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。     

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。     

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。     

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.      

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。     

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GIS的丘陵区耕地景观格局时空演变特征分析

以四川省绵阳市涪城区为例,运用景观格局原理与GIS空间分析方法,分析1996--2009年期间耕地景观时空格局及其演变机理（驱动力）。结果表明：13年间,研究区耕地面积呈急剧减少的趋势,变化率明显高于省内丘陵区平均水平;耕地景观空间格局稳定性逐步降低,格局时空变化的地形分异特征显著;变化趋势受坡度、新增建设用地、人口密度、高程、城镇化水平、GDP、起伏度等负向驱动力与灌溉条件、等级公路水平、土地整理程度等正向驱动力因子共同影响。     

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。     

Introducing landscape accuracy metric for spatial performance evaluation of land use/land cover change models

Performance evaluation is a critical step for land use/land cover (LULC) change modelling. It can be conducted through pixel quantity and its geographical location according to majority of current approaches. It is hence important to know to what extent spatial patterns of a given landscape are properly replicated in simulated LULC maps. Therefore, a new validation metric, named as landscape accuracy metric (LAM), is introduced by inspiration from landscape ecology. Unlike pixel quantity validation metrics, model performance is measured by LAM through quantifying spatial patterns including structure, composition and configuration attributes. The functionality of LAM was studied to assess the performance of the built-up change simulation under historical, ecological and stochastic scenarios, applying Cellular Automata Markov model. LAM is a flexible measure such that modellers can apply this metric through adding or eliminating various metrics of their interest in a selective manner and under different environmental circumstances.     

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。     

Reducing landscape heterogeneity for improved land use and land cover (LULC) classification across the large and complex Ethiopian highlands

This paper presents a land use and land cover (LULC) classification approach that accounts landscape heterogeneity. We addressed this challenge by subdividing the study area into more homogeneous segments using several biophysical and socio-economic factors as well as spectral information. This was followed by unsupervised clustering within each homogeneous segment and supervised class assignment. Two classification schemes differing in their level of detail were successfully applied to four landscape types of distinct LULC composition. The resulting LULC map fulfills two major requirements: (1) differentiation and identification of several LULC classes that are of interest at the local, regional, and national scales, and (2) high accuracy of classification. The approach overcomes commonly encountered difficulties of classifying second-level classes in large and heterogeneous landscapes. The output of the study responds to the need for comprehensive LULC data to support ecosystem assessment, policy formulation, and decision-making towards sustainable land resources management.     

基于目标分割和景观格局特征的城市土地利用分类

根据相同土地利用类型景观格局特征相似的原理,在传统遥感分类方法的基础上,结合景观生态学理论,建立了土地利用分类新方法; 应用SPOT遥感图像提取了北京市五环内的居民用地和非居民用地类型,总分类精度达到了85.9%,Kappa系数为71.1%.本研究结合学科交叉的优势,为遥感技术应用和土地利用信息提取提供了新思路.     

Investigating relationships between Landsat-7 ETM data and spatial segregation of LULC types under shifting agriculture in southern Cameroon

This paper investigates statistical relationships between land use/land cover (LULC), Landsat-7 ETM⁺ imagery and landscape mosaic structure in southern Cameroon where the conversion of tropical rain forest to shifting cultivation leads to dynamic processes, acting on the spatial aggregation of various LULC types. A Global Positioning System (GPS) was used in the field to identify a total of 171 shifting cultivation patches representing eight LULC types in two sub-areas. Because of the lack of a cloud-free image for the date of field sampling, the ETM⁺ imagery was acquired 2 months after field survey, during which it was assumed that no significant changes in LULC occurred (all dry season). Per pixel correlations were developed between spectral reflectance data, vegetation indices and LULC. As an exploratory study, several statistical methods (analysis of variance, means separations (Tukey HSD), principal component analysis (PCA), geo-statistical analysis, image classification and landscape metrics) were applied on point data and sensor images for evaluating the spatial variability within the landscape. Most variables explained 30–72% of LULC variation in the whole dataset. Those variables with high information content of LULC (infrared bands 4, 5, 7 and derived indices and PC1) also showed long ranges (6 km) spatial dependence as compared to those varying only within 1 km range. The results of these statistical analyses suggested the need to group some LULC types and the application of the Maximum Likelihood Classifier (MLC) for supervised classification provided a LULC map with the highest accuracy (81%) after consolidation of perennial LULC types, such as bush fallow, forest fallow and cocoa plantations. Landscape metrics computed from this map showed a high level of patch diversity and connectivity within the landscape and provided input data that can further be used to simulate predictive maps as substitute to cloud-covered sensor imageries. Landsat-7 ETM⁺ imagery proved to be useful in discriminating (with about 80% accuracy) the most dynamic LULC types such cropped plots and young fallow patches (shifting every season) and the extension front of the agricultural landscape.