2015—2019年冬季黄河流域中游大气污染物空间分布特征

本文基于2015—2019年冬季黄河流域中游地区（山西段和陕西段）6种大气污染物的浓度数据,研究了黄河流域中游冬季大气污染物的变化特征。研究结果表明,2015—2019年黄河流域中游地区,PM₁₀和CO浓度持续降低,O₃浓度持续升高,PM_2.5、SO₂及NO₂平均浓度呈先上升后下降的规律。2019年主要污染物NO₂、CO、PM_2.5、PM₁₀及SO₂浓度均最低;2019年冬季O₃平均浓度达到最高（54μg/m³）。研究地区下游的PM_2.5浓度高于上游,且沿黄河由北向南其浓度逐渐增加,黄河东侧山西段的PM_2.5浓度高于西侧陕西段。研究区域PM₁₀污染浓度由2015—2016年的黄河东侧高西侧低转变为2017—2019年上游低下游高的分布特征。SO₂浓度呈黄河东岸比西岸高的分布。NO₂高值区域从2015—2017年黄河西侧下游地区变为2018—2019年中上游地区;CO平均浓度高值区域位于黄河东侧下游地区;O₃浓度空间分布特征不明显,但近5年浓度大幅增加,需要加强对臭氧的防控。     

2000年—2018年中国和印度的长期PM2.5污染暴露的疾病负担研究

PM_2.5作为空气污染物，对人体健康构成了潜在威胁。中国和印度是全球人口最多的两个发展中国家，PM_2.5污染造成的疾病负担问题尤为严重。因此，本文基于长时间序列高分辨率(0.01°×0.01°)卫星反演的PM_2.5浓度数据，分析了中国和印度19年(2000年—2018年)的PM_2.5时空格局变化和人口暴露情况；基于综合暴露响应模型全面评估了两个国家因PM_2.5长期暴露导致的6种疾病(急性下呼吸道感染、慢性阻塞性肺病、二型糖尿病、缺血性心脏病、肺癌和中风)的过早死亡人数。结果表明，中国PM_2.5浓度的高值区集中在新疆、四川盆地、华北平原以及长江经济带等地区，年人口加权浓度总体呈减少趋势(2000年为50μg·m^-3,2018年为40.8μg·m^-3)；印度PM_2.5浓度的高值区集中在北部地区，年人口加权浓度一直呈上升趋势(2000年为51.5μg·m^-3,2018年为76...     

中国重点区域PM2.5时空变化分析与预测

在我国工业化和城市化迅速发展的背景下,细小颗粒物PM_2.5污染已经成为当前主要空气污染物。本文使用基于Python编程语言的网络爬虫技术获取了中国京津冀、长三角、珠三角3个重点区域的PM_2.5日均值数据,分别基于Excel软件和ArcGIS软件进行PM_2.5时空变化特征分析。最后,通过建立分数阶累加灰色预测模型对北京市2018年PM_2.5月均值浓度进行预测。结果显示:1)时间上,我国PM_2.5浓度表现为“冬高夏低”的“U”形变化趋势;2)空间上,我国PM_2.5浓度整体表现为由南北地区向中部地区PM_2.5浓度逐渐增加;3)分数阶GM(1,1)模型对PM_2.5月均值浓度数据的预测精确度较高,结合预测结果可从长期或短期提出PM_2.5污染治理的措施建议。     

