基于神经网络的东北地区秸秆焚烧预测

选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明：人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80：20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持.     

秸秆焚烧对黄石市空气质量的影响分析

以黄石市2019年秸秆露天焚烧火点数据、对应时段该市环境空气监测数据和气象数据为研究对象,文章综合运用相关分析和气团后向轨迹模式等方法,探讨秸秆焚烧对黄石市空气质量的影响及空气污染成因。研究发现,稻收期的火点数显著高于麦收期。各城区空气质量指数、秸秆焚烧排放的特征污染物（如PM_(10)、PM_(2.5)和CO）浓度、O_3浓度、特征指标（如PM_(2.5)/PM_(10)和PM_(10)/SO_2值）等均在秸秆露天焚烧后的2～7 d内迅速增加,并导致空气污染。秸秆焚烧后,各城区空气中PM_(2.5)与PM_(10)相关系数较焚烧前增加;CO质量浓度总体上与PM_(10)和PM_(2.5)呈显著的正相关关系（P<0.01）,与能见度呈显著的负相关关系（P<0.05）。结果表明黄石市空气污染与本地秸秆露天焚烧有关。基于后向轨迹模式的空气污染成因分析结果表明,秸秆露天焚烧、不利气象条件和污染物跨区域输送是导致黄石市2019年空气污染加重的主要因素。该研究结果为黄石市打赢蓝天保卫战、有针对性地协同治理大气污染提供科学依据。     

PM_(2.5)控制措施研究之秸秆综合利用

生物质燃烧作为PM2.5的重要来源之一,各种形式的生物质燃烧中秸秆燃烧对不同污染物的贡献比例较高,因此,合理利用秸秆,提高秸秆的综合利用率,不仅可以节约资源,减少生物质燃烧过程中污染物的产生量,改善环境,还可使农民增收,实现经济价值。     

2次境外生物质燃烧对西双版纳空气质量的影响分析

通过统计,在2020年和2021年2次维持时间较长的污染过程中,主要污染物为PM_2.5,因此将黑碳(BC)和一氧化碳(CO)作为PM_2.5的示踪物,通过2次污染过程的对比分析,在后向轨迹的基础上,结合卫星火点分布、生物质燃烧排放清单,计算出BC和CO的传输效率TE和有效排放强度EEI,进而对西双版纳地区大气污染进行源识别。     

基于卫星火点排放清单(FINN)的我国东北三省生物质户外燃烧网格化清单建立及时空演变特征分析

生物质户外燃烧是影响环境空气质量的重要污染源,东北三省作为我国的重要农业产区,分析其生物质户外燃烧情况能够为当地秸秆资源综合利用和环境质量改善等提供依据.该研究基于卫星火点排放清单(Fire INventory from NCAR,FINN),分析了我国东北三省2016-2020年生物质户外燃烧火点的时空分布特征,结合空气质量监测数据进行了重污染天气成因分析,并建立了可用于数值模拟的生物质户外燃烧源网格化清单.结果表明：(1)东北三省2018-2019年火点数量较2016-2017年大幅减少,2020年有所增加.年内火点主要出现在春秋两季,春季相对更多.火点主要分布在东北平原,即黑龙江省的东部和西部,以及吉林省西部等,其他地区火点数量相对较少,呈零散式分布的特点.(2)该研究搭建了东北三省2016-2020年生物质户外燃烧源网格化清单,清单空间分辨率为3 km,污染物种类包括SO₂、NO_x、CO、NMVOC、NH₃、PM₁₀、PM_2.5、BC和OC等,2016-2020年污染物...     

基于WRF-CMAQ评估秸秆禁烧对区域空气质量的影响

基于本地化的秸秆露天焚烧主要大气污染物排放清单,采用空气质量模式WRF-CMAQ,定量评估秸秆禁烧管控对东北地区空气质量的影响.结果显示,2013~2020年东北地区秸秆露天焚烧污染物排放总量整体呈现先增加再降低的趋势,每年的秸秆焚烧集中期为春耕前（3月和4月）和秋收后（10月和11月）.2017年秸秆焚烧集中期内,秸秆露天焚烧对东北三省的CO和PM_2.5浓度的贡献率分别为24.01%和39.98%,农作秸秆露天焚烧是造成东北地区空气质量下降的重要因素;相同气象条件下,2019年秸秆焚烧集中期,秸秆焚烧对东北三省大气中CO和PM_2.5浓度的贡献率较2017年同期分别下降了9.58%和13.95%,表明2019年的秸秆禁烧政策有效改善了东北地区的空气质量.同时,若东北三省均实施吉林省2019年的秸秆禁烧管控政策,则东北地区的空气质量将会进一步改善.本研究结果可为区域大气污染联防联控政策的制定提供科技支撑.     

