美赛O奖赏析（抄录）
论文赏析（照抄）篇
标题
关掉灯，点亮星星
摘要
光污染是⼈类活动造成的⼀种环境污染，对野⽣动物、植物和⼈类健康产⽣负⾯影 响。随着城市化、⼯业化的不断发展，光污染问题⽇益严峻。因此，光污染⻛险⽔平的评 估和改善显得尤为重要。 ⾸先，我们收集了来⾃55个地区的10个指标的数据，并将这10个指标分为三个领域： 光、社会和⾃然。然后我们结合了层次分析法, 熵权法， 和变异系数法计算这些指标的综合 权重，构建公式光污染指数（LPI），然后构建 LSN评估模型。最后，我们使⽤模糊聚类分 析将所有地点分为四类，从⽽将光污染等级分为四级。 其次，我们选择纽约市、⻉尔维尤、塞多纳和⻩⽯国家公园作为每种地点类型的代 表。使⽤LSN评估模型，他们的 LPI 计算为 35.55、41.33、76.94、84.18。由此，其光污 染等级分别为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级。 第三，我们提出了三种⼲预策略及其具体⾏动，构建了PIA-NN模型，并研究了具体 ⾏动对光污染影响的潜在影响。三种⼲预策略是：减少⼈造光强度、加强宣传教育、扩⼤ 植被⾯积。我们结合实际情况，定量反映了三种⼲预策略对光污染效果的“潜在影响”斯 ⽪尔曼相关系数和BP神经⽹络模型。 接下来，我们选择塞多纳和纽约市两个具有代表性的地区，利⽤ PIA-NN模型和LSN 评估模型。结果表明，对于这两个地区来说，降低⼈造光强度是降低光污染⻛险⽔平最有 效的⼲预策略。 最后，我们将选择纽约市作为活动地点，并围绕其相应的最有效的⼲预策略设计精美 的传单。
关键词：LSN评估模型；LPI；PIA-NN模型；层次分析法
由于本文要确定光污染的指标，因此自然会想到光源，社会，以及自然等因素，然后这些因素又可以进行划分，并由此得到了3个一级指标，10个二级指标，然后指标权重的确立可以像他一样使用层次分析法，熵权法，变异系数法，并综合权重，构建光污染系数。
然后系数吗，这个光污染系数自然会导致分类，什么系数算好，什么系数算中等，什么系数算差，于是这时候我们可以聚类分析出一些指标，并且给我们选择的地区划分这些指标，
接下来提出干预政策和具体行动...
目录
简介
1.1 问题背景
..........................................................................................................................
3
1.2 我们的工作
.....................................................................................................................
3
2 假设和论证
.......................................................................................................................... 4
3 符号
.......................................................................................................................... 5
4 光-社会-自然（LSN）评估模型
..........................................................................................................................
5
4.1 评价体系的建立
.............................................................................................................
6
4.2 指标权重的确定
.............................................................................................................
9
4.3 LSN 评价模型的建立
..................................................................................................
12
4.4 LSN 评价模型的应用
..................................................................................................
13
5 可能的干预策略
..........................................................................................................................
16
5.1 战略建议和具体行动
..................................................................................................
16
5.2 潜在影响分析 - 神经网络（PIA-NN）模型
......................................................... 17
6 哪种策略最有效？
..........................................................................................................................
19
6.1 亚利桑那州塞多纳的结果
..........................................................................................
20
6.2 纽约市的结果
................................................................................................................
20
6.3 最终结果
.........................................................................................................................
21
7 敏感性分析
.......................................................................................................................... 21
8 模型评估与进一步讨论
..........................................................................................................................
22
8.1 优势
...............................................................................................................................
22
8.2 弱点
...............................................................................................................................
23
8.3 进一步讨论
..................................................................................................................
