成渝双城经济圈生态环境质量时空演变格局及其驱动力

成渝双城经济圈作为我国西部城镇化建设的重要示范区,探究其生态环境质量状况对推动区域社会经济高质量发展和长江上游生态环境保护意义重大。基于2000—2020年Landsat系列影像数据,运用绿度、湿度、热度、干度指标构建了遥感生态指数(Remote Sensing Ecological Index,RSEI),采用Sen(Theil⁃Sen median)斜率估计和MK(Mann⁃Kendall)检验相结合的趋势分析方法开展了区域生态环境质量时空变化特征研究。采用最优参数地理探测器模型(Optimal Parameters Geographic Detector,OPGD)优化了空间数据的尺度效应和分区效应,并对研究区生态环境质量的驱动力进行了分析。结果表明:(1)2000—2020年间,研究区生态环境质量整体较高,多年RSEI均值为0.63。生态环境质量以良和优为主,面积占比为61.37%。生态环境质量具有显著的空间异质性。在空间上呈“成都⁃重庆核心城市生态环境质量差,中间平原丘陵地区中等,四周质量优”的分布格局。(2)Sen⁃MK趋势分析表明,区域生态环境质量退化区域大于改善区域,两者面积之差占比为14.33%,表明研究区生态环境质量有显著下降趋势,应采取相应措施加强对区域生态环境的保护和修复。(3)最优参数地理探测器模型探测结果显示,驱动因子的最优空间尺度为5km,自然断点法、相等间隔分类、分位数分类、几何间隔分类和标准差分类5种离散方法有助于检测驱动因子的最优分类区间。绿度、湿度、热度、高程、坡度、年均气温是影响区域生态环境质量的主导因子,解释力q值大于56.95%。土地利用类型、人口密度、GDP、夜间灯光是次要驱动因子。驱动因子交互作用增强了对生态环境质量的影响。研究结果能为西部其他城市的发展提供借鉴,对推动长江上游生态环境保护和社会经济可持续、高质量发展提供科学依据。

海南热带雨林国家公园天窗社区土地利用演变驱动力分析

为探究海南热带雨林国家公园天窗社区土地利用空间格局及驱动力,本研究以海南热带雨林国家公园3个典型天窗社区毛阳镇、南开乡和水满乡为研究对象。基于2000、2010、2018、2023年的遥感影像,通过综合运用土地利用转移矩阵、土地利用程度综合指数、景观格局指数、地理探测器等方法,对海南热带雨林国家公园典型天窗社区2000—2023年土地利用演变驱动力进行分析。结果表明:(1)林地是典型天窗社区主要用地类型,林地面积演变趋势呈先升高(2000—2018年)后降低(2018—2023年),耕地面积演变趋势呈先减少(2000—2018年)后增加(2018—2023年)。典型天窗社区土地利用变化主要经历退耕还林(2000—2018年)、林地转化为耕地和建设用地(2018—2023年)2个阶段。(2)典型天窗社区景观格局变化主要是由于用地类型的改变,典型天窗社区景观类型呈现聚集度降低,破碎化程度增加,景观类型多样性增加的特征。在空间分布上,天窗社区景观破碎化程度呈现中心高,四周低的特征。(3)2000—2018年,距道路的距离是典型天窗社区土地利用变化主要驱动力;2018—2023年,NDVI和距道路的距离共同驱动典型天窗社区土地利用变化。NDVI、距道路的距离始终是影响土地利用变化的主要因子,DEM是影响土地利用变化的重要因子。交互探测结果表明,各因子间交互作用均表现为双因子增强或非线性增强,双因子交互对土地利用变化解释度大于单因子解释度。以期为国家公园天窗社区的科学合理建设发展提供参考。

京津冀土地利用变化及驱动力分析

土地利用变化及其驱动力研究,对于科学规划和利用土地资源十分重要。分析京津冀2005—2022年期间土地利用变化特征,并通过方差分解方法,探究土地利用变化的驱动因素。2005—2022年间,京津冀土地利用整体变化特征为耕地、草地、水面、裸地、灌木林地面积减少,林地和建设用地面积增加。不同时期的土地利用分析没有显示出较大的变化差异。四个指标对土地利用变化的解释率均高于60%。方差分解结果显示,总人口数对土地利用变化的影响最大,其次为年均温,二者均为驱动京津冀土地利用变化的主要因素。