基于人工智能的空气质量预测系统的开发及应用

文章针对传统人工神经网络在预测环境空气质量时难以挖掘数据中的内在关系并加以学习,以及收敛速度慢等问题,提出了一种基于深度学习的人工智能空气质量预测系统。该系统由空气质量预测神经网络和空气质量网格化神经网络组成。通过训练大数据来挖掘影响空气污染物浓度各因子之间的内在关系,从而提高区域空气质量预测准确性。利用人工智能技术较强的扩展性,将传统数值预报方法集成到该系统中,得到整个区域空气质量的网格化结果。将人工智能空气质量预测系统应用到唐山地区,预测了未来7 d的空气质量。结果表明,该系统做出了较为准确的预测,PM_2.5的预测数据与观测数据之间的相关系数R2为0.79,预测结果的均方根误差值低于25μg/m3,较好地反映了PM_2.5每小时的变化趋势。在环境大数据背景下,该研究技术方法为大气污染防控决策提供了有效支撑。     

基于风险神经网络的大气能见度预测

针对空气污染导致大气能见度降低的预测研究,构建了一个风险神经网络模型,模型以6个气象因子、3种主要污染物(SO2,NO2,PM10)浓度和能见度作为输入因子,输出为24h后能见度的预测值.该模型对低能见度情况的数据给予相对较高的风险值,而对高能见度情况的数据则给予相对较低的风险值.以天津市2003~2007年的气象数据对模型进行检验,结果表明该风险神经网络模型优于传统神经网络模型和线性回归模型.     

秸秆露天焚烧典型大气污染物排放因子

利用烟气污染物稀释采样系统,基于实际测试,针对玉米、小麦、花生和棉花4种农作物秸秆开展露天焚烧排放大气污染物采集和分析.利用修正燃烧效率区分燃烧状态,根据碳平衡法计算烟气中颗粒物和气态污染物排放因子.结果表明,4种秸秆露天焚烧CO、SO₂、NO_x和CH₄平均排放因子分别在7.39~92.4g/kg、0.11~0.89g/kg、0.72~3.86g/kg和0.2~5.45g/kg之间,PM_2.5平均排放因子在1.48~13.29g/kg之间.OC和EC的质量分别占PM_2.5全部质量的27.7%~54.3%和4.4%~17.1%,是PM_2.5的主要组成成分.污染物排放主要来自混合燃烧状态,焖烧状态排放污染物浓度相对较高.随着含水率升高,焖烧过程增强显著,CO、CH₄、PM_2.5和OC的排放因子升高,其中PM_2.5排放量增高主要是由OC排放占比升高导致.     

基于Aspen Plus的生物质燃烧NOx生成模拟

利用Aspen Plus软件平台建立了生物质燃烧模型,对燃烧中NOx的生成进行了模拟计算,计算结果与已有文献的试验结果较好地相符.在此基础上,研究了燃烧温度和过量空气系数对生物质燃烧NOx生成的影响规律.结果表明,生物质燃烧过程中NOx的生成量随温度和过量空气系数的增长而快速增长;应用Aspen Plus模拟生物质燃烧具有一定的可行性,而且其模型参数设置较为灵活,能够对多种生物质的燃烧进行热力学分析,可为生物质清洁燃烧技术提供有益参考.     

中国大陆生物质燃烧排放的污染物清单

根据2000年各省市生物质的消耗资料,结合排放因子,计算了中国大陆生物质燃烧所排放的SO₂、NO_x、NH₃、CH₄、EC、OC、VOC、CO、CO₂的总量及各省市的排放清单,并进一步细化到县、区级行政区.研究表明,生物质燃烧排放的污染物在地区间的分布极不均衡,排放量较大的包括华东、中南地区的各省市;各种生物质燃烧对各污染物的排放量的贡献差异很大,其中秸秆和薪柴是最主要来源;单位面积生物质燃烧排放污染物的量较高的地区由东北至中南围绕中国的主要农业产地呈带状分布.     

中国生物质燃烧大气污染物排放清单

根据2000-2007年各省市生物质燃烧消耗量和排放因子,估算了中国大陆生物质燃烧所导致的NOx、SO2、CO、CO2、CH4、NMHC、PM、BC排放量,并给出了分省区、分生物质类型的排放清单.研究表明,2007年中国生物质燃烧排放的NOx、SO2、CO、CO2、CH4、NMHC、PM和BC排放量分别为109万t,1...     

东北地区土壤湿度的区域性预报模型研究

基于东北地区近30 a（1981-2010 年）土壤湿度观测资料,采用CAST聚类方法进行土壤湿度区划,对各区域土壤湿度的时空变化特征展开分析,建立土壤湿度的分区预报模型。结果表明：东北地区中部的土壤湿度在近30 a 内呈上升趋势,其余部分则呈下降趋势,但北部的下降趋势较小,西部下降趋势较大;各区域土壤湿度的显著影响因子有所差异,但都与前一旬的土壤湿度和降水量有较大的相关性;利用1981-2007 年的数据建立各区域的土壤湿度预报方程,利用2008-2010 年的数据对预报方程进行检验,土壤湿度的预报平均相对误差小于13.67%,预测值与观测值较为接近,基本可反映土壤湿度的实际变化情况。     

Influence of rice straw burning on the levels of polycyclic aromatic hydrocarbons in agricultural county of Taiwan

