分布区域特征（精选9篇）
分布区域特征 篇1
0 引言
为了满足未来战争中无线攻击高精准度的作战要求,必须创新性地发展区域精确干扰技术,研究可适应多种作战要求的干扰能量高度点集中或区域集中的“精确外科手术式”电磁辐射技术,集中一系列分布式低功率干扰节点的能量对通信和导航接收机实施攻击,同时尽可能缩小己方和中立方系统被干扰的实际作用区域,既克服电磁误伤,又使己方指挥官在复杂的电磁环境下按照作战行动的需要随时提供电子干扰支援[1,2]。
区域精确干扰技术采用大孔径稀疏天线阵,在一定的干扰范围内多个干扰源随机布设,干扰距离可比拟于阵列的孔径,属于天线阵近场环境,因而电波具有球面传播特征[3]。对于该系统,要实现空间中区域性的精确干扰,很大程度上依赖于干扰阵型在阵面近场区域内功率合成时产生的类似光线衍射“亮斑”式的效应,因此,阵列孔径、阵列形状、阵元数目及稀疏布局等因素对区域选择性精确干扰的影响至关重要,主要讨论阵型孔径对干扰区域功率覆盖及功率矢量合成的影响,并为优化阵型结构提供指导[4,5]。
1 分布式协同干扰模型
1. 1 干扰物理模型
在多个干扰源组成的协同干扰阵型中,由干扰源几何位置构成的阵列形状估计其几何中心,并定义为当前干扰阵型中心[6]。干扰目标中心与干扰阵型中心连线方向即为干扰方向,与干扰方向相切的直线方向定义为干扰方向的切向。在干扰方向切向上,任意2个干扰源间距离线段的投影距离即为干扰孔径,最长的干扰孔径为干扰阵型的孔径。干扰阵型的干扰距离定义为干扰阵型中心到干扰目标中心的直线距离[7,8,9]。
区域精确干扰示意如图1所示。为了实现具有高度针对性的区域选择性精确干扰,需要多种技术手段保证。首先从空域上实现更好的干扰能量集中,要求各干扰机尽可能采用窄波束宽度的天线。在具体工作时,依据目标位置或定位信息,干扰设备结合自身平台的运动规律实现天线波束对目标区域的精确对准,通过天线的方向性保证对波束方向和非波束方向上区域干扰强度的区别[10,11]。其次,为了保证干扰信号在时域上达到区域性汇聚,可以采用一种类脉冲序列的离散信号形式,脉冲宽度与干扰区域尺度相关,脉冲重复间隔决定对干扰区域的干扰频度,从而保证干扰的有效性。当使用脉冲样式的干扰信号时,为保证各脉冲干扰信号在干扰区域处达到同步汇集的干扰效果,各脉冲的发射时刻需要满足严格的时序关系[12]。
1. 2 数学建模
将上述过程建立数学模型,考虑干扰信号以球面波方式向目标干扰区域传播,那么从一个干扰源发射的脉冲信号从数学角度可以看作是以该干扰源为中心的一个扇形圆环,圆环的宽度等价于脉冲的宽度,扇形的角度为天线的波束宽度。由于各干扰源到目标干扰中心的距离不同,从时间上需要保证各干扰源的脉冲信号同时到达干扰中心,因此需要根据各自的路程差来调整干扰信号的发射时刻。
假设 ( xi yi) 为干扰源位置坐标i = 1,2,…,N,N为干扰源 数目,干扰目标 中心位置 坐标为
式中,PW = L /C为脉冲宽度; L为干扰区域最大距离尺度; C为电磁波传播速度。x、y的取值范围通过计算脉冲干扰信号和天线波束覆盖区域的交点( xi1,yi1) 、( xi2,yi2) 、( xi3,yi3) 和 ( xi4,yi4) 来获得,如图1所示,即有:
考虑采用辛格函数形式的天线方向图,窄波束天线的覆盖区域可表示为:
式中,θ为天线 - 3 d B波束宽度。将脉冲干扰信号覆盖区域的表达式与窄波束天线的覆盖区域表达式联立方程组求解:
解得这2个覆盖区域的4个交点坐标分别为: ( xi1,yi1) 、( xi2,yi2) 、( xi3,yi3) 和 ( xi4,yi4) ,根据这些交点,通过式( 2) 可以确定出式( 1) 中x和y的取值范围,这样各干扰源在干扰目标处汇聚时,干扰能量的覆盖区域由式( 1) 来确定。
2 干扰阵型特征仿真分析
对于干扰区域内的任意一个点,从干扰源发出单音干扰,在该处将产生一个干扰矢量,所有干扰矢量的叠加就形成了合成干扰矢量。合成干扰矢量的幅度就表征了在该点处干扰能量的大小。因此干扰区域内某点处 ( X Y) 的干扰能量可表示为:
式中,freq为干扰频率; phi为干扰信号的初相。
仿真计算干扰区域内的实际干扰合成效果,考虑采用离散抽样统计的方法,将干扰区域以一定的距离粒度d ( 只要选择合适的步进,就可以无限逼近实际的干扰效果,经仿真论证粒度不大于波长的1/6可满足精度要求) 分割成一个个较小的统计区域,称之为点位。
2. 1 考察区域功率覆盖效果仿真
为说明干扰区域内外干扰效果的不同,设置考察区域,与干扰区域内的功率合成情况进行对比,考察干扰能量在考察区域的衰落情况。
当N个干扰源对目标区域进行干扰时,考察区域内各点位 ( m n) 上合成的干扰功率为:
式中,Pi为第i个干扰源的干扰功率; Gi,m,n为第i个干扰源在点位 ( m n) 处的干扰天线增益,由干扰源到点位和到干扰中心的方向夹角决定; λ为干扰信号波长; Ri,m,n为第i个干扰源到点位 ( m n) 的距离。
分析上述数学模型的物理意义发现,干扰源发射的定向性干扰波束在干扰目标中心处相交的夹角越大,波束之间相交叠加的区域面积越小。换言之,对于一个干扰阵型来说,干扰阵型孔径相对于干扰距离的比例对考察有效干扰功率覆盖的影响至关重要。下面仿真干扰阵型孔径的变化对考察区域内有效干扰功率覆盖面积的影响。
仿真条件设置: 干扰源数目10,干扰区域100 m×100 m范围,考察区域200 m×200 m范围,干扰信号频率1 GHz,为得到确定的仿真结果采用具有固定结构的线阵,保证干扰目标中心处角度均匀,因此只考虑干扰方向的切向上干扰阵型孔径这维因素的影响,设定干扰阵型孔径与干扰距离的比例关系从0. 02 ~13变化,干扰功率在干扰目标中心处归一化为1,干扰天线 -3d B波束宽度为10°,有效干扰功率门限设为7。
在不同的干扰阵型孔径条件下,采用式( 6) 计算考察区域内有效干扰功率覆盖面积与干扰区域面积的百分比,仿真结果如图2所示。
仿真结果显示考察区域内有效干扰功率覆盖面积( 可认为是对干扰区域的有效干扰功率泄露) 随着阵型孔径( 即干扰方向切向) 的增大逐步下降,由最初的100% ( 有效干扰泄露面积约为干扰区域面积) 下降至10% 以下,但是在达到10% 后逐步收敛,再增大阵型孔径意义不大。在这一方面希望有效干扰功率泄露面积越小越好,从仿真结果看,达到10%以下需要阵型孔径为干扰距离6倍以上。
2. 2 干扰区域功率矢量合成仿真
该仿真中考虑各干扰信号在干扰区域内矢量相加进行功率合成的情况。在不同的干扰阵型孔径条件下,采用式( 5) 计算干扰区域内有效干扰面积与干扰区域面积的百分比,仿真结果如图3所示。
从仿真图中可知,通过调整阵型孔径,可以实现有效干扰面积百分比从2% ~16% 的变化范围。在阵型孔径大于0.8倍干扰距离时,有效干扰面积逐渐收敛,阵型孔径的变化对有效干扰面积影响不大。选取几个阵型孔径进行进一步仿真分析,分别是阵型孔径为干扰距离的0.02倍、0.2倍、1倍和6倍。
