陆地气溶胶细模态比的有效反演算法

提出了基于卫星气溶胶光学厚度(AOD)和恩格指数反演气溶胶细模态比(FMF)的新算法，该算法采用更准确的气溶胶模型，构建了以AOD和FMF为变量的二维查找表。将该算法用于北京和Jaipur两个地区FMF反演，并与AERONET和MODIS的FMF作比较。结果表明，新算法反演的FMF与AERONET的FMF的相关系数为0.656,而MODIS C6与AERONET的FMF相关系数为0.436;以AERONET的FMF为标准，新算法的均方根误差为0.156,低于MODIS C6的均方根误差(0.318);新算法的反演结果中有90%处于±0.4的误差范围内，而MODIS C6的FMF只有57.4%处于该误差范围内。     

人工神经网络在化学和环境科学中应用的若干问题

讨论了人工神经网络中最常用的多层前馈网络 ( BP网络 )及误差反向传播算法应用于化学和环境科学时要考虑的几个问题 :网络的输入与数据的归一化 ;隐含层数、隐含层节数和学习速率 ;训练集与监控集 ;网络误差 ;初始权重     

南京温室气体监测点位规划方法研究

以南京市为温室气体监测区域，以2021年1月和7月作为冬、夏季的代表，利用拉格朗日粒子扩散模型（LPDM）和K均值（K-Means）聚类算法对南京市已有的高塔点位进行筛选，研究温室气体监测点位布设最优位置。通过计算不同点位的城市CO₂贡献度，最终确定了冬季和夏季各8个温室气体监测建议点位。结果表明，通过聚类算法筛选出的监测站点选址能对南京市大部分城区的温室气体排放具有相对最大的覆盖范围和较高的敏感性，能够有效反映出南京市CO₂排放量的梯度变化，对南京市不同时空尺度上的温室气体排放达到相对最好的监测效果。     

2019年江苏省PM2.5和O3多模式集合预报算法效果评估

基于江苏省重污染天气监测预报预警系统多模式预报结果,分析了不同数值模式对江苏省13个城市细颗粒物(PM_2.5)和臭氧(O₃)的预报偏差特征,发展了多模式集合预报算法,并对其进行了评估。结果表明,相较于单一数值模式,集合预报算法显著改善了PM_2.5和O₃预报的准确率,其对江苏省PM_2.5和O₃空气质量分指数等级的预报准确率超过了80%。就江苏省整体而言,PM_2.5集合预报的准确率相比最优单一数值模式提升了6%。O₃浓度较低时,集合预报能有效改善各模式存在的高估现象。但受限于目前的校正策略,出现高浓度O₃污染时,集合预报对预报效果的提升相对有限。     

基于环境一号卫星的气溶胶光学厚度反演技术研究

基于环境一号卫星(HJ-1)遥感观测数据,采用改进的暗目标算法和深蓝算法分别对暗像元、亮像元地表的气溶胶光学厚度(AOD)进行反演,并将其结果与MOD04产品对比。结果表明:二者反演的AOD空间变化特征较一致,相关系数达0.874,HJ-1星反演结果有更高的空间分辨率。当AOD值0.2时,HJ-1星反演结果可靠性较低;当AOD值在0.2~0.8之间时,HJ-1星CCD相机反演气溶胶的结果与MOD04产品最相近,二者相对误差10%;当AOD值在0.8~1.5之间时,HJ-1星反演结果相对MOD04产品显著偏高;当AOD值1.5时,HJ-1星反演结果相对MOD04产品偏低。     

应用数据挖掘算法预测台风条件下PM_(2.5)质量浓度

利用6种数据挖掘算法对2012年台风和污染物浓度等数据建模,建立台风条件下的气象因素和环境空气中PM2.5的关系模型。通过对2013年数据的测试,表明6种数据挖掘方法模型的预测值与实测值具有很好的一致性。6种算法均能实现实时预测,其中Bagging算法预测结果的相关性整体最好,而对于测试样本,M5Rules算法最好,SMOreg算法次之。以2013年的超强台风"海燕"的预测为例,讨论台风条件下PM_(2.5)质量浓度的变化过程及对预测结果的解释。     

河流水质模型多维参数估值全局最优解的确定

1.多维参数估值算法及问题的提出1.1 算法:多维参数估值的有效算法是最优化法中的一阶梯度法,即“最速下降法”其原理是在原点(或起点)的目标函数J(k_i)下降速率最快的方向-2J(k_i)/2k_i(一阶负梯度方向),按一定的步长进行搜索,每次改进目标函数值,并得到新的起点,如此反复迭代计算,直到满足要求为止.以托马斯模型为例,其参数(k_1、k_2、k_3)估值算法如图1所示,其它河流水质模型的参数估值算法与此相似.     

