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—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。     

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。     

臭氧卫星遥感六十年进展

臭氧已成为中国继PM_2.5之后多地的首要污染物,臭氧污染防治是中国“十四五”及未来大气污染防治的重点。本文回顾了近60年来国内外臭氧卫星观测方面的主要进展,包括卫星探测载荷和臭氧相关的反演应用技术等,分为3个阶段总结了卫星载荷天底、临边和掩星3种探测方式的发展历程。臭氧卫星遥感反演算法和监测应用也随着载荷的发展在不断更新,本文重点介绍了臭氧柱总量和垂直廓线卫星遥感反演算法、近地面臭氧及其前体物观测、平流层臭氧入侵观测和区域传输、臭氧卫星观测数据的精度验证等方面的重要进展。对比国际臭氧卫星遥感监测,中国臭氧监测卫星发展滞后,虽然国家民用空间基础设施规划中陆续发射的高光谱观测卫星、大气环境监测卫星具有初步的臭氧监测能力,但在卫星载荷在功能、性能等方面还有不小差距,比如空间分辨率、信噪比等方面。在算法反演和监测应用方面,目前臭氧柱总量反演精度较高,还存在对流层中低层和近地面臭氧浓度反演精度不够,臭氧污染评估及成因分析不足,如近地面臭氧污染迁移转化过程、平流层臭氧侵入识别分析等问题,是下一步要重点关注的方向。     

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。     

耦合WorldView-2和珠海一号影像的红树林物种分布

红树林物种遥感分类受影像分辨率、波段信息、分类策略、影像特征选择方法等因素影响。现有的红树林物种遥感分类研究大多关注于分类精度的比较,较少报道商业高分与国产高光谱卫星的结合在物种分类的应用。基于湛江高桥红树林保护区的高分（WorldView-2）和高光谱（珠海一号）卫星影像,本文旨在利用随机森林分类方法,比较不同特征选择算法（极端梯度提升（XGBoost）、极端随机树（ERT）、连续投影算法（SPA））和不同空间分辨率（WorldView-2影像从0.5 m的分辨率重采样为1 m、2 m、4 m、8 m、10 m）对红树林物种分类精度的影响,并耦合WorldView-2与珠海一号影像研究红树林物种空间分布格局及影响因素。每种空间分辨率的WorldView-2影像提取248个特征（52个光谱特征及196个纹理特征）,珠海一号影像提取117个光谱特征。结果表明,XGBoost方法优于ERT和SPA,在影像特征选择中具有巨大优势;与其他空间分辨率相比,2 m分辨率的WorldView-2影像具有更高的分类精度;耦合WorldView-2和珠海一号影像的分类精度（分辨率：2 m,总体精度：88.98%,kappa系数：0.846）高于单一的WorldView-2影像（分辨率：2 m,总体精度：83.47%,kappa系数：0.768）和珠海一号影像（分辨率：10 m,总体精度：78.50%,kappa系数：0.703）;另外,林窗、高程、离岸距离一定程度上影响红树林物种分布格局。本文表明WorldView-2与珠海一号高光谱影像的结合在景观及区域尺度上精确提取红树林物种信息具有巨大潜力,有利于红树林生物多样性保护及科学管理。     

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%...     

结合珠海一号高光谱影像和XGBoost算法的珠江口滨海湿地分类

由于湿地类别多样且结构复杂,湿地遥感分类工作极具挑战性。本文以珠江口滨海湿地为研究区,基于珠海一号高光谱影像获取的光谱特征、形状特征、纹理特征和指数特征构建优选特征集,采用极端梯度提升(XGBoost)算法和面向对象技术提取湿地类型和空间分布,并对比分析基于支持向量机(SVM)算法和随机森林(RF)算法的湿地分类结果。结果表明：(1)珠海一号高光谱影像能够有效应用于湿地分类,且光谱特征在湿地分类中发挥了重要作用;(2)使用的机器学习算法中XGBoost算法的湿地分类效果最佳,总体精度为87.2%,Kappa系数为0.84;(3)优选的影像特征能够保证更高的湿地类型识别精度,验证了特征筛选有助于提高分类效果。本文发展了一种基于珠海一号高光谱影像和集成学习的大区域湿地类型识别方法,可为湿地资源调查提供有效的技术参考,服务于湿地的保护与开发利用。     

