乌鲁木齐市MODIS气溶胶光学厚度与PM10浓度关系模型研究

为了建立乌鲁木齐市近地面PM10浓度监测的关系模型,利用乌鲁木齐市2013年3—11月、2014年3—11月MODIS AOD产品与同期地面观测的PM10质量浓度进行相关分析,结果表明二者直接相关程度较低(r=0.433,p0.01);然后以WRF模式模拟的大气边界层高度及地面观测的相对湿度数据对AOD进行垂直、湿度订正后,二者相关性得到较大程度提高(r=0.630,p0.01);按照季节分类统计和订正春、夏、秋季的相关系数r分别为0.779、0.393、0.523,均大于统计学上99%的置信度要求,其中春季的订正最为有效,可用性更高;最后,建立全年和各季AOD-PM10最优拟合模型并反演乌鲁木齐市地面PM10质量浓度,全年和三季的反演结果与实测数据的相关系数分别为0.757、0.748、0.652、0.715(p0.01);同时基于卫星遥感AOD反演得到的PM10质量浓度的空间分布与AOD呈现出整体的一致性,并且3个季节AOD平均值表现为:春季秋季夏季.证实了卫星遥感AOD经过垂直和湿度订正后,可以作为辅助监测乌鲁木齐市PM10地面浓度分布的一个有效手段.     

高分辨率气溶胶光学厚度在珠三角及香港地区区域颗粒物监测中的应用研究

利用最新的MODlS(中分辨率成像光谱仪)气溶胶光学厚度(AOD)反演算法,反演珠江三角洲及香港地区2008年高分辨率(1 km x1 km)AOD分布,并与AERONET观测数据进行了验证(r=0.917).分析了2008年珠江三角洲及香港地区5个站点地面监测PM10质量浓度与反演的AOD数据相关性.结果表明:两者直...     

卫星遥感监测近地表细颗粒物多元回归方法研究

对地基监测PM2.5和气象数据、MODISAOD卫星数据与NCEP FNL数据进行了处理分析,在与一元简单线性模型(模型1)进行对比的基础上,建立了适应于北京及其附近地区遥感监测近地面颗粒物(PM2.5)浓度的多元线性(模型2)和非线性(模型3)回归模型,并对模型进行了评价验证和遥感监测初步应用.结果表明:模型1,2,3分别能够解释PM2.5 32.5%,56.1%,62.7%的变异.反演的PM2.5浓度与站点监测值相关性分别为0.5488(R2=0.3012), 0.7449(R2=0.5549), 0.7431(R2=0.5523).对于站点监测PM2.5浓度63.1652μg/m3的均值,反演均方根误差RMSE分别为43.5562, 35.3321, 36.8450μg/m3.模型2和3中气象因子分别能够解释PM2.5 23.6%和12.6%的变异,说明了气象因子影响北京地区春季PM2.5-AOD关系的显著性.3种模型整体上都不同程度地存在着低值高估和高值低估的现象.     

卫星遥感监测近地表细颗粒物多元回归方法研究

对地基监测PM2.5和气象数据、MODISAOD卫星数据与NCEP FNL数据进行了处理分析,在与一元简单线性模型(模型1)进行对比的基础上,建立了适应于北京及其附近地区遥感监测近地面颗粒物(PM2.5)浓度的多元线性(模型2)和非线性(模型3)回归模型,并对模型进行了评价验证和遥感监测初步应用.结果表明:模型1,2,3分别能够解释PM2.5 32.5%,56.1%,62.7%的变异.反演的PM2.5浓度与站点监测值相关性分别为0.5488(R2=0.3012),0.7449(R2=0.5549),0.7431(R2=0.5523).对于站点监测PM2.5浓度63.1652μg/m3的均值,反演均方根误差RMSE分别为43.5562,35.3321,36.8450μg/m3.模型2和3中气象因子分别能够解释PM2.5 23.6%和12.6%的变异,说明了气象因子影响北京地区春季PM2.5-AOD关系的显著性.3种模型整体上都不同程度地存在着低值高估和高值低估的现象.     

环境一号卫星在监测大气PM10中的应用

选择京津唐地区作为实验区,从环境一号卫星(HJ-1)的CCD数据出发,利用暗目标法反演陆地气溶胶,然后在对气溶胶光学厚度进行垂直订正和湿度校正的基础上,得到PM10的反演模型,进行PM10的反演实验.并利用中国环境监测总站的地面监测数据对结果进行了检验.结果表明,HJ-1的时空分辨率满足PM10周监测的需要,结果与地面数据有一定的相关性(相关系数为0.58),为提高PM10的反演精度还需结合更多的地面数据进行模型的修正.     

