基于腾讯位置数据的南昌市活动空间凝聚结构与区划研究

近年来地理信息大数据运用在人文地理学领域成为了新热潮。本文借助腾讯位置数据,得到了工作日、休息日、节假日三种类型的数据,以南昌市为例,从居民实际活动的视角出发,首先对研究区域的活动空间时序变化特征进行研究,在此基础上,通过核密度分析法总结了研究区域的活动空间凝聚结构,最后利用热度山顶点提取和泰森多边形等方法对具体的城市活动空间功能区进行划分与分析。研究发现：①工作日的高频活动区域面积明显高于休息日和节假日,分类区间的热力值越大像元数量越小。②研究区域城市活动空间的凝聚结构有四种,分别为“单核结构”、“双核结构”、“三核结构”、“集聚结构”,每种结构都有独特的形态特征以及代表性的典型区域。③研究区域可划分为六种活动空间功能区划：综合活动区、居住活动区、学习活动区、休闲娱乐区、交通枢纽区、就业活动区,不同的活动模式对应着各自的活动频度变化规律,且运用叠加分析法识别出六种功能模式的核心区和边缘区。④研究区域的活动功能区分布不均,大部分的活动类型为居住活动区和学习活动区,但主城区的居民活动类型更加丰富,主城区的集聚程度高于远城区,且活动功能区与空间凝聚结构具有一定联系。⑤根据大数据挖掘发现的南昌市活动空间凝聚结构分布特征、活动功能区的分布特征,结合南昌市城市发展规划,对南昌市目前的活动空间结构进行评价,从而对昌南、昌北、城东的发展提出相应建议。     

功能区视角下城市夜光与夜间“两抢一盗”犯罪的空间相关性——以H市市辖区为例

以H市市辖区为例,基于POI数据识别城市功能区,并结合NPP-VIIRS夜光遥感数据与夜间“两抢一盗”犯罪数据,构建双变量空间自相关分析模型,从整体及不同功能区角度探讨城市夜光与夜间“两抢一盗”犯罪的空间关系。结果表明：1）整体上,H市夜间“两抢一盗”犯罪形成“一主一副”的犯罪热点,且夜光与夜间“两抢一盗”犯罪存在空间异质性关系。2）大部分功能区在全局Moran’sΙ上表现为正相关。在局部LISA聚类上,只有居住用地、商业服务业用地和道路与交通设施用地呈现显著的空间异质性。商业用地的高-高聚类多数分布在一环及二环以内,低-低聚类多数分布在城市外围及边缘地带,高-低聚类与低-高聚类则零散分布在二者之间的区域;居住用地的聚类情况呈现南北区域差异;道路与交通设施用地则由于报警地点与实际案发地点可能有所出入,因而结果可信度降低。     

泉水型城市湖泊浮游植物功能群特征及其生态健康评价——以济南大明湖为例

浮游植物功能群被广泛应用于解析地表水体浮游植物群落季节演替特征和水环境评价,而该方法能否应用于泉水型湖泊仍不明确。为了解我国北方城市泉水型湖泊浮游植物功能群时空特征及影响因子,于2020年5-11月,对济南大明湖不同季节进行采样调查及分析。结果表明:大明湖共鉴定出浮游植物6门94种,种类组成以绿藻门(40.4%)、硅藻门(34.0%)和蓝藻门(16.0%)为主,其中微囊藻(Microcystis sp.)、细小平裂藻(Merismopedia minima)和尖针杆藻(Synedra acus)为全年优势种。大明湖浮游植物群落可划分为21个功能群,其中优势功能群有6组(D、J、Lo、MP、P和W1),以尖针杆藻为代表的D功能群为绝对优势功能群。优势功能群季节演替序列为:D/J/P→D/Lo/MP/P/J/W1→P/D/J,季节性特征明显。综合营养状态指数(TLI(Σ))为40.92~62.55,生态健康状态指数(Q)为1.91~2.36,表明大明湖处于中等健康状态,评价结果与多样性指数评价结果相一致。RDA分析结果显示,温度、pH、盐度、化学需氧量、总氮和总磷是影响大明湖浮游植物功能群的主要环境因子,其中优势功能群D主要受温度和盐度影响。研究结果表明,大明湖浮游植物功能群有明显的季节演替,利用基于功能群的生态健康状态指数能准确有效地评价水体健康及水质。     

