基于高斯烟羽和多元线性回归模型的PM2.5扩散和预测研究

首先采用高斯烟羽模型对西安市PM2.5的扩散规律进行仿真,结果发现高压开关厂和高新西区的相互污染扩散最为严重;小寨对曲江文化集团区域也有较强的扩散作用;长安区、草滩等区域遭污染扩散的程度较低.而后结合气象因素及其它空气污染物对PM2.5浓度的影响,构造一个PM2.5演变预测的多元线性回归模型.最后用13个监测点的PM2.5浓度数据对以上两个模型进行验证,结果表明两个模型能够实现对西安PM2.5扩散规律的拟合和浓度预测分析.     

气溶胶光学厚度与PM_(2.5)浓度相关关系的时空变异

遥感获取的气溶胶光学厚度(AOD)与PM_(2.5)浓度高度相关,已被广泛用于地面PM_(2.5)浓度模拟;但二者相关关系的时空变异往往被忽略。以京津冀为研究区,获取2013年80个监测点PM_(2.5)浓度数据和Aqua、Terra两颗卫星的MODIS AOD月均值产品数据,研究AOD与PM_(2.5)浓度相关关系的空间差异和时间变化。研究发现京津冀地区AOD与PM_(2.5)浓度具有很高的空间相关性,二者年均值相关系数(R~2)约为0.6;但相关性存在明显空间差异,污染轻微的研究区北部AOD与PM_(2.5)浓度相关性明显高于污染严重的研究区南部。时间变化上,春秋季二者相关性高于夏冬季。利用AOD模拟地面PM_(2.5)浓度需要考虑二者相关关系的时空变异及影响因素。     

乌鲁木齐市大气污染物浓度空间格局变化

通过对2004-2009年乌鲁木齐市三个大气环境质量自动监测点位的数据分析,得出在城市布局不断调整的条件下,各区域的污染因子年均浓度变化较大。表现为市南片区整体污染物质浓度较高、市中区SO2和NO2增加速度较快、市北片区PM10增长速率较大浓度已接近污染最严重的市南片区。从监测数据分析来看,城市空间污染物质浓度变化相当明显,市中区的主要污染物以SO2为主,市南、北区则以PM10为主。     

新疆和田绿洲空气质量状况与气象条件的关系

利用和田绿洲空气质量日报数据和同期的常规气象资料,分析了2015年1月1日至2017年12月31日该区的空气质量特征,探讨了气象条件和空气质量之间的相互关系。结果表明:和田绿洲近3 a平均环境空气质量指数(AQI)为199,达到空气质量中度污染标准,污染天数占总日数的78.1%。其中,春季空气质量最差,以严重污染为主;其次是夏季,以轻度和严重污染为主;再次是秋季和冬季,以轻度污染为主。PM10、PM2.5浓度年平均分别为332μg·m^-3和100μg·m^-3,超标率为75.7%和49.5%,其余污染物超标率在3%以下,其中PM10浓度春季最大,夏、秋季其次,冬季最小;PM2.5浓度春季最大,夏、冬季其次,秋季最小;SO2、NO2、CO浓度冬季最大,秋、春季次之,夏季最小;O3浓度夏季最大,春、秋季次之,冬季最小。除降水量外,AQI与其余气象因子均呈极显著相关;除平均气温与PM2.5、相对湿度与CO、降水量与SO2、PM10、O3、PM2.5无相关外,其余气象因子对污染物浓度均有显著影响;能见度与AQI和各类污染物浓度均为极显著相关。随着能见度的上升,AQI下降,在同样能见度条件下,AQI在沙尘多发期的夏半年高于沙尘少发期的冬半年;不管在沙尘多发期还是少发期,随着能见度的转好,SO2、PM10、CO、PM2.5浓度呈减少趋势,O3浓度呈增多趋势,NO2浓度无明显的规律,而且PM10、O3、PM2.5浓度夏半年高于冬半年,SO2、CO、NO2浓度冬半年高于夏半年。在沙尘天气期间,最低能见度小于1 km的浓浮尘和沙尘暴天气AQI相互接近,最低能见度在1~3. 5 km的浮尘和扬沙天气AQI相互接近,当最低能见度大于3.5 km时,浮尘天气的AQI高于扬沙天气的AQI;PM10、PM2.5浓度随着最低能见度升高而变小,其他污染物浓度虽然随着最低能见度的变化有一定的差别,但规律不明显。     

干旱区内陆河流域人口统计数据的空间化——以黑河流域为例

人口数据对于全球、洲际、区域尺度的人与环境交互作用研究的重要性已经被广泛地认知。研究人口数据与环境的关系不仅要关心人口的数量,更要分析其空间分布。遥感和地理信息系统是人口统计数据实现空间化的有效工具。结合干旱区内陆河流域特征构建适合黑河流域农村和城市人口分布的模型:基于土地利用数据建立回归模型,模拟黑河流域农村人口的空间分布;利用城市边缘距离来表征城市多中心情形,将不规则的城市虚拟成同心圆分布的城市,并将Clark模型和加幂指数模型转换成基于城市边缘距离的形式来模拟研究区城市人口密度。基于以上方法最终获得黑河流域25m格网的人口空间分布结果和尺度上推后的1km格网数据。在乡镇级别对人口空间化结果进行精度验证,并与已有数据库(GPW1995、UNEP/GRID 1995、LandScan 2002和cn2000pop)估计的黑河流域人口数据进行比较,结果均表明本研究采用的方法和模型可以获得更高精度的流域人口空间分布数据。     

