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...     

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。     

中国大气环境光学探测研究

激光/波谱技术促进了大气立体监测技术的发展,以光学探测和光谱数据解析为核心、以紫外、可见到红外全光谱为探测波段的各种高分辨率光学监技术,在中国逐渐实现了从近地面到100 km大气气象要素和大气痕量成分实时探测的能力,以及近地面到50 km大气多要素的实验模拟能力。光学技术以高灵敏度、高分辨率、高选择性、多组分以及实时等优势,在大气环境领域日益发挥作用,为研究大气污染演变与气象过程相互作用、大气细粒子污染和光化学烟雾形成机理等基础科学问题研究提供数据支持,为揭示城市和区域尺度的大气复合污染特征、量化其环境影响,提供科技支撑。     

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。     

周口市近地面臭氧浓度变化特征及其影响因素分析

利用国控观测点位的空气质量监测数据,揭示了周口市主城区2019年近地面臭氧(O3)浓度的时间变化特征以及与前体物的相关性;并采用遥感解译与实地调查相结合的方法,分析了人类活动类型对周口市主城区近地面O3浓度的影响.结果 表明,O3浓度具有明显的日、月、季节变化规律,在前体物中与二氧化氮浓度存在负相关性.人类活动与近地面...     

基于无人机的PM_(2.5)监测技术研究

作为当前我国迫切需要解决的区域性环境问题,灰霾污染引起社会各界广泛关注。而雾霾形成的原因与机理,以及其水平扩散和垂直输送的规律则是解决灰霾问题过程中最为基础和重要的一环。但传统的大气污染监测手段缺乏空气污染垂直分布特征的观测,地面观测数据难以满足PM_(2.5)等大气污染的预报预警工作的需要和区域污染防控对策制定和污染减排工作的要求。本文通过无人机搭载微型空气质量检测器,实时检测不同时间、不同地点、不同高度的大气污染的连续数据,从而有效补充了固定监测站的数据缺失;进而研究大气污染物PM_(2.5)的垂直分布、垂直扩散等特征,并分析不同天气条件下PM_(2.5)的分布特征和扩散机制,从而为建立模型,环境评估和预测提供技术支撑。     

基于GIS的福州市空气质量时空特征研究

通过对分布在福州市城区五个空气质量监测点2018年全年的空气污染物浓度日均值数据分析处理,对福州市空气质量时空特征进行研究。运用数理统计分析、GIS空间插值分析等技术,对监测点数据进行时间、空间分析,获取空气质量时空特征。结果表明:福州市空气质量的季节性特征较明显,冬季空气质量最好,春季空气质量最差;福州市空气质量总体情况较好,影响福州市空气质量的主要污染物是臭氧(O3)和颗粒物(PM10)。     

相对湿度对吸收性气溶胶指数的影响

为提高风云三号气象卫星(FY-3)紫外臭氧总量探测仪(TOU)观测数据得到的吸收性气溶胶指数AAI(Absorbing Aerosol Index)或AI(Aerosol Index)的可靠性,需要了解AAI指数与相对湿度之间的内在关系。本研究利用大气辐射传输模型DAK(Doubling-Adding KNMI)分别模拟了在城市气溶胶和乡村气溶胶模式下AAI同相对湿度之间的关系,并将结果同已观测到的实际结果进行对比。结果发现,在相对湿度呈高值时AAI指数出现很大的变化,但相对湿度对两种气溶胶模型的影响具有相反的效应,分析显示当大气中含有吸收性气溶胶如含碳类气溶胶(在中国北部的污染过程中很常见)时,AAI结果对RH(Relative Humidity)有很强的依赖。在应用AAI指数产品检测污染过程中需要注意气溶胶的具体类型和相对湿度的影响,必要时在高相对湿度过程中进行数据校正或剔除。     

