煤炭资源型城市转型模式研究：以徐州贾汪区为例

煤炭资源型城市为我国经济发展提供了重要的资源和能源支持,研究资源型城市转型的经验模式对调整区域经济结构、确保社会稳定和改善生态环境具有重要的实践意义。本文采用文献综述法和实证分析法,研究我国东部煤炭资源枯竭型城市转型所面临的共性难题,并以徐州贾汪区转型探索经历为例,总结城市转型的"徐州贾汪区模式",主要包括放大正向外部效应、长期坚持矿地融合、大力建设矿区社会生态系统恢复力三条路径。研究结果表明,煤炭城市转型发展的共性问题相互联系、相互影响,是一个系统性难题,必须引入系统性思维。我国东部矿区普遍人口密集,农业发达、沉陷积水是最主要的共性特征,煤炭开采产生的社会问题、经济问题、生态问题、环境问题基本相同,转型发展模式值得互鉴。     

中医学视角下城市物质空间的生命要素探析

通过借鉴中医学整体观和生命观的相关理论,从认识城市有机体的生命属性入手,发现并提炼能够产生和传递城市运营所需各种能量的生命要素:廊道和功能体。阐释了其多层级、多性质和多形态的特点,提出了功能体有动力、廊道成系统、敏感点有活力的疏通策略,旨在促进城市各种能量的有机循环,从而维护城市的健康与安全,提高城市生活的效率与质量。     

有植被的河道水流紊动特性模型试验研究

通过物理模型试验,研究了有植被的河道水流紊动特性.试验结果表明,在复式断面河道滩地种植柔性植被后,滩地糙率增大,水流紊动更为剧烈,河道水流紊动强度峰值由原先的滩槽交界区转移到滩地区.滩地的水流紊动强度沿程递减;滩槽交界区的水流紊动强度沿程不断增大;主槽的水流紊动强度主要与床面糙率有关,滩地植被影响了滩地水流的归槽时间,使主槽水流流速沿程增大.     

道路交通管理:城市交通可持续发展的瓶颈

城市道路交通管理正在成为制约城市以及城市交通可持续发展的一个瓶颈。讨论、界定和辨析了城市道路交通管理的相关理论 ,并分析了当前城市道路交通建设与管理中存在的主要问题 ,在此基础上对未来城市道路交通管理及其发展战略提出了相应的对策和建议。     

海河流域河道外生态需水研究

水土流失是海河流域较为突出的生态环境问题之一。经对比研究发现，植被覆盖度的变化会通过影响洪充量，土壤侵蚀量等因子，进而改变水土流失的状况。从提高植被覆盖度尤其是低覆盖度草地植被的角度出发，定量研究了为改善流域水土流失状况河道外生态需水的具体数额，得出海河流域现状年河道外生态耗水（降水）385亿m^3。另外，为改善河道外生态环境状况将低覆盖度草地提高地提高至中等覆盖度水平，则需要增加生态需水12．5亿m^3。     

可持续发展战略指导下的轨道交通规划与评价

提出了轨道交通规划与评价在实施可持续发展战略过程中需要研究的问题，研究重点是轨道交通规划与评价方法体系和环境对策，研究了轨道交通规划目标的变化、轨道交通规划优化决策理论与方法、轨道交通规划中的环境影响评价、城市轨道交通网络的合理规划、城际轨道交通——客运专线/高速铁路线路基本走向的规划、轨道交通规划可持续发展的评价指标体系概念框架、轨道交通系统可持续发展的能力建设问题等，并通过实例验证了所建立的理论方法体系和模型体系；不仅进行了有关理论和方法的探讨，而且以面向实际应用为目标，开发了相应的软件系统，为轨道交     

城市交通管理规划的评价体系

介绍了几种城市交通管理规划的评价体系，分析了常见的综合评价分析方法，并比较其适用对象，从而为综合评价方法的选择提供依据。     

美国国家公园申报准则及审议程序

本文所讲述的是美国国家公园服务中心在评估申请提案、制定审查方案过程中所应用的各种标准和准则 ,同时也列出了一些认识、保护未列入国家公园体系中其他重要资源的途径和方法。     

充分关注水质科学保障饮水安全

从我国饮水安全的现状入手，分析城乡饮水安全存在的问题，强调保障饮水安全是构建和谐社会的必然要求和水利工作的切实要务。从加强监测、科学规划，加强关键技术研究及推广应用，保护水源地、修复水环境，建立合理的体制与机制四个方面提出了做好保障饮水安全工作的建议。     

Hyperion, IKONOS, ALI, and ETM+ sensors in the study of African rainforests

The goal of this research was to compare narrowband hyperspectral Hyperion data with broadband hyperspatial IKONOS data and advanced multispectral Advanced Land Imager (ALI) and Landsat-7 Enhanced Thematic Mapper Plus (ETM+) data through modeling and classifying complex rainforest vegetation. For this purpose, Hyperion, ALI, IKONOS, and ETM+ data were acquired for southern Cameroon, a region considered to be a representative area for tropical moist evergreen and semi-deciduous forests. Field data, collected in near-real time to coincide with satellite sensor overpass, were used to (1) quantify and model the biomass of tree, shrub, and weed species; and (2) characterize forest land use/land cover (LULC) classes.The study established that even the most advanced broadband sensors (i.e., ETM+, IKONOS, and ALI) had serious limitations in modeling biomass and in classifying forest LULC classes. The broadband models explained only 13-60% of the variability in biomass across primary forests, secondary forests, and fallows. The overall accuracies were between 42% and 51% for classifying nine complex rainforest LULC classes using the broadband data of these sensors. Within individual vegetation types (e.g., primary or secondary forest), the overall accuracies increased slightly, but followed a similar trend. Among the broadband sensors, ALI sensor performed better than the IKONOS and ETM+ sensors.When compared to the three broadband sensors, Hyperion narrowband data produced (1) models that explained 36-83% more of the variability in rainforest biomass, and (2) LULC classifications with 45-52% higher overall accuracies. Twenty-three Hyperion narrowbands that were most sensitive in modeling forest biomass and in classifying forest LULC classes were identified and discussed.