期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2,869篇文章
< 1 2 … 144 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器学习的郑州市大气PM_(2.5)与O_(3)浓度预测方法及气象因子的影响分析
1
作者 张容硕 谢沛远 +5 位作者 陈宏飞 杨清荣 关民普 马南 尉鹏 朱仁成 《环境科学研究》 CAS CSCD 北大核心 2024年第3期469-478,共10页
近年来,我国面临着细颗粒物(PM_(2.5))污染形势依然严峻以及臭氧(O_(3))污染日益凸显的双重压力.为进一步准确预测郑州市大气PM_(2.5)与O_(3)浓度并探明气象因子的影响,本研究使用2018−2022年郑州市大气污染物和气象因子逐时数据,结合... 近年来,我国面临着细颗粒物(PM_(2.5))污染形势依然严峻以及臭氧(O_(3))污染日益凸显的双重压力.为进一步准确预测郑州市大气PM_(2.5)与O_(3)浓度并探明气象因子的影响,本研究使用2018−2022年郑州市大气污染物和气象因子逐时数据,结合统计学单因素分析和机器学习LightGBM模型多因素分析,建立了一种基于长时间序列数据的PM_(2.5)与O_(3)浓度预测及气象因子影响分析的综合分析方法.结果表明:①训练后的LightGBM模型能够较好地预测PM_(2.5)污染,准确率达80.8%;对O_(3)污染预测的准确率为52.5%.②郑州市大气PM_(2.5)浓度与气压呈正相关,与比湿和环境温度均呈负相关;大气O_(3)8 h滑动平均浓度(O_(3)-8 h浓度)与比湿和太阳辐射均呈正相关,与气压呈负相关.③有利的气象条件可能是2021年PM_(2.5)年均浓度得到显著改善的重要因素;同时,不利的气象条件也促使2021年和2022年6月O_(3)月评价值(O_(3)日最大8 h滑动平均90百分位浓度)有所上升.研究显示,这种基于长时间序列的综合分析方法适用于大气PM_(2.5)与O_(3)浓度的气象因子影响分析,也能有效预测PM_(2.5)与O_(3)的浓度. 展开更多
关键词 大气污染防控 细颗粒物(pm_(2.5)) 臭氧(O_(3)) 气象因素 机器学习 郑州市
下载PDF
重庆市绿色空间景观格局与PM_(2.5)浓度时空相关性
2
作者 苟爱萍 李皖新 王江波 《地球科学与环境学报》 CAS 北大核心 2024年第1期25-37,共13页
空气中的细颗粒物对人民群众身体健康产生严重威胁,探究绿色空间景观格局对PM_(2.5)浓度的影响,有助于通过调整绿色空间格局降低PM_(2.5)浓度。以重庆市1980~2020年土地利用遥感监测数据和PM_(2.5)浓度数据作为基础数据,通过景观格局指... 空气中的细颗粒物对人民群众身体健康产生严重威胁,探究绿色空间景观格局对PM_(2.5)浓度的影响,有助于通过调整绿色空间格局降低PM_(2.5)浓度。以重庆市1980~2020年土地利用遥感监测数据和PM_(2.5)浓度数据作为基础数据,通过景观格局指数法、空间自相关分析研究绿色空间景观格局及PM_(2.5)浓度变化特征,再通过时空地理加权回归(GTWR)模型研究绿色空间景观格局指数变化对PM_(2.5)浓度的影响及其时空异质性。结果表明:①重庆市PM_(2.5)浓度从1980年至2010年逐渐上升,2010年至今逐渐降低;同时,其空间分布具有显著聚集特征,主要显示为东部低-低聚集、西部高-高聚集的特征。②林地、草地和耕地的面积指数(TA)、斑块密度指数(PD)和斑块连接度指数(COHESION)与PM_(2.5)浓度具有显著的相关性。其中,林地面积指数呈负影响,耕地、草地面积指数呈正影响;林地、草地斑块密度指数呈正影响,耕地斑块密度指数呈负影响;林地、草地和耕地斑块连接度指数均呈负影响。③主城都市区内,草地面积指数和耕地斑块密度指数对PM_(2.5)浓度的负影响较强。渝东北三峡库区城镇群和渝东南武陵山区城镇群内,林地聚合度指数(AI)、斑块密度指数和斑块连接度指数以及耕地面积指数对PM_(2.5)浓度的影响较强。 展开更多
关键词 绿色空间 景观格局指数 消减效应 pm_(2.5)浓度 空间自相关分析 时空地理加权回归模型 时空异质性 重庆
下载PDF
江苏省县域PM_(2.5)浓度时空变化特征研究
3
