基于激活力理论的大气污染溯源探讨

本文主要针对激活力理论的大气污染溯源展开深入研究,先结合激活力理论,对大气污染溯源的前期实验进行了有效分析,然后重点分析了大气污染溯源的实验处理数据,给予了激活力理论在大气污染溯源上的应用强有力的保障,防止大气污染的蔓延和扩散,从而在根源上满足大气污染的治理需求。

基于时空地理信息的港口大气污染协同管控平台研发

为强化交通生态保护,推进绿色智能的“四港”联动发展格局,设计并研发了基于时空地理信息的港口大气污染协同管控平台。平台基于云计算、GIS、物联网、大数据等先进技术,开发港口大气污染的大数据分析、监测预警报警、时空演变分析、协同管理与决策四大功能模块,实现大气污染监测数据的多维度分析及实时可视化展示、大气污染溯源分析及空气质量变化预测,大气污染边界浓度控制及预警报警等。为港口大气污染监测提供实时、高效的技术手段,辅助港口实现大气污染治理科学化、高效化、智能化。

面向多源数据的AQP区域大气污染精准溯源研究

空气质量优先保障(AQP, Air Quality Priority)区域包括城市居住区和亚运会、世博会等重大活动的举办地等.为了解决AQP区域PM_(2.5)浓度超标而无法准确追溯污染源头的问题,提出一种新的面向多源数据的AQP区域大气污染精准溯源方法 .由于直接溯源方法无法量化不同污染源区域对复合污染的贡献大小,建立一种融合气象数据、污染源区域排放数据、污染物浓度数据的机器学习模型LightGBM-PSO,以捕捉污染源排放和大气污染物浓度之间的非线性响应,模型输出AQP及相邻区域各污染源监测区域排放输入的特征重要程度(FI),由此可得各污染源区域的贡献度排名,并通过贡献度划分污染源站点等级,结合不同等级污染源站点的空间分布确定溯源结果.以2022年1月1日—4月15日杭州市滨江区、上城区、西湖区和萧山区的气象数据、污染源区域排放数据和大气污染物数据进行实验验证.结果表明:相比于贝叶斯优化算法,PSO对LightGBM模型超参数具有更好的优化效果,分别在RMSE、MAE和R^(2)指标上高出7%、3%和3%;相比于SVR、LSTM和CNNLSTM模型,提出的LightGBM-PSO模型具有更高的预测精度和稳定性;萧山区、上城区、西湖区对AQP区域PM_(2.5)污染的贡献比例分别为48%、24%、12%;AQP区域内的(双)江陵路/滨盛路站监测范围内存在污染排放源,外部污染排放源位于其北部和东南方.结合巡查人员历史污染事件统计和现场污染监控可知智能大气污染溯源结果具有可靠性,可取代低效的人工巡查方法 .

基于无人机的大气细颗粒物与臭氧污染探测与溯源研究进展

近年来,中国大气细颗粒物(PM_(2.5))污染的治理已取得阶段性成效,但臭氧(O_(3))污染快速上升,实现PM_(2.5)和O_(3)协同控制的基础与关键是针对大气污染物的精细化探测和污染溯源.随着无人机技术和传感器技术的迅速发展,基于无人机平台的大气污染探测可以有效获得近地层的PM_(2.5)和O_(3)结构特征,并结合计算机算法对大气污染事件进行精准溯源,具有高时效性、高灵活性和高时空分辨率的特征,有助于研究人员了解区域污染物的分布、变化以及来源,为大气复合污染的协同控制提供科学依据.通过回顾传统的大气污染探测方法,总结了污染探测领域常用的无人机飞行平台类型和探测仪器,归纳了基于无人机的PM_(2.5)和O_(3)污染探测应用与相关溯源算法,并展望了无人机大气探测的未来研究方向.