基于GIS和BP神经网络模型的PM10浓度预测与空间分布研究

耦合GIS和BP神经网络模型,探讨不同算法和隐藏神经元数对PM10浓度预测和空间分布的影响,结果显示:不同算法的PM10浓度预测值与监测值的平均相关系数和平均相对误差分别为0.85和17.58％,Levenberg-Marquardt优化算法在隐藏神经元数为20时预测精度最高.相同算法,不同隐藏层神经元数对PM10浓度的预测结果影响较大,不同算法,相同神经元数对PM10浓度的预测结果影响较小.不同算法的PM10浓度空间分布模拟在中北部的高风险区和东南部的低风险区与监测数据结果基本一致.     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

长江三角洲PM2.5质量浓度遥感估算与时空分布特征

卫星遥感反演气溶胶光学厚度(AOT)已被广泛地应用于地面PM2.5遥感监测.为遥感监测长江三角洲地区PM2.5,利用2013年的MODIS/Terra AOT产品,考虑研究区36个空气质量监测站点的风速、温度、湿度和边界层高度等气象条件,构建了基于MODIS AOD产品估算PM2.5的模型.利用17个空气质量监测站点数据对模型进行散点拟合验证,结果表明模型估算精度较高,春夏秋冬4个季节PM2.5质量浓度的模型估算值与地面监测值的相关系数R2值分别为0.45、0.50、0.58和0.52.利用模型估算的长时间序列PM2.5时空分布数据进行时空变化特征分析,结果表明:1 2000~2013年研究区PM2.5质量浓度呈增长趋势,月均增长量为0.047μg·m-3,最大值出现在2月,为(66.2±19.3)μg·m-3,最小值出现在8月,为(22.6±5.9)μg·m-3.2研究区PM2.5质量浓度空间分布差异显著,南部低,北部高,高值主要出现在由上海、杭州和南京构成的三角形区域的城市群中,而低值主要出现在南部远离城市的森林区域.结果表明基于MODIS/Terra AOT产品和地面观测气象数据估算PM2.5的多元线性回归模型能较好地应用于区域PM2.5监测.     

利用TM影像反演广州市气溶胶光学厚度空间分布

利用2005年7月18日摄录的广州市TM影像,在相关研究基础上建立了适合于复杂大气状况城市尺度的气溶胶光学厚度(Aerosol Optical Depth,AOD)反演模型,研究了广州市30m空间分辨率的AOD空同分布,并与同期的广州市地面9个空气质量监测站的PM10浓度进行比较.结果表明,利用TM影像较好地反演了广州市AOD空间分布.地形、植被、建成区分布是影响广州市AOD空间分布的主要因素,AOD按照高山植被区、靠近建成区的山地植被区、建成区与平原植被区的顺序逐渐增加.地面监测的PM10浓度与AOD的相关系数为0.717,基于TM影像反演的AOD可较好地反映当日地面污染物PM10的空间分布.     

基于遥感影像的PM_(2.5)浓度与大气气溶胶光学厚度间模型建立的探索——以鄂南地区为例

利用MODIS遥感影像反演方法来探索鄂南地区大气气溶胶光学厚度AOD与PM2.5浓度关系模型,首先对MODIS影像在ENVI中进行发射率、反射率几何校正及合成,角度数据的处理、云检测、气溶胶反演等过程,并利用Arc GIS处理有关数据,可得到该地区的气溶胶光学厚度。其次对鄂南地区国控点监测站的PM2.5浓度进行实时监测,定量分析鄂南地区PM2.5的浓度分布。最后在得到气溶胶光学厚度及PM2.5浓度后,利用SPSS对其进行建模分析,并得到三次关系模型y=17.53+67.55x-14.25x2+0.82x3,经验证模型在已有数据下具有较高的拟合度。本文的研究结果可以为改善鄂南地区环境承载压力提供科学的有益参考。     

基于Keras长短时记忆网络的矿井瓦斯浓度预测研究

瓦斯浓度监测是煤矿瓦斯灾害事故预警的重要的手段,其浓度变化预测对于提升矿山安全生产具有重要意义.针对矿井瓦斯浓度预测问题,建立了一种基于Keras长短时记忆网络的矿井瓦斯浓度预测模型.该模型首先对矿井瓦斯浓度时间序列进行标准化处理,并将处理后的时间序列划分为训练集与测试集;然后通过调用测试集数据进行模型训练,利用提出的...     

贵阳市城区近地面PM10/PM2.5及重金属污染水平研究

2009年在贵阳市地区内设点采样.共采集了145个大气样品,对近地面大气颗粒物PM10/PM2.5的污染状况及其所含重金属进行调查.结果表明,贵阳PM10/PM2.5的污染严重,对人体健康危害很大;重金属元素分析中Pb和Zn的含量比较高,这些重金属元素更易于富集在细颗粒上,给环境带来了极大的潜在危险.最后文章提出了贵阳...     

利用LUR模型模拟天津市大气污染物浓度的空间分布

针对传统监测方法无法满足对大气污染物空间分布高分辨率的要求,以Arcgis为平台,利用LUR模型模拟天津市PM10和NO2年均浓度的空间分布.选取的回归变量为1~4km半径缓冲区内的道路总长度、不同土地利用类型的面积、人口密度、风向指数及距海距离,选取3个监测点的监测数据对方程进行了验证.结果表明,对PM10年均浓度影响最大的因素是缓冲区为1km的道路总长度(R2为0.560),而对NO2年均浓度影响最大的因素是人口密度(R2为0.414).多元线性回归方程计算结果显示,PM10和NO2的R2分别达到0.946和0.691;如果考虑风向的影响,R2可分别提高到0.980和0.849.对天津市中心城区建立5km′5km网格嵌套,根据多元线性回归方程计算每个网格交点的污染物浓度模拟值.通过kriging插值得到2种污染物在天津市中心城区的空间模拟分布图.PM10年均浓度分布以研究区中心最高,向四周逐渐降低;NO2的年均浓度以研究区中心最低,向四周逐渐升高.模拟结果与实际情况相符.     

