通过北京市34个国控监测站点,建立0.5、1、1.5、2、3、4、5km的缓冲区,应用土地利用回归模型(Land Use Regression,LUR)对北京市采暖季与非采暖季PM_(2.5)浓度进行空间分布模拟,并采用留一交叉互验法验证模型精度。结果表明:采暖季LUR...通过北京市34个国控监测站点,建立0.5、1、1.5、2、3、4、5km的缓冲区,应用土地利用回归模型(Land Use Regression,LUR)对北京市采暖季与非采暖季PM_(2.5)浓度进行空间分布模拟,并采用留一交叉互验法验证模型精度。结果表明:采暖季LUR模型调整R^(2)为0.799,模拟精度为0.7992,均方根误差(Root Mean Square Error,RMSE)为6.66μg·m^(-3);非采暖季LUR模型调整R^(2)为0.807,模拟精度为0.8198,均方根误差为5.91μg·m^(-3),模型表现良好。从模拟结果来看,北京市PM_(2.5)主要分布在东南部人口、交通密集的平原区域,整体呈现南高北低的状态。展开更多
为有效解决传统监测技术无法获取城市内部高分辨率PM2.5浓度空间分布情况的问题,基于土地利用回归(land use regression,LUR)模型,以关中平原城市群为例模拟其PM2.5空间分布状况,通过获取研究范围内54个监测站点的PM2.5浓度数据,结合土...为有效解决传统监测技术无法获取城市内部高分辨率PM2.5浓度空间分布情况的问题,基于土地利用回归(land use regression,LUR)模型,以关中平原城市群为例模拟其PM2.5空间分布状况,通过获取研究范围内54个监测站点的PM2.5浓度数据,结合土地利用类型、气象、地形、植被指数、人口密度、交通和污染源等因素,分别建立春、夏、秋、冬及年均5个LUR模型。结果表明:LUR模型调整后各季节及年平均值的R2分别达到0.831(春)、0.817(夏)、0.874(秋)、0.857(冬)、0.900(全年平均),5种模型拟合度均较好;采取交叉互验的方法进行了精度检验,显示5种模型的平均精度均达到80.4%,说明LUR模型在模拟关中平原城市群PM2.5浓度空间分布时适用性良好。模拟结果显示,研究区各季节的PM2.5浓度在空间分布上大致相同,呈现出东部高、西部低的明显特征,且空间分布状况受地形因素的影响较大。但在浓度均值的季节变化上则具有夏季低、冬季高的明显差异。本研究结果可为关中平原城市群PM2.5污染防治提供科学依据,亦可为城市内部PM2.5浓度空间分布数据的获取提供新思路。展开更多
This article attempts to detail time series characteristics of PM2.5 concentration in Guangzhou(China)from 1 June 2012 to 31 May 2013 based on wavelet analysis tools,and discuss its spatial distribution using geograph...This article attempts to detail time series characteristics of PM2.5 concentration in Guangzhou(China)from 1 June 2012 to 31 May 2013 based on wavelet analysis tools,and discuss its spatial distribution using geographic information system software and a modified land use regression model.In this modified model,an important variable(land use data)is substituted for impervious surface area,which can be obtained conveniently from remote sensing imagery through the linear spectral mixture analysis method.Impervious surface has higher precision than land use data because of its sub-pixel level.Seasonal concentration pattern and day-by-day change feature of PM2.5 in Guangzhou with a micro-perspective are discussed and understood.Results include:(1)the highest concentration of PM2.5 occurs in October and the lowest in July,respectively;(2)average concentration of PM2.5 in winter is higher than in other seasons;and(3)there are two high concentration zones in winter and one zone in spring.展开更多
