城市夜间光污染现状及一种评价方法

城市夜间光污染现状及一种评价方法

摘要

光污染是现代社会经济发展、科学技术进步伴随产生的环境问题。光污染现象在许多大城市里都已经出现了。光污染已经影响到人们的正常生活,在不同程度上对人们的身体造成伤害。如同水污染,大气污染一样,光污染也不利于城市的可持续发展。近年来,研究与控制光污染已成为国际学术界特别关注的涉及全球环境的学术问题。目前,专家们对于环境中的光污染,已经做了许多研究,发表了很多成果。本文基于在物理性污染课堂上所学的知识，对城市光污染现状做了一些总结，并提出了一种光污染评价方法:该方法通过对不同天气情况下城市的夜间光源的区域性和时序性进行探究，尝试建立典型天气情况下的城市光污染模型，并找到典型天气情况下影响城市光污染状况的主要因子，对城市整体夜间光污染情况作出评价，为城市光污染防治提供决策帮助。

关键词光污染污染现状数据采集 bp神经网络时序性整体评价

城市夜间光污染现状

随着我国现代化城市建设的不断发展，特别是城市为了美观大量的兴建玻璃幕墙以及城市霓虹，使得光污染的问题愈加严重。狭义的光污染指的是干扰光的有害影响。即已形成的良好照明环境由于逸散光而产生被损害的状况，又由于这种损害产生了害的影响；广义的光污染指的是由于人工光源导致人生理和心理的健康收到损害的现象。

现今城市的光污染主要来源于两方面，一是城市大面积的采用镜面式铝合金装饰的外墙及玻璃幕墙所形成的光污染；二是城市夜景照明所产生的光污染。特别是城市夜景照明所产生的光污染，已经严重影响人们的工作和休息，更有甚者使人白昼不分，严重影响了人们正常的生物节律。除此之外，现在人们家庭室内的装潢所产生的室内环境光污染已逐渐引起人们的重视。

城市夜间光污染的危害主要包括了对人和动植物的影响两方面：对人的影响，夜间室外的照明设施往往具有强大的功率，产生的光一般具有很高的亮度，很多情况下会直接射入附近的居民家中；另外附近的交通道路上产生的间断性的光源同样也会在一些情况下射入居所，这些都会对居民的正常生活产生负面影响。道路上的照明设施，城市的景观照明设备都极有可能对其一定范围内的行人，驾驶者，重型设备的操作员等等造成一定的影响，并有可能导致严重的后果，例如交通事故，工程事故等，另外，城市夜间光污染还可能会对一些对光线十分敏感的高精尖科学仪器设备等产生影响，如天文观测等。对动植物的影响，城市夜间光污染会影响到很多植物，特别是城市里的植物的生命周期，动物的生活习性和新陈代谢等。这些影响都是很难预估和评价的。

基于bp神经网络的一种城市夜间光污染的评价方法

光污染属于物理性污染，其特点是光污染是局部的，随着距离的增加而迅速减弱；在环境中不存在残余，光源消失。污染即消失。

由于城市夜间光污染的特殊性，使得对它的评价十分困难。主要表现在评价模型的建立，因子指标的选取，评价指标的确定，数据的采集和标准化等。本文考虑到城市夜间光污染空间上的区域性，时间上的时序性，尝试提出一种基于bp神经网络的评价方法。

方法思路 确定因子→采集数据→神经网络分析→光污染多元回归方程→假想污染点得分→污染点情况时序分析→典型天气情况下城市整体污染状况

因子的确定 本模型中确定光强物理量，居民人口，霓虹数量，采光方向为因子。 Bp 神经网络 采用BP 学习算法的前馈型神经网络通常被称为BP 网络。

图1 .三层BP 神经网络结构

BP 网络具有很强的非线性映射能力，一个3层BP 神经网络能够实现对任意非线性函数进行逼近（根据Kolrnogorov 定理）。对于神经网络本文不多做其他介绍了。

数据的采集处理 对于城市夜间光污染的评价是对于城市整体的光污染状况评价，所以本模型只对城市整体的夜间光污染状况做评价，针对城市个别地方的光污染不做探究。

前面说到城市夜间光污染具有区域性，所以对于城市夜间光污染的数据采集显得比较困难。本模型首先用相似天气情况下的城市夜间用电情况基本确定城市的整体的夜间照明情况。（用电量大的地方一般照明设施也比较多，存在光污染的可能性也较大）然后确定出光污染的假想污染源若干，并建立基于自然地理坐标的二维坐标系，以此来确定假想污染源位置，并给假想污染源编号。

物理指标数据 考虑到光的直线传播特性，夜间的光污染也具有一定的方向性，所以对假想污染源的每个方向上的光强规定了一个矩阵，

[]w ,,,,,,,e s b nw ne se sw GRAD grad grad grad grad grad grad grad grad =

分别对应了西、东、南、北、西北，东北，东南和西南。其具体图示如图

图2 方向维度标识图

在这八个方向上，每个方向上的径向相等的距离上采集该处的光强，列出一个矩阵，即为该假想污染源的光强物理数据矩阵。

自然指标数据第一，对假想污染源附近的居民进行问卷调查。将其对该假想污染源附近的光污染状况做评级，分为A B C D E级。并的到与方向维度对应的居民评价等级矩阵。第二，对假想污染源的每个方向上的居民人数做居民人数的统计数据，统计的区间应和光照采集点相对应。得到假想污染源附近的居民人数矩阵。第三，采用数字0 1 2 3 4 5 6 7 8分别对应着附近居民家庭采光方向（即窗户的朝向）的西、东、南、北、西北，东北，东南和西南。得到假想污染源附近的居民采光矩阵，考虑到家庭采光的方向有多个的可能性，这里的采光方向取夜间采光方向。第四，对污染源附近的面积在2m2的霓虹广告牌的数量，统计区间应和光照采集点相对应。即为该假想污染源的霓虹数量矩阵。

指标数据的时序统计本模型中时序数据的采集取15min，即对上述数据每15分钟采集一次。

Bp神经网络分析将收集到的数据做归一化处理；再将归一化处理后的光强物理矩阵，居民人口矩阵，霓虹数量矩阵，采光方向矩阵作为输入层，设立四层隐含层，取居民等级评价矩阵作为输出层，做神经网络分析，（注意误差和残差分析）得到一系列因子的权重矩阵。根据权重矩阵大致列出关于该假想污染源的污染得分多元回归方程，计算出该假想污染源的得分。根据假想污染源在多个时间点的得分情况，绘制出该假想污染源的时序光污染情况，最终确定出城市夜间光污染的污染源。

在确定了污染源后，可根据得到的回归方程，加上其他因子的约束方程，求解出该减少污染源污染情况各因子的最优解，以此来为相关部门提供决策。

方法的改进由于时间和个人能力有限，本模型还是有很多的漏洞，下面提出一些改进：考虑到交通流对光污染的影响很大，建立模型时应充分考虑到交通流的因素；因子的确定考虑不完善，应加以改进；确定最终污染源时可采用一般的聚类分析；在约束条件下可能不能求出减小污染的最优解，这时候可采用模拟仿真的方法来探究其规律。

参考文献

[1]陈杰瑢物理性污染控制高等教育出版社 2007

[2]刘琦城市光污染问题及对策山东建筑工程学院学报 2003,14（2：28-33

[3]灿烂 bp神经网络的matlab实现互联网新浪博客 2004