共查询到14条相似文献，搜索用时 93 毫秒
1.
2.
针对城市街道峡谷空间不利于交通污染扩散问题，该文采用移动与固定相结合的实际监测及数值模拟技术，分析了城市街谷PM2.5时空分布特征及其与街谷空间形态设计指标的关联性，并提出空间形态优化策略。结果表明：(1)街谷内PM2.5质量浓度在日际变化上呈现连续递减、日内变化上呈现先下降后上升的趋势，而在空间分布上呈现主干道及高层建筑附近浓度较高的趋势；(2)建筑高度比与街谷高宽比的增加使得PM2.5质量浓度呈现下降趋势，街谷长宽比的增加使得PM2.5质量浓度呈现上升趋势；(3)建筑高度降低对街谷内PM2.5质量浓度影响最大，其次是建筑底层架空及建筑退让。该文研究结果可为健康城市导向下的城市街道峡谷空间形态优化设计提供参考。 相似文献
3.
在我国工业化和城市化迅速发展的背景下,细小颗粒物PM2.5污染已经成为当前主要空气污染物。本文使用基于Python编程语言的网络爬虫技术获取了中国京津冀、长三角、珠三角3个重点区域的PM2.5日均值数据,分别基于Excel软件和ArcGIS软件进行PM2.5时空变化特征分析。最后,通过建立分数阶累加灰色预测模型对北京市2018年PM2.5月均值浓度进行预测。结果显示:1)时间上,我国PM2.5浓度表现为“冬高夏低”的“U”形变化趋势;2)空间上,我国PM2.5浓度整体表现为由南北地区向中部地区PM2.5浓度逐渐增加;3)分数阶GM(1,1)模型对PM2.5月均值浓度数据的预测精确度较高,结合预测结果可从长期或短期提出PM2.5污染治理的措施建议。 相似文献
4.
针对采用传统土地利用回归（land use regression,LUR）模型进行大气污染物浓度模拟时预测变量信息损失的缺陷,将主成分分析（principle component analysis,PCA）与逐步多元线性回归（stepwise multiple line regression,SMLR）相结合,提出了一种改进的LUR（PCA+SMLR）模型模拟大区域PM2.5浓度空间分布的方法。首先采用相关分析筛选与PM2.5显著相关的预测变量,然后对筛选出的预测变量进行主成分变换（PCA）,最后保留所有主成分变量进行SMLR建立回归模型模拟PM2.5浓度。并以京津冀为研究区域进行实验验证,对PCR、SMLR、PCA+SMLR这3种模型的实验结果进行对比分析,结果表明,PCA+SMLR模型可提高预测变量对回归模型的贡献度,调整后R2达0.883,并且其精度检验指标及制图效果皆优于传统的LUR模型,证明了该模型可有效提高PM2.5浓度的模拟精度,对PM2.5区域联防联控具有指导意义。 相似文献
5.
实现全国连续空间覆盖未来小时尺度的PM2.5浓度实时、高精度预报是一个难题。本文建立基于深度学习的多层长短期记忆迭代模型和改进的空间反向传播神经网络S-BPNN模型来实现全国小时尺度PM2.5浓度的空间预报。首先,研究基于空间相关性将全国1286个空气质量监测站点在空间上进行自适应分区,并对各个分区分别构建多层LSTM迭代预报模型实现未来24 h各个监测站点的PM2.5浓度的实时预报。其次,应用改进的S-BPNN空间化模型实现未来24 h全国连续空间覆盖的PM2.5浓度精细化制图。然后,利用2016—2019年中国PM2.5监测站的历史数据进行训练和验证,结果显示预报模型和空间化模型的相关系数R2分别为0.88和0.87,表明模型都能实现较高的精度。最后,基于提出的预报模型和空间化模型,辅助从监测站实时获取的大气污染数据和气象数据,通过搭建的大气污染物浓度预报智能化在线信息原型系统可实时发布预报结果并可进行空间化展示。研究实现了全国连续空间覆盖的PM2.5浓度高时空精度的实时预测,以支持大气污染联防联控和公众环境空间质量信息服务。 相似文献
6.