23
9 结论
.......................................................................................................................... 23
参考文献
.......................................................................................................................... 24
1 简介
1.1 问题背景
光污染最早是在 20 世纪 50 年代由天⽂学家提出的。[1]随着城市化进程和经济发展的 加快，夜间照明的需求逐渐增加。同时，⼈类在夜间过度使⽤或不合理使⽤⼈造光源，破 坏了⾃然的⿊暗。根据国际暗夜协会的数据，全球80%以上的⼈⼝⽣活在受光污染影响的 地区，[2]⽽欧美约99%的城市居⺠⽆法在夜间观测银河系。[3]在全球许多⼤城市，夜间的 亮度甚⾄可以达到⽩天的⽔平。 光污染问题⽇益影响⼈们的⽇常⽣活，包括⼯作和休闲活动。它不仅破坏了美丽的夜 空景观，⽽且对⼈类健康、安全和⽣态环境产⽣负⾯影响。根据天⽂研究，没有光污染的 晴朗天空可以看到⼤约7000颗星星，⽽⼤城市只能看到20-60颗星星。夜间过多的⼈造光 会扰乱⽣物体的昼夜节律，导致睡眠质量差和失眠率升⾼。⽽且，⼈眼过度的光线照射会 损害视⽹膜和虹膜，导致视⼒急剧下降。光线充⾜的城市街道上的远光灯还会对街道对⾯ 的⾏⼈或司机造成短暂的“视觉损失”，从⽽导致交通事故的发⽣率更⾼。此外，光污染 还会改变植物的⽣⻓周期并影响野⽣动物的迁徙模式。
因此，光污染问题亟待全球关注和监管
（背景可以进行稳健查阅，要求符合文章基调）
1.2 我们的⼯作
⾸先，我们提出光-社会-⾃然（LSN）评估模型，⽤于评估某个地点的光污染⻛险等 级。具体来说，该模型考虑了许多反映光污染的指标。根据这些指标，我们建⽴了⼆级评 价体系。考虑到不同⽅法都有其局限性，综合运⽤层次分析法（AHP）、熵权法（EWM） 和变异系数法（CVM）确定指标权重。我们选取全球55个有代表性的地点，根据相关数据 计算其光污染指数，并通过模糊聚类确定不同的光污染程度。 其次，我们选择了美国四个不同类型的地点，利⽤LSN评价模型计算了每个地点的光 污染指数，并结合当地实际情况分析了结果的合理性。 然后，在我们之前构建的指标中，我们在考虑其可⾏性的同时，提出了三种⼲预策 略。对于每项⼲预策略，都提供了具体的⾏动。我们还构建了 PIA-NN 模型来分析这些⾏ 为对光污染影响的潜在影响。结果将被可视化并分析其合理性。 此后，我们选择任务2中的两个地点作为研究对象，利⽤PIA-NN模型和LSN评估模型 分析三种⼲预策略对其光污染⻛险⽔平的影响，并做出相应的分析。 最后，我们将选择纽约市作为活动地点，并围绕其相应的最有效的⼲预策略设计精美 的传单。
图1：我们论⽂的结构
2 假设和理由
假设1：本⽂将LPI（光污染指数）定义为⼀个地区光环境的得分。LPI值越⾼，该地区的 光污染程度越低。
理由：⼀个地区的光污染程度越低，该地区的光环境越好。根据⼈们的使⽤习惯，较 好的条件对应较⾼的分数是很常⻅的。
假设2：相关性分析中，只保留相关性强的因素，去除相关性⼩的因素。
理由：影响光污染的因素很复杂。如果将不太相关的因素也考虑在内，就会使研究结 果变得不那么显着，甚⾄可能产⽣误导性的结论。
假设3：假设从互联⽹收集的数据真实可靠。
理由：在研究光污染的过程中，我们选择了全球最典型的地区，因此保证了数据的⼴ 泛性；所有数据均来⾃官⽅⽹站，数据可靠性有保证
（收集数据所必备）
4 光-社会-⾃然（LSN）评估模型
在本节中，我们建⽴光-社会-⾃然（LSN）评估模型来⼴泛衡量⼀个区域内某个地点 的光污染⻛险⽔平。⾸先，确定了各级指标后，建⽴了综合评价体系。[4]然后采⽤组合权 重法确定各指标的权重。最后，我们计算了光污染指数（LPI），从⽽识别某个地点的光污 染⻛险级别。 考虑到不同地点的光污染⻛险⽔平在较⼤范围内差异较⼤，因此在讨论光污染⻛险⽔ 平时，应选择尽可能⼩的地点，例如社区或住宅区，⽽不是选择⼀个区域。⼤⾯积区域， 例如国家或城市。因此，我们筛选了全球55个有代表性的站点，并将这55个站点的相关数 据作为本⽂的数据库。在此基础上，我们建⽴了光-社会-⾃然（LSN）评价模型。