一种水源地气温-水温-水质关系智能预警算法

设计了一种两阶段算法,引入水温作为中间桥梁,第一阶段利用多变异位自适应遗传算法解析气温与水温数学关系,第二阶段根据遗传算法改进的BP神经网络通过水温对水质进行预测,进而设计气温-水温-水质组成的水质预测算法GA-GABP,并将该算法应用于秦皇岛石河水库的水质监测模拟。结果表明,整个过程算法寻优速率快,网络学习时间短,其最终拟合、预测效果理想,能够对水质预警作出有效分析。     

BP神经网络改进算法预测水质浓度的应用

探讨了黄河兰州段地表水水质浓度预测的BP神经网络法，建立了一种动态的、及时的、超前的BP神经网络预测模型。并在标准算法的基础上用2种改进算法同时进行比较。结果表明，改进的BP算法在水质浓度预测中更能胜任，时间短、准确度高。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象，将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g，以利于快速、高效地确定c和g的全局最优值；SVM算法基于最优的c和g，分别以24，21，18，15，12，9和6个因子作为特征向量预测水质的污染程度。结果表明，当特征向量为9个影响因子时预测率最高。其参数c=18.56，g=1.35，对应的预测率为：全局预测率92.59%，重度污染水质预测率88.89%，轻度污染水质预测率94.45%。因此，通过PSO和SVM混合算法，可以确定影响太湖入湖河流水质的主要因子，利用这些主要因子对水质进行预测预警，不但可以节省时间，而且可以得到精确的结果。     

物料衡算法核定二氧化硫排放总量的一个关键点

二氧化硫排放总量的核定有3种方法：实测法、物料衡算法和排污系数法。对以煤为燃料的工矿企业，环保部门目前仍主要采取物料衡算法。其公式为：     

人工神经网络用于铅的化学形态模拟计算

用前馈线性网络法求解水体系中Ｐｂ（２＋）与ＯＨ－之间的反应常数，不同训练算法对求解结果的精度、收敛速度及权值均有影响．结果表明，批处理算法的精度最好，权值不出现负值，但运算时间最长；在线算法的精度虽不如批处理算法，而比数据变换－在线算法好，权值有时会出现负值．运算时间较长；数据变换－在线算法的优点是运算时间短，但相对误差较大，权值出现负值的机会多。采用反馈网络模拟计算铅的各种化学形态的浓度．用物料核算的方法对反馈网络模型进行检验表明，此种模型用于平衡计算是可行的，详细分析了理论模拟和实验曲线的差异的原因，温度的影响最小，在４＜ｐＨ＜９时，ＣＯ有重要的影响．在国代检验时，ｎ值取整所引入的误差的影响亦不可忽视。从本文的结果可以看到，采用前馈网络和反馈网络相结合的方法考察水体中的化学形态是可行的．从而为解决这一类问题提供了一种可能的途径．     

基于Landsat-8数据和劈窗算法的地表温度反演及城市热岛效应研究

陆地表面温度(Land Surface Temperature,LST)是地表能量平衡组分中的一个重要参数。随着卫星遥感技术的快速发展,遥感反演成为获取区域LST的一个重要手段。目前已有学者提出多种基于遥感数据反演LST的算法,其中劈窗算法被证明是一种精度较高的算法。基于Landsat-8卫星30 m空间分辨率的陆地成像仪(OLI)数据和100 m分辨率的热红外传感器(TIRS)数据,采用劈窗算法计算了无锡地区的LST,并采用地面实测水温数据和同步的MODIS温度产品对Landsat-8的计算结果进行了验证和对比分析。结果表明:基于Landsat-8数据和劈窗算法获取的LST精度较高,误差1K。在计算的LST结果基础上,进一步提取了热场变异指数来分析城市热岛空间分布特征,给出了城市热岛效应的定量化描述,并就不同地表覆盖类型对热岛效应的影响进行了分析。     

