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。     

不同季节的北京市GPS可降水量与PM_(2.5)/PM_(10)的比较研究

通过北京市2013年的PM2.5/PM10资料与GPS可降水量资料比较发现,在秋冬春季节,PM2.5/PM10与GPS可降水量呈明显的正相关性,相关系数大于0.5,在个别时段达到了0.89,而这一相关性在降水较多的夏季并不明显;水汽含量的上升是秋冬春季节雾霾天气过程发生的重要因素。     

中国近地面PM2.5浓度与排放的时空分布及其关联分析

PM2.5是威胁人体健康的主要大气污染物之一.大量研究关注近地面PM2.5浓度的监测及其时空分布,但目前针对PM2.5排放及其与近地面浓度之间的关联研究较为缺乏.本文通过2000-2014年近地面PM2.5浓度格网数据和PM2.5排放格网数据,采用长时间序列分析法对PM2.5浓度和PM2.5排放从定性和定量两个角度进行...     

上海夏季雾霾的影响因素研究

由于对流层中气象因素变化剧烈且蕴含大量的水蒸气和颗粒物,雾霾的发生也极易改变卫星信号的传播路径,从而导致对流层延迟发生变化,因此重点研究气象因素与雾霾之间的相关性问题。通过上海市2016年62 d(DOY 153～214)的大气中污染物含量资料与天顶对流层延迟比较分析发现,大气中每种污染物含量基本呈现相似的走势,天顶对流层延迟随PM2.5含量增加而增大,且在日值数据的比较中发现,上海夏季的PM2.5含量与气压、气温和相对湿度成正相关关系,与风速、降水量呈负相关关系。     

PM2.5对地表温度的影响及其应用

采用线性最小二乘原理对从对流层顶10 km至地表0.8 km的温度探空廓线进行拟合,外插地表温度,讨论外插地表温度与实测温度的统计特性。将其应用于GPS气象中的加权平均温度模型发现,基于外插的地表温度能显著提高模型精度,提高约1.2~1.7 K。     

变异函数对泛克里金法的细粒子比星-地融合影响研究

泛克里金方法进行星-地融合可有效提高MODIS FMF的精度,然而由于地基站点稀少造成融合前需要利用长时间序列数据获取变异函数的主要参数（块金值、基台值和变程）,故不能满足基于卫星瞬时观测遥感PM_2.5的PMRS模型的需求。本文对2010年12月至2016年11月中国中东部地区的数据进行了变异函数参数的计算和分析,结果表明不同年份相关距离变化情况相一致,夏季显著高于冬季,基台值呈现与相关距离相反的趋势。通过利用2016年冬季变异函数中的变程（控制实验）和2011-2016年冬季变异函数的变程季均值（对比实验）作为初始值,对2016年冬季中国中东部地区MODIS FMF和地基FMF进行了融合,弃一交叉验证结果显示控制实验下FMF融合结果与地基FMF偏差最大值由0.552降低至0.198左右（对比实验下最大偏差为0.218）,平均误差相近（分别为0.070、0.080）。2种实验估算的PM_2.5平均值（分别为77.6、78.8 μg/m³）仅相差1.2 μg/m³,与在位测量的PM_2.5观测值相比,误差平均值均为37.4 μg/m³。由此可见,融合结果对初始变程值的变化敏感度不高,在季节相同的情况下,变程的多年季均值可有效替代相应季节的变程值。     

基于静风期污染物的PM2.5排放清单空间精细化方法

有利气象条件之后的静风期,极大降低了PM_2.5跨区域传输的影响,能够揭示本地源的排放状况。本文尝试性引入了静风期污染物分布揭示本地源排放特征的概念,提出了一种基于遥感数据的PM_2.5排放清单空间精细化方法：首先,利用 MODIS MCD19A2反演的ChinaHighPM_2.5数据,构建高时空分辨率PM_2.5数据融合方法;然后,构建唐山市有利气象条件之后的静风期污染物遴选方法（合理风向和风速：有利气象条件为东风,地面10 m高度风速大于3 m/s,其他风向,持续的较大风力5~10 m/s;静风期风速小于1.5~2.0 m/s）;其次,基于遴选的静风期PM_2.5数据分配MEIC清单中的PM_2.5总排放量,同时对比传统插值方法：基于GDP、人口密度、路网、土地利用类型数据,实现清单各污染源PM_2.5的1 km×1 km空间分配;最后,利用WRF-CMAQ模拟数据和地面台站实测数据进行真实性检验。研究结果表明：① PM_2.5数据填补融合方法能够有效提高PM_2.5监测数据的时空分辨率,且与地面监测值显著相关（R²=0.94,RMSE=4.64 µg/m³,NMB=2%,NME=7%）;② 引入有利气象条件后的静风期概念,提出了静风期污染物的遴选方法,有效降低了PM_2.5跨区域传输的影响,更好地反映了本地源排放的空间分布特征;③ WRF-CMAQ模拟方法的精度验证结果表明,该方法较传统面积插值法NME降低7%,NMB降低10%,RMSE降低1.54 µg/m³,R²提高11%。该方法为排放清单的空间精细化提供了新的研究思路。     

