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。     

基于时空回归克里格和AOD数据的PM2.5时空插值

基于京津冀地区2016年PM_(2.5)浓度监测数据和MOD04的10 km分辨率气溶胶数据,结合时空位置,建立PM_(2.5)回归模型,使用时空回归克里格方法对京津冀地区进行PM_(2.5)时空插值,对比研究时空回归克里格与只使用监测站数据的普通时空克里格方法的时空插值结果。结果表明,两种方法的插值结果时空趋势相同,京津冀地区东南部PM_(2.5)浓度较高,夏秋两季浓度低于春冬两季;时空回归克里格插值结果的均方根误差为26.1,时空克里格插值结果均方根误差为28.3,即兼顾时空趋势并结合气溶胶数据的时空回归克里格插值精度提高了约8%。     

基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后，提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据，选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题，提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选；ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理；LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原，东部高于西部；淄博市逐月PM_2.5浓度呈“U”形分布，1月最高，8月最低；淄博市PM_2.5浓度受PM₁₀和CO影响较大，受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型，GRA-ICEEMD-LSTM模型...     

NARX神经网络模型在昆明市环境空气质量预测中的应用

神经网络模型作为一种重要的手段被广泛应用于数学计算、物理建模、水文模拟、环境预测、人工智能等研究领域。为验证神经网络模型在高原山地城市环境空气质量预测中的作用,以昆明市环境空气自动监测站气象因子和污染物浓度数据为基础,构建NARX神经网络模型,对污染物浓度进行预测。结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对环境空气6参数做出较为准确的预测,其预测浓度相对误差显著低于CMAQ、NAQPMS空气质量数值模式以及LSTM统计模型预测结果。优化后的NARX神经网络对污染物浓度变化趋势的预测较其他几个模式更为敏感。     

基于MODIS的西藏典型湖泊叶绿素a浓度反演

叶绿素a浓度是反映湖泊富营养化状态的一个重要参数。以MODIS L1B数据为基础，结合叶绿素a浓度实测数据，基于经验分析法实现了西藏典型湖泊叶绿素a浓度反演研究，并探索了西藏典型湖泊2019年春、夏、秋季叶绿素a浓度的时空变化特征。首先，利用叶绿素a浓度实测数据和MODIS L1B影像不同波段的反射率值进行组合试验，选择最佳波段组合建立模型；其次，分别选用2015年、2017年叶绿素a浓度实测值和反演值对模型进行对比验证；最后，利用叶绿素a浓度反演模型对西藏典型湖泊2019年春、夏、秋季叶绿素a浓度的时空变化特征进行分析。结果表明：在空间尺度上，西藏典型湖泊叶绿素a浓度整体上呈现出周围高、中部低的分布特征，且湖岸水体叶绿素a浓度变化较大；在季节尺度上，不同湖泊叶绿素a浓度的季节变化存在较大差异，格仁错和色林错的季节变化幅度较大，纳木错、塔若错和羊卓雍错的季节变化幅度较小。     

江西省臭氧污染特征及其与气象条件的关系

基于2017年1月至2020年6月的江西省国控点臭氧监测数据和同期气象观测数据,研究江西省臭氧污染特征及其与气象条件的关系。结果表明:2017—2019年,江西省臭氧超标时间和质量浓度呈现出逐年增加的趋势; 4—6月和8—10月是江西臭氧污染高发期,其中8—10月臭氧污染最严重;臭氧1 h浓度日变化呈现"单峰"分布特征,早晚浓度低,上午09:00浓度快速上升,15:00达到峰值。除景德镇外,2017—2019年江西省臭氧污染在空间上总体呈现出南高北低的特征,2019年臭氧污染在空间上呈现出总体平均分布的特征。大体上,江西省11个设区城市臭氧超标天数比例的峰值在(30,35]℃日最高气温区间。晴朗天气时的地面低压系统与臭氧污染关联性强,江西省11个设区城市在日均地面气压(990,1 013.25]hPa、日均地面湿度(50%,70%]和日均地面风速(1,2]m/s条件下臭氧容易超标,臭氧超标时地面主导风向主要为北风和东北风。     

