大气环境热点网格遥感筛选方法研究

为筛选京津冀及周边地区的大气环境热点网格,在卫星遥感反演获取区域灰霾天数、PM_(2.5)、NO_2和SO_2浓度等大气环境四项遥感监测因子的基础上,首先利用分形求和模型确定了研究区域的四项指标的背景值和标准值,然后根据ORAQI计算方式提出一种大气环境遥感综合污染指数,并提取了大气环境热点网格,最后结合高分辨率卫星数据对热点网格的工业用地情况进行初步探讨分析.结果表明,2016年京津冀及周边地区各项大气污染物的局部分布特征表现出较大差异,不同地区的主要污染物不尽相同并且呈多项污染物复合污染的特征,利用分形统计模型确定灰霾天数、PM_(2.5)、NO_2和SO_2浓度的背景值分别为10.7d、57.5μg/m^3、515.7×10^(13)mole/cm^2和0.29DU,标准值分别为22.2d、112.2μg/m^3、2073.1×10^(13)mole/cm^2和0.64DU.大气环境遥感综合污染指数表明大气环境综合污染相对最重的地区主要分布在保定中部、石家庄中北部及邢台南部和邯郸北部交界处,该区域共筛选出1782个大气环境热点网格,其中工业用地面积占比较低的网格单元比例相对较大,这表明小型企业生产排放对当地的大气环境质量影响较大.

新技术与网格管理的深度融合研究——以沧州市大气污染热点网格管理为例

大气污染热点网格管理是融合互联网+、大数据分析、环境监测等多项技术的新型环境监管方式。实践表明,大气污染热点网格管理大大提升了环境执法的针对性和精准性。本文以沧州市大气污染热点网格管理为例,说明大气污染热点网格管理的运行方式及成效,建议积极推广大气污染热点网格管理,并加强新型监测技术的推广及应用。

京津冀大气热点网格建设浅析及启示

介绍了京津冀地区大气热点网格建设情况,分析了其主要功能、问题及对长三角地区大气环境管理的启示。结果表明,热点网格建设有助于提高监测代表性,提高精细化管理水平以及提升执法监管效率,但也存在传感器原理仪器精度差等问题。借鉴京津冀地区经验,长三角地区应加快热点网格建设,建设统一监管平台,高度重视监测数据质量控制。

大气污染热点网格监测新模式在石家庄环境保护中的应用

针对大气污染监测精细度不高、专业技术依赖性过强等问题,本文提出了一种基于网格化和政府购买服务的大气污染监测新模式。介绍了新服务模式的整体服务流程,在石家庄进行了实战化应用,验证了新模式的适用性。该模式为大气环境污染监测提供了一种新思路,为网格化监测和政府购买服务在环境保护中获得更广泛的应用进行了有益的探索和尝试。

大气污染热点网格技术发展现状及在太原市的运用

通过对大气污染热点网格技术的发展现状以及环保部门怎样利用该技术实施监管工作进行介绍与阐述,重点分析了太原市大气污染热点网格监管工作的开展现状及可改善的问题并提出相应对策,为更好地实现我国大气污染网格化、信息化监管,为改善大气质量提供一些理论参考。

大气污染重点区域热点网格精细化监管的成效、问题与改善策略

热点网格化监管是一种创新性的监管模式。本文总结我国大气污染重点区域热点网格精细化监管取得的成效,分析指出热点网格未全面覆盖污染贡献较大的区域、精准性有待进一步提高、报警网格推送信息针对性需进一步强化、相关技术指南需进一步完善等方面问题,研究提出以下相关完善建议:一是进一步优化热点网格的布设与调整;二是提高热点网格的精准性;三是加强热点网格报警信息的可操作性;四是进一步完善相关技术指南。

泰安市大气热点网格模式的运用

本研究通过对大气污染热点网格技术的发展现状以及政府部门如何综合利用进行了阐述,同时介绍了热点网格的运行机制及实施现状,重点分析了泰安市大气热点网格监管工作的开展现状、管理体系及目前存在的问题并给出了今后改进的对策,为更好地实现泰安市大气污染网格化监管,改善空气质量提供重要的手段。同时,为其他城市热点网格的使用提供一些实践经验。

大气污染防治网格化智能监管体系建设及减排措施——以莆田市为例

以莆田市为例,基于大气污染防治网格化智能监管体系提供的热点网络污染物精细化分析数据,对莆田市12个污染物热点网格的月变化和季节变化进行分析。针对机动车尾气排放和工业生产的污染现状,提出减排措施,以期为莆田市大气污染治理工作提供决策参考。

基于传感器方法的新型大气监测技术现状与发展建议

本文阐述了基于传感器方法的新型监测技术的主要特征,分析了新技术为我国城市大气污染监管工作带来的机遇,论述了固定监测和移动监测相结合的应用方式对热点网格精细化管控的意义,指出了该技术需要突破的瓶颈问题和解决路径。针对新的技术趋势,本文建议加大监测设备与大数据应用相结合的核心技术研发投入、建立技术创新应用示范平台、推动第三方认证体系、启动移动监测与"千里眼计划"融合研究与试点工作。

京津冀地区PM_(2.5)溯源精准执法研究

以京津冀区域大气污染热点网格工作为基础,利用京津冀地区PM_(2.5)浓度数据、卫星数据、POI数据、检查反馈数据训练随机森林模型,建立PM_(2.5)网格浓度与反馈问题类型之间的关联性,识别污染源类型,并应用于沧州市热点网格检查工作。研究结果表明,该模型对扬尘及交通污染问题有较好的区分度,建议热点网格工作增加这两类污染问题类型及推荐检查时间等信息,进一步提高执法精准性和执法效率。

基于犯罪空间分异和建成环境的公共场所侵财犯罪热点预测

机器学习是当前犯罪热点预测的主流方法,随机森林算法因需要的数据量较小、有较好的预测能力和预测精确度、且有较高的可理解度,更是被广泛应用,代表地理环境和建成环境的多源数据也被广泛用于模型改进的尝试实践中,但这些实践都只考虑研究区整体的预测精度变化情况,并未区分不同区域犯罪热点预测结果的差异及其原因。因此,本文以公共场所侵财犯罪为例,根据历史犯罪分布情况及过往犯罪热点分布规律,将研究区分为稳定高发热点网格、较高发热点网格、偶发热点网格及非热点网格这4类,并依据社会失序理论、日常活动理论和犯罪模式理论,选取城中村范围、路网密度及POI(餐饮、娱乐、商场3类设施)密度这3个具有代表性的协变量加入到随机森林预测模型中,探讨预测结果精度的变化情况。根据2017年26个双周的犯罪热点预测实验的预测结果,得到以下结论:加入协变量后,研究区整体、稳定高发热点网格及较高发热点网格的预测精度都有不同程度的提高,分区模型的精度显著高于整体模型的精度,说明考虑空间分异对提高模型精度起重要作用。