几种干扰阵型孔径下干扰信号在干扰区域内矢量相加进行功率合成的情况如图4所示。这里有效干扰门限为 -5 d B( 将干扰合成功率与最大合成功率进行归一化处理,即最大合成功率为0 d B,并确定合成功率达到某一值之上视为干扰有效) 。图中有效干扰的功率合成能量在干扰区域内形成类似“亮斑”状的电磁场能量分布。通过仿真图比较不同阵型孔径下,有效干扰面积所占比例及分布形状,可见有效干扰“亮斑”随着阵型孔径的增大逐渐变小,最后形成针状散布在干扰区域内。在这一方面希望有效干扰“亮斑”面积越大越好,若想通过控制“亮斑”分布来达到干扰区域的全面覆盖,有效干扰“亮斑”存在一定的分布规律为最优。
2. 3 干扰阵型特征分析
总结上述仿真分析所得到的结论,对于分布式区域精确性干扰,阵型的孔径在很大程度上决定了干扰区域外有效干扰的衰落情况,阵型孔径增大可以提高区域选择性干扰的精确度; 但是随着阵型孔径的增大,在干扰区域内的有效干扰功率合成面积又会降低,同时有效干扰“亮斑”面积也会变得很小。因此对于最优阵型孔径这一问题是一个综合干扰区域内外各因素的折中问题,通过分析各部分因素的仿真曲线的拐点及收敛情况,得到问题的优化解决方案。
在优化干扰阵型结构时,明确符合系统目标的阵型孔径后,还需考虑各干扰源之间的相对位置关系所带来的影响。考虑在满足阵型孔径条件下,随机布设干扰源,通过蒙特卡罗仿真,发现相对于干扰阵型孔径来说,干扰源之间的位置关系属于次要的决定因素。仿真在考察区域内的有效干扰功率覆盖情况,当阵型孔径大于干扰距离5倍以上时,考察区域内有效干扰功率覆盖面积的收敛情况开始逐步恶化,与干扰区域面积的百分比由20% 升至60%; 而仿真在干扰区域内的有效干扰功率矢量合成情况,当阵型孔径大于干扰距离0.8倍以上时干扰区域内形成的有效干扰面积与图3中的情况近似一致,数值上变化幅度约为0. 3%,关于这部分的仿真内容限于篇幅原因不再详述。
3 结束语
仿真分析了分布式协同干扰系统中,干扰阵型孔径对于实现区域精确性干扰所呈现的一些规律性特征。针对脉冲式协同干扰进行了物理及数学描述,在不同干扰阵型孔径条件下,分析了考察区域和干扰区域内干扰合成效果的仿真曲线的特征,综合各影响因素选择满足系统目标的阵型孔径值,对干扰阵型的优化设计给出了指导性建议。
参考文献
[1]郑宝玉.通信工程中的最优化方法[M].黑龙江:哈尔滨工业大学出版社,1996.
[2]邓乃扬.最优化方法[M].辽宁:辽宁省教育出版社,1987.
[3]李艳斌.通信电子战面临的挑战[J].无线电通信技术,2013,39(2):1-3.
[4]邢美丽,肖军鹏.复杂电磁环境下协同干扰技术研究[J].遥测遥控,2010,31(4):30-35.
[5]张程.基于虚拟阵列变换的相干源测向方法[J].无线电工程,2012,42(6):16-18.
[6]田波,张永顺.发展中的分布式干扰技术[J].航天电子对抗,2004(1):41-43.
[7]谢军.电子对抗组网仿真技术研究[J].无线电工程,2011,41(4):56-58,61.
[8]孙鹏,唐宏,邱连龙.分布式干扰仿真研究[J].航天电子对抗,2008,24(2):59-61.
[9]李志刚.基于同一子阵的平面稀疏阵列优化[J].无线电工程,2014,44(3):28-31.
[10]张君毅,杨义先.针对无线网络的智能干扰技术研究[J].无线电通信技术,2012,38(6):6-7,19.
[11]张勇军.小型化低功耗多媒体传感器网络节点设计[J].无线电工程,2012,42(12):4-6,19.
[12]郭俊利.DMR同频组网的相干区设计[J].无线电工程,2014,44(5):5-8,67.
分布区域特征 篇2
塔里木沙漠油田南部区域地表水与地下水资源分布特征
沙漠油田位于塔克拉玛干沙漠腹地,沙漠腹地无地表河流分布,沙漠层面以下,广泛分布有浅层地下水,但地下水储存量大,动态补给量小;沙漠中地下水的`分布与其南部区域的地表径流的形成及转化,有密切的水文循环关系,论文主要分析了沙漠油田南部区域地表水与地下水分布状况、水文循环特征、水量平衡计算.弄清了沙漠油田南部区域地表水与地下水资源分布状况,为地方和油田水资源合理开发利用,提供了准确资料和理论依据.
作 者：杜虎林 高前兆 熊建国 马振武 班兴安 周宏伟 冯起 余洪波 彭晓玉 DU Hu-lin GAO Qian-zhao XIONG Jian-guo MA Zhen-wu BAN Xing-an ZHOU Hong-we FENG Qi YU Hong-bo PENG Xiao-yu 作者单位：杜虎林,高前兆,冯起,DU Hu-lin,GAO Qian-zhao,FENG Qi(中国科学院寒区旱区环境与工程研究所,甘肃,兰州,730000)熊建国,马振武,班兴安,周宏伟,余洪波,彭晓玉,XIONG Jian-guo,MA Zhen-wu,BAN Xing-an,ZHOU Hong-we,YU Hong-bo,PENG Xiao-yu(塔里木油田分公司,新疆,库尔勒,841000)
刊 名：中国沙漠 ISTIC PKU英文刊名：JOURNAL OF DESERT RESEARCH 年，卷(期)： 27(4) 分类号：P333.1 关键词：塔里木 沙漠油田 地表水资源 地下水资源分布区域特征 篇3
第29届奥运会田径比赛已圆满结束,47个小项的141枚奖牌“花落各家”。在激烈的奖牌角逐中,再次展现了世界田径诸强的实力。奖牌的分布呈现了小范围的变动,进入第一集团的国家逐渐增多,实力相当,使得当今世界田坛的竞争更加激烈。回顾前几届的奥运会田径比赛,我们可以看到,田径运动发展到今天,呈现出了较为明显的地域特征,各大洲乃至一些国家拥有自己的强势项目[1]。因此,奖牌“花落各家”,美、俄统治田坛的绝对优势不再明显。本文对此进行统计分析,寻找奖牌的区域分布和优势项目的分布特征,探析当今世界田坛的实力格局,对于确立我国田径在世界的新位置,明确我国田径运动训练的努力方向,促进我国田径水平的提高都具有一定的现实意义。
2 研究对象与研究方法
2.1 研究对象
以第29届北京奥运会田径项目的奖牌分布情况作为研究对象,参照第28届雅典奥运会田径项目的奖牌分布情况。
2.2 研究方法
2.2.1 文献资料法
从文献资料中,获取第29、28届奥运会田径比赛的结果和相关的理论知识。
2.2.2 数理统计法
对所获得的数据进行奖牌的国家分布,奖牌的洲际分布和项目分布的数理统计。
2.2.3 归纳分析法
运用逻辑思维方法,对第29、28届奥运会田径比赛奖牌的国家分布,奖牌的洲际分布和项目分布的统计结果进行归纳、比较和分析,以期发现其中的特征和探寻当今世界田坛的实力新格局。
3 研究结果与分析
3.1 第29届北京奥运会田径实力格局分析
