安徽省近10年能源足迹测度及驱动因子分析

安徽省为生态建设省,随着中部崛起战略与皖江城市带承接产业转移示范区建设的实施,能源消费给当地生态环境形成了较大压力. 依据生态足迹模型对安徽省2000—2009年能源足迹进行了时间序列测度,基于STIRPAT模型揭示了能源足迹驱动因子的边际贡献,运用灰色GM(1,1)模型预测了2015年与2020年能源足迹. 结果表明:安徽省人均能源足迹由2000年的0500 8 hm2增至2009年的1043 5 hm2,人均能源足迹赤字由2000年的0432 9 hm2扩至2009年的0975 5 hm2;煤炭足迹对能源足迹平均贡献率为7629%,占主导地位;能源足迹强度由2000年的1083 3 hm2104元降至2009年的0704 7 hm2104元;研究时段内,能源足迹生态压力指数均大于5 人均GDP和第二产业在经济中所比例均与能源足迹呈正相关,二者边际弹性系数分别为0000 073 57和0006;而单位工业增加值能耗与能源足迹呈负相关,其边际弹性系数为-0186.      

Using Paleo Reconstructions to Improve Streamflow Forecast Lead Time in the Western United States

In water stressed regions, water managers are exploring new horizons that would help in long‐range streamflow forecasts. Oceanic‐atmospheric oscillations have been shown to influence streamflow variability. In this study, long‐lead time streamflow forecasts are made using a multiclass kernel‐based data‐driven support vector machine (SVM) model. The extended streamflow records based on tree ring reconstructions were used to provide a longer time series data. Reconstructed data were used from 1658 to 1952 and the instrumental record was used from 1953 to 2007. Reconstructions for oceanic‐atmospheric oscillations included the El Niño‐Southern Oscillation, Pacific Decadal Oscillation, Atlantic Multidecadal Oscillation, and North Atlantic Oscillation. Streamflow forecasts using all four oscillations were made with one‐year to five‐year lead times for 21 gages in the western United States. This is the first study that uses both instrumental and reconstructed data of oscillations in SVM model to improve streamflow forecast lead time. SVM model was able to provide “satisfactory” to “very good” forecasts with one‐ to five‐year lead time for the selected gages. The use of all the oscillation indices helped in achieving better predictability compared to using individual oscillations. The SVM modeling results are better when compared with multiple linear regression model forecasts. The findings are statistical in nature and are expected to be useful for long‐term water resources planning and management.     

回归分析方法在环境领域中的应用评述

回归分析是一种处理变量间相关关系的有效数理统计方法,回归分析模型目前已应用于环境领域的多个方面,并在实际应用中证实了其准确性和可行性。基本回归分析方法有一元线性回归、多元线性回归和逐步回归等,通过概述了这几种基本回归分析方法的原理及其在环境领域中的应用现状,评述了其应用效果,并预测了回归分析技术在环境领域中应用的发展方向;对在众多环境科学与工程研究领域中,更好地发挥回归分析的作用具有很好的参考价值。     

京津冀臭氧污染特征、气象影响及基于神经网络的预报效果评估

基于生态环境监测和气象观测数据,分析了2016~2020年京津冀13个城市臭氧（O₃）浓度特征,讨论了O₃污染高发月份日最高温度（T_max）、日均地面气压（p）、日均地面相对湿度（RH）和日均地面风速（v）等气象要素对O₃-8h浓度和O₃-8h超标情况的影响规律,并采用AQI级别预报准确率、O₃浓度范围预报准确率和O₃级别预报准确率等方法,评估了基于神经网络的O₃统计预报效果.结果表明,2016~2020年期间京津冀13城市ρ（O₃-8h-90per）分别为157.4、177.2、177.3、190.6和175.6μg·m^-3,区域臭氧浓度5a上升了11.6%,2016~2019年期间总体呈波动上升趋势,2020年环比下降;2020年与2016年相比,除北京、张家口和承德略有下降外,其他10个城市ρ（O₃-8h-90per）上升了6~45.5μg·m^-3.O₃-8h月均值呈现"两头低,中间高"现象,ρ（O₃-8h）在4~9月的月均值超过了100 μg·m^-3,在6月最高,为158.10 μg·m^-3.城市O₃-8h超标率范围为8.6%~19.2%,97.8%的O₃-8h超标情况发生在4~9月.区域尺度上O₃-8h浓度与日最高温度相关性最强,当T_max在25~28℃区间时,所有城市开始出现O₃-8h超标.O₃-8h浓度与日均地面气压呈负相关关系;当RH在60%以下时,大部分城市O₃-8h浓度随相对湿度上升缓慢增长;当RH在61%~70%以上时,大部分城市O₃-8h浓度随日均相对湿度上升而下降.O₃-8h超标时的地面主导风向主要为偏南风,大部城市O₃-8h浓度高值易集中出现在2~3m·s^-1及以下低风速区间.OPAQ统计模式提前1~9 d预报相关系数范围为0.72~0.86,AQI级别预报平均准确率为67%~86%,O₃-8h浓度范围预报平均准确率为63%~84%.在O₃-8h超标情况多发的4~9月,模式对O₃轻度污染和O₃-8h超标情况提前3 d预报准确率分别为69%和66%,可为O₃-8h超标管控提供参考依据.     

