贫困村空间分布及影响因素分析——以乌蒙山连片特困区为例

针对目前贫困分布研究以大尺度为主而缺乏对小尺度的关注和致贫因素分析忽略个体效应或背景效应的不足,基于空间贫困视角,以乌蒙山片区为研究区域、贫困村为研究对象,运用空间点模式分析方法探究贫困村空间分布特征,并设计多层线性回归模型从贫困村和县域两个层面综合定量剖析贫困影响因素。研究发现：① 贫困村的空间聚集特征较为明显,总体分布呈现大分散小集中、散点-极核-轴带-团块并存的空间格局。② 贫困村的贫困程度受多层因素的显著影响。其中,村级影响因素为：人口密度、通路率、劳动力比例、遭受自然灾害频次、安全饮用水比例;县级影响因素为：人均地方生产总值、高中阶段毛入学率、植被覆盖率。③ 农村贫困来源于贫困村与县域的双重作用。因此在精准扶贫工作中,政府及相关部门可针对不同尺度对象有针对性地施策,合理配置扶贫资金。     

中国高技能劳动力与一般劳动力的空间分布格局及其影响因素

基于2000和2010年全国人口普查分县数据和地级行政单元数据,采用不均衡指数和空间自相关分析等方法,刻画中国高技能劳动力和一般劳动力的空间分布格局及其变化,并采用空间滞后模型,识别高技能劳动力与一般劳动力空间分布的决定因素及其变化。结果表明：① 两类劳动力总体的空间特征均为东南密集,西北稀疏;② 2000—2010年,高技能劳动力在空间分布上呈集中化的趋势,而一般劳动力呈分散化的趋势;③ 十年间高技能劳动力集聚区虹吸作用加强,其分布越发集中于沿海特大城市群,而一般劳动力集聚区回波作用加强,其分布越发均衡;④ 空间回归分析结果表明,职工平均工资、是否直辖市或省会、每万人在校高校学生、是否沿海城市、常住人口数和空间溢出效应在十年中一直都是决定高技能劳动力和一般劳动力空间分布的主要因素,而失业率、中学生师比、二氧化硫排放量和绿地率在2010年也成为影响两类劳动力空间分布的主要因素。对比两类劳动力的模型结果可得,高技能劳动力的空间分布受行政因素、高校因素和地区生活舒适度的影响更大,而一般劳动力的空间分布受劳动力市场因素的影响更大。     

民间信仰载体的地域格局及其影响因素——以兰州市榆中县祠庙文化为例

以祠庙祭祀为主体且祠庙保存良好的民间信仰是甘肃陇中地区民间文化的重要组成。甘肃陇中地区的民间信仰具有很强的趋同性,本文以陇中地区的榆中县为例,以各村的祠庙为民间文化载体,通过核密度分析、Logistic回归等方法探讨榆中县民间文化载体的空间分布及其影响因素对于探讨陇中地区人地关系,保护和弘扬民俗文化有着重要意义。研究结果表明：（1）根据已有研究将榆中县民间信仰归纳为山神信仰、水神信仰、天地信仰、女性信仰、英雄崇拜和祖先崇拜,祖先崇拜的祠庙数量占有重要地位;（2）榆中县祠庙主要分布在西北黄河南岸、中部陇海铁路沿线及南部风景名胜集聚区,村级层面空间差异不显著、乡镇空间差异相对较大。通过核密度分析,不同类别民间信仰空间分布热点各有不同;（3）榆中县民间信仰空间分布受到区位条件限制,民间信仰的祠庙多位于海拔高度较低、人口密度较大、交通可达性较好的地区,坡度和到水源的距离成为山神信仰和水神信仰祠庙空间分布显著的影响因子,榆中县祠庙呈现出山神信仰类祠庙“依山”,水神信仰类祠庙“傍水”的空间特点。     