针对结构网格很难处理复杂外形和非结构网格无法计算具有边界层的粘性流动的缺点,发展了基于混合网格格点的隐式算法,成功地解决了在工程应用中难于处理的复杂外形粘性流场计算和效率问题。同时针对大规模的工程问题,发展了基于MPI通信...针对结构网格很难处理复杂外形和非结构网格无法计算具有边界层的粘性流动的缺点,发展了基于混合网格格点的隐式算法,成功地解决了在工程应用中难于处理的复杂外形粘性流场计算和效率问题。同时针对大规模的工程问题,发展了基于MPI通信技术的染色分层通讯并行计算方法。其中空间离散采用基于Roe格式发展的三阶迎风HLLEW(Harten-Lax-Van Leer-Einfeldt-Wada)或AUSM格式,湍流模型采用k??两方程湍流模型,时间推进考虑到LU-SGS并行等效较困难则采用基于DP-LUR(Data-Parallel Lower-Upper Relaxation)格式的隐式算法,计算CFL数可取到105量级,从2个到128个CPU的并行加速效率都保持在90%以上,大大提高了计算效率。算例对标模M6机翼模型流场进行计算,验证了方法的可靠性;然后对标模DLR-F6翼身组合体进行混合网格粘性与无粘计算结果进行比较,进一步验证混合网格方法;最后计算了DLR-WBNP外挂发动机翼身组合体模型,准确模拟了外挂和超临界机翼的相互干扰流动问题,采用4 CPU 16 CORE到24 CPU 96 CORE,2000步计算时间都不超过3小时。为民机跨声速气动弹性分析的计算效率提升提供了基本的数值模拟工具。展开更多
针对PM_(2.5)土地利用回归(Land Use Regression,简称LUR)模型地理要素选取不规范、代表性不明确的问题,本文从地理要素的精度、易获取程度、广泛应用程度及地理要素与PM_(2.5)的经验相关性4个评价指标出发,结合层次分析法(Analytic Hie...针对PM_(2.5)土地利用回归(Land Use Regression,简称LUR)模型地理要素选取不规范、代表性不明确的问题,本文从地理要素的精度、易获取程度、广泛应用程度及地理要素与PM_(2.5)的经验相关性4个评价指标出发,结合层次分析法(Analytic Hierarchy Process简称AHP)和熵值法,对京津冀地区PM_(2.5)LUR模型构建时各备选地理要素的权重进行综合度量。结果显示,京津冀地区污染企业、交通网络、地表覆盖等优选地理要素的综合权重分别为20%、19%、18%,地理要素与PM_(2.5)的经验相关性和数据精度等优先评价指标的综合权重占××的比例分别次为49%、26%。该方法得出的评价结果符合客观实际,能达到科学选取地理要素的目的,对评估地理要素的代表性和分析LUR的异同性及地方主要污染要素具有重要的参考价值。展开更多
为弥补结合相关测绘成果研究季节性PM2.5空间分布相对不足的问题,以京津冀为例,基于土地利用回归(Land Use Regression,LUR)模型对研究区2013年典型季节的PM2.5浓度进行模拟.采用双变量相关分析识别出与PM2.5浓度相关的影响因子,主要包...为弥补结合相关测绘成果研究季节性PM2.5空间分布相对不足的问题,以京津冀为例,基于土地利用回归(Land Use Regression,LUR)模型对研究区2013年典型季节的PM2.5浓度进行模拟.采用双变量相关分析识别出与PM2.5浓度相关的影响因子,主要包括地表覆盖分类、扬尘地表及污染企业在内的监测成果等因素,分别对夏冬两季PM2.5浓度和与之对应的影响因子进行多元线性回归分析,判定系数R^2分别为0.743和0.866.根据LUR方程计算加密点浓度值,通过反距离加权插值得到较为精细的PM2.5浓度空间分布图.结果显示,研究区两季污染物浓度都呈现出以太行山-燕山山脉为界,东部、南部地区污染严重,西部、北部地区污染较轻的态势.冬季整体的污染程度高于夏季,各城市两季PM2.5浓度变化趋势基本一致.展开更多
文摘通过北京市34个国控监测站点,建立0.5、1、1.5、2、3、4、5km的缓冲区,应用土地利用回归模型(Land Use Regression,LUR)对北京市采暖季与非采暖季PM_(2.5)浓度进行空间分布模拟,并采用留一交叉互验法验证模型精度。结果表明:采暖季LUR模型调整R^(2)为0.799,模拟精度为0.7992,均方根误差(Root Mean Square Error,RMSE)为6.66μg·m^(-3);非采暖季LUR模型调整R^(2)为0.807,模拟精度为0.8198,均方根误差为5.91μg·m^(-3),模型表现良好。从模拟结果来看,北京市PM_(2.5)主要分布在东南部人口、交通密集的平原区域,整体呈现南高北低的状态。
文摘为有效解决传统监测技术无法获取城市内部高分辨率PM2.5浓度空间分布情况的问题,基于土地利用回归(land use regression,LUR)模型,以关中平原城市群为例模拟其PM2.5空间分布状况,通过获取研究范围内54个监测站点的PM2.5浓度数据,结合土地利用类型、气象、地形、植被指数、人口密度、交通和污染源等因素,分别建立春、夏、秋、冬及年均5个LUR模型。结果表明:LUR模型调整后各季节及年平均值的R2分别达到0.831(春)、0.817(夏)、0.874(秋)、0.857(冬)、0.900(全年平均),5种模型拟合度均较好;采取交叉互验的方法进行了精度检验,显示5种模型的平均精度均达到80.4%,说明LUR模型在模拟关中平原城市群PM2.5浓度空间分布时适用性良好。模拟结果显示,研究区各季节的PM2.5浓度在空间分布上大致相同,呈现出东部高、西部低的明显特征,且空间分布状况受地形因素的影响较大。但在浓度均值的季节变化上则具有夏季低、冬季高的明显差异。本研究结果可为关中平原城市群PM2.5污染防治提供科学依据,亦可为城市内部PM2.5浓度空间分布数据的获取提供新思路。
基金This work is supported by the National Nature Science Foundation of China[grant number:41201432],the National Science Foundation of Tibet[grant number:2016ZR-TU-05]the Foundation for Innovative Research for Young Teachers in Higher Educational Institutions of Tibet[grant number:QCZ2016-07].
