城市空气质量监测大数据安全存储模式研究

治理空气污染需要对城市空气质量进行监测,将测得的城市空气质量监测数据进行安全的存储是当前治理空气污染中重点研究的内容。针对当前空气质量监测数据存储模式存在的数据加密所用时间较长、存储模式的安全系数较低的问题。提出一种城市空气质量监测大数据安全存储模式,采用基于PCA神经网络的混沌加密方法对城市空气质量监测大数据进行加密。通过混沌系统产生的随机轨道作为产生加密密钥的伪随机数发生器,根据产生的秘钥对城市空气质量监测大数据进行加密和解密,完成城市空气质量监测大数据的安全存储。     

江苏空气质量信息实时发布存在的问题及其应对措施

文章介绍了江苏省空气质量数据采集及信息实时发布现状．对信息发布中存在的问题进行了探讨,分析了各级空气质量信息实时发布平台数据不一致、空气质量评价不能实时反映当前时间空气质量、业务平台无法集中管理、实时发布导致监控和维护压力增大等的原因,并提出了积极应对措施     

CMAQ模式及其修正预报在珠三角区域的应用检验

为检验CAMQ空气质量数值预报模式对区域性空气质量的预报准确度,通过对珠江三角洲地区16个监测站点数据进行聚类分析,对划分的评价区域进行预报误差分析。结果表明,CMAQ模式输出的污染物浓度水平存在明显偏低的现象,且可吸入颗粒物的浓度偏离最大,这与污染源清单削减程度有关。污染物浓度时变规律分析表明,CMAQ模式能较好地模拟可吸入颗粒物、二氧化氮和臭氧小时浓度的日变化特征,但对二氧化硫的模拟能力较弱,反映污染源时间分配因子存在不适应性。为提高预报的初始浓度值,采用预报日前一天的监测数据作为修正项,并考虑CMAQ模式预报的浓度变化趋势,从而进行修正预报。误差统计表明,修正预报的准确度显著提高,反映了引入实际监测数据对空气质量数值预报模式进行修正的研究意义和可行性。     

上海市TSP-Pb空气质量监测点位优化研究

通过对上海市23个站点的TSP-Pb监测数据的分析,发现TSP与Pb之间具有良好的相关性.因此考虑只用TSP数据对站点进行优化.通过对各站点TSP数据的聚类分析,将所有站点分为6类,然后对包含多个站点的类,将类中各站点与本类均值一同进行再聚类,选取代表站点.最终选取6个站点作为上海市TSP-Pb污染水平的代表站点.优化前后的对比分析表明,优化结果合理,信息损失量小.     

结合GIS数据对合肥市大气污染状况的初步数值模拟研究

应用WRF-SMOKE-CMAQ模式结合地理信息系统(GIS),数值模拟研究了合肥市大气污染状况.在排放处理过程中,安徽省统计类面源排放采用GIS工具进行空间分配,并收集重点企业排放数据,以点源形式导入数值模型中,驱动多尺度空气质量模式CMAQ模拟合肥2014年12月大气污染现状.结合合肥市环境空气质量站点PM_(2.5)、NO_2日均浓度和小时浓度对比验证表明:1采用GIS数据空间优化获得的统计类排放面源较合理地呈现相关联排放的地理特征.2当前模式系统可以较好地模拟出2014年12月合肥市PM_(2.5)污染物变化特征,尤其是12月20日—26日PM_(2.5)污染累积和消散过程,站点的模拟实测两倍因子在63%~77%之间,合理反映出当月合肥市区PM_(2.5)污染状况.3模式对于NO_2模拟,在部分区域具有较好的模拟效果,但在部分区域模式只能模拟出NO_2大致变化趋势;所有有效站点的比对结果平均偏差为21.92μg·m~(-3),整体存在偏高现象;有40%站点FAC2在73%~88%之间,除个别观测数据异常较多站点外,其他站点FAC2在50%左右,这种差异是由于模式网格分辨率较低、排放源分配及站点选取引起的.     