土壤粒径的光谱响应特性研究

以实验室制备的5个不同粒径水平的土壤样本和室内高光谱数据为基础,通过对光谱数据进行重采样、数学变换等预处理并进行单因素方差分析、相关性分析和回归分析,探讨土壤粒径的高光谱特性,建立了光谱数据预测土壤粒径的校正模型。结果表明,土壤粒径对反射光谱有显著的影响,波长越长影响越大;在全波段范围内土壤粒径和光谱数据都呈负相关关系,对原始光谱数据进行微分变换能增加其与土壤粒径的相关性;以反射率一阶微分建立的回归模型为反演土壤粒径的最佳模型,其建模决定系数■、预测决定系数■、预测相对偏差RPD分别为0.666,0.653,2.043,预测均方根误差RMSE为0.175。     

近60a来新疆不同海拔气候变化的时空特征分析

全球变暖是当前全球气候变化研究的热点之一,新疆深居亚欧大陆内陆,地形气候复杂,探讨该区域气候变化与海拔的关系对全球气候变化研究具有重要的参考意义。基于1958—2017年新疆41个气象站的月和年平均气候数据,采用一元线性回归、Mann Kendall（M-K）趋势分析和突变检验等方法分析该地区气候变化的时空分布与海拔的关系。结果表明：1958—2017年新疆年均气温、年均降水量均呈上升趋势,但增加幅度具有时间和空间差异。在时间上,北疆四季平均气温增温幅度均大于南疆（冬季除外）,四季降水量增幅北疆大于南疆（夏季除外）;在空间上,北疆气温和降水的增幅均大于南疆。研究区各个站点气温呈现出南部高而北部低的空间格局,年均降水量北部多,南部低。各个站点气温倾向率总体随海拔增加而减少,年均降水量变化率随海拔升高而增加,在不同海拔带内部存在差异。综上所述,受全球气候变暖的影响,近60 a来新疆年均气温和年均降水量均呈上升趋势,尤其是北疆对全球气候变暖的响应较为敏感。     

Relationships between body weight and other morphological traits in young sea cucumbers Apostichopus japonicas

Correlation, multiple regression, and path analyses were used to investigate the relationships between body weight and three other morphological traits in juvenile Japanese sea cucumbers Apostichopus japonicus . We measured live body weight (BW), body length (BL), numbers of papillae (NP), and numbers of tube feet (NF) at 60, 80, 100, and 130 days post-hatching (dph). We calculated path correlation coefficients, correlation indices ( R 2 ), and coefficients of determination with BW as the dependent variable and the other morphological traits as independent variables. The coefficient of variation for BW was high across all age groups, and all measured morphological traits were significantly correlated ( P < 0.01). BL had the greatest direct eff ect on BW across all age groups (60 dph, 0.526;80 dph, 0.404;100 dph, 0.620;and 130 dph, 0.681), while NF had the greatest indirect eff ect on BW across all age groups (60 dph, 0.528;80 dph, 0.452;100 dph, 0.666;and 130 dph, 0.603). Regression analyses between morphological traits and BW indicated that R 2 was greater than 0.85 only in the 100-dph specimens. The indirect eff ects of the other measured morphological traits on BW were age-dependent. The optimal regression equations, as determined with stepwise regression, were, for 60-dph specimens: BW 60 =10 (-3.04+0.092BL+0.014NP+0.014NF)( R 2 =0.632);for 80-dph specimens: BW 80 =10 (- 3.035+0.056BL+0.017NP+0.02NF)( R 2 =0.686);for 100-dph specimens: BW 100 =10 (- 3.742+0.069BL+0. 633 · lg (NP)+0. 464 · lg (NF))( R 2 =0.893);and for 130-dph specimens: BW 130 =10 (- 2.472+0.065BL+0.012NP)( R 2 =0.774). Our work clarified the correlation between various morphological traits and body weight of a commercially-important sea cucumber species ( A . japonicus ). Our predictive models for body weight might be useful for the aquaculture and selective breeding of A . japonicus . These models might also provide theoretical support for the indirect selection of traits that are difficult to select directly.     

顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法

稀疏多项式逻辑回归在分类中仅利用图像光谱信息,导致分类效果不太理想.本文提出了一种顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法.首先利用加权均值滤波与拓展形态学多属性剖面对原始高光谱图像进行局部与结构特征提取;然后对二者进行加权平均特征级融合以获取更具唯一性的像元特征;最后由稀疏多项式逻辑回归分类器对融合结果进行分类.结果表明,本文方法能有效地提高分类精度,而且具有较强的稳健性.     

耦合土地利用回归与人口加权模型的PM2.5暴露风险评估

PM_2.5已成为人群健康的重要威胁之一,科学精准的暴露评估是PM_2.5风险防控的前提,为提升PM_2.5暴露精准评估,本文利用土地利用数据、道路数据、气象数据等构建PM_2.5土地利用回归反演模型,实现了2013年12月1日-2014年2月8日（冬季）广佛都市区PM_2.5时空动态演变监测,在此基础上将PM_2.5反演结果与人口密度数据耦合,分别从PM_2.5污染浓度与人口加权PM_2.5浓度2个方面,评估广佛都市区PM_2.5污染暴露风险。研究结果表明：① 土地利用回归模型能够较好的反映研究区域内PM_2.5的空间分布特征,R²大于0.78;② 2013年12月1日-2014年2月8日,广佛都市区PM_2.5浓度平均值呈现波动变化趋势,研究时段内,最高平均浓度为97.91 μg/m³ （12月29日-1月11日）,最低平均浓度为53.40 μg/m³ （1月26日-2月8日）,全时段PM_2.5浓度超WHO健康标准的面积占比达99.8%;③ 广佛都市区PM_2.5的空间分布具有异质性规律,其高值区分别位于广州市天河区、越秀区、番禺区北部、花都区北部及佛山市禅城区、南海区中部、三水区中部,低值区主要位于广州市白云区、番禺区东南部及佛山市顺德区南部。人口加权暴露风险存在2个高值中心,分别位于广州市和佛山市的主城区;④ 耦合人口加权模型前后,广佛都市区PM_2.5暴露风险高风险区空间分布发生变化,未考虑人口加权模型时,广佛深高值区较为分散,主要位于南海区、天河区、越秀区、禅城区,考虑人口加权模型后,高值区更加集中于广州市和佛山市的主城区。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

珠江三角洲地区登革热流行风险空间模拟与预测

近年来日益严重的登革热疫情已在中国南部地区形成疫情高发区,并对中国的公共卫生安全形成了一定的威胁。登革热主要受到区域内复杂的自然环境条件以及社会经济因素的影响,而利用地理空间分析方法和模型探究登革热疫情的影响因素,并对其未来流行风险的空间分布进行模拟,是有效开展登革热预防控制工作的重要基础。本文收集了珠江三角洲地区2010-2014年的登革热病例资料和土地利用、人口密度两种社会经济要素数据,构建土地利用回归（LUR）模型以分析登革热疫情与不同空间范围内的土地利用和人口密度之间的关系,并结合SLEUTH模型获取的2030年土地利用数据以及基于人口密度预测模型获取的2030年人口密度数据,预测珠江三角洲地区2030年登革热疫情风险的空间分布。结果表明,社会经济要素对登革热疫情空间分布的影响在不同范围内存在差异,半径分别为10、7、10、2和1 km的缓冲区内的人口密度、草地、城镇用地、林地和耕地进入LUR模型并对疫情有显著的影响（相关系数分别为0.779、-0.473、0.818、-0.642和-0.403）,所构建的LUR模型效果较好（调整R²为0.796,F=390.409,P<0.01）,留一交叉检验结果显示模型的相对均方根误差为0.7046,预测值与实测值的拟合精度达到0.7101。2030年城市空间扩展的区域主要分布在深圳、东莞以及广佛的交界地区,而登革热风险预测模型表明2030年登革热疫情风险较大的区域与珠江三角洲城镇用地占比、人口分布较高的地区有高度的一致性,尤其是广佛地区。因此,LUR模型可以较好地预测登革热疫情的空间分布,从而为当地卫生部门防控登革热提供方法支持。