基于逐步回归分析方法的PM_(10)浓度预报模型

根据沈阳市2003～2005年的PM10浓度资料以及同期的气象要素资料,采用逐步回归方法建立了分季节的空气污染物PM10与气象因子的关系模型,并且利用2006年PM10资料和气象资料对模型进行了验证。结果表明:PM10预报浓度准确率和等级准确率最好的是夏秋两季,最差的是春季。春季当PM10日均浓度出现很高值时,预报结果与实测值有较大的误差,但趋势是一致的。秋季趋势的一致性不好,但波动比较小。冬季和夏季预报值与实测值的变化趋势基本上一致。     

湖北省PM2.5与PM10比值分析及PM2.5时空分布特征研究

基于2012年-2014年湖北省大气污染物监测数据,通过数据反演方法,得到湖北省17个城市的PM2.5年均浓度.利用ArcGIS绘制出各城市不同年份的颗粒物浓度空间分布图,并对其进行分析.结果表明,2012年-2014年间,湖北省17个城市PM2.5与PM10年均浓度比值为0.66,PM2.5年均浓度超出国家二级标准,整体呈现上升趋势.城市方面,在多数城市PM2.5与PM10浓度上升的同时,仅武汉、黄冈和天门3个城市颗粒物浓度2014年较2013年有所下降,且武汉市PM2.5浓度下降率达12.8%,表明武汉市近两年来采取的政策措施具有较好的可行性和有效性.     

2017年春节期间燃放烟花爆竹对湖南省城市环境空气质量的影响研究

2017年春节期间,根据湖南省城市环境空气自动监测系统数据资料,全面分析了燃放烟花爆竹对湖南省空气质量的影响.结果表明:烟花爆竹的集中燃放会在短时间内造成严重的大气污染,14个城市在集中燃放日(大年初一)全部出现空气质量超标现象;燃放烟花爆竹对PM10和PM2.5影响最为显著,其次是SO2和CO,NO2和O3受影响程度相对最小.集中燃放烟花爆竹所引起的PM2.5和PM10浓度增幅较大,尤其是PM2.5.气象条件也是影响春节期间空气质量的重要因素.     

一种PM_(2.5)辅助监测系统的设计与实现

为解决目前国内外PM2.5监测仪器价格昂贵,运行成本高,单点负责区域大,监测点少的问题,提出以国家监测网络为基础,以低成本、高精度为特点的PM2.5辅助监测方法。系统采用DSM501A作为PM2.5浓度采集传感器,完成粒子数量浓度到质量浓度的转换,通过在一定区域内布置监测终端,并借助于GPRS网络和参数曲面构建方法,建立了一定区域内PM2.5质量浓度网络图,填补了国家监测点间的监测盲区,并利用高斯消元法建立了从历史数据到未来浓度的预测算法。实验结果表明:实测数据与国家监测点数据基本一致,具有广阔的应用前景。     

龙华新区灰霾污染特征研究

根据龙华新区2个空气监测站2012年监测数据、气象数据以及不同污染源的排放数据,分析龙华新区空气质量现状,灰霾日数与PM2.5和PM10的相关性,并通过AERMOD模型着重探讨PM2.5和PM10的污染特征,计算不同污染源对PM2.5和PM10浓度的贡献率。结果表明,灰霾日数和PM2.5、PM10浓度均表现为明显的季节性变化,变化趋势较为一致,且灰霾日数与PM2.5的相关性较PM10更显著。龙华新区PM2.5和PM10主要来自本地源,其中PM2.5的主要来源为机动车尾气和道路扬尘,而PM10的主要来源为施工项目和裸地。     

基于B—P神经网络优化算法的城市环境空气中PM10浓度预测模型

将B—P神经网络应用于西安市环境空气中P10浓度预测,对网络结构和算法进行了优化,建立了PM10浓度预测模型。经验证模型精确度比较高,PM10日平均浓度绝对误差0．015～0．020mg／m^3,相对误差在-20％～20％范围内。     

佳木斯市区环境空气质量评价与分析研究

佳木斯市位于黑龙江省东北部,是黑龙江省东北部地区政治、经济、科技、文化教育、医疗、商贸和交通的中心.根据2016年佳木斯市区四个空气质量监测点位的二氧化硫、二氧化氮、一氧化碳、臭氧、可吸入颗粒物、细颗粒物六项指标的监测数据,分析各监测点位空气质量的功能区类别及各参数变化情况;采用二氧化硫、二氧化氮、可吸入颗粒物三参数评价了各监测点位的空气质量等级,并根据评价结果分析了空气污染的主要原因.