基于CPM/PERT及系统仿真技术的项目时间管理——以北京师范大学资源学院探“所”活动组织为例

通过关键路径法(CPM)及计划评审技术(PEPT)建立数学模型,并应用Crystal ball工具进行模拟仿真,较准确地对北京师范大学资源学院探"所"活动总体完成时间进行了预测,有助于更灵活地安排时间和管理项目.

北京师范大学“世界地理”活动课教学改革与实践

高等教育教学改革的重点之一是探索以学生为主体的教学改革。作者在“世界地理”教学中 ,有机地组织了活动课的教学改革与实践 ,调动学生参与教学的积极性。以学生小组活动的自主性、合作性、探究式等学习方式 ,设计一系列知识竞赛、课堂讨论、模拟区域经济合作论坛、模拟考题等教学环节 ,旨在锻炼学生的群体学习意识、分析和解决问题的能力和表达能力等 ,也在很大程度上协调了“世界地理”

高校辅导员媒介素养现状调研与对策分析——以北京师范大学为例

高校辅导员的媒介素养水平是有效开展大学生思想政治教育工作的关键环节。通过采用自编的《高校辅导员媒介素养调查问卷》对北京师范大学部分专兼职辅导员进行了调研并使用SPSS进行数据分析,旨在了解高校辅导员媒介素养现状,并提出可行性建议及对策。

基于ArcEngine的三维校园疏散系统研究——以北京师范大学校园为例

以北京师范大学校园为例,Visual Studio 2010作为开发平台,Arc Engine作为开发组件,采用C#语言,结合3DMAX开发了北京师范大学校园安全疏散避难系统,实现了校园建筑物的三维显示以及漫游、属性查询、楼层疏散、疏散路径显示等功能,为更好地进行校园防灾减灾教育和校园安全管理提供了基础信息平台。

加强基础 突出特色——北京师范大学地理学课程体系建设的初步设想

北京师范大学地理系是一个具有悠久历史的老系,在几十年的建设中,广大师生锐意探索,不断改革,逐步形成了自己的风格和特色。1993年组建了资源与环境学院,去年被批准为国家理科基础人才基地。根据我院的基础和国家理科基地建设的要求,我们确定本基地的建设目标如下: 1.基地班学生培养目标:高水平的地理研究人才;高水平的地理教育和地理教育研究人才。 2.全院整体建设目标:国内最重要的地理人才培养基地之一;国际上有影响的地理教育研究中心之一;国内重要的地理研究中心之一。

灾害应对措施下的北京道路拥堵时空变化

暴雨灾害给城市正常运转带来了巨大挑战,道路交通由于直接暴露在户外、承载多种出行方式和海量刚需活动,需要重点关注与积极应对。该研究以北京五环内为研究区,使用精细的道路拥堵数据,从时空维度评价了2021年北京最大暴雨事件及多种应对措施下的交通状况。结果表明:①道路拥堵在常态下具有鲜明的日际、周际规律,而降雨和应对措施会导致极其显著的变化;②拥堵变化的时间序列呈现对勾形态,即暴雨当日拥堵缓解,而前后日拥堵加重,体现了应对措施的阶段性效果;③城市内部的拥堵变化具有空间异质性,暴雨当日北部和东部地区的拥堵大幅缓解,而次日拥堵整体加重且高度聚集;④分时段分区域统计显示,早高峰和环线的拥堵变化最为强烈;⑤相关性分析识别了应对措施的有效作用对象,证实了众多行业部门对于暴雨预警的积极响应以及弹性上下班建议的执行成效。研究发现,暴雨应对措施在局部上有效减轻了交通压力,但伴随的拥堵转移现象需要在实施应对措施前被充分考虑。

基于土地功能的土地资源承载力研究——以北京市海淀区为例

从土地功能的角度研究了土地资源承载力,在理论基础上建立了土地资源承载力评价指标体系并以北京市海淀区为例进行了实证研究.结果表明:2003—2008年间海淀区土地资源承载力总体呈上升趋势,其中土地生产功能承载力增幅最大;土地生产功能承载力占海淀区土地资源承载力的45.67%,可见它是海淀区土地资源最主要的功能.

