共查询到18条相似文献，搜索用时 296 毫秒
1.
自2013年大气污染防治行动以来，PM2.5、PM10、SO2、NO2等空气污染物浓度都有不同程度下降，但臭氧污染仍有上升趋势，臭氧污染已成为制约中国空气质量持续改善的关键问题。地基站点可以提供空间上特定点的臭氧浓度，但无法获得近地面臭氧连续的空间分布。由于臭氧大量分布于平流层，遥感卫星反演的臭氧柱浓度产品仅能反映整层臭氧柱浓度，但整层臭氧柱浓度与近地面浓度无明显相关性，因而无法体现近地面臭氧浓度。本文综合地基监测数据、再分析资料、卫星产品，采用不同的模型方法，得到近地面臭氧浓度的时空分布，结果表明集成学习方法可以准确估算近地面臭氧在空间上的分布状况和在时间上的变化趋势。本文对比了梯度提升回归树(GBRT)、极端随机树(ERT)、极端梯度提升器(XGBoost) 3种不同的集成学习方法在近地面臭氧污染估算的效果表现，3种集成学习方法在2019年—2020两年的十折交叉验证R2都在0.89以上，极端梯度提升器(XGBoost)方法在RMSE、MAE指标上有最好的表现，2019年—2020年两年的平均R... 相似文献
2.
臭氧已成为中国继PM2.5之后多地的首要污染物,臭氧污染防治是中国“十四五”及未来大气污染防治的重点。本文回顾了近60年来国内外臭氧卫星观测方面的主要进展,包括卫星探测载荷和臭氧相关的反演应用技术等,分为3个阶段总结了卫星载荷天底、临边和掩星3种探测方式的发展历程。臭氧卫星遥感反演算法和监测应用也随着载荷的发展在不断更新,本文重点介绍了臭氧柱总量和垂直廓线卫星遥感反演算法、近地面臭氧及其前体物观测、平流层臭氧入侵观测和区域传输、臭氧卫星观测数据的精度验证等方面的重要进展。对比国际臭氧卫星遥感监测,中国臭氧监测卫星发展滞后,虽然国家民用空间基础设施规划中陆续发射的高光谱观测卫星、大气环境监测卫星具有初步的臭氧监测能力,但在卫星载荷在功能、性能等方面还有不小差距,比如空间分辨率、信噪比等方面。在算法反演和监测应用方面,目前臭氧柱总量反演精度较高,还存在对流层中低层和近地面臭氧浓度反演精度不够,臭氧污染评估及成因分析不足,如近地面臭氧污染迁移转化过程、平流层臭氧侵入识别分析等问题,是下一步要重点关注的方向。 相似文献
3.
发现犯罪时空分布规律并预测犯罪发生,是提高警务策略有效预防、控制犯罪的重要方法。在分析财产犯罪时空规律的基础上,利用BP神经网络模型自动学习训练各因子与财产犯罪的非线性关系,建立了财产犯罪预测模型。针对BP神经网络模型易陷入局部最优和模型不稳定的缺陷,提出了利用遗传算法（GA）选择各因子最优的初始化权重和参数,并以此作为BP神经网络模型的初始化权重矩阵,通过对历史数据的学习及训练建立了改进后的GA-BP神经网络模型。利用某市2007~2012年财产犯罪、人口、GDP、土地利用等35个综合影响因子数据,对改进前后的模型进行了预测对比试验。结果表明,改进后的GA-BP神经网络模型成功克服了BP模型的缺陷,收敛迭代最小次数从117次改进到8次;10次计算收敛迭代次数最大误差从370次提高到5次;模型预测精度（RMES）从0.043 0提高到0.019 95。 相似文献
4.
