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。     

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.     

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.     

滨州市PM2.5浓度时空分布研究

目前,我国已经成为PM2.5污染的重灾区,由此引发出一系列的大气环境和人类健康问题。因此,研究PM2.5的时空分布及其演变规律显得尤为迫切。本文对滨州市六个大气环境监测点2013年1月到2014年12月的PM2.5浓度数据进行分析整理,运用数理统计分析方法,结合地理信息系统技术,综合分析滨州市PM2.5污染水平、时空分布特征。结果表明,综合GIS手段的PM2.5浓度可视化分析方法能够较好的弥补传统图表、文字等表达方式的不足。     

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。     

利用细模态气溶胶光学厚度估计PM2.5

本文利用2013年1月AERONET北京站的气溶胶光学深度(AOD)、气溶胶细模态比例(η)以及地面监测的细颗粒物质量浓度(PM2.5)数据建立AODf与PM2.5的线性回归关系,并利用2013年2月1-15日验证该方法。结果表明,利用2013年1月建立的回归方法能够有效估算灰霾期间细颗粒物质量浓度,获得PM2.5的均值为85μg/m3,均方根误差为50μg/m3。利用气溶胶细模态订正方法估算的灰霾组分气溶胶光学深度(AODf)与细颗粒物质量浓度的相关系数大于气溶胶总光学深度与PM2.5的相关系数,这表明灰霾期间以PM2.5为代表的细模态颗粒物成为气溶胶消光的主体,且AOD与PM2.5的关系转化为AODf与PM2.5的相关关系时,相关程度提高。垂直分布修正在灰霾时对改善AOD与PM2.5相关关系作用不明显;当相对湿度大于80%时,湿度订正效果受到较大限制。     

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...     

杭州地区2015年PM2.5浓度时空变化特征分析

在2015年杭州地区11个地面观测站PM2.5质量浓度监测数据的基础上,结合MOD04_3K AOT产品,建立了利用AOT反演近地面PM2.5质量浓度的模型.利用实测和遥感反演数据共同分析了杭州市PM2.5质量浓度时空变化特征.分析结果表明,PM2.5质量浓度分布的日变化特征为:在杭州市中心城区,冬季、春季及秋季都存在典型的双峰变化,冬季、春季的峰值出现在9:00-12:00,秋季峰值出现在6:00-9:00;夏季表现出夜间浓度高于白天的特征.PM2.5质量浓度分布的季节性变化特征为:冬季＞春季＞秋季＞夏季.PM2.5质量浓度的空间分布格局为:杭州地区东北区域的浓度明显高于其他区域;杭州—富阳—桐庐沿线、杭州—临安沿线PM2.5质量浓度存在高浓度的分布条带,PM2.5质量浓度的空间分布与城镇化的格局相似.PM2.5质量浓度空间分布与地形和植被指数呈负相关,春季地形和植被指数对PM2.5浓度分布的抑制影响最大.     

我国环境空气质量时空分布特征分析

根据国家环保部PM2.5 IN网站公布的环境空气质量指数,和国家气象局提供的气象数据,利用GIS强大的数据处理功能、空间分析功能和可视化功能,对2013年全国各个城市的环境空气质量指数数据进行处理与分析。初步揭示了环境空气质量在季节上的周期性,与降水、气压、温度的相关性,以及AQI在地域上南低北高、在垂直方向上呈递减趋势,且随高度的增加,变化趋势逐渐减慢的空间格局。     

基于卫星遥感的关中盆地PM2.5浓度时空变化特征研究

空气污染与人类健康息息相关,是全世界关注的重要环境问题。空气动力学直径小于2.5μm的颗粒物(PM_2.5)是空气污染物的重要组成部分,基于高精度、高覆盖率的PM_2.5数据集,可以开展对PM_2.5浓度时空变化特征的研究,从而可为空气污染控制政策的制定提供重要科学依据。然而传统地面监测手段获取的PM_2.5浓度观测数据较为稀缺,不足以开展深入研究。利用PM_2.5粒子的消光特性,借助卫星遥感的气溶胶光学厚度(AOD)反演PM_2.5浓度,可以有效弥补地面监测站点观测数据的不足,目前已成为研究PM_2.5的重要手段。随着我国经济发展和城市化进程的加快,PM_2.5污染问题日益显著。     

基于垂直订正和湿度订正方法估算川渝地区逐小时PM2.5

针对PM_2.5污染比较严重的川渝地区,本研究利用日本静止葵花卫星(Himawari-8)反演的气溶胶光学厚度(AOD)进行垂直订正和湿度订正估算川渝地区2017年—2018年09:00—16:00时的PM_2.5浓度。首先,基于气象观测的能见度(vis)数据与消光系数σa(λ)之间的关系,引入“标高(Ha)”对气溶胶光学厚度进行垂直订正;其次,根据匹配的气象和环境监测数据对每一个站点逐一拟合1—12月份的吸湿增长因子,并采用反距离加权空间插值(IDW)方法构建吸湿订正因子网格,从而进行湿度订正估算。研究结果表明,经垂直订正和湿度订正后,相比AOD与PM_2.5之间的相关性,“干”消光系数σ_dry与PM_2.5的相关性显著提高,相关系数(r)由0.12—0.45提高至0.32—0.69;验证09:00至16:00时卫星估算结果,相关系数(r)均大于0.7,均方根误差(RMSE)为18.59±2.26μg/m³;提取所有观测站点进行验证,r=0.82,RMSE=18...     