基于机器学习的大气PM2.5中金属浓度预测模型的研究

基于2013—2018年哈尔滨市气象数据、大气污染物数据和细颗粒物（PM_2.5）中金属成分数据，采用机器学习方法探索大气PM_2.5中金属浓度预测模型，并选择最优模型进行污染物浓度预测。结果表明，多元线性回归（MLR）、人工神经网络（BP-ANN）、支持向量机（SVM）和随机森林（RF）4种模型中，RF对大气PM_2.5中5种金属［锑（Sb）、砷（As）、铅（Pb）、镉（Cd）、铊（Tl）］的浓度预测效果最佳，在训练集和测试集中表现均较稳定，其中相关系数（r）均＞0.7， 平均绝对误差（MAE）和均方根误差（RMSE）数值较小。RF在大气PM_2.5中金属浓度预测上具有较好的表现，可在缺乏监测和实验数据的情况下，实现对大气颗粒物中金属浓度的快速预测，为全面了解颗粒物中金属污染特征提供数据基础。     

沈阳环境空气臭氧浓度及累积速率时序曲线模拟研究

为了解环境空气臭氧累积规律,利用2017年沈阳市环境空气臭氧浓度数据,统计分析臭氧累积速率,并利用回归方法拟合并优化臭氧浓度及其累积速率的时间序列模型,同时结合气温、风力、臭氧前体物等时序变化情况分析臭氧浓度的影响因素。研究发现:沈阳市臭氧月均浓度年变化、日均浓度年变化以及小时浓度日变化时序曲线均呈现单峰形态;年变化中,6月的臭氧浓度最大,4月臭氧累积速率达到最大值;日变化中,14:00臭氧浓度达到最大值,09:00—11:00臭氧累积速率最大,19:00—20:00臭氧迅速消减。温度、风速同臭氧浓度之间均有较好的正相关性。臭氧前体物二氧化氮、挥发性有机物与臭氧浓度之间均呈明显的负相关性。     

新疆玛纳斯县大气臭氧浓度时空变化及影响因子分析

选取新疆玛纳斯县2018—2019年空气自动站的监测数据,统计分析了臭氧浓度时空变化规律。主要结果表明,2019年臭氧为首要污染物天数同比2018年增加48.9%,2019年因臭氧浓度超标造成轻度污染天数较上年增加250%,臭氧已成为影响空气质量的重要因子之一。臭氧浓度具有明显的季节变化特征,2018—2019年玛纳斯县臭氧平均浓度均在5—8月达到全年的最高值,11月至翌年1月浓度为全年最低值,臭氧浓度整体呈现夏季高,冬季低的特点,城市形成局部臭氧超标的主要原因及其影响力的大小受温度和风速的影响。在此基础上对臭氧污染进行了溯源及影响因子分析,提出防控臭氧污染的建议。     

沈阳市冬季环境空气质量统计预报模型建立及应用

利用沈阳市2013年1—2月大气自动监测数据和同期气象资料,选取19项预报因子,采用逐步回归方法建立了沈阳市冬季环境空气质量统计预报模型,预报项目包括细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)日均浓度及臭氧(O3)日最大8 h平均浓度。2013年11月至2014年1月,应用该模型并结合人为经验修订,开展了沈阳市环境空气质量预报工作,预报结果与实测结果的对比验证结果表明,环境空气预测结果级别准确率达到79.1%,首要污染物准确率为73.6%。     

基于卫星遥感的中国东部地区NO2减排成效验证

基于Aura卫星臭氧监测仪（OMI）数据，分析了2011—2018年中国东部地区对流层NO₂柱浓度的时空分布规律，以广泛而客观地验证NO₂减排成效。结果表明：进入"十二五"以来，中国东部地区对流层NO₂柱浓度快速下降，高值区域范围快速收缩甚至消失；华北平原、长江中下游平原污染相对严重，同时这些地区污染程度正在得到较快速的缓解；京津冀、长三角、珠三角是中国东部地区对流层NO₂柱浓度相对最高、下降速度最快的典型区域；中国东部地区NO₂减排取得的成效与产业转型升级、能源结构调整及严控移动源排放等政策措施密不可分。     