基于深度学习的中国连续空间覆盖PM2.5浓度预报

实现全国连续空间覆盖未来小时尺度的PM_2.5浓度实时、高精度预报是一个难题。本文建立基于深度学习的多层长短期记忆迭代模型和改进的空间反向传播神经网络S-BPNN模型来实现全国小时尺度PM_2.5浓度的空间预报。首先,研究基于空间相关性将全国1286个空气质量监测站点在空间上进行自适应分区,并对各个分区分别构建多层LSTM迭代预报模型实现未来24 h各个监测站点的PM_2.5浓度的实时预报。其次,应用改进的S-BPNN空间化模型实现未来24 h全国连续空间覆盖的PM_2.5浓度精细化制图。然后,利用2016—2019年中国PM_2.5监测站的历史数据进行训练和验证,结果显示预报模型和空间化模型的相关系数R²分别为0.88和0.87,表明模型都能实现较高的精度。最后,基于提出的预报模型和空间化模型,辅助从监测站实时获取的大气污染数据和气象数据,通过搭建的大气污染物浓度预报智能化在线信息原型系统可实时发布预报结果并可进行空间化展示。研究实现了全国连续空间覆盖的PM_2.5浓度高时空精度的实时预测,以支持大气污染联防联控和公众环境空间质量信息服务。     

土地利用视角空气污染空间分异的地理分析

针对土地利用/覆盖（land-use and land-cover,LULC）方式是否影响城市空气污染空间分异特征形成的问题,利用遥感技术和景观生态学方法分别获取长株潭城市群核心城区LULC及其景观格局,绘制空气污染物浓度与气象影响因子空间分异图,引入地理探测器定量分析土地因子在融合气象要素前后对NO₂、PM₁₀、O₃、PM_2.5浓度空间分布差异的贡献强度。结果表明,建设用地面积比例越高,林地越低,NO₂、PM_2.5浓度越高,O₃越低。非建设用地区域,污染物浓度随着土地景观格局破碎度、多样性指数值增大而升高,建设用地区域反之。LULC和土地景观格局的复合因子贡献力（P0.03~0.28）高于两者任意单独因子贡献力（P:0.01~0.11）,融合气象要素后,LULC对空气污染物空间分异特征形成的因子贡献力（P:0.18~0.53）显著增强。     

基于GNSS的空间PM2.5检测系统设计及应用

针对PM_2.5浓度空间检测难度大、传统检测设备灵活性低下等缺点,提出了基于GNSS的空间PM_2.5检测系统.系统包括主控、PM_2.5传感器、GNSS定位模块、电源模块、数据记录模块、4G网络模块等部分,在工作过程中可同时获得位置信息和PM_2.5浓度数据,并将两者进行匹配、保存及发送.该系统具有体积小、重量轻、灵活性好和使用方便等优点,大大拓展了空气质量监测的作业空间,提高了传统作业方式的灵活性,具有广阔的应用前景.      

基于集成学习方法的中国近地面臭氧浓度时空分布

自2013年大气污染防治行动以来，PM_2.5、PM₁₀、SO₂、NO₂等空气污染物浓度都有不同程度下降，但臭氧污染仍有上升趋势，臭氧污染已成为制约中国空气质量持续改善的关键问题。地基站点可以提供空间上特定点的臭氧浓度，但无法获得近地面臭氧连续的空间分布。由于臭氧大量分布于平流层，遥感卫星反演的臭氧柱浓度产品仅能反映整层臭氧柱浓度，但整层臭氧柱浓度与近地面浓度无明显相关性，因而无法体现近地面臭氧浓度。本文综合地基监测数据、再分析资料、卫星产品，采用不同的模型方法，得到近地面臭氧浓度的时空分布，结果表明集成学习方法可以准确估算近地面臭氧在空间上的分布状况和在时间上的变化趋势。本文对比了梯度提升回归树(GBRT)、极端随机树(ERT)、极端梯度提升器(XGBoost) 3种不同的集成学习方法在近地面臭氧污染估算的效果表现，3种集成学习方法在2019年—2020两年的十折交叉验证R2都在0.89以上，极端梯度提升器(XGBoost)方法在RMSE、MAE指标上有最好的表现，2019年—2020年两年的平均R...     

