fapomar/heathrow-pollution-study

# 希思罗污染研究 🚧👷这是一个初步的**草稿**。 研究方案存在空白，但为使用现成的公开数据初步探索可能性的研究提供了指导。 ### 研究目标 量化飞机着陆活动与现有地面空气质量监测器（AQM）污染之间的相关性。 ### 研究问题 地面空气质量监测器在希思罗飞行路径附近检测到多大程度的污染归因于飞机着陆？ ### 假设 我们假设高飞机着陆交通期间，PM2.5和PM10的地面浓度显著升高，在控制道路交通污染和气象因素的情况下。 ## 变量 **主要变量** 研究将首先研究以下主要变量的影响。如果相关系数低，我们将使用次要变量进行研究。 | 主要变量 | 类型 | 描述 | | ----------------- | ----------- |------------------------------------------------------------------------------------------------------------------------ | | 飞机高度 | 自变量 | 影响污染扩散并影响多少污染达到地面 | | AQM位置 | 控制变量 | 到飞行路径的距离（垂直和水平）决定测量的污染量 | | 道路交通 | 控制变量 | 独立于飞机影响污染读数。需要计算，因此不归因于飞机排放 | **次要变量** 这些都是所有可能影响大气中污染扩散并影响其在地面测量的气象测量。 | 变量 | 类型 | 描述 | | -------------------- | ------- | --------------------------------------------------------------------------------------------------------- | | 大气压力 | 控制变量 | 可以影响排放扩散 | | 雨 | 控制变量 | 可以影响污染物从大气中去除 | | 风向/风速 | 控制变量 | 可以影响扩散方向（例如，如果AQM位于“上风”位置，则不太可能测量排放） | 风是一个难以控制的变量，因为速度和方向会根据海拔高度而变化。这会在地面水平以复杂的方式水平地分散污染。 **未受控制的变量** 由于数据稀缺，可能存在其他无法控制的变量。以下可能是飞机产生污染量的因素，但在本研究中未受控制： - 飞机/涡轮机型号、年龄和维护状况 - 飞机总重量 - 燃料质量 #### AQM位置 我们对测量飞机着陆产生的污染量感兴趣，而不是起飞，因为： - 所有飞机在接近机场时都遵循预定的路径 - 飞机在相对低空长时间飞越伦敦 然而，飞机不会总是从同一“侧面”接近机场并在同一跑道上着陆。风向（600米处）和跑道时刻表决定了在任何给定时间使用哪个跑道。因此，我们需要模拟希思罗的跑道运行。 **希思罗的跑道运行** 希思罗有两个跑道（北部和南部），使用如下。 - **东风运行**：当风从东方吹来时，飞机从西方接近。始终使用南跑道。 - **西风运行**：当风从西方吹来时，飞机从东方接近（飞越伦敦）。在这种配置中，根据时刻表，可以使用北跑道或南跑道。 机场70%的时间运行西风服务，如下所示： | | 05:00-15:00 | 15:00-23:00 | |---------------------------| ----------- | ----------- | | **西风**
第1周 | 北部 | 南部 | | **西风**
第2周 | 南部 | 北部 | | **东风** | 南部 | 南部 | 可以基于官方时刻表程序和基于历史风向来识别正在运行的跑道。 #### AQM选择标准 - AQM历史数据免费且可从伦敦空气质量网络检索 - 到着陆飞行路径的横向距离 - 到机场的横向距离 #### 选定的AQM 希思罗西部的AQM： - 没有符合选择标准的AQM。 希思罗东部的AQM： - *里士满河畔里士满* - *旺兹沃斯巴特西* | AQM名称 | AQM高度 | 物种 | 到LHR的横向距离¥ | 到飞行路径的横向距离¥ | 飞机高度¥ | | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------- | --------------------- | --------------------------- | ---------------------------------------------------------------- | ------------------ | | [旺兹沃斯 - 巴特西](https://www.londonair.org.uk/london/asp/publicdetails.asp?site=WAA&Maptype=Google&mapview=All&la_id=&zoom=13&lat=51.487828635004526&lon=-0.17029244482421158&laEdge=&details=) | 2.5米 | NOx
PM10
PM2.5 | 20公里 | 北跑道：
0公里

南跑道：
向北1.3公里 | 1.2公里 | | [里士满河畔里士满](https://www.londonair.org.uk/london/asp/publicdetails.asp?region=0&site=RHI&bulletin=hourly&la_id=&bulletindate=18/10/2025&postcode=&MapType=Google&VenueCode=) | 1.5米 | NOx
PM10
PM2.5 | 9公里 | 北跑道：
向南2.2公里