4.1 评价体系的建⽴
在参考⼤量前⼈研究和相关论⽂后，我们总结出反映光污染⻛险⽔平的三个关键因 素：光因素（L）、社会因素（S）和⾃然因素（N），并将其作为第⼀个因素。评价体系 中的等级指标。经过进⼀步思考和归纳，我们将指标具体化，选取了10个具体指标作为评 价体系中的⼆级指标。[5]具体评价体系如下，如图2所⽰。
4.1.1 光 光因素是决定光污染⻛险等级的最重要因素。经过⼤量⽂献查阅和严格分析，我们最 终确定具体的光因素包括以下四点：
L1
⼈造光强度 ⼈造光强度是指⼈类活动产⽣的光的亮度。在光污染研究中，⼈造光强度是⼀个重要 指标，⽤于衡量夜间⼈造光对周围环境的强度和影响。⼈造光强度通常使⽤光度计或相关 测量仪器进⾏测量，单位为坎德拉/平⽅⽶（微cd/⽶²),表⽰单位⾯积上光源的亮度。⼈⼯ 光强度数据可以通过光污染地图官⽹获取。
L2
⼈造光密度 ⼈造光密度是指⼀定地点的⼈造灯数量，通常⽤单位⾯积的灯数量来表⽰，如每平⽅ 公⾥的路灯数量。⾼⼈造光密度意味着⼀个区域中有更多的光。这些灯会在夜间产⽣更多的⼈造光。因此，⼈造光密度是影响因素之⼀ 影响光污染的重要因素。
L3 天空亮度
天空亮度是指天空某⼀区域可⻅的亮度⽔平，通常以单位⾯积的光通量来表⽰，例如每 平⽅⽶的⽉光或星光通量。这与光污染有密切关系。光污染越严重，天空亮度越⾼，会降 低夜间空⽓透明度，遮挡星光和⽉光。 天空亮度的增加会对⽣物环境和⽣态系统产⽣负⾯影响。例如，它可以影响夜⾏动物 的⾏为和迁徙，⼲扰植物⽣⻓和物种繁殖，扰乱⼈类昼夜节律和⽣理节律，甚⾄影响⼈ 类健康。 不同地区的天空亮度可以通过光污染地图⽹站获得。
L4 强光
眩光是指极亮的光源与背景形成对⽐，导致眼睛不适并降低能⻅度的视觉状态。[6]眩 光对光污染程度有显着影响，眩光值越⾼，表明该区域光污染越严重，眩光值越低，表明 光污染程度越低。 眩光最常⻅于室外，如建筑物的玻璃幕墙，在阳光照射下会产⽣强烈的眩光，严重影 响⼈们的安全，破坏城市⽣活环境，并可能造成交通安全隐患。 根据国际通⽤眩光计算公式，并结合 了解眩光的含义后， 的值由以下公式确定：
4.1.2 社会
社会因素是光污染的重要影响因素之⼀。社会因素包括地区⼈⼝、地区发展⽔平、教 育、宣传⼒度等诸多⽅⾯。这些因素影响⼈们对光污染的认识和态度，从⽽影响他们的⾏ 为。在建⽴光污染评价体系时，社会因素是重要的组成部分。
⼈⼝ ⼀个地区的⼈⼝是指居住在某⼀特定地区的⼈⼝数量，它与光污染密切相关。⼀⽅ ⾯，随着⼈⼝的增加，对照明的需求也随之增加。另⼀⽅⾯，⼈⼝数量也决定了光污染的 范围。⼀般来说，⼈⼝较多的地区⼈造光源⽔平较⾼密度和光污染。相反，在⼈⼝较少的地区，光污染程度可能相对较低。 不同地区的⼈⼝数据可以从各国国家统计年鉴中获得。
发展 区域发展⽔平通常是指经济、社会和环境的发展⽔平，可以⽤GDP等指标来衡量。 不同地区的GDP可以从各国国家统计年鉴中获得。 但值得注意的是，区域发展⽔平的提⾼并不⼀定会导致光污染⽔平的提⾼。发达城市 地区往往拥有更多的⼈造光源和更⾼的光强度，但也拥有更先进的技术和管理⽅法，可以 有效控制光污染问题。另⼀⽅⾯，发展⽔平较低的地区可能缺乏⾜够的技术和资⾦来控制 光污染，从⽽导致光污染程度更⾼。
宣传教育 ⼀个地区的光污染教育和宣传⽔平通常是指该地区光污染宣传教育的程度。这包括传 播有关光污染、其有害影响和预防措施的知识。加强宣传教育，可以提⾼公众对光污染的 认识，提⾼对光污染的关注，从⽽减少该地区的光污染。
为了定量地描述⼀个地区对光污染的教育和宣传的程度，我们以公众对光污染的关注 度作为衡量标准。这可以通过计算该地区⾕歌趋势上与光污染关键词相关的搜索数量来实 现。
4.1.3 ⾃然
⾃然因素与光污染有着密切的关系。⾃然因素对光污染的影响主要包括区域⽓候、地 理位置、⽣物多样性等⽅⾯。建⽴光污染评价体系时，需要考虑该地区的⾃然环境特征， 量化⾃然因素对光污染的影响。
4.2 指标权重的确定