PM2.5浓度时空演化特征分析有助于大气污染的现状和发展认知，但PM2.5浓度监测积累时间较短，且受到排放强度和气象因素的影响，因此可融合全球导航卫星系统（Global Navigation Satellite System，GNSS）天顶可降水量（precipitable water vapor，PWV）、风速和大气污染物构建PM2.5浓度模型。以河北省为例，首先分别开展PM2.5浓度与大气污染物、GNSS PWV及风速的相关性分析；然后将大气污染物、GNSSPWV和风速作为输入，PM2.5浓度作为输出，利用逆传播（back propagation，BP）神经网络分别构建城市PM2.5浓度模型和区域PM2.5浓度模型；最后进行PM2.5浓度模型可靠性检验。将模型预测值与PM2.5浓度实测值比较发现，预测PM2.5浓度等级准确率高，相对误差较低。该模型可用于区域PM2.5浓度时空演化特征分析。 相似文献
5.
针对天顶对流层总延迟(ZTD)具有一定的时空变化特性,提出了一种基于BP神经网络、长短期记忆网络(LSTM)算法的区域/单站ZTD组合预测模型. 以连续14天香港连续运行参考站(CORS)网络18个监测站观测数据为例,利用BP神经网络、LSTM及本文算法进行了区域、单站及二者组合ZTD预测模型研究. HKWS测站的预测结果表明:利用前13天数据预报第14天数据,区域、单站、组合模型ZTD预测的均方根误差（RMSE）分别为10.2 mm、10.4 mm、8.5 mm,组合模型相对于区域、单站模型预测精度分别提升了17.2%、18.4%. 相似文献
6.
传统基于遥感的气温反演方法往往使用全局模型,从而忽略了气温分布及其时空影响异质性,特别是在较大区域尺度的研究中存在不足。针对长江经济带区域,引入时空地理加权神经网络模型,建立一种高精度的气温估计方法。通过在广义回归网络模型中建立局部模型来顾及时空异质性的影响,融合遥感数据、同化数据、站点数据,获取面域分布的近地表气温信息。采用基于站点的十折交叉验证方法对模型性能进行评估,结果表明,时空地理加权神经网络有效提高了气温估计的精度（均方根误差为1.899 ℃, 平均绝对误差（mean absolute error, MAE）为1.310 ℃, 相关系数为0.976）,与多元线性回归和传统的全局神经网络方法相比,MAE值分别降低了1.112 ℃和0.378 ℃。气温空间分布制图结果显示,该方法结果能很好地反映长江经济带气温空间上的差异和不同季节的特征信息,具有实际应用价值。 相似文献
7.
土壤有机质含量地面高光谱估测模型对比分析 总被引：2，自引：0，他引：2
采用高光谱技术获得的数据进行土壤有机质含量的反演和估测是近年来的研究热点。为确定有效的估测建模方法,利用地面实测的土壤高光谱反射率及有机质含量等数据,采用小波分析方法实现去噪,包络线去除法实现建模参数提取和数据量压缩,结合多种不同的数据变换方法,利用BP神经网络法、多元线性回归法及最小二乘回归法建立不同的估测模型。对比发现,BP神经网络模型的估测效果优于回归模型,其中结合对数的平方变换和神经网络所建立的模型为最优估测模型,模型的决定系数达到0. 933,检验样本的均方根误差达到0. 069。实验证明,BP神经网络+对数的平方变换模型的学习机制适用于土壤有机质含量地面高光谱估测且效果好。通过在建模因子层面上进行数据变换建立了较好的估测模型,其研究方法、模型和结论,对土壤有机质含量地面高光谱估测具有一定的参考意义。 相似文献
8.
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
9.
中国大气环境光学探测研究 总被引：1，自引：0，他引：1
激光/波谱技术促进了大气立体监测技术的发展,以光学探测和光谱数据解析为核心、以紫外、可见到红外全光谱为探测波段的各种高分辨率光学监技术,在中国逐渐实现了从近地面到100 km大气气象要素和大气痕量成分实时探测的能力,以及近地面到50 km大气多要素的实验模拟能力。光学技术以高灵敏度、高分辨率、高选择性、多组分以及实时等优势,在大气环境领域日益发挥作用,为研究大气污染演变与气象过程相互作用、大气细粒子污染和光化学烟雾形成机理等基础科学问题研究提供数据支持,为揭示城市和区域尺度的大气复合污染特征、量化其环境影响,提供科技支撑。 相似文献
10.