BP神经网络和多元线性回归在粮食产量空间分布预测中的比较

根据2011年河北省92个平原县粮食产量数据,按农业生产过程和需求确定自然和经济两大类影响因素共8个指标。根据逐步多元线性回归进行回归建模,并运用BP神经网络建立影响因素和粮食产量的网络模型。对比两种模型的拟合效果,BP神经网络模型在精度、稳定性、泛化度和理论基础上都要优于线性回归模型,可用于时空混合的空间预测。最后根据可估相关因子的变化代入BP模型对2015年粮食产量进行空间预测。从多角度说明了BP神经网络在空间分布预测中的优势性。     

土地利用变化对农业旱灾影响研究进展与展望

土地利用是人类与自然联系的重要纽带,对自然灾害具有复杂影响。本文从土地利用的3个方面:土地利用格局、土地利用结构和土地利用水平梳理了土地系统与农业旱灾的关系,并总结了研究中常用的5种方法:空间叠加分析方法、统计分析方法、实验方法、作物模型方法和遥感方法的优缺点及实际应用;最后提出采用多尺度、多因子、多种方法相结合的综合定量分析方法是理解土地利用变化对农业旱灾复杂影响的有效手段,并展望提高土地利用数据精度,开发与完善区域作物模型以及整合区域社会经济指标,采用景观尺度上的情景建模,通过多目标的权衡与优化,从不同土地利用类型下的作物品种改良和利用作物模型及统计方法,从多尺度土地利用变化研究其农作物旱灾的关系,找到区域减灾与可持续发展并重的土地利用策略是未来研究的重点。     

基于VAR模型的PM2.5与其影响因素动态关系研究——以西安市为例

大气污染与雾霾天气已严重危害公众健康,影响了社会与经济的正常秩序.基于向量自回归(VAR)模型,综合运用广义脉冲响应函数和方差分解方法,利用西安市2013年1月1日-2014年12月31日空气质量和气象因素的相关数据,分析PM2.5与其影响因素动态关系,探讨其它大气污染物和气象因素对PM2.5的影响作用.实证研究表明:西安市PM2.5与其影响因素构成的动态系统是稳定的;一氧化碳、二氧化硫、臭氧和气温的正向变动会引起PM2.5浓度增加,风速和降水量的正向变动则会引起PM2.5浓度降低.建议将综合治理与专项治理措施相结合,保持政策持续性和协调性.     

包头市典型城市绿地及周边PM2.5对比分析北大核心CSCD

PM2.5污染已逐渐成为当前我国城市和区域首要的大气污染物,而包头市作为中国重要的工业基础基地,其PM2.5污染也较严重。以实地测量和遥感手段相结合的方法,通过PM2.5浓度数据和包头市Landsat 8 OLI影像数据,对包头市典型城市绿地及周边道路和小区PM2.5浓度进行了对比分析,完成了NDVI与PM2.5之间的相关分析。结果表明：劳动公园、赛汗塔拉和师院小树林PM2.5浓度比周边道路和小区相对较高,儿童乐园、青山公园和八一公园院内比周边稍低或相当,而NDVI和PM2.5浓度之间形成微弱的负相关关系。总体而言,城市绿地对PM2.5起到一定消减作用,而园内湿度大、树林郁闭度高、风速小和烟尘是引起公园绿地PM2.5浓度高的主要因素。     

土地利用/覆被变化模型研究面临的几个问题

文中主要针对模型研究的土地利用/覆被变化类型、模型分析的尺度与层次、建模的理论框架和模型的精度检验这4个方面,对当前土地利用/覆被变化模型研究所面临的问题进行了深入探讨和分析。结果表明:1)土地利用/覆被变化包括转换和渐变两种主要类型,而且通常的土地利用/覆被变化大多属于渐变类型,但是目前的模型多是研究土地利用/覆被变化的转换过程,而对渐变过程的研究相对较少,因而应该加强对土地利用/覆被变化渐变过程的模拟与分析。2)土地利用/覆被变化是一个多尺度过程,模型研究应该探索包括经济学中的均衡分析和统计学中的多层次分析在内的多种建模方法,而不是局限于某一种方法,以便更加深入地认识不同尺度或层次之间的相互作用及反馈关系。3)土地利用/覆被变化具有很强的复杂性,应该对复杂的土地利用/覆被变化过程进行分解和集成,多视角地探索建模的理论框架。4)精度检验是模型研究的重要组成部分,应该构建多时间尺度与多空间尺度的土地利用/覆被变化模型,探讨在多个时间尺度和多个空间尺度上进行精度检验及不确定性分析的方法与技术。