融机器学习与WRF大气模式的PM2.5预报方法

针对当前我国重污染天气实时的空气质量预报问题,该文提出了一种融合随机森林算法与WRF大气模式的PM2.5浓度实时预报方法。该方法结合了北京市地面空气质量监测数据和WRF气象数据进行分析,将高层大气状态(如逆温层高度等)融入了预报模型中,建立了0~72h的PM2.5浓度实时预报模型。实验证明,该模型能够对0~72h单站点的PM2.5浓度进行较高精度的实时预报,且在24~72h的长时预报结果上较基于地面空气污染物数据与地表气象站数据的预报方法精度有明显提升,即该方法可以更好地模拟大气物理化学状态,从而更为精准地进行长时PM2.5浓度预报。     

无人机三维空气质量监测研究

针对现有空气监测缺乏污染垂直分布特征的观测及数据采集覆盖范围有限的问题,该文提出了用无人驾驶飞机搭载微型空气质量检测器监测大气污染的方法,首先分析了传统地面监测站的缺点,并阐述了监测设备的构成;然后从无人驾驶飞机大气污染空间采样方案、污染物数据的准确性及可靠性校正、大气污染时空规律几个方面做了研究;最后选择浙江省临安市青山湖街道、上海奉贤区等地区进行了试验。研究结果能有效补充地面监测站的数据缺失,揭示PM2.5、O3等大气污染物的垂直分布、垂直扩散及区域性输送特征,为空气污染预警和防控对策机制的制定提供重要技术依据。     

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。     

Modelling and Remote Sensing of Land Surface Temperature in Turkey

This study introduces artificial neural networks (ANNs) for the estimation of land surface temperature (LST) using meteorological and geographical data in Turkey (26?C45°E and 36?C42°N). A generalized regression neural network (GRNN) was used in the network. In order to train the neural network, meteorological and geographical data for the period from January 2002 to December 2002 for 10 stations (Adana, Afyon, Ankara, Eski?ehir, ?stanbul, ?zmir, Konya, Malatya, Rize, Sivas) spread over Turkey were used as training (six stations) and testing (four stations) data. Latitude, longitude, elevation and mean air temperature are used in the input layer of the network. Land surface temperature is the output. However, land surface temperature has been estimated as monthly mean by using NOAA-AVHRR satellite data in the thermal range over 10 stations in Turkey. The RMSE between the estimated and ground values for monthly mean with ANN temperature(LST_ANN) and Becker and Li temperature(LST_B-L) method values have been found as 0.077?K and 0.091?K (training stations), 0.045?K and 0.003?K (testing stations), respectively.     

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。     

河南省夏季臭氧生成敏感性及其驱动因素分析

明确当地臭氧生成敏感性变化的主控因子是制定有效臭氧污染控制策略的前提。采用卫星观测OMI FNR (Ratio of the tropospheric columns of Formaldehyde to Nitrogen dioxide,HCHO/NO₂)指示剂将河南省夏季臭氧生成敏感性OFS (Ozone Formation Sensitivity)划分为VOCs控制区、协同控制区和NO_x控制区。基于地理探测器,量化气象条件、人为源前体物及其交互作用与OFS的关系。研究揭示：(1)河南省夏季OFS以协同控制区为主,区域内臭氧污染严重,仅次于VOCS控制区。2005年—2015年,FNR值波动下降,OFS向协同控制区转变,主要受NO_X减排的影响。2016年之后,FNR值变大,OFS有向NOX控制区转变的趋势。(2)人为源排放是OFS变化的主要驱动因子,平均可解释FNR变化的40.5%(q=0.405)。若CO、PM_2.5、NO_x和非甲烷挥发性有机物NMVOC (Non-met...     