基于改进LUR模型的大区域PM2.5浓度空间分布模拟

针对采用传统土地利用回归（land use regression,LUR）模型进行大气污染物浓度模拟时预测变量信息损失的缺陷,将主成分分析（principle component analysis,PCA）与逐步多元线性回归（stepwise multiple line regression,SMLR）相结合,提出了一种改进的LUR（PCA+SMLR）模型模拟大区域PM_2.5浓度空间分布的方法。首先采用相关分析筛选与PM_2.5显著相关的预测变量,然后对筛选出的预测变量进行主成分变换（PCA）,最后保留所有主成分变量进行SMLR建立回归模型模拟PM_2.5浓度。并以京津冀为研究区域进行实验验证,对PCR、SMLR、PCA+SMLR这3种模型的实验结果进行对比分析,结果表明,PCA+SMLR模型可提高预测变量对回归模型的贡献度,调整后R2达0.883,并且其精度检验指标及制图效果皆优于传统的LUR模型,证明了该模型可有效提高PM_2.5浓度的模拟精度,对PM_2.5区域联防联控具有指导意义。     

区域CORS网在PM2.5监测中的应用研究

在雾霾频发的冬季大气可降水量PWV与大气污染物PM_2.5之间存在一定的关联关系，本文通过对河南地区CORS网的GNSS大气可降水量与PM_2.5之间的相关性进行分析并建立了实时监测模型。试验研究发现：河南地区冬季雾霾频发期大气可降水量PWV与PM_2.5之间存在着较强的正相关关系，通过建立的PM_2.5实时监测模型验证了可以依据大气可降水量PWV对PM_2.5进行实时监测，并取得了较为理想的结果，可以为当前进行PM_2.5监测提供一种新的参考。     

基于深度学习与随机森林的PM2.5浓度预测模型

针对PM_2.5浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘，而深度学习算法在数据较少情况下效果不佳的问题，综合考虑深度学习与随机森林的特点，提出一种基于深度学习与随机森林的PM_2.5浓度预测组合模型。模型以气溶胶光学厚度(AOD)遥感数据、气象再分析数据和PM_2.5地面观测数据构建训练数据集，通过深度学习方法对训练数据内部深层次隐含特征进行提取，将提取得到的隐含特征用于随机森林模型训练，并使用随机森林回归算法得到PM_2.5浓度的预测值。为验证方法的有效性，以河南省区域2018年—2019年的PM_2.5浓度估算为例，将原始特征与利用CNN、LSTM和CNN＿LSTM所提取特征共同构建的新特征分别通过随机森林回归、支持向量回归以及K近邻回归等3种传统机器学习方法进行训练和预测。实验结果表明，在较少数据情况下PMCOM模型无论是在整体预测还是在分季节预测场景下均具有较好的预测精度，其中以LSTM为特征选择器，RF为回归器的组合模型是本实验的最优模型，在即使只有35%...     

融合GNSS、ERA5、大气污染物的PM2.5浓度预测研究

冬春季节的空气质量预测有助于公众合理安排出行和政府相关部门的交通治理.细颗粒物(PM_2.5)的浓度主要影响因素有大气污染物、水汽等.为提高PM_2.5浓度预测的精度,以京津冀地区为例,利用快速傅里叶变换(fast Fourier transform,FFT)与长短期记忆(long short term memory,LSTM)神经网络方法相结合,考虑GNSS、ERA5水汽、大气污染物等观测要素,构建PM_2.5的浓度预测模型,预测研究未来24 h的PM_2.5的浓度.利用GNSS水汽校正区域ERA5水汽,并进行精度评定.利用FFT取大气污染物、第五代大气再分析产品(ECMWF atmospheric reanalysis 5,ERA5)水汽等观测要素的公共变化周期,获得最佳公共周期为78 h;选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM_2.5浓度作为模型输出.通过均方根误差(root mean square error,RMSE)评价指标进行模型精度评价.研究结果表...     

