GIS与大气环境模型的集成及其应用

分析了GIS与环境模型集成的松散集成、紧密集成、完全集成等3种模式,论述了GIS与大气环境模型集成的组件式方法与服务式方法,对比了5种集成方法的优缺点,认为组件式集成方法具有较大优势,是目前流行的集成方法,服务式集成是未来的趋势. 基于组件式集成方法,采用GIS二次开发组件ArcGIS Engine 9.3开发了大气污染扩散模拟与预测系统,该系统充分利用了GIS的空间分析与可视化功能,实现了大气环境模型与GIS的紧密集成,以福建省为例进行了大气污染扩散模拟,取得了较好的模拟效果.      

环境模型与GIS的集成技术研究

首先介绍了环境模型发展现状,重点论述了环境模型与GIS集成的必要性和优势;环境模型与GIS集成的方式、集成系统的体系结构以及它们各自的优缺点,最后以福建省海岸带环境决策支持系统为例具体介绍了环境模型与GIS的集成,并对环境模型与GIS集成未来发展提出了几点看法。     

基于GeoJSON的突发性大气污染模拟灾情移动可视化方法

运用移动设备和系统展示灾情信息,在突发性大气污染事故移动应急中发挥着越来越重要的作用。大气污染事故模拟灾情,如污染浓度、伤亡概率,这些数据都以文本信息存储,很难在移动端进行可视化。Geo JSON是一种用于简单地理特征集合编码的开放格式,可为移动数据可视化提供一种解决方案。论文在对Geo JSON进行分析的基础上,给出了基于Geo JSON的大气污染灾情表达格式,设计了基于Geo JSON的突发性大气污染模拟灾情的可视化流程和方法。最后,实现了移动端的大气污染灾情的可视化,并对可视化效率进行了测试分析。     

融合SSAE深度特征学习和LSTM网络的PM2.5小时浓度预测

精准的PM_2.5小时浓度短期预测,可以有效地提高空气污染的预报预警能力.针对传统的PM_2.5预测模型中存在的影响因素考虑不全面且影响因素选择方法适用性不强等问题,本文提出一种融合栈式稀疏自编码器（Stack Sparse Auto-Encoder,SSAE）和长短期记忆神经网络（Long-Short Term Memory,LSTM）的PM_2.5小时浓度预测模型.SSAE-LSTM模型综合考虑了时间因素、空间因素、气象因素和空气污染物因素等多种因素对PM_2.5的影响,采用SSAE以无监督方式自动提取PM_2.5抽象影响特征,实现特征的压缩和降维;然后以提取的抽象特征作为LSTM模型的输入,建立PM_2.5时间序列预测模型,挖掘PM_2.5历史序列中的长期依赖特征.为了验证方法的有效性,本文基于2016—2018年京津冀城市群71个空气监测站点的空气数据和气象数据,建立SSAE-LSTM模型对各个站点的PM_2.5浓度进行离线训练和预测实验.预测结果表明,SSAE-LSTM模型预测精度高于其它预测模型,在所有测试集上的一致性指数（IA）高达0.99,均方根误差RMSE与平均绝对误差MAE降到了13.98和7.90.此外,分析了SSAE-LSTM模型在不同季节的适用性,71个空气监测站点在春、夏、秋、冬4个季节测试集的预测值和实测值均有很好的线性关系,决定系数分别是0.86、0.92、0.96、0.93.对北京市万寿西宫站点的预测结果表明,SSAE-LSTM模型可以用于不同空气质量情况下的PM_2.5小时浓度预报,且具有应用上的可行性和可靠性.     

基于多传感器融合的时空连续AOD重构模型

气溶胶光学厚度（AOD）是气溶胶最重要的参数之一,现有的遥感AOD产品受云、积雪等因素的影响空间缺失严重,因此,生成空间覆盖完整的AOD具有重要意义.本文融合MODIS的MAIAC AOD和Himawari-8的AHI AOD,结合气象数据和高程数据,提出一种集成反距离权重插值（IDW）和CatBoost模型的时空连续AOD重构方法（命名为IDW-CatBoost）.将此方法应用于京津冀和台湾岛的AOD重构,并与IDW、CatBoost方法对比,重构结果利用地基监测AERONET AOD进行验证,其中,京津冀的验证数为352个,台湾岛的验证数为641个.结果表明：在空间分布上,IDW AOD存在星点状特征,CatBoost、IDW-CatBoost的AOD具有空间连续分布的纹理特征;精度上,经地基监测AERONET AOD验证,京津冀地区IDW AOD与IDW-CatBoost AOD接近;台湾岛IDW-CatBoost AOD相比于IDW、CatBoost结果,R2分别提高了10%和5%.经过多传感器AOD融合,与单传感器AHI L2、L3、MAIAC AOD相比,IDW-CatBo...