基于Sentinel-2与随机森林算法的太湖水生植被分布监测

基于2018—2021年太湖地区哨兵2号(Sentinel-2)卫星遥感影像和随机森林算法,结合植被敏感指数,开展太湖水生植被分布监测,综合分析了水生植被的时空变化特征,初步揭示了太湖水生植被的动态变化。结果表明,太湖水生植被分布面积有逐年上升的趋势,且年间变化具有明显的单峰型特征,表现为春季沉寂,夏季快速增长,秋季达到暴发期,冬季面积开始减退;太湖水生植被主要分布于东太湖、东部沿岸和贡湖,类型以沉水植被为主,其中浮叶植被主要分布于东太湖,挺水植被主要分布于东太湖沿岸的浅水区域;沉水植被主要分布于东部沿岸和贡湖;水生植被主要分布的东太湖水域,其水质总体优于太湖其他水域。

基于大气环境监测数据的工业园区污染物排放总量实时反演核算方法

工业园区既是重要的社会经济发展单元,也是主要的大气污染排放单元。综合利用环境监测数据和数值模拟方法,开展工业园区污染排放的动态精准管控,有助于提升工业园区大气环境管控效果,统筹园区经济发展与环境优化。以某工业园区为例,探索了基于环境监测数据,利用高斯大气扩散模型和源参数反演技术,实现小时级别的园区大气污染物排放总量反演核算的技术可行性。结果表明:1)监测站点布设方案显著影响反演核算精度,网格化布点方案有效提高了反演核算精度;2)监测数据的随机误差显著影响反演核算精度,在简化布点方案下,园区监测站点对VOCs质量浓度监测误差应控制在0.1 mg·m^(-3)以下;3)园区总排放强度对反演核算精度存在一定影响,总排放量大的园区反演核算精度较高;4)反演核算精度与实时气象条件有关,当气象条件不适宜模型模拟污染物扩散或不适宜监测站点对污染物分布进行有效采样时,可能造成反演精度的下降。以上结果表明,在工业园区开展基于环境监测数据的大气污染物排放总量核算研究具有可行性,但需要在监测站点布设方案比选、监测站点数据质量控制等方面进行精细化管理,以达到最优反演核算效果。