达州市城区环境空气质量变化趋势及CMAQ模型预报分析

利用Spearman秩相关系数法、污染日历图、浓度分析法和CMAQ预测模型研究了达州市城区2015—2019年空气质量状况。结果表明:2015—2019年,达州市城区O_3浓度变化趋势为显著上升(P0.05),季度变化明显,8月易发生因O_3超标导致的轻度污染状况;CO年均值变化趋势为显著降低(P0.05);NO_2年均值呈上升趋势,但尚未达到显著水平(P0.05);SO_2、PM_(10)和PM_(2.5)年均值呈下降趋势,但变化趋势不明显(P0.05)。2019年,1月和12月污染最重,PM_(2.5)超标是主因,PM_(10)和PM_(2.5)年均值达标形势严峻,全年一半以上天数的PM_(2.5)浓度超过年均值二级标准限值,PM_(10)也近半;NO_2年均值达标形势严峻,全年212 d超过年均值二级标准限值。CMAQ模型对不同污染指标的预测准确率不同,预测PM_(2.5)浓度、首要污染物和空气质量等级时的准确率不及人工预测,预测AQI时的准确率高于人工预测,更多污染指标的预测比较还有待进一步研究。     

区域PM2.5时空回归建模与预测

基于区域PM_(2.5)时空建模和预测的需要及PM_(2.5)浓度呈现明显的时空分布趋势的状况,以苏南地区2014年PM_(2.5)日监测数据为实验数据,使用回归克里格对区域PM_(2.5)进行时空建模和估值。利用最小二乘法建立了PM_(2.5)与时空位置的三元二次回归趋势模型,建模点趋势值与实测值间的平均误差接近于0,表明趋势模型拟合效果较好;拟合了样点残差的理论变异函数模型,表明该地区PM_(2.5)的空间和时间相关性范围分别为150 km和4 d;基于该模型,使用时空普通克里格对残差进行时空插值;插值结果与趋势项相加,得到PM_(2.5)回归克里格估值结果;通过对比不考虑趋势的时空普通克里格估值结果,发现考虑时空趋势的时空回归克里格法精度提高了1. 29%。对所提方法进行了创新性分析,并对不足之处进行了讨论。     

中原城市群臭氧浓度分布特征及来源

利用2015年臭氧(O_3)自动监测数据和源排放清单,分析了中原城市群O_3浓度的空间、时间分布情况,探讨了中原城市群中城市间O_3的相关性,以及O_3浓度、NOx、VOCs、CO及汽车保有量间的相关性。指出中原城市群是全国更是河南O_3污染的严重地区,O_3浓度年内月度变化呈倒"V"型分布,具有明显的北部城市特征;中原城市群9个城市间除开封外其他8个城市间都呈高度正相关性,相关系数均为0.892~0.991;9个城市机动车保有量及NOx、VOCs和CO等前体物的年排放量与其年均O_3浓度之间存在正相关性。分析认为,NOx、VOCs和CO等前体物的排放是中原城市群O_3浓度偏高的主要影响因素,同时O_3浓度也与日照时间、降雨量、植物源VOCs排放量及相邻城市间污染物的空间输送等因素有着密切的关系。     

MODELING NITROGEN UPTAKE AND POTENTIAL NITRATE LEACHING UNDER DIFFERENT IRRIGATION PROGRAMS IN NITROGEN-FERTILIZED TOMATO USING THE COMPUTER PROGRAM NLEAP

Readily available nitrogen (N) sources such as ammonium nitrate with excessive irrigation present a potential hazard for the environment. The computer program Nitrate Leaching and Economic Analysis Package (NLEAP) is a mechanistic model developed for rapid site-specific estimates of nitrate-nitrogen (NO₃-N) moving below the root zone in agricultural crops and potantial impacts of NO₃-N leaching into groundwater. In this study, the value of NLEAP was tested to simulate N uptake by crops and NO₃-N leaching parameters in large lysimeters under the tomato crop. Three seedlings of tomato variety of H-2274 (Lycopersicum esculentum L.) were transplanted into each lysimeter. N fertilizer at the rate of 140 kg N ha^–1 was sidedressed in two split applications, the first half as ammonium sulphate and the second half as ammonium nitrate. The lysimeters were irrigated based on programs of C 0.75, 1.00, 1.25 and 1.50, C referring to class A-Pan evaporation coefficients. Parameters such as leaching index (LI), annual leaching risk potential (ALRP), N available for leaching (NAL), amount of NO₃-N leached (NL) and amount of N taken up by the crops (NU) were estimated using the NLEAP computer model. To test the ability of model to simulate N uptake and NL, measured values were compared with simulated values. Significant correlations, R² = 0.92 and P < 0.03 for the first year and R² = 0.86 and P < 0.06 for the second year, were found between measured and simulated values for crop N consumption, indicating that the NLEAP model adequately described crop N uptake under the varied irrigation programs using an optimal N fertilization program for the experimental site. Significant correlations, R² = 0.96 and P < 0.01 for the first year and R² = 0.97 and P < 0.01 for the second year, were also found between measured and simulated values of NL, indicating that the NLEAP model also adequately predicted NL under the varied irrigation programs. Therefore, this computer model can be useful to estimate the NO₃-N moving beyond the root zone under conditions in which the present experiment was carried out. Also, the NLEAP-estimated NAL values and other parameters can also be used to improve N management practices and N fertilizer recommendations that will help to decrease the adverse effect of N fertilizer on groundwater quality and farm profitability.     