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。     

MODIS卫星遥感估计福州地区近地面PM2.5浓度

卫星遥感反演气溶胶光学厚度已被广泛应用于近地面空气污染遥感监测。为揭示福州地区细颗粒物污染的空间分异趋势,利用2014年—2015年的地基监测细颗粒物(PM_(2.5))浓度数据、MODIS 3 km气溶胶光学厚度(AOD)卫星数据以及GEOS-FP气象数据,分别构建了估计福州地区近地面PM2.5浓度的日校正模型和站点一日校正模型,并利用十折交叉验证方法对2个模型进行评价验证。结果表明:(1)日校正模型和站点一日校正模型分别能够解释福州地区PM2.5浓度76.2%和81.4%的变异,反演的2014年—2015年福州地区近地面PM2.5浓度和地面实测站点数据之间的相关性R~2分别为0.724(RMSE=10.993μg·m~(-3))和0.781(RMSE=9.687μg.m~(-3));(2)分别针对不同下垫面环境的城市站点和县郊站点数据进行模型拟合验证,两个模型反演的PM2.5浓度值与地面实测值之间皆具有良好的相关性,R~2最高可达0.808;(3)将模型反演的PM2.5浓度季均值与地面实测季均值进行对比分析,结果也显示二者高度相关,据此反演的2015年福州地区年平均PM2.5浓度分布图可清晰地揭示福州地区PM_(2.5)浓度分布的空间变化情况。由此可见,基于MODIS 3 km AOD产品和气象数据建立的近地面PM_(2.5)浓度遥感估算模型能够很好地反演出福州地区近地面PM2.5浓度分布情况。     

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...     

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。     

地球静止卫星和网格化站点支持下的PM2.5精细制图

许多城市建立的相对稠密的网格化监测站点,为精细化监管城市空气质量奠定了基础。本文选用徐州市网格化监测数据、地球静止卫星Himawari-8/AHI及COMS/GOCI的表观反射率和气溶胶光学厚度数据、气象和其他辅助数据,开展了徐州地区0.005°空间分辨率网格的PM_2.5浓度精细化制图研究。本文使用了极端梯度提升（XGBoost）、随机森林（RF）及时空加权回归（GTWR）等3种方法,并选用多种特征参数组合进行对比分析。综合分析模型精度和过拟合程度,结果表明XGBoost模型表现最好,其R²为0.90,RMSE为11.65 μg/m³。进一步将本文结果与国控站点、清华大学的TAP数据集和马里兰大学的CHAP数据集的对比分析,结果表明基于网格化站点的PM_2.5制图结果能更好地反映城市内部不同区域的PM_2.5浓度分布差异性,弥补因国控站点稀疏带来的缺陷,更好地服务于城市空气质量精准管控。     

黑龙江省1959—2016年极端气温时空变化特征

为了掌握黑龙江省极端气温的变化规律,本文遴选黑龙江省27个气象观测站1959年1月—2016年12月逐月平均气温、极端最高(低)气温资料,运用趋势拟合、Mann-Kendall方法和GIS平台的空间插值方法,开展近58年黑龙江省极端气温时空变化规律研究.结果表明:1959—2016年,黑龙江省平均气温、极端高/低温整体表现出明显增温趋势,平均增温率分别为0.322℃·(10 a)-1、0.631℃·(10 a)-1、0.201℃·(10 a)-1.黑龙江省平均气温整体表现为随纬度增加而降低的空间分布特征,极端最高气温整体表现为由西南向东北方向随着纬度、经度增加而降低的空间分布特征,极端最低气温整体表现为由东南向西北随着纬度增加而降低的空间特征.通过平均气温变化率和极端气温变化率的对比分析,发现极端最低气温对气温变化贡献较大.     

