目的为探究大气污染物与植被生长状况之间的相互影响,方法基于美国国家航空航天局(national aeronautics and space adminidtration,NASA)提供的归一化植被指数(normalized difference vegetation index,NDVI)与空气质量在线监测分析平...目的为探究大气污染物与植被生长状况之间的相互影响,方法基于美国国家航空航天局(national aeronautics and space adminidtration,NASA)提供的归一化植被指数(normalized difference vegetation index,NDVI)与空气质量在线监测分析平台提供的空气质量指数(air quality index,AQI),采用Kriging插值、一元线性回归和相关性分析等方法,对黄河中下游地区的河南省、山东省、山西省、陕西省,海河流域的河北省和重要城市(北京市和天津市)的AQI与NDVI时空分布特征进行解释,并分析其相关性。结果结果表明:(1)2014—2016年,AQI年均值呈显著下降趋势,每年AQI数值冬季最高,春秋相对较低,夏季最低,且呈现明显的区域差异性,出现中间高两侧低的“中心-外围”结构;2017年后,夏季AQI反而高于春秋季的。(2)2014—2020年,NDVI波动上升,上升斜率为0.0041/a。总体上,NDVI上升的面积占研究区总面积的93.76%,且极显著和显著上升趋势的面积分别占16.32%和12.09%。结论黄河中下游地区和海河流域AQI与NDVI时空格局及相关分析结果可以为气候变化对环境的影响研究提供理论基础。展开更多
【目的】对中国土栖性白蚁地理分布进行准确区划将对我国土栖性白蚁危害的精准防治具有重要指导价值。本研究旨在通过利用数学模型,结合影响土栖性白蚁分布的环境因子,探析中国土栖性白蚁地理分布区划。【方法】遴选影响白蚁分布的温度...【目的】对中国土栖性白蚁地理分布进行准确区划将对我国土栖性白蚁危害的精准防治具有重要指导价值。本研究旨在通过利用数学模型,结合影响土栖性白蚁分布的环境因子,探析中国土栖性白蚁地理分布区划。【方法】遴选影响白蚁分布的温度、降水量、湿度、土壤pH值等环境因子,利用迭代局部搜索算法(iterative local search, ILS)创建中国土栖性白蚁区划模型。【结果】ILS区划模型分区结果与实际的土栖性白蚁分布较为符合,将我国土栖性白蚁密度依次从南至北分为高密度区(D3)、中密度区(D2)和低密度区(D1)。D3最北分界线,东起江苏南京,经安徽芜湖、湖北麻城和沙市、贵州凤岗、四川宜宾,西至云南香格里拉。其北界线基本上沿长江中下游。D2最北分界线,东起江苏盐城,经安徽阜阳、河南驻马店、陕西商州、甘肃成县,西至四川廉定。其北界线东部大致沿淮河形成最后端凸起的曲线。D1最北分界线,东起山东东营,经河北邯郸、山西长治、甘肃华亭和合作、青海玉树,西至西藏日喀则,其北界线基本上沿黄河下游北上,形成一条中间凸起的曲线。【结论】我国土栖性白蚁地理分布已跨过黄河,总体密度呈南多北少和东多西少的特点,从南到北大体以长江、淮河、黄河等自然地理分界划分为高、中、低3个密度区。展开更多
文摘目的为探究大气污染物与植被生长状况之间的相互影响,方法基于美国国家航空航天局(national aeronautics and space adminidtration,NASA)提供的归一化植被指数(normalized difference vegetation index,NDVI)与空气质量在线监测分析平台提供的空气质量指数(air quality index,AQI),采用Kriging插值、一元线性回归和相关性分析等方法,对黄河中下游地区的河南省、山东省、山西省、陕西省,海河流域的河北省和重要城市(北京市和天津市)的AQI与NDVI时空分布特征进行解释,并分析其相关性。结果结果表明:(1)2014—2016年,AQI年均值呈显著下降趋势,每年AQI数值冬季最高,春秋相对较低,夏季最低,且呈现明显的区域差异性,出现中间高两侧低的“中心-外围”结构;2017年后,夏季AQI反而高于春秋季的。(2)2014—2020年,NDVI波动上升,上升斜率为0.0041/a。总体上,NDVI上升的面积占研究区总面积的93.76%,且极显著和显著上升趋势的面积分别占16.32%和12.09%。结论黄河中下游地区和海河流域AQI与NDVI时空格局及相关分析结果可以为气候变化对环境的影响研究提供理论基础。
文摘【目的】对中国土栖性白蚁地理分布进行准确区划将对我国土栖性白蚁危害的精准防治具有重要指导价值。本研究旨在通过利用数学模型,结合影响土栖性白蚁分布的环境因子,探析中国土栖性白蚁地理分布区划。【方法】遴选影响白蚁分布的温度、降水量、湿度、土壤pH值等环境因子,利用迭代局部搜索算法(iterative local search, ILS)创建中国土栖性白蚁区划模型。【结果】ILS区划模型分区结果与实际的土栖性白蚁分布较为符合,将我国土栖性白蚁密度依次从南至北分为高密度区(D3)、中密度区(D2)和低密度区(D1)。D3最北分界线,东起江苏南京,经安徽芜湖、湖北麻城和沙市、贵州凤岗、四川宜宾,西至云南香格里拉。其北界线基本上沿长江中下游。D2最北分界线,东起江苏盐城,经安徽阜阳、河南驻马店、陕西商州、甘肃成县,西至四川廉定。其北界线东部大致沿淮河形成最后端凸起的曲线。D1最北分界线,东起山东东营,经河北邯郸、山西长治、甘肃华亭和合作、青海玉树,西至西藏日喀则,其北界线基本上沿黄河下游北上,形成一条中间凸起的曲线。【结论】我国土栖性白蚁地理分布已跨过黄河,总体密度呈南多北少和东多西少的特点,从南到北大体以长江、淮河、黄河等自然地理分界划分为高、中、低3个密度区。