2000-2022年河套灌区kNDVI的时空演变及其驱动力分析

随着气候变化加剧和人类活动增加,植被变化作为环境响应的重要指示,逐渐成为科学研究的热点。利用MODIS数据分析2000-2022年河套灌区核归一化差异植被指数(kNDVI),通过计算slope、LOWESS平滑、重心转移模型和Hurst指数,结合地表气温和降水数据,采用多元回归残差分析探究气候变化和人类活动的贡献。结果显示:①河套灌区kNDVI呈稳定增长,年均增长率1.51%(p<0.001),整体重心向西南移动,93.42%的地区kNDVI变化趋势具有较强持续性。②气候变化和人类活动对kNDVI变化的综合贡献率达88.75%,其中共同引起的绿化为主要驱动力,占总体的80.25%。③气候变化和人类活动的贡献率分别维持在0.21和0.76左右。为河套灌区kNDVI的时空演变及其驱动力提供了新见解,为区域生态管理和政策制定提供了科学依据。

2024信创行业驱动力纵览

本文根据企业公开信息,收集整理了一部分信息技术应用创新企业,它们通过自主研发和技术创新,为推进国产化信息技术软硬件底层架构体系以及全周期生态体系的不断完善,实现信息技术自主可控和信息安全,发挥着积极作用。迈向“大信创”自2020年信创产业“元年”至今,国内信创产业已走过五个年头。其中,2023年无疑是标志性的关键节点,伴随着“2+8+N”体系的确立,行业迎来由“小信创”向“大信创”的转变。

以旧换新政策下,洗衣机市场的多元消费驱动力

2025年新一轮家电以旧换新政策已经公布,对个人消费者购买符合要求的洗衣机等12类家电产品,将按照与2024年相当的力度给予补贴。在此次“国补热潮”中,诸多高能效洗衣机产品为消费者提供了多样化的绿色选择,助力更多消费者以更优的成本享受到高品质、智能化的家居生活,推动绿色节能消费理念的普及。

基于循环神经网络的土地利用变化与驱动力分析——以山东日照为例

为深入探讨日照市土地利用/覆盖变化的规律,本文利用循环神经网络模型对其2019—2023年期间土地利用/覆盖进行遥感影像分类,并基于分类结果研究分析了多种驱动因子与土地利用/覆盖变化之间的关系。结果表明,循环神经网络在处理遥感影像数据方面表现出色,5年的测试总体精度均超过92%,Kappa系数均超过0.84;并且在驱动力分析方面,城镇化率、生产总值和一般公共预算支出因素对日照市土地利用/覆盖变化有显著影响,改变土地资源的分配和使用。研究结果不仅揭示了日照市城市化和经济增长对土地利用/覆盖的深远影响,也为未来的土地管理和规划提供了有价值的参考。

水资源-能源-粮食-生态系统耦合协调及驱动力分析

为加深对我国水资源、能源、粮食、生态系统协同演变趋势的认识,构建水资源-能源-粮食-生态多维系统指标体系,运用耦合协调度模型对我国2005—2020年水资源-能源-粮食-生态系统耦合协调度进行评价,并采用多因素归因分析法进行驱动力分析。结果表明:我国水资源-能源-粮食-生态系统耦合协调度从2005年的0.55增长到2020年的0.84,各地区耦合协调度从勉强协调发展水平过渡到中级协调发展水平,各子系统对耦合协调度上升的驱动分别经历了由粮食子系统到生态子系统再到水资源子系统主导的过程;能源子系统的贡献率虽然比较小,但是未来可能是各地区提升水资源-能源-粮食-生态系统多维系统协调发展水平的突破口。

