基于神经网络的东北地区秸秆焚烧预测

选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明：人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80：20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持.     

基于多源卫星表征的中国秸秆露天燃烧CO2排放特征及驱动因子分析

秸秆露天燃烧排放是中国碳排放的重要贡献源之一,现有研究中对近年来中国秸秆露天燃烧排放演变特征识别及驱动力分析还不足.本研究采用基于Himawari-8、VIIRS、MODIS监测火点融合的方法估算了2016—2020年中国秸秆露天燃烧CO₂排放量,并采用灰色关联分析识别其驱动因子.结果表明,2016—2020年中国秸秆露天燃烧CO₂排放整体呈下降趋势,尤其在2018年排放大幅下降,对中国秸秆露天焚烧减排影响最大的区域为东北地区.针对不同省份的CO₂月排放变化趋势分析发现,黑龙江、吉林等省份表现为双峰型排放结构,有明显的季节性特征;而福建、广东等省份没有无明显的峰值与季节特征.农作物产量、播种面积与秸秆露天焚烧CO₂排放之间存在强关联性.在自然、经济因素对各省份秸秆露天焚烧行为的影响方面,上海、北京等发达省份(直辖市)受经济因素影响高,而贵州、内蒙古等省份(自治区)则易受自然条件牵制.     

浙江2001—2016年露天生物质燃烧排放污染物时空格局

生物质露天燃烧排放烟气颗粒物对大气环境、生态系统和人类健康有重要影响. 该研究基于MODIS - MCD64A1数据提取2001—2016年浙江省森林、灌丛、草地火灾面积和作物秸秆火点数据,结合植被类型、生物质密度和燃烧效率,运用排放因子法,估算16年间浙江区域露天生物质燃烧排放污染物总量. 结果表明,2001—2016年浙江区域露天生物质燃烧总量为58.78 mt,其中乔木、灌木、草本、水稻、小麦、玉米、豆类和油菜燃烧总量分别为202.18 kt、10.43 kt、300.10 t、46.66 mt、1.94 mt、2.45 mt、3.45 mt和4.06 mt. 森林和秸秆火次数分别为1783次和23257次,森林火灾多集中在浙江南部区域,秸秆火多集中在浙江北部区域. 森林和草地火灾次数主要集中在3月和10月,作物秸秆火点主要集中在5、7和8月份,占全年75%以上. 各污染物CO₂、CO、NO_x、VOCs、PM_2.5、TC、OC和EC排放总量分别为667.20、26.40、1.13、4.92、5.12、2.85、2.59和0.23 mt. 该研究揭示了浙江地区生物质露天燃烧排放污染物的时空变化,为深入揭示生物质燃烧对区域环境影响提供数据支持.     

吉林省秸秆打包减排及综合利用分析研究

为量化秸秆打包政策对防控大气污染的影响,基于吉林省2016年秸秆产量、秸秆打包地亩数、卫星火点数据以及大气污染物浓度的变化,对吉林省秸秆打包产生的大气环境及社会经济效益进行了分析,结果表明:1)吉林省打包秸秆量为220.36×10~4t,约占秸秆年产量的5.5%,假如全部加工成生物质颗粒燃料,2016年至少减少14.54×10~4t污染物排放;2)吉林省秸秆打包政策执行以来,秸秆露天燃烧量及秸秆燃烧主要月份的卫星火点数显著下降;3)随着露天燃烧量的减少,区域大气颗粒物浓度降低,空气质量改善。秸秆燃烧主要月份的PM_(2.5)和PM_(10)浓度从2014年的104.5μg·m~(-3)、164μg·m~(-3)分别下降到2016年的48.5μg·m~(-3)、69·μg·m~(-3)。研究结果可为吉林省有效减少污染物排放、综合利用农作物秸秆、改善大气环境质量等提供科技支撑。     

