北盘江流域社会生态系统脆弱性时空演变与模拟

[目的]评估和模拟北盘江流域社会生态系统脆弱性,对筑牢珠江上游生态屏障、实现流域可持续发展具有重要意义。[方法]采用显式空间脆弱性模型,从暴露度、敏感性、适应能力3个维度构建评价指标体系,评估北盘江流域脆弱性,并使用有序加权平均算子模拟不同决策风险下的脆弱性情景。[结果](1)2000—2020年,北盘江流域脆弱性程度明显下降,高脆弱区面积占比由13.82%降到8.37%,低脆弱区面积占比由10.66%增加到17.62%。(2)20年间北盘江流域社会生态系统脆弱性整体处于中等脆弱水平,平均占比32%,空间变化呈现“西北、东南低,中部高”的分布格局。(3)从情景模拟分析上看,在可持续导向型中应重视风险环境的胁迫,加强生态环境保护与适应能力建设,在经济优先型中应强调发展与保护并重,加强绿色基础设施建设,缓解系统脆弱性。[结论]北盘江流域脆弱性程度明显降低,情景模拟结果可满足不同政策指导下的流域发展需要,并为北盘江流域国土空间生态修复和区域可持续发展提供理论参考。

不同人口流动模式下城市传染病时空传播模型适用性研究

空间显式传染病传播模型由于能够较好地模拟城市内部的传染病传播过程,在城市疫情防控中得到了广泛应用。但现有的空间显式模型大多按照人口随机流动模式来模拟城市人口流动行为,未考虑城市中以通勤为主的人口流动模式。本文以长沙市的2014年第1~49周手足口病传播过程为例,将4、8、24邻域扩散以及重力模型、辐射模型共5种不同的人口流动模式与周期SEIR动力学模型结合建立起五种传染病传播模型,并通过比较模型时间和空间精度来明确不同人口流动模式应用在城市内传染病时空传播模拟中的各自优势和适用范围。实验结果表明:每种人口流动模式在城市内传染病时空传播模拟中都有其使用前提和适用范围。基于24邻域扩散的传播模型对手足口病病例数拟合精度最高(RMSEspatial_ts=0.58,RMSEspatial_st=0.95),基于重力模型的传播模型对城市内部传染病时空传播模拟中的传播趋势的模拟精度最高(rspatial_ts=0.46,rspatial_st=0.39),且对长沙市人口相对稠密区域(格网常住人口数大于第三四分位数区域)模拟具有显著的精度优势(rspatial_ts=0.55,RMSEspatial_ts=0.92),但在疫情早期对手足口病未来传播的预测能力上较差。基于辐射模型的传播模型作为无参数模型,虽然整体时空精度上表现欠佳,但在人口稠密区域显现出较好的拟合效果(rspatial_ts=0.50,RMSEspatial_ts=1.0),在五种模型中具有最佳的手足口病传播预测能力。

景观植被生态系统水平衡模拟与分析

景观或区域的水平衡状况是全球变化的重要指标。本研究建立了一个空间显式景观过程模型，模拟了长白山自然保护区的水循环过程，并对水分收入、支出和平衡的总体状况、季节动态和空间分布格局进行了分析。整个保护区单位面积上水分盈余0．225±0．255m·a^-1，总计盈余4．379×10^8m^3·a^-1，但空间变异相当大。阔叶红松林的水分有略微亏缺，其他类型植被生态系统每年均有不同程度的水分盈余。从总面积上看，云冷杉林每年的水分盈余最多（可达1．696×10^8m^3·a^-1），占整个保护区的40．56％。整个保护区6月水分亏缺最严重，7～8月水分盈余最多，3～4月盈余较多。阔叶红松林除3月外，其他各月的水分亏缺均最多或次多，其中7～8月的水分盈余最少。降水量对水分收入、水分支出和水平衡季节动态的影响均最大。总的来说，年水分盈余的空间分布随海拔升高呈明显增加的趋势。气象因子均对水平衡的空间分布有极显著影响，气温和总辐射较高的地带，水分盈余较少，甚至出现水分亏缺；而降水量、相对湿度和风速较高的地带，水分盈余也较多。水分收入与叶面积指数（LAD呈极显著负相关关系；而水分支出与LAI呈极显著正相关关系，主要受蒸腾量的影响。

浅山区乡镇社会-生态系统脆弱性演化与模拟——以北京平谷为例

浅山区乡镇社会-生态系统相比于平原区受地形环境等因素制约更为脆弱,在国土空间开发与保护中更需要权衡。使用显式空间脆弱性(SERV)模型,从暴露度、敏感性、适应能力3个维度构建评价体系评估平谷浅山区12个乡镇社会-生态系统脆弱性,并使用有序加权平均算法(OWA)模拟多种决策风险下脆弱性情景。研究表明:(1)平谷浅山区2007—2017年总体脆弱性呈现中度脆弱水平,局部呈现上升态势,10年间中等以上脆弱乡镇面积比重由73.09%上升到80.74%。空间上呈现“东南高,西北低”的格局。(2)处于高脆弱水平乡镇应进行严格控制,增加水土保持林面积等提高适应能力;同时注重低脆弱乡镇的高暴露风险源及时进行生态修复。(3)通过设定不同决策风险系数预测不同发展导向下区域系统脆弱性差异,在倾向于可持续发展导向下优先生态环境治理,在经济发展导向下应推动绿色基础设施建设。评价结果可满足不同决策思路下指导区域发展实践。

地理空间人工智能的近期研究总结与思考

人工智能领域的技术进步给地理空间相关领域研究的智能化发展和融合创新带来了新机遇和新挑战。地理空间人工智能(geospatial artificial intelligence,GeoAI)是指地理空间科学与人工智能相结合的交叉学科研究方向,通过研究与开发机器的空间智能,提升对于地理现象和地球科学过程的动态感知、智能推理和知识发现能力,并寻求解决人类和地球环境系统相互作用中的重大科学和工程问题。简要回顾了GeoAI发展的历史渊源,介绍空间显式与隐式的人工智能模型,总结近期研究热点话题和应用方向(包括空间表征学习、时空预测和空间插值、对地资源环境监测、地图学、地理文本语义分析),思考并提出地理空间人工智能未来发展的几个重要挑战和研究方向。