基于IG-LASSO模型的城市空气质量指数混合预测研究

空气质量指数是各个地区空气污染状况的数据表征,可用于政府对城市空气污染的控制。论文使用天津市2014年1月1日-2016年4月30日的空气质量数据和气象数据,建立一个基于IG(信息增益)和LASSO(最小绝对收缩率和选择算子)的空气质量指数混合预测模型,对未来一天的空气质量指数进行预测。整体实验由预测模型选取、特征变量选取和混合预测3个部分组成。实验结果说明基于IG和LASSO的空气质量指数混合预测模型要比单独使用LASSO模型的预测准确性要好,其误差率为4.75%,并且空气质量指数混合预测模型也可以有效的减少输入变量的数量以及降低模型的复杂程度。同时,也得出天津市空气质量指数的预测准确度受PM_(10)、PM_(2.5)、NO_2和SO_(2)4种空气污染物浓度影响较大,与风向、天气现象和风力关联性不强的结论。     

城市大气中臭氧浓度控制的困难与挑战——以成都市为例

研究城市化、工业化和区域经济一体化进程的不断加快,对城市大气环境的影响是当前大气环境领域研究的热点问题。在此过程中,利用空气质量模型模拟系统研究大气环境污染问题成为大气环境研究中不可缺少的组成部分。在当前空气污染复杂的形势下,针对城市大气环境中臭氧的浓度尚未有效的控制措施。研究主要利用Models-3/CMAQ空气质量模式对成都市臭氧浓度数值通过不同的控制情景进行模拟,揭示城市大气中臭氧浓度控制的困难与挑战,并尝试性提出今后的研究方向,以期为控制城市大气中臭氧浓度提供建议。     

珠三角区域空气质量空间分布类型和天气背景

基于EOF方法分析2016年珠三角9城市日均AQI指数,前3个空间模态累积方差贡献达90%,得到珠三角区域空气质量3种主要的空间分布类型。整体一致型方差贡献71%,9城市空气质量优劣表现一致,当发生污染时,以静稳天气为背景,佛山、江门、中山和东莞污染较为严重。南北相反型方差贡献12%,夏季南部城市普遍优于北部,冬季则相反,这与珠三角区域南北方向上的主导风向有关。东西相反型方差贡献7%,以地面风场辐散(或辐合)为天气背景,纬向风可能是造成东西部空气质量差异的原因之一。     

西安市主要大气污染物的相关性分析及时空分布特征

为深入了解西安市大气污染程度,对2015年西安市主要大气污染物(SO_2、NO_2、CO、PM_(2.5)、PM_(10)、O_3)的空气质量指数进行了逐日变化分析、相关性分析及空间插值分析。结果表明:SO_2、NO_2、CO、PM_(2.5)、PM_(10)空气质量指数春冬季高于夏秋季,而O_3空气质量指数则是春冬季低于夏秋季。11月和12月份污染较为严重。在4个季度中,PM_(2.5)和PM_(10)与气态污染物SO_2、CO、NO_2均呈正相关,说明PM_(2.5)、PM_(10)与这3种气态污染物具有同源性。SO_2与CO、NO_2均呈显著性正相关,三者均受化石燃料燃烧及机动车尾气影响。O_3与CO、SO_2相关性不大,与NO_2在二季度呈现正相关。SO_2、NO_2、PM_(2.5)、CO、PM_(10)多聚集在高新西区、莲湖区、碑林区、经开区、雁塔区、长安区,O_3多聚集在阎良区、未央区和灞桥区。     