作者 楚翠姣 钟声 +2 位作者 梁进 茅晶晶 郁建桥 《环境科学与管理》 CAS 2024年第3期140-145,共6页
文章利用江苏省2017年-2022年环境空气质量监测数据,分析了全省县域细颗粒物(PM_(2.5))浓度时空变化特征,与气象因素的相关关系,并比较了与主城区PM_(2.5)浓度的差异。结果显示,江苏省县域PM_(2.5)浓度呈逐年下降趋势,5年降幅为25.4%,... 文章利用江苏省2017年-2022年环境空气质量监测数据,分析了全省县域细颗粒物(PM_(2.5))浓度时空变化特征,与气象因素的相关关系,并比较了与主城区PM_(2.5)浓度的差异。结果显示,江苏省县域PM_(2.5)浓度呈逐年下降趋势,5年降幅为25.4%,年均下降速率为2.1μg/(m 3.a)。空间分布呈“西北部偏高,东南部偏低”的特征。与气象因素的相关性表明,县域PM_(2.5)月均浓度整体与月均气温、月均风速呈显著负相关,但仅个别月份,与月均相对湿度呈负相关。与主城区PM_(2.5)平均浓度相比,县域平均浓度整体较低,但二者浓度差呈现逐年迅速减小趋势,从日变化看,二者浓度差最大出现在上下班高峰时段。 展开更多
关键词 pm_(2.5)污染 县域 城县差异 气象因素 江苏省
下载PDF
典型人类活动对关中平原城市群PM_(2.5)浓度的影响
4
作者 李常巘佶 高美玲 李振洪 《地球科学与环境学报》 CAS 北大核心 2024年第2期180-195,共16页
为应对突发公共卫生事件而采取的流动限制性措施,为研究人类活动对PM_(2.5)浓度的影响提供了一个独特的自然实验环境,但该期间关中平原城市群PM_(2.5)浓度分布及驱动力有何变化尚缺乏关注。基于2018~2020年PM_(2.5)遥感反演数据,采用空... 为应对突发公共卫生事件而采取的流动限制性措施,为研究人类活动对PM_(2.5)浓度的影响提供了一个独特的自然实验环境,但该期间关中平原城市群PM_(2.5)浓度分布及驱动力有何变化尚缺乏关注。基于2018~2020年PM_(2.5)遥感反演数据,采用空间自相关分析、地理探测器和多尺度地理加权回归(MGWR)模型,分析2020年2月至3月实施流动限制性措施期间关中平原城市群PM_(2.5)浓度及驱动因子的时空演变特征。结果表明:①2020年2月至3月PM_(2.5)浓度显著下降,2020年2月热点减少,3月冷点减少。②相比历年同期,所有人为因素单因子在2020年2月对关中平原城市群PM_(2.5)浓度的解释力最低,自然因素解释力较高。其中,工厂兴趣点分布(POI_D)及路网分布(RD)解释力相比历年同期平均解释力降幅最大,分别为20.3%和38.6%。所有人为因素双因子交互影响解释力在2020年2月最低。③所有人为因素在2020年2月对关中平原城市群PM_(2.5)浓度的作用尺度最小,当不同时期人为因素强度处于平均水平时,实施流动限制性措施期间的PM_(2.5)浓度更易降低,但东部地区的PM_(2.5)浓度防治强度还需增大。 展开更多
关键词 驱动因子 时空演变 pm_(2.5)浓度 空间自相关 地理探测器 多尺度地理加权回归模型 关中平原
下载PDF
顾及PWV的广西地区多尺度PM_(2.5)浓度预测
5
作者 谢劭峰 张亚博 +3 位作者 黄良珂 魏朋志 张继洪 唐友兵 《桂林理工大学学报》 CAS 北大核心 2024年第1期90-95,共6页
针对现有的雾霾预测方法较少考虑可降水量的影响,且大部分预测方法都没有对模型回归残差进行有效处理因而预测精度不是很高的问题,利用广西南宁、桂林、梧州和百色四市2017年的PM_(2.5)日均值数据,结合大气污染物、气象因子和大气可降水... 针对现有的雾霾预测方法较少考虑可降水量的影响,且大部分预测方法都没有对模型回归残差进行有效处理因而预测精度不是很高的问题,利用广西南宁、桂林、梧州和百色四市2017年的PM_(2.5)日均值数据,结合大气污染物、气象因子和大气可降水量PWV等因素,分别建立全年和分季度的ARIMA模型对该地区PM_(2.5)日均浓度进行短期预测,并将ARIMA模型预测残差分别用前馈神经网络径向基函数RBF和多层感知器MLP进行拟合,以达到优化ARIMA模型的目的。结果表明,除桂林外,分季度ARIMA模型预测效果优于全年ARIMA模型,季度ARIMA-MLP神经网络预测精度优于分季度ARIMA模型,表明该类模型可以用于区域PM_(2.5)浓度预测。 展开更多