基于PSO-SVM算法的环境监测数据异常检测和缺失补全

针对环境监测数据异常和数据缺失问题,提出了基于支持向量机的粒子群优化数据异常检测和缺失补全算法。利用粒子群优化算法选取较优的支持向量机训练参数组合,以此建立非线性的支持向量机模型,并利用结果模型对测得的真实数据拟合预测。以宁夏回族自治区某污水处理厂的污染物测量数据作为实验数据,结果表明,利用该算法预测数据的准确率可达97.977%,检测异常数据准确度高,缺失数据补全正确。     

钢铁厂及其周围环境中二噁英和多氯联苯土-气交换研究

利用逸度模型及其相关算法,研究了东北某钢铁厂及其周围居住区、背景对照区二噁英和多氯联苯污染物土－气迁移方向和交换通量。结果表明,二噁英主要由大气向土壤迁移,其土－气交换通量为每月618~5373mg/km²,多氯联苯污染物主要由土壤向大气迁移,交换通量为每月47~230mg/km²。基于实测污染物的浓度和逸度模型能较好地估算该地区二噁英 、多氯联苯等持久性有机污染物的土－气界面迁移规律。     

"哨兵-3"卫星OLCI影像MPH算法反演太湖叶绿素a及藻草区分的研究

利用"哨兵-3"卫星OLCI影像数据,基于其619,665,681,709,753和885 nm中心波长对应的6个波段构建的最大特征峰高度(MPH)算法,采用SNAP 7. 0遥感专业软件,计算了典型日期太湖MPH算法得到的叶绿素a浓度、浮藻区、藻水混悬区、水草区的分布。结果表明:(1) MPH算法能够精确地识别太湖水草和蓝藻;(2) MPH算法能够提取稠密铺集水表层的"浮藻区",并区分出藻密度较小、水华现象轻微～轻度、蓝藻主要浸没在水面以下的"藻水混悬区"。与MODIS、VIIRS等常用的蓝藻水华遥感传感器相比,OLCI展现了更出色、更精细化的水生态遥感监测能力,可提高蓝藻水华预警预报水平。     

基于人工蜂群算法的BP双隐含层神经网络水质模型

采用人工蜂群算法优化BP神经网络的初始权值和阈值,同时采用双隐含层来提高网络精度,选取DO、IMn、COD、BOD5和NH3-N作为评价指标,建立一个基于人工蜂群算法的BP双隐含层神经网络模型,并应用该模型对2012年黄河水系下河沿断面的各月监测数据进行水质评价,同时与BP神经网络、模糊层次评价方法作比较。结果表明:基于人工蜂群算法的BP双隐含层神经网络在水质评价时,均方误差小,多次运行的结果始终一致,评价结果合理有效。     

考虑道路扬尘特性的环境空气质量在线监测方法

为判断环境空气污染的程度,提出一种考虑道路扬尘特性的环境空气质量在线监测方法。通过前端数据监测模块采集大气环境数据,基于光全散射法监测道路扬尘的质量浓度和密度;通过监测通信模块将监测结果传送至云服务器;云服务器利用基于极限学习机神经网络的预测模型,采用自适应粒子群优化算法,获取最佳的环境空气质量在线监测结果。结果表明,该方法学习速率的取值为0.5时,能够完成颗粒物浓度和密度的准确检测,且解释方差<2%,同时能够监测扬尘颗粒的扩散时间,确定适合活动的区域。     

空地协同模式在城市水环境监测中的应用研究

传统水质监测方法耗时且费力，而基于高光谱的水质监测技术可实现对水质的快速、直观、原位监测。以扬州古运河三湾段为研究区域，基于无人机高光谱成像仪与水质走航监测船相配合，采用空地协同模式和偏最小二乘回归算法对总磷（TP）、总氮（TN）、氨氮（NH₃-N）、高锰酸盐指数（I_Mn）4个水质参数进行定量反演研究。结果表明：该反演模型的决定系数（R²）为91%～97%；拟合效果依次为NH₃-N＞I_Mn＞TN＞TP；各指标反演误差绝对值为0.2%～4%。该方法具有较好的反演效果，可快速、准确地获取城市河道水质分布情况，适用于城市水环境监测。     

基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。