基于优化地理探测器的生态环境质量驱动力分析

[目的]克服生态环境质量(EQI)演化驱动因子在离散化过程中的随机性和主观性,优化传统地理探测器。[方法]利用相等间隔法、分位数法、自然断点法、几何间隔法和标准差法5种离散方法,对重庆市22项EQI演化驱动因子进行离散化,并结合地理探测器确定各因子的合理离散法与分类数,从而探究各驱动因子的驱动力大小和各驱动因子间交互模式。[结果](1)2005—2020年重庆市EQI处于I、Ⅲ和Ⅳ级的区县数量占比减少0.211,处于Ⅱ和V级的区县数量占比上升0.211,总体呈下降趋势,在空间上呈由西北向东南走向的梯度分布特征。(2)研究中各离散方法适用性排序为:自然断点法>几何间隔法>分位数法>相等间隔法>标准差法。不同因子适用的离散方法各异,应根据因子数据特征择优选取离散方法。(3)识别出影响重庆市EQI演化的关键驱动因子4个(0.37~0.49),主要驱动因子13个(0.14~0.33)、次要驱动因子4个(0.05~0.13)和其他因子1个(0.04),各驱动因子间交互作用均为双重增强或非线性增强。[结论]合理的离散化可以一定程度上克服连续数据离散化过程中的随机性和主观性,从而优化重庆市EQI演化驱动力探测结果。

中国沿海地区植被NDVI时空变化及驱动力分析

研究植被变化对区域生态修复具有重要意义。以中国沿海地区为例,基于归一化植被指数(NDVI)和降水、夜间灯光等自然和人为因子数据,运用Theil-Sen Median趋势分析+Mann-Kendall检验、最优参数地理探测器(OPGD)、相关分析和Hurst指数,多时空尺度探讨了中国沿海地区植被NDVI时空变化规律及其驱动力。结果表明:1)2001-2020年研究区植被状况较好,NDVI多年均值为0.762,具体到各分区,东北沿海的NDVI均值最高,其次是华南沿海,华东沿海和华北沿海;全区NDVI逐年变化率为0.019/10 a(P<0.01),不同分区的上升趋势从大到小为华南沿海、东北沿海、华北沿海和华东沿海,区域内植被状况不断改善,退耕还林还草和沿海防护林等生态工程效益不断显现;2)夜间灯光指数在全区各个因子中的解释力最大(q值为0.354),人为因素对NDVI的解释力明显大于自然因素,其对植被恢复产生了积极影响,并且随时间推移逐渐增强;3)两因子结合后的解释力大于单因子,表现为双因子增强和非线性增强。在全区范围内,影响最大的一对交互作用为土壤类型∩夜间灯光,其他分区则为日照时数∩夜间灯光(东北沿海地区),土壤类型∩夜间灯光(华北沿海和华东沿海地区),人口密度∩夜间灯光(华南沿海地区),自然因素和人类活动因素作用后影响力有了显著提升,但人类活动因素仍占据主导地位;4)Hurst指数均值为0.463,未来一段时间内,研究区内植被变化有66.3%的地区表现出一定的反持续性。研究结果有利于为中国沿海地区生态保护和高质量发展提供科学支撑。

土地利用转型下的西安市景观格局演变特征及驱动力分析

为揭示1990—2020年来西安市土地利用与景观格局的时空演变规律,以1990年、2000年、2010年和2020年土地利用数据为基础,借助ArcGIS10.8和Fragstats4.2等软件对其进行分析。结果表明:(1)1990—2020年,土地利用变化显著,耕地面积持续减少,草地面积先减后增整体呈现下降趋势,随着城市的不断发展,建设用地大面积占用了耕地,使耕地面积逐步缩小,且其他用地类型也均向建设用地转变;(2)在不同的景观类型之间,存在着明显的迁移现象,它们的空间聚集程度减小,破碎度增强,形状变得更为复杂,景观优势度减小,异质性增加;(3)景观格局演变的主要驱动因素是社会经济发展、农业生产和政策导向,其中,社会经济发展是耕地向建设用地转化的主要驱动力,政策因素是引起林地和耕地发生转移的根本原因。

邯郸山前平原地下水流场演变及其驱动力

20世纪60年代初邯郸山前平原浅层地下水位大幅下降,地下水降落漏斗逐渐形成,地下水流场剧烈演变,采用时间序列分析、相关分析、水均衡等方法,分析了邯郸山前平原浅层地下水流场的演变规律及其驱动力,并计算了1981—2019年各影响因素对地下水流场演变的贡献率,结果表明:1960年以前邯郸山前平原浅层地下水流场演变主要受自然因素驱动,1960年以后地下水流场演变的驱动力由自然因素演化为人为因素和自然因素,地下水源汇项逐渐发生变化;邯郸山前平原排泄项对地下水流场演变的贡献率大于补给项,降水入渗和地下水开采始终是浅层地下水流场演变的主要驱动力;1981—2000年降水入渗补给量和开采量对浅层地下水流场演变的贡献率为80.82%,2001—2019年降水入渗补给量和开采量对浅层地下水流场演变的贡献率为75.79%,浅层地下水流场演变的驱动力趋于多元化。