关键词 pm_(2.5) PWV ARIMA 前馈神经网络
下载PDF
融合2维卷积与注意力以预测PM_(2.5)浓度的S-TCN模型
6
作者 李春辉 张瑛琪 孙洁 《国外电子测量技术》 2024年第1期77-86,共10页
针对传统预测模型对PM_(2.5)浓度预测精度较低、可解释性差的缺陷,提出一种融合2维卷积层(2D convolution)和注意力层的时空卷积网络预测模型(spatio-2D-temporal convolutional networks attention, S-2D-TCNA)。选取北京市2014年5月1... 针对传统预测模型对PM_(2.5)浓度预测精度较低、可解释性差的缺陷,提出一种融合2维卷积层(2D convolution)和注意力层的时空卷积网络预测模型(spatio-2D-temporal convolutional networks attention, S-2D-TCNA)。选取北京市2014年5月1日~2015年4月30日的36个监测站点逐小时空气质量和气象数据,通过对多个站点时空相关性分析,将符合相关性阈值的监测站数据输入至卷积进行升维再降维的处理方式,得出具有时空序列的输入特征;将注意力融入时间卷积网络预测模型,用于预测未来1 h的中心监测站PM_(2.5)浓度。在模型训练优化参数过程中,通过Adam来训练深度学习模型的参数,然后使用贝叶斯优化来调整模型的超参数,这种方法能找到模型的最佳参数,使其均方根误差、平均绝对误差分别减少3.791%和5.576%,拟合优度增大0.67%;在质量方面,所提出的S-Conv2D-TCNA模型均方根误差、平均绝对误差和拟合优度分别为16.020 9、10.610 0和0.942 8,该预测模型在准确性和稳定性方面优于基线模型。结果表明,该预测模型空气污染的预警、区域预防和控制方面大有可为。 展开更多
关键词 时空序列 注意力 时间卷积网络(TCN) pm_(2.5)浓度
原文传递
PCA-BP模型下皖北城市群PM_(2.5)浓度分析
7
作者 张弛 朱宗玖 《科学技术与工程》 北大核心 2024年第6期2601-2606,共6页
为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中PM_(2.5)浓度的相关变量,结合2018—2021年安徽省生态环境厅统计数据及相关地域资料,采用主成分分析(principal component analysis, PCA)法按时间段长短及... 为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中PM_(2.5)浓度的相关变量,结合2018—2021年安徽省生态环境厅统计数据及相关地域资料,采用主成分分析(principal component analysis, PCA)法按时间段长短及季节性变化分别选取月度数据与年度数据对空气质量的影响因子做相关性分析,对比分析不同季节下空气污染物PM_(2.5)、PM_(10)的浓度及其他空气污染物浓度的变化,构建基于PCA算法的反向传播神经网络(back-propagation, BP),建立PCA-BP模型并采用交叉-验证法提高模型精度,对大气污染物PM_(2.5)的浓度做短期预测。实验结果表明:PM_(2.5)浓度的主要影响因子为PM_(10)、CO、NO_(2)、SO_(2);皖北地区PM_(2.5)含量整体在冬季偏高;预测模型的精度在夏季与秋季较高,冬季较低,四季的预测精度R2分别达到0.924、0.958、0.935、0.794。 展开更多
关键词 BP神经网络模型 主成分分析 pm_(2.5)预测 空气污染物
下载PDF
四川盆地大气混合层高度变化特征及其与PM_(2.5)浓度之间关系
8
作者 刘炜桦 王寅钧 +2 位作者 赵晓莉 王敏 罗磊 《气象与环境科学》 2024年第2期62-69,共8页