融合GNSS PWV、风速与大气污染观测的河北省春季PM2.5浓度模型研究

PM2.5浓度时空演化特征分析有助于大气污染的现状和发展认知,但PM2.5浓度监测积累时间较短,且受到排放强度和气象因素的影响,因此可融合全球导航卫星系统（Global Navigation Satellite System,GNSS）天顶可降水量（precipitable water vapor,PWV）、风速和大气污染物构建PM2.5浓度模型。以河北省为例,首先分别开展PM2.5浓度与大气污染物、GNSS PWV及风速的相关性分析;然后将大气污染物、GNSSPWV和风速作为输入,PM2.5浓度作为输出,利用逆传播（back propagation,BP）神经网络分别构建城市PM2.5浓度模型和区域PM2.5浓度模型;最后进行PM2.5浓度模型可靠性检验。将模型预测值与PM2.5浓度实测值比较发现,预测PM2.5浓度等级准确率高,相对误差较低。该模型可用于区域PM2.5浓度时空演化特征分析。     

大气臭氧总量与吸收性气溶胶指数的关系

吸收性气溶胶指数AAI(Absorbing Aerosol Index)是基于卫星观测的紫外后向散射辐射导出的参数,与大气中对紫外线有吸收作用的气溶胶(简称吸收性气溶胶)有关,能够定性反应吸收性气溶胶的存在与空间分布特征。由于臭氧在AAI反演波段对紫外线仍然存在弱吸收作用,因此AAI可能与大气臭氧总量有关,臭氧反演的误差也可能对AAI的反演精度造成影响。为了研究臭氧总量与AAI的关系,臭氧反演的精度对AAI反演的影响,利用辐射传输模型通过敏感性实验,来模拟吸收性气溶胶指数和臭氧总量之间的关系,臭氧反演误差对吸收气溶胶指数的反演的影响。采用沙漠气溶胶,不改变气溶胶的含量,通过改变中纬度夏季的臭氧总量来计算大气模型。对臭氧总量、气溶胶含量与AAI的内在关系,臭氧总量对AAI反演精度的影响进行了模拟,模拟结果表明,气溶胶指数与臭氧总量的改变存在正相关关系,而臭氧总量的反演误差对AAI指数的反演影响不大。基于风云三号气象卫星紫外臭氧总量探测仪(FY-3/TOU)的臭氧总量和吸收性气溶胶指数数据(2012年),分析了青藏高原地区7月份臭氧总量与吸收性气溶胶指数空间分布特征的关系,与模拟结果一致。     

基于HJ1A数据的沈阳市雾霾时空变化模拟研究

基于HJ1A-CCD数据,采用6S大气辐射传输模型,反演出研究区气溶胶光学厚度。采用偏最小二乘法,基于气溶胶空间分布的估算结果,模拟出研究区PM_(2.5)的空间分布。基于GIS和改进的高斯大气扩散模型,进行了研究区PM_(2.5)的扩散模拟。根据我国PM_(2.5)检测网的空气质量新标准,对沈阳市的雾霾进行等级了划分。     

奇异谱分析在地铁沉降预测中的应用

地铁沉降受诸多因素干扰,其监测数据往往表现出非平稳、非线性特征。因此,首先利用奇异谱分析(SSA)方法提取监测数据的趋势项和周期成分,以削弱噪声、提高数据信噪比;然后利用BP神经网络分别对趋势序列与周期序列进行预测并重构,进而得到预测值。实验结果表明,相较于BP神经网络模型,SSA_BP神经网络模型的整体预测精度更高、最大预测长度更优。     

基于MODIS数据的广州市光化学污染预警等级研究

 分析MODIS数据反演的大气气溶胶光学厚度（AOD）与大气环境污染的关系，结果表明： 当空气没有污染时，AOD＜0.3； 轻度污染时，0.3＜AOD＜1.0； 污染严重时，AOD＞1.0。在分析AOD与地面大气污染关系的基础上，结合空气污染指数，将城市光化学污染预警等级分为无、微弱、较弱、较强和强5级，并结合广州市实例进行了验证分析，为进一步建设城市光化学污染预警系统提供基础。