京津冀地区空气污染研究及可行性建议

针对京津冀地区环境污染问题,结合各种污染物对人体的有害程度,运用归一化方法,分析影响空气质量的主要污染源,并对传统高斯模型提出修正,建立单污染源空气污染扩散模型,分析工厂排放废气的污染物扩散规律,运用MATLAB编程计算结果,结合污染源参数,对未来空气污染治理提出了可行性建议.     

基于AQI对京津冀地区空气污染的计量分析

针对京津冀地区空气污染来源和污染物造成空气质量的恶化,综合使用AQI、综合分析、回归分析和灰色预测等方法,分别建立扩散微分、回归分析、灰色预测和综合评价模型,运用EVIEWS,MATLAB,EXCEL软件求解.结果得出:以国标和美标为基准对京津冀地区的空气质量优劣程度进行划分,明确了主要污染源及空气质量的影响因素;结合污染源扩散模型进行分析并给出解决空气质量的建议.     

基于高斯扩散模型的京津冀空气污染研究

针对空气污染,以京津冀地区为主要研究对象,收集相关数据,使用贴近度分析、主成份分析、微分方程分析等方法,建立了空气质量等级评估模型、主成份分析模型、微分方程模型、多污染源地面点源扩散模型等,使用MATLAB、EXCEL等软件编程,得到不同时间点距离污染源不同处的污染程度,并通过主成份分析PM 2.5、PM10、CO、NO2、SO2这5个污染项目的数据得出的结论为PM2.5为京津冀地区首要污染物。     

基于主成分分析法的京津冀空气质量研究

针对京津冀空气质量问题,利用SPSS软件,建立主成分分析的数学模型,提取主成分,得出影响京津冀空气质量水平的三大污染物是NO_2,SO_2,PM2.5.高斯点源模型计算出每小时分散在相同空间位置的污染物的浓度和,得出该点上的污染物浓度;多污染源扩散模型利用坐标变换的方法和GIS技术,模拟污染物扩散,实验结果表明,污染物减少的浓度越大,污染梯度变化越大.     

基于时间序列的京津冀地区城市与西北地区兰州市空气污染特征比较

利用SPSS 19.0计算京津冀地区城市北京、天津、石家庄、保定和唐山城市间API日均值(2011年2月11日-2012年12月30日)的Pearson相关系数,据各城市间的Pearson相关系数与各城市间的直线距离,对城市间API值与城市间距离的相关性进行了研究;此外,对2003-2012年间京津冀地区城市北京、天津、石家庄和西北地区兰州的空气质量级别和首要污染物的出现频率进行了统计分析,利用该频率比较研究了京津冀城市北京、天津、石家庄和西北兰州的空气质量状况;最后对北京、天津、石家庄和兰州市2003-2012年间的API月均值建立适合的SARIMA模型,利用模型预测4个城市2013-2014年的API月均值,并对比2013-2014年京津冀地区的北京、天津、石家庄与西北地区兰州空气质量的特点.结果表明:城市间API的相关系数与城市间距离呈正相关,京津冀区域内城市间的空气质量的治理应当采取城市间的联合防控进行治理;此外,兰州的空气质量在2003-2012年间的优良天数要低于北京、天津和石家庄,并且在该时段内4个城市的空气质量均趋于好转.SARIMA模型对北京、天津、石家庄和兰州2013-2014年间的API月均值的预测表明在此时间内兰州夏秋季节的空气质量好于北京、天津和石家庄,但在冬春季节差于这3个城市;此外北京、兰州的空气质量在继续改善,而天津和石家庄有空气质量恶化的趋势.     

中国城市空气质量与土地集约利用的匹配关系及影响因素

 从空间匹配角度探究空气质量与土地集约利用的相互作用关系及影响因素,对缓解空气污染、创新城市节约集约用地新模式具有重要意义。利用趋势面、空间自相关、重力模型、空间错位模型、灰色关联度模型等方法对全国290个地级及以上城市空气质量与土地集约利用水平的空间分异规律、空间匹配关系及其驱动因素进行探讨。结果表明：（1）2017年全国城市空气质量在空间上呈现出以冀中南城市群为核心向外逐渐好转的中心-外围结构,集聚特征显著;全国城市土地集约利用水平在空间上呈现出以京津冀、长三角、珠三角城市群为核心向外扩散的多核空间结构,集聚特征亦比较明显。（2）全国城市空气质量与土地集约利用水平在空间上存在不完全协同、匹配现象,负向错位区主要分布在京津冀和长三角城市群,错位强度呈核心-边缘的空间结构,正向错位区分布在东北、西南、西北和南部沿海地区,错位强度呈现出由东南向西北方向递减的空间分布格局;空间错位贡献度具有明显的地域差异性,东部地区尤为突出。（3）全国城市空气质量与土地集约利用两系统总体关联度较强,其中影响空气质量的污染物浓度以及影响土地集约利用的归一化植被指数（NDVI）、建成区绿化率和地均工业废水排放量等因素为造成两系统空间错位差异的主要原因。     