基于MODIS火点数据分析南北方省份生物质开放式燃烧与排放特征

利用2018年全国范围内的MODIS火点数据,结合土地利用数据信息,运用地理信息系统空间分析方法和统计分析方法,以火点数据、生物量及各污染物排放量为指标,分析了南北方省份生物质开放燃烧的时空特征.计算结果显示,北方省份森林火灾、草原火灾、秸秆露天焚烧生物量分别为107×10⁴、74×10⁴、498×10⁴ t,南方省份则分别为344×10⁴、106×10⁴、164×10⁴ t.研究结果表明：①地域因素及气象因素是影响生物质开放燃烧时空特征的主要因素.②北方省份生物质开放式燃烧以秸秆露天焚烧为主,森林火灾主要因气候导致.南方省份生物质开放式燃烧以森林火灾为主,高发于春季,主要因南方存在"炼山"整地的传统营林措施.③南方省份虽然整体生物质开放式燃烧活动水平较北方省份低,但污染物排放强度较北方省份要高.     

长三角地区秸秆燃烧排放因子与颗粒物成分谱研究

为获取长三角地区秸秆燃烧污染物排放因子及其颗粒物成分谱,利用自行设计开发的开放式燃烧源排放测试系统,选取小麦、水稻、油菜、豆秸和薪柴等5类典型作物秸秆,分别采用露天焚烧和炉灶燃烧2种燃烧方式,实测其气态污染物和颗粒物排放特征.结果表明,露天燃烧各类秸秆的CO、NOx和PM2.5平均排放因子约为28.7、1.2和2.65 g·kg-1,由于炉灶氧含量相对较低,燃烧不充分,其污染物排放因子总体高于露天燃烧,分别为81.9、2.1和8.5 g·kg-1.各类秸秆中,油菜的排放水平相对较高.含碳组分(OC和EC)是生物质秸秆燃烧产生PM2.5的主要组成,在露天燃烧中OC和EC的质量分数分别占(38.92±13.93)%和(5.66±1.54)%;炉灶燃烧中OC和EC分别为(26.37±10.14)%和(18.97±10.76)%.Cl-、K+等水溶性离子也有较大贡献,在露天燃烧中分别为(13.27±6.82)%和(12.41±3.02)%;在炉灶燃烧中分别为(16.25±9.34)%和(13.62±7.91)%.小麦、水稻、油菜和豆秸等作物秸秆露天燃烧排放颗粒物的K+/OC值分别为0.30、0.52、0.49和0.15,这些特征值可用于判断长三角区域空气质量受秸秆燃烧排放影响的程度,为大气污染来源解析提供直接的判断依据.     

秸秆焚烧对黄石市空气质量的影响分析

以黄石市2019年秸秆露天焚烧火点数据、对应时段该市环境空气监测数据和气象数据为研究对象,文章综合运用相关分析和气团后向轨迹模式等方法,探讨秸秆焚烧对黄石市空气质量的影响及空气污染成因。研究发现,稻收期的火点数显著高于麦收期。各城区空气质量指数、秸秆焚烧排放的特征污染物（如PM_(10)、PM_(2.5)和CO）浓度、O_3浓度、特征指标（如PM_(2.5)/PM_(10)和PM_(10)/SO_2值）等均在秸秆露天焚烧后的2～7 d内迅速增加,并导致空气污染。秸秆焚烧后,各城区空气中PM_(2.5)与PM_(10)相关系数较焚烧前增加;CO质量浓度总体上与PM_(10)和PM_(2.5)呈显著的正相关关系（P<0.01）,与能见度呈显著的负相关关系（P<0.05）。结果表明黄石市空气污染与本地秸秆露天焚烧有关。基于后向轨迹模式的空气污染成因分析结果表明,秸秆露天焚烧、不利气象条件和污染物跨区域输送是导致黄石市2019年空气污染加重的主要因素。该研究结果为黄石市打赢蓝天保卫战、有针对性地协同治理大气污染提供科学依据。     

