, such as space–time paths, based on the cartographic design theory. The visual variables colour hue, colour value, colour saturation, size and orientation have been applied in two different use case studies. Besides, to support the three-dimensional visual environment, depth cues such as shading and transparency were considered too. User tests have been executed based on real-world problems with particular attention for the visualization strategy and data complexity. The outcomes revealed the most efficient and effective visual variables to represent data of various complexities in the STC.     

Cartographic Symbol Design Considerations for the Space–Time Cube

The cartographic representation of geographic phenomena in the space–time cube comes with special challenges and opportunities when compared with two-dimensional maps. While the added dimension allows the display of attributes that vary with time, it is difficult to display rapidly varying temporal data given the limited display height. In this study, we adapt 2D cyclic point symbols to construct 3D surfaces designed along a helical path for the space–time cube. We demonstrate how these complex?3D helical surfaces can display detailed data, including data reported daily over 100 years and data reported in four-hour intervals over a year. To create the point symbols, each value is plotted along the curve of a helix, with each turn of the helix representing one year or week, respectively. The model is modified by varying the radii from the time axis to all points using the attribute value, in these cases maximum daily temperature and four-hourly ridership, and then creating a triangulated surface from the resulting points. Using techniques common to terrain representation, we apply hue and saturation to the surface based on attribute values, and lightness based on relief shading. Multiple surfaces can be displayed in a space–time cube with a consistent time interval facing the viewer, and the surfaces or viewer perspective can be rotated to display synchronized variations. We see this method as one example of how cartographic design can refine or enhance operations in the space–time cube.     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距,不仅可以快速获取地面物体的三维坐标,还可以获得多个波段的地物光谱信息,可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征,完成多光谱LiDAR的随机森林地物分类;并分析随机森林的特征贡献度特性,采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度,而且可以适当地去除部分冗余和相关的特征,从而有效提高分类精度。     

祁连山亚高山灌丛林叶面积指数与冠层氮、磷的关系

氮和磷作为植物体内重要的生命元素,在植物群落的生长发育过程中发挥着重要的作用。为了明确祁连山亚高山灌丛林叶面积指数与冠层氮、磷之间的关系,本文通过对祁连山亚高山灌丛林不同植被类型(箭叶锦鸡儿、高山吉拉柳、金露梅)及不同放牧处理(羊群、牦牛,未放牧)条件下灌丛群落的叶面积指数(LAI)与叶片氮积累量(TFN)、叶片磷积累量(TFP)比较发现,在整个亚高山灌丛群落中,LAI与TFN和TFP之间都有较强的相关性,并且TFN和TFP比值的变化表明不同植被类型叶片的生长都受到N、P的共同限制,只是随着LAI的增加,高山吉拉柳主要受到氮素的限制,箭叶锦鸡儿主要受到磷素的限制,而金露梅则受到N、P的共同限制;在不同放牧条件下,单位面积LAI对应的TFN的值较高而TFP的值较低,说明动物通过对植被的啃食可能会改变群落的模式,在一定程度上限制磷的摄入。LAI、N、P之间的耦合关系表明了亚高山灌丛群落的LAI在物种组成、放牧和冠层密度上存在差异,但仍然受到N和P的约束。研究结果有利于探索水分限制条件下祁连山灌丛林生态系统植物叶片与养分元素之间关系,对于研究干旱区高寒灌丛生态系统在全球气候变化中的作用及其对全球气候变化的响应与反馈,具有重要的理论价值和实践意义。