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。     

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。     

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。     

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。     

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...     

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。     

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MAX-DOAS和TROPOMI对北京冬季对流层NO2污染监测和对比分析

利用不同监测平台对大气环境污染进行监测时,不同遥感数据之间的对比验证以及协同观测是准确评估大气污染变化的关键。本文利用北京站点布置的多轴差分吸收光谱仪(MAX-DOAS)光谱仪,反演了2018年11月—2019年2月北京站点冬季的对流层NO₂垂直柱浓度,总结了北京冬季NO₂的日变化和月变化规律。研究中首先利用MAX-DOAS测量光谱结合DOAS反演算法获取不同时刻对流层NO₂垂直柱浓度,与TROPOMI过境时刻的NO₂遥测数据的变化趋势和相关性进行比较,并对卫星过境时地基站点不同的数据平均时间,和星—地间平均采样距离进行敏感性分析,同时将双因素方差分析方法 (Two-way ANOVA)应用于评估风场对区域NO₂浓度变化的影响。结果显示北京地区11月的对流层NO₂平均浓度高于冬季其他月份,最大时均浓度可达到4.04×1016 molec·cm-2,且冬季各月份下午对流层平均NO₂浓度明显高于上午。利用TROPOMI和MAX-DOAS获...     

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%...     

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。     

街谷细颗粒物分布特征及其与设计指标关联性研究

针对城市街道峡谷空间不利于交通污染扩散问题，该文采用移动与固定相结合的实际监测及数值模拟技术，分析了城市街谷PM_2.5时空分布特征及其与街谷空间形态设计指标的关联性，并提出空间形态优化策略。结果表明：(1)街谷内PM_2.5质量浓度在日际变化上呈现连续递减、日内变化上呈现先下降后上升的趋势，而在空间分布上呈现主干道及高层建筑附近浓度较高的趋势；(2)建筑高度比与街谷高宽比的增加使得PM_2.5质量浓度呈现下降趋势，街谷长宽比的增加使得PM_2.5质量浓度呈现上升趋势；(3)建筑高度降低对街谷内PM_2.5质量浓度影响最大，其次是建筑底层架空及建筑退让。该文研究结果可为健康城市导向下的城市街道峡谷空间形态优化设计提供参考。     

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.      

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。     

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。     

基于Sentinel-5P卫星数据的黑龙江省NO2浓度监测研究

随着经济快速发展和城市化进程不断加快,大气污染日益严重,开展大气环境监测具有重要现实意义。本文基于TROPOMI(哨兵5P)卫星数据,对大气中的氮氧化物进行了大范围连续监测。研究结果表明：黑龙江省NO₂浓度分布呈现出明显的南北差异,NO₂浓度较高地区主要分布在人口稠密、工业较为发达的南部地区,而北部地区人口较少,森林资源较为丰富,空气条件较好,NO₂浓度较低。     

BP神经网络的近地面臭氧估算及时空特征分析

近年来,中国东部城市光化学烟雾污染频繁发生,臭氧（O₃）作为光化学烟雾的标志性污染物日益成为影响城市或区域大气的首要污染物。为探究京津唐地区近地面臭氧污染特征及时空变化趋势,本文基于前馈（BP）神经网络,结合地面监测站点臭氧浓度数据、卫星遥感臭氧柱总量数据与气象站点气象要素数据的非线性关系建立近地面臭氧浓度反演模型,并对近地面臭氧时空分布进行分析。结果表明：评价模型可靠性的决定系数R²为0.888、RMSE为10.742、MAE为9.596,建立的BP神经网络模型精度较高;2016—2019年京津唐臭氧年平均浓度呈现增加趋势;四季中,京津唐夏季臭氧浓度最大,冬季最小。研究结果为近地面臭氧估算提供了技术参考,同时对环境监测具有重要的现实指导意义。     

2015—2016年东北三省PM2.5的时空分布特征

基于2015—2016年东北三省36个主要城市PM2.5浓度数据以及同期大气氧化物数据,运用克里金插值法及相关性分析法,对PM2.5的时空分布特征及与其他大气氧化物的相关性进行分析.结果表明:2016年较2015年PM2.5浓度显著降低,下降了17.83％;PM2.5浓度由高到低的季节依次是冬季、秋季、春季和夏季,浓度分别为64.31、49.44、39.57、28.09μg·m-3;PM2.5月均浓度呈U形分布,最大值出现在11月,最小值出现在8月.分地区来看,PM2.5空间分布整体呈南高北低状态,黑龙江省的年均PM2.5浓度明显低于另外两省.PM2.5与CO、SO2、NO2浓度均为极显著正相关,表明CO、SO2、NO2对PM2.5浓度有显著影响.     

黄河流域植被NPP时空变化及其对水热条件和退耕还林还草工程实施的响应

本文以MOD17A3HGF植被净初级生产力(NPP)数据为基础,结合气温、降水及DEM数据,开展了2000—2020年黄河流域植被NPP时空变化特征及其对水热条件和退耕还林还草工程实施的响应研究。结果表明：(1)黄河流域植被NPP总体呈显著线性增加趋势(P<0.001),其中植被NPP增速中游地区高于下游、下游高于上游地区。黄河流域植被NPP显著增加趋势占95.29%,集中分布在黄河流域中游地区(黄土高原地区);显著减少的区域主要集中在人口分布密集的城市及其周边区域。(2)黄河流域植被NPP与年平均气温、年降水量均以正相关为主,其中显著正相关分别占11.15%和42.35%,分别呈东—西向和南—北向分布。(3)黄河流域中游地区坡度为[15°,25°]区域植被NPP增速最快,其次为坡度>25°和<15°区域,反映出退耕还林还草工程的实施对黄河流域中部黄土高原地区的植被改善具有一定的作用。