基于GEE的地表覆盖与气候状态关联研究

为探究地表覆盖与气候状态间的关联性,本文选取2019年的Landsat影像数据,结合温度、降水量、PM_2.5浓度3种气候指标,利用GEE平台,结合NDVI、MNDWI、NDBI,采用SVM、RF、CART方法进行地表覆盖分类,探究气候指标与地表覆盖类型分布的关联性;提出了使用3种气候指标构建分类特征进行地表覆盖分类的方法,并通过消融试验分析了气候指标对地表覆盖分类精度的影响。结果表明:①RF有较好的分类结果,总体精度为96.0%;②3种气候指标均能提高地表覆盖分类精度,其中PM_2.5浓度效果最好;③温度与植被、水体关联性较大,PM_2.5浓度与城区、植被关联性较大,降水量与耕地关联性较大。     

顾及背景知识的多事件序列关联规则挖掘方法

事件序列关联规则挖掘旨在发现序列中不同事件在邻近时间域内的相互依赖关系,对于理解事件间的交互作用机制具有重要意义。然而,当前事件序列关联规则挖掘方法忽略了序列中事件的分布特征,支持度与置信度阈值参数设置困难,进而造成了挖掘结果的冗余或遗漏问题。充分考虑序列中事件的固有分布特征,定义了新的规则度量指标,并给出了一种顾及背景知识的多事件序列关联规则挖掘算法。实验结果表明,与当前经典的MOWCATL算法比较,此方法挖掘结果更加准确,且规则度量指标间的一致性更好,可有效改善挖掘规则冗余或遗漏问题。应用此方法对2013年冬季北京市PM_2.5浓度与气象因素的多序列进行挖掘,发现PM_2.5浓度与空气相对湿度的联系最为紧密,高湿、低温和弱风环境最容易导致高浓度PM_2.5的形成。     

基于GNSS的北京地区水汽含量与雾霾浓度的相关性分析

介绍了利用GNSS观测数据反演大气可降水量PWV的相关原理，分析了北京地区春、夏、秋、冬时节的可降水量、天顶干延迟ZHD与雾霾浓度PM_2.5的相关性，通过分析发现北京地区不同季节的PWV、ZHD与雾霾浓度PM_2.5的相关性表现出较大的差异性，冬季的相关性最强，春季和秋季的相关性次之，夏季的相关性最弱。通过试验分析，笔者认为利用GNSS反演获得的PWV、ZHD等气象数据在一定程度上可用于雾霾灾害天气的监测和预警。     

2016年四川省PM2.5浓度时空分布研究

PM2.5导致大气能见度下降,造成雾霾天气.本文基于2016年四川省89个空气质量监测站的PM2.5数据,对2016年四川省PM2.5浓度时空分布特征进行研究分析.结果表明,2016年四川省PM2.5浓度空间分布呈现出西北部PM2.5浓度较低、空气质量较好,东南部PM2.5浓度较高、空气质量较差的趋势;时间分布呈现夏季PM2.5浓度较低、空气质量较好,冬季PM2.5浓度较高、空气质量较差的趋势,从而得出四川省PM2.5浓度时间和空间分布规律及分布图.     

黄河流域七大城市群污染气体时空变化特征卫星遥感监测

为探究黄河流域大气污染的时空演变特征,本文从城市群角度出发,选取HCHO、NO₂及SO₂为诊断指标,对比分析2005—2019年七大城市群OMI观测对流层HCHO、NO₂及边界层SO₂柱浓度的年、季、月变化。研究揭示,流域内：①HCHO、NO₂及SO₂柱浓度高值区均集中在山东半岛城市群、中原城市群、晋中城市群南部和关中平原城市群东部。②HCHO柱浓度在2005—2019年呈波动上升趋势,七大城市群的月变化均呈单峰结构,且夏季高、冬季低、春季和秋季相当。③NO₂柱浓度在2005—2011年呈上升趋势,仅2008年出现短暂小幅下降。2011年执行《火电厂大气污染物排放标准》（GB 13223—2011）后,呼包鄂榆、宁夏沿黄和晋中城市群开始大幅下降,山东半岛（2012年有小幅下降）、中原和关中平原城市群则在2013年《大气污染防治行动计划》实施后才开始大幅下降。月变化呈开口向上抛物线形态,浓度越高单峰结构越明显,且冬季高、夏季低、春季和秋季相当。④SO₂柱浓度在2007年达到顶峰,2008年开始大幅下降,2010年后呈波动下降趋势,月变化、季变化均与NO₂相似。黄河流域上游的兰西和宁夏沿黄城市群、上中游交界处的呼包鄂榆城市群空气质量较好,中游的关中平原和晋中城市群次之,中下游交界处的中原城市群和下游山东半岛城市群则较差。     