基于改进的BP神经网络裸露地表土壤水分反演模型对比 总被引：1，自引：0，他引：1
《国土资源遥感》2016,(1)
土壤水分对于全球水循环十分重要,大面积、快速获取土壤水分信息具有重要意义。微波遥感数据可以用于反演土壤水分。以Matlab为平台建立BP神经网络,通过改进BP神经网络的权值、阈值和网络结构,对该算法进行了优化;在研究区范围,分别利用积分方程模型(integral equation model,IEM)、Oh模型、Shi模型生成模拟数据,训练改进的BP神经网络,构建裸露地表土壤水分反演模型,并用野外实测土壤水分数据对模型进行了验证。结果表明,改进后的BP神经网络算法反演精度明显提高,且Shi模型训练网络反演精度较其他2种模型更高,绝对误差为2.47 g/cm3,相对误差仅为7.78%。 相似文献
11.
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
12.
Mehmet ?ahin B. Yi?it Y?ld?z Ozan ?enkal Vedat Pe?temalc? 《Journal of the Indian Society of Remote Sensing》2012,40(3):399-409
This study introduces artificial neural networks (ANNs) for the estimation of land surface temperature (LST) using meteorological and geographical data in Turkey (26?C45°E and 36?C42°N). A generalized regression neural network (GRNN) was used in the network. In order to train the neural network, meteorological and geographical data for the period from January 2002 to December 2002 for 10 stations (Adana, Afyon, Ankara, Eski?ehir, ?stanbul, ?zmir, Konya, Malatya, Rize, Sivas) spread over Turkey were used as training (six stations) and testing (four stations) data. Latitude, longitude, elevation and mean air temperature are used in the input layer of the network. Land surface temperature is the output. However, land surface temperature has been estimated as monthly mean by using NOAA-AVHRR satellite data in the thermal range over 10 stations in Turkey. The RMSE between the estimated and ground values for monthly mean with ANN temperature(LSTANN) and Becker and Li temperature(LSTB-L) method values have been found as 0.077?K and 0.091?K (training stations), 0.045?K and 0.003?K (testing stations), respectively. 相似文献
13.
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
14.
明确当地臭氧生成敏感性变化的主控因子是制定有效臭氧污染控制策略的前提。采用卫星观测OMI FNR（Ratio of the tropospheric columns of Formaldehyde to Nitrogen dioxide,HCHO/NO2）指示剂将河南省夏季臭氧生成敏感性OFS（Ozone Formation Sensitivity）划分为VOCs控制区、协同控制区和NOx控制区。基于地理探测器,量化气象条件、人为源前体物及其交互作用与OFS的关系。研究揭示：（1）河南省夏季OFS以协同控制区为主,区域内臭氧污染严重,仅次于VOCS控制区。2005年—2015年,FNR值波动下降,OFS向协同控制区转变,主要受NOX减排的影响。2016年之后,FNR值变大,OFS有向NOX控制区转变的趋势。（2）人为源排放是OFS变化的主要驱动因子,平均可解释FNR变化的40.5%（q＝0.405）。若CO、PM2.5、NOx和非甲烷挥发性有机物NMVOC（Non-methane Volatile Organic Compounds）的排放量增加,FNR减小,河南省夏季OFS向VOCs控制区转变,对NOx减排的敏感性降低。（3）地表净太阳辐射SSR（q＝0.321, Surface net Solar Radiation）和大气柱总水量TCW（q＝0.302, Total Column Water）是河南省夏季OFS变化的主要气象驱动因素。SSR增加,FNR减小,使臭氧生成对VOCs更加敏感。TCW对OFS变化的影响较为复杂,当TCW<40 kg/m2时,TCW增加,FNR减小,臭氧生成对VOCs更加敏感;当TCW>40 kg/m2时,TCW增加,FNR增大,臭氧生成对NOx更加敏感。（4）因子间的交互作用对OFS空间分布的驱动大于单一因子的独立作用,人为源前体物和气象因子的交互作用占主导地位。研究结果可加强对臭氧生成光化学过程的认识,为制定合理的污染减排措施提供依据。 相似文献
15.