利用四川盆地2016-2018年的探空资料,估算了3个代表地区(成都、宜宾、达州)最大混合层高度(MMH),运用ERA-interim再分析资料的边界层高度(ERA-PBLH)验证MMH计算结果的可靠性,分析了MMH的概率分布、季节变化特征,并结合同期PM_(2.5)日均... 利用四川盆地2016-2018年的探空资料,估算了3个代表地区(成都、宜宾、达州)最大混合层高度(MMH),运用ERA-interim再分析资料的边界层高度(ERA-PBLH)验证MMH计算结果的可靠性,分析了MMH的概率分布、季节变化特征,并结合同期PM_(2.5)日均浓度资料及地面气象观测资料,探讨了MMH和其他气象因子与PM_(2.5)日均浓度之间的关系。结果表明,四川盆地MMH整体偏低。在季节分布上,成都和宜宾MMH春季的最高,秋季的最低,达州夏季的最高,冬季的最低,这种地区性差异的主要原因来自感热通量及水汽条件的季节变化。总体上PM_(2.5)日均浓度随MMH的升高而逐渐减小。重污染天气多发生在MMH较低、相对湿度较大的情况下,较低的抬升凝结高度限制了混合层的增高,并且气溶胶吸湿增长作用明显,污染物容易聚集。盆地PM_(2.5)浓度的高值主要集中在风速为1.0 m/s左右,盆地内空气流入对当地污染物浓度有明显的增长作用。 展开更多
关键词 最大混合层高度 特征分析 pm_(2.5) 气象因子
下载PDF
基于TCN的PM_(2.5)浓度预测模型
9
作者 任瑛 马乐荣 夏必胜 《微型电脑应用》 2024年第4期89-92,共4页
作为大气污染主要因素之一的可吸入颗粒物PM_(2.5)严重影响人类的健康,受到广泛的关注。科学高效地预测PM_(2.5)有利于人类提前做好防护措施,保护自身安全。为此设计了基于时域卷积神经网络的PM_(2.5)浓度预测模型,选取中国环境监测总... 作为大气污染主要因素之一的可吸入颗粒物PM_(2.5)严重影响人类的健康,受到广泛的关注。科学高效地预测PM_(2.5)有利于人类提前做好防护措施,保护自身安全。为此设计了基于时域卷积神经网络的PM_(2.5)浓度预测模型,选取中国环境监测总站的全国城市空气质量实时发布平台的数据,对陕西省西安市的PM_(2.5)浓度进行了预测,并对预测结果进行分析。与长短时记忆神经网络和门控循环单元模型进行对比实验,结果表明时域卷积神经网络在预测PM_(2.5)浓度中具有较好的性能。 展开更多
关键词 pm_(2.5)预测 时域卷积神经网络 循环神经网络
下载PDF
基于BP神经网络和模糊隶属度的PM_(2.5)浓度校准
10
作者 周云 《中国资源综合利用》 2024年第4期54-56,共3页
基于大量数据,采用Pearson相关系数与模糊隶属度分析自建点与国控点的细颗粒物(PM_(2.5))浓度数据相关性。其间通过建立反向传播(Back Propagation,BP)神经网络模型进行训练,并采用遍历试错法确定神经网络的最优算法与相关参数。经反复... 基于大量数据,采用Pearson相关系数与模糊隶属度分析自建点与国控点的细颗粒物(PM_(2.5))浓度数据相关性。其间通过建立反向传播(Back Propagation,BP)神经网络模型进行训练,并采用遍历试错法确定神经网络的最优算法与相关参数。经反复调试,校准结果相对于国控点数据的均方误差下降到0.005,均等系数为0.95,系统显示出优异的校准性能。研究结果表明,结合模糊隶属度预处理原始数据后,训练算法选用适宜、结构设定合理的BP神经网络能很好地校准自建点PM_(2.5)浓度数据,提高自建点数据精度。 展开更多
关键词 pm_(2.5)浓度 BP神经网络 模糊隶属度 校准
下载PDF
黄土高原PM_(2.5)质量浓度与微雨事件的权衡−协同关系演化
11
作者 吴桐 马蓓蓓 +3 位作者 庞先峰 曹立国 袁水妹 宋永永 《地理科学》 CSCD 北大核心 2024年第4期721-732,共12页
基于权衡−协同关系视角,从长时间序列和多层次空间尺度探讨1998—2017年黄土高原PM_(2.5)质量浓度与微雨事件的作用关系、时空演化及地域分异。结果表明:①黄土高原PM_(2.5)质量浓度和微雨事件均表现出以5 a或4 a为周期的“三峰三谷”... 基于权衡−协同关系视角,从长时间序列和多层次空间尺度探讨1998—2017年黄土高原PM_(2.5)质量浓度与微雨事件的作用关系、时空演化及地域分异。结果表明:①黄土高原PM_(2.5)质量浓度和微雨事件均表现出以5 a或4 a为周期的“三峰三谷”波动小幅上升趋势。②PM_(2.5)质量浓度和微雨事件间的作用关系呈现出“过程上的协同性+增量上的权衡性”特征;从过程演化来看,协同关系是研究期内黄土高原PM_(2.5)质量浓度和微雨事件的主导关系,但从基于倾斜率的增量变化上看,二者以异向的权衡关系为主导,表明微雨事件的强化在黄土高原未来的雾霾治理中具有重要意义。③不同微雨事件指标与PM_(2.5)质量浓度的空间关系和演化趋势存在差异;冬春季节微雨事件,尤其是冬春微雨天数与PM_(2.5)质量浓度的作用关系明显强于年尺度。④PM_(2.5)质量浓度和微雨事件权衡−协同关系及演化在不同治理分区差异显著,城镇化和工业化水平较高的河谷平原区和土石山区是二者关系敏感区。 展开更多
