论文部分内容阅读
随着中国工业化的逐步发展和城镇化的深入推进,资源和能源消耗不断增加,大气污染预防治理的压力也来越大,京津冀地区的空气污染现状已经成为全国瞩目的焦点。为了人民群众的身体健康、社会的稳定和谐、经济的持续健康发展,控制京津冀地区的大气污染,改善京津冀地区的大气质量追在眉睫。掌握大气污染的污染水平和变化规律,分析污染物的时空变化特征,探索合理的空气质量预测方法,并将研究结果与大数据相关技术相结合,让研究成果能应用于实际,对于揭示京津冀空气质量的时空分布特征、控制京津冀空气污染具有重要的科学实践意义。本文按照环境保护部发布的《环境空气质量指数(AQI)技术规定(试行)》(HJ633-2012)的规定,以京津冀地区为研究区域,利用大数据平台对研究区监测点数据进行处理后,分析了研究区2015~2017年空气污染的时空分布特征,并以其中一个监测站点为例融合WRF大气模式与随机森林算法对PM2.5浓度进行了0~72h预测,最后结合大数据相关技术对研究成果进行了实际应用。本文主要研究工作如下: (1)本文对2015~2017年研究区各城市优良天数比例、主要污染物平均浓度的年变化特征进行了分析,研究表明:从2015年到2017年,京津冀整体空气质量明显变好,空气质量等级为优、良的天数明显增多,污染天数明显减少;京津冀主要污染物为PM2.5、PM10和O3,以PM2.5和PM10为主要污染物的天数从2015年到2017年分别下降了26.11%(41天)和3.92%(4天),以O3为主要污染物的天数却增加了98.18%(54天),大气污染的治理不能只针对PM2.5和PM10,O3的污染问题也不容忽视;从空间分布看,研究区空气质量从优到差为:北部>中部>南部。 (2)本文通过对2015~2017年研究区各城市优良天数比例、主要污染物平均浓度的月季变化特征的分析发现:京津冀地区的污染为U型污染,污染主要集中在秋季中到末期、冬季、春季初期,主要污染物为PM2.5和PM10,夏季空气质量最好,主要污染物为O3;PM2.5、PM10都是冬季的质量浓度最高,夏季最低,而O3的质量浓度刚好相反,冬季最低,夏季最高;从空间分布看,PM2.5、PM10的质量浓度都是南部>中部>北部,O3刚好相反,北部>中部>南部。 (3)本文对2015~2017年研究区各城市优良天数比例、主要污染物平均浓度的日变化特征进行了分析,研究结果表明:2015年京津冀污染时段主要集中在9~11时和21~0时,主要污染物为PM2.5和PM10,空气质量最好的是在15~17时,主要污染物为O3;2016~2017年京津冀污染时段主要集中在8~10时和20~22时,主要污染物为PM2.5和PM10,空气质量最好的是在13~15时,主要污染物为O3。此规律在污染严重的季节最为明显。 (4)以编号为1003A的北京东城区东四空气质量监测站点为例,融合WRF大气模式与随机森林算法建立了0~72h的PM2.5浓度实时预报模型对站点的PM2.5进行预报,并进行了精度验证。结果表明,该模型可以较高精度的预报0~72h单站点的PM2.5浓度。 (5)搭建大数据分析平台,对研究结果进行应用,开发京津冀空气质量在线监测分析系统。以Ambari、Zookeeper、Kafka、HDFS、Map Reduce/Yarn、Hive、Hbase、Spark搭建大数据平台,以百度地图Javascript API、Echarts等为主要可视化手段,实现了系统的业务化运行。