基于小波分析的GPS PWV与PM2.5比较研究

通过比较2013-11~12的BJNM站点GPS PWV序列与天坛站点PM2.5浓度序列发现,两者的相关系数大于0.535,sig值小于0.01,存在显著的正相关特性;基于小波分析方法剔除高频噪声、细微扰动和小尺度系统影响的第4层低频系数重构的PWV序列与PM2.5序列的相关性达到0.749;高频系数重构的PM2.5序列与PWV序列的相关性达到0.839,更能反映两者的正相关特性。     

集成多源遥感数据的PM2.5浓度空间分布制图

针对传统地面稀疏站点监测PM_2.5浓度以点带面的缺陷,本研究拟借助多源遥感数据开展了地面大气细颗粒物PM_2.5浓度空间分布模拟研究。以京津冀地区2013年的年均、季均PM_2.5浓度模拟图为例,用简化的气溶胶反演算法（SARA）反演了 1 km高分辨率AOD,并结合高分辨率遥感提取污染相关地理要素,对研究区PM_2.5浓度空间分布进行地理统计模拟及优选。结果表明：① SARA算法反演的AOD与地基AERONET相关性达0.99,能准确地反映研究区AOD的时空分布特征;② 集成多源遥感数据的地理加权回归模型拟合度高（平均R²-0.66）,其空间模拟显示研究区平均PM_2.5污染南部城镇最重,中东部城区次之,西北山区较轻;③ 研究区PM_2.5污染程度高,全年平均模拟浓度高达75 μg/m³,在气候环境及主要污染源季节性差异驱动下,浓度分布季节性特征显著,冬季污染最严重,而夏、秋季相对较轻。该成果对于精细把握PM_2.5污染特征,指导污染防控具有重要意义。     

Identification of major sources of PM2.5 in St. Louis Missouri USA

The objective of this study is to examine the use of the conditional probability function(CPF) and nonparametric regression(NPR) to identify the relationship between wind direction and concentration of PM2.5(particulate matter with aerodynamic diameter less than or equal to 2.5 μm). Twenty four-hour integrated PM2.5 mass and species concentrations were measured at the St. Louis-Midwest Supersite in East St. Louis,Illinois,USA in the periods of 22-28 June 2001,7-13 November 2001,and 19-25 March 2002. Wind di...     

基于小波变换的河北省GPS PWV与PM2.5的相关性分析研究

以2014-01~03的河北省GPS和PM2.5观测数据为例,利用小波变换方法开展GPS水汽和PM2.5浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM2.5浓度序列较好地反映了两者之间的正相关特性;D7高频信号（128~256 h）及D7与D6高频信号（64~256 h）重构的GPS水汽与PM2.5浓度的相关性较原始序列的相关性有较大提高;对于持续7 d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM2.5浓度序列的相关性达到0.890;不同时刻水汽变化对PM2.5浓度观测的影响,在水汽变化波动较大时段,水汽与PM2.5浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM2.5浓度峰值时刻的差异,水汽与PM2.5浓度序列的相关性则不明显。     

耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析

近年来,细颗粒物污染尤其是PM_2.5受到人们越来越多的关注,研究PM_2.5的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM_2.5分布规律。地面监测站的建设为PM_2.5的研究提供了更实时的观测数据,但由于测量噪声的影响,观测数据存在不准确的极端异常值。为了揭示中国PM_2.5的时空分布特征,本研究采用Kalman滤波对2015年中国338个城市的空气质量监测网络大数据进行最佳估计,并分析其时空特征。同时,根据中国各城市的PM_2.5浓度的时序分布,采用基于DTW的K-Medoids聚类方法将其分为4个等级,并采用q统计量来评估PM_2.5浓度分布的空间分层异质性。结果表明,采用Kalman滤波能有效去除数据噪声,峰值信噪比（PSNR）明显增大。在时空分布上,中国PM_2.5时间分布曲线呈现“U”形,冬季PM_2.5浓度明显高于夏季,且日变化曲线呈现“W”形;秋冬季PM_2.5浓度的空间分层异质性非常显著,且空间分布呈现“双核分布”,重污染区主要分布在华北平原、新疆等地,西藏、广东、云南等地是稳定的空气质量优良区。     

基于WPA-WOA-BP神经网络的PM2.5浓度预测

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对PM2.5浓度进行预测.实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于PM2.5浓度的预测,且预测精度优于BP神经网...     