基于卫星遥感的近地面PM2.5浓度反演进展

细颗粒物PM_2.5（Fine Particulate Matter）是影响空气质量和公共健康的关键因素之一。高时空分辨率的PM_2.5数据是公共健康风险评估和流行病学研究的基本需求。相较于地面站点,卫星遥感技术具有连续观测、宽覆盖和低成本的优势,基于卫星气溶胶光学厚度AOD（Aerosol Optical Depth）反演PM_2.5质量浓度的方法已成为热点。本研究概述了卫星AOD产品反演PM_2.5浓度的原理,介绍了用于PM_2.5反演的主要卫星AOD产品及其反演精度;总结了现有的PM_2.5估算方法及其优缺点,指出目前PM_2.5反演研究存在的问题;提出未来PM_2.5反演方向主要集中在高时空分辨率的PM_2.5浓度重建、基于激光雷达数据的三维PM_2.5浓度反演及PM_2.5化学组分反演等方向。比例因子法、物理机理模型和统计模型这3种方法都能在不同时期不同程度地准确估算PM_2.5浓度,代表了那个时期较为前沿的研究热点,但比例因子法和物理机理模型因其自身的局限性而应用较少,而统计模型因其独特的时间或时空异质性的可描述性和强大的非线性描述能力的优势而被广泛应用并不断改进。目前PM_2.5反演研究存在的问题主要有3种：（1）卫星AOD的非随机缺失问题造成估算的PM_2.5数据缺失;（2）反演模型的精度问题;（3）PM_2.5的化学成分估算问题。基于此,本文为了准确揭示近地面PM_2.5的时空变化趋势,提高基于卫星AOD产品的近地面PM_2.5反演研究的准确性,提出了几点未来的研究方向：首先,新型的高空间（如风云四号、高分五号）、高时间分辨率（Himawari-8/9）卫星AOD产品在PM_2.5的精细化估算研究上具有很大优势,这对于高时空分辨率的PM_2.5浓度重建具有重要意义;其次,随着大气探测技术的发展,星载、机载及地基激光雷达都能够获取垂直分布信息,搭载在无人机上的颗粒物传感器可实现PM_2.5垂直方向上的监测,将其与光学遥感卫星数据及地面监测数据结合,可实现三维的PM_2.5浓度反演;最后,PM_2.5化学组分信息对于分析污染成因、暴露特征等尤其重要,其时空变化趋势研究是一个重要的发展方向,然而,地面PM_2.5组分观测站网仍不完善,如何克服卫星遥感估算中对地面站网的依赖,实现PM_2.5化学成分的高精度反演需要进一步研究。通过本研究,有助于进一步了解不同PM_2.5估算方法的原理机制及其优缺点,为基于卫星AOD产品反演近地面PM_2.5浓度的新的发展方向提供启示,提升近地面PM_2.5浓度反演的精度及时空分辨率。     

应用LSF概念模型反演草冠层叶面温度的试验

试验在已知土壤表面温度的前提下，分别利用AVHRR卫星遥感资料和准同步地面观测数据，应用LSF概念模型成功反演了草冠层叶面温度。通过对星、地资料反演的草冠层叶面温度比较发现，二者反演结果相差小于0．2K，说明利用卫星遥感资料，应用LSF概念模型反演草场冠层叶面温度可获得比较满意的结果。假设其他参数不变，分别对不同叶面发射率和不同土壤表面发射率反演的叶面温度分析发现，组分发射率的估算精度对反演结果影响较小，而整层空气柱可降水量的估算精度对卫星资料反演草冠层叶面温度影响大，用探空资料和露点温度估算的整层空气柱可降水量可导致反演的叶面温度相差达1．1K。在水分供应充足条件下，晴天11：00-17：00时，即使太阳总辐射强，叶面温度的变化幅度比土壤表面温度、空气温度小。以1999年8月6日为例，叶面温度变化仅有1．22K，而同时土壤表面温度变化为9．5K，1．5m高的空气温度变化为6．0K，叶面温度变化幅度比土壤表面温度、空气温度平缓。试验结果还表明，采用Becker和李召良的分裂窗模型反演青藏高原东南缘地区的陆地表面温度效果较好。