吸收性气溶胶指数AAI(Absorbing Aerosol Index)是基于卫星观测的紫外后向散射辐射导出的参数,与大气中对紫外线有吸收作用的气溶胶(简称吸收性气溶胶)有关,能够定性反应吸收性气溶胶的存在与空间分布特征。由于臭氧在AAI反演波段对紫外线仍然存在弱吸收作用,因此AAI可能与大气臭氧总量有关,臭氧反演的误差也可能对AAI的反演精度造成影响。为了研究臭氧总量与AAI的关系,臭氧反演的精度对AAI反演的影响,利用辐射传输模型通过敏感性实验,来模拟吸收性气溶胶指数和臭氧总量之间的关系,臭氧反演误差对吸收气溶胶指数的反演的影响。采用沙漠气溶胶,不改变气溶胶的含量,通过改变中纬度夏季的臭氧总量来计算大气模型。对臭氧总量、气溶胶含量与AAI的内在关系,臭氧总量对AAI反演精度的影响进行了模拟,模拟结果表明,气溶胶指数与臭氧总量的改变存在正相关关系,而臭氧总量的反演误差对AAI指数的反演影响不大。基于风云三号气象卫星紫外臭氧总量探测仪(FY-3/TOU)的臭氧总量和吸收性气溶胶指数数据(2012年),分析了青藏高原地区7月份臭氧总量与吸收性气溶胶指数空间分布特征的关系,与模拟结果一致。 相似文献
16.
17.
基于HJ1A-CCD数据,采用6S大气辐射传输模型,反演出研究区气溶胶光学厚度。采用偏最小二乘法,基于气溶胶空间分布的估算结果,模拟出研究区PM_(2.5)的空间分布。基于GIS和改进的高斯大气扩散模型,进行了研究区PM_(2.5)的扩散模拟。根据我国PM_(2.5)检测网的空气质量新标准,对沈阳市的雾霾进行等级了划分。 相似文献
18.
ABSTRACTThe automated classification of ambient air pollutants is an important task in air pollution hazard assessment and life quality research. In the current study, machine learning (ML) algorithms are used to identify the inter-correlation between dominant air pollution index (API) for PM10 percentile values and other major air pollutants in order to detect the vital pollutants’ clusters in ambient monitoring data around the study area. Two air quality stations, CA0016 and CA0054, were selected for this research due to their strategic locations. Non-linear RPart and Tree model of Decision Tree (DT) algorithm within the R programming environment were adopted for classification analysis. The pollutants’ respective significance to PM10 occurrence was evaluated using Random forest (RF) of DT algorithms and K means polar cluster function identified and grouped similar features, and also detected vital clusters in ambient monitoring data around the industrial areas. Results show increase in the number of clusters did not significantly alter results. PM10 generally shows a reduction in trend, especially in SW direction and an overall minimal reduction in the pollutants’ concentration in all directions is observed (less than 1). Fluctuations were observed in the behaviors of CO and NOx during the day while NOx displayed relative stability. Results also show that a direct and positive linear relationship exists between the PM10 (target pollutant) and CO, SO2, which suggests that these pollutants originate from the same sources. A semi-linear relationship is observed between the PM10 and others (O3 and NOx) while humidity shows a negative linearity with PM10. We conclude that most of the major pollutants show a positive trend toward the industrial areas in both stations while tra?c emissions dominate this site (CA0016) for CO and NOx. Potential applications of nuggets of information derived from these results in reducing air pollution and ensuring sustainability within the city are also discussed. Results from this study are expected to provide valuable information to decision makers to implement viable strategies capable of mitigating air pollution effects. 相似文献