华东地区2000-2014年间秸秆燃烧排放PM2.5时空动态变化

秸秆燃烧释放大量细小颗粒物（Fine Particulate Matter）,对大气环境、生态系统和人类健康有重要影响.该研究基于2000-2014年中国华东地区农作物产量统计数据,估算各区域秸秆产量及室内外农作物秸秆燃烧总量.并运用排放因子法,估算15年间华东地区农作物秸秆燃烧PM_2.5排放总量.研究结果表明,华东地区秸秆产量及燃烧总量分别为：2033.2 Mt和32678.59 Wt,PM_2.5的排放总量为851.95 Wt.此外,PM_2.5排放在时间和空间上不均衡.卫星火点监测数据显示,农田秸秆燃烧密集区域主要分布在山东南部、安徽北部、江苏和浙江东北部及上海市大部分地区;单位网格PM_2.5最大的排放量多集中在山东、安徽北部、江苏中部和北部、浙江东北部和上海区域.时间序列上,山东、江苏和安徽呈显著增长趋势,上海、福建和浙江呈显著降低趋势.稻谷、小麦、玉米、豆类和油菜秸秆燃烧对污染物PM_2.5的贡献率分别为32.45%、30.18%、18.95%、3.77%和14.65%.农作物秸秆燃烧释放PM_2.5与工业粉尘的排放比变化趋势表明山东、安徽和江苏总体呈上升趋势;上海、福建和浙江总体保持平稳趋势.通过对华东地区农作物秸秆燃烧释放PM_2.5的时空变化研究,为更好的揭示秸秆燃烧对区域环境的影响提供数据支持.     

华北平原夏收期间气溶胶卫星遥感探测分析

为研究2014年华北平原在夏收期间气溶胶污染的时空分布特征及形成原因,对2014年6月MODIS卫星的华北平原的气溶胶光学厚度(AOD)、细粒子比(FMF)、火点分布及后向轨迹进行了分析.结果表明,2014年6月华北平原的气溶胶光学厚度值在1.2~2.0之间,远高于年平均值1.0~1.2,而6月的火点分布主要集中在6—14日,此阶段的气溶胶光学厚度值高于6月6日前及14日以后的气溶胶光学厚度值.在两个特定研究区——华北南部及长三角地区,通过对6月的3个阶段的细粒子比进行分析,发现火点集中阶段细粒子排放增多,确定此次污染极有可能是由秸秆燃烧造成.在火点集中时期,两个研究区的后向轨迹说明,污染主要来自火点分布密集区域,进一步确定了秸秆燃烧是华北平原在夏收期间的主要污染源之一.     

中国露天生物质燃烧的温室气体排放及秸秆禁燃政策的协同减排效应

露天生物质燃烧是温室气体（CO₂、CH₄、N₂O）的重要排放源之一,这些排放可影响本地、区域和全球的大气化学和气候变化,并带来一系列生态环境问题,进而对人类及其他生物的生存环境产生影响.本研究采用卫星火点排放清单（FINN）,对2010—2019年中国露天生物质燃烧温室气体排放进行研究,并分析秸秆禁燃政策对温室气体排放的影响,对后续秸秆禁燃政策的制定具有重要参考价值.结果表明,我国2010—2019年平均年温室气体排放量为1.53×10⁸ t（将CH₄和N₂O的温室效应换算为同等效应的CO₂当量单位）,总体呈波动性下降趋势.温室气体排放量最大的植被类型是森林（7.43×10⁷ t）和农作物（3.19×10⁷ t）,分别占总排放量的48.7%和20.9%.从月分布来看,露天生物质燃烧排放的温室气体集中在2—6月,3月是高峰值.从空间分布上看,排放主要集中在华南、西南和华东地区,占总排放量的72.9%.从2013年以来,秸秆禁燃政策的加强在一定程度上降低了露天农作物秸秆燃烧排放的温室气体和PM_2.5.从变化量看,28个省份实现了秸秆燃烧排放的温室气体与PM_2.5同步下降.     

基于WRF-CMAQ评估秸秆禁烧对区域空气质量的影响

基于本地化的秸秆露天焚烧主要大气污染物排放清单,采用空气质量模式WRF-CMAQ,定量评估秸秆禁烧管控对东北地区空气质量的影响.结果显示,2013~2020年东北地区秸秆露天焚烧污染物排放总量整体呈现先增加再降低的趋势,每年的秸秆焚烧集中期为春耕前（3月和4月）和秋收后（10月和11月）.2017年秸秆焚烧集中期内,秸秆露天焚烧对东北三省的CO和PM_2.5浓度的贡献率分别为24.01%和39.98%,农作秸秆露天焚烧是造成东北地区空气质量下降的重要因素;相同气象条件下,2019年秸秆焚烧集中期,秸秆焚烧对东北三省大气中CO和PM_2.5浓度的贡献率较2017年同期分别下降了9.58%和13.95%,表明2019年的秸秆禁烧政策有效改善了东北地区的空气质量.同时,若东北三省均实施吉林省2019年的秸秆禁烧管控政策,则东北地区的空气质量将会进一步改善.本研究结果可为区域大气污染联防联控政策的制定提供科技支撑.     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