北京奥运会无论在场馆设施、交通条件,还是在比赛组织及运动员食宿安排等方面,都做到了历届之最,这为绝大多数项目运动员取得优异成绩创造了良好的外界条件。在本届奥运会中有4项世界纪录16项奥运会纪录被重新改写。最大的一个奇迹来自牙买加“飞人”博尔特,他在100米、200米和4×100米接力比赛中三次夺冠且三破世界纪录,其中后两个均是保持了十年以上的尘封纪录,成为“鸟巢”最耀眼的明星。另一个奇迹来自俄罗斯的女子撑竿跳高名将伊辛巴耶娃,她第24次打破世界纪录,再次书写了不可思议的历史。透过本届奥运会田径各项目比赛的成绩,可以反映出当今国际田坛的整体实力格局。
3.1.1 第29届奥运会田径项目金牌及奖牌的分布
3.1.1.1 美、俄绝对统治田坛的局面不复存在,“后起之秀”气势如虹
世界田坛已从过去的“三强鼎立”以及后来的“一枝独秀、百花争艳”的局面继而转变为现在的“群雄争霸” [2]。本届奥运会美国虽然以7枚金牌、9枚银牌、7枚铜牌、总奖牌数23枚保持住了他在田坛的第一交椅,但是领先优势已经不再明显(见表1)。俄罗斯、牙买加、肯尼亚三个进入第一集团的国家已紧随其后,实力相当,且气势咄咄逼人。
3.1.1.2 进入第一集团的国家增多,实力非常接近,竞争十分激烈
雅典奥运会上,只有美、俄两个国家处于第一集团(见表2),在本届奥运会上突增至四个,依次是美国、俄罗斯、牙买加、肯尼亚。并且这些国家实力相当接近,竞争十分激烈,都对田坛的领头羊位置虎视眈眈。
3.1.1.3 “黑马”牙买加掌控短跑项目,跃居第三位,直逼美、俄
悉尼奥运会牙买加仅获得3银3铜的成绩,连前25名也进不了;雅典奥运会牙买加以2金1银2铜的成绩跻身田坛的第7位;今年的北京奥运会牙买加狂揽6金3银2铜仅次于俄罗斯,跃居第3位。
“后起之秀”牙买加在北京“鸟巢”一路凯歌,包揽了男女100米、200米的金牌,尤其是女子100米,三面牙买加的国旗在“鸟巢”女子100米的颁奖仪式上同时升起。更为激动人心的是,以旗帜性人物博尔特领衔的牙买加田径队三破尘封十多年的短跑世界纪录,分别是男子100米、男子200米、男子4×100米,成为名副其实的盛产“飞人”的国度。全“鸟巢”最耀眼的焦点——“三料冠军”博尔特三改世界纪录,三次为世人上演了惊心动魄的时刻,夺取了牙买加本届奥运会总金牌数的半壁江山,成为对手的偶像,成为世界的焦点,创造了历史的奇迹。
3.2 第29届北京奥运会各洲田径优势项目的分布状况
3.2.1 从整体实力来看各洲的田径实力
欧洲和北美洲国家的田径运动发展水平继续处于高位,非洲水平居中,而南美洲、大洋洲、亚洲整体水平相对较低。本届奥运会的田径项目比赛,欧洲共获得53枚奖牌,北美洲获得45枚,非洲获得29枚,亚洲和大洋洲各获得6枚,而南美洲却仅获2枚。亚洲、大洋洲、南美洲3大洲的本届奥运会的奖牌总数仅为北美洲的29.8%,只有欧洲的26.4%(表3)。
3.2.2 从各洲运动员的比赛成绩来看各洲所占据的优势项目
本届奥运会由于欧洲、北美洲田径运动整体水平较高,在跑、跳、投各项目中都有金牌进账,几乎包揽了短跑、跳跃和投掷的所有奖牌,并且将全能的6枚奖牌全部囊括在手中。而大洋洲、南美洲、亚洲却只在个别项目上有稀少的闪光点。从表4、表5可以看出:北美洲的优势项目主要集中在短跑项目;以俄罗斯、德国为代表的欧洲的优势项目主要集中在跳跃和投掷,中长跑和短跑也绽放光芒[2]。共获得53枚奖牌,占了田径项目总奖牌数的37.6%,继续引领田坛。欧洲在传统优势项目上继续保持领头羊地位,获得跳类项目8枚金牌中的4枚,投类项目8枚金牌中的6枚,全能项目的霸主地位再次得以捍卫,获得了1金2银的骄人成绩。欧洲在男子、女子所有跑、跳、投类、全能项目上,除了在男子短跑类项目上一金未得和男子全能金牌流失外,其余项目均有金牌入账。欧洲在本届奥运会田径项目比赛中共获得17枚金牌,共有12个国家获得金牌,除开俄罗斯一国独揽6金以外,其他国家均只有1枚金牌进账,金牌的分布相对比较分散。非洲的优势项目是中长跑,非洲选手凭借在中长跑项目中的强大实力,使他洲选手只能望牌兴叹。以埃塞俄比亚、肯尼亚为代表的非洲获得本届奥运会全部中长跑项目14枚金牌中的10枚,45枚奖牌中的25枚,其中男选手获得了所有男子中长跑项目24枚奖牌的15枚,再次证明了非洲在中长跑项目的超群实力,捍卫了非洲在此项目的绝对优势地位。南美洲、大洋洲、亚洲的实力相对薄弱,仍旧难对欧洲、北美洲国家形成威胁。在本届奥运会中,以澳大利亚为代表的大洋洲国家,只摘取了跳跃类项目中的男子撑竿跳高和投掷类项目中的女子铅球2枚金牌。亚洲国家当中,只有巴林获得中长跑类项目中1500m的唯一1枚金牌, 拥有天时地利人和的东道主我国仅收获2枚铜牌。与欧、北美及非洲相比,亚洲运动员的实力较弱,占据的优势项目较少,能够与之抗衡并夺得金牌的项目稀缺。而南美洲国家的实力最弱,只有巴西在女子跳远项目获得了1枚金牌和厄瓜多尔在男子20公里竞走中获得了1枚银牌,处境依旧尴尬。
3.2.3 当今世界田坛实力格局
综上所述,当今世界田坛实力格局仍不平衡,其金(奖)牌的分布呈分流态势,具有鲜明的洲际地域特征[1]。依本届奥运会田径项目金(奖)牌的洲际优势强弱排序依次为:欧洲、北美洲、非洲、大洋洲、亚洲、南美洲。
4 结论
1.美国的田坛霸主地位岌岌可危,虽然夺得了7金9银7铜共23枚奖牌的成绩,暂列奖牌榜第一。俄罗斯的表现也还差强人意,以6金5银7铜共18枚的成绩保住第二名。但牙买加、肯尼亚挺进第一集团,其气势咄咄逼人,对美俄的领头羊位置虎视眈眈。第一集团的四国(美国、俄罗斯、牙买加、肯尼亚)共获得奖牌66枚,占了46.8%的奖牌总数。埃塞俄比亚以4金1银2铜领首第二集团,直瞄第一集团的位置,令其他第二集团的国家望尘莫及。
2.欧洲和北美洲的田径整体实力依然突出,分别获得53枚和47枚奖牌,分别占本届奥运会奖牌总数的37.6%和33.3%。非洲继续绽放光芒,捍卫了其在中长跑项目的优势,牢牢地居于田坛的中游。大洋洲、亚洲、南美洲的实力依旧低迷,难逃下游的尴尬境地。
3.各洲的项目分布方面,欧洲各个项目实力超群,尤其是投掷类和跳跃类项目,女子的短跑项目呈现出上升趋势。北美洲的优势主要集中在短跑项目上,几乎囊括了短跑项目的全部金牌,表现尤为抢眼的是盛产飞人的国度牙买加。非洲运动员在中长跑项目上表现出极高的天赋,一枝独秀。大洋洲、亚洲、南美洲整体实力处于落后位置,优势潜优势项目稀缺,难以与欧洲、北美洲、非洲相抗衡。
摘要：对第29届北京奥运会田径项目的奖牌分布进行统计分析,参照第28届雅典奥运会田径项目的奖牌分布情况,分析奖牌的区域分布特征:进入第一集团的国家增多,实力非常接近;美、俄绝对统治田坛的局面不复存在,“后起之秀”气势如虹;欧洲和北美洲国家的田径运动发展水平继续处于高位,非洲水平居中,而南美洲、大洋洲、亚洲整体水平依旧低迷。优势项目的分布特征:欧洲的跳跃和投掷类实力超群;北美洲掌控短跑项目;非洲在中长跑的天赋发挥得淋漓尽致;大洋洲、亚洲、南美洲优势项目稀缺。
关键词：29届,奥运会,田径,奖牌,区域分布,优势项目
参考文献
[1]王宝珠.当今世界田径格局的地域性特征[J].河北体育学院学报,2006,(2).
[2]徐国伟.第28届奥运会我国田径运动的实力分析[J].贵州体育科技,2005,(1).
