统一大市场的绿色之路--基于空气质量视角

为探究统一大市场的绿色之路,基于2001—2019年城市数据,采用面板回归模型探讨空气质量对市场一体化的影响,并构建多期双重差分(DID)模型探究《环境空气质量标准(2012)》政策对市场一体化的影响。研究表明,空气质量改善有利于市场一体化形成,该结论经过一系列的稳健性检验和内生性检验依然成立;在非城市群城市和东部地区空气质量改善对市场一体化的促进作用更为明显;商品流通程度、劳动力流动和资本流动是空气质量影响国内市场一体化的重要渠道;进一步分析发现,《环境空气质量标准(2012)》的实施,能够有效地降低市场分割程度,促进市场一体化。研究结果为进一步探索市场一体化的绿色路径提供参考,为地方政府推进绿色发展和建设市场一体化提供理论和经验证据。

基于贝叶斯网络理论的空气质量分析与预测

为科学构建空气质量监测体系,提升空气质量预测精度,基于海量监测数据的不确定性,提出了一种基于贝叶斯网络的方法来预测空气质量指数AQI及相应的等级。以合肥市为研究对象,首先利用朴素贝叶斯分类算法来预测空气质量等级,训练得到待验样本的分类准确率为85%,由于该算法的条件独立性假设过于严格,进一步引入贝叶斯网络模型实证研究,基于后验概率分布训练得到预测结果。仿真实验表明待验样本的AQI预测平均绝对百分比误差为6.89%,空气质量等级分类准确率为90.28%,说明贝叶斯网络具有良好的预测效果,能为空气质量预测预报提供技术支撑,助力城市空气质量改善。

2018—2023年重庆市荣昌区空气质量状况及变化趋势分析

以重庆市荣昌区2018-2023年环境空气自动监测数据为基础,利用模糊综合评价法、空气质量综合指数法、空气质量指数法进行空气质量评价,并应用Spearman秩相关系数法分析年度变化趋势,以全面了解重庆市荣昌区空气质量变化规律,识别关键污染因子,为重庆市荣昌区改善空气质量提供理论依据。研究结果表明,3种方法的评价结果基本一致:2018-2023年重庆市荣昌区空气质量逐步改善,成效明显;PM_(2.5)和O_(3)是影响重庆市荣昌区空气质量的主要污染物,其中O_(3)污染逐渐明显,必须加强PM_(2.5)和O_(3)的协同控制;对空气质量的影响方面,O_(3)显著上升,PM_(10)呈上升趋势,PM_(2.5)呈下降趋势。

新冠疫情期间西安市空气质量时空特征研究

2019年和2021年新冠疫情期间西安市政府均采取了强有力的管控措施,为此对比研究了不同程度减排措施对空气质量的影响。采用特征雷达图、空间插值和HYPLIST轨迹模型等方法对西安市疫情期间(2019年12月—2020年2月、2021年12月—2022年2月)和正常生产期(2020年12月—2021年2月)冬季空气质量变化特征进行了对比分析,并探讨了人为减排情景下空气质量变化潜在原因。结果表明:(1)西安市环境空气质量指数(AQI)空间分布整体呈现“西北劣东南优”特征。2020年疫情严控期空气质量得到明显改善,优良率达到53%;2022年疫情严控期空气质量未受管控措施明显影响。(2)2020年疫情严控期除O_(3)外污染物浓度均明显下降,降幅分别为PM2.5(42.90%)>NO_(2)(42.13%)>CO(35.37%)>PM10(32.58%)>SO_(2)(17.40%);2022年仅有SO_(2)和NO_(2)浓度下降,降幅为NO_(2)(31.86%)>SO_(2)(18.31%)。疫情期间污染类型属于偏二次型。(3)疫情期间,污染天气是在高湿静风天气条件和盆地地形的基础上,受人为源排放和区域污染物传输引起的,因此促进污染物协同减排和关中地区联防联控是改善空气质量的关键举措。

