融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

杭州市2017年冬季一次重灰霾过程中PM2.5水溶性离子特征、来源及成因分析

利用在线监测仪测量了杭州市一次重灰霾过程（2017年12月29日至2018年1月3日）中PM_2.5主要水溶性离子（Cl^-、SO₄^2-、NO₃^-、NH₄⁺、Na⁺、Ga²⁺、Mg²⁺）及主要气态污染物（SO₂、NO₂、O₃、NO、CO、HCl、NH₃、HNO₂、HNO₃）的小时浓度。结合混合受体模型和国控监测分析,研究了2017年12月30-31日重灰霾事件的污染特征、来源和成因。研究结果表明：PM_2.5浓度高达318 μg·m^-3; NO₃^-/SO₄^2-最大值为2.68,说明移动源污染是杭州市PM_2.5形成的重要来源; PM_2.5/CO最高达到0.19,说明二次细颗粒物对PM_2.5贡献很大;NO₃^-、SO₄^2-、NH₄⁺的浓度总和占PM_2.5平均浓度的64.3%,说明二次无机细颗粒物是杭州重灰霾形成的重要原因,且NO₃^-的贡献最大,占33.5%。混合受体模型分析显示,杭州市重灰霾污染的潜在源区主要位于安徽、江苏、河南、山东四省交界处,以及安徽省中东部、蚌埠、芜湖等工业污染较为严重的城市。夹杂着大量污染物的北方干冷空气远距离传输叠加部分局地源是杭州此次重雾霾形成的根本原因。因此,为了改善杭州市空气质量,不仅需控制当地的污染物排放,而且还需对整个长三角地区甚至跨区域采取大气联防联控策略。     

杭州市2017年冬季一次重灰霾过程中PM2.5水溶性离子特征、来源及成因分析

利用在线监测仪测量了杭州市一次重灰霾过程（2017年12月29日至2018年1月3日）中PM_2.5主要水溶性离子（Cl^-、SO₄^2-、NO₃^-、NH₄⁺、Na⁺、Ga²⁺、Mg²⁺）及主要气态污染物（SO₂、NO₂、O₃、NO、CO、HCl、NH₃、HNO₂、HNO₃）的小时浓度。结合混合受体模型和国控监测分析,研究了2017年12月30-31日重灰霾事件的污染特征、来源和成因。研究结果表明：PM_2.5浓度高达318 μg·m^-3; NO₃^-/SO₄^2-最大值为2.68,说明移动源污染是杭州市PM_2.5形成的重要来源; PM_2.5/CO最高达到0.19,说明二次细颗粒物对PM_2.5贡献很大;NO₃^-、SO₄^2-、NH₄⁺的浓度总和占PM_2.5平均浓度的64.3%,说明二次无机细颗粒物是杭州重灰霾形成的重要原因,且NO₃^-的贡献最大,占33.5%。混合受体模型分析显示,杭州市重灰霾污染的潜在源区主要位于安徽、江苏、河南、山东四省交界处,以及安徽省中东部、蚌埠、芜湖等工业污染较为严重的城市。夹杂着大量污染物的北方干冷空气远距离传输叠加部分局地源是杭州此次重雾霾形成的根本原因。因此,为了改善杭州市空气质量,不仅需控制当地的污染物排放,而且还需对整个长三角地区甚至跨区域采取大气联防联控策略。     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

PM_(2.5)遥感研究热点分析

选取2004年—2017年被中国知网学术期刊网络出版总库(CNKI)和Web of Science (WOS)核心合集收录的遥感研究PM_(2.5)的文献为数据源,以遥感(Remote Sense、Remote Sensing、RS)和PM_(2.5)为主题进行检索,利用文献计量和共词分析的方法对检索到的文献数量、关键词、收录期刊、作者等进行研究状况和趋势分析,对遥感研究PM_(2.5)的热点进行归纳,总结的研究热点如下:(1)通过遥感手段研究PM_(2.5)主要是利用传感器获取的气溶胶光学厚度(Aerosol Optical Depth,AOD)数据,建立AOD和PM_(2.5)之间的相关关系,对PM_(2.5)浓度进行估算,NASA的MODIS气溶胶产品是采用最为广泛的数据;(2) PM_(2.5)与PM_(10)之间存在着时空上的相关关系,与雾霾的形成息息相关;(3)遥感技术的迅猛发展,实现了对PM_(2.5)多方式实时监测,未来PM_(2.5)遥感监测手段将更加便捷、丰富多样;(4)遥感技术对于由PM_(2.5)污染引起的地方性疾病的监测将发挥越来越大的作用;(5) PM_(2.5)的分布与城市化息息相关,结合多源遥感影像对城市化的进程进行分析,建立两者之间的相关关系;(6)由于遥感本身具有一定的局限性,要加强实地监测以便对PM_(2.5)进行更有效的分析研究.     