民营医院分析报告：区域分布分析 篇4
民营医院分析报告：区域分布分析
中投顾问发布的《2016-2020年中国民营医院行业深度调研及投资前景预测报告》指出，在共享发展理念下，民营医院发展应该纳入国家、区域、省市的统一规划的布局之中，实现公立医院民营医院的协调发展。有关调查表明，我国民营医院的发展存在失衡的现象，主要表现为区域分布不均、城乡分布不均、城市分布不均。
第一，区域分布不均。东部及沿海地区的民营医院在数量、规模、经营状况等方面都要好于中西部地区。造成这一现象的原因首先是东部及沿海地区的政府及相关部门对民营医院的重视程度更高，对推进新医改的力度相较于中西部地区也更大。其次东部及沿海地区的经济发展较好，具有丰富的社会资本去开设民营医院。而中部、西部地区在经济发展上有一定的差距，民营医院投入的资本相对较少，因此在规模和经营上落后于东部及沿海地区。
第二，城乡分布不均。城市民营医院聚集度更高，乡镇民营医院除乡村私人诊所外，则仍以公立医院为主。这主要与城乡经济发展的差距有一定关系，经济发达才有足够的社会资本去兴办民营医院。此外，乡镇在对民营医院的扶持政策上远不如城市力度大，在一定程度上也不利于乡镇民营医院的发展。
第三，城市分布不均。例如江苏、浙江、山西、福建等地城市的民营医院聚集度更高，广西、青海、宁夏等地城市的民营医院聚集度较低。相对于一个大中城市而言，民营医院的院址选择，既要和城市规划建设相联系，又要考虑到城市社区人口集聚相对集中的地段，以方便居民就医的需要，使民营医院能够更好地服务于城市社区居民。
根据卫生系统的统计，截至2014年底，有12546家民营医院分布在全国31个省市自治区（港澳台未列入统计范围）。其中最多的是四川，有1084家；而最少的是西藏，有13家。
东部地区民营医院共计5021家；西部地区超过了中部，有4339家；中部地区则有3186家。
中投顾问·让投资更安全 经营更稳健
中投顾问产业研究中心
图表 2014年中国民营医院数量分布
数据来源：国家卫计委
中投顾问·让投资更安全 经营更稳健
淇县雷暴分布特征分析 篇5
淇县地处北温带, 属温带大陆性季风气候。四季分明, 气候温和, 日照充足, 雨热同季。春季干旱多风, 夏季炎热多雨, 秋季凉爽季短, 冬季少雨寒冷。本文分析了淇县1971—2010 年的雷暴气候特征, 希望通过加强对雷暴活动规律和防御工作的研究, 进一步提高防御和减轻雷电灾害的能力, 保护人民群众生命财产安全, 促进淇县经济社会发展。
1资料与方法
1.1资料来源
本文资料取自淇县1971—2010 年40 年的逐日雷暴资料及相关资料。文中运用本站的基本数据资料来分析雷暴的分布特征。
1.2 统计方法
雷暴日规定:一日中只要观测到雷暴或者闻雷, 无论持续时间长短, 均记为一个雷暴日。采用要素的线性趋势分析法, 分析年、季、月平均雷暴日, 最早、最迟雷暴日的变化趋势, 选用一元线性方程对原序列进行拟合, 即y=a1x+a0, 其中系数ai表示趋势倾向。一般春季为3—5 月, 夏季为6—8月, 秋季为9—11 月, 冬季为12 月至次年2 月[1,2]。
2结果与分析
2.1日变化特征
淇县为国家一般气象站, 夜间不守班, 夜间的雷暴记录不太准确, 只作大概分析。淇县雷暴次数日变化明显, 雷暴次数平均出现0.4~10.2 次。其中3:00—8:00 都小于0.4 次, 最多出现在2:00, 为10.2 次, 次多为18:00, 为6.2 次, 12:00以后逐渐增多, 傍晚前后达到最大, 以后逐渐减弱, 后半夜至早上达到最低。变化曲线反映出淇县在午后到傍晚最容易出现强对流天气[3,4]。
2.2 月际变化特征
淇县月雷暴日数为0.1~8.3 d, 由月雷暴日数变化曲线可以看出:雷暴最早出现在2 月, 最晚出现在11 月;12 月和1 月没有雷暴产生;4—10 月较多, 7 月最多, 8 月次之;且7月较前几个月有明显增多趋势。
夏季雷暴最多, 为19.7 d, 占全年76.35%;冬季最少为0.1 d, 占全年的0.38%, 春季和秋季较少, 占全年的23.27%。由此可见, 夏季是雷暴发生最活跃的季节。
雷暴的月变化和季变化从一定程度上反映出不稳定的天气系统。5—6 月地面受华北热低压控制, 高空常处于东北冷涡后部, 易产生雷暴及强对流天气, 7—8 月受副热带高压控制, 极易产生雷暴及对流天气。
2.3 年际变化特征
淇县1971—2010 年共有1 016 个雷暴。淇县地区年平均雷暴日数为16.0~40.0 d, 平均为25.4 d;年平均雷暴日数最多的是1985 年, 平均值为40 d, 年平均雷暴日数最少的是2009 年, 平均值为16 d;通过5 年滑动平均变化曲线可以看出:淇县雷暴日年际变化呈波动状, 高值点在20 世纪80 年代中期, 雷暴日数5 年为一个波动周期, 10 年左右出现一个峰值, 目前雷暴日数正处在增长期内[5,6]。
选淇县40 年的年平均雷暴日, 带入公式y=a1x+a0, 得出雷暴趋势回归方程:
y=-0.238x+499.31
可以看出:气候趋势倾向率为-0.238, 是负值, 表示淇县年平均雷暴日整体呈下降趋势。
2.4 雷暴初日、终日及初终间日数特征
统计结果表明:淇县初雷暴最早出现在2 月23 日, 最晚出现在6 月23 日, 最早与最晚相差4 个月, 雷暴终日最早出现在8 月15 日, 最晚出现在11 月16 日, 最早与最晚相差3 个月以上, 这说明雷暴的初 (终) 日年际差别较大。雷暴初日多发生在4 月中旬, 终日多发生在9 月中旬。
淇县雷暴平均持续期为159.8 d, 初终间日数最多为236 d, 最少为93 d, 可见淇县雷暴持续期年际变化大。
3 结论
分析结果表明, 淇县雷暴日变化明显, 3:00—8:00 出现最少, 12:00—21:00 较多, 午后到傍晚时间是雷暴发生最多的, 18:00 达到峰值, 以后逐渐减少, 前半夜比后半夜雷暴次数多。雷暴多发生在4—10 月, 7 月最多, 8 月次之, 夏季是雷暴多发的季节。雷暴年平均日数为25.4 d, 年际变化呈波动, 目前处于增长期内。雷暴持续期年际变化大, 最早发生在4 月中旬, 最迟出现在9 月中旬。总体年平均雷暴日呈下降趋势。
参考文献
[1]盛承禹.中国气候总论[M].北京:科学出版社, 1986:306-310.
[2]王红艳, 吴璐, 王跃民, 等.许昌气候特征分析[J].气象与环境科学, 2008 (2) :56-59.
[3]刘庆伟, 张丽娟, 林径春.洛阳地区雷暴活动规律和雷灾分析[J].气象与环境科学, 2007 (增刊1) :120-122.
[4]段炼, 陈章.近42年成都地区雷暴的气候统计特征[J].自然灾害学报, 2006 (4) :59-64.
[5]赵海军, 李喜平, 黄真文, 等.鹤壁市雷暴特征分析[J].河南气象, 2006 (3) :51.