确定指标权重的⽅法有多种。为了使我们的模型更加准确，我们决定使⽤组合赋权的 ⽅法来计算所有指标的权重。我们的组合赋权⽅法结合了主观赋权法中的层次分析法 （AHP）和客观赋权法中的熵权法（EWM）和变异系数法（CVM）。由于层次分析法的判 断较为主观，很容易受决策者的主观影响⽽发⽣变化。同时，由于数据的敏感性较⾼，可 能会因数据本⾝的原因⽽造成错误。因此，我们的组合加权⽅法综合了这些⽅法来帮助我 们减少误差并提⾼准确性。
（这一点太妙了）
4.2.1 层次分析法 ⾸先，根据之前选择的指标构建层次结构图，如下图 3 所⽰
4.2.2 熵权法
⾸先将数据库中55个地点的指标数据进⾏聚合，形成原始矩阵X。由于指标类型不 同，我们需要对原始矩阵进⾏归⼀化处理。接下来，为了消除维数的影响，需要对归⼀化 矩阵进⾏标准化，得到矩阵Y。本⽂结合指标的归⼀化和标准化过程，具体计算公式如 下：
4.2.3 变异系数法
4.3 LSN评估模型的建⽴
考虑到光、社会和⾃然对光污染的影响，我们开发了LSN评估模型。在该模型中，我 们引⼊LPI（光污染指数）来定量描述光污染的⻛险⽔平。另外，根据所选数据库，我们 通过模糊聚类分析将LPI值划分为四个区间，即将光污染⻛险等级划分为四个等级。
模型的创造性建立
聚类分析
4.4 LSN评估模型的应⽤
在本节中，我们根据任务2的要求，选择了美国境内四个不同类型的地点。我们收集 了相关指标数据，并应⽤建⽴的LSN模型来确定每个地点的光污染⽔平。
4.4.1 案例⼀：
⼀个城市社区 城市社区是⼈⼝稠密、建筑集中、基础设施完善、⼈们从事经济活动和丰富社会⽣活 的地区。我们选择纽约州纽约市作为研究地点，相关数据如下：
将上述数据代⼊LSN评估模型，则纽约市的LPI值为 35.55
属于⼀级光污染，光污染程度⾮常严重。 纽约市⼈⼝密度⾼，城市基础设施⾼。⾼⼈⼝密度意味着城市中有许多⼈造光源，包 括路灯、建筑灯和发光标志。⾼⼤的建筑物反射和散射光线，产⽣⼀种称为天空辉光的现 象，这也增加了光污染的程度。造成纽约市光污染的另⼀个因素是该市作为经济和⽂化活 动中⼼的⻆⾊。这座城市的许多企业、⽂化机构和公共场所都营业到深夜，该市的旅游业 也严重依赖光线充⾜的景点和地标。这意味着城市需要⼤量的室外照明，这可能是光污染 的重要来源。
4.4.2 案例⼆：
郊区社区 郊区社区是通常位于较⼤城市地区郊区的区域。它是住宅和商业开发的混合体。郊区 社区经常有
中低⼈⼝密度、单⼾住宅以及靠近⼤城市地区。因此，它们属于中等亮度环境的范畴。我 们选择华盛顿州⻉尔维尤作为研究地点，其相关数据如下：
将上述数据输⼊LSN评估模型，华盛顿州⻉尔维尤市的LPI值为41.33，对应⼆级。这 意味着⻉尔维尤有中等程度的光污染。
虽然郊区距离市中⼼有⼀段距离，但对于想要远离拥挤的城市地区的⼈们来说，郊区 是最好的选择。这就导致郊区⼈⼝不断增加，室外⼈⼯照明越来越多，不可避免地造成⼀ 定程度的光污染。
4.4.3 案例三：
⼀个乡村社区 农村社区是城市或郊区以外的区域。它的典型特征是开阔的空间、⾃然景观和较⼩的 ⼈⼝密度，包括⼩城镇、村庄和偏远地区。农村社区获得现代基础设施和服务的机会有 限，因此属于低亮度环境区。我们选择亚利桑那州塞多纳作为研究区域，相关数据如下：
将上述数据代⼊LSN评估模型，得到LPI值 亚利桑那州塞多纳为76.94，相当于Ⅲ级。
这意味着塞多纳的光污染较少。 这是由于其距主要城市较远且⼈⼝密度较低。然⽽，随着城市的扩张和农村地区⼾外 照明需求的增加，甚⾄农村社区也开始受到光污染的影响。例如，LED 照明在农村地区的 普及导致了光污染的增加，并扰乱了⼈类和野⽣动物的⾃然睡眠模式。
4.4.4 案例四：
受保护的⼟地位置 在受保护的⼟地上，⼏乎没有常住⼈⼝，因此⼈造光的强度和密度较低，⼏乎不受光 污染的影响。这些是⾃然的⿊暗环境，例如国家公园和⾃然保护区。
⻩⽯国家公园是美国西部的⼀个国家公园，主要位于怀俄明州。它成⽴于1872年，是 世界上第⼀个国家公园。⻩⽯国家公园是⼾外爱好者的天堂，也是国际暗夜公园。因此， 我们选择⻩⽯国家公园作为我们的研究地点，相关数据如下：
当我们将上述数据输⼊LSN评估模型时，我们得到的LPI值为 ⻩⽯国家公园为 84.18，该值较⾼，对应于 IV 级。这表明公园光环境良好，受光污染影响 最⼩。
这与⻩⽯国家公园作为重点保护区，为保护夜间⾃然环境，在减少园内光污染⽅⾯做 出了很多努⼒，⽐如在夜间关闭⾮必要的灯光，⿎励游客使⽤红⾊滤光⼿电筒，这对野⽣ 动物和⼈类的⼲扰较⼩。因此，公园可以保持⾃然的夜间环境。