水资源约束下北京地区2004—2020年土地利用变化情景模拟研究

利用系统动力学(System Dynam ics,SD)的原理和方法,发展了水资源约束下的城市土地利用情景变化SD模型。基于北京1980—2003年土地利用变化过程,构建了水资源约束下北京市城镇建设用地情景变化SD模型,对2004—2020年北京市城镇建设用地的变化进行了模拟研究。结果表明,该模型具有一定的有效性,有助于正确理解自然资源对城市发展和土地利用变化的深远影响。模型模拟结果显示,2004—2020年无约束情景下建设用地年均增长量为40.42～63.38km 2,建设用地占总面积的22%～25%;约束情景下年均增长量为21.21～51.3km 2,建设用地占总面积的20%～24%,远低于无约束情景;水资源强约束情景下建设用地的扩张速度仅为弱约束情景的37.6%,为无约束情景C的33%。可见,随着北京城市化进程的加剧和经济的进一步发展,水资源对北京区域发展的制约作用越来越明显,对土地系统的影响也将更为直观和深刻。

北京地区医药产业状况分析及中药资源可持续利用对策

北京地区的中药产业基础雄厚，中药资源种植历史悠久。但近年来，中药产业销售收入和利润的同步下降成为拖累北京整体医药产业发展的主要因素。其中最为关键的因素是中成药新产品工业产值比重较低（为全国平均水平的50％～70％），而且对创新成果的吸纳能力十分有限，相应地对中药资源的利用方式不当。这与“十一五”北京工业发展规划拟定重点发展中药产业的要求差距很大，也与已经形成的“四、三、二”产业格局不相称。时下，北京京郊正在进行农业产业结构的调整，而且几个中药重点区县已经形成了集中化规模种植的局面。

基于遥感和GIS的城市湿地资源综合分析—以北京市为例

湿地监测和管理是城市规划、生态建设和人居环境现代化的重要组成部分.为了更好地认识城市湿地资源,实现科学、合理的开发利用和保护,以北京市为例,在遥感和GIS支持下,对城市湿地资源的分布和结构进行系统分析,在分析城市湿地赋存的地理条件的基础上,进一步开展湿地类型及多尺度分布的特征研究,揭示城市湿地的组成结构及格局特征.基于对湿地分布、格局等的综合评价结果,从工程和管理角度提出了加强北京湿地保护的若干建议.

北京市海淀区旅游资源开发与保护

根据北京城八区功能定位,海淀区是国家高新技术产业基地之一,国际知名的高等教育和科研机构聚集区,国内知名的旅游、文化、体育活动区。文章从资源分析入手,将海淀区旅游资源做了分类并与北京市各县区特色旅游资源分布比例做了比较。海淀区特色旅游资源的比例达到31%,而第二位的房山区才占到16%。在明确海淀区旅游发展优势的基础上从软硬件两方面提出了今后发展所面临的问题。针对国外游客、国内游客以及北京市民等三个不同的客源市场,提出将以翠湖、稻香湖为代表的湿地生态旅游,以四季青,锦绣大地为代表的农业观光采摘游,以中关村园区、北大、清华等高等学府为代表的现代科教游,以及以皇家园林为代表的历史文化游等四个旅游产品作为今后海淀区发展旅游的重点品牌。最后从资源保护的角度提出了发展生态旅游的总体思路、开发重点和基本对策。

从北京师范大学绩效考核看层次分析法的不足及其改进的途径

针对北京师范大学绩效考核实践,揭示了层次分析法存在的问题,提出了具体的改进建议,主要是加强与模糊综合评价等方法的结合.一是尽量邀请多个专家参与评价以提高判断矩阵的质量;二是努力挖掘定量信息的价值,并把定量信息与定性信息进行综合,以提高评价过程的客观性,保证评价结果的综合性、全面性.层次分析法与模糊综合评价等方法各有利弊,当评价对象很多、评价精度要求不高时,应该用模糊综合评价方法,但在确定评价因子的权重时最好用层次分析法;当评价对象不很多、评价精度要求很高时,最好用层次分析法.