分布区域特征 篇6
自1979年7月国务院颁发了《中华人民共和国中外合资经营企业法》以来, 我国经济的持续增长、巨大的国内市场需求潜力、丰裕的劳动力资源等因素吸引了大量的FDI。与此同时, 由于我国引资政策及各地区地理位置差异等方面的原因, 我国FDI区域分布呈现极度失衡的状态, 东部地区在引资规模及增长速度等方面都远远高于中部和西部地区。商务部数据显示:2006年全国实际利用外商直接投资694.70亿美元, 其中东部地区实际利用外商直接投资569.22亿美元, 占全国引资份额的81.94%。随着近年来我国引入外资量的不断增加, FDI区域分布的这种不平衡已逐渐成为制约我国经济平衡发展的主要因素。正是基于这个原因, FDI区域分布的不平衡对我国区域经济差异的影响日渐受到国内外学者们的关注, 许多学者对该问题进行了实证分析, 如:武剑 (2002) [1]运用多维方差分析模型进行分析得出FDI区域差距对GDP区域绝对差距的贡献度为19.71%, FDI在区域分布上的不均衡是造成我国区域经济差异的一个重要因素。Fu (2004) [2]采用沿海地区与内陆地区各自的人均GDP比值来衡量区域经济差异, 利用我国16个内陆地区1995-1998年的面板数据进行分析, 研究显示:我国内陆地区与沿海地区FDI分布差异对我国区域经济差异有显著的正影响, FDI流量差距每增加1%, 区域经济差异就增加0.02%。还有一些研究 (Yao & zhang, 2001[3];Demurger, 2001[4];Zhang, 2001[5]) 表明FDI对我国沿海地区经济增长有正的影响, 而对内地经济增长却没有正的影响, 这是导致我国区域经济差异逐渐扩大的一个重要因素。
以上实证研究从不同侧面证实了FDI区域分布差异对我国区域经济差异的影响, 为学者们进行相关研究提供了丰富的参考。然而, 要制定相应措施以缩小FDI分布差异对我国区域平衡发展的影响, 更主要的是要了解FDI区域分布不平衡影响我国区域经济差异的具体作用机制, 不免令人遗憾的是目前尚未发现该方面的研究。有鉴于此, 本文尝试以TFP区域差异作为中介变量, 构建中介效应模型实证分析FDI区域分布差异对我国区域经济差异的影响机制, 并对其中介效应进行相关的实证检验, 以期能为我国制定相应措施以缩小FDI分布差异对我国区域平衡发展的影响提供经验证据。后文的结构安排如下:首先是模型构建及变量说明;然后是实证分析;最后是结论与启示。
2 模型构建及变量说明
2.1 中介模型的构建
FDI作为我国资本形成的一个重要来源对我国经济增长有明显的促进作用, 然而目前我国东部地区依然是吸引外资的主要地区, 所占比重始终在80%以上, 中西部地区与东部地区的FDI差异悬殊。从这个角度来讲, FDI的这种区域分布差异会直接影响到我国区域经济差异, 称其为FDI对我国区域经济差异影响的直接效应 (direct effect) 。另一方面, FDI作为一种特殊的投资, 它不仅为东道国带来了大量资金的投入, 对东道国还存在着技术溢出效应 (E. Borensztein, 1998[6];蒋殿春、夏良科, 2005[7], Yao and Wei, 2007[8]) 。这种溢出效应是东道国技术进步的主要推进力, 而技术进步又是经济增长另一重要源泉, 故FDI区域分布差异应该还会通过影响技术进步差异而间接导致我国区域经济差异, 称其为FDI对我国区域经济差异影响的间接效应或中介效应 (mediating effect) 。为了实证分析FDI分布差异对我国区域经济差异的具体影响机制, 本文构建以下中介效应模型 (相应路径图见图1) :
dgapit=a0+a1dfdiit+a2dkdit+a3dhit+ε1it (1)
dtfpit=b0+b1dfdiit+b2dkdit+b3dhit+ε2it (2)
dgapit=c0+c1dfdiit+c2dkdit+c3dhit+c4dfpit+ε3it (3)
其中:t表示年份, i表示省份;ε1、ε2和ε3为随机干扰项, 假设其服从均值为零, 方差有限的正态分布。式 (1) 中dgapit、dfdiit、dkdit和dhit分别为中西部①地区第t年省份i与东部地区经济发展水平、FDI水平、国内投资水平和人力资本水平的区域差异, 系数a1、a2和a3分别度量的是FDI区域分布差异、国内投资区域分布差异和人力资本区域分布差异对我国区域经济差异影响的总效应 (total effect) , 式 (2) 中dtfpit为中西部地区第t年省份i与东部地区TFP的区域差异, 系数b1、b2和b3分别度量的是FDI区域分布差异、国内投资区域分布差异和人力资本区域分布差异对技术进步区域差异的影响。式 (3) 中系数c1、c2和c3分别度量的是FDI区域分布差异、国内投资区域分布差异和人力资本区域分布差异对我国区域经济差异影响的直接效应 (direct effect) 。
将式 (2) 代入式 (3) , 则有下式:
dgapit=c0+ (c1+c4b1) dfdiit+ (c2+c4b2) dkdit+ (c3+c4b3) dhit+ε4it (4)
式 (4) 中系数c4b1度量的是FDI区域分布差异通过中介变量TFP区域差异而影响我国区域经济差异的中介效应 (mediating effect) 。
从路径图 (图1) 可以看出, 本文构建的中介效应模型是递归的 (recursive) , 即在路径图上直线箭头是单向的, 没有反向或循环的直线箭头;且误差项与应变量间无弧线箭头联系;加之本模型中涉及的变量全部是显变量。该情况下, 实证分析过程中可以利用通常的回归分析替代路径分析对模型进行估计及中介效应的检验, 因此, 后文实证分析采用常规的回归分析。
2.2 样本选择及变量说明
本文选取我国29个省份1990—2006年的面板数据进行实证分析。由于历史原因西藏数据缺失严重, 故未将其纳入样本范围;而重庆市只有直辖后的数据, 故将其并入四川后纳入样本范围。文中1990—2004年的基础数据来源于《新中国五十五年统计资料汇编》;2005—2006年的基础数据来源于2006年及2007年《中国统计年鉴》。为了消除价格因素的影响, 所有涉及价格度量的变量都以1990年不变价格计算。
dgapit为区域经济差异。与Fu (2004) [2]类似, 本文采用第t年东部地区与该年中西部地区省份i各自人均GDP的比值dgapit来衡量区域经济差异。设定影响我国区域经济差异的主要因素包括:FDI区域差异dfdiit、国内投资区域差异dkdit、人力资本区域差异dhit和技术进步区域差异dtfpit等。
dfdiit为FDI区域分布差异。采用第t年东部地区与该年中西部地区省份i各自人均FDI存量的比值来衡量。此处之所以选用FDI存量概念, 是由于FDI与其他各种资本一样, 在具体劳动生产过程中前面各期FDI残值也发生了作用, 若选用FDI流量概念则忽视了前面各期FDI的贡献。然而由于中国一直以来都没有对FDI存量进行过统计, 故本文运用永续盘存法对我国FDI存量进行估计, 其具体的估算公式如下:
FDIit=FDIi, t-1 (1-δit) +fit (5)
其中, FDIit为省份i第t年的FDI存量;fit为省份i第t年的FDI流量, 即当期外商直接投资实际利用外资金额;δit为省份i第t年FDI存量的经济折旧率。与张军等 (2004) [9]估计省际物质资本存量相同, 本文也采用固定经济折旧率9.6%;FDI存量的基期数据采用稳态方法 (King and Levine, 1994) [10]进行估计。
dkdit为国内投资区域差异。采用第t年东部地区与该年中西部地区省份i各自人均国内投资存量的比值来衡量。此处的国内投资存量为总资本存量与FDI存量的差值, 总资本存量同样采用永续盘存法 (张军等, 2004) [9]计算, 基期总资本存量的估算同样采用稳态方法 (King and Levine, 1994) [10]进行估算。
dhit为人力资本区域差异。采用第t年东部地区与该年中西部地区省份i人力资本水平的比值来衡量。此处采用6岁及以上人口平均受教育年数来衡量地区人力资本水平。设定文盲半文盲、小学、初中、高中、大专以上教育程度的居民平均教育年数分别为0、6、9、12 和16年, 计算公式为:HUM=prim×6+midd×9+high×12+univ×16, 其中prim、midd、high和univ分别为小学、初中、高中和大专以上教育程度居民占地区6岁及以上人口的比重。