本文基于2015—2019年冬季黄河流域中游地区（山西段和陕西段）6种大气污染物的浓度数据,研究了黄河流域中游冬季大气污染物的变化特征。研究结果表明,2015—2019年黄河流域中游地区,PM10和CO浓度持续降低,O3浓度持续升高,PM2.5、SO2及NO2平均浓度呈先上升后下降的规律。2019年主要污染物NO2、CO、PM2.5、PM10及SO2浓度均最低;2019年冬季O3平均浓度达到最高（54μg/m3）。研究地区下游的PM2.5浓度高于上游,且沿黄河由北向南其浓度逐渐增加,黄河东侧山西段的PM2.5浓度高于西侧陕西段。研究区域PM10污染浓度由2015—2016年的黄河东侧高西侧低转变为2017—2019年上游低下游高的分布特征。SO2浓度呈黄河东岸比西岸高的分布。NO2高值区域从2015—2017年黄河西侧下游地区变为2018—2019年中上游地区;CO平均浓度高值区域位于黄河东侧下游地区;O3浓度空间分布特征不明显,但近5年浓度大幅增加,需要加强对臭氧的防控。 相似文献
7.
冬春季节的空气质量预测有助于公众合理安排出行和政府相关部门的交通治理.细颗粒物(PM2.5)的浓度主要影响因素有大气污染物、水汽等.为提高PM2.5浓度预测的精度,以京津冀地区为例,利用快速傅里叶变换(fast Fourier transform,FFT)与长短期记忆(long short term memory,LSTM)神经网络方法相结合,考虑GNSS、ERA5水汽、大气污染物等观测要素,构建PM2.5的浓度预测模型,预测研究未来24 h的PM2.5的浓度.利用GNSS水汽校正区域ERA5水汽,并进行精度评定.利用FFT取大气污染物、第五代大气再分析产品(ECMWF atmospheric reanalysis 5,ERA5)水汽等观测要素的公共变化周期,获得最佳公共周期为78 h;选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM2.5浓度作为模型输出.通过均方根误差(root mean square error,RMSE)评价指标进行模型精度评价.研究结果表... 相似文献
8.
针对PM2.5浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘，而深度学习算法在数据较少情况下效果不佳的问题，综合考虑深度学习与随机森林的特点，提出一种基于深度学习与随机森林的PM2.5浓度预测组合模型。模型以气溶胶光学厚度(AOD)遥感数据、气象再分析数据和PM2.5地面观测数据构建训练数据集，通过深度学习方法对训练数据内部深层次隐含特征进行提取，将提取得到的隐含特征用于随机森林模型训练，并使用随机森林回归算法得到PM2.5浓度的预测值。为验证方法的有效性，以河南省区域2018年—2019年的PM2.5浓度估算为例，将原始特征与利用CNN、LSTM和CNN＿LSTM所提取特征共同构建的新特征分别通过随机森林回归、支持向量回归以及K近邻回归等3种传统机器学习方法进行训练和预测。实验结果表明，在较少数据情况下PMCOM模型无论是在整体预测还是在分季节预测场景下均具有较好的预测精度，其中以LSTM为特征选择器，RF为回归器的组合模型是本实验的最优模型，在即使只有35%... 相似文献
9.
PM2.5作为空气污染物，对人体健康构成了潜在威胁。中国和印度是全球人口最多的两个发展中国家，PM2.5污染造成的疾病负担问题尤为严重。因此，本文基于长时间序列高分辨率(0.01°×0.01°)卫星反演的PM2.5浓度数据，分析了中国和印度19年(2000年—2018年)的PM2.5时空格局变化和人口暴露情况；基于综合暴露响应模型全面评估了两个国家因PM2.5长期暴露导致的6种疾病(急性下呼吸道感染、慢性阻塞性肺病、二型糖尿病、缺血性心脏病、肺癌和中风)的过早死亡人数。结果表明，中国PM2.5浓度的高值区集中在新疆、四川盆地、华北平原以及长江经济带等地区，年人口加权浓度总体呈减少趋势(2000年为50μg·m-3,2018年为40.8μg·m-3)；印度PM2.5浓度的高值区集中在北部地区，年人口加权浓度一直呈上升趋势(2000年为51.5μg·m-3,2018年为76... 相似文献
10.
