排序方式： 共有2条查询结果，搜索用时 781 毫秒
1
1.
水体富营养化是我国湖泊面临的主要问题,分析叶绿素a含量的变化特征及其影响因素,能为湖泊水质评价提供可靠基础。以2017年7月草海丰水期水质数据为参考,对各监测点叶绿素a与环境因子(TN,TP,NH_3-N,COD_(Mn),DO,WT)进行相关性分析并预测叶绿素a的变化趋势。结果表明:草海丰水期叶绿素a的均值为8.07μg/L,处于中营养化状态;叶绿素a与TN,TP,NH_3-N,COD_(Mn)呈显著正相关,而与其他环境因子相关性不显著,表明营养盐对浮游植物影响程度最大;将spearman秩相关系数及多元线性回归方程计算的叶绿素a预测值与实测值进行相关性拟合,得到较好的相关性(R~2=0.85,P0.01),表明该方法的预测结果能为预测草海叶绿素a变化趋势提供参考。草海上游及人类活动较大区域污染程度高,TP是草海藻类生长的限制因子,因此控制TP含量的输入是改善水质的关键。 相似文献
2.
[目的]农村贫困程度的变化是一个动态变化的过程,动态、客观地监测农村贫困的时空变化对国家扶贫工作十分重要。[方法]文章利用DOSP/OLS夜光数据集构建的平均灯光指数ALI (Average light index,ALI)与社会经济数据构建的综合贫困指数IPI (Integrated Poerty Index,IPI)建立关系,进而估算2003—2018年贵州省县（区）域间综合贫困指数,分析农村贫困的时空格局演变。[结果]（1） ALI与IPI建立模型估算的IPI与真实的IPI拟合程度较好,R2超过了0.86,具有一定的准确性和科学性;（2）贵州省各县（区）域IPI指数的变异系数和泰尔指数在2003—2018年两者都有所增长,增长幅度分别为19.21%和2.38%,表明农村贫困度差异在逐渐增大。但贫困程度极高的县（区）域呈下降趋势,由2003年的65个减少到2018年的37个;（3）标准差椭圆分析表明贵州农村贫困程度整体呈现“东北—西南”的空间分布格局,椭圆覆盖面积和贫困化重心变化不大;（4）探索性空间数据分析显示,贵州各县（区）域农村贫困程度表现出显著的正相关,并存在较强的空间聚集... 相似文献
1