5 可能的⼲预策略
光污染是影响⼈们⽣产⽣活的⽇益严重的问题。光污染改变了我们对夜空的看法，对 环境产⽣影响，并影响我们的健康和安全。为了减轻光污染的负⾯影响，我们提出了三种 可能的⼲预策略并指出了它们的具体⾏动。然后，我们基于Spearman相关系数和BP神经 ⽹络模型构建了PIA-NN模型，⽤于分析这些特定⾏为对光污染效应的潜在影响。
5.1 战略建议和具体⾏动
从前⽂构建的评价体系来看，影响光污染⽔平最显着的因素是“光”、“社 会”和“⾃然”，其下⼜分为⼗个具体指标。我们针对三个不同的指标并考虑它们的适⽤ 性。最后，我们提出了解决光污染问题的三种⼲预策略及其具体⾏动。
5.1.1 策略⼀：
减少⼈造光强度 太多的⼈造光强度会使夜间的天空变得明亮。这不仅影响⼈类的昼夜节律和健康，还 会影响野⽣动物的摄⻝和迁徙，从⽽破坏⽣态平衡。因此，降低给定区域的⼈造光强度可 以⼤⼤减轻光污染并减轻其有害影响。
为了减少⼈造光强度，可以采取以下具体措施：
⚫ 优化照明设备：⽤⼩功率LED灯替代⼤功率照明设备；在住宅区和建筑⾛廊使⽤ 声控感应灯。
⚫ 规范照明使⽤：将照明设备限制在必要的区域，例如室内区域和需要夜间安全的 区域；拆除郊区、农村⽆居⺠的照明设备。
⚫ 减少夜间活动：尽量减少夜间⼤型聚会和庆祝活动，或者减少其规模和频率。
⚫ 智慧城市规划：在城市规划中，将灯具设计为屏蔽型，仅将光引导到需要照明的 区域，⽽不将光分散到周围环境。
5.1.2 策略⼆：加强宣传教育
我们可以通过教育提⾼公众对光污染的认识，并促进对其有害影响的关注。这将⿎励 公众参与光污染防治，最终缓解问题。为了加强我们的努⼒，我们可以采取以下⾏动：
⚫ 张贴信息海报：在公共区域、社区、学校张贴海报，对公众进⾏光污染教育，提 ⾼认识。
⚫ 举办社区活动：在社区举办讲座、研讨会、展览等宣传活动，帮助公众了解⼈造 光污染的影响和减少⽅法。
⚫ 利⽤媒体宣传：利⽤各种媒体渠道，如电视、⼴播、报纸、杂志和互联⽹，宣传减少光污染及其有害影响的重要性。
⚫ 加强学校教育：通过学校课程、校园公告、教学视频等⽅式向学⽣提供有关光污 染的知识和⽅法，⿎励他们成为环境保护的积极参与者和倡导者。
5.1.3 策略三：
扩⼤植被⾯积 扩⼤植被⾯积是减少光污染的有效途径，植被具有阻挡和吸收光污染的作⽤。植被可 以吸收⼀定波⻓的光污染，也可以反射和散射光，从⽽减轻光污染程度。植被的叶⾯积和 密度越⼤，对光污染的吸收和反射越强。因此，扩⼤植被⾯积可以解决光污染问题。以下 是扩⼤植被覆盖的⼀些具体⾏动：
⚫ 植树：在城乡种植各类树⽊，可以增加植被覆盖度，缓解光污染。
⚫ 绿化建筑：在城市地区，在建筑物和道路上种植树⽊、草坪等绿⾊植被，可以增 加城市植被覆盖率，并通过植被的反射和散射减少光污染。
⚫ 保护现有植被：保护现有的森林、草原、湿地等，防⽌过度开发和破坏，可以保 持植被缓解光污染。
5.2 潜在影响分析-神经⽹络（PIA-NN）模型
⾸先，我们确定了三个直接影响因素：⼈⼯光强度、宣传教育和⽣物多样性，这三个 因素将受到三种⼲预策略的直接影响。 接下来，我们计算了三个直接影响因素与其他因素之间的Spearman相关系数，并找 出了与每个直接影响因素密切相关的间接影响因素。 要分析具体⾏动对光污染影响的潜在影响，了解这些间接影响因素的变化趋势和程度 ⾄关重要。 为了实现这⼀⽬标，我们开发了潜在影响分析-神经⽹络（PIA-NN）模型。通过构建 神经⽹络，获得间接影响因素相对于相应的直接影响因素的变化趋势和程度，并分析特定 ⾏为对光污染效果的潜在影响。
5.2.1 模型建⽴ 要考察具体⾏动对光污染效应的潜在影响，⾸先需要确定三个直接影响因素对其他光 污染因素的影响。为此，结合本⽂的数据库，我们开发了PIA-NN模型。
为了探究因素之间的关系，我们测试了因素的正态性，发现只有天空亮度数据是正常 的。[8]因此，我们选择Spearman相关系数来衡量因素之间的相关性。[9]Spearman相关系 数的具体计算如下：
得到上述三组对应因素之间的相关性后，我们利⽤Matlab中的Neural Fitting应⽤程 序，在之前的数据库的基础上建⽴了三个神经⽹络，分别是：
