基于GTWR模型的浙江省海岸带三维生态足迹动态变化及其影响因素

厘清海岸带自然资本存量消耗和自然资本流量占用情况及其影响因素,能有效缓解海岸带社会经济发展与自然资源、生态环境之间的矛盾,促进区域协调可持续发展。本研究基于二维和三维生态足迹评价模型,分析浙江省海岸带2006—2016年生态足迹时空变化特征,基于足迹深度和足迹广度探究了区域自然资本存量和资本流量占用情况,并利用时空地理加权模型分析其影响因素的时空异质性。结果表明: 研究期间,浙江省海岸带生态危机加深,人均生态赤字平均值为3.5 hm²·cap^-1,人均生态赤字上升了15.5%,其中,能源消耗账户对人均生态足迹的贡献率大于生物资源账户;各县区人均生态足迹呈增长趋势,且空间分异显著。浙江省海岸带以消耗自然资本存量为主,且对自然资本流量更新起到较大的抑制作用;2016年,自然资本存量的消耗量是资本流量占有量的14.87倍。城市规模和经济发展水平、人民收入水平对浙江省海岸带各县区生态足迹以正向促进作用为主,渔业生产对生态足迹为负向影响,并有向正向影响作用转换的趋势,3个影响因子的影响机制时空分异性显著。     

福建省灰水足迹时空变化及驱动因素

灰水足迹是稀释水污染物至达标需要的淡水体积,是评价水污染程度与水环境质量的重要方法,对灰水足迹进行核算与分析,可以促进福建省提高水环境质量,构建可持续的水生态环境。借鉴Hoekstra等提出的灰水足迹核算方法,对福建省及各地市2001-2017年的灰水足迹进行核算,对其时空变化特征进行评价并使用对数平均迪式指数分解法（Logarithmic Mean Divisia Index Method,LMDI）模型对灰水足迹变动的驱动因素进行分解。结果表明：a）总氮是决定灰水足迹总量的主要污染物,非点源污染是灰水足迹的最主要来源但占比由68.25%降至63.35%;b）福建省灰水足迹总量降低了9.58%,且各项指标都呈下降趋势,在空间上,灰水足迹总量及剩余灰水足迹东南多西北少,人均灰水足迹及灰水足迹强度东少西多;c）福建省灰水足迹变动的驱动因素中,经济因素是最大正向驱动因素,产生2932.96亿m³的贡献量,技术因素是最大负向驱动因素,产生-2630.31亿m³的贡献量。最后,针对福建省水污染问题提出建议：a）开展非点源污染防治专项;b）加快速度提高城镇生活污水处理水平;c）优化产业结构,提高灰水足迹效率;d）切实落实生态补偿制度,调动各市水环境保护积极性;e）加强环境监管力度,加大技术投入。     

南北疆区域经济差异化三维生态足迹自然资本利用的时空演变

如何刻画自然资源消费在区域间的流转机制及其对生态的影响,是测度区域可持续发展的难点。采用改进后的三维生态足迹模型并引入存量流量利用比和资本流量占用率,对2003—2018年新疆区域三维生态足迹进行核算,并分别测度新疆各地州市自然资本利用的程度,聚焦南北疆地区自然资本利用的差异性,利用偏最小二乘法(PLS)找出影响生态足迹变化的动因,最后结合基尼系数及差异系数量化南北疆经济差异程度,从自然和经济视角探究南北疆可持续发展态势与差异。结果表明:①2003—2018年新疆人均生态足迹持续增长,增长幅度为119.94%,人均生态承载力基本保持在1.7 hm~2左右,流量资本占用强度不断增加,生态赤字问题愈发严重。②研究期内,南北疆地区生态足迹的增长幅度和速度存在明显空间差异,呈现"北高快,南低慢"的态势。各地州市生态赤字情况呈现不同程度的增长趋势,高值区为北疆的克拉玛依市及天山北坡经济带。③第一产业增加值对生态足迹正向驱动作用最为显著,第三产业增加值对生态足迹起到逆向驱动作用。④2003—2018年间,南北疆地区基尼系数维持在0.4—0.5之间,处于中警警度水平,南北疆区域经济差异系数变化波动不大,北疆区域经济差异系数明显高于南疆区域。     

中国34个省级行政区三维生态足迹动态研究

当前中国正处于生态文明建设的关键时期,东西部环境资源不均衡的格局日益加剧,限制了区域社会经济的可持续发展。基于资源、社会经济统计数据,利用三维生态足迹模型对中国34个省级行政区进行动态研究,细化不同类型土地的均衡因子与产量因子,刻画2009—2016年人均生态足迹广度、生态足迹深度的时空特征,并探讨分析省域间的资本利用格局及其社会经济影响因素。主要结论如下：人均生态足迹广度在省域间差异较大,且生态足迹深度均已超过自然原长1.00;足迹广度在研究期间呈先降后升趋势,最高值为西藏的10.87—12.35 hm2/cap,最小值为澳门的0.02 hm2/cap;且资本流量占用率并不充足,广西与上海分别仅为47.68%—67.34%、66.31%—68.88%。香港、澳门、宁夏的足迹深度远高于中国均值,分别为19.24—26.02、8.60—10.88、4.60—7.46,最小值为西藏（1.64—1.79）,其中耕地、化石能源用地的生态赤字贡献率最高,而林地则为生态盈余状态。将各省自然资本利用格局聚类分为4类并通过ArcGIS进行空间分析。基于改进的三维生态足迹模型并系统性地应用于中国34个省域,本研究定量化各省的自然资本利用格局,可为中国区域间资源配置、政策制定提供基础数据支撑及环境决策参考。     

