基于大数据分析与认知技术的空气质量预报预警平台

为深入认识区域大气污染现象规律,完善并提高城市空气质量预报预警能力,提高大气污染治理决策支持能力,开展城市污染成因分析与空气质量预报预警研究是十分必要的。本文针对环境大数据时代下的城市空气质量预报,提出了一种基于大数据分析与认知技术的专业先进的大气环境业务应用系统体系。该体系基于底层统一的数据资源中心,融合各类不同类型的空气质量监测、不同预报系统的产品数据以及基础辅助数据,建立数据汇交、共享、质控管理机制,通过上层预报预警、综合分析、案例分析、应急决策支持四大子系统,从多模式集合预报结合专家调优支撑高性能预报会商应用,从大数据融合时空关联分析深度挖掘大气复合污染特征与污染成因,从多维度历史污染过程和天气形势全自动化认知分析支撑重污染过程研判,从业务化仿真情景方案与污染溯源助力专业应急决策。最后,通过在北京市环境保护监测中心的系统实现证明体系的高性能、稳定性和实用性。     

城市空气质量达标规划编制中的关键技术及其案例应用

本文结合重庆市空气质量限期达标规划编制案例,介绍了城市空气质量达标规划编制中的几个关键技术及其具体应用,包括本地化污染源排放清单编制、污染物来源解析、污染物排放形势预测与减排潜力分析以及大气环境容量核算等。本地化污染源排放清单是城市空气质量达标规划编制的基础,针对现有污染源制定科学合理的减排方案是达标规划的核心内容。分析不同区域的污染物组分浓度特征、污染源贡献以及未来污染排放形势预测,有助于识别出制约未来空气质量达标的关键因素及污染源。基于污染源减排潜力和污染传输矩阵制定的污染源减排方案更具合理性和可行性,应用空气质量模型估算大气环境容量可为规划目标可达性提供依据。     

江苏省空气质量预报预警工作探析

江苏省重污染天气预报预警系统建设于2014年,系统集数据中心、预报中心和分析运算中心功能为一体。江苏省空气质量预报预警工作主要体现在常规预报、重污染天气预警预报、预报可视化会商3个方面,实行预报员轮值制度,在遇可能发生重污染天气时,及时向公众发布空气质量预警信息,预警信息中预警等级与条件遵循省政府修订的最新江苏省重污染天气应急预案。在冬春季污染频发时段,参与长三角区域空气质量可视化会商,遇重大活动期间参与周边省份及城市空气质量联合保障工作,积累了大量的预报预警工作经验。     

以福州为示范的城市空气质量实时精细化模拟与预报

本研究在已有空气质量站点的基础上,采用多功能、高效、小巧的传感设备进行监测加密,利用大数据的分析机理与空气质量模型的城市计算技术,以海峡西岸城市群中的福州市为示范,建设城市空气质量实时精细化模拟与预报系统。实时分析城市细粒度(1km×1km)的空气质量,有效提高了城市不同地理位置污染物浓度差异性的分辨率,同时对城市空气污染的发展趋势提出预测,为精细化分析污染成因提供基础数据,从而为环境管理提供决策辅助支持、市民出行提供帮助与指导。     

区域大气复合污染动态调控与多目标优化决策技术研究

<正>当前我国大气环境空气质量整体形势严峻,区域大气复合污染形成机制不明、来源贡献不清,难以精确定位污染排放的关键行业和重点地区。精细化区域大气污染源-受体关系对高效应对和解决我国突出的大气污染问题,改善空气环境质量起到非常关键的作用,对分析雾霾/光化学烟雾形成机制、控制污染源全过程以及建立污染监测预报预警系统有十分重要的意义,将为量化大气污染对人群健康的影响、发展空气质量改善管理技     

基于深度学习的大数据空气污染预报

为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能.     