dtfpit为技术进步区域差异。采用第t年东部地区与该年中西部地区省份i各自TFP的比值来衡量, 分省份的TFP采用索洛余值法进行估算。
3 实证分析
3.1 计量方法及实证结果
在研究区域经济差异问题时, 若简单地使用截面数据对模型进行估计, 会忽略地区资源禀赋等因素对区域经济差异的影响, 从而导致估计结果不可靠。因此, 本文采用面板数据分析方法估计模型, 这样可以控制无法直接观测到的地区资源禀赋等因素对区域经济差异的影响, 使得估计结果更加可靠。面板数据模型的估计, 通常可以采用固定效应模型 (fixed effects) 和随机效应模型 (random effects) 两种方法。固定效应估计法假设截面扰动项μi与自变量相关, 并通过给每个截面设置一个虚拟变量来对模型进行估计;随机效应估计法假设截面扰动项μi随机分布且与自变量严格不相关, 并使用广义最小二乘法 (generalized least squares, GLS) 对模型进行估计。固定效应模型及随机效应模型的选择取决于Hausman检验, 若通过显著性检验, 则拒绝原假设, 认为固定效应模型与随机效应模型存在系统差异, 选择固定效应模型进行估计;否则接受原假设, 认为固定效应模型与随机效应模型不存在系统差异, 选择随机效应模型进行估计。另一方面, 观察变量dgap、dfdi、dkd、dh及dtfp的数据, 发现上述五个变量在时间上存在一定的同趋势性, 考虑到对变量取对数后不会改变其时序性质, 且对数化后的数据容易得到平稳序列, 因此对数据进行对数处理。本文利用STATA9.0软件对模型 (1) (2) (3) 分别利用固定效应模型和随机效应模型进行估计, 其回归结果如表1所示。
注:1.表中变量全部采用自然对数形式;2.***、**、*分别表示在1%、5%、10%的显著性水平下显著;3.回归系数下方为固定效应模型的t值或随机效应模型的z值。
就模型 (1) 而言, Hausman检验卡方值在1%显著性水平下不显著, 接受原假设, 故固定效应模型与随机效应模型不存在系统差异, 选择随机效应模型;模型 (2) 的Hausman检验卡方值在1%显著性水平下显著, 拒绝原假设, 故固定效应模型与随机效应模型存在系统差异, 选择固定效应模型;模型 (3) 的Hausman检验卡方值在1%显著性水平下不显著, 接受原假设, 故固定效应模型与随机效应模型不存在系统差异, 选择随机效应模型。模型参数估计后, 便可以对TFP区域差异的中介效应进行检验。
3.2 中介效应的检验
与参数的估计相比, 中介效应的检验相对要复杂些。根据检验的原假设来分, 一般对中介效应的检验有三种方法: (1) 依次检验回归系数, 即依次检验H0:b1=0和H0:c4=0, 若二者都被拒绝, 则中介效应显著, 否则不显著。此方法的优点在于检验结果一目了然, 且犯第一类错误的概率很小;弱点在于当中介效应较弱时, 检验的功效很低, 即犯第二类错误的概率很大。 (2) 检验H0:c4b1=0, 若该原假设被拒绝, 则中介效应显著, 否则不显著。此方法的优点在于检验的功效较高, 即犯第二类错误的概率较小;但弱点在于检验结果不易观察, 且当b1=0或c4=0只有一者成立时, 犯第一类错误的概率很大。 (3) 检验H0:a1-c1=0, 若该原假设被拒绝, 则中介效应显著, 否则不显著。此方法的优点也在于检验的功效较高;但弱点在于检验结果不易观察, 且当中介效应不存在 (c4b1=0) , 只要c4显著, 则中介效应就显著, 此时犯第一类错误的概率很大。由于三种检验方法各有利弊, 以下分别利用三种方法对TFP区域差异的中介效应进行检验, 以期能实现三种方法的优势互补, 对该中介效应进行更加科学和客观地检验。
由表1报告的模型回归结果可知, 利用方法 (1) 进行检验, 中介效应显著, 本文不再对其进行详细说明。以下详细描述利用方法 (2) 和方法 (3) 进行检验的情况。
方法 (2) , 检验H0:c4b1=0的关键在于求出
其中, sb1, sc4分别为
方法 (3) , 检验H0:a1-c1=0的关键也在于求出
其中, sa1, sc1分别为
由三种方法的检验结果可知:TFP区域差异的中介效应显著, 即我国中西部与东部地区FDI区域分布差异除了直接影响到我国区域经济差异外, 确实还通过中西部与东部地区TFP区域差异这个中介变量间接影响了我国区域经济差异。
3.3 实证结果分析
从模型 (1) 的随机效应模型回归结果不难看出:我国中西部与东部地区FDI区域分布差异、国内投资区域差异和人力资本区域差异对我国区域经济差异都有正且显著的总效应, 即若我国中西部地区与东部地区FDI区域差异、国内投资区域差异和人力资本区域差异扩大, 我国区域经济差异也会随之扩大。另外, 中西部与东部地区FDI区域差异对我国区域经济差异影响的总效应a1为0.104, 较之Fu (2004) [2]研究中的总效应0.027有较大的差异, 这其中可能的原因是本文的外资使用FDI存量概念度量, 而Fu (2004) [2]的研究中外资使用FDI流量概念度量, 忽视了除当期之外的前面各期FDI区域分布差异对我国区域经济差异的影响。
模型 (2) 测定的是中西部与东部地区FDI区域差异、国内投资区域区域差异和人力资本区域差异对技术进步区域差异的影响。从模型的固定效应模型回归结果不难看出:三个变量的回归系数都为正, 但只有变量dfdi和dh的回归系数显著。这说明我国中西部地区与东部地区FDI分布差异和人力资本分布差异对TFP区域差异都有显著的正效应, 但中西部地区与东部地国内投资分布差异对TFP区域差异没有显著的影响。究其原因可能是我国FDI和人力资本对技术进步存在正的溢出效应, 而国内投资却没有显著的溢出效应。变量dfdi的回归系数0.134较之变量dh的回归系数0.122略大, 这说明对技术进步区域差异的影响, 外商直接投资区域差异较之人力资本区域差异要更大。
从模型 (3) 的随机效应模型回归结果不难看出:各变量的回归系数为正且都显著, 这说明四种影响因素对我国区域经济差异都有正且显著的直接效应。对我国区域经济差异的直接影响中, 中西部与东部地区的FDI区域差异较之国内投资区域差异要小, 然而根据中介效应检验的结果可知:FDI区域差异不仅对我国区域经济差异有直接影响, 它还以技术进步区域差异作为中介对我国区域经济差异有间接影响。
4 结论与启示
随着我国国际贸易的日益频繁与及引入外资量的不断增加, 中西部与东部地区FDI区域分布差异对我国区域经济差异的影响已经不容忽视。为了分析FDI区域分布差异影响我国区域经济差异的具体机制, 本文利用我国29个省份1990—2006年的面板数据构建中介模型进行了实证分析, 并分别利用三种不同方法对TFP区域差异的中介效应进行验证。研究表明:FDI区域分布差异对我国区域经济差异有显著的正影响, 而且FDI的区域分布差异在直接影响了我国区域经济差异的同时, 还以TFP区域差异为“中介”显著地间接影响了我国区域经济差异, 即我国中西部与东部地区FDI区域分布差异对我国区域经济差异的形成不仅存在直接效应, 而且存在显著的中介效应。
本文实证分析所蕴含的启示是:外资引入量的日益增加, 确实促进了我国的经济发展, 然而外资区域分布的严重失衡也导致我国区域经济差异的扩大。要缩小由于外资区域分布差异造成的中西部与东部的区域经济差异, 促进我国区域经济的协调发展:一方面, 中央政府部门应采取适当的倾斜政策, 加强中西部地区基础设施建设, 改善投资环境, 以此鼓励更多的FDI流入中西部地区, 从而减少由于FDI区域分布差异而直接造成的我国区域经济差异;另一方面, 中西部地区地方政府也应采取相应措施, 努力提高当地学习及模仿先进技术的能力, 即提高当地的技术吸收能力, 从而减少由于中西部与东部地区FDI技术溢出效应差异而间接造成的我国区域经济差异。
圆柏果实空间分布特征观察 篇7