京津冀气溶胶数据普通克里金插值研究

目的针对地面及卫星监测的气溶胶数据覆盖度不高的问题,笔者选取普通克里金插值方法对京津冀地区大气气溶胶(AOD)数据进行预测,对比普通克里金插值方法选用不同半变异函数时对AOD数据插值结果精度评价.方法选取京津冀地区AOD试验数据,分别采用球状模型、指数模型、高斯模型对AOD数据进行普通克里金插值对比试验,并利用Python程序计算插值结果的平滑效应.结果通过试验对比分析可知,AOD预测精度由高到低依次为普通克里金插值采用指数模型、球状模型、高斯模型方法.结论采用指数模型的普通克里金插值对京津冀地区AOD数据的插值结果精度最高,该方法可以为AOD数据缺失的区域提供精度较高的参考数据,同时为环境治理、气象预测、医学研究等提供数据依据.     

京津冀气溶胶时空变化特征及潜在来源分析

针对京津冀日益恶化的环境问题,采用Terra-MODIS C6.1 MOD04_L2 气溶胶光学厚度(AOD)产品对京津冀地区2011-2020年AOD时空变化特征进行探究,基于 HYSPLIT模型得到京津冀地区3个主要城市的四季主要气流输送轨迹,并结合空气质量指数(AQI)数据和潜在源贡献因子法(PSCF)分析石家庄市不同季节的污染物潜在源区。结果表明：京津冀地区多年AOD空间分布大体呈东南高西北低的特征;10a间AOD总体呈“w型”下降,峰值和谷值出现在2011年(0.49)和2017年(0.33);AOD四季均值由高至低依次为：夏(0.53)>春(0.39)>冬(0.36)>秋(0.32);AOD月变化呈“双峰”型,峰值出现在2月(0.48)和7月(0.59);北京市、天津市和石家庄市四季主要受到短距离气团输送的影响;统计AQI优良率可知京津冀3个主要城市中石家庄市空气质量最差,通过PSCF分析得出影响石家庄市AQI值的潜在源区主要分布在石家庄市本地及周边省市。     

京津冀空气质量分级评价及汽车尾气扩散演变规律的定量分析

针对空气质量等级和汽车尾气浓度梯度变化的问题,综合使用聚类分析、空气污染指数分析、高斯扩散分析等方法,构建了Q型聚类分析模型、空气质量优劣等级模型、线源扩散等模型,运用EXCEL和MATLAB等软件编程求解,得出汽车尾气在不同时间的扩散浓度梯度变化,并结合空气质量优劣等级分级模型评判空气等级。     

合肥市环境空气质量分析

以合肥市空气质量实时监测面板数据为样本,气体污染物为指标,建立空气质量时空分布模型,从日度、月度和季度三个维度分析不同区污染状况.根据主成分分析综合评价模型,分析庐阳区、明珠广场、三里街等十个监测点主要污染源,并对各区污染程度排序.研究结果表明,NO2和PM2.5是合肥的主要污染物,瑶海区空气质量最差;滨湖新区、董铺水库、高新区、琥珀山庄、明珠广场和长江中路空气污染程度较轻,包河区、庐阳区、三里街和瑶海区的空气污染较重.     

多点源空气污染高斯扩散模式并行方法研究

为提高基于高斯模式的空气污染扩散计算的效率,研究从污染源、研究区域空间分层与栅格划分等3个因子入手,设计单因子、双因子和三因子作用下的多种并行算法,同时采用PC机群对算法进行实现. 针对珠三角区域空气污染并行计算试验结果表明,并行算法能将计算时间减少90%,大大提高了模型计算效率,很大程度上满足了基于高斯模式的空气污染实时计算要求.      

江西省空气质量预报情况分析

总结了江西省过去1周的空气质量,对出现重度污染的九江市的空气质量进行简单的分析。根据模式预报、气象条件以及当天的空气质量实况,预报了未来5 d江西省的空气质量情况,研究结果可以为江西省空气污染防治提供技术支持。     

空气质量指数及其含量的极值模型分析

选取北京市2016年1月～2018年3月的日空气质量指数数据,建立广义Pareto分布模型分析空气质量指数的超阈值序列,利用轮廓似然估计确定精确的参数置信区间,得到重现水平和中度、重度、严重污染天气发生的概率.将极值理论与相关结构Copula相结合,建立二元超阈值模型对空气质量指数含量PM2. 5与PM10之间的极值相关性进行了研究,结果显示其中一个超限值的条件下另一个也超过限值的概率很大,两者具有较大的尾部相关性,它们的叠加作用加重了空气污染的程度.     