基于植保大数据的病虫害移动智能采集新设备

为提高农作物重大病虫害发生信息自动化、智能化采集能力,全面提升监测预警水平,笔者基于大数据、人工智能和深度学习技术,研发了一款农作物病虫害移动智能采集设备——智宝,主要实现了3个方面的功能:一是病虫害发生信息自动采集上报.通过该产品进行人工拍照,可实现对田间农作物重大病虫害发生图像、发生位置、发生数量、微环境因子等数据的实时采集和上报.二是自动识别计数.基于植保大数据与人工智能技术,通过构建病虫害自动识别系统,可实现重大病虫害精准识别与分析,只要拍摄照片,即可快速、精确地识别病虫害种类,并自动计数、上报到指定的测报系统.三是自动分析判别分级.针对拍摄采集上报的重大病虫害发生信息,系统可在自动识别和计数的基础上,进一步对病虫害发生严重程度进行智能判别分级,甚至根据相关预测模型,对病虫害的发生趋势进行辅助分析预测,提出预测建议.通过2016—2019年组织多地植保机构进行试验改进,该技术产品日趋成熟,有望在未来的农作物病虫害发生信息采集和预测预报工作中推广使用.     

基于F3Net显著性目标检测的蝴蝶图像前背景自动分割

【目的】具有复杂背景的蝴蝶图像前背景分割难度大。本研究旨在探索基于深度学习显著性目标检测的蝴蝶图像自动分割方法。【方法】应用DUTS-TR数据集训练F³Net显著性目标检测算法构建前背景预测模型,然后将模型用于具有复杂背景的蝴蝶图像数据集实现蝴蝶前背景自动分割。在此基础上,采用迁移学习方法,保持ResNet骨架不变,利用蝴蝶图像及其前景蒙板数据,使用交叉特征模块、级联反馈解码器和像素感知损失方法重新训练优化模型参数,得到更优的自动分割模型。同时,将其他5种基于深度学习显著性检测算法也用于自动分割,并比较了这些算法和F³Net算法的性能。【结果】所有算法均获得了很好的蝴蝶图像前背景分割效果,其中,F³Net是更优的算法,其7个指标S测度、E测度、F测度、平均绝对误差(MAE)、精度、召回率和平均IoU值分别为0.940, 0.945, 0.938, 0.024, 0.929,0.978和0.909。迁移学习则进一步提升了F³Net的上述指标值,分别为0.961, 0.964, 0.963, 0.013, 0.965, 0.967和0.938。【结论】研究结果证明结合迁移学习的F³Net算法是其中最优的分割方法。本研究提出的方法可用于野外调查中拍摄的昆虫图像的自动分割,并拓展了显著性目标检测方法的应用范围。     

基于残差注意力网络模型的浮游植物识别

浮游植物作为水生态系统中最重要的生物组成部分之一,对水环境敏感,在水环境监测中得到了广泛的关注。然而水生环境复杂多样,准确高效地识别浮游植物是监测工作中的一大挑战。当前浮游植物识别方法可分为经典形态学分类、分子标记和人工智能图像识别三类。前两种方法已被广泛采用,但费时费力,不利于监测机构的大规模应用和推广。同样,利用图像进行自动化分类难以在高准确率与高效率上达到平衡。深度学习技术的发展为此提供了新思路。本文提出一种新的深度卷积神经网络RAN-11。该网络以残差注意力网络Attention-56和Attention-92为基础,凭借通道对齐融合主干上的底层特征与顶层特征,通过调整注意力模块和残差快个数以精简结构,并引入了Leaky ReLU激活函数代替ReLU。以太湖11个优势属共计1036张图像为数据来源进行对比验证。除星杆藻外,RAN-11对单一优势属的的查准率都在90%以上,并且有5个优势属达到100%的查准率。RAN-11的识别准确率为95.67%,推理速率为41.5帧/s,不仅比Attention-92（95.19%的准确率,23.6帧/s）更准确,而且比Attention-56（94.71%的准确率,41.2帧/s）更快,真正兼顾了准确率与效率。研究结果表明：（1）RAN-11在查准率、准确率和推理速率上优于原始残差注意力网络,更优于以词包模型为代表的传统图像识别方法;（2）融合多尺度特征、精简网络结构和优化激活函数是提高卷积神经网络性能的有力手段。建立在经典分类基础之上,本文提出新的残差注意力网络来提升浮游植物鉴定技术,并构建出浮游植物自动化识别系统,识别准确率高、易于推广,对于实现水体中浮游植物的自动化监测具有重要意义。     

