蓝藻预警监测数据管理系统开发与应用研究

太湖蓝藻预警监测一直是政府及环保部门关注的重点工作并已经成为日常监测任务,但由于数据汇总和日统计评价工作量大,每项指标评判靠人工处理效率明显低下,蓝藻预警监测数据管理系统的开发很好的解决了这一问题.该系统以蓝藻监测和上报的实际业务需求为基础,综合了地表水各项指标的评价功能,并运用网络平台方便灵活地与其他部门共享蓝藻监测信息,极大地提高了综合分析人员工作效率,同时还为环境管理部门提供了更加全面的趋势分析.     

海上移动式平台安全信息预警与保护装置研制

介绍了一种基于海洋移动式平台应用的安全信息预警与保护装置的研制,实现具有移动式平台海上安全信息采集、记录、预警、保护及再现等功能。     

淮安市畜禽养殖业废弃物污染负荷生态承载力预警分析

在分析淮安市畜禽养殖业废弃物的污染特点的基础上,进行了淮安市畜禽养殖业废弃物污染负荷的生态承载力的预警分析。分析结果显示：淮安市畜禽养殖业污染的生态承载力不同地区差异性较大,各地区的畜禽养殖业的发展不平衡,存在空间异质性。对环境构成较严重污染威胁的有淮阴区;对环境稍有污染威胁的地区有4个,分别为清河区、楚州区、清浦区和开发区;涟水县、洪泽县、盱眙县、金湖县畜禽粪便对环境不构成污染威胁。淮安市应该通过制定相应的畜禽养殖业的总体规划来合理布局,合理分配畜禽养殖业污染的生态承载力,保护生态环境,促进新农村建设,实现淮安市的可持续发展。     

最小二乘支持向量机在臭氧浓度时间序列预测中试应用

将基于统计学理论的最小二乘支持向量机(LSSVM)方法试用于臭氧浓度时间序列预测.首先利用臭氧浓度时间序列资料重构了该混沌动力系统的相空间,然后沿着系统演化的相轨道用最小二乘支持向量机建立了臭氧浓度短时预测模型,并用上海市淀山湖站的臭氧观测资料做了提前1～8 h和提前24 h预报试验,结果显示这一模式能够较好地模拟臭氧浓度演化轨迹,提前1～8 h的预测精度均超过90%,提前24 h预报精度亦都在68%以上,预报效果较好.     

城市空气质量数值预报系统对PM2.5的数值模拟研究

发展了南京大学城市空气质量数值预报模式系统(NJU-CAQPS),在模式系统中引入了气溶胶模块.运用该系统对南京地区冬夏两季PM2.5浓度的时间变化规律和空间分布特征进行了数值模拟研究,通过与实际观测资料对比,检验发展后的模式系统对于细颗粒物的模拟性能.结果表明,南京市城近郊内冬夏两季PM2.5浓度具有明显的时空变化特征,一般在半夜和清晨会出现较高浓度,午后至傍晚浓度较低.冬季浓度高于夏季,冬夏两季算例的浓度日均值之比为1.51.空间分布受到排放源位置、地面流场等因素影响.二次气溶胶在PM2.5中占相当的份额,冬夏两季算例中二次气溶胶在PM2.5中所占比例分别为12%和15%,夏季二次气溶胶对PM2.5浓度贡献较冬季大.与实际观测资料的对比验证表明,经过发展的该模式系统对于城市PM2.5等颗粒物的模拟性能良好.     

封闭湖泊蓝藻水华预警机制及应急控制方法

随着我国城市化进程的不断推进以及经济的快速发展,城市封闭湖泊水体污染日益严重,蓝藻水华现象频频发生。文章分析了该类水体水华的主要影响因素,并提出了预警机制。根据已开展的湖泊污染治理工程效果,针对性地提出了几种有效的封闭湖泊蓝藻水华应急控制方法。     

中国火山地区预警政策研究

本文主要介绍了我国的活火山、火山灾害情况及国内外的火山预警政策。在此基础上讨论了我国火山地区预警政策的组成结构,认为完整的火山地区预警政策应该包括活火山识别、火山风险评价与灾害区划图、制定火山应急预案、火山防灾减灾知识宣传、火山监测和灾害预报、火山灾害预警等级划分、火山减灾工程措施以及预警响应措施等方面,并对火山预警政...     

工业发展规划潜在环境风险预警概念模型研究

环境风险是指突发性事故对环境(或健康)的危害程度。与建设项目环境影响评价不同,各种规划的环境影响评价对象往往不是一个具体的建设项目,由于《规划环境影响评价技术导则(试行)》颁布时间较早,未对规划中的环境风险评价内容提出技术规范要求,但从规划环境影响评价的实践要求来看,为了更好的发挥规划环评对规划实施的环境决策作用,制定出环境合理的规划方案,对规划实施的环境风险进行评价已成为规划环评中不可忽视的重要部分。目前在规划环评中,尚未形成像建设项目环评的环境风险一样的完整和通用的环境风险评价技术路线。本研究构建的工业发展规划潜在环境风险预警模型对于解决大尺度工业发展规划中由于规划行业门类、项目和涉及工业园区较多,难以对规划实施的环境风险定量进行分析,提供了较好的借鉴意义,为政府部门决策提供了重要的参考依据。     

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

水资源约束下江苏省城镇开发安全预警

城镇规模的扩张离不开水资源的支撑,水资源承载力是影响城镇开发的重要因素。论文提出一种以水资源约束测算城镇开发度阈值及从"状态-趋势-效应"尺度进行开发度预警的方法,并以江苏省为例进行实证探索,最终划分综合预警分区。结果显示:到2020年,苏州、 无锡、 常州、 南京将成为重度预警区;徐州、 连云港为高度预警区;镇江、 扬州、 泰州、 南通为中度预警区;淮安、 宿迁、 盐城为轻度预警区。利用GM(1,1)模型和相关方程,对城镇开发度、 开发容量、 开发临界时点及开发后温度变化与碳汇损益定性定量化,进行整个开发过程的模拟,客观反映城镇开发安全变化的动态性,以期为政府制定差别化的开发政策和预警措施提供科学依据和理论支撑。