基于长短期记忆神经网络模型的空气质量预测

随着城市化和工业化的快速发展,空气污染问题日益突出,空气质量预测显得尤为重要。当前一些有代表性的研究对空气质量进行实时监测和预报,例如周广强等采用数值预报的方法对中国东部地区的空气质量进行分析,但其实验结果表明该方法难以预测非常重的污染;SANKAR等使用多元线性回归对空气质量进行预测,但其实验结果表明线性模型预测精度低、效率慢;PéREZ等使用统计方法对空气质量进行预测,实验结果证明统计方法的预测精度比较低;WANG等采用改进的BP神经网络建立了空气质量指数的预测模型,其实验验证了BP神经网络收敛速度慢、容易陷入局部最优解的问题;YANG等利用相邻网格的空气质量浓度效应,建立了基于随机森林的PM_(2.5)浓度预测模型,通过实验过程证明网格划分程序削弱了后续空气质量分析的质量和效率。这些方法都难以从时间角度建模,其中预测精度低是比较重要的问题。因为预测精度低可能会导致空气质量预测结果出现较大的误差。针对空气质量研究中预测精度低的问题,提出了基于长短期记忆单元(long short-term memory,LSTM)的神经网络模型。该模型使用MAPE,RMSE,R,IA和MAE等指标来检测LSTM神经网络与对比模型的预测性能。由于Delhi和Houston是空气污染程度比较严重的城市,所以使用的实验数据集来自Delhi的Punjabi Bagh监测站2014—2016年的空气质量数据和Houston的Harris County监测站2010—2016年的空气质量数据。LSTM神经网络与多元线性回归和回归模型(SVR)的比较结果表明,LSTM神经网络适应多个变量或多输入的时间序列预测问题,LSTM神经网络具有预测精度高、速度快和较强的鲁棒性等优点。     

京津冀服务业能源消费碳排放影响因素分析

利用统计数据首先分析了1995—2013年京津冀地区能源消费结构并核算京津冀地区服务业碳排放量,其次通过灰色关联分析方法分析了京津冀地区服务业能源消费碳排放影响因素.研究发现,京津冀服务业能源消费以石油为主;能源结构多元化系数和产业规模是北京市服务业能源消费碳排放最主要影响因素,人口效应和能源强度是天津市服务业能源消费碳排放最主要影响因素,能源结构多元化系数、人口效应、产业规模、能源强度和河北省服务业碳排放呈中度关联关系.提出京津冀地区服务业能源消费有待向碳排放量低的天然气等能源转变,北京市和河北省服务业能源利用效率有待提高的建议.     

交通运输业碳足迹测算及其交互效应评估——以京津冀地区为例

针对交通运输业碳足迹及其影响因素间作用效应研究的不足,首先,建立交通运输业碳足迹测算模型对京津冀地区交通运输碳足迹进行量化评估;其次,采用对数平均迪氏指数（Logarithmic Mean Divisia Index, LMDI）乘法形式模型研究京津冀地区交通运输业的碳排放与其他社会经济指标的交互效应;最后,基于京津冀产业结构及城镇化差异等社会经济背景,分析京津冀交通运输业碳排放影响因素的空间差异性.研究结果表明：京津冀地区交通运输业碳排放在研究期内逐年增加,北京市增长率最高,且年均增长率为8.58%;经济增长因素对京津冀全域交通运输业碳排放增加促进作用最显著;交通运输产业、生产效率等因素作用效应存在空间差异,而经济增长、人口效应、交通运输能源利用强度和碳排放强度等指标则表现出较弱的空间差异;促进经济增长与交通碳排放等环境负面影响的脱离、提高交通运输业生产效率、根据人口效应及结构进行交通运输系统设计的优化与结构调整、优化交通运输业能源结构等措施,有助于减少京津冀交通运输业碳排放量.     

控制机动车排放 改善空气质量对策研究

近日我国部分地区多次出现持续大范围雾霾天气和空气污染,再次引发公众对空气质量下降的关注。随着厦门市机动车保有量持续攀升,相关污染物排放也迅猛增加,已成为影响城市空气质量和居民健康水平的主要因素之一。厦门市的空气污染类型已经由十年前的煤烟型向机动车尾气型污染转变,2011年,厦门市环境空气质量优良率为     

基于空间面板模型的京津冀地区经济增长收敛研究

考察京津冀地区经济增长的空间联系及收敛情况具有重要的现实意义.以人均GDP代表经济发展水平,采用变异系数、空间自相关分析和空间面板误差模型等方法,对京津冀地区2007-2015年179个区县经济增长的空间自相关性和收敛情况进行了实证研究.结果表明:京津冀地区人均GDP的空间联系强度在波动下降,而变异系数波动上升,不存在...     

京津冀地区空气污染影响因素及氮氧化物分布演变规律的定量分析

针对大气污染源及空气浓度梯度变化,综合使用定量分析、变量控制、线性拟合、二阶抛物型偏微分方程等方法,构建了主成分分析、单污染源高斯烟羽扩散等模型.运用EXCEL和MATLAB软件,研究得出京津冀地区空气主要污染源为工业废气、燃料燃烧、汽车尾气、工业废水等,主要影响参数为PM2.5、PM10.0,以及氮氧化物污染离烟囱越远浓度越低等结论.     

2008—2014年渭南市空气质量的评价与分析

以渭南市2008—2014年空气环境监测数据为依据,参照《环境空气质量标准》,选取SO2,NO2和PM10三个空气污染因子作为评价参数,利用模糊综合评价模型对渭南市2008—2014年空气质量进行评价,并利用灰色关联度对渭南市空气污染的主要因素进行分析.结果表明,近年来,渭南市空气质量均为国家II标准,其主要污染因子为PM10.