基于地理神经网络加权回归的中国PM2.5浓度空间分布估算方法

中国空气污染问题日益严重,为获得连续的PM_2.5浓度空间分布,现有研究建立了多种基于统计回归的PM_2.5估算模型。然而,由于PM_2.5回归关系显著的空间非平稳性和复杂的非线性特征,如何实现高精度、高合理性的PM_2.5浓度空间大面估计仍然面临挑战,尤其在地形变化复杂、覆盖范围广阔的中国地区更为突出。本文引入了一种将普通线性回归（OLR）和神经网络结合的地理神经网络加权回归（GNNWR）模型,通过集成遥感数据、气象数据和地理信息数据建立了基于GNNWR的PM_2.5浓度空间估算方法。文章以中国2017年PM_2.5年平均浓度估算为例,开展了该模型与OLR、地理加权回归（GWR）的比较实验。实验结果表明,基于GNNWR的PM_2.浓度估算性能指标均明显优于OLR和GWR,且预测精度显著高于GWR。此外,GNNWR获得的PM_2.5浓度空间分布也更为合理,较为细致地刻画了中国地区PM_2.5浓度的局部空间变化和细节层次。     

融合GNSS水汽、风速与大气污染物的河北省冬季PM2.5浓度预测研究

为提高PM_2.5浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM_2.5浓度预测模型,开展未来24 h的PM_2.5浓度预测研究。首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后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,分别以PM_2.5单要素的RBF神经网络和融合大气污染物、风速、GNSS水汽的LSTM神经网络构建PM_2.5浓度预测模型;最后利用实测PM_2.5浓度序列分别对2种模型开展外部可靠性检验,将RMSE和IA作为评价指标进行模型精度评价。研究结果表明,基于FFT-LSTM的PM_2.5浓度预测模型的RMSE和IA分别为16.22 μg/m³和84.36%,模型预测精度较好,可有效预测未来24 h的PM_2.5浓度,该模型可为大气污染防治部门空气质量预测提供参考。     

6300ZC型柴油机加中冷节能研究

在６３００ＺＣ型柴油机上加装中冷器以实现节能，并对其技术关键的热阻与风阻损失问题进行了研究，设计研制了二代样机。经实船试验，节油率在３％～８％；经台架对比试验，耗油率从２１５ｇ／（ｋＷ·ｈ）降到２０９／（ｋＷ·ｈ）。     

重庆市绿色空间景观格局与PM2.5浓度时空相关性

空气中的细颗粒物对人民群众身体健康产生严重威胁,探究绿色空间景观格局对PM_2.5浓度的影响,有助于通过调整绿色空间格局降低PM_2.5浓度。以重庆市1980～2020年土地利用遥感监测数据和PM_2.5浓度数据作为基础数据,通过景观格局指数法、空间自相关分析研究绿色空间景观格局及PM_2.5浓度变化特征,再通过时空地理加权回归(GTWR)模型研究绿色空间景观格局指数变化对PM_2.5浓度的影响及其时空异质性。结果表明:①重庆市PM_2.5浓度从1980年至2010年逐渐上升,2010年至今逐渐降低; 同时,其空间分布具有显著聚集特征,主要显示为东部低-低聚集、西部高-高聚集的特征。②林地、草地和耕地的面积指数(TA)、斑块密度指数(PD)和斑块连接度指数(COHESION)与PM_2.5浓度具有显著的相关性。其中,林地面积指数呈负影响,耕地、草地面积指数呈正影响; 林地、草地斑块密度指数呈正影响,耕地斑块密度指数呈负影响; 林地、草地和耕地斑块连接度指数均呈负影响。③主城都市区内,草地面积指数和耕地斑块密度指数对PM_2.5浓度的负影响较强。渝东北三峡库区城镇群和渝东南武陵山区城镇群内,林地聚合度指数(AI)、斑块密度指数和斑块连接度指数以及耕地面积指数对PM_2.5浓度的影响较强。