乌鲁木齐地区环境空气中TSP达标方案的探讨

TSP是乌鲁木齐市大气污染的首要污染物。根据TSP污染源调查和污染物源解析研究成果，对乌鲁木齐市TSP污染现状和污染物来源进行了分析，在对TSP污染进行科学预测的基础上，根据大气污染控制技术研究成果和污染治理经验。提出了TSP达标规划实施方案。     

环境空气立体监测系列产品

正大气环境立体观测走航车走航观测设备可以探测大气污染的空间立体分布、城市大气污染源快速诊断、污染源排放遥测、区域输送观测,是实现大气环境质量网格化精细管理,解决区域污染重要问题的关键技术手段。走航观测设备组成:车载激光雷达、车载激光风雷达、二维MAX-DO AS、气溶胶单颗粒物质谱仪、微型空气站、气象信息、视频监控等。大气环境立体观测走航监测系统作用·颗粒物污染空间立体展现,分析颗粒物的来源·快速溯源,精准削峰·外来输送与局地污染的评估·为预警预报、区域联防联控提供支持     

应用B-P神经网络的城市空气污染预测研究

在具有城市重点污染源的排放数据的条件下，利用人工神经网络的自学习、自组织、自适应和较强容错性等特点，探讨B—P神经网络应用于城市空气质量预测的适用性。试验结果表明：此种方法基本适用，且在污染源监测数据充足的基础上，预测结果会更加准确。     

基于Models-3的自修正空气质量预报系统及其效果检验

本文介绍了一个以Models-3为基础的自动化空气质量数值预报系统,该系统通过Gambas、Yabasic和R语言等工具进行开发,集成WRF-SMOKE-CMAQ三个模式,可通过监测数据进行自动修正,完成空气质量业务数值预报,并将结果发布到Web服务器上进行呈现。该系统对硬件的要求较低,将部署于一台DELL Optiplex 9010工作站上,设置6km—2km双层嵌套,进行成都市空气质量数值预报。本文分析了成都市2014年1月1日至2014年12月31日的空气质量数值预报结果,评价系统对成都市NO_2、SO_2、PM_(10)、PM_(2.5)、O_3、CO以及空气质量指数(AQI)的预报效果。结果显示,系统对于成都市2014年空气质量变化情况趋势的预报效果较好,302天有效预报中,24小时直接预报的空气质量等级准确率为58.27%,AQI预报相关系数0.71,观测值自动修正预报对24小时空气质量预报具有明显改善效果,使其等级预报准确率达到64.9%,相关系数提高到0.89。     

室内空气污染的防治对策

本文根据室内空气污染物的特性,从污染源控制、法律法规、建筑管理以及其他控制措施等方面,有针对性地提出了各种室内空气污染的防治对策,从而达到改善室内环境空气质量的目的。     

WRF CMAQ模式对常州市空气质量预报效果的评估

基于通用多尺度空气质量模型The Weather Research and Forecasting model coupled with CMAQ(WRF-CMAQ)对常州市2018年6～12月的空气质量预报结果,结合实况资料,进行了预报效果评估,以期为常州市空气质量的预报提供更好的参考。结果表明:(1)模式对常州市各预报时效空气质量指数(AQI)和各污染物浓度的标准化平均偏差(MFB)和标准化分数误差(MFE)均处于"理想水平"范围,能较好的反映实际空气质量变化趋势。(2)当空气质量为优良时,AQI和空气质量等级(AQI等级)预报效果最好,当空气质量达中度及以上污染时,预报效果最差,应进一步优化调整。(3)模式对首要污染物24小时预报准确率为66.9%,当空气质量为轻度污染及以上级别时,预报准确率较高。(4)模式对AQI的预报总体存在负偏差,对细颗粒物(PM_(2.5))浓度的模拟结果较好,对臭氧(O_3)和可吸入颗粒物(PM_(10))存在低估现象,对二氧化硫(SO_2)、二氧化氮(NO_2)和一氧化碳(CO)等3项污染物浓度均有所高估。     

试论我国空气质量监测管理

为实现环境保护“九五”计划和2010年远景目标,要求环境监测对全国空气质量和变化趋势作出评价和预报预测。在分析当前我国空气质量状况和监测管理问题的基础上,提出了加强监测管理、实施规范化管理是实现目标的当务之急。     