高等植物的花、花序、果实和种子, 甚至着生这些器官的生殖枝均可称为生殖构件。每种植物的生殖构件都有一定的分布格局和数量变化动态[1]。种子是种子植物进行有性生殖的最重要器官之一, 是联系上下代植物体的纽带。能否有足够的种子种群经散布后形成土壤种子库, 避开不良环境, 在适宜时机达到幼苗的建成, 为种群补充后代, 对种群的发展和壮大至关重要。文中通过对不同居群圆柏果实空间分布及数量的观察, 以分析不同生态环境条件下居群生殖能力与环境因子的关系, 为深入系统研究圆柏种群的生殖生态学特征提供理论基础。
1 圆柏的形态特征
圆柏 (Sabina chinensis L.) 为圆柏亚科圆柏属, 常绿乔木或灌木;幼树之叶全为刺形, 老树之叶刺形或鳞形或二者兼有;刺形叶常3枚轮生, 稀交互对生, 基部下延, 无关节, 上面凹下, 有气孔带;鳞叶交互对生, 稀三叶轮生, 菱形;高达20 m, 树冠尖塔形, 老时树冠呈广卵形。幼树枝条斜上展, 老树枝条扭曲状, 大枝近平展;小枝圆柱形或微呈四棱;冬芽不显著。雌雄异株, 少同株。球果当年、翌年或三年成熟, 珠鳞发育为种鳞, 肉质, 不开裂;种子1~6粒, 无翅;子叶2~6枚。原产于我国内蒙古及沈阳以南, 南达两广北部, 西南至四川省西部、云南、贵州等省, 西北至陕西、甘肃南部均有分布。西藏有栽培, 朝鲜、日本也有分布。
圆柏属于喜光树种, 较耐荫。喜凉爽温暖气候, 忌积水, 耐修剪, 易整形。耐寒, 耐热。对土壤要求不严, 能生长于酸性、中性及石灰质土壤上, 对土壤的干旱及潮湿均有一定的抗性, 以在中性、深厚而排水良好处生长最佳。圆柏是最适应干旱环境的, 在干旱地区, 它们常取代其他植物。圆柏作为重要的园林绿化树种, 具有良好的适应性, 寿命长, 可达百年以上。对多种有害气体有一定抗性, 是针叶树中对氯气和氟化氢抗性较强的树种。对二氧化硫的抗性显著胜过油松。能吸收一定数量的硫和汞, 阴尘和隔音效果良好。具有重要的景观生态功能、环境效益和资源价值, 目前在山西园林绿化、荒山绿化、高速公路绿化等方面广泛应用。
2 实验材料与方法
2.1 样本所在区域的自然条件
研究地区太原市, 该市冬冷夏热, 年均气温为10℃左右, 一月均温5.1~-8.0℃, 七月均温23℃。年降雨量420~457 m L。
研究所涉及的圆柏居群分别位于楼前、广场旁, 在调查各样点雌、雄株花序空间分布及开花传粉规律的基础上, 调查各样点果穗空间分布特征。
2.2 样树及样地情况
对样地内圆柏进行测量, 确定样树的性状、树高、冠幅和胸径。挂牌标记 (见表1) 。
2.3 观察方法
将每株树均按东西南北4个方向, 平均分为上、中、下3个层次, 里外两层, 对果实空间分布观察。以分析不同地点的圆柏果实空间分布特征。
3 结果与分析
3.1 果实在树体的分布观察
3.1.1 圆柏果实空间分布特征分析
每样株按东西南北分, 南侧果实量>东侧果实量>北侧果实量>西侧果实量, 表现为南侧果实量最高, 西侧果实量最低。
植物只有在一定的光照下才能够正常生长。光照条件不但影响树的生长, 还影响枝条、花和叶片的质量, 从而影响果实分布。在树体光照良好的方向果实量远多于光照时间短、气温偏低的方向, 所以圆柏雌树果实量的多少与光照有一定关系。
3.1.2 圆柏果实层次分布特征分析
每样株按上、中、下3个层次进行平均分, 中层果实数>上层果实数>下层果实数, 表现为树冠中层果实数高于上、下层。
果实分布与花序在树冠上分布规律相一致, 即树冠中层花粉分布最多, 上层居中, 下层最少。对于树体上、中、下部而言, 越接近人体高度, 刺形叶越多, 雄球花生长量越少。这是由于当圆柏下部人来人往, 致使外界生长环境不良, 以防止外界损害因而多生长为刺叶, 刺叶雄球花量少于鳞叶, 所以树体下部花量较少亦为行道树下部花量少。因此下层结果数最少。
3.1.3 圆柏果实里外分布特征分析
每样株按里外两个方向分, 外层果实数>里层果实数, 表现为树冠外层果实数高于里层。
这种结果也是由于光照的原因, 外层接受的光照较里层多, 因此外层结果量多于里层。
3.2 不同居群中样株果实量的比较分析
果实中种子产量高低与授粉、花粉萌发及花粉管伸长、受精和胚胎发育的整个过程密切相关[2]。由于果实从花芽分化到成熟要经历漫长的发育过程, 因而容易受到不良气候、生态和生理等因素的影响, 并危及生殖器官的正常发育[3]。光照条件、土壤水分、土壤有机质、周围环境条件栽植密度对果实数、坐果率有综合影响。楼前圆柏的果实数>广场旁圆柏果实数。周围小环境对花序分布也有非常重要的影响。
圆柏种植在楼前, 楼体对冬季的西北风有一定的阻碍作用, 圆柏南面没有大型建筑物, 而种植有雪松、泡桐等树木, 夏季可以适当降温, 所以该树所生长的小气候良好, 不会过于炎热或寒冷, 适宜圆柏生长, 所以果实分布较为规律。
树位于广场南北道上, 周围种植有丁香、珍珠梅等。树体西面种植大量毛白杨, 东面、南面、北面还有近同等高度的圆柏, 树体受到周围环境影响较大使该树一部分处于阴影中, 致使光线不充足、温度偏低, 所以该树结果量少。
4 圆柏果实空间分布特征实验的讨论与结论
4.1 果实分布特征及其影响果实分布的因素
裸子植物要实现种的繁衍, 必然要经历开花、传粉、受精、胚胎发育和果实形成这几个密切相关的过程。花、果、种子在树冠上的分布自然体现了植物生殖过程适应环境条件的生殖策略。圆柏果实在树冠上的分布, 实质上反映了种子在树冠上的分布规律, 均表现出与花序在树冠上分布规律相一致, 即树冠中层果穗、种子量最多, 上层居中, 下层最少。这与胡杨种子主要分布于树冠上部略有不同。树冠东西南北南相比较, 南侧果实量>东侧果实量>北侧果实量>西侧果实量, 光照影响花的成果率及其果穗量在树冠各层次上的分布比例, 进而影响树冠各层次上的种子量。单株果实大部分分布在树冠的中层, 除与雌花主要分布在树冠中层有关之外, 还与中层花占据开花、传粉的有利时间及空间有很大的关系[4]。对圆柏雄花物候的观察结果表明, 雄花在树冠上的开放次序均是从顶部向基部依次开放, 因此树冠中层的雌花即便是还没有发育成熟, 具有较大表面积的雌花柱头在时间上也是最早能够接受到花粉的, 即使是遇到了低温等恶劣的气候, 5~6 d的花期也足能保证接受到雄树中层花粉而顺利完成受精作用;但上、下层依次开放的雌花这种竞争优势就较低, 这可能是上、下层花的成果率较低的原因之一。此外, 圆柏雄花序主要集中于树冠中部。花粉浓度的方位与主风方向有关, 在树高范围内, 花粉浓度有由下至上增加的趋势, 当大气相对湿度低于75%, 风速大于3 m/s, 花粉易散出, 也易抬升。并且, 占据较高花位的雌花可减少其他树冠对传粉的屏障作用, 从而易接受来自各个方向的花粉, 以保证较高的受粉受精效率。同时, 树冠中上层的雌花在完成受精作用进入果实发育阶段, 对光及营养物质的需求也具有最大的竞争优势, 这可能是下层花的成果率较低的另一个重要原因。其次是气候条件的变化、地下水位和土壤含水量低以及林分密度大、营养竞争等因素综合作用的结果也会影响果穗在树冠各层次的比例。
4.2 果实数量特征及其对环境的适应
植物在其生活史中, 总是对外界环境做出不同的响应, 进而改变其生理生态特性, 以维持和扩大种群[5], 从植物果实的生殖策略来看, 主要表现为3个方面, 一是果实数量和质量的变异, 二是种子大小的变异, 三是种子数量的变异。
从同一种的不同层次来看, 圆柏各层次间上中下果实量差异显著, 单株种子量相应发生改变。
从同一种的不同方向来看, 圆柏各个方向东西南北果实量差异显著。
从同一种不同居群间来看, 不同环境中的圆柏结果量也不同。
5 结束语
通过对圆柏果实空间分布特征进行分析研究, 研究结果如下。
1) 圆柏果实在树冠上的分布, 均表现为树冠中层最多, 上层居中, 下层最少, 这与雄花在树冠上的分布、花粉云的密度、果实发育对光及营养物质的需求有关。
2) 同一个种不同居群间比较, 圆柏各居群间单株果实数差异显著。通风、能见着光、未铺装的地点果实量明显居多, 这表明圆柏果实数量性状, 易受环境条件的影响。
3) 圆柏果实主要分布在树体的表面, 这于光照有一定关系 (见图1、图2) 。
4) 圆柏果实着生部位。果实着生于鳞形叶、刺形的叶腋间, 而且生长在鳞形叶腋间的多 (见图3、图4) 。
参考文献
[1]王健, 魏刚, 刘昌迎, 等.银杏枝、花、种子在树冠上的分布格局及其相互关系研究[J].应用生态学报, 2000, 11 (2) :185-189.
