汉江中下游硅藻群落时空分布及其影响因素研究

为研究汉江中下游水体和沉积物硅藻的时空分布特征及其影响因素, 于2014年春、秋两季对汉江中下游5个监测断面的硅藻群落进行监测。基于18S rRNA Illumina Miseq高通量测序技术的鉴定结果, 共得到硅藻3纲28目49科111属160种, 其中沉积物硅藻占98.6%。物种丰度显著多于已有研究的结果, 体现了高通量测序技术在硅藻物种鉴定上的优势。水体和沉积物硅藻群落组成和优势种有显著差异, 水体中硅藻优势种为Pinnularia, Cyclotella和Nitzschia, 沉积物中硅藻优势种为Pinnularia, Nitzschia和Navicula。汉江中下游硅藻群落多样性的时空差异明显, 硅藻多样性存在空间异质性, 且沉积物硅藻比水体硅藻多样性丰富; 在季节影响方面, 表现为秋季硅藻物种多样性比春季丰富。总氮、氨氮、硝态氮和总磷等环境因素对硅藻群落组成影响较大, 因此氮磷控制对避免汉江中下游硅藻水华发生具有重要意义。     

川渝地区雾霾时空分布特征及影响因子分析

利用1981-2014年川渝地面气象观测资料,分析了川渝地区雾霾的时空分布特征及影响因子,结果表明:川渝地区雾日变化总体呈下降趋势,两种雾日观测资料的倾向率分别为-6d/10a和-8.2d/10a,研究时段内未出现突变点,80年代到90年代初,雾日变化周期以2~4a为主,21世纪后以8~10a为主.霾日总体趋势与雾日变化相反,呈上升趋势,倾向率为8.2d/10a,1997年开始发生突变,90年代变化周期以2~4a为主,2000年后4~10a周期变化较显著.在对雾霾与风速和空气相对湿度的关系讨论中发现,整个川渝地区雾与风速的变化趋势一致,与相对湿度呈正相关;霾与风速的变化趋势相反,与相对湿度呈负相关.     

农村工业结构时空演进及其环境污染效应评价——基于行业污染程度视角

从行业污染程度的视角对农村工业进行分类,分析农村工业结构变动的时空分异特征,探讨农村工业结构变动对环境影响的机理,构建环境影响指数,定量评价农村工业结构演进的环境污染效应.主要结论如下:①1988-2010年间农村工业轻度污染行业所占比重呈现增加的趋势,而污染行业呈现下降的趋势.研究期内环境影响指数呈现"增长-下降-增长"的变化趋势,2002年以后又逐步呈现增加的趋势.②农村工业结构区域分异特征明显,在省级层面,江苏、山东、浙江、山西、河北、河南、广东、辽宁、上海等省市重污染行业和中度污染占全国重污染行业的比重较多,环境影响指数也都较大.在区域层面上,污染行业也主要集中在东部发达地区,东部地区环境影响指数远远大于中部和西部地区.在环境管理实践中不同的地区应实行差别化的管理政策.     

ARFIMA approximation and forecasting of the limiting aggregate structure of long‐memory process

This article studies Man and Tiao's (2006) low‐order autoregressive fractionally integrated moving‐average (ARFIMA) approximation to Tsai and Chan's (2005b) limiting aggregate structure of the long‐memory process. In matching the autocorrelations, we demonstrate that the approximation works well, especially for larger d values. In computing autocorrelations over long lags for larger d value, using the exact formula one might encounter numerical problems. The use of the ARFIMA(0, d, d?₁) model provides a useful alternative to compute the autocorrelations as a really close approximation. In forecasting future aggregates, we demonstrate the close performance of using the ARFIMA(0, d, d?₁) model and the exact aggregate structure. In practice, this provides a justification for the use of a low‐order ARFIMA model in predicting future aggregates of long‐memory process. Copyright © 2008 John Wiley & Sons, Ltd.     

河南省畜牧业竞争力时空差异分析

畜牧业竞争力是一个地区畜牧业发展水平的综合体现,以河南省为例,运用主成分分析和聚类分析的方法,选取综合反映畜牧业综合竞争力水平的38个指标,通过分类对比对河南省18个省辖市的畜牧业竞争力进行了分析.从18省辖市畜牧业竞争力得分排名,可以看出从1999年到2008年18个省辖市畜牧业竞争力的动态变化特征,并可分为几种区域...     

南海北部浮游植物的时空异质性研究

 为研究南海北部浮游植物时空变化规律及其与海洋环境响应关系,采用1997-2002年开展的“南海专属经济区和大陆架渔业资源及其栖息环境调查”所取得的浮游植物调查数据,利用GIS空间局部插值法构建景观分析模型,对南海北部浮游植物时空异质性进行了分析。结果表明,南海北部海区浮游植物密度变化范围为0.03(4 179×10⁴ 个/m³,总平均为87.2×10⁴ 个/m³,夏冬春秋四季浮游植物平均密度由高至低。南海北部浮游植物总体近海高于远海,且在近海海域呈斑块状分布格局,斑块一般出现在北部湾中北部上升流区、粤东遮浪上升流区、台湾浅滩上升流区和粤西沿岸电白-阳江上升流区等南海北部几个重要上升流区内。浮游植物密度最高值斑块一般随着季风和沿岸流的季节转换而交替向东或向西方向进行有规律的漂移。     

人工智能应用中基于区间代数的时态推理

时态表示和推理是人工智能领域的重要研究内容之一,它的应用范围分布很广,从逻辑基础研究到知识系统的应用.区间代数是一种独立的与领域无关的时态理论.用区间代数能表示不确定的时态关系,可以很方便地用于时态推理,表达能力强;时态关系的区间表示比较直观,可理解性强;同时区间代数可以进一步扩展到二维空间领域,即将区间代数拓展为矩阵代数,实现二维空间推理.在一维时态推理中,将时态的区间表示和矩阵表示相结合,在提高计算效率的同时,保持了形象直观的时态表示.     

基于MODIS数据的2001-2018年黑龙江省林火时空分布

[目的]黑龙江省是中国重要的林业省份之一,也是受林火危害最严重的地区之一.通过遥感数据获取森林火点信息,充分了解近年来黑龙江省林火发生的时空分布格局,探索林火发生规律.[方法]根据黑龙江省2001—2018年MODIS(分辨率成像光谱仪)遥感图像的MCD64A1火烧迹地产品数据集,提取林火火点信息,结合历史火灾记录资料...     

基于时间段的时序规则发现

时序规则挖掘用以挖掘数据库中与时间相关的规则及模式.现今大部分时序数据挖掘均是针对基于时间点的,基于时间段的挖掘相对较少.在此提出一个新的基于时间段的时序规则挖掘算法,通过挖掘频繁闭模式集取代完整频繁模式集,减少了挖掘时间,算法效率很高.     

时间知觉对顿悟问题解决的影响研究

探讨了时间观念因素对顿悟问题解决的影响,结果表明时间观念影响顿悟问题的解决,体现在长远未来时间观念促进了加工转移现象的产生,形成了抽象的心理表征,因而促进了对顿悟问题的解决.