System dynamics modeling for municipal water demand estimation in an urban region under uncertain economic impacts

Accurate prediction of municipal water demand is critically important to water utilities in fast-growing urban regions for drinking water system planning, design, and water utility asset management. Achieving the desired prediction accuracy is challenging, however, because the forecasting model must simultaneously consider a variety of factors associated with climate changes, economic development, population growth and migration, and even consumer behavioral patterns. Traditional forecasting models such as multivariate regression and time series analysis, as well as advanced modeling techniques (e.g., expert systems and artificial neural networks), are often applied for either short- or long-term water demand projections, yet few can adequately manage the dynamics of a water supply system because of the limitations in modeling structures. Potential challenges also arise from a lack of long and continuous historical records of water demand and its dependent variables. The objectives of this study were to (1) thoroughly review water demand forecasting models over the past five decades, and (2) propose a new system dynamics model to reflect the intrinsic relationship between water demand and macroeconomic environment using out-of-sample estimation for long-term municipal water demand forecasts in a fast-growing urban region. This system dynamics model is based on a coupled modeling structure that takes into account the interactions among economic and social dimensions, offering a realistic platform for practical use. Practical implementation of this water demand forecasting tool was assessed by using a case study under the most recent alternate fluctuations of economic boom and downturn environments.     

石油石化企业环境预警系统研究

通过对石油石化企业环境突发事件风险分析,提出建设环境预警系统的必要性,再对国内外常见的地表水环境预警系统构成、环境质量预测模拟软件以及环境预警决策支持系统进行总结,提出符合石油石化行业污染特征的环境预警系统的基本框架。     

变化环境下北江下游年径流量的加权马尔可夫链预测

在气候变化和人类活动的影响下,西北江的水文环境发生了重大变化,导致北江下游的来水条件发生变化。采用斯波曼检验（Spearman’s rho test）和Mann-kendall法系统地分析了北江下游的年径流量的变化趋势和变异情况,在此基础上建立了北江下游变化环境下年径流量的加权马尔可夫链预测模型。结果表明：西北江近50年来的大规模联围筑闸、大规模无序采掘河床泥沙等剧烈的人类活动,导致北江下游三水水文站年径流量在1990年左右发生了变异;所建立的加权马尔可夫链预测结果表明,从变异后的序列中统计出来的状态＂转移概率＂矩阵,能准确地反映出环境变化后年径流量之间的关系,所建立的加权马尔可夫链法预测变化环境下的年径流量是可行的,预测效果也比较好;按文章确定的分级标准,依现有的资料信息推断,环境发生变化后,在未来长期过程中,北江下游出现平水年的机会最大,但年际间的丰枯波动概率也不小。这一结果值得水资源管理部门注意。     

霾天能见度参数化方案改进及预报效果评估

为了选择适合京津冀地区能见度预报的参数化方案,为霾的预报提供更准确的能见度预报产品.根据实际应用需求,改进了基于气溶胶体积浓度建立的Chen等能见度参数化方案（S1）,并利用2017年2月快速更新多尺度分析和预报系统-化学子系统（RMAPS-CHEM v1.0）的预报结果,对比评估了该方案与基于PM_2.5浓度建立的参数化方案（S2）和Mie散射计算方案（S3）在京津冀地区的预报效果.结果表明：①模式系统对京津冀地区的PM_2.5浓度预报总体较好,预报值与观测值非常接近,二者的相关系数在大部分地区可达0.8以上,小时相对湿度的预报值与观测值相关在0.78以上,平均误差低于3.91%.②三套方案计算的能见度都能较好地预报出2017年2月京津冀地区能见度的时间演变趋势,且在大部分时间三者计算的能见度都非常接近.总体上S1计算的能见度最低,S3计算的能见度最高,S2居中.在京津冀大部分地区,S1的均方根误差和归一化平均绝对误差最低,S3的最高,S2居中且在北京地区表现最佳.③能见度大于10 km时三套方案计算结果都偏低,其中S3的平均误差和均方根误差最低,能见度低于10 km时,特别是对出现频率较高的1~5 km低能见度的预报,S1方案的平均误差、均方根误差和归一化平均绝对误差都是最低的,更适合京津冀地区霾天气能见度的预报应用.     

多模式集成方法在安徽地区PM2.5预报中的应用研究

分别采用算术平均、权重平均、多元线性回归和神经网络的集成方法,对3种空气质量模式在安徽地区2017年2月-2018年2月PM_2.5预报结果进行集成释用.结果表明：各模式和订正产品的预报值与实况值之间均能达到显著相关,相较于WRF-Chem,多元线性回归的均方根误差（RMSE）下降了21.7%,归一化平均偏差（NMB）下降了6%,且在16个地市中NMB均下降至-25%~25%之间;从不同时次的预报效果来看,在3个代表性城市（淮北、合肥和芜湖）,多元线性回归均能大幅度降低RMSE和NMB,但从时间和空间效果来看,其对于提升预报值与实况值之间的相关性方面,略差于权重平均的集成方法;多元线性回归方法对于重污染天气PM_2.5预报评分（TS）最高,为0.46.该方法能较为有效地提升不同模式的预报效果,可为重污染天气预报预警提供参考.     

新冠期间河北省典型钢铁企业大气污染影响

基于国家气象局气象预报数据,建立了基于AERMOD的钢铁企业污染预报模型,模拟了新冠疫情管控期（2020年2~3月）及解封后期（2020年4~10月）河北省某钢铁企业对大气污染的影响,并结合空气质量实测数据进行模型验证.结果显示,不利风向条件下,该钢铁厂大气污染物排放对当地3个国控站点SO₂、NO_x和PM₁₀的平均浓度贡献占比,在疫情管控期分别为20.19%~33.81%,17.49%~23.46%和2.02%~2.69%,在解封后期分别为13.43%~21.01%,11.09%~20.92%和1.20%~2.22%.由于疫情管控期受其他人为源干扰较少,该钢铁厂SO₂、NO_x和PM₁₀的预报值和三个国控站点实际监测值的相关系数,在新冠疫情管控期（在单个站点中,最高分别为0.43、0.48和0.29）高于解封后期（最高分别为0.42、0.39和0.07）.