基于BP神经网络算法的密云水库水质参数反演研究

密云水库是北京市重要的地表饮用水源地,在保障首都水源安全方面起着重要作用,而密云水库水质参数的区域监测已成为当前亟待解决的问题。为了实现密云水库水质参数大范围、实时获取,该文基于遥感和GIS技术,采用BP神经网络算法,结合地面监测数据和Landsat 8遥感影像,分别建立了反演总磷、总氮、氨氮和COD(化学需氧量)4个水质参数的BP神经网络模型,并反演了密云水库2013-2018年非结冰期主要水质参数,分析了密云水库主要水质参数的年际变化特征、季节变化特征和空间分异特征。结果表明,(1)水质参数的Landsat 8敏感波段分别为:总氮为1、4波段,氨氮为1-7波段,总磷为1、3-7波段,COD为2-5波段。(2)密云水库主要水质参数在2013-2018年总体呈下降趋势,氨氮和COD为Ⅰ类水质,总磷为Ⅱ类水质,总氮为Ⅲ类水质。(3)4个水质参数指标春季最高、秋季次之、夏季最低,总氮、总磷、氨氮和COD的春季值分别是夏季值的1.08、1.36、1.6、1.45倍。(4)密云水库不同水质参数的空间差异性较大,总体来看,水库北部和东部的4个水质参数含量相对较高,这种分布与北部和东部村庄密集以及密云水库两大入库河流有关。综上所述,基于BP神经网络算法的密云水库水质反演研究是可行的,且得到了较为可信的研究结果,该研究可为密云水库水质管理与政策制定提供重要的科学依据。

青藏高原东缘生态过渡带碳中和评估与预测

青藏高原东缘生态过渡带是我国重要的生态功能区和碳库,对该区域碳中和的评估和预测对于中国乃至亚洲的碳排放管理具有重要意义。基于率定的CASA模型估算了2001—2019年青藏高原东缘生态过渡带栅格尺度碳汇量,结合中国碳排放数据库分析近20年碳排放时空演变规律;然后,采用STIRPAT模型和岭回归建立碳排放与人口等6个社会经济指标的弹性关系,并讨论库兹涅兹曲线对碳排放的影响。之后采用情景分析法,设计包括绿色发展等5种不同经济发展情景预测研究区2020—2060年碳排放变化特征;最后,提出假性碳中和并进行定义,结合GM(1,1)模型预测所得碳汇量,探究青藏高原东缘生态过渡带净碳汇量未来不同情景演变趋势,预测与评估不同发展情景研究区碳中和状况。结果表明:研究区碳汇量在2001—2019年间呈波动缓慢上升趋势,研究区碳汇量东南部高西北部较低;而碳排放量增长速率迅速,于2019年达到108Mt左右,是2001年的3.07倍;近20年,研究区碳汇量均大于碳排放量,但二者差距呈减少趋势。STIRPAT模型岭回归系数表明,研究区内存在城镇化率环境库兹涅兹曲线(EKC)效应,随着城镇化率的提升,区域碳排放呈先增加后减少趋势,而对于富裕度无显著EKC效应;在6个影响因素中,人口变量对碳排放的影响最显著,每增加1%的人口,碳排放将增加1.03%左右;在预测的五种不同发展情景中,可持续发展情景(ST)与基准情景(BL)、节能情景(ES)与绿色发展情景(GD)分别在2050年、2040年实现碳达峰,碳达峰时间随着能耗的减少逐渐提前。粗放情景(ETS)在2060年仍未实现碳达峰,并且其碳排放将于2040年左右超过碳汇量,而其余四种情景预测2020—2060年碳汇量始终大于碳排放量,但其净碳汇量均呈先减少后增加的趋势。因此,青藏高原东缘生态过渡带具有较强固碳能力,但如采用不加管制的发展模式,其碳汇量将无法抵消其碳排放量。因此,在规划发展模式与保护生态的同时,应重点控制人口、畜牧业等因素,提高人民与产业的节能减排意识。

中国县域多维贫困与相对贫困识别及扶贫路径研究

当前,中国脱贫攻坚任务步入了由绝对贫困转向相对贫困、收入贫困转向多维贫困的新阶段。本文以中国31个省(直辖市)县域为研究对象,采用基于夜间灯光数据的平均夜间灯光指数以及基于脆弱性可持续生计框架的县域多维发展指数和多维相对贫困识别方法,从多维贫困和相对贫困两个层面对中国多维贫困现状进行分析,并基于以上研究筛选出的贫困县,采用耦合协调模型从产业扶贫、教育扶贫、旅游扶贫和农业扶贫分析适宜县域的扶贫路径。结果表明:中国约60%县域处于多维相对贫困状态,其中47%为多维相对轻度贫困县;基于平均夜间灯光指数和县域多维发展指数分别识别出602个和611个多维贫困县,分别包含了63%和79%的国家级贫困县(截至2018年),这表明县域多维发展指数识贫机理更为精准。多维贫困县集中在甘肃、四川和云南等地;而在筛选的贫困县中,适宜产业扶贫、教育扶贫、旅游扶贫和农业扶贫的县域分别有414个、172个、442个和298个,且在4种扶贫方式中,约61%县域适宜采用多种扶贫路径共同扶贫。研究结论将为确保中国扶贫的可持续性提供重要的科学依据。