乌鲁木齐市“十三五”期间环境空气质量变化及污染原因分析

"十三五"期间,乌鲁木齐市大气污染防治工作成效显著,环境空气质量持续改善,大气环境中细颗粒物(PM_(2.5))、可吸入颗粒物(PM_(10))、二氧化硫、二氧化氮、一氧化碳浓度下降明显,空气质量达标率逐年上升,综合污染指数逐年下降。与此同时,臭氧浓度升高、冬季污染严重等重点污染问题值得关注和深入研究。与全国相比,乌鲁木齐市环境空气质量仍具有较大的可改善空间,乌鲁木齐市大气污染防治工作任重而道远。     

四川省农村环境污染的现状与保护对策

通过大量的调查、监测四川省农村的生活污染、土壤污染、畜禽养殖污染、湖库和小流域污染的现状,本文对农村环境污染分散面广、污染源种类多、污染负荷重、治理技术滞后、治理资金不足等特点进行了分析,提出了相应措施。为防治农村环境污染提供了基础数据、信息和有效途径。     

运用机器学习方法预测空气中臭氧浓度

臭氧(O_3)浓度变化与天然源、移动源和点源的排放量存在某些隐含的关联。根据臭氧浓度变化的特性,基于污染源在线排放数据、气象监测数据以及空气质量监测数据构造特征,运用机器学习方法进行逐小时臭氧浓度预测。该方法不仅充分利用了臭氧浓度变化时序数据,而且考虑了气象条件变化对污染物浓度变化的影响,最重要的是将点源排放氮氧化物这一臭氧生成的重要前体物纳入模型考虑。在金砖国家领导人厦门会晤前后(2017年8月31日至9月9日),运用该方法对厦门市溪东、洪文、鼓浪屿和湖里中学四个大气自动监测站的臭氧小时浓度平均值进行滚动预报,比较准确地模拟出臭氧浓度的日周期性变化,同时对峰值和低谷能够进行较为有效的捕捉和刻画。按照《环境空气质量标准》(GB3095—2012)臭氧日最大八小时浓度平均值进行评价,四个站点均取得了90%的预报等级准确率。     

基于国家环境信息与统计能力建设的减排数据管理与综合分析

文章以国家环境信息与统计能力建设项目为基础,建立污染源“一源一档”管理体系,并基于减排数据建立青海省污染源档案,可实现对污染源的档案化管理。建立减排相关数据综合分析体系,对青海省总量减排、污染排放、自动监控等减排相关数据进行常规统计分析,以及深度数据挖掘分析,可为环保部门提供信息化决策支持。     

江苏省大气重污染过程特征分析以及预报效果评估

结合了气象、环境的观测数据和模式数据对江苏省近两年冬季重污染过程进行了分析,并评估了模式和人工预估结果。研究表明,与2016年相比,2017年冬季的大气污染形势更加严峻,重污染天数和污染程度都明显增加。冬季风异常是造成重污染加重的重要原因,秋冬季预报时应该及时分析短期气候变化,尤其是风场的变化。     

基于Matlab的神经网络在绵阳空气质量预测中的应用

以绵阳市2014~2016年空气污染指数(API)以及SO 2、NO 2、PM 10等污染物为研究对象,探讨了绵阳市空气污染的变化规律,并分析它们与常规观测的地面气象资料之间的关系。尝试采用多元线性回归方法及BP神经网络方法建立污染预报模型,并检验分析两种模型的可行性。结果表明基于BP神经网络的预报模型在污染预报中可行,并建立基于BP神经网络进行空气质量预测的预测模型,利用历史资料进行验证。     

京津冀及周边地区重污染天气应对工作会议召开

环境保护部8月27日在京召开京津冀及周边地区重污染天气应对工作会议。会议强调要全力以赴打好今冬大气污染防治工作攻坚战,努力改善空气质量。国务院副秘书长丁向阳、环境保护部副部长翟青出席会议并讲话。丁向阳指出,冬季的大气环境质量是全年最差的季节,去年冬季,京津冀及周边地区连续出现长时间大范围重污染天气,严重影响群众身体健康和正常生活,国内外反映强烈。各地要充分认识做好重污染天气应对工作的重要性和紧迫性,迅速着手,采取有力措施,全力以赴打好今冬大气污染防治工作的攻坚战。一要因地制宜,做好各项预防和准备工作。各地政府要深入分析本地污染源的种类和数量,深人分析近年来特别是今年年初辖区内大气污染气象数据、