耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析

近年来,细颗粒物污染尤其是PM_2.5受到人们越来越多的关注,研究PM_2.5的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM_2.5分布规律。地面监测站的建设为PM_2.5的研究提供了更实时的观测数据,但由于测量噪声的影响,观测数据存在不准确的极端异常值。为了揭示中国PM_2.5的时空分布特征,本研究采用Kalman滤波对2015年中国338个城市的空气质量监测网络大数据进行最佳估计,并分析其时空特征。同时,根据中国各城市的PM_2.5浓度的时序分布,采用基于DTW的K-Medoids聚类方法将其分为4个等级,并采用q统计量来评估PM_2.5浓度分布的空间分层异质性。结果表明,采用Kalman滤波能有效去除数据噪声,峰值信噪比（PSNR）明显增大。在时空分布上,中国PM_2.5时间分布曲线呈现“U”形,冬季PM_2.5浓度明显高于夏季,且日变化曲线呈现“W”形;秋冬季PM_2.5浓度的空间分层异质性非常显著,且空间分布呈现“双核分布”,重污染区主要分布在华北平原、新疆等地,西藏、广东、云南等地是稳定的空气质量优良区。     

地表CO2浓度分布模拟试验及分析

如何获取CO₂浓度时空分布特征,是气候变化研究中的一个关键问题。本文基于中国碳卫星在吉林航飞试验区的地面观测数据,分析地表CO₂浓度与环境变量的相关关系,运用多元线性回归与HASM高精度曲面建模相结合的方法,模拟航飞区地表CO₂浓度分布格局。结果表明：CO₂浓度空间分布受气象条件的影响较大,短波辐射是影响CO₂浓度的重要因素;第1时段整体浓度最高,特别是在西部区域;第2时段CO₂浓度高值区东移,呈现西低东高的分布特点;第3时段浓度空间分布与第2时段有类似的特征,但细节存在差异,且高值区缩小;精度对比显示在采样点较少及采样密度不大的情况下,HASM方法的模拟误差小于Kriging方法。因此,这种使用多元线性回归模型通过引入环境变量获得高分辨率趋势面,结合HASM模型进行修正残差提高模拟结果精度的手段,可作为模拟地表CO₂浓度时空分布的有效方法。     

基于遥感数据和XGBoost算法的31个城市NO2、CO2浓度比率变化特征

研究城市二氧化氮(NO₂)与二氧化碳(CO₂)的共同排放水平对于实现城市减污降碳协同增效具有重要意义。NO₂与CO₂的人为排放具有同源性,二者的浓度比率可以体现城市的大气污染物和碳排放综合水平。基于XGBoost算法,利用对流层星载监测仪(TROPOMI)、轨道碳观测2号(OCO-2)和3号(OCO-3)卫星的遥感数据以及相关环境协变量,重构全国2019～2020年NO₂垂直柱浓度(X_NO2)和CO₂垂直柱浓度(X_CO2)的高分辨率数据集,并分析31个城市的X_NO2年均值与ΔX_CO2(X_CO2观测值与背景值之差)的比率(X_NO2/ΔX_CO2)变化情况。结...     

融合GNSS水汽、风速与大气污染物的河北省冬季PM2.5浓度预测研究

为提高PM_2.5浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM_2.5浓度预测模型,开展未来24 h的PM_2.5浓度预测研究。首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后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,分别以PM_2.5单要素的RBF神经网络和融合大气污染物、风速、GNSS水汽的LSTM神经网络构建PM_2.5浓度预测模型;最后利用实测PM_2.5浓度序列分别对2种模型开展外部可靠性检验,将RMSE和IA作为评价指标进行模型精度评价。研究结果表明,基于FFT-LSTM的PM_2.5浓度预测模型的RMSE和IA分别为16.22 μg/m³和84.36%,模型预测精度较好,可有效预测未来24 h的PM_2.5浓度,该模型可为大气污染防治部门空气质量预测提供参考。     