[2]刘建平, 周正立, 李志军, 等.胡杨、灰叶胡杨果实空间分布及数量特征研究[J].2005, 25 (3) :336-343.
[3]张华新, 沈熙环.林木种子园生殖系统研究进展[J].林业科学, 2002, 38 (2) :130-134.
[4]张艳敏, 魏岩, 严成.亚麻叶碱蓬的物候及结实格局[J].新疆农业大学学报, 2010, 33 (3) :187-191.
安徽地区闪电时空分布特征 篇8
1 安徽省闪电监测系统概况及资料来源
本文所用到的闪电资料采用安徽省LD-Ⅱ型闪电定位系统2007-2009年的完整原始闪电记录。由于原始记录数据全部是由大量的TXT文本组成, 需要处理大量的文本数据。本文选择Matlab软件进行编程, 然后对闪电资料进行统计分析。
2 安徽地区闪电时空分布特征分析
2.1 闪电频数的时间分布特征
对2007-2009年的闪电资料进行处理等到每个月的平均闪电频数, 图1给出了安徽地区的闪电频数年分布图。由图1可以看出, 正闪和负闪呈典型的单峰值分布, 都在7月达到最大值, 所占比例分别为全年的32.1%和40.0%。正负闪电大多发生在夏季, 在冬天发生闪电最少。负闪占总闪电的比例最大, 达到了96.9%, 并与总闪电的分布特征基本相同, 而正闪极少发生。
由图2可以看出闪电的日变化呈现出双峰分布, 主峰值在16:00, 次峰值在06:00;闪电集中分布在12:00-21:00, 其他时辰闪电频数较少。
2.2 闪电频数和强度的空间分布特征
利用2007年-2009年的闪电定位资料, 结合安徽的边界地图, 利用suffer软件绘制出安徽地区的闪电密度分布图和闪电强度分布见图5、图6。
由图3可看出, 安徽地区的平均雷击大地密度在2~8次/ (km2·a) , 极大值位于六安境内, 其闪电密度达到了15次/ (km2·a) ;还有其他高值区散落于阜阳、巢湖和安庆境内, 都达到了10次/ (km2·a) ;闪电低发区主要位于萧县与砀山境内。由图4可看出安徽大部分区域的平均雷击强度在5~85 k A, 最大可达到185 k A, 雷击强度相对较大的区域位于巢湖、马鞍山一带。
2.3 闪电强度时间分布规律
分别统计2007年1月1日-2009年12月31日期间各月的所有闪电强度样本, 制成方框-端须图, 如图6所示。假定闪电强度数值呈准正态分布, 在每个长方框的上下端, 代表准正态分布两端占样本总数25%个例的闪电强度数值 (平均) , 方框里的黑线代表占样本总数50%个例的闪电强度数值 (平均) , 方框中的“□”表示样本均值, 从长方框上下端延伸出的粗黑线的端点, 代表占样本总数5%个例的闪电强度数值, “×”代表占样本总数1%个例的闪电强度数值, 最下端和最上端的短线“-”表示该月份所有闪电强度样本的最小值和最大值。
由图5可以看出:闪电强度值相对比较集中, 主要集中在5~200 k A, 超过50%的样本分布在20~100 k A;各月平均闪电强度在50 k A左右, 平均闪电强度无明显的年变化规律。
由闪电强度的分布特征可以看出, 与闪电频数不同, 闪电强度随时间的分布无明显规律, 一年中各月各时次均有可能发生强闪电, 但由于闪电集中发生在6-8月的12:00-21:00, 因此该时段内强闪电出现频数很高。
3 结论
安徽地区的闪电活动规律具有明显的季节性特征, 夏季的6-8月是闪电活动的高峰期, 其次是春季的4、5月份;秋季和冬季闪电活动最弱。
闪电活动具有明显的日变化特征, 闪电活动主要发生在每天的12:00-21:00, 其他时辰闪电频数较少。
安徽地区的平均雷击大地密度在2~8次/ (km2·a) , 极大值位于六安境内, 其闪电密度达到了15次/ (km2·a) ;还有其他高值区散落于阜阳、巢湖和安庆境内, 都达到了10次/ (km2·a) 。
闪电强度无年变化特征, 一年中各月都有可能发生强闪电。各月闪电平均强度在50 k A左右, 平均闪电强度无明显的年变化规律。由于闪电集中发生在6-8月的12:00-21:00, 因此该时段的强闪电频数最高。
摘要：利用2007-2009年安徽省闪电监测定位仪系统资料, 对安徽地区闪电活动的时间和空间分布进行统计分析, 发现安徽地区的闪电活动规律具有明显的季节性特征, 夏季 (6-8月) 是闪电活动的高峰期, 其次是春季 (4-5月) ;闪电活动具有明显的日变化特征, 闪电活动主要发生在每天的12:00-21:00, 其他时间闪电频数较少;安徽地区的平均雷击大地密度在28次/ (km2·a) , 极大值位于六安境内, 其闪电密度达到了15次/ (km2·a) ;各月闪电平均强度在50 k A左右, 平均闪电强度无明显的年变化规律。这些闪电特征值可以为雷电防护与雷电灾害评估提供一些理论参考。
关键词：安徽地区,闪电定位仪系统,闪电分布特征
参考文献
[1]Orville, Haffines.国外雷电监测和预报研究[M].彭治班, 冯桂力, 宛霞, 等, 译.北京:气象出版社, 2003:26-33
[2]朱传林, 杨仲江, 陈翔翔, 等.2006-2009年南京地区闪电活动分布特征[J].南京信息工程大学学报:自然科学版, 2012, 4 (3) :248-253
[3]王学良, 黄小彦, 刘学春, 等.2006-2007年湖北地区云地闪电时空分布特征分析[J].暴雨灾害, 2008, 27 (4) :359-362
分布区域特征 篇9
在人们的印象中, 西安市的工业经济在全省各市中一直占据“老大”地位, 然而数据显示, 其地位正受到挑战:2009年, 陕西省各市工业增加值排序中, 榆林市全年完成工业增加值824.8亿元, 位居第一;西安市完成工业增加值725.33亿元, 位居第二, 延安市完成工业增加值483亿元, 位居第三;其后分别是宝鸡市和咸阳市。
业内人士指出, 榆林市近两年工业增加值之所以能够位居全省第一, 在于其能源化工产业的迅猛发展。榆林能源化工基地建设始于上世纪90年代末, 以榆林经济开发区和神府经济开发区为龙头, 坚持“煤向电力转化, 煤电向载能工业品转化, 煤、油、气、盐向化工产品转化”的总体思路, 引进和建成了一批重大能源化工项目。以国华煤电一体化、兖矿煤制油、新兴DMTO、沙索煤液化等为代表的项目都取得了实质进展, 促进了资本、技术、人才快速向基地聚集。
10多年来, 榆林能源化工基地投资累计完成1000多亿元, 形成了以煤炭、石油、天然气、岩盐采掘为基础, 以电力、化工、建材为主导的产业体系, 同时, “三个转化”已见成效, 初步形成了循环型能源化工工业体系。
同样地处陕北地区的延安市, 自上世纪90年代末大力发展能源工业, 制定一系列优先发展石油、煤炭等能源工业的方针、政策, 集中一切力量, 加大投资, 滚动发展, 使石化、煤炭等能源工业异军突起, 一跃成为延安经济的支柱产业和财政收入主要源泉。延安的工业增加值也从2001年开始超过关中工业重镇宝鸡市, 稳居全省第三位。