COVID-19爆发前后东营市AQI时空特征研究

基于2019年9月～2020年5月东营市42个空气质量地面监测站点的逐小时空气质量数据,结合新型冠状病毒肺炎(COVID-19)疫情期间生活生产方式变化情况,以月度、日度、周度、小时4种时间尺度,从时间、空间尺度对东营市AQI展开研究.研究发现,空间分布呈现"北优南劣",内陆污染重于沿海;月度变化呈现疫情大面积爆发前(...     

利用多模式集合和多元线性回归改进北京PM_(10)预报

本研究将多模式集合预报和多元线性回归集成方法结合起来减小空气质量预报的不确定性.首先评估了北京空气质量多模式集合预报系统中3个模式成员(NAQPMS、CAMx、CMAQ)对北京地区PM10日均浓度的预报性能,在此基础上引入多元线性回归将历史观测信息纳入进来对3个模式预报结果进行集成,并将集成预报结果与3个模式算术平均的预报结果进行比较.结果发现:1不同模式的预报结果差异较大,并没有一个模式的预报技巧完全优于其它两个模式,其中CMAQ对北京PM10变化趋势的预报优于其它两个模式,NAQPMS预报的均方根误差整体低于其他两个模式.2多模式预报结果的算术平均在趋势预报和偏差两项指标上都低于部分单模式预报,并不能有效改进PM10预报;基于分站点的模式和观测数据构建的多元线性回归集成预报模型能显著提高PM10预报的准确率,选定合适的训练天数(36 d)后,28个站点PM10日均值预报的均方根误差相对单模式预报或集合平均预报下降32%~43%,预报偏差大幅减小至5.8μg·m-3,总体预报技巧显著优于单模式和多模式算术平均的预报结果,并且采用线性回归集成方法大幅提高了对污染过程的预报能力.     

AQI vs API——新老空气质量标准之对比

对昆明市空气质量监测数据分别用空气质量污染指数（API）和空气质量指数（AQI）做评价,并进行比较。叙述了测点小时数据、测点日均数据和城市日均数据对应的空气质量及区别。环保部和云南省环保厅分别发布的昆明市空气质量差别是由于评价空气质量的标准不同所致。     

基于MapReduce的海洋异构数据集成与实时查询展示研究

信息技术的发展,海洋领域的多元化信息系统建设步伐不断加快。大数据背景下,海洋数据多源异构的特性使得海洋数据无法实现共享和统一管理,从而导致产生数据孤岛的情况。结合MapReduce计算模型对该问题进行深入研究分析,本文提出基于中间件体系结构的海洋异构数据集成框架。该框架采用中介者模式进行数据查询,在查询中使用图结构的方式查找节点。通过实际项目实验验证,该框架能够提供一种有效的实时数据查询解决方案且在一定程度上减少数据孤岛现象的发生。     

气象因子对北京一次重污染天气过程影响研究

文章利用空气质量和气象要素小时观测数据,详细分析了一次典型大气污染过程前后空气质量和主要气象因子的变化特征,探讨了气象因子对大气环境的影响,研究结果表明:北京地区的大气污染呈"缓慢积累、快速清除"的时间变化特点,其中积累过程可持续多天,而清除过程只需数个小时。大气本底站点和城市站点的污染物浓度变化趋势总体一致,但本底站点的浓度峰值和污染程度明显低于城市站点。在污染积累阶段,风速明显偏小,初始风向为西南风,此后逐渐转为东北风,相对湿度逐渐增加,日最大混合层厚度则有所下降;而在污染快速清除阶段,气象要素的变化则相反,风速明显增大,风向多为西北风,相对湿度显著下降,日最大混合层厚度有明显抬升。检验了污染过程前后风速、相对湿度与PM2.5质量浓度间的相关关系,其中风速与PM2.5质量浓度呈指数相关,R2达到0.621 6,相对湿度与PM2.5质量浓度呈线性相关,R2达到0.809 7,均通过了显著性水平为0.01的相关性检验,表明在大气污染过程中气象因子对大气环境的影响十分明显。     