基于NPP-VIIRS夜间灯光数据的山西省GDP空间化模拟

选取山西省为研究对象,以美国国家极轨合作仪件-可见红外成像辐射计套件（NPP-VIIRS）夜间灯光数据、GDP统计数据等为数据源,构建GDP空间化拟合模型,建立山西省GDP密度图,据此研究山西省经济的空间差异性。通过对NPP-VIIRS夜间灯光数据的空间化处理,提取灯光指数,并将其与GDP进行回归拟合,建立最佳回归模型,得到GDP密度拟合图;利用县级GDP数据进行线性纠正,从而提高GDP的模拟精度。结果表明：（1）NPP-VIIRS夜间灯光数据与GDP的相关性较高,可用于山西省GDP模拟;（2）与GDP分区建模相比,GDP整体建模的精度更高;（3）山西省GDP的空间分布整体呈由城市中心逐渐向周边辐射的特点,构成GDP过渡带。     

火电厂PM2.5环境影响评价方法探讨

现行的大气导则中尚缺乏针对PM2.5的评价模型、方法及监测要求.通过长三角重点控制区某扩建火电厂排放的一次PM2.5和产生的光化学二次PM2.5对周围环境的影响预测,提出了火电厂一次PM2.5排放量估算的方法,并提出了火电厂PM2.5（包括一次和二次）对周围环境影响的预测方法.评价结果表明,具有光化学反应的CALPUFF模型能有效预测一次和二次PM2.5的生成,在环境影响评价现状监测因子中,因氮氧化物的削减对降低空气中PM2.5的浓度有显著效果,建议增加NH3和O3指标;在环境影响评价中CALPUFF模型可以作为PM2.5环境影响评价的预测模型.     

基于时空多视图BP神经网络的城市空气质量数据补全方法研究

针对城市空气质量监测数据缺失的问题,提出一种基于时空多视图BP神经网络的数据补全方法。采用指数移动平均、普通克里金和非凸矩阵完备作为时空多视图特征,结合映射非线性关系的BP神经网络,构建数据补全模型。以北京市36个站点2014年5月1日至2015年4月30日监测的PM_2.5、PM₁₀、NO₂、CO、O₃和SO₂6种空气污染物小时浓度为实验数据。实验结果表明,在15%缺失率下,随机缺失补全的平均相对误差为0.102~0.154,时间连续缺失补全的平均相对误差为0.161~0.271,空间连续缺失的补全平均相对误差为0.108~0.155,优于典型的单视图预测方法和多视图线性预测方法。研究成果可为城市空气质量数据补全工作提供方法支持,研究思路可为时空数据挖掘提供参考。     

岱衢洋海域2010~2011年网采浮游植物群落特征与水质评价

基于2010年春季（5月）、夏季（8月）、秋季（11月）和2011年冬季（2月）对岱衢洋海域进行的4个航次网采浮游植物的调查资料,对该海域浮游植物的种类组成、优势种、细胞丰度分布以及生物指数与环境因子的相关性进行调查研究,并用富营养化指数、水质综合指数、浮游植物多样性指数进行水质状况评价.经初步分析,共鉴定出浮游植物50属116种,其中硅藻门37属92种,甲藻门10属20种,绿藻门和蓝藻门各2种.全年浮游植物优势种主要为硅藻门的琼氏圆筛藻（Coscinodiscus jonesianus）、星脐圆筛藻（Coscinodiscus asteromphalus）和中肋骨条藻（Skeletonema costatum）.浮游植物种类数呈现由近岸向远岸递减的趋势,季节差异极显著（p=0.008<0.01）,春季最少（33种）,冬季最多（71种）.浮游植物细胞丰度呈北高南低的趋势.夏季浮游植物细胞丰度最高,达67.66×10⁶ cells·m^-3,春季最低,为0.12×10⁶ cells·m^-3,两季节差异极显著（p=0.003<0.01）.夏季靠近衢山岛一侧的D03和D05站位,尖刺拟菱形藻（Pseudo-nitzschia pungens）大量增殖,但未达到赤潮水平.冬季岱衢洋海域的浮游植物多样性指数最高,物种较丰富.春季均匀度指数最高,多样性指数也较高,但丰富度指数最低.相关性分析表明,浮游植物群落分布与水温、盐度、透明度、叶绿素a及营养盐等环境因子存在一定的相关性.富营养化指数表明,整个海域夏冬季多数站位均未发生富营养化,春秋季均处于富营养化状态,且春季富营养化最严重,多数站位处于中度富营养化状态.水质综合指数表明,整个海域处于轻污染状态,且夏冬秋季水质明显优于春季.浮游植物多样性指数表明,该海域除秋季处于重中度污染状态外,其他季节均处于轻中度污染状态.     

