排序方式: 共有26条查询结果,搜索用时 328 毫秒
21.
中国不同城市在发展阶段、经济结构、气候条件、人口结构等都存在明显的差异,不同城市二氧化碳排放的主要影响因素及其影响程度也各不相同。本文基于最新的城市尺度二氧化碳排放数据库CHRED及CHRED2.0,通过加入产业结构、城市化和气候差异等因素,对传统STIRPAT模型进行扩展,考察了中国地级以上城市二氧化碳排放的影响因素。结果显示:人口规模、第二产业产值占比和采暖需求的增长都会显著提高一个城市的二氧化碳排放,同时部分城市二氧化碳排放会随着富裕程度的上升呈现先增加后减少的趋势,但城镇化率对二氧化碳排放的影响具有不确定性。从全国样本来看,2005年和2012年人口因素变化对碳排放影响变化较小,维持在0.7左右;气候因素的变化对碳排放的影响从2005年的0.288 1下降为2012年的0.000 2;第二产业产值比重变化的影响从2005年的0.744 2上升到2012年0.979 5;同时碳排放量与人均GDP在2005年存在倒U型关系,但到2012年这种关系不再显著。除了针对全国尺度的分析外,本研究还依据城市人口规模进行分组研究,并在此基础上进一步进行分位数回归,进而识别出不同规模城市二氧化碳排放量的影响因素差异。今后在制定城市节能减排政策对城市二氧化碳排放量进行管理的过程中,决策者需要在把握关键影响因子的前提下依据城市自身特点做到因地制宜、区别对待。 相似文献
22.
23.
为探究土壤速效钾空间异质性及其影响因素,以秦巴中部山区的碑坝镇、福成乡、白玉乡为研究区,基于104个耕层土壤采样点,运用经典统计学和地统计学方法揭示速效钾的空间变异特征,并利用相关分析、方差分析、冗余方差分解法研究不同因素对其空间变异的影响.结果表明:研究区土壤中w(速效钾)为55~156 mg/kg,平均值为125.99 mg/kg,表现出中等程度变异性(变异系数为14.07%).地统计分析显示,各理论模型中以高斯模型对w(速效钾)的拟合效果最佳,块金效应为16.95%,变程达1 454 m,具有强烈空间自相关性,其空间变异中结构变异占优、随机成分较少;速效钾呈地带性分布,自中部河谷低地向东西部山地丘陵呈增加趋势.定量分离结果表明,各类因子总体解释了48.67%的变异信息,土壤因子(土壤类型、土壤质地、成土母质、pH)、地形水文因子(海拔、坡度、地下水深度、地表产水量)、人为因素(施钾量、种植制度、耕层厚度、到村中心距离)的综合解释能力依次为35.39%、17.14%、9.96%;就单因子而言,施钾量、土壤类型、海拔、pH、土壤质地、成土母质的解释能力达35.35%、31.02%、28.39%、26.23%、21.96%、20.74%,并在P < 0.001水平上表现出强烈显著性,是土壤速效钾变异的主要因素. 相似文献
24.
高效、经济治理雾霾(重污染天气)已成为全社会共同行动目标.为验证中央政府制定的系统性激励政策能否有效规避传统环境规制失灵,选取中央政府及地方政府作为博弈模型参与方,将激励机制引入约束条件,建立了中央与地方政府、地方政府与企业的演化博弈模型,从最佳规制效果和规制强度两个维度构建了双方最佳规制策略.研究发现,各地政府在治理雾霾中,引入中央政府规制约束,分配治理成本和提供资金支持,是避免规制失灵的关键.此外,中央与地方应采取差异的规制策略:在中央政府层面,中央政府治理雾霾专项资金分配最优策略应是使资金量(F)与地方政府申报量(p)呈正相关,并且呈边际递减关系;地方政府对于企业的超排行为不应采取严罚的手段,随着企业超排量的加大,更好的规制手段不是加大惩罚力度,而是从更加合理的环境税费(t)以及降低企业边际减排成本[TCp3'(p3)]上着手. 相似文献
25.
多重密度布点对土壤有机质空间特性的解析 总被引:2,自引:0,他引:2
论文以张家港市耕层土壤有机质(Soil organic matter, SOM)为目标变量,通过网格布点建立11种样点密度梯度,运用经典统计学和地统计学方法研究其空间特性随布点密度变化的趋势规律。结果表明,各密度下SOM的变异系数稳定在21.70%~23.12%之间,表现出中等程度变异;随着布点密度降低,SOM的块基比和分维数分别由37.52%、1.838波动降至18.70%、1.714,Moran’s I则由0.485起伏升高至0.857,相应地其空间变异中结构变异组分增多、随机变异贡献减少,空间自相关性也逐渐增强;SOM呈现西南-东北递减分布,随着样点密度减小,其空间格局趋于简化。论文以布点密度为视窗,揭示了SOM的多重空间尺度特征,可为解析土壤属性的层级结构提供参考依据。 相似文献
26.
基于遥感与随机森林算法的陕西省土壤有机质空间预测 总被引:10,自引:0,他引:10
遥感数据作为反映土壤组成结构及植被生长状况的数据源,借助辅助环境因子的土壤属性预测在数字土壤制图中日益受到重视。论文运用随机森林(Random Forest,RF)算法,基于AWIFS(分辨率56 m)和MODIS(分辨率250 m)遥感数据及501个实测样点数据对陕西省土壤有机质空间分布状况进行预测,并对预测精度进行估算。结果表明陕西省土壤有机质含量以南部的秦岭山地区和大巴山区为最高,土壤有机质含量大于25 g·kg-1,黄土高原南部处于中等水平,大部分在16~25 g·kg-1之间,关中平原和汉中低山丘陵区含量偏低,大部分在13~25 g·kg-1,而黄土高原北部和风沙滩区含量大部分低于10 g·kg-1。基于AWIFS影像的预测效果要优于MODIS影像,成像日期对有机质预测的影响不大。基于RF模型的土壤有机质预测精度在设定的不同抽样百分比条件下,独立验证数据集的平均误差大部分不超过3 g·kg-1,预测值与实测值的相关系数在0.7以上。高程是影响土壤有机质预测的最重要因子,当影像的分辨率降低时,样点分布的地理经纬度和坡度对土壤有机质预测的影响上升,植被因子的影响程度下降。 相似文献