针对土地利用/覆盖（land-use and land-cover,LULC）方式是否影响城市空气污染空间分异特征形成的问题,利用遥感技术和景观生态学方法分别获取长株潭城市群核心城区LULC及其景观格局,绘制空气污染物浓度与气象影响因子空间分异图,引入地理探测器定量分析土地因子在融合气象要素前后对NO2、PM10、O3、PM2.5浓度空间分布差异的贡献强度。结果表明,建设用地面积比例越高,林地越低,NO2、PM2.5浓度越高,O3越低。非建设用地区域,污染物浓度随着土地景观格局破碎度、多样性指数值增大而升高,建设用地区域反之。LULC和土地景观格局的复合因子贡献力（P0.03~0.28）高于两者任意单独因子贡献力（P:0.01~0.11）,融合气象要素后,LULC对空气污染物空间分异特征形成的因子贡献力（P:0.18~0.53）显著增强。 相似文献
11.
基于改进麻雀搜索算法优化BP神经网络的PM_(2.5)浓度预测北大核心CSCD 总被引：1，自引：0，他引：1
针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM_(2.5)浓度进行预测。通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34。试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM_(2.5)浓度。 相似文献
12.
Yogesh Kant B. D. Bharath Javed Mallick Clement Atzberger Norman Kerle 《Journal of the Indian Society of Remote Sensing》2009,37(2):201-214
The knowledge of the surface temperature is important to a range of issues and themes in earth sciences central to urban climatology,
global environmental change and human-environment interactions. The study analyses land surface temperature (LST) estimation
using temporal ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) datasets (day time and night time) over
National Capital Territory Delhi using the surface emissivity information at pixel level. The spatial variations of LST over
different land use/land cover (LU/LC) at day time and night time were analysed and relationship between the spatial distribution
of LU/LC and vegetation density with LST was developed. Minimum noise fraction (MNF) was used for LU/LC classification which
gave better accuracy than classification with original bands. The satellite derived emissivity values were found to be in
good agreement with literature and field measured values. It was observed that fallow land, waste land/bare soil, commercial/industrial
and high dense built-up area have high surface temperature values during day time, compared to those over water bodies, agricultural
cropland, and dense vegetation. During night time high surface temperature values are found over high dense built-up, water
bodies, commercial/industrial and low dense built-up than over fallow land, dense vegetation and agricultural cropland. It
was found that there is a strong negative correlation between surface temperature and NDVI over dense vegetation, sparse vegetation
and low dense built-up area while with fraction vegetation cover, it indicates a moderate negative correlation. The results
suggest that the methodology is feasible to estimate NDVI, surface emissivity and surface temperature with reasonable accuracy
over heterogeneous urban area. The analysis also indicates that the relationship between the spatial distribution of LU/LC
and vegetation density is closely related to the development of urban heat islands (UHI). 相似文献
13.
14.
国家公园的土地覆盖分类对于掌握自然资源现状、查明存在的生态安全威胁并快速应对具有基础性数据支撑作用。基于谷歌地球引擎（Google Earth Engine,GEE）平台,结合哨兵（Sentinel）主被动遥感数据及其导出的光谱指数、纹理特征和地形特征,分别采用基于像元的随机森林（random forest,RF）算法和面向对象的简单非迭代聚类（simple non-iterative clustering,SNIC）+RF算法实现了钱江源国家公园异质性景观的土地覆盖（耕地、森林、草地、水体、人造地表和裸地）分类。地面实验表明,在多种输入数据组合中,基于像元和面向对象方法分类获得的最高总体精度分别为92.37%和93.98%。合成孔径雷达（synthetic aperture radar,SAR）数据的纳入能够提高基于像元方法的分类精度,但在面向对象方法中未能体现精度提升效果。通过SNIC+RF算法生成的土地覆盖分类图完整性更好,所需特征数量较少,并且算法能够在GEE环境下快速执行,适用于国家公园管理实践。 相似文献