基于移动监测数据的不同城市场景下PM2.5浓度精细模拟与时空特征解析

城市内部PM_2.5浓度分布具有明显的空间异质性,而传统方法基于遥感数据或监测站点数据进行分析,难以揭示高时空分辨率下城市内部的PM_2.5浓度分布特征,缺少不同时刻城市场景（如：道路、工业区、住宅区等）对PM_2.5浓度复杂非线性影响的解析。本研究将移动监测传感器安装于快递车上,采集福州市主城区南部不同类型场景的PM_2.5浓度,然后融合地理加权回归（Geographical Weighted Regression, GWR）和梯度提升决策树（Gradient Boosting Decision Tree, GBDT）方法,提出一种基于GWR-GBDT的PM_2.5模拟与场景解析模型,能够较好地拟合气象、场景因素与PM_2.5浓度的非线性关系,提升了城市PM_2.5污染精细监测能力;并结合部分依赖图解析不同时段不同场景因素对PM_2.5浓度的非线性作用影响。结果表明：① 基于移动PM_2.5浓度监测数据,利用GWR-GBDT模型能够较好地模拟城市场景、气象和PM_2.5浓度之间的非线性关系,能够有效精细模拟PM_2.5浓度的空间分布,十折验证R²结果为0.52~0.94;② 通过部分依赖图分析同一场景在不同时段对PM_2.5浓度响应的异质性,发现各类场景对PM_2.5浓度提升或抑制作用并不稳定;③ 解析不同时段人类活动与城市场景对PM_2.5浓度的交互作用发现,教育医疗单位和住宅区两类场景对PM_2.5浓度的提升作用都与人类通勤有密切关系,高污染场景中的建筑工地在采取的洒水降尘措施后能在数小时内有效缓解PM_2.5污染,公园文体服务区在多数时段对PM_2.5浓度具有抑制作用,工业区和道路多数时段会致使对PM_2.5浓度提升;④ 从PM_2.5浓度的空间分布来看,福州市主城区南部PM_2.5浓度总体呈现东南高-西北低的分布趋势,建筑工地、道路和工业区场景轻度以上污染面积占比明显高于其他场景,公园场景总体PM_2.5浓度较低,山体公园傍晚会受到周边工业区的影响而导致PM_2.5浓度升高,而城市陆地外围水域对沿岸PM_2.5浓度具有抑制作用;⑤ 研究结果可为不同场景下PM_2.5污染精细化治理、城市规划以及老人、儿童等高危人群的PM_2.5污染暴露风险防范提供支持。     

基于LUR的二氧化氮浓度空间分布模拟及其下垫面影响因素分析

随着经济的快速发展,空气污染已经成为当今重要的环境问题,引起公众的广泛关注,二氧化氮（NO₂）作为主要的空气污染物之一,成为相关研究的重点。通过监测数据发现,二氧化氮质量浓度值的空间分布具有区域性差异,所以对其空间分布模拟,以及形成区域差异的下垫面影响因素分析,具有重要的研究价值。土地利用回归模型（Land-use Regression,LUR）是将统计方法中的回归模型与空间上的土地利用数据、监测数据和其他相关的地理数据结合分析并在地图上显示的方法。本文结合缓冲区分析、叠加分析、Spearman相关性分析、多元回归分析等方法构建土地利用回归模型（Land Use Regression,LUR）,用于识别与NO₂浓度相关的下垫面影响因素,并模拟NO₂质量浓度的空间分布。LUR模型可以模拟出NO₂质量浓度空间分布特征,并针对下垫面影响因素得到以下结论：城乡居住地及工业用地面积增加、污染源的距离减少和道路长度增加会导致NO₂浓度升高;耕地面积、绿地面积和水域面积的增加会导致NO₂浓度减少;NO₂浓度最高的区域主要集中在工业园区;NO₂浓度值从城区到郊区递减,需要通过改变工业区结构和增加绿地面积来减少城区的NO₂浓度。     

集成多源遥感数据的PM2.5浓度空间分布制图

针对传统地面稀疏站点监测PM_2.5浓度以点带面的缺陷,本研究拟借助多源遥感数据开展了地面大气细颗粒物PM_2.5浓度空间分布模拟研究。以京津冀地区2013年的年均、季均PM_2.5浓度模拟图为例,用简化的气溶胶反演算法（SARA）反演了 1 km高分辨率AOD,并结合高分辨率遥感提取污染相关地理要素,对研究区PM_2.5浓度空间分布进行地理统计模拟及优选。结果表明：① SARA算法反演的AOD与地基AERONET相关性达0.99,能准确地反映研究区AOD的时空分布特征;② 集成多源遥感数据的地理加权回归模型拟合度高（平均R²-0.66）,其空间模拟显示研究区平均PM_2.5污染南部城镇最重,中东部城区次之,西北山区较轻;③ 研究区PM_2.5污染程度高,全年平均模拟浓度高达75 μg/m³,在气候环境及主要污染源季节性差异驱动下,浓度分布季节性特征显著,冬季污染最严重,而夏、秋季相对较轻。该成果对于精细把握PM_2.5污染特征,指导污染防控具有重要意义。     