北京冬奥会同期空气污染数值模拟

第24届冬季奥运会将于2022年2月4—20日在我国北京市和河北省张家口市联合举办,主要会场有北京奥体中心、北京延庆县和张家口市崇礼县.为了模拟分析冬奥会空气质量情况,利用冬奥会同期(2006—2016年2月)北京市和张家口市空气质量资料及韩国气象厅天气图资料(2013—2016年2月),分析该时段重污染发生的频次,统计不利于污染物扩散的天气形势出现概率及污染传输路径,并结合嵌套网格空气质量预报模式(NAPQMS),评估不同减排方案对ρ(PM_2.5)的影响.结果表明:① 2006—2016年冬奥会同期,北京奥体中心和延庆县发生重污染天气的概率分别为17%和9%,污染发生的风险频率为北京奥体中心>延庆县>张家口市,并且北京奥体中心和延庆县在2月13—16日易出现持续的重污染天气过程;② 2013—2016年2月不利于污染扩散的天气形势出现概率较为频繁,尤其在850 hPa高度和地面,不利天气形势出现的概率分别为35%和41%;地面偏南风易将在北京西南方滞留较长时间的污染气团沿太行山输送至北京;③ 冬奥会期间,若于2月2—12日及17—20日将京津冀及周边城市污染物排放量在当前的基础上减排50%、2月13—16日减排75%,将可能不出现重污染日.严格控制北京及周边地区的大气污染物排放是保障冬奥会期间空气质量的必要措施.      

关中地区城市空气质量特征及影响因素分析

本文对陕西省关中地区33个城市环境空气质量自动监测站点2015年全年的监测数据进行统计和研究,讨论了关中城市空气质量特征和主要影响因素。结果表明,关中地区城市间空气质量具有密切的相关性和整体性,影响关中城市群全年空气质量最主要的污染因子是可吸入颗粒物(PM10)和细颗粒物(PM2.5),首要污染物呈现出显著的季节变化规律。人类活动、气象因素以及地形特征是造成关中地区空气质量现状的主要原因。     

哈尔滨市环境空气质量评价与经济增长关系研究

以PM10、SO2和NO2作为空气质量的评价对象,采用空气综合污染指数法研究了哈尔滨市2001年到2015年的环境空气质量变化趋势.以空气综合污染指数作为因变量,哈尔滨市人均GDP作为自变量,来探讨哈尔滨环境空气质量与经济增长之间的关系.得出2001年到2015年期间,哈尔滨环境空气质量呈现先变好又变差再变好的趋势,哈尔滨环境空气质量与经济增长之间呈现近似三次方函数关系,且部分呈现到"U"型曲线关系.     

遂宁市主城区环境空气质量现状及原因分析研究

利用遂宁市2017年1月份4个国控环境空气自动监测数据,分析了遂宁市主城区环境空气质量现状,与整个成渝地区和周边城市的空气质量进行了横向比较,并阐述了遂宁市空气质量变化的原因.结果发现遂宁市主城区2017年1月份空气质量指数的范围为32～203,优良率为54.8％,首要污染物为PM2.5,空气质量同比下降了22.8％,环比下降了26.1％,但均显著优于成渝地区和周边城市的平均水平,并从4个方面阐述了空气质量下降的原因.最后,根据遂宁市大气污染现状,提出了4条针对性的防治措施.     

基于微信公众平台的空气质量显示系统的设计与实现研究

空气质量的好坏直接影响着人类的出行和健康,创建便于查询的空气质量显示系统,可以使人们简单直观的了解当日的空气质量指数(AQI).随着互联网的迅猛发展,"微信"逐渐成了人们日常通信的重要工具.本系统利用物联网技术与微信公众平台相结合,提出了空气质量显示系统的设计与实现方案,来建设空气质量显示系统.该系统可从各个区内监测点得到空气质量指数数据,进而将每日各个时段的空气质量指数(AQI)以动态图的方式直观清晰的展示给用户,为人们的出行带来了方便.     

“大气十条”——像雾像雨又像风——“十一五”大气污染物总量减排的环境效果回顾性评估

随着人民群众生活水平的不断改善,公众对“空气”这一公共资源的要求进一步提高,空气质量在当前及未来必将成为公众关注的热点问题,改善空气质量已经成为政府与公众共同的强烈意愿。尽管我国区域性的灰霾污染问题日益凸显,但这并不能掩盖“十一五”期间各级政府在空气污染治理方面所做的大量工作及其带来的环境效果。