连续氮添加14年对温带典型草原土壤碳氮组分及物理结构的影响

全球氮沉降对生态系统造成了深远的影响,研究长时间氮沉降对草地生态系统土壤理化特征的影响有助于加强生态系统对氮沉降响应的长效机制的理解。通过连续14年长期施加N0（0 g N m^-2 a^-1）、N2（2 g N m^-2 a^-1）、N4（4 g N m^-2 a^-1）、N8（8 g N m^-2 a^-1）、N16（16 g N m^-2 a^-1）、N32（32 g N m^-2 a^-1）六种浓度尿素模拟氮沉降,并将土壤分成0-10、10-20和20-40 cm三个深度土层,研究温带草原生态系统土壤碳氮组分及物理结构对氮添加的响应及其相互关系,结果表明：（1）氮添加显著降低0-10 cm土壤酸碱度及土壤微生物量碳含量,N32相比N0分别下降了27.63%和58.40%（P<0.05）;各土层总有机碳和全氮含量对氮添加处理无显著响应,0-10 cm土层显著高于20-40 cm土层。（2）同一土层深度不同梯度氮添加处理显著增加土壤无机氮离子含量（P<0.05）,0-10 cm土层铵态氮含量N32相比N0增加了88.72%,20-40 cm土层硝态氮含量N32相比N0增加了19.55倍,土壤深度与氮添加对无机氮离子含量影响具有显著的交互效应。（3）同一土壤深度不同梯度氮添加处理土壤粒度分形维数及土壤团聚体差异不显著,相关分析表明土壤碳氮元素含量与土壤结构显著相关。土壤碳氮组分在适宜浓度氮添加的增加趋势说明氮添加在一定程度上可能促进土壤理化性质的改良,氮添加对土壤物理结构的影响还需要进一步的深入研究。     

祁连山5种典型灌丛土壤生态化学计量特征

土壤C、N、P生态化学计量特征是体现生态系统变化过程的重要依据。该研究以分布于祁连山北麓中段的甘青锦鸡儿、鲜黄小檗、金露梅、鬼箭锦鸡儿、吉拉柳等5种典型灌丛群落为研究对象,通过野外调查采样,测定土壤有机C、N、P含量,分析了不同灌丛群落土壤C、N、P含量及其生态化学计量比的垂直分布特征,并探讨了各指标间的耦合关系,为祁连山地区土壤-植物养分关系及退化植被恢复与重建提供理论依据。结果表明:(1)祁连山北麓中段5种灌丛群落土壤有机C(45.29 g/kg)、全N(3.85 g/kg)、全P含量(0.70 g/kg)较高,均高于全国平均水平。(2)相关性分析表明,土壤有机C与全N之间呈极显著正相关(P0.01),但土壤有机C与全P以及全N与全P之间没有明显的相关性,且土壤C、N含量变化几乎完全同步。(3)各灌丛类型土壤有机C、全N含量均表现为表层高于下层,而全P含量土层间差异不显著;各灌丛群落土壤有机C、全N含量均随土层加深呈现"倒金字塔"的分布格局,但不同灌丛类型全P含量随土层加深的变化规律却不一致,且土层对全P含量的影响不显著。(4)5种灌丛群落土壤整体C∶N、C∶P、N∶P(11.29、66.99、5.67)均低于全国平均水平,各灌丛群落土壤C∶P、N∶P随土层加深均呈不同程度的下降趋势,但不同灌丛群落土壤C∶N随土层加深的变化规律有所不同。(5)土壤有机C、全N与C∶N、C∶P、N∶P之间均具有极显著的二次函数关系(P0.01),土壤全P与C∶N、C∶P、N∶P之间关系不显著。研究认为,祁连山北麓中段土壤C∶N和P含量的稳定性较高(CV=3.99%和2.66%),C∶P、N∶P是判断研究区限制性养分的重要指标,祁连山北麓中段灌丛群落土壤主要受N素的限制。     

基于灰狼优化算法的蛋白质二级结构分类

针对传统方法在蛋白质二级结构分类中精度低的问题,介绍了一种基于灰狼优化算法的卷积神经网络图像分类算法.首先,选取卷积神经网络模型中所需优化的参数,并且初始化灰狼优化算法的迭代次数、灰狼数量、搜索边界和空间维数;其次,计算优化参数的个体适应度函数,对个体适应度进行排序,确定历史最优解、优解和次优解,更新灰狼的位置;最后,利用经过参数优化的卷积神经网络模型对蛋白质二级结构进行分类.从蛋白质数据库中获得蛋白质二级结构3D模型,转化为多角度拍摄的2D图像作为数据集进行实验.选取残差网络、AlexNet和VGG16三种模型,分别得到92.6％、87.3％和88.9％的准确率,在同数据集下,使用传统方法中的支持向量机和贝叶斯分类器进行对比实验,得到67.0％和53.0％的准确率.实验结果表明,在蛋白质二级结构分类中,与传统方法相比较,基于灰狼优化算法的卷积神经网络精度更高.