文摘This article attempts to detail time series characteristics of PM2.5 concentration in Guangzhou(China)from 1 June 2012 to 31 May 2013 based on wavelet analysis tools,and discuss its spatial distribution using geographic information system software and a modified land use regression model.In this modified model,an important variable(land use data)is substituted for impervious surface area,which can be obtained conveniently from remote sensing imagery through the linear spectral mixture analysis method.Impervious surface has higher precision than land use data because of its sub-pixel level.Seasonal concentration pattern and day-by-day change feature of PM2.5 in Guangzhou with a micro-perspective are discussed and understood.Results include:(1)the highest concentration of PM2.5 occurs in October and the lowest in July,respectively;(2)average concentration of PM2.5 in winter is higher than in other seasons;and(3)there are two high concentration zones in winter and one zone in spring.
文摘针对结构网格很难处理复杂外形和非结构网格无法计算具有边界层的粘性流动的缺点,发展了基于混合网格格点的隐式算法,成功地解决了在工程应用中难于处理的复杂外形粘性流场计算和效率问题。同时针对大规模的工程问题,发展了基于MPI通信技术的染色分层通讯并行计算方法。其中空间离散采用基于Roe格式发展的三阶迎风HLLEW(Harten-Lax-Van Leer-Einfeldt-Wada)或AUSM格式,湍流模型采用k??两方程湍流模型,时间推进考虑到LU-SGS并行等效较困难则采用基于DP-LUR(Data-Parallel Lower-Upper Relaxation)格式的隐式算法,计算CFL数可取到105量级,从2个到128个CPU的并行加速效率都保持在90%以上,大大提高了计算效率。算例对标模M6机翼模型流场进行计算,验证了方法的可靠性;然后对标模DLR-F6翼身组合体进行混合网格粘性与无粘计算结果进行比较,进一步验证混合网格方法;最后计算了DLR-WBNP外挂发动机翼身组合体模型,准确模拟了外挂和超临界机翼的相互干扰流动问题,采用4 CPU 16 CORE到24 CPU 96 CORE,2000步计算时间都不超过3小时。为民机跨声速气动弹性分析的计算效率提升提供了基本的数值模拟工具。
文摘针对PM_(2.5)土地利用回归(Land Use Regression,简称LUR)模型地理要素选取不规范、代表性不明确的问题,本文从地理要素的精度、易获取程度、广泛应用程度及地理要素与PM_(2.5)的经验相关性4个评价指标出发,结合层次分析法(Analytic Hierarchy Process简称AHP)和熵值法,对京津冀地区PM_(2.5)LUR模型构建时各备选地理要素的权重进行综合度量。结果显示,京津冀地区污染企业、交通网络、地表覆盖等优选地理要素的综合权重分别为20%、19%、18%,地理要素与PM_(2.5)的经验相关性和数据精度等优先评价指标的综合权重占××的比例分别次为49%、26%。该方法得出的评价结果符合客观实际,能达到科学选取地理要素的目的,对评估地理要素的代表性和分析LUR的异同性及地方主要污染要素具有重要的参考价值。
文摘为弥补结合相关测绘成果研究季节性PM2.5空间分布相对不足的问题,以京津冀为例,基于土地利用回归(Land Use Regression,LUR)模型对研究区2013年典型季节的PM2.5浓度进行模拟.采用双变量相关分析识别出与PM2.5浓度相关的影响因子,主要包括地表覆盖分类、扬尘地表及污染企业在内的监测成果等因素,分别对夏冬两季PM2.5浓度和与之对应的影响因子进行多元线性回归分析,判定系数R^2分别为0.743和0.866.根据LUR方程计算加密点浓度值,通过反距离加权插值得到较为精细的PM2.5浓度空间分布图.结果显示,研究区两季污染物浓度都呈现出以太行山-燕山山脉为界,东部、南部地区污染严重,西部、北部地区污染较轻的态势.冬季整体的污染程度高于夏季,各城市两季PM2.5浓度变化趋势基本一致.
