"一带一路"沿线国家农作物虚拟水贸易时空格局及驱动因素分析

"一带一路"沿线地区水资源短缺且空间分布不均衡,虚拟水贸易实现了对水资源的远距离空间调配.以2010-2018年"一带一路"沿线59个国家和37种农作物为研究对象核算各国农作物虚拟水贸易,利用标准差椭圆、Moran's I指数、LISA指数刻画农作物虚拟水贸易的时空格局特征,通过地理探测器和地理加权回归模型分析农作物虚拟水贸易的驱动因素及其空间异质性.研究发现:①沿线各国"低耗水-高出口型"作物占比4.013％,"高耗水-高出口型"作物占比1.926％.②沿线各国农作物虚拟水贸易的进口格局呈收缩趋势,出口格局呈扩张趋势,且其局部存在一定的集聚特征,进口的"高-高集聚"区域主要处于南亚地区,出口的"高-高集聚"区域主要分布在中东欧地区.③各显著驱动因素能较好地解释沿线各国农作物虚拟水净出口量,各因素中国内生产总值呈负相关驱动特征,耕地面积呈正相关驱动特征,而人口规模、森林面积和邻国接边数在各单元间呈正负两极的差异驱动特征.     

关于暴时电离层电流分布的南北半球不对称性

采用国际上广泛认可的高层大气和电离层经验模式提供的各种参数, 通过电离层电流连续方程, 计算出强磁暴条件下6月至日和12月至日内, 磁纬±72°和磁地方时00:00～24:00之间电离层电场、电流等的分布. 计算中考虑了地磁和地理坐标间的偏离; 除中性风场感生的发电机效应外, 还包含了磁层耦合(极盖区边界的晨昏电场和二区场向电流)的驱动外源. 结果表明, 6月至日时, 磁层扰动自极光区向中低纬的穿透情况在南、北半球内基本接近, 北半球内略强; 但12月至日时, 呈现明显的不对称性, 南半球的电流穿透远强于北半球, 而电场的穿透则是在北半球更强. 无论南北半球, 在中高纬地区, 午夜至黎明时段出现较强的东向电场分量, 其[WTHX]E×B[WTBZ]的向上漂移效应, 正是解释我们以往不少研究现象中所期盼的物理机制.     

越南岸外上升流区48万年来高分辨率的生源组分记录及其古海洋学意义

南海西部越南岸外MD05-2901孔沉积物分析显示,该孔覆盖氧同位素1-12期,底界年龄约为48万年。生源组分记录显示表层古生产力冰期高、间冰期低,体现间冰期海平面下降、陆源物质输入增强的影响。生产力在末次冰期达到最高,体现末次盛冰期海陆差异增强,东北风发育对生产力提高的促进作用。碳酸钙含量变化呈现冰期早期含量低、冰消期和间冰期含量高的趋势。其冰消期的高值在MIS1/2、MIS3/4和MIS5/6分界处,与浮游有孔虫碳同位素低值对应,揭示该地区的碳酸钙沉积旋回是“稀释旋回”。同时碳酸钙含量变化领先于同一地区浮游有孔虫氧同位素的变化,证明低纬海区碳酸钙泵作用对大气二氧化碳浓度和温度有影响。滤波分析结果显示碳同位素存在23 ka的岁差周期和偏心率长周期,生源组分的含量变化显示出典型的岁差周期,体现南海季风环流的轨道响应,证明低纬热带过程是调节气候变化的重要因素。     

中国居民食物消费碳排放时空演变趋势及其驱动机制分析

食物生产是影响温室效应气体排放的重要方面,由于食物类型不同其碳排强度存在较大的差异,因此当前中国居民食物消费快速演替必然会对生态碳环境产生重要影响。论文利用洛伦兹曲线和基尼系数,研究1997—2016年中国城乡居民食物消费在生产过程中碳排放时空演变及其主要驱动因子。主要结论如下：① 在数量上,中国居民食物消费碳排放总量和人均量整体都呈现逐渐的增长刚性,但仍属于低碳消费模式;② 在结构上,各类型食物碳排放演变呈现显著的分异态势,整体上动物性食物碳排放增长速度快于植物性食物碳排放减少速度;③ 在城乡差异上,城镇和乡村居民食物消费碳排放在数量、结构和趋势上表现出显著的城乡二元属性,但近年城乡差异表现出减缓趋势;④ 在空间上,各地食物消费碳排放呈现较显著的民族性、地域性、集聚性和中心“塌陷”的特征,碳排放密度高值主要分布在直辖市和沿海经济相对发达地区;⑤ 在驱动力上,结构演替是全国居民食物消费碳排放总量整体变化的主要驱动因素,而人口数量是各地地域空间差异分布的主要驱动因子。     

边疆省域旅游效率空间分异及驱动因素——以云南省为例

旅游效率评价对区域旅游业提质增效发展具有重要意义。以云南省为实证,采用数据包络分析法(DEA)对其旅游业效率进行分析,运用空间自相关和趋势面等空间统计方法对旅游效率空间关联和整体趋势特征进行剖析,并借助地理探测器模型着重探讨了旅游效率的驱动因子。结果表明：1）云南省旅游综合效率总体水平较好,但州市间差距较大,纯技术效率对综合效率制约能力略强于规模效率;2）旅游效率呈现空间集聚态势,综合效率整体呈“南北两翼高中间低,东西平稳过渡”空间特征,高效区在滇西北“趋同集聚”;纯技术效率在南北方向呈“U”型趋势,东西方向上梯度递减;规模效率总体呈现“南北两翼高中间低,西高东低”趋势特征;3）旅游从业人数、交通网络密度和景区丰度是云南省旅游效率空间分异的主要影响因素,不同因子交互作用时均高于单独作用时的影响力。     