南跑道：
0公里 | 0.6公里 | | *¥测量收集于2025年10月20日10:00am，样本为2架飞机* | #### 道路交通 道路交通根据日期（例如，圣诞节）、星期几（例如，星期日或星期一）和一天中的小时数而循环。 **一天之内**，道路交通在上下班时间遵循常规模式。例如，我们可以使用公开发布的伦敦地铁高峰时间作为道路交通的代理，并与机场运营时间进行比较。例如： | | 事件 | 道路交通 | 空中交通 | | ------------- |--------------------| ------------ | --------- | | 00:00 - 05:00 | | 低🔹 | --🔹 | | 05:00 - 07:00 | 05:00首次着陆 | 低🔹 | 高🔹 | | 07:00 - 09:15 | 07:00高峰通勤 | 高 | 高 | | 09:15 - 17:45 | | 中 | 高 | | 17:45 - 19:45 | 17:45高峰通勤 | 高 | 高 | | 19:45 - 23:00 | 23:00最后着陆 | 低🔹 | 高🔹 | | 23:00 - 23:59 | | 低 | -- | 另一种可视化相同表格的方法：  这使得比较污染测量成为可能，例如，在凌晨4点（道路低，无飞机）与凌晨5点或6点（道路低，飞机高）。 ## 方法 这是一项**观察性、时间序列相关性研究**，使用来自多个公共来源的二手数据。 ### 研究设计 #### 设置1：飞行路径下的AQM 比较飞行路径最近AQM的污染数据，与同一天的不同时间进行比较，以确定飞机是污染的重要来源。 我们控制以下因素： - 道路交通：同一天内的变化 - AQM位置：直接**在**飞行路径下  #### 设置2：飞行路径下风方向的AQM 比较飞行路径下风方向最远AQM的污染数据，与同一天的不同时间进行比较，以确定飞机是污染的重要来源。我们将控制地面风速。 我们控制以下因素： - 道路交通：同一天内的变化 - AQM位置：飞行路径**下风**方向  ## 结论 正在进行中 样本输出数据结构： | PM10 | 04:00 | 05:00 | 06:00 | 07:00 | 08:00 | | ---------- | ----- | ----- | ----- | ----- | ----- | | 2025-03-01 | 30 | 35 | 41 | 59 | 55 | | 2025-03-02 | 27 | 33 | 37 | 34 | 49 | | 2025-03-02 | 31 | 34 | 38 | 40 | 50 | ## 如何运行 ### 先决条件 - Java 26 - Maven 3.x ### 1. 创建数据目录 应用程序将下载的API响应写入本地文件夹。在第一次运行之前创建它们： ``` mkdir -p data/aqm-battersea data/aqm-richmond data/weather-heathrow data/weather-battersea data/weather-richmond ``` ### 2. 配置日期范围 编辑`src/main/resources/application.properties`并设置研究期： ``` app.startdate=2025-11-01 app.enddate=2025-11-28 ``` ### 3. 下载数据 在`application.properties`中设置`app.downloadData=true`，然后构建和运行： ``` mvn clean package mvn spring-boot:run ``` 这将从伦敦空气质量网络和Open-Meteo API获取JSON数据，并将其保存到上面创建的`data/`目录中。 ### 4. 处理数据 一旦数据下载完成，将`application.properties`中的`app.downloadData=false`和`app.loadJsonFiles=true`设置为`true`，然后再次运行： ``` mvn spring-boot:run ``` 或者，直接运行打包的JAR： ``` java -jar target/heathrow-pollution-study-1.0-SNAPSHOT.jar ``` ### 配置参考 | 属性 | 描述 | | -------------------- | ---------------------------------------------------- | | `app.startdate` | 研究期开始日期 (`YYYY-MM-DD`) | | `app.enddate` | 研究期结束日期 (`YYYY-MM-DD`) | | `app.downloadData` | `true`以从API获取新鲜数据 | | `app.loadJsonFiles` | `true`以加载和处理先前下载的数据 | ## 研究限制 未来的研究可以比较不同日期的污染数据；例如，工作日星期一与学校假日星期一进行比较，同时控制混杂变量（即，只有具有类似气象条件的日子） ## 数据来源 - [伦敦希思罗交替计划](https://www.heathrow.com/company/local-community/noise/operations/runway-alternation) - [Open Meteo](https://open-meteo.com/) - [伦敦空气质量网络](#selected-aqms) - [免费测量工具](https://www.freemaptools.com/measure-distance.htm) - [Flight Radar 24](https://www.flightradar24.com/))

标签：Apex, JS文件枚举, PM10, PM2.5, 交通污染, 代码示例, 伦敦希思罗机场, 地理信息系统, 域名枚举, 开放数据, 数据分析, 时间序列分析, 机器学习, 机场着陆, 气象因素, 环境监测, 相关性分析, 科学研究, 空气质量监测, 统计建模, 航空污染, 英国