主成分分析法在合肥市空气质量评估中的应用

基于2019年1月1日至2020年12月31日地面国控站点的重要污染物日均浓度监测数据和气象数据,利用主成分分析法对合肥市城市空气质量进行了综合评估。其中污染物数据包括细颗粒物(PM_(2.5))、可吸入颗粒物(PM_(10))、二氧化氮(NO_(2))、二氧化硫(SO_(2))、一氧化碳(CO)和臭氧(O_(3))等重要大气污染物的日值数据;气象数据包括平均气温、平均风速、日照时数、20-20时累计降水量、平均本站气压和平均相对湿度。首先通过逐步回归法筛选出与空气质量指数有显著影响的指标,再通过主成分分析法对显著指标进行数据降维。根据主成分分析理论,从5个显著影响指标中提取出2个主成分,所提取的两个主成分累积方差贡献率达到82.9%。评估合肥市城区空气质量的第一主成分为PM_(2.5)、CO和PM_(10)组成的综合指标,表明合肥市空气质量受PM_(2.5)、CO和PM_(10)污染物的浓度变化影响最为显著;第二主成分为日照时数和O_(3)组成的综合指标,表明日照时数和O_(3)浓度的变化是影响空气质量的第二重要因素。主成分综合得分与空气质量指数具有较好的一致性(R^(2)=0.78),对比分析发现,主成分分析法对于优良空气质量及冬季的评估效果最好。研究结果表明,运用主成分分析法提取的主成分结合综合得分可对城区空气质量进行有效评估。

基于机器学习方法的空气质量预测与影响因素识别

空气质量指数(AQI)的精准预测及影响因素识别,对空气污染防护和治理具有重要现实意义。选取北京市2014年第一季度至2022年第二季度AQI作为研究对象,探究六大污染物、五个气象因子和十四个经济变量对空气质量影响。选用DT,RF,GBDT和XGBoost模型对AQI进行预测,并使用稳定性选择方法定量分析各个变量对AQI的贡献。结果表明:四种模型方法均有良好的预测效果,其中XGBoost和RF的预测效果最优;六大污染物中PM2.5,PM10浓度和气象因素中的风速和气压对AQI影响较大;十四个经济变量对AQI的影响差异较大,其中城镇居民人均可支配收入、第三产业GDP和规模以上工业总产值等对AQI影响较大,而第一产业GDP和公路货物运输量等影响较小。

节能环保财政支出、环境税收与城市空气质量——基于安徽省16个地级市的面板证据

基于安徽省16个地级市的PM10、SO2和NO2三类污染数据,运用极值熵值法和面板Tobit模型,展现安徽省16个城市空气质量的时空演变特征,考察节能环保财政支出和环境税收对城市空气质量的作用机理。研究表明:铜陵、马鞍山、芜湖、淮南、蚌埠、淮北等城市空气污染较严重,空气质量较差,重污染城市连片分布特征较为显著;安徽省大气污染防治仍处于“先污染,后治理”的发展阶段,从末端治理到源头管控,再到污染防治效果持续显现需要的时间较长;节能环保财政支出和环境税收均不利于城市空气质量的改善,但节能环保财政支出与环境税收的交互项作用抑制了城市空气污染排放。

塑料对室内和车内环境空气质量的影响

本文分析了塑料产生的各类污染物(微塑料、挥发性有机化合物和气味等)对室内和车内环境带来的危害,分析了现有室内、车内空气质量标准及检测标准。现行标准体系具有局限性,未将塑料带来的有害物质(微塑料和气味等)列入对应标准限量值中,本文提出了塑料在室内和车内空气质量限量值的建议,微塑料≤0.05 mg/m^(3)(重量法)、臭气浓度<10(无量纲)、塑料制品<3级(气味评级),为后续室内车内环境空气质量及塑料制品标准制定和更新提供参考。

基于DBO-LSSVM的空气质量指数预测

针对当下空气质量指数预测的模型精度不高的问题,提出一种基于蜣螂优化(DBO)算法,优化最小二乘支持向量机(LSSVM)的空气质量指数预测模型。该模型利用蜣螂优化算法对最小二乘支持向量机的两项参数进行寻优,提高预测速度和精度。并与传统最小二乘支持向量机、灰狼优化最小二乘支持向量机模型进行比对,通过实验仿真结果表明,蜣螂优化算法优化最小二乘支持向量机预测模型的均方误差、平均绝对误差及决定系数均为最优值,可以为空气质量指数预测提供更准确的支持。