包含外强迫因子的大气气溶胶数浓度的预测

利用慢特征分析(Slow Feature Analysis, SFA)方法提取大气气溶胶时间序列的外强迫因子信息,并将此外强迫因子信息嵌入到预测模式中,建立一个包含提取外强迫因子信息的预测模式.利用该方法对2011年6月1日至2011年9月14日黄山山底的每小时大气气溶胶数浓度时间序列进行预测试验分析.结果表明,当提前预报一步时,平稳性模式的预测结果与实际观测数据的相关系数为0.6982,而单一外强迫模式的相关系数为0.7390,强迫模式的相关系数是0.7475,外强迫的加入可以有效的提高预测技巧.     

基于熵权法和聚类分析法的成都市空气质量综合评价

传统方法在评价大气环境质量中存在因素较为单一等缺点,文章综合考虑多评价单元的多种指标,运用熵权系数法对成都市各区域AQI进行计算,以区域AQI年均值,区域年污染天数两个评价参数,构建成都市现阶段各区域空气质量状况的指标体系。同时利用聚类分析方法对成都市21个区县,根据空气质量指数AQI日均值进行结果验证。研究结果表明:郫县,青白江区和新都区综合评价等级最高,均在8.5以上,体现出这三个区域空气质量状况较差,综合评价等级较低的都江堰和蒲江县AQI年均值也较低,污染天数很少,其余区域的评分和其AQI以及污染天数均相符合,可以得出该综合评价模型可以很好的很客观的反映出各区域的空气质量状况。聚类分析呈现出较好的聚类效果,整个成都市各区域空气质量均值分布分为四大区域,较符合实际结果,可以为其他城市的空气质量综合评价提供一定的参考。     

春节期间燃放烟花爆竹对我国城市空气质量影响分析

对2013年、2014年我国部分城市春节期间空气质量数据进行分析,结果表明:集中燃放烟花爆竹对我国城市环境空气质量造成了严重影响,大部分城市在集中燃放日出现空气质量超标现象;燃放烟花爆竹可以导致空气中PM10、PM2.5等污染物浓度显著上升;燃放活动还可以导致PM2.5中K、Ba、Pb、Cu等元素含量明显上升;集中燃放烟花爆竹对颗粒物小时浓度值、日均值和年均值均有一定的贡献。     

春节期间燃放烟花对苏州市空气质量的影响

作者针对2013年苏州市春节期间空气质量数据进行分析,结果表明:集中燃放烟花爆竹对苏州市城市环境空气质量造成了严重影响,在集中燃放日出现空气质量超标现象;燃放烟花爆竹可以导致空气中PM_(10)、PM_(2.5)等污染物浓度显著上升;燃放活动还可以导致PM_(2.5)中K、Ba、Pb、Cu等元素含量明显上升;集中燃放烟花爆竹对颗粒物小时浓度值、日均值和年均值均有一定的贡献。     

特征雷达图的设计及其在大气污染成因分析中的应用

为了更好地利用环境监测数据进行污染成因分析,提出数学算法,对多种污染物进行百分比成分谱化,并除以一定时期（或一定区域）的平均值,从而得到标准化特征谱,以消除污染物浓度变化的影响以及不同污染物间浓度值差异的影响;通过设计特征雷达图的方式,直观和快速地展现大气污染特征在时间序列和空间上发生的变化特征,为环境管理部门利用空气质量常规监测数据开展动态决策提供便利.该方法既可利用单点历史数据开展历史特征雷达图分析,也可基于区域多站点数据开展区域特征雷达图分析.该方法在时间序列上可以判断出偏沙尘污染型、偏燃煤污染型、偏二次颗粒物污染型、偏机动车污染型、偏烟花污染型等多个污染类型;在区域分布中可以判断出偏燃煤污染区、偏机动车污染区、偏钢铁污染区等多个区域类型.该方法除可应用于空气质量常规监测数据外,也可应用于其他组分数据如碳质组分、水溶性离子组分及元素组分等数据的分析.      

