基于机器学习的短临预报方法及其在空气质量保障中的应用

基于多个数值模式（NAQPMS、CMAQ）预报结果和站点观测资料，采用岭回归机器学习方法构建了一种多污染物短临预报方法，并应用于2017年厦门金砖国家峰会和2019年武汉军运会空气质量保障工作，评估总结了短临预报方法的可行性和预报效果。结果表明：短临预报表现出很好的预报能力，可以有效改进数值模式的预报趋势和量值。从日均模拟效果来看，短临预报的颗粒物相关系数达到0.9以上，均方根误差小于5 μg/m³，而且预报的臭氧相关系数和均方根误差分别为0.99和2 μg/m³。相较于日均数值模式预报结果，短临预报可使颗粒物和臭氧的预报相关系数至少提升16%和9%，预报均方根误差至少下降50%和86%。对于小时模拟效果，短临预报能够更好地把握颗粒物的小时变化特征，其相关系数较模式提升了0.2以上；同时短临预报能够更好地再现观测到的臭氧日循环特征，对白天的峰值和夜晚的低值预报更好，其相关系数高达0.9。总体来说，短临预报方法可为重大活动空气质量保障提供较为精准的临近预报结果，具有较好的应用价值。  

基于深度学习的空气质量预报方法新进展

空气质量预报与人们的日常生活密切相关,其基本思想是分析历史空气质量数据,发现其内在的时空相关性,结合未来气象信息以及污染源排放量,对未来的空气质量进行预测。目前,环境管理和社会公众服务对空气质量预报提出了长时间、多维度、高精度的预测要求,一些新型的空气质量预测方法仍处于起步探索阶段。近年来,随着人工智能的普及与推广(特别是云计算与大数据的发展),深度学习这项基于传统人工神经网络的技术被国内外研究者所重视。笔者对现有典型的空气质量预报方法进行了阐述,包括数值预测模型方法、统计预报模型方法、基于机器学习模型的预测方法等,并重点介绍了该领域最新进展:基于深度学习模型的预测方法,并在此基础上进行了总结与展望。  

环境DNA宏条形码监测水生态系统变化与健康状态

开展快速可靠的水生态监测并预测其变化趋势,对保护水生态环境具有重要的价值。近年来,环境DNA宏条形码技术(简称环境DNA技术)的快速发展弥补了传统形态学生物监测的缺陷,显著提升了水生生物群落的监测能力。与机器学习、遥感和云服务等技术结合,环境DNA技术不仅能大尺度、高频率、高灵敏度、自动化地获取生态监测信息,而且能准确地识别水生态系统的变化趋势,进而改变对水生态系统的认识与管理方式。因此,研究着重总结了环境DNA技术在水生态监测中的应用,分析了环境DNA技术与机器学习、卫星遥感等跨学科合作的潜在机遇,基于环境DNA技术简单、便捷的优势,提出了社会公民参与水环境保护的生态监测新思路。