多属性局部信息的空间最优集结方法——新冠肺炎疫情期间武汉市空气质量评价

针对传统信息集结方法存在的精度低、不能够真实地反映局部信息所呈现的整体性问题,探讨多属性局部信息的空间最优集结。以Steiner-Weber点问题为原型,建立空气质量最优集结模型;应用模拟植物生长算法(plant growth simulation algorithm,PGSA)算法对模型进行求解。提出多属性局部信息的空间最优集结方法,据此建立空气质量信息的最优集结模型,并对新冠肺炎疫情期间武汉市空气质量进行评价,挖掘出经济因素与空气质量之间的定量关系。从最优化研究途径入手,建立最优集结模型,保证多属性局部空间信息的集结精度,以新冠肺炎疫情期间武汉市空气质量评价为研究案例,为空气质量评价提供新的理论及方法。

基于SOAM方法的武汉疫情期间空气质量评价研究

本文以武汉市的COVID-19疫情主要发生期为案例,研究在疫情影响下,经济处于一种基本停滞或下滑的特殊状况下空气质量如何变化。根据相关网站提供的空气质量日报数据,对该市主要疫情期的2020年1-4月和正常年份的2019年同期,按本文提出的SOAM(Space Optimal Aggregation Model)方法进行了各月的综合评价。结果表明,2020年空气质量呈现出逐步向好的趋势,且2020年1-4月份空气质量皆优于上一年的2019年同期。这说明武汉市受疫情影响被迫采取的停工、停产和封城措施而导致的经济停滞或下滑现实,在客观上使得该市的空气质量在一定程度上得到了好转。此外,还应用本文提出的经济影响度模型对各主要空气污染物进行了经济影响度的计算。结果表明,经济因素对主要空气污染物PM_(2.5)、SO_(2)、NO_(2)各自的影响程度分别为19%、12%和49%。这说明在经济因素的作用下,各空气污染物都会受到不同程度的影响。而在排除经济因素影响外,其他非经济因素,如城市的地理位置、气候等自然因素以及其他省份和地区的输入性污染等也会对一个城市的空气质量产生一定的影响。因此,在适度经济发展的情况下,促进各地区产业结构的转型、改进北方冬季燃煤取暖的传统方式,全国各地区的联防联控以及环境生态建设才是解决空气污染的有效途径。