广东省水质现状及驱动因素

水质现状评估及其驱动因素分析是实现水生态保护、水资源利用和水污染治理的关键,对于水生态系统的可持续发展具有重要意义。以广东省七大流域为研究区,基于2019-2020年间的溶解氧（DO）、透明度（SDD）、悬浮物（SPM）、叶绿素a （Chla）、氨氮（NH₃N）、总氮（TN）、总磷（TP）7个指标的水质监测数据,综合运用单因子指数法（SI）和综合水质指数（WQI）评价方法,分丰水期（N=66）和枯水期（N=54）评估研究区的水质现状,并探讨水质参数与地形、气象、社会经济和土地覆被类型等驱动因素之间的相关关系。SI评估结果显示广东七大流域主要以工业污水、农业面源等造成的Chla和TN浓度超标、部分水体富营养化严重为主,同时伴有溶解氧浓度偏低的问题;WQI评估结果显示研究区有57%以上的采样点属于中等以下水质。Chla、SPM、NH₃N和TP浓度具有显著的季节和驱动因素差异：丰水期的Chla和TP浓度低于枯水期,但SPM和NH₃N浓度高于枯水期。枯水期DO、TN和WQI的显著性影响因子为丰水期的1/3左右;这种季节差异可能是流域内降雨、营养盐负荷和土地覆被类型导致的复杂地表径流及面源污染所致。珠江三角洲河网区、粤西诸河、韩江下游以及粤东诸河练江流域的水质问题突出。未来水生态系统的可持续发展研究可以借助长时间序列、多频次、高分辨率的遥感监测手段和多种数值模拟方法以及常规水质评估模型,探讨气候变化、河岸带产业结构和流域土地利用方式对面源污染的影响,以进一步厘清降雨强度、三产结构和土地利用方式转变对区域水质变化的影响。     

基于Apache Spark机器学习的生态安全格局构建方法

区域生态安全格局构建往往是通过对各类环境因子不同层次、不同深度的分析以生成规划结果,少有学者直接对生态安全格局与环境因子之间的关系进行分析,研究通用模型。利用大数据计算框架Apache Spark机器学习库的Logistic Regression(LR)模型对佛山市高明、三水和顺德区已有生态安全格局规划数据与岩性、土壤、用地类型、NDVI、海拔、坡度、道路距离、河流距离、年均降雨量、人口密度等多个变量的相互关系进行了训练学习,得到回归模型,用以预测广东省生态安全格局,结果显示:1)基于Spark-LR的保障生态安全格局模型(GSPM)精度达到90.58%,其预测的广东省保障安全格局高概率区比例为50.56%,在实际应用中,有一定的参考价值;2)总体上GSPM预测的生态安全格局分布与已有规划类似,但是模型容易受到样点分布均匀性的影响;3)GSPM预测结果更加切合生态资源保护的需求,而常规方法构建的结果则需要进一步优化;4)Spark-LR机器学习对生态安全格局中城市扩张的预测具有一定的优势。     

4例线粒体脑肌病的临床分析

目的:探讨线粒体脑肌病的临床特征,为其临床诊断提供帮助。方法:对4例线粒体脑肌病患者的临床与病理资料进行了回顾性分析。结果:4例患者均有身材矮小、智力下降、有视力或听力障碍、曾反复被诊断为病毒性脑炎的特点。4例患者血乳酸水平均升高,头部影像学有异常表现,肌肉活检均可见特征性的蓬毛样红纤维。结论:4例线粒体脑肌病患者临床表现貌似病毒性脑炎,结合临床肌肉活检可明确诊断。     

基于GWR模型的道路对景观破碎化影响研究

道路是影响区域景观破碎化的重要因素, 但以往的研究往往忽视这种影响在局部空间上的差异。以惠州市为研究区, 选取国道和省道作为城市主要道路, 引入地理加权回归模型(GWR), 通过道路距离与景观破碎度的关系分析城市主要道路对景观破碎化的影响, 并揭示道路对景观破碎化影响的空间异质性。结果表明: (1)研究区的景观破碎化具有显著的空间集聚现象, 使用GWR 模型分析具有更好的拟合效果。(2)道路对不同类型景观的破碎化造成了不同的影响: 在景观水平上, 道路距离与景观破碎度主要呈正相关关系; 在类型水平上, 道路距离与林地破碎度主要呈正相关关系, 与耕地和城乡建设用地破碎度主要呈负相关关系。(3)道路距离与景观破碎化的关系在不同的空间位置存在差异, 正相关和负相关区域的分布均呈现明显的空间集聚特征。(4)两者关系的空间异质性反映出除了道路外, 地形和所处位置到城市中心的距离对景观破碎化的共同影响。研究结果有利于进一步揭示道路对景观格局变化的影响机制。