黄土高原生态系统服务价值演变及驱动力分析

“退耕还林还草”工程使黄土高原土地利用和生态环境发生了显著变化。基于2000年、2010年、2020年土地利用数据、植被因子、社会经济数据等,对改进的生态系统服务价值当量因子表进行修正,采用空间自相关分析和地理探测器等方法,核算了各网格单元生态系统服务价值,探讨了生态系统服务价值时空变化特征及空间分异性驱动机制。结果表明:与2000年相比,2020年林地和建设用地面积增加,草地面积略有减少,耕地面积显著减少;2000年、2010年和2020年生态系统服务价值分别为7565.54亿、11473.26亿、14335.51亿元,草地和林地的生态系统服务价值占比较大;在生态系统服务功能中,调节服务价值最大,其次为支持服务;生态系统服务价值空间集聚特征以高高集聚和低低集聚为主;归一化植被指数(NDVI)、降水量、净初级生产力(NPP)、生态用地面积占比和土地利用程度对生态系统服务价值空间分异性影响显著。

2000-2020年滇中城市群不透水面时空动态演变及驱动力分析

[目的]揭示滇中城市群不透水面时空动态演变特征及驱动力机制,进而为制定滇中城市群规划和发展策略提供理论参考。[方法]利用2000—2020年滇中城市群GISD 30 m不透水面数据,运用不透水面动态度、标准差椭圆、象限分析法和地理探测器等空间分析方法揭示了不透水面时空变化规律及驱动力机制。[结果](1)时间演变:近20年滇中城市群不透水面整体扩展速率呈现下降—上升—下降的波动趋势,年均扩展速率为66.77 km^(2)/a,年均动态度达4.36%,不透水面的动态度呈现不断下降趋势。近20年来,滇中城市群不透水面面积扩大了1402.2 km^(2),增长率高达91.5%。(2)空间演变上:近20年滇中城市群不透水面扩展各个城市空间差异较大,其中昆明市不透水面扩展较多,楚雄彝族自治州扩展面积较少。各城市群总体上朝南部—东南部方向扩展,迁移重心基本稳定。(3)近20年来滇中城市群不透水面的扩展具有明显的方向性,总体向东北—西南方向扩展。其中2005年标准差椭圆面积最大,不透水面开始高速扩张,20年来不透水面重心变化较为稳定,整体一直保持向南迁移,总体变化相对较小。(4)从不透水面的驱动机制分析,人口因素对其扩展的影响显著,而LAI、坡度、降水、温度以及NDVI等因素对不透水面扩展的影响不显著。人口和其他因素之间的交互作用强度明显强于其他因素之间的交互作用。[结论]近20年以来滇中城市群不透水面不断扩展,对城市群的资源环境承载力和国土空间格局产生巨大影响,为此应加强不透水面空间优化布局,为实现滇中城市群高质量跨越式发展提供有力支撑。

高校技术转移能力对企业创新驱动力的影响研究

当前对于高校技术转移组织的研究多集中在技术转移给企业创新成果带来的正向提升,而忽视了其自身能力所具备的影响力。在此背景下,对技术转移组织的能力对企业创新驱动力的影响进行研究,从企业创新驱动力的困境出发,结合高校技术转移组织能力的分类特点,从如何提高组织的能力角度进行分析探讨,致力实现技术成功转移,推动生产力发展。