关键词 pm_(2.5)质量浓度 微雨事件 权衡−协同 雾霾 黄土高原
原文传递
大气PM_(2.5)浓度与喘息儿童日就诊量的相关性研究
12
作者 秦颖超 张晓英 《蚌埠医学院学报》 CAS 2024年第1期115-118,共4页
目的:研究大气PM_(2.5)浓度与喘息儿童日就诊量的关系。方法:在控制时间的中长期效应、节假日效应、星期效应基础上,利用时间序列的广义相加模型,回顾性分析2019年上海市东部地区某三甲医院儿科门急诊喘息儿童的日就诊量受天气(日平均... 目的:研究大气PM_(2.5)浓度与喘息儿童日就诊量的关系。方法:在控制时间的中长期效应、节假日效应、星期效应基础上,利用时间序列的广义相加模型,回顾性分析2019年上海市东部地区某三甲医院儿科门急诊喘息儿童的日就诊量受天气(日平均温度、相对湿度)和大气污染物(PM_(2.5)、PM_(10)、SO_(2)、NO_(2)及O_(3))的影响程度,并推测上述指标相应浓度范围的超额危险度(ER)。结果:上海市东部地区PM_(2.5)浓度对喘息儿童的日就诊量存在影响,大气PM_(2.5)浓度与PM_(10)、SO_(2)和NO_(2)浓度均呈正相关关系(r=0.780、0.601、0.658,P<0.05);与相对湿度、温度均呈负相关关系(r=-0.015、-0.270,P<0.05)。PM_(2.5)暴露对日就诊量的影响存在滞后效应,滞后1 d影响最大。单污染物模型结果显示,PM_(2.5)浓度每升高10μg/m 3,日就诊超额危险度(ER)(95%CI)为4.251%(0.824%~7.796%);分别引入当日SO_(2)、NO_(2)及O_(3)建立双污染物质模型,PM_(2.5)+SO_(2)、PM_(2.5)+NO_(2)和PM_(2.5)+O_(3)中,大气PM_(2.5)浓度每升高10μg/m^(3),日就诊量ER(95%CI)分别为5.442%(0.747%~10.355%)、5.371%(1.378%~9.522%)和4.535%(1.481%~7.682%)。结论:大气高浓度PM_(2.5)暴露可能影响喘息儿童日就诊量,使之增加。 展开更多
关键词 喘息 儿童 pm_(2.5) 广义相加模型 时间序列分析
下载PDF
基于RF-EMD-LSTM对PM_(2.5)浓度预测研究
13
作者 吴晓璇 朱俊 文强 《河北师范大学学报（自然科学版）》 CAS 2024年第3期234-243,共10页
实现PM_(2.5)浓度的精准预测对空气污染防治具有重要的指导作用.鉴于多数研究中PM_(2.5)浓度预测算法和特征都较为单一,不能精确实现PM_(2.5)浓度的短时预测,提出了一种新颖的混合预测框架(RF-EMD-LSTM),通过过去24 h数据实现下一小时PM... 实现PM_(2.5)浓度的精准预测对空气污染防治具有重要的指导作用.鉴于多数研究中PM_(2.5)浓度预测算法和特征都较为单一,不能精确实现PM_(2.5)浓度的短时预测,提出了一种新颖的混合预测框架(RF-EMD-LSTM),通过过去24 h数据实现下一小时PM_(2.5)浓度预测.首先利用随机森林算法(random forests, RF)对污染物数据特征进行重要性评估,实现特征选择;然后再将特征数据与通过经验模态分解(empirical mode decomposition, EMD)的PM_(2.5)特征分解后的序列联合作为长短期记忆网络(long short term memory network, LSTM)的输入数据,进行模型训练,训练结果相加获得最终PM_(2.5)浓度预测值.实验结果表明,提出的混合模型与其他单一模型相比,预测精度明显最佳. 展开更多
关键词 pm_(2.5)预测 随机森林算法 经验模态分解 长短期记忆网络
下载PDF
黑龙江省PM_(2.5)浓度与土地利用的相关性分析
14
作者 田若颖 周嘉 徐畅 《现代园艺》 2024年第6期21-24,共4页