- ⼈造光强与⼈造光密度、眩光之间的神经⽹络， 天空亮度和⽣物多样性。（策略⼀）
- 2.宣传教育与⼈造光强度、天空之间的神经⽹络 亮度、眩光和⽣物多样性。（策略⼆）
- 3.⽣物多样性与天空亮度和眩光之间的神经⽹络。（策略三）通过这三个神经⽹络， 我们可以清楚地看到随着三个直接影响的变化，相应的间接影响的变化趋势和程度。
5.2.2 结果与分析
根据上述PIA-NN模型，我们得到了三组间接影响及其对应的直接影响的趋势，如下： （策略⼀）⼈造光密度、眩光、天空亮度和⽣物多样性随⼈造光强度的变化趋势。 （策略⼆）通过宣传教育了解⼈造光强度、天空亮度、眩光和⽣物多样性的变化趋势 （策略三）天空亮度和眩光随⽣物多样性的变化趋势。结果如 下图所⽰：
从上图我们可以得出结论：
从图（a）可以看出，随着⼈造光强度的降低，⼈造光密度、天空亮度和眩光均降 低，其中天空亮度降低最明显，眩光次之，⼈造光降低最弱密度，同时⽣物多样性显着增 加。这表明第⼀个策略的具体⾏动将导致夜晚更加⿊暗，进⼀步响应⽣物体的昼夜节律， 提⾼⼈们的睡眠质量，同时为野⽣动物提供更好的⽣态环境；此外，眩光将会减少，夜间 道路交通将更加安全；⽣物多样性会增加，表明该地区的⽣态环境得到改善，更加适合⼈ 类和动植物的⽣存。
从图（b）可以看出，随着光污染意识和教育的增加，⼈造光强度、天空亮度和眩光 明显减少，⽣物多样性仍然增加。这表明第⼆个战略的具体⾏动将提⾼⼈们的意识，积极 参与光污染防治⾏动，从⽽减少⼈造光强度，还城市的夜晚和星空；减少眩光可以有效减 少⼈们眼部疾病的发⽣，从⽽对⼈们的健康产⽣积极的影响；⽣物多样性的增加可以为⼈ 类提供更好的⽣存环境。
从图（c）可以看出，随着⽣物多样性的增加，天空亮度和眩光均出现明显的下降趋 势，且天空亮度下降的程度更为明显。这表明第三种策略的具体⾏动具有与前两种情况类 似的潜在影响，改善了⼈们对天空的印象，减少了交通事故的发⽣，给⼈们的⾝⼼健康带 来了积极的影响。
6 哪种策略最有效？
在本节中，我们研究了针对不同地区分别实施三种⼲预策略的不同效果。基于前4.4 节对四个不同区域光污染⽔平的评估，考虑不同区域⼲预策略的可⾏性，我们选择了两个 具有代表性的区域。⼀个是亚利桑那州塞多纳，光污染低的农村社区，另⼀个是纽约州纽 约市，光污染⾼的⼤城市，我们模拟在这两个地区实施三种不同的⼲预策略
本⽂提出的三种⼲预策略将分别直接影响⼈⼯光强度、宣传教育⼒度和⽣物多样性这 三个指标，并且由于这三个直接影响指标与某些其他指标之间存在相关性，因此这三个指 标的变化直接影响指标会导致相应间接影响指标的变化，我们应⽤前⽂建⽴的三个神经⽹ 络来预测每组间接影响指标的变化。
PIA-NN模型可以让我们获得战略实施和⽬标实现后该区域的指标值。最后，通过对⽐ 该策略实施前后该地区的LPI，我们可以清楚地看到该策略对该地区光污染⻛险⽔平的影 响。
为了排除时间和强度对策略效果的影响，我们将每个策略的预定义⽬标设置为：该策 略将相应的直接影响指标增加或减少相同程度，例如增加或减少10%。以此作为策略实施 后计算该地区LPI的基础。
6.1 亚利桑那州塞多纳的结果
亚利桑那州塞多纳实施三种不同⼲预策略的结果如下：
上图显⽰策略 I 是亚利桑那州塞多纳最有效的⼲预措施。当策略⼀的⽬标为90%时， 即当策略⼀的实施将⼈⼯光强度降低到90%时，社区的LPI显着增加。然⽽值得注意的 是，⼀旦⼈造光强度增加，例如增加到110%，该区域的LPI也会迅速下降。策略II和策略 III的LPI都有所增加，但不如策略I那么多。
6.2 纽约州纽约市的结果 纽约州纽约市实施三种不同⼲预策略的结果如下：
从上图我们可以看出，纽约州纽约市的LPI很低，属于重度光污染级别。虽然本⽂提 出的三种⼲预策略的实施将改善纽约州纽约市的LPI，但该策略的实施仍然使纽约州纽约 市处于严重光污染级别。策略⼀的LPI提升最快，预定⽬标为90%。策略⼆和策略三的实 施对该区域的LPI值影响不⼤，但相⽐之下策略⼆⽐策略三更有效。
6.3 最终结果
对⽐前两张图，我们可以得出结论，实施策略⼀对于亚利桑那州塞多纳市和纽约州纽 约市的光污染减少效果最为有效，其预期⽬标相同，但不同之处在于策略⼀的影响就纽约 市⽽⾔，纽约更为明显。不同的是，策略⼀对纽约州纽约市的影响更为明显。