基于气象相似准则的城市空气质量预报模型

为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。     

基于BP模型的大气污染预报方法的研究

BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单而又非常有效的算法.笔者将BP网络模型引入到大气污染预报领域,并根据大气污染物含量与气象要素的关系建立了大气污染物含量的神经网络预报模型.计算结果表明,BP模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法.      

基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

生物质露天焚烧及家庭燃用的多环芳烃排放特征研究

农村地区生物质燃烧排放是大气多环芳烃(PAHs)的重要来源之一.本研究利用建立的烟尘罩稀释通道采样系统,对我国典型的生物质燃烧方式—水稻、玉米、花生、大豆秸秆的家庭炉灶燃烧,并对水稻、玉米、花生秸秆以及荔枝树、大叶榕、小叶榕等落叶的露天焚烧进行实验室模拟,实测了秸秆野外焚烧、落叶野外焚烧、秸秆炉灶燃烧等3种典型生物质燃烧类型排放的气相及颗粒相PAHs的排放因子.结果表明,本研究生物质露天焚烧PAHs排放因子高于大部分已有实验结果,秸秆炉灶燃烧PAHs排放因子亦高于大部分排放清单采用值.3类燃料燃烧排放PAHs的谱分布相近,均以中低环PAHs为主,中高环(4~6环)PAHs比例为22.2%~28.8%.采用某单一数值作为某类源PAHs特征比的取值,并将其运用于大气PAHs的来源解析可能会造成偏差.     

农业残留物燃烧温室气体排放清单研究:以江苏省为例

通过问卷调查确定了江苏省农业残留物在不同时间阶段(1990～1995、1996～2000、2001～2005和2006～2008年)作为生活燃料和田间直接燃烧的比例,利用燃烧炉模拟秸秆燃烧试验确定了6种农业残留物(水稻、小麦、玉米、油菜、棉花和大豆)燃烧产生的CO2、CO、CH4和N2O的排放因子;基于此,结合江苏省不...     

徐州市秸秆综合利用现状及对策

农作物秸秆资源的利用在农业环保中的意义日益突出。对江苏省徐州市秸秆综合利用状况进行了实地调查和研究,阐述了徐州市目前秸秆综合利用现状,分析了徐州市秸秆综合利用过程中所出现的焚烧问题的产生原因,并针对此问题提出行之有效的方案。     

中国秸杆焚烧及民用燃煤棕色碳排放的初步研究

近年来的研究表明,在BC(黑碳)和OC(有机碳)之间,还存在着一种有弱吸光能力的OC,因大多显棕黄色而被称为BrC(brown carbon,棕色碳). 广泛存在的秸杆焚烧和冬季大量民用燃煤的使用,使国内BrC排放严重,但鲜见对其排放量的测算. 采用七波段黑碳仪(aethalometer)方法,对夏季小麦秸杆焚烧过程及冬季民用炉燃煤过程产生的烟气进行现场监测,根据BrC与BC的光谱关联性差别,分化出R_BrC/BC(总光学衰减中BrC和BC的相对贡献). 结果表明:麦秆焚烧和民用燃煤烟气的R_BrC/BC分别为1.754±0.278和0.183±0.142. 借助R_BrC/BC值,结合现有的BC排放清单(2000年),初步推算出中国民用燃煤和秸杆田间焚烧BrC的排放总量(以BC当量计,下同)为(270.6±101.6)Gg,接近同期BC排放量的一半;其中秸杆焚烧的BrC排放量为(175.4±27.8)Gg,约占二者总量的65%;民用燃煤的BrC排放量为(95.2±73.7)Gg,约占35%. 该研究结果可为更全面的BrC排放测算奠定基础,并为研究BrC的大气化学及辐射强迫提供依据.