基于OCO-2卫星观测模拟高精度XCO2的空间分布

本文首次基于OCO-2卫星观测数据,采用高精度曲面建模（High Accuracy Surface Modeling, HASM）的方法来模拟大范围高精度的二氧化碳柱浓度（XCO₂）的空间分布。首先,探讨分析HASM方法应用于模拟OCO-2卫星观测XCO₂的空间分布的可行性。从2014年9月至2015年8月OCO-2观测的12个月的XCO₂数据中,分别随机选取其各个月90%的XCO₂数据用于空间插值,剩余10%作为精度验证点。自验证结果表明,12个月的平均绝对值误差为0.34 ppm。由此可见,HASM适用于模拟OCO-2卫星观测XCO₂的空间分布。然后,采用HASM对OCO-2在2014年9月至2015年8月的各个月观测数据进行空间插值,获取空间分辨率为0.5°×0.5°的各个月均值XCO₂的空间分布,同时基于地基观测TCCON( Total Carbon Column Observing Network)站的XCO₂数据对HASM模拟结果进行交叉验证。验证结果表明,HASM模拟的XCO₂与TCCON站对应观测数据相比,其平均绝对值误差为0.81 ppm,相关系数为0.88。因此,HASM在模拟OCO-2卫星观测的XCO₂空间分布上具有很大的优势。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

大气CO2浓度非均匀分布及其对地表升温影响的研究进展与展望

在气候变化和全球治理挑战日益严峻的背景下,CO₂排放及代价评估日益受到学术界和决策者的关注。当前全球范围包括联合国政府间气候变化专门委员会（IPCC）评估在内的几乎所有研究都是基于全球平均CO₂浓度来驱动气候模式的,但基于全球CO₂平均分布设定开展模拟影响评估在学术界多有争议。首先,综述了大气CO₂非均匀分布的证据,评述了大气CO₂浓度非均匀分布与地表升温过程的互馈机制。其次,从自然和人为2个维度,梳理了大气CO₂浓度非均匀分布形成的原因,并评估了其对地表升温的影响。最后,评述了当前大气CO₂浓度非均匀分布研究中存在的问题,进一步展望了其发展趋势,为把握全球与区域碳排放现状及气候变化影响提供科学判据。     

城市大气污染扩散GIS模拟分析--以福州市为例

以福州市为例,分析了GIS在环境模型研究中的主要应用范围;剖析了GIS与环境模型结合的三种层次。在 GIS技术支持下建立了城市点源和线源大气污染扩散模型,采用大气污染扩散模型与GIS的嵌入式的紧密集成技术,进行福州市大气污染扩散模拟,直接采用等值线的方式表达大气污染物在不同气象条件下空间分布模拟结果, 为城市大气污染源的管理和时空模拟提供了一个良好的可视化分析环境。模拟结果表明:2000年福州市区工业路附近区域与福新路附近区域出现SO2高浓度;湖东路、八一七路、福新路、六一北路围成区域出现NOx高浓度,为机动车污染严重的区域。污染物浓度分布与污染源的空间分布和排放量密切相关。     

基于GIS的多污染因子复合地面浓度场模拟与评价

针对工业大气多因子复合作用的污染物连续地面浓度分布和评价问题,提出了一种基于GIS的地面浓度场模拟和综合评价的新方法,该方法将大气污染物扩散高斯模式和大气质量综合污染指数评价模型在GIS中有机集成,实现了污染物分布空间信息的显示和分析。通过将此方法应用于某一化工厂污染源不同气象条件下污染扩散分析计算,结果表明此种方法简单实用,特别是对多污染因子复合作用的综合评价模型具有任意空间分辨精度,可以满足不同分级需求。     

葫芦岛市空气质量分析及其与暴雨的关系

针对暴雨对空气质量的影响的问题,结合葫芦岛市环境监测中心站2010年市区空气质量逐日监测资料与葫芦岛市气象局气象观测资料,采用空气污染指数和空气质量指数法,分析了葫芦岛市空气质量时间分布特征及其与暴雨的关系。结果表明,在影响葫芦岛市空气质量的主要3种污染物——二氧化硫(SO2)、二氧化氮(NO2)和可吸入颗粒物(PM10)中PM10为首要污染物;3种污染物变化趋势基本一致,都是夏季污染最轻,冬季污染最重,春秋两季居中;暴雨与污染物浓度变化有着密切的关系,4次暴雨过程所在日3种污染物浓度都较低,且在强降水过后第一天污染物浓度继续降低。     