建筑点群在城市3维形态量化中的应用

利用将建筑实体进行高度抽象，提出了建筑点群，以GIS的空间分析理论为依据，通过实体高度、起伏度、空间聚集度三个指标对城市的3维形态进行量化与分析。选取南京市主城区为实验样区，提取该区域的建筑点群，用三个指标对实验样区内3维形态的空间分布格局和时间发展特点进行定量分析与描述。实验结果证明，这三个指标从不同角度分析了建筑实体在区域内的组合方式，能够在一定程度上反映城市3维形态的基本特征，有助于对城市空间分布格局及城市历史演变过程的研究。     

杭州城区土地利用类型对PM2.5浓度影响分析

针对PM2.5质量浓度空间分布的季节性差异与土地利用分布的定量关系问题,该文以浙江省杭州市为实验区,收集PM2.5质量浓度实测数据和MODIS气溶胶光学厚度(AOT)遥感数据,并对AOT进行标高订正和水汽校正,建立了PM2.5质量浓度和AOT的回归模型,通过模型得出了杭州市各季节的PM2.5质量浓度空间分布图;在此基础上,进一步分析了杭州市PM2.5浓度与土地利用类型(扬尘地表与非扬尘地表)之间的空间分布相关性。结果表明,杭州市2015年PM2.5质量浓度分布的季节性变化特征是冬季春季秋季夏季;建设用地和交通用地等扬尘地表对PM2.5的浓度贡献较大,特别是在冬季和春季两个季节。该研究结果对于认识空气中PM2.5的来源与时空分布特征具有一定的理论和实践意义。     

NPP卫星VIIRS微光资料反演夜间PM2.5质量浓度

为研究城市夜间PM_(2.5)质量浓度,利用NPP卫星上可见光红外成像辐射套件(VIIRS)DNB通道的微光辐射数据,以辐射传输理论为基础,建立了夜间城市灯光辐射强度与地面表层PM_(2.5)质量浓度的关系,并基于支持向量机方法建立了夜间城市PM_(2.5)质量浓度反演模型。以北京市作为研究对象,选取2015-03—2015-05期间无月、无云且晴朗夜空条件下4个PM_(2.5)监测站点的微光辐射数据与时空匹配的PM_(2.5)质量浓度数据对模型进行验证。研究结果表明:夜间城市灯光辐射强度与地面表层PM_(2.5)质量浓度呈现负相关性,相关系数最高的定陵站点达到–0.83。基于支持向量机方法建立的PM_(2.5)反演模型获得的PM_(2.5)质量浓度与实际PM_(2.5)质量浓度的相关系数达到0.95,反演结果较优,为进一步大范围监测PM_(2.5)质量浓度空间分布以及改善城市夜间空气质量状况评估方法提供了可行性参考。     

城市蔓延多尺度测度和时空差异研究

针对既有城市蔓延测度研究中测度单元和尺度单一的问题，该文通过构建本地化的加权城市扩散模型，以北京市为例，探究城区、城区缓冲区、市辖区等不同尺度对城市蔓延测度的影响，并在1 km²格网、区县、主体功能区等不同单元上分析2000—2020年的城市蔓延空间差异特征。结果表明：(1)2000—2020年，高度蔓延地区随时间变化不断向城区外围转移。其中，2000年城区尺度下的城市蔓延程度最高，而2010、2020年则变化为城区3 km缓冲区尺度；(2)城市蔓延受交通辐射影响较大，且高度蔓延地区由高速公路附近区域逐渐向环城市功能拓展区的区域演变；(3)中心城区蔓延程度呈现降低趋势，其中首都功能核心区中蔓延程度始终保持最低水平。该研究结果可为城市治理、城市更新与国土空间优化提供参考依据。