城市绿地土壤温室气体通量及其人为影响因素研究进展

城市绿地作为城市生态系统重要的组成部分,它既是城市碳氮元素重要的储存库,也是温室气体不容忽视的排放源.城市绿地土壤温室气体通量除受原自然条件影响外,更多的受城市人为活动的影响.在自然因素和人为活动干扰的相互作用下,城市绿地碳氮库和碳氮流具有复杂性和多变性.因此,在综述城市绿地土壤温室气体通量研究进展的基础上,探讨了人为活动对城市绿地土壤温室气体通量的影响,并从城市绿地土壤温室气体通量变化的时空差异性、人为干扰对城市绿地土壤温室气体通量的直接和间接影响因子以及科学合理地规划城市绿地景观植被3个方面提出了研究展望.     

城市森林碳汇及其抵消能源碳排放效果——以广州为例

城市森林及其管理相关政策作为减少CO₂排放的有效策略得到了较为广泛的关注。采用材积源生物量方程与净初级生产力方法来定量分析了广州市城市森林碳储量和碳固定量,根据化石能源使用量及其碳排放因子核算了广州城市能源碳排放,最后评估了城市森林碳抵消效果。结果显示广州市城市森林碳储量为654.42×10⁴t,平均碳密度为28.81 t/hm²,而森林碳固定量为658732 t/a,平均固碳率为2.90 t·hm^-2·a^-1。2005-2010年广州市年均能源碳排放则达到2907.41×10⁴t。广州城市森林碳储量约为城市年均能源碳排放的22.51%,其通过碳固定年均能够抵消年均碳排放的2.27%,不过从城市森林综合效益来看其仍是城市低碳发展重要举措之一。分析了林型组成和林龄结构对于广州森林碳储量和碳固定量的影响,并从森林管理角度为城市森林碳汇提升提出建议。这些结果和讨论有助于评估城市森林碳汇在抵消碳排放中所起的效果。     

人工智能数据挖掘在土壤环境科学中的应用——基于文献知识图谱的分析

数据的大幅增长和人工智能技术的快速发展为土壤环境科学研究带来新的思路与发展机遇。本文系统梳理人工智能数据挖掘在土壤环境领域的应用研究现状和前沿动态，归纳评述主要研究热点，提出面临的挑战。采用文献计量和知识图谱分析方法对中国知网（CNKI）和Web of Science文献数据库中截至2021年的相关主题文献进行可视化分析。分析结果表明，人工智能数据挖掘在土壤环境领域的应用研究从2000年左右起步，目前正处于快速发展阶段；中国学者在该领域做出大量贡献，成为国际上最重要的研究力量之一。文献知识图谱分析结果显示，土壤污染预测评价、有机碳空间分布预测制图是国内外学者共同关注的热点方向；我国学者在土壤污染溯源、场地土壤污染评价与修复管控决策两个应用方向的研究处于优势地位。随着数据“孤岛”、数据隐私保护、模型可解释性等一系列问题的逐步被克服，基于人工智能技术的数据挖掘将给土壤环境实时监测、评估、预测预警及管理决策带来深远的影响。