基于遥感生态指数改进模型的沱江流域生态环境质量时空变化及驱动力研究

[目的]沱江流域面临严重的水土流失、水环境污染和土壤侵蚀等生态环境问题,开展流域生态环境质量评价对推动长江上游生态环境保护和流域社会经济高质量可持续发展具有重要意义。[方法]基于谷歌地球引擎平台,选取2000-2020年的Landsat遥感影像,以绿度、湿度、热度、干度、生物丰度指数构建生态环境质量评价模型,采用变异系数、一元线性回归和空间自相关分析方法对流域内生态环境质量的时空演变格局进行分析,并运用最优参数地理探测器模型(optimal parameter geographic detector model,OPGD)对其驱动力进行探测。[结果](1)2000-2020年,沱江流域生态环境质量多年平均值为0.66,等级以良为主,占比为63.01%。成都周边区县、内江、自贡、泸州等城镇地区生态环境质量较差,呈现南北低中间高的空间分布格局。(2)沱江流域生态环境质量总体呈下降趋势,生态环境质量变差的趋势显著,轻微退化和显著退化面积占比分别为19.75%和5.88%。人口密度大,社会经济发展水平高的城镇化地区,生态环境质量以较高波动为主,占比为18.15%。(3)2000-2020年沱江流域全局自相关莫兰指数范围为0.769~0.870,主要分布在第1象限和第3象限,局部自相关的高-高集聚区和低-低集聚区范围随时间呈显著变化,景观斑块破碎化明显。(4)OPGD结果表明,土地利用类型、坡度、高程、夜间灯光为流域生态环境质量变化的主要驱动因子,人口密度、气温和GDP为次要驱动因子,降水量和坡向因子影响较小。土地利用类型与其他因子交互作用增强对流域内生态环境质量变化的影响。[结论]改进的遥感生态指数模型对开展区域生态环境质量评价提供新方法,研究结果为生态环境保护提供参考。

变化环境下河南省水资源情势与驱动力分析

为了解河南省水资源利用现状及趋势,为水资源管理部门提供参考,以应对变化环境下未来水资源供需所面临的挑战,基于河南省1999—2022年有关气象水文资料及水资源统计资料,采用统计分析、Mann-Kendall趋势检验及BP神经网络方法,对河南省水资源演变情势及其驱动力进行分析研究。结果表明:河南省降水量及水资源总量年际变化较大,整体不太稳定且丰枯水年交替频繁,供用水量呈现增长趋势但增速有所放缓;全省降水量、地下水资源量及水资源总量呈现不显著的减少趋势,地表水量及耗水量呈现不显著的增加趋势,供用水量呈现显著的增加趋势;降水量、年平均气温及下垫面的变化都是影响河南省水资源总量变化的重要因素。

基于GEE的中国不同生态系统林火驱动力研究

针对同时对大尺度范围内的不同生态系统林火驱动力研究的难题,提出一种基于谷歌地球引擎(google earth engine,GEE)实现大范围不同生态系统林火驱动力的分析方法。首先基于GEE在线获取中国4个主要不同生态系统林火数据集、Sentinel-2卫星影像和驱动因子等信息,再通过Sentinel-2影像提取的归一化燃烧率差值筛选真实林火点,然后利用随机森林、支持向量机和增强回归树法对林火点分类并评价其表现,最后筛选最佳方法进行林火驱动力重要性分析。研究结果表明:随机森林预测林火的精度最高,均超过92%;山西省长治市和内蒙古大兴安岭地区林火最重要的驱动力分别为人口分布和最高温度,而四川省凉山彝族自治州和江西省赣州市林火发生最重要的两个驱动因子均为帕默尔干旱指数和土壤湿度。研究证明基于GEE的方法可有效地同时实现大范围内中国不同生态系统林火驱动力研究。

中国城市技术多样化的时空演变特征与驱动力研究

基于2006—2020年中国城市的面板数据,利用核密度估计、重心-标准差椭圆、地理探测器等方法对技术相关、非相关多样化的时空演变特征及驱动因素进行分析。结果表明:2006—2020年中国城市技术相关、非相关多样化水平均呈上升趋势,相关多样化水平上升得较快;技术相关多样化呈分异态势,而技术非相关多样化呈趋同态势。技术相关多样化呈高值集聚的空间趋势,分布重心向西南方向移动;技术非相关多样化呈不规则分布的空间趋势,分布重心向西北方向移动。创新投入是技术相关多样化发展的核心驱动因素,市场规模是技术非相关多样化发展的核心驱动因素。

智慧农业发展水平测度及驱动力比较——基于产业融合的视角

基于国际与国内区域投入产出表,从产业融合视角对智慧农业发展水平进行度量,并开展国际、国内区域的比较。结果显示:中国智慧农业的发展与发达国家相比存在较大差距,机械化及数字化相关产业对农业的发展的驱动效果偏低;我国智慧农业发展区域异质性明显,山西等地科研服务类产业驱动力偏低,而内蒙古等地则数字化驱动力不足。应大力提升农业数字化发展水平、提升农业从业人员基本素质、加速突破核心关键性技术,制定具有区域特征的发展策略。