Simulation of Urban-Scale Air Pollution Patterns in Luxembourg: Contributing Sources and Emission Scenarios

The aim of this study is to investigate the air pollution situation in an urban area in southwestern Luxembourg and to simulate annual NO₂ and PM₁₀ concentrations in response to changes in meteorological conditions and emissions using a Gaussian dispersion model. Simulations are carried out for the years 1998–2006. Emission scenarios related to road transport and nonindustrial combustion are performed in order to predict changes of air pollution levels. Road transport is by far the most important local emission source in the study area. Scenarios with more stringent emission standards for vehicles, less traffic, and fewer heavy-duty vehicles lead to reductions of NO_x and primary PM₁₀ emissions. As a result, the annual NO₂ concentrations are decreasing in most parts of the study area and are below the European annual limit value of 40 μg?m^?3. In contrast, a scenario with increased use of wood pellets for domestic heating shows an increase in urban PM₁₀ concentration. The year-to-year variability of meteorological conditions accounts for the same magnitude of absolute NO₂ and PM₁₀ concentration changes as the emission scenarios. The comparison with measurements located in the study area shows that the model is able to predict urban-scale annual average air pollution. The proposed application results show that the model can be appropriate for policy-driven air quality management and planning queries.     

基于不同时间尺度综合指数贡献率的攀枝花市大气污染特征分析

选取2016—2022年攀枝花市环境空气质量监测数据，基于年度、季度、月度、小时时间尺度评价环境空气质量综合指数贡献率。结果表明，攀枝花市污染类型已由传统的单一工业型污染转变为复合型污染，且污染物在不同时间尺度下的分布特征明显。从季度尺度来看，第一季度细颗粒物(PM_2.5)综合指数贡献率较大，第二和第三季度臭氧(O₃)综合指数贡献率较大，第四季度二氧化氮(NO₂)及PM_2.5综合指数贡献率较大。从月度尺度来看，O₃在3—8月的贡献较大，PM_2.5、NO₂、可吸入颗粒物(PM₁₀)、一氧化碳(CO)、二氧化硫(SO₂)在1—2月及11—12月的贡献较大。从小时尺度来看，O₃在13—19点贡献较大，PM₁₀、PM_2.5、CO在8—13点贡献较大，SO₂在9—13点贡献较大，NO₂在8—1...     

电力跨区域调配隐含的污染转移效应

为研究中国30个省/自治区/直辖市之间电力区域调配的污染物转移效应,构建了电力传输的污染转移模型,并以SO_2和NO_x为例对2006、2015年数据进行测算。结果表明,2015年电力行业SO_2、NO_x排放强度分别由2006年的4.03、2.18 g/(kW·h)下降到0.69、0.77 g/(kW·h)。2015年,16个电力净输入区通过电力跨区域传输的SO_2、NO_x转移量分别为47.8×10~4、53.0×10~4t,占这些地区电力行业SO_2、NO_x排放量的24.1%、24.2%;14个电力净输出区通过电力跨区域传输的SO_2、NO_x转移量分别为-54.6×10~4、-52.1×10~4t,占这些地区电力行业SO_2、NO_x排放量的26.5%、22.8%。研究结果对于分析区域物质流动所隐含的污染流动,全面认识区域污染物排放格局,制定合理的区域污染减排目标具有一定借鉴意义。