Assessment of point and nonpoint sources pollution in Songhua River Basin,Northeast China by using revised water quality model

Individual participation of pollutants in the pollution load should be estimated even if roughly for the appropriate environmental management of a river basin. It is difficult to identify the sources and to quantify the load, especially in modeling nonpoint source. In this study a revised model was established by integrating point and nonpoint sources into one-dimensional Streeter-Phelps (S-P) model on the basis of real-time hydrologic data and surface water quality monitoring data in the Jilin Reach of the Songhua River Basin. Chemical oxygen demand (COD) and ammonia nitrogen (NH_3-N) loads were estimated. Results showed that COD loads of point source and nonpoint source were 134 958 t/yr and 86 209 t/yr, accounting for 61.02% and 38.98% of total loads, respectively. NH_3-N loads of point source and nonpoint source were 16 739 t/yr and 14 272 t/yr, accounting for 53.98% and 46.02%, respectively. Point source pollution was stronger than nonpoint source pollution in the study area at present. The water quality of upstream was better than that of downstream of the rivers and cities. It is indispensable to treat industrial wastewater and municipal sewage out of point sources, to adopt the best management practices to control diffuse pollutants from agricultural land and urban surface runoff in improving water quality of the Songhua River Basin. The revised S-P model can be successfully used to identify pollution source and quantify point source and nonpoint source loads by calibrating and validating.     

CALPUFF模型模拟结果的时空多维可视化表达

大气污染扩散模型数值模拟结果的时空多维可视化表达,能有效展示大气污染扩散空间分布,为快速高效辅助后期污染分析与应急决策提供重要的参考。CALPUFF模型能高效模拟污染物在大气环境中时空变化的扩散过程,而现有大气污染扩散模型模拟结果可视化表达普遍存在不能有效集成地理信息、缺失部分重要维度特征等问题。论文首先分析了CALPUFF模型,及其与组件式GIS紧密集成的技术方案,为模型模拟结果与地理信息集成提供了技术支持。然后,基于CALPUFF模型的数值计算模拟结果,详细研究了风场数据预处理及其矢量绘制方法,浓度场的数据预处理及其栅格渲染方法。在三维地形场景下,探究了大气污染物的时空扩散模拟可视化表达方法,给出了CALPUFF模型模拟结果与三维地形场景的集成表达策略。最后,通过组件式GIS,构建了福州市三维地形场景,以大气污染CALPUFF扩散模拟结果为例,在WPF系统框架下,实现了风场和浓度场的时空动态模拟和空间层级多维可视化表达。实验结果表明,本文所采用的时空可视化技术方案能将CALPUFF模型模拟结果,有效集成三维地形场景,实现模型模拟结果在时间维度上动态扩散和在空间维度上的层级分布,可为大气污染模拟结果的时空多维可视化提供参考。     

典型纳污坑塘周边地下水污染来源识别及其健康风险评估

以典型纳污坑塘(污水库)周边地下水水质监测数据为基础,在对区内地下水污染源进行分析的基础上,采用水环境健康风险评估模型,对区内地下水污染健康风险进行了系统评价研究.污染来源识别结果表明:纳污坑塘周边第Ⅰ、第Ⅱ含水层地下水污染严重,其污染源主要为坑塘内堆放的工业污水以及工业废渣.污染健康风险评估结果表明:8号坑附近第Ⅰ含水层中砷浓度以及北库南侧第Ⅱ含水层中1,2-二氯乙烷总致癌风险分别为10-2、10-3数量级,远超可接受风险水平10-6.不同含水层中污染物平均致癌风险大小关系为,第Ⅰ含水层:砷>1,2-二氯乙烷;第Ⅱ含水层:1,2-二氯乙烷>砷>1,1,2-三氯乙烷>四氯化碳.1,2-二氯乙烷等挥发性有机污染物4种潜在暴露途径的平均致癌风险大小关系表现为:饮用地下水>皮肤接触地下水>经室外吸入空气中气态污染物>经室内吸入空气气态污染物.相对于敏感用地,非敏感用地污染物的总致癌风险以及危害商较低.     