基于主体功能区规划的中国城市化地区生态功能评估

从县域尺度对中国主要城市化地区生态功能开展后评估研究,分析城市化地区生态功能指数与第三级指标的相关性,对生态功能明显衰退地区提出政策建议。结果表明:2009-2015年,"两横三纵"城市化战略格局生态功能中高水平区县占比从78.68%降低至68.13%;优化开发区域生态功能中高水平区县占比由53.85%减少至37.28%,明显降低区域主要分布于京津冀东南部、环渤海地区;重点开发区域生态功能中高水平区县占比由73.78%降低至69.21%,明显降低区域分布在中原城市群和东北地区。生态退化的城市化地区均伴随不同程度的生境质量指数降低、生态空间减少、开发强度以及人口密度增加现象。生态功能与第三级指标的相关性由大到小依次为生态空间占比>生境质量指数>开发强度>人口密度。建议强调发展控制,加强生态保护,实施分区分类管控,健全不同主体功能区差异化协同发展长效机制。     

蓄水后向家坝库区鱼类物种、分类和功能多样性变化

为了解向家坝水电工程对金沙江下游鱼类多样性的影响,基于2016—2018年邵女坪(库首)、绥江(库中)和桧溪(库尾)3个江段的鱼类群落调查数据,分析了向家坝库区鱼类物种、分类和功能多样性空间格局,结合蓄水前(2011年)和蓄水初期(2015年)的资料,探讨了蓄水后向家坝库区不同维度鱼类多样性的变化趋势。向家坝库区各江段以广适性的瓦氏黄颡鱼(Pelteobagrus vachelli)和静水性的(Hemiculter leucisculus)占优势,两者的数量百分比分别为30.15%±14.82%和13.91%±11.16%。非度量多维尺度分析显示,蓄水后向家坝库区库首邵女坪和库中绥江鱼类群落差异最小,库首邵女坪和库尾桧溪鱼类群落差异最大;库中绥江在蓄水前、蓄水初期和2016—2018年3个时期的鱼类群落差异均较大,表明蓄水后绥江江段鱼类群落经历了剧烈变化。库区不同江段鱼类Margalef丰富度指数、Shannon-Wiener多样性指数和Pielou均匀度指数均表现为:桧溪>邵女坪>绥江,鱼类分类多样性指数和分类差异指数均表现为:桧溪>绥江>邵女坪。库区鱼类摄食、运动和繁殖等不同维度的功能多样性(功能丰富度、功能均匀度、功能离散度)空间格局不同,但总体上库中绥江鱼类功能丰富度最高,功能均匀度最低。与蓄水前相比,绥江江段鱼类物种、分类多样性呈下降趋势,鱼类功能丰富度和均匀度也有下降趋势。蓄水后绥江江段鱼类群落主要功能性状发生了明显变化,如蓄水前以下位口、纺锤形体型鱼类占优势,蓄水后以端位口、侧扁形体型鱼类占优势。不同维度多样性指数侧重于鱼类多样性的不同方面,结合多种指数分析有利于更全面地了解鱼类群落对环境变化和外界干扰的响应。研究结果有助于深入了解水电工程建设对金沙江下游鱼类多样性的影响,为鱼类多样性保护提供依据,也可为长江“十年禁渔”效果评估提供本底资料。     