策略⼀是从源头预防光污染。从前⾯的分析可以看出，⼈造光强度与⼈造光密度、眩 光、天空亮度密切相关，它们是影响光污染的主要因素，在LSN评价体系中占有较⼤的权 重，因此减少⼈造光强度对提⾼LSN评价体系中的LPI有显着效果。
7 敏感性分析
在构建PIA-NN模型时，我们分别验证了⼈⼯光强度、宣传教育⼒度、⽣物多样性等指 标之间的相关性，并筛选相关指标构建神经⽹络。可能是由于对问题考虑的不全⾯，导致 忽略了⼀些可能产⽣影响的⼈造光强度、宣传教育⼒度、⽣物多样性等指标。为了测试这 种可能的影响，我们重建了带有眩光、⽣物多样性和天空亮度的⼈造光强度的神经⽹络， 并通过改变⼈造光强度来观察原始模型和本模型与眩光、⽣物多样性和天空亮度的关系。 结果如下
从图中可以看出，改变⼈⼯光强度后，前后使⽤两个神经⽹络预测的三个指标的值都 ⽐较接近。结果表明，去除⼈造光密度指标对眩光、⽣物多样性和天空亮度的分析⼏乎没 有影响。这也表明未考虑的因素不会影响现有因素的分析，模型是稳健的。
8 模型评估及进⼀步讨论
8.1 优势
⚫ 为保证结果的可靠性，本⽂使⽤的数据均是官⽹提供的最准确、最新的数据。此 外，在尝试综合该问题时考虑了各种因素。因此，本⽂的研究结果具有较⾼的参 考价值。
⚫ 我们综合考虑了光、社会、⾃然等⽅⾯的各项指标，使我们的评价模型更加全 ⾯、准确、客观。
⚫ 本⽂结合神经⽹络模型构建了PIA-NN模型。在寻找指标之间的相关性时，神经⽹ 络通过包含⾜够神经元的隐藏层来逼近任意复杂度和任意精度的连续函数。与其 他线性模型相⽐，神经⽹络模型具有优越的性能，使其结果更加准确。
⚫ 我们的模型的结果也符合常识和经验。
8.2 弱点
⚫ 由于时间有限，本⽂仅选取了55个地区的数据作为数据库，建⽴了LNS评价体 系，通过模糊聚类分析将光污染⼤致分为四类，但尚不清楚LPI 值的范围。
⚫ 模型中使⽤的数据不完整。由于客观原因，我们⽆法获得所需指标的全部数据， 这些数据不可避免地存在缺失值。虽然我们已经处理了缺失值，但是模型拟合的 准确性还是受到了⼀定的影响
8.3 进⼀步讨论
由于本⽂的数据库只有55个区域，基于该数据库的光污染⻛险等级分类可能存在偏 差。因此，我们可以收集更多不同地区的数据，形成数据库进⾏分析，得到更准确、合理 的光污染⻛险等级划分标准。
9 结论
本⽂开发了⼀种⼴泛适⽤的评估模型来识别某个地点的光污染⻛险级别。我们选取了 全球55个有代表性的地点，并使⽤这些地点的相关数据作为本⽂的数据库。将所有数据带 ⼊LSN评价模型，计算各区域的LPI值，然后通过模糊聚类分析将55个区域分为四类，从⽽ 将轻污染等级分为四个等级，定义为： ⼀级：重度污染，⼆级：中度污染，三级：轻微污 染，四级：⽆污染。
基于上述模型，我们选择纽约市、⻉尔维尤、塞多纳和⻩⽯国家公园作为每种地点类 型的代表。他们的 LPI 值计算为 35.55、41.33、76.94、84.18。由此，其光污染⻛险等级 分别为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级。
为了有效解决光污染问题，我们提出了三种可能的⼲预策略并指出了具体⾏动。最 后，我们构建了⼀个 PIA-NN 模型来分析这些具体⾏为对光污染效应的潜在影响。
基于上述模型，我们选择塞多纳和纽约市作为研究对象。分别针对这两个领域模拟了 三种不同的⼲预策略。结论是，实施策略⼀对于降低这两个地区的光污染⽔平最为有效。
标题
守护⿊夜，掌控光明！
摘要
⼈们通常会被城市灯光的“美丽”所震撼，却没有意识到这些也是污染的图像，就像欣 赏汽油在⽔中产⽣的彩虹⾊的美丽⽽没有意识到这是化学污染⼀样。在本⽂中，我们构建 了⼀个⼴泛适⽤的光污染⻛险评估模型来评估给定地点的⻛险⽔平，并提出了⼀个⼲预策 略模型来减轻不同地点的光污染影响。
对于任务 1，我们提出光污染⻛险评估模型。该模型整合了来⾃以下⽅⾯的⻛险：四个 维度：光污染造成的⼈类、野⽣动物、植物和能源浪费。综合多项相关指标，EWM拓扑应 ⽤于解决整体⻛险评分，分为四个级别：脆弱(0-1)、较差(1-2)、⼀般(2-3)、良好(3-4)。