中国南方丘陵区非点源污染过程模拟研究进展

随着南方丘陵区开发利用强度的增大,氮、磷非点源污染和水体富营养化问题日益突出。由于流域尺度非点源污染过程的复杂性,难以建立大范围、重复可控的观测和实验环境,模型模拟成为非点源污染治理辅助决策的必要手段。已有学者对南方丘陵区非点源污染过程模拟开展了相关研究,但缺乏对已有成果及其存在问题的系统总结以及对下一步研究方向的分析探讨。本文首先分析了南方丘陵区非点源污染过程的机理,认为该地区的非点源污染过程模拟应满足多过程耦合、空间全分布式及考虑区域特点等要求;然后,对南方丘陵区非点源污染过程模拟研究现状以及存在问题进行了分析,总结了现有研究在描述非点源污染物迁移路径和反映区域特点等方面的不足;最后,从适合南方丘陵区特点的流域空间离散化方法、全分布式非点源污染物迁移路径的构建、特殊地物和人为活动在全分布式非点源污染模型中的综合表达等方面探讨了下一步研究方向,旨在为南方丘陵区非点源污染过程模拟研究提供参考和借鉴。     

Water quality model establishment for middle and lower reaches of Hanshui River,China

With the development of industry and agriculture,nitrogen,phosphorus and other nutrients in the Hanshui River greatly increase and eutrophication has become an important threat to the water quality of the Hanshui River,especially in the middle and lower reaches.The primary objective of this study was to establish the water quality model for the middle and lower reaches of the Hanshui River based on the model of MIKE 11.The main pollutants migration and transformation process could be simulated using the water quality model.The rainfall-runoff model,hy-drodynamic model and water quality model were established using MIKE 11.The pollutants,such as chemical oxygen demand(COD),biochemical oxygen demand(BOD),ammonia nitrogen,nitrate nitrogen,phosphorus,dissolved oxy-gen(DO),were simulated and predicted using the above three models.A set of methods computing non-point source pollution load of the Hanshui River Basin was proposed in this study.The simulated and observed values of COD,BOD5,ammonia,nitrate,DO,and total phosphorus were compared after the parameter calibration of the water quality model.The simulated and observed results match better,thus the model can be used to predict water quality in the fu-ture for the Hanshui River.The pollution trend could be predicted using the water quality model according pollution load generation.It is helpful for government to take effective measures to prevent the water bloom and protect water quality in the river.     

永城市浅层地下水污染分布特征及来源识别

为有效管理和保护永城市浅层地下水资源，维系水资源可续利用，必须查明其污染物的分布特征和来源。在对永城市浅层地下水采样分析的基础上，结合分析城市发展带来产业布局改变及土地利用类型分布对其造成的影响，研究其主要污染组分的来源及分布特征。结果表明:城市第二产业（工矿业）发展，GDP的增长与浅层地下水中ρ（SO₄2-）、ρ（NO₃-）上升存在相关性，城市工业及人口密集区与污染严重区位置趋于一致。浅层地下水污染的最主要来源是SO₄2-含量的上升，除了直接导致水质变差外，还会间接改变水文地球化学作用的强度，造成原本难溶的碳酸盐和硅酸盐的溶解量增大，使得ρ（TDS）进一步上升而改变水质。其次，NO₃-、COD也是浅层地下水主要的污染来源，其部分来源工业废水，部分来源于农业上农药和化肥的过量使用。      

Characterization of air pollution in urban areas of Yangtze River Delta,China

The hallmark of development in the Yangtze River Delta (YRD) of East China has been sprawling urbanization. However, air pollution is a significant problem in these urban areas. In this paper, we investigated and analyzed the air pollution index (API) in four cities (Shanghai, Nanjing, Hangzhou and Ningbo) in the YRD from 2001 to 2012. We attempted to empirically examine the relationship between meteorological factors and air quality in the urban areas of the YRD. According to the monitoring data, the API in Shanghai, Nanjing, Hangzhou slightly declined and that in Ningbo increased over the study period. We analyzed the inter-annual, seasonal, and monthly variations of API, from which we found that the air quality had different temporal changes in the four cities. It was indicated that air quality was poor in winter and spring and best in summer. Furthermore, different weather conditions affected air quality level. The wind direction was considered as an important and influential factor to air pollution, which has an impact on the accumulating or cleaning processes of pollutants. The air quality was influenced by the different wind directions that varied with seasons and cities.