耦合注意力机制DNN的PM2.5估算及时空特征分析

PM_2.5作为指示环境质量的重要因子之一,不仅影响着灰霾天气的发生,还与公众健康息息相关,近年来受到广泛的关注。尽管PM_2.5地面观测站点在不断地扩张,其覆盖范围依旧有限,难以反映全域PM_2.5浓度的时空异质性。本研究运用卫星遥感气溶胶光学厚度数据,辅助因子除常规的气象因子等以外,还加入了针对中国人民生产生活习惯的农历日因子,提出一种耦合注意力机制的深度神经网络模型,对长三角区域2015年—2020年PM_2.5浓度进行了逐日的高精度估算。模型交叉验证结果显示决定系数R²高达0.85,斜率0.86,与地面站点观测值有较高的一致性,优于多元线性回归和随机森林模型。长三角区域PM_2.5浓度时空特征分析结果表明,PM_2.5浓度在空间上呈现北高南低的趋势;季节特征以冬季浓度最高,夏季浓度最低,春秋过渡。此外,长三角区域2015年—2020年整体PM_2.5浓度呈下降趋势,其中以上海市最为明显,下降速率为3.30μg/(m     

近40年波密县积雪时空分布特征分析

基于1977—2017年的Landsat卫星数据,研究区域积雪季节变化特征以及积雪变化与气候特征之间的响应机制。对Lantsat数据采用面向对象法、雪盖指数法提取波密县流域的积雪像元,研究结果表明,近40年来波密县流域积雪面积在年际尺度上整体面积急剧下降,40年间积雪覆盖率由67%下降至18%,尤其是2007—2017这10年,波密县流域的积雪面积呈现明显下降的趋势。全球气候变暖可能是波密县流域积雪面积不断变小的主要原因。     

北京地区气溶胶粒径尺度谱与PM2.5浓度转换模型研究

大气细颗粒物（PM_2.5）质量浓度是重要的空气质量指标之一。为了促进区域PM_2.5浓度监测的研究,同时拓展利用CE318太阳光度计等光学传感器反演的大气气溶胶产品的应用领域,本文首先基于北京地区2014年—2017年大气气溶胶反演的粒径尺度谱分布产品,计算表征PM_2.5的粒子体积,并结合同一时间北京地区35个空气质量站点提供的PM_2.5质量浓度参考值计算转换系数,对样本区间进行划分以构建转换模型。其次,利用各CE318站点数据所得转换系数及其相对精度,对研究区PM_2.5质量浓度估算误差空间分布,以及转换系数偏差对估值误差贡献情况进行评价。研究结果表明,由CE318站PM_2.5粒子体积与其临近空气质量站PM_2.5质量浓度联合建立的转换系数是一种与气溶胶理化属性密切相关的参数指标,可将时间和空间维度上PM_2.5体积与PM_2.5质量浓度之间的关系映射到由理化属性主导的维度上,可用于对估值模型进行细化和分类,构建分段转换函数模型,使得各分段区间内具有较高的模型拟合精度。基于转换系数的北京地区PM_2.5浓度估值的相对误差多年均值介于12.8 %—28.7 %,而转换系数相对偏差对PM_2.5质量浓度估值相对误差的影响显著,二者之间具有“r”型结构。当转换系数相对偏差介于-16.3 %至24.5 %时,该偏差的出现概率约为66.5 %,使得PM_2.5质量浓度估值误差在20 %以内,表明采用此种方法对相应站点的PM_2.5质量浓度进行估值具有相当的精度和稳定性。以上研究结果可为地面观测站稀少区域利用卫星光学遥感开展空气质量大范围监测应用提供理论前提和技术支持。     

2000—2018年黑龙江省干旱时空特征分析

干旱指数是反映气候干旱程度的指标,其是监测和评估干旱事件的有效工具。文中以黑龙江省为研究区,采用标准化降水蒸散指数(SPEI),结合干旱面积比、干旱频率和单位面积干旱强度,利用M-K检验方法、GIS空间分析方法和统计分析方法,从多角度分析研究区干旱的时空特征,揭示2000—2018年黑龙江省干旱的时空变化规律。研究结果可为区域干旱防灾减灾风险评估提供参考依据。     

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...