北京市耕地资源动态变化及其驱动力分析

利用1991～2008年北京市统计资料,分析了北京市耕地资源的时空变化特征,运用主成分分析法研究了影响北京市耕地数量变化的主要驱动因素。结果表明,北京市耕地面积总体上呈减少趋势,耕地年均减少2.43%;人均耕地面积也呈逐年下降趋势;影响北京市耕地资源数量减少的主要驱动因素在于人口增长、经济发展和城市化发展。

北京市粮食作物种植结构调整对水资源节约利用的贡献研究

研究作物种植结构调整对水资源节约利用的影响,可以为缺水地区农业产业结构调整和水资源优化配置提供参考。采用联合国粮农组织推荐的作物需水量和灌溉需水量计算方法,分析了北京市主要粮食作物近年来的种植结构调整情况,定量评估了粮食作物种植结构调整对全市水资源节约利用的贡献率。结果表明:11990—2012年,北京市由于粮食作物种植结构调整节约的灌溉需水量为7.50×108 m3,占同期农业用水减少量的60.29%;21990—2012年,冬小麦种植结构调整对北京市水资源节约利用的贡献率最大,相对于水资源总量和农业用水量的贡献率分别为13.07%和55.51%。结合目前的种植结构和不同作物的灌溉需水特征,北京市未来粮食作物种植结构调整的对象首先是冬小麦。

区域产业结构对灾后恢复韧性的影响——以汶川县和北川县为例

灾后恢复是评价地震恢复韧性的重要指标。不同的区域经济产业所提供的就业数量存在差异,将对灾后恢复韧性产生极大影响。该文基于5.12汶川地震中受灾最严重的汶川县和北川县共736户受灾家庭的灾后恢复调查,研究了区域产业结构对恢复韧性的影响。研究表明:北川的家庭生活恢复滞后汶川近2年,主要是由于北川的外地务工家庭比例(49.60%)高于汶川(5.79%),这些受灾家庭恢复重建的主要资金来源是外地务工,但家庭成员长期外出不能参与恢复重建,造成其灾后恢复缓慢。外地务工家庭比例高的原因是北川第一产业占比高达27.20%,汶川仅为8.40%,第一产业所提供的本地就业数量远低于第二产业。因此,农业产业为主地区是灾后恢复最缺乏韧性的地区,需要大力提高防灾减灾能力,也可以通过产业结构调整,提高韧性。

“台风灾害链综合评估”专刊序言

中国深受西北太平洋热带气旋(台风)的影响,是世界上台风灾害损失最严重的国家之一。沿海地区各省经常遭受台风直接影响,内陆地区也可能因台风及其外围环流水汽的叠加而形成重大的洪涝及滑坡泥石流灾害。受全球气候变化的影响,未来的台风灾害变化趋势存在很大的不确定性。受《热带地理》邀请,我们组织了以“台风灾害链综合评估”为主题的专刊,旨在深入推动台风灾害风险评估方面的理论研究与实践应用,为台风灾害的防灾减灾救灾提供新方法和新视角。

2022年长江上游流域严重干旱对三峡水电站水力发电的影响分析

利用三峡水电站精细化水文数据推算了高时间分辨率的发电量数据,量化了2022年长江上游流域严重干旱对三峡水电站水力发电的影响,并结合汇流区域气象站点降水量数据,分析了汇流区域气象干旱对三峡水电站水力发电的影响机理。结果表明:2022年三峡水电站水力发电量的减少主要集中在7—11月,该时期总水力发电量较正常情况减少了241.10亿kW·h(44.75%);其中,9月水力发电量减少幅度最大,水力发电量较正常情况减少了68.43亿kW·h(61.05%)。2022年三峡水电站汇流区域7—8月的气象干旱快速传导为水文干旱;同时,6—11月三峡水电站对发电量的调节能力变弱,水文干旱对发电量影响较强;三峡水电站汇流区域7—8月发生的气象干旱与防汛库容的要求,对水力发电均产生了较强影响,其“蓄丰补枯”作用的发挥也受到了明显的不利影响。