城市环境空气演变的过程

通过整理阜新市空气自动监测系统在4个功能区2005年全年每小时主要污染因子的实测数据,并用综合指数评价、比较不同时、地的空气质量,总结全市及各功能区空气质量逐月、逐时变化的规律.同时依据计算空气污染物浓度的箱模式理论和同期污染物排放量、平均地面风速、空气混合层高度等影响因素的演变过程解析空气质量变化的原因,了解城市环境空气演变的过程.     

城市综合交通规划环境评价中大气环境预测的数学模型

以城市综合交通规划环境影响评价中大气环境影响预测为例,分析了战略环境评价(SEA)中环境影响预测的特点,提出了SEA中应用空气质量模型的基本原则。在此基础上,对现有的空气质量模型(主要包括箱模式、高斯模式、拉格朗日模式和欧拉型数值模式)分别讨论了模型的时空尺度、所描述的环境要素和因子、模型的复杂性和输入数据、模拟区的下垫面特征在城市综合交通规划环境评价中的适用性。     

2010年广州亚运期间空气质量与污染气象条件分析

利用2010年11月4日～12月10日广州地区NO2、O3、SO2、PM、能见度实测资料,区域空气污染指数RAQI及大气输送扩散特征参数,分析广州亚运期间空气质量与气象条件变化特征.结果表明,亚运期间空气质量比亚运前后好,能见度比亚运前后大,PM1和PM2.5浓度比亚运前后小,能见度与PM1和PM2.5有较好的反相关;亚运期间NO2和SO2日均值和小时均值均达到国家一级标准,PM10日均值和O3小时均值均满足国家二级标准,污染物得到较好的控制;广州地区SO2受本地源和外地源远距离输送叠加影响,NO2受本地源影响较大;广州周边城市NO2、SO2和PM10有向广州输送的潜势,而广州O3有向其周边城市扩散的潜势;亚运期间污染气象条件比亚运前后有利,亚运期间污染物浓度降低得益于政府实施的减排措施及良好的气象条件.     

基于GIS的多权重年际空气质量模型研究

随着工业技术的发展,空气质量逐渐恶化,空气污染已经发展为全人类共同面对的严峻问题。随着监测技术的提升,空气污染数据迅速增加,人们对空气质量时空变化的研究逐渐向年际及年代际时间尺度靠拢。而现阶段对年际时间尺度空气质量评价的方法较少,常用年均AQI作为评价指标。由于AQI是单一污染物指数,抵消了多种污染物的累计效应,产生的模糊信息会掩盖其他污染物对健康的实际影响。因此,该研究基于中国AQI计算方法提出了一种基于多权重的特定的年际时间尺度空气质量评价模型——综合空气质量指数(CAQI),用于修正中国空气质量指数在年际空气质量评价中的缺陷。通过对模型验证发现该模型具有良好的性能,在年际时间尺度空气质量评价中效果较好,具有更高的合理性。     

大数据背景下采用互信息与随机森林算法的空气质量预测

为了实现城市空气质量的精准预测,针对与城市空气质量预测相关的大数据种类多、规模大、维度高和生成速度快等特点,在研究城市不同区域空气质量评价指标的基础上,提出不同区域空气质量子空间聚类分析方法,挖掘不同区域空气质量的特征。通过对不同区域进行群体划分,并利用互信息矩阵从城市功能、地形、气象条件等方面辨识与不同区域空气质量相关联的因素,构建基于随机森林算法的城市空气质量预测模型。该方法可以有效识别城市不同区域空气质量的强关联因素,避免由于关联因素的差异性对空气质量预测造成的不利影响。仿真结果表明:该方法适用于大数据的分析与处理,并具有较高的预测精度。