对于任务 2，光污染⻛险评估模型应⽤于深圳四⼤典型区域，代表城市、郊区、农村和 保护区。在数据准备阶段，我们利⽤夜间遥感和多光谱遥感数据估算研究区域的归⼀化植 被指数（NDVI）、夜间辐射度和⼈⼝密度。保护区的⻛险评分为0.357992，⽽农村社区 的⻛险评分为1.859474，郊区社区的⻛险评分为2.114942，城市社区的⻛险评分为 3.19662。这些分数分别对应于脆弱、较差、⼀般和良好⽔平。
对于任务 3，我们制定了三种⼲预策略，包括改善光源，降低光照强度，优化区域灯光 布局。然后我们为每个策略列出多个具体操作。基于微分⽅程的⼲预策略模型旨在量化三 种策略如何影响⻛险⽔平。
对于任务 4，我们选择城市和郊区社区来验证三种⼲预策略的有效性。
未来50年，三⼤ 策略实施后的⻛险评分⼤约降低2%,6%， 和3% 分别。可以得出结论，第⼆种策略，降低 照明强度，旨在减少光辐射总量是城市和郊区最有效的⼲预策略。 最后，对⻛险评估模型的敏感性分析表明，单个评估指标-10%~10%的波动对最终⻛险 评分具有合理的影响，如图1所⽰。图16. 因此，该模型对于单个指标的变化具有鲁棒性。 此外，策略模型的敏感性分析如图所⽰图17 意味着我们的模型对于增⻓率来说是稳健的。
关键词：光污染；⼲预策略；EWM-TOPSIS；微分⽅程
1 简介
1.1 问题背景
观看国际空间站拍摄的地球夜间图像，⼈们普遍被城市灯光的“美丽”所震撼，就像圣 诞树上的灯光⼀样，却没有意识到这些也是污染的图像。这就像欣赏汽油在⽔中产⽣的彩 虹⾊的美丽，却没有意识到这是化学污染。
不恰当或过度使⽤⼈造光（称为光污染）可能会对⼈类、野⽣动物和⽓候造成严重的环 境后果。光污染的组成部分包括：
· 光侵⼊：光落在不想要或不需要的地⽅
· 过度照明：照明强度⾼于适当的强度 ·
光簇：明亮、混乱且过多的光源分组
光污染的影响可能是深远且多样的，影响⾃然和⼈类系统。越来越多的证据表明光污染 与对⼈类健康、野⽣动物和环境的可衡量的负⾯影响有关。这些负⾯影响的⼀些例⼦包 括：
· 危害⼈类健康并影响犯罪和安全
· 破坏⽣态系统和野⽣动物
· 能源消耗增加
· 影响天⽂观测
重要的是要了解这些影响并采取措施减轻这些影响，以尽量减少对我们的环境、健康和 经济的负⾯影响。还有很⼤的改进空间 - 如果我们更仔细地照明，我们应该能够减少负⾯ 影响，同时仍然照亮地⾯。
有多种⼲预策略可⽤于解决光污染问题，例如使⽤屏蔽、定向和节能照明、制定照明条 例和实施照明宵禁等。
1.2 问题的重述
COMAP 照明控制任务 (ICM) 要求我们提⾼⼈们对光污染影响的认识，并制定⼲预策略 以减轻负⾯影响。
任务1：提出⼀个⼴泛适⽤的指标来衡量光污染⻛险⽔平 ⼀个地点，包含⼈类和⾮⼈类的关注点。
任务2：应⽤我们的指标并在以下四种不同类型的位置解释其结果： 包括受保护的⼟地地点、农村社区、郊区社区和城市社区。
任务3：概述三种可能的⼲预策略来解决光污染和 讨论为实施每项战略可采取的具体⾏动。考虑这些⾏动对光污染总体影响的潜在 影响。
任务4：选择两个位置并应⽤之前开发的指标来确定 每个地点解决光污染最有效的⼲预策略。讨论所选⼲预策略如何影响该地点的⻛ 险⽔平。
1.3 我们的⼯作
为了避免复杂的描述，直观地反映我们的⼯作流程，流程图如图2所⽰：
2 假设与解释
考虑到实际问题总是包含许多复杂的因素，⾸先我们需要做出合理的假设来简化模型， 并且每个假设都紧接着其相应的解释：
假设1：我们将市场上使⽤的照明灯具类型分为LED、 荧光灯和其他照明灯具。
解释：LED和荧光灯的光谱和能源效率与市场上其他照明灯具有显着不 同。为了简化模型，我们将照明灯具的主要类型分为LED、荧光灯和其他 照明灯具。
假设2：我们假设我们在评估中没有选择的指标 评估模型对系统影响较⼩。
解释：影响光污染的因素太多需要考虑，所以这个假设是合理的，有助于 避免构建模型时不必要的⿇烦。
假设3：策略模型研究期间，变量如 不同地区和城市的⼈⼝密度、物种丰富度、植被覆盖度以及各种照明灯具 的发光效率保持相对稳定。
解释：这些变量可能会经历⼀些波动，但为了简化模型，我们忽略这些微 ⼩的变化。
假设4：我们假设所选的四个区域具有⾜够的代表性， 因此我们在前期研究中建⽴的评估模型的权重系数可以应⽤于全球任何地 点进⾏⻛险评估。
解释：我们选择的四个区域具有典型的城市、郊区、农 村和保护区特征。为了简化问题并使模型适⽤于任何区域，可以认为从这 四个区域获得的模型指标的权重系数是恒定的。