北京市环境空气样品外照射辐射水平与空气质量的关系

目的探讨大气气溶胶颗粒物外照射辐射水平与空气质量的关系,及时发现环境中可能存在的放射性污染,为建立人群健康监护体系和有效的污染防控策略提供技术基础。方法在北京市东城区某院5层设置固定的环境空气监测点,使用Snow White大流量采样器收集2024年1—2月期间28个监测日的大气气溶胶样品,每日连续20~24 h采样,使用TBM-3S型测量监测仪测量样品滤膜表面的空气比释动能率,分析样品的辐射水平与当日空气质量指数(AQI)、PM_(2.5)和PM_(10)的变化关系。结果2024年1—2月随机抽取28个监测日空气样品的外照射辐射水平范围值为2.10~7.18μGy/h,平均值为(4.72±1.28)μGy/h,样品外照射辐射水平与AQI、PM_(2.5)和PM_(10)的相关系数R2分别为0.0329、0.0135和0.044。2017年38个监测日样品外照射辐射水平范围值为2.52~6.83μGy/h,平均值为(4.46±1.29)μGy/h,2024和2017年两组样品外照射辐射水平比较,差异无统计学意义(t=0.008,P>0.05)。结论北京市大气气溶胶滤膜样品外照射辐射水平与空气质量无直接关系。空气样品外照射辐射水平是环境空气放射性污染监测的可靠指针,应持续进行监测。

利用神经网络预测的空气质量态势可视分析方法

当前空气质量预测结果难以从时空多维展示分析结合深度学习与大数据分析技术,提出一种基于神经网络预测的空气质量变化态势多维表达的交互式可视分析方法。首先,提出多层二维卷积与长短时记忆神经网络模型(2D-CNN+LSTM),用于提取空气质量时空特征进行空气质量指数(AQI)预测;其次,从实际需求出发,设计空气质量态势多维表达可视化视图与交互方法;最后,构建可视分析系统,利用大气污染数据集进行案例研究与分析。实验结果表明,该方法能通过时序可视化、空间可视化及属性关联可视化等多视图协同交互,实现空气质量态势时空多维表达与分析,为空气质量防范治理问题提供新思路与方法。

机动车限行对西安市空气质量的影响及其模型分析

近年来,空气污染已成为限制西安城市人居环境质量提升的重要因素之一。当地政府采取了一系列的措施进行空气污染治理,其中机动车限行政策以其可实施性强、公共投入较少、简单易行等特点而最受青睐。在分析2016―2020年间西安市空气质量变化趋势的基础上,运用R语言针对相关影响因子(限行政策、平均风速、相对湿度和平均温度)与空气质量之间的关系建立了广义相加模型,并进行了拟合分析和相关性检验,结果表明机动车限行政策与西安市空气质量改善具有较明显的相关性。

城市空间结构对空气质量的影响研究——基于GTWR模型

城市空间结构对空气质量有重要影响,但很少有研究从时空维度探讨其影响关系。论文基于2015—2020年WorldPop中国人口数据集,运用社会网络法从多中心度和集聚度识别城市空间结构,同时利用GTWR模型探讨其对空气质量的时空影响。研究结果表明:城市空间结构对空气质量改善起重要作用,其影响在不同城市中表现出明显的时空变化。整体来看,多中心度对AQI的影响在研究期由正转负,集聚度与AQI一直呈负相关。从异质性特征看,多中心城市空间结构对中东部城市AQI的抑制作用逐渐增强,对西部城市的促进作用逐渐减弱。城市空间结构集聚度对AQI的负向效应呈下降趋势,正向效应呈上升趋势。控制变量中,产业结构、人口密度、道路密度和人均GDP与AQI呈正相关关系,平均风速和平均气温与AQI呈负相关关系。因此,从多中心度和集聚度来看,建议政府根据各市具体发展水平及未来发展规划,布局城市空间结构,改善城市空气质量。

街区建成环境对空气质量影响的研究进展

街区作为建成环境的有机组成部分,是构建绿色生态城市的基本单元,也是推动健康城市建设的有效切入点,研究街区建成环境对空气质量的影响能够为街区尺度环境改善提供理论和实践参考。文章梳理了从中国知网数据库筛选的381篇相关文献,在分析研究视角、历程、热点的基础上,总结了街区建成环境对空气质量的影响因素、街区空气污染物时空数据获取技术,以及提升街区建成环境空气质量的策略,从指标调控组合、管控指标制定、建成环境更新、健康街区打造等方面展望了未来发展趋势,以期为街区规划建设、污染治理、调控施策和法规制定提供参考。