温州市PM_(2.5)中水溶性离子污染特征及来源分析

2015年1~12月在温州市区采集448个PM_(2.5)样品,采用离子色谱法分析PM_(2.5)中9种水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、Cl~-、Na~+、K~+、Ca~(2+)、Mg~(2+)和F~-)的浓度,研究其污染特征、化学组分和来源.采样期间9种水溶性离子总浓度为39.97μg·m~(-3),SO_4~(2-)、NO_3~-和NH_4~+占所测水溶性离子总量的(40.19±10.04)%.离子总浓度的季节变化特征为冬季春季秋季夏季,从空间分布上看,多数季节市站采样点PM_(2.5)中离子总浓度低于南浦、龙湾和瓯海采样点.相关性分析结果显示,PM_(2.5)值与NH_4~+、Ca~(2+)、Na~+、K~+、Cl~-、NO_3~-、SO_4~(2-)浓度显著相关,PM_(2.5)中SO_4~(2-)和NH_4~+的主要结合方式为(NH_4)_2SO_4.硫氧化速率(SOR)和氮氧化速率(NOR)的年均值分别为0.44±0.09和0.13±0.04,表明温州市PM_(2.5)中SO_4~(2-)和NO_3~-主要由二次转化形成.主成分分析结果表明,温州市PM_(2.5)中水溶性离子主要来源于燃煤(火力发电和工业燃煤)、生物质燃烧、机动车尾气以及道路和建筑扬尘.     

台州市不同功能区环境空气PM_(2.5)的污染特征研究

2015年7月至2016年3月在台州市采集504个PM_(2.5)样品,利用电感耦合等离子体发射光谱仪和原子荧光光度计分析样品中的19种无机元素,利用离子色谱和热光碳分析仪分别分析8种水溶性离子和2种碳组分有机碳(OC)和元素碳(EC)的质量分数,研究不同功能区环境空气PM_(2.5)及其化学组分的污染特征.结果表明,台州市环境空气PM_(2.5)年均质量浓度为(45.3±20.1)μg·m~(-3),季节变化规律为冬季春季秋季夏季,空间变化规律为工业园区商住区自然保护区.19种无机元素占PM_(2.5)总量的9.78%,主要元素为Na、K、Ca、Si、Zn、Al、Mg和Fe.富集因子分析结果表明,台州市无机元素的主要污染源包括道路交通尘、燃煤尘、建筑扬尘以及海盐粒子.采样期间8种水溶性离子总质量浓度为(26.50±5.86)μg·m~(-3),SO_4~(2-)、NO_3~-和NH_4~+占PM_(2.5)总量的(41.96±8.59)%.Cl~-、NO_3~-和NH_4~+离子质量分数为工业园区商住区自然保护区,SO2-4离子质量分数水平在3个功能区相近.OC和EC的年均浓度分别为(10.04±2.08)和(3.27±0.80)μg·m~(-3).商住区和工业园区OC和EC浓度水平相近,略高于自然保护区.SOC/OC值为秋季最高,冬季其次.不同季节SOC/OC值均为工业园区高于商住区和自然保护区.     

苏北灌河口工业区土壤PAHs富集特征、溯源及风险评价

为系统了解灌河口工业区污染场地表层土壤中多环芳烃(PAHs)的污染特征、污染源及潜在的健康风险, 对16种优先控制的单体PAH进行了测试分析. 结果表明: T-PAHs质量分数呈现冬季(3 971.7 ng·g^-1)>秋季(3 506.5 ng·g^-1)>春季(3 504.8 ng·g^-1)>夏季(2 639.1 ng·g^-1)趋势. 夏季(2+3)环PAHs占比最低(13％), 冬季最高(15％), 春秋季相同(14％). 不同季节单体PAH质量分数以中高环(4、5和6环)为最高, 低环(2和3环)最低. 判源结果表明春夏季煤和生物质、石油类燃烧排放来源特征明显, 冬季石油类燃烧和汽车尾气排放来源占主体, 说明主要污染源存在季节差异. 与国内相关研究相比, 灌河工业区土壤PAHs质量分数处于中游水平. 根据加拿大土壤环境质量标准, 河口工业区不同季节有13％~23％的土壤PAHs污染超过了安全值, 存在潜在的生态风险.