Atmospheric particulate and polycyclic aromatic hydrocarbons (PAHs) size distribution were measured at Jhu-Shan (a rural site) and Sin-Gang (a town site) in central Taiwan during the rice straw burning and non-burning periods. The concentrations of total PAHs accounting for a roughly 58% (34%) increment in the concentrations of total PAHs due to rice-straw burning. Combustion-related PAHs during burning periods were 1.54–2.57 times higher than those during non-burning periods. The mass median diameter (MMD) of 0.88–1.21 m in the particulate phase suggested that rice-straw burning generated the increase in coarse particle number. Chemical mass balance (CMB) receptor model analyses showed that the primary pollution sources at the two sites were similar. However, ricestraw burning emission was specifically identified as a significant source of PAH during burning periods at the two sites. Open burning of rice straws was estimated to contribute approximately 6.3%–24.6% to total atmospheric PAHs at the two sites.     

Influence of rice straw burning on the levels of polycyclic aromatic hydrocarbons in agricultural county, Taiwan

.     

华东地区2000-2014年间秸秆燃烧排放PM2.5时空动态变化

秸秆燃烧释放大量细小颗粒物（Fine Particulate Matter）,对大气环境、生态系统和人类健康有重要影响.该研究基于2000-2014年中国华东地区农作物产量统计数据,估算各区域秸秆产量及室内外农作物秸秆燃烧总量.并运用排放因子法,估算15年间华东地区农作物秸秆燃烧PM_2.5排放总量.研究结果表明,华东地区秸秆产量及燃烧总量分别为：2033.2 Mt和32678.59 Wt,PM_2.5的排放总量为851.95 Wt.此外,PM_2.5排放在时间和空间上不均衡.卫星火点监测数据显示,农田秸秆燃烧密集区域主要分布在山东南部、安徽北部、江苏和浙江东北部及上海市大部分地区;单位网格PM_2.5最大的排放量多集中在山东、安徽北部、江苏中部和北部、浙江东北部和上海区域.时间序列上,山东、江苏和安徽呈显著增长趋势,上海、福建和浙江呈显著降低趋势.稻谷、小麦、玉米、豆类和油菜秸秆燃烧对污染物PM_2.5的贡献率分别为32.45%、30.18%、18.95%、3.77%和14.65%.农作物秸秆燃烧释放PM_2.5与工业粉尘的排放比变化趋势表明山东、安徽和江苏总体呈上升趋势;上海、福建和浙江总体保持平稳趋势.通过对华东地区农作物秸秆燃烧释放PM_2.5的时空变化研究,为更好的揭示秸秆燃烧对区域环境的影响提供数据支持.     

三种农作物秸秆燃烧颗粒态多环芳烃排放特征

收集3种农作物秸秆玉米,水稻和小麦露天燃烧排放的颗粒物样品,并利用气相色谱-质谱(GC-MS)对样品中的34种多环芳烃(PAHs)进行分析,研究颗粒态PAHs的排放因子及可用于源解析的诊断参数.结果表明,3种秸秆燃烧总PAHs的排放因子为644.18~1798.13μg/kg;其中4环PAHs在秸秆燃烧样品中含量最高,约占38.8%~58.8%,6环PAHs所占比例相对较小,约占5.72%~15.17%.PAHs中部分单体具有相对较强致癌性,对环境和人体健康的影响不可忽视.首次检测分子量为300的高分子多环芳烃二苯并[a,e]荧蒽.在玉米、水稻和小麦秸秆燃烧排放颗粒物中的排放因子分别为6.70,2.77和2.92μg/kg.此外,研究发现BaP/BghiP, Phe/Phe+Ant和Flu/(Flu + Pyr)比值可以作为较好的区分秸秆燃烧与其他来源的诊断参数.     

2007年中国大陆地区生物质燃烧排放污染物清单

采用排放因子法计算了中国2007年间CH4、SO2、NOx、NH3、EC、OC、NMVOC、CO、CO2、TSP、PM10、PM2.5的排放总量,建立了生物质燃烧污染物排放清单,计算了各污染物总排放量的空间分布及不同生物质燃烧类型对各污染物总排放量的贡献率,重点完善了各省市生物质燃烧排放不同粒径颗粒物清单.结果显示,2007年我国大陆生物质燃烧排放CH4、SO2、NOx、NH3、OC、EC、NMVOC、CO、CO2、TSP、PM10、PM2.5排放总量分别分为3332.7, 335.3, 951.3, 7754.9, 783.7, 267.7, 6049.6, 76579.6, 743743.7, 7677.8, 6668.9, 4043.7kt.四川、安徽、广西、山东、河南、江苏等地区生物质燃烧各污染物排放量较高,北京、天津、海南、宁夏、青海和西藏等省区各污染物排放量较少.不同地区排放污染物的主要生物质类型存在较大的差异,单位面积排放强度和人均排放量区域间差异显著.人类活动是生物质燃烧排放污染物的主要影响因素,秸秆和薪柴燃烧是污染物排放量最大的2种生物质,其对各种污染物的贡献率为93.8%~98.7%.