澜沧江下游补远江大型底栖动物群落结构的时空分布及其影响因素

自然流淌的支流在维持建坝河流水生生物多样性中起着重要作用。补远江是澜沧江下游的重要一级支流,保持了较为天然的河流状态,人类活动干扰相对较少,是流域土著鱼类保护区和水生生物重要栖息地。在澜沧江流域水电开发的背景下,掌握补远江大型底栖动物群落结构的时空分布及其影响因素,对澜沧江乃至西南河流的水生生物多样性保护和恢复具有重要参考意义。于2019年4月(旱季)和2019年10月(雨季)对补远江的大型底栖动物进行了详细调查,共检出大型底栖动物150个分类单元,隶属于5门7纲68科,其中水生昆虫121种,软体动物20种,蛭类3种,寡毛类2种,甲壳类2种,涡虫、线虫各1种。毛翅目和蜉蝣目为全流域优势类群。补远江底栖动物密度和生物量在旱季和雨季均表现为上游大于中下游,物种丰富度和Shannon-Wiener多样性指数在雨季显著高于旱季。功能摄食类群中,滤食者(41.09%)和收集者(31.81%)占绝对优势,其次为刮食者(11.00%)、捕食者(11.21%),撕食者(4.89%)较少。Mantel检验分析表明,河宽(RW)、硝态氮(NO₃^--N)、化学需氧量(COD_Mn)是影响补远江大型底栖动物群落结构的主要环境因子;不同功能摄食类群所受到的环境影响因素不同。生物指数(BI)和生物监测工作组记分(BMWP)系统评价显示,补远江大部分样点处于良好及以上水平,少数样点处于中等及以下水平,总体水生态状况良好。     

Micro-area Chemical Composition and Preserved P-T Evolution Trace of Phengite in Albite Gneiss from the Donghai Ultrahigh-Pressure Metamorphic Area, East China

Study of micro-area chemical compositions indicates that phengite in albite gneiss from hole ZK2304 of the Donghai region has evident compositional zoning. SiO2 and tetrahedrally coordinated Si contents decrease, and Al2O3, AlIV and AlVI contents increase gradually from core to rim. However, K2O, MgO and FeO contents basically remain unchanged from core to rim. According to P-T estimates obtained from geothermometers and barometers, combined with previous experimental data, the core belt (micro-area I) of phengite was formed at T=637-672℃ and P=1.55-1.73 GPa, and the transitional belt (micro-area II) of the phengite were formed at r=594-654℃ and P=1.35-1.45 GPa. Towards the rim belt (micro-area III), the temperature decreased slightly, but the pressure decreased rapidly with r=542-630℃ and P=1.12-1.19 GPa. The P-T evolution path recorded by the compositional zoning of phengite is characterized by significant near-isothermal decompression, revealing that the gneiss has. undergone high-pressure-ultrahi     

Application of extension theory in risk zoning of debris flow in Beijing

The occurrence of debris flow is affected by many factors. Risk zoning of debris flow plays a vital role in the early-warning and prediction of abrupt geological hazards, and exploration of new method is needed in the early-warning and prediction of geological hazards. The extension theory is a new method to solve contradiction matters. Based on extension theory, AHP and GIS, the risk zoning model of debris flow was established in this paper. The result of this research provides a new way in the risk zoning, early-warning and prediction of debris flow     

新的国家地震区划图ht

新的国家地震区划图即中国地震动参数区划图已于2001年8月正式出版．该地震区划图包括峰值加速度区划图和反应谱特征周期区划图．该区划图风险水平为50年超越概率0.1, 比例尺为1∶400万．该区划图已经作为国家标准颁布．本文介绍了该区划图编制的背景、编图的技术思路以及主要科学问题、基本特征和使用．     

Terrestrial transect study on driving mechanism of vegetation changes

In terms of Chinese climate-vegetation model based on the classification of plant functional types, to- gether with climatic data from 1951 to 1980 and two future climatic scenarios (SRES-A2 and SRES-B2) in China from the highest and the lowest emission scenarios of greenhouse gases, the distribution patterns of vegetation types and their changes along the Northeast China Transect (NECT) and the North-South Transect of Eastern China (NSTEC) were simulated in order to understand the driving mechanisms of vegetation changes under climatic change. The results indicated that the vegetation distribution patterns would change significantly under future climate, and the major factors driving the vegetation changes were water and heat. However, the responses of various vegetation types to the changes in water and heat factors were obviously different. The vegetation changes were more sensi- tive to heat factors than to water factors. Thus, in the future climate warming will significantly affect vegetation distribution patterns.