基于2010-2020年黑龙江省PM_(2.5)浓度数据及土地利用/覆被变化(LUCC)数据,对该省PM_(2.5)及LUCC进行了时空分布特征分析,并利用Arc GIS空间分析、地理加权回归等手段探讨PM_(2.5)变化与LUCC的相关性。结果表明,(1)黑龙江省11年来PM_(2... 基于2010-2020年黑龙江省PM_(2.5)浓度数据及土地利用/覆被变化(LUCC)数据,对该省PM_(2.5)及LUCC进行了时空分布特征分析,并利用Arc GIS空间分析、地理加权回归等手段探讨PM_(2.5)变化与LUCC的相关性。结果表明,(1)黑龙江省11年来PM_(2.5)年均浓度的空间格局均为西南高、东北低。时间格局呈先上升、后下降的趋势;(2)2010-2020年黑龙江省土地利用类型/覆被以耕地、林地为主。土地利用类型面积变化主要为林地、草地转为人造地表;(3)通过GWR进行响应分析发现,PM_(2.5)变化对土地利用/覆被变化有显著的响应作用。当林地草地转化为人造地表时PM_(2.5)浓度上升,而耕地及人造地表转为林地草地时PM_(2.5)浓度降低。因此,增加绿地面积对于防止PM_(2.5)浓度上升具有重要作用。 展开更多
关键词 pm_(2.5) 土地利用/覆被变化(LUCC) 地理加权回归(GWR) 空间响应
下载PDF
城市大气环境PM_(2.5)浓度变化特征及治理浅析
15
作者 陈其胜 韩锟 薛娟霞 《皮革制作与环保科技》 2024年第1期105-107,共3页
城市大气环境中PM_(2.5)浓度的变化特征及治理是一个备受人们关注的环境问题。本文通过对城市大气PM_(2.5)浓度的时间、空间和区域变化特征进行分析,发现PM_(2.5)浓度在不同时间存在明显的季节性和日变化特征,且在城市内部存在空间异质... 城市大气环境中PM_(2.5)浓度的变化特征及治理是一个备受人们关注的环境问题。本文通过对城市大气PM_(2.5)浓度的时间、空间和区域变化特征进行分析,发现PM_(2.5)浓度在不同时间存在明显的季节性和日变化特征,且在城市内部存在空间异质性。此外,不同城市和地区的PM_(2.5)浓度也存在显著差异,并受到多种因素的影响,如工业排放、交通污染、气象条件等。本文对城市空气PM_(2.5)的主要来源进行了分析,并提出改善城市大气环境质量、保护居民健康的对策。 展开更多
关键词 城市大气环境 pm_(2.5)浓度 变化特征
下载PDF
基于多元线性回归模型的赣州市PM_(2.5)质量浓度模拟
16
作者 邹心怡 《科技与创新》 2024年第8期133-135,共3页
以土地利用变化为切入点,基于赣州市空气监测站的PM_(2.5)质量浓度数据和土地利用数据、道路数据、人口数据、气象因子数据,分析各因素与PM_(2.5)质量浓度的相关关系,筛选合适的数据,建立基于多元线性回归方法的土地利用回归(Land Use R... 以土地利用变化为切入点,基于赣州市空气监测站的PM_(2.5)质量浓度数据和土地利用数据、道路数据、人口数据、气象因子数据,分析各因素与PM_(2.5)质量浓度的相关关系,筛选合适的数据,建立基于多元线性回归方法的土地利用回归(Land Use Regression,LUR)模型来模拟PM_(2.5)的空间分布。研究结果表明,基于多元线性回归的LUR模型将森林和主要道路、边界层高度、风速作为建模变量,模型的调整R2(决定系数)为0.855,RMSE(均方根误差)为0.635,在拟合度和准确度方面都表现良好。 展开更多
关键词 pm_(2.5)质量浓度变化 LUR模型 多元线性回归 时空变化模拟
下载PDF
公园空气负氧离子及PM_(2.5)浓度变化特征与影响因素研究——以虎头山森林公园为例
17
作者 俞欣妍 《绿色科技》 2024年第2期20-25,29,共7页
为了研究三明市区周边的森林康养环境,以福建省三明市虎头山森林公园为研究对象,监测其负氧离子及PM_(2.5)浓度,研究了该森林公园的负氧离子及PM_(2.5)浓度时空分布规律及影响因素。结果表明:虎头山地区的负氧离子浓度各个季节,最低值... 为了研究三明市区周边的森林康养环境,以福建省三明市虎头山森林公园为研究对象,监测其负氧离子及PM_(2.5)浓度,研究了该森林公园的负氧离子及PM_(2.5)浓度时空分布规律及影响因素。结果表明:虎头山地区的负氧离子浓度各个季节,最低值都大于3000个/cm~3,符合森林公园的负氧离子要求;各样点PM_(2.5)浓度含量分季节表现为:冬季PM_(2.5)的含量为30~50μg/m~3,而其他季节的PM_(2.5)含量在20μg/m~3左右,虎头山地区的冬季PM_(2.5)浓度远高于其他季节;结合气温与湿度可以看出,4个季节中,由于冬季气温过低、空气PM_(2.5)含量略高于其他三季,故冬季的康养性和游玩性低于其他3个季节;春、夏、秋3个季节则是具有高负氧离子浓度、适宜气温和适宜湿度,是虎头山游憩功能效益最好的3个季节,非常适合森林康养旅游业的发展。故虎头山的空气负氧离子与PM_(2.5)含量符合森林康养的要求,可以满足游客放松、养生、游憩的生态需求和精神修养。 展开更多