中国城市信息网络结构演变特征及驱动因素分析

信息流能够客观反映城市社会经济联系,对城市网络研究具有重要价值。基于2011、2014和2017年中国城市间信息关注度数据,利用社会网络分析法,从网络密度、中心度、城市联系等方面分析中国城市网络结构的演变特征及其驱动因素,研究表明：1）城市信息网络结构明显拓展但网络总体联系强度仍较低;省域内部信息联系强度高于跨区域联系,信息联系仍受行政区划的影响较大。2）网络节点中心度显著提高,热点区主要集中在东部沿海三大城市群;中西部部分区域核心城市如重庆、成都、郑州等成长为全国性核心城市,但中西部地区城市信息发展仍与东部地区差距较大。3）信息联系层级分布特征明显,并呈现局部区域联系紧密、区域一体化特征;核心网络由以北京、上海为核心的“轴-辐”结构演变为以“北京-上海-广深-成渝”为核心的“菱形”结构。4）信息化水平、经济发展基础、城市职能等互补性因素,网络营销、大事件效应等介入性因素及信息技术变革、城市群建设等高效性因素相互作用,共同促进信息网络结构优化重组。     

土地利用视角下城市交通事故驱动机理的研究进展

城镇化与机动交通的快速发展,引发了城市土地利用与交通系统的重塑,导致城市交通安全问题日益严峻。为了优化土地利用布局并改善交通安全,需要从土地利用视角开展交通事故的驱动机理研究。国内外该方面研究形成了以交通流量和交通速度为主要中介因素联系土地利用与交通事故的经典理论框架,却忽略了源于土地利用并深刻影响交通安全的交通需求因素,导致缺乏“土地利用—交通需求—交通事故”完整路径链的研究。论文通过综述该领域文献,在归纳总结城市交通事故影响因素的基础上,揭示土地利用视角下交通事故的驱动机理并探讨未来研究方向。研究指出,土地利用的多维属性特征对交通事故具有重要影响,土地利用与交通系统的动态匹配关系及其对出行行为的影响是揭示交通事故驱动机理的关键突破口,对于构建交通安全导向的城市土地利用模式具有重要的理论与实践意义。     

基于数据驱动的无人机编队最优控制算法设计

无人机编队具有广泛的应用价值和发展前景,然而,无人机动力学模型的非线性和耦合性,以及实际应用中的不确定性限制了其应用。为了解决模型不精确问题,提出了一种数据驱动的自适应动态编程（ADP）最优编队控制器设计方法。该方法结合了分布式一致性和线性二次方相关理论。首先,通过建立虚拟领航–跟随者模型,可以将四旋翼无人机的复杂非线性动力学模型简化为4个线性子系统,并解耦它们的相互影响;接下来,针对每个子系统设计编队控制器;随后应用李雅普诺夫理论对算法进行稳定性分析;最后通过仿真,验证了所提算法的稳定性和有效性。     

赣州市土地利用动态变化及其驱动因子分析

将赣州市作为研究对象,选取2000、2004、2010、2014和2017年5期Landsat遥感影像,利用RS和GIS技术,采用人机交互解译辅助实地考察方式提取赣州市2000—2017年土地利用类型图并分析土地利用变化特征;结合2000—2017年赣州市社会经济影响指标,运用主成分分析法分析得到赣州市土地利用变化的驱...     

基于GIS与地理探测器的岩溶槽谷石漠化空间分布及驱动因素分析

岩溶区土地石漠化已成为中国西部继沙漠化和水土流失后的第三大生态问题,近年来岩溶槽谷区石漠化表现出增加趋势。通过获取槽谷区石漠化、岩性、坡度、海拔、降雨量、土地利用、人口密度和第一产业生产总值等数据,利用GIS空间分析功能和地理探测器模型,探讨了岩溶槽谷区石漠化空间分布特征及驱动因子。主要结论为：① 岩溶槽谷区总石漠化面积为21323.7 km ²,占研究区土地面积的8.3%,其中轻度、中度和重度石漠化面积分别是11894.8 km ²、8615.8 km ²和813.1 km ²,分别占石漠化面积的55.8%、40.4%和3.8%;② 从石漠化的空间分布来看,槽谷区石漠化主要发生在连续性灰岩中,轻度、中度和重度石漠化面积分别为占槽谷区相应石漠化类型面积的22.1%、22.4%和1.9%;槽谷区石漠化主要发生在15°~25°的坡度范围,轻度、中度和重度石漠化面积分别为占槽谷区相应石漠化类型面积的27.1%、18.2%和2.3%;从海拔来看,主要分布于400~800 m范围内,轻度、中度和重度石漠化面积分别为占槽谷区相应石漠化类型面积的24.9%、18.4%和0.2%;从土地利用类型来看,主要发生于山地旱地中;从人口密度来看,集中分布于100~200人/km ²中;从第一产业生产总值来看,集中分布于25亿~50亿元中;③ 地理探测器的因子探测器揭示了岩性（q = 0.58）、土地利用（q = 0.48）和坡度（q = 0.42）3个因子是槽谷区石漠化形成的主要驱动因子,交互式探测器进一步揭示了岩性与土地利用类型（q = 0.85）、坡度与土地利用类型的组合（q = 0.75）共同驱动槽谷区石漠化的形成。