不同气候变化情景下中国北方苹果花期霜冻风险研究

中国北方苹果主产区位于华北平原和黄土高原,苹果花期霜冻灾害事件对果农收入和产区经济造成严重影响。未来气候变化会加剧极端天气气候事件的发生频率和强度。本研究基于NEX-GDDP共享的气候模式数据,利用泰勒图选取对苹果花期最低气温拟合能力最优的7个模式,计算未来苹果花期最低气温年遇值,采用极值分布传递函数校正方法对其订正,预估气候变化下中国北方苹果霜冻灾害及减产风险。以研究区各地遭遇30a一遇的苹果花期霜冻灾害强度为例,RCP4.5情景下未来近期和远期,河南、山西、陕西北部、宁夏北部区域为主要受灾区域,以最低气温−3~−2℃为主,减产率最高的为河南、宁夏、山西、陕西省北部地区,中国北方苹果总减产率在2.47%~5.22%。RCP8.5情景下,最低气温−3℃以下霜冻灾害区扩大至河南全境、山东中部等地,中国北方苹果总减产率在4.57%~12.39%。未来这些地区苹果种植需加强对霜冻灾害风险的防范。

安徽省极端降水演变规律及与气候因子遥相关研究

【目的】随着全球气候变暖,极端降水事件强度和频率呈显著增加趋势,强降水引起的洪涝灾害不仅对社会经济造成严重的损失,还对生态环境带来极大破坏。2020年安徽省遭受持续时间长和降雨量大的特强梅雨降水过程,造成安徽省受灾严重。【方法】利用气象站点观测降水数据和ERA5再分析数据,探究安徽省极端降水时空演变特征和典型小时尺度降水过程,分析其与气候因子的遥相关关系。【结果】结果显示:1960—2020年安徽省6月和7月平均PRCPTOT变化率为9.0 mm/10 a和8.0 mm/10 a。2020年梅雨期影响范围最大的四次降水事件,累计雨量超过100 mm的气象站数占比达34%以上。相比1998年和2016年,2020年安徽省6—7月平均PRCPTOT为900.56 mm,是1960年以来最大值,是1998年和2016年的1.9倍和1.5倍;降雨强度(25.37 mm/d)为2016年的1.2倍、1998年的1.1倍,是历史均值的1.4倍。【结论】研究结果表明:(1)安徽省主汛期极端降水显著增加,且主要中心位于长江以南。极端降水量、降水强度、降水日数均增加。2020年强降水主要分布在长江河谷和皖南山区,降水主要发生在夜间和清晨;安徽北部地区降水更加集中,主要出现在下午,在15:00达到最大值。(2)与1998年和2016年相比,2020年安徽省降水总量、中雨以上日数和连续降水期明显增加。在降水强度相同的情况下,2020年中雨和大雨日数发生次数多,且连续降水期更长,是2020年6—7月降水量高的最主要原因。(3)安徽省6—7月极端降水指数与PDO在滞后3个月尺度上正相关性最显著,而滞后6个月尺度上极端降水指数与气候因子的正相关性不显著,SOI在滞后1个月(6个月)尺度上与极端降水指数呈正(负)相关性显著。

北京市11种园林植物滞留大气颗粒物能力研究

测定了北京市11种园林植物叶面颗粒物附着密度,利用环境扫描电镜观察比较了各测试树种叶表面微形态,测量统计了滞留颗粒物的粒径分布.结果表明,植物主要通过叶片上表面滞留大气颗粒物,上表面滞留的大气颗粒物数量约为下表面的5倍;叶片上表面滞留大气颗粒物能力由高到低的微形态结构依次是沟槽>叶脉+小室>小室>条状突起,并且结构越密集、深浅差别越大,越有利于滞留大气颗粒物;测试树种叶片上、下表面PM2.5和PM10平均百分含量分别为66.7%和98.3%与43.4%和92.9%.