关键词 虎头山 森林康养 负氧离子 pm_(2.5)
下载PDF
沈阳市O_(3)与PM_(2.5)关系及污染主控因素分析
18
作者 洪也 马雁军 +5 位作者 苏枞枞 王扬锋 任万辉 王继康 王东东 徐晓斌 《环境科学研究》 CAS CSCD 北大核心 2024年第3期455-468,共14页
PM_(2.5)与O_(3)的协同控制是空气质量持续改善的关键所在,厘清PM_(2.5)与O_(3)的关系,识别O_(3)主控因素以及量化气象和人为排放贡献是实施二者协同控制的基础.本研究基于沈阳市大气复合立体超级站2019−2022年地面观测数据,分析PM_(2.5... PM_(2.5)与O_(3)的协同控制是空气质量持续改善的关键所在,厘清PM_(2.5)与O_(3)的关系,识别O_(3)主控因素以及量化气象和人为排放贡献是实施二者协同控制的基础.本研究基于沈阳市大气复合立体超级站2019−2022年地面观测数据,分析PM_(2.5)和O_(3)协同关系及成因;利用逐步回归模型得到影响O_(3)变化的主控因素,并估算各气象因素对O_(3)的贡献.结果表明:①沈阳市2019−2022年夏季PM_(2.5)浓度与O_(3)浓度呈正相关,有明显的协同增长效应,其余三季均呈明显负相关.究其原因,主要是由于夏季高温和高太阳辐射条件利于大气光化学反应,促进了O_(3)、PM_(2.5)中二次无机成分〔主要是硫酸盐(SO_(4)^(2−))、硝酸盐(NO_(3)−)和铵盐(NH_(4)^(+)),简称“SNA”〕共同增长所致;而冬季高排放和高大气稳定度等气象条件利于SNA和二次有机碳(SOC)非均相生成,但弱太阳辐射和低温等条件不利于O_(3)光化学生成,加之高NO的滴定效应,使SNA和SOC浓度均与O_(3)浓度呈负相关.②在观测的相关污染物和气象因子中,过氧乙酰硝酸酯(PAN)与O_(3)浓度的关系最为密切,尤其在夏季.③气象因素中,O_(3)浓度与气温高度相关,与风速也呈正相关,而与相对湿度则在各季节均呈负相关.冬、春、秋三季PM_(2.5)均对O_(3)起抑制作用,冬季尤为突出.在高浓度O_(3)污染(O_(3)浓度>160μg/m^(3))过程中,主控因素中气温和风速的抬升促进O_(3)浓度升高,而高NO2和相对湿度(RH)则有利于降低O_(3)浓度.在2019−2022年高浓度O_(3)污染过程中,气象因素对沈阳市O_(3)浓度变化的贡献高于O_(3)前体物排放的贡献,总贡献为57μg/m^(3),对污染形成起着主导作用. 展开更多
关键词 pm_(2.5) O_(3) pm_(2.5)与O_(3)协同作用 气象因素 逐步回归模型
下载PDF
基于DSM的城市公园对PM_(2.5)和PM_(10)的消减特征研究——以南昌市人民公园为例
19
作者 刘青 刘桢梦 +3 位作者 李雅平 孙怡 刘苑秋 黄英 《江西农业大学学报》 CAS CSCD 北大核心 2024年第1期173-183,共11页
【目的】PM_(2.5)、PM_(10)等空气颗粒物是城市空气首要污染物,在城市空气污染中占主导地位。了解固定外源下PM_(2.5)、PM_(10)在城市绿地的消减特征,可为城市阻控空气颗粒物、缓解空气污染提供有利依据。然而目前空气颗粒物的研究大多... 【目的】PM_(2.5)、PM_(10)等空气颗粒物是城市空气首要污染物,在城市空气污染中占主导地位。了解固定外源下PM_(2.5)、PM_(10)在城市绿地的消减特征,可为城市阻控空气颗粒物、缓解空气污染提供有利依据。然而目前空气颗粒物的研究大多以点测定方式量化空间结构及植被类型对空气颗粒物的影响,对固定外源污染下PM_(2.5)、PM_(10)在城市绿地空间尺度上的影响机制研究较少。【方法】研究结合DSM与地统计学,以南昌市人民公园为例,探索城市公园阻隔外源污染的空间梯度效应及空间结构类型差异。