北京市空气质量的时间特征及影响因素分析

基于描述性统计和非参数统计方法,对北京市2017年春至2020年冬的AQI (Air Quality Index,空气质量指数)和大气污染物的时间特征,及它们与温度和风力的关系进行分析。结果表明:北京市春夏季的空气质量相对秋冬季较差,夏季大气中污染物O3的浓度偏高,春冬季PM2.5、PM10、SO2、CO、NO2的浓度更高;近四年来,北京市的空气质量得到改善,但在大气污染物O3和CO方面的工作仍需加强;可吸入颗粒物、CO、NO2和O3是影响北京市空气质量的重要因素;高温会在一定程度上降低北京市的空气质量,而大风不是北京市影响空气质量的主要因素。

城市空气质量指数的时间序列分析和预测--以扬州市为例

城市空气质量指数是反映城市环境宜居水平的重要指标,预测城市空气质量指数可以为政策制定提供重要的参考依据。选取扬州市2014-2022年的空气质量指数(AQI)进行时间序列分析,采用的时间序列模型有自回归积分滑动平均模型(ARIMA)、先知模型(Prophet)以及人工智能领域的长短期记忆模型(LSTM)。通过这些模型分析扬州市空气质量指数的周期性、季节性和趋势特征,并对空气质量指数进行预测。结果显示,基于人工智能的长短期记忆模型具有很强的预测能力。

空气质量改善能缩小城乡居民消费差距吗?——兼论绿色发展对共同富裕的促进作用

厘清空气质量对城乡居民消费差距的影响作用,有助于理解中国式现代化进程中绿色发展与共同富裕目标的协同推进。从医疗和防御性支出、规避行为以及劳动生产率等视角阐释了空气质量影响城乡居民消费差距的理论机制,并使用2005—2020年中国省际面板数据对其影响作用进行了实证检验。研究发现:空气质量改善会显著缩小城乡居民消费差距,这一结论在使用逆温天数作为工具变量进行内生性处理,以及更换空气污染物指标、考虑空间自相关等方式进行稳健性检验后依然成立;该作用通过缩小城乡居民消费倾向差距以及城乡居民收入差距两条渠道产生;此外,空气质量对城乡居民消费差距的影响作用还存在空间溢出效应。研究结果表明,推动绿色发展改善空气质量,能够缩小城乡居民消费差距,从而助力共同富裕目标的实现。

基于最小二乘SVM的城市空气质量监测方法

为提高城市空气质量监测的准确性,应用最小二乘SVM算法,研究设计城市内空气质量的监测方法。对空气质量数据信号进行实时的校准与调控,利用SVM支持向量机理论,构建城市空气质量监测模型,实现城市空气质量的实时监测。仿真结果显示,提出方法的平均训练时间,平均监测时间分别为324.141 s、0.364 s,监测结果平均绝对误差、拟合优度分别为18.01、0.75,具有实时性与精准性,为相关部门提供了有效的技术支持,提高社会整体的经济效益及环境效益。

惠州大亚湾近年环境空气质量浅析

以2018-2022年大亚湾大气监测数据为基础,分析近五年来空气质量变化情况。结果表明:近五年大亚湾空气质量全年优良率均大于94.2%,满足环境空气质量二级标准;对大亚湾空气质量影响最大的污染物是臭氧,其作为首要污染物的占比高达75.9%~94.7%,臭氧污染主要集中在每年的春秋季节;NO_(2)、PM_(10)和PM_(2.5)近五年来在环境管控措施下改善明显。

环渤海地区空气质量时空变化特征及动态预测

基于环渤海地区2017—2021年各城市空气质量指数(AQI)、污染物浓度与社会经济数据,利用数理统计、克里金插值法对环渤海地区AQI与污染物浓度的时空变化特征进行分析,运用皮尔逊相关性分析方法探讨AQI与污染物浓度、社会经济因素的相关关系,采用时间序列预测模型对2022年6月—2023年12月空气质量及污染物浓度进行预测。结果表明:环渤海地区AQI及污染物浓度大致呈逐年降低的趋势。AQI的逐月变化呈“W”形,O_(3)浓度的年内变化呈倒“V”形,其余污染物则呈现与O_(3)相反的变化趋势。AQI大致呈现西南高、东北低的空间分布特点,而污染物浓度分布具有明显的空间差异。环渤海地区5个代表性城市的AQI类别以良好为主,冬季首要污染物主要为PM_(2.5)、PM10,夏季首要污染物以O_(3)为主。人口数量是影响AQI的主要因素,城市园林绿地面积对AQI具有一定影响。预测结果显示,未来环渤海地区AQI、主要污染物浓度(O_(3)除外)均呈现出随时间的推移逐渐下降的变化趋势。