利用克里金插值法对其空间分布特征进行可视化模拟;利用Arcgis和R语言等软件分析不同空间结构PM_(2.5)、PM_(10)的浓度差异。【结果】人民公园PM_(2.5)、PM_(10)的浓度在空间分布上趋势一致,均表现为以固定外源点为核心,浓度随距离增加呈极显著梯度递减的趋势,且在中部(约距外源点150~220 m处)消减效率最高,约为全园PM_(2.5)平均消减值的7.5倍,PM_(10)平均消减值的3.8倍;PM_(2.5)、PM_(10)受多种因子影响:与空气温度、距离(主导因子)显著负相关、与相对湿度显著正相关,且PM_(2.5)、PM_(10)对不同因子响应特征存在差异;城市公园不同绿地空间结构对PM_(2.5)、PM_(10)的消减及扩散作用差异显著,受其双重影响,PM_(2.5)、PM_(10)的浓度表现为水体>广场>树林>草坪,其中PM_(2.5)受影响更显著;此外,受各因子和绿地空间结构耦合影响,部分区域PM_(2.5)、PM_(10)分布异常。【结论】以固定外源点为核心,PM_(2.5)、PM_(10)浓度随距离增加呈极显著梯度递减的趋势,且在中部消减效率最高;PM_(2.5)、PM_(10)浓度与相对湿度显著正相关,与空气温度与距离显著负相关,其中PM_(10)对距离和相对湿度响应较为明显,而PM_(2.5)受空气温度影响较大;在随距离变化基础上,不同城市绿地空间结构对PM_(2.5)、PM_(10)消减和扩散作用差异导致了局部分布差异。 展开更多
关键词 pm_(2.5) pm_(10) 空气颗粒物阻控 城市绿地 DSM 地统计学 南昌
下载PDF
北京不同类型城市森林中PM_(2.5)与O_(3)的关联性分析
20
作者 李少宁 于迪 +3 位作者 时聪 赵娜 徐晓天 鲁绍伟 《环境科学研究》 CAS CSCD 北大核心 2024年第3期536-544,共9页
大气污染的协同治理是实现经济社会高质量发展,加快生态文明建设的重要途径.PM_(2.5)和臭氧的协同治理是我国“十四五”时期大气污染防治的要求,探究北京市城市森林不同类型林内PM_(2.5)与臭氧的相关性对北京市大气污染的防治具有重要意... 大气污染的协同治理是实现经济社会高质量发展,加快生态文明建设的重要途径.PM_(2.5)和臭氧的协同治理是我国“十四五”时期大气污染防治的要求,探究北京市城市森林不同类型林内PM_(2.5)与臭氧的相关性对北京市大气污染的防治具有重要意义.本文利用北京市3个城市森林生态环境监测站测得的PM_(2.5)、O_(3)浓度数据,系统分析不同类型城市森林PM_(2.5)与O_(3)浓度相关性的差异.结果表明:①春季,中心城区、近郊湿地区、近郊浅山区森林中PM_(2.5)与O_(3)浓度呈负相关,中心城区相关性最强(r=0.178,p<0.01);夏季各区域PM_(2.5)与O_(3)浓度均呈正相关,近郊湿地区相关性最强(r=0.095,p<0.01);秋季各区域PM_(2.5)与O_(3)浓度均呈负相关,近郊浅山林区负相关性最强(r=−0.428,p<0.01);冬季近郊湿地区PM_(2.5)与O_(3)浓度呈显著正相关(r=0.061,p<0.05),但中心城区和近郊浅山林区均呈负相关.②工作日期间夜间近郊浅山林区PM_(2.5)与O_(3)浓度相关性相对较强(r=−0.147,p=0.01),其余时间中心城区相关性相对较强,相关系数在−0.14上下波动,周末期间除夜间外,近郊湿地区相关程度相对较强,相关系数在−0.08上下波动.③当PM_(2.5)浓度≤50μg/m^(3)或O_(3)浓度>50μg/m^(3)时,PM_(2.5)与O_(3)浓度呈正相关;PM_(2.5)浓度处于50~200μg/m^(3)之间或O_(3)浓度≤50μg/m^(3)时,二者负相关性相对较强.研究显示,北京市城市森林中PM_(2.5)与O_(3)相关性在季节、不同区域昼夜尺度上有所差异,且林内各区域PM_(2.5)和O_(3)浓度总体呈负相关,表明PM_(2.5)与O_(3)的相互关系受环境背景浓度值、气象要素、人类活动等多因素共同影响. 展开更多
关键词 城市森林 pm_(2.5) 臭氧(O_(3)) 相关性 北京市
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 144 下一页 到第 页
使用帮助 返回顶部