共查询到11条相似文献,搜索用时 31 毫秒
1.
基于CBERS-2B卫星数据的《桂林城区环境监测影像地图》研制与应用 总被引:3,自引:3,他引:0
基于中巴CBERS-2B卫星影像,分析环境监测对影像地图的需求,探讨制作《桂林城区环境监测影像地图》的方法。在影像地图制作中,以GPS的SBAS信号定位,采用WGS84坐标系统,对道路河流等矢量层和监测专题要素层作了专门处理,还讨论了卫星影像在城区环境监测中的应用,探索环境监测遥感影像专题地图的特点、方法、技术难点和需注意的一些问题。 相似文献
2.
在酸性溶液中,氟能破坏二甲酚橙〖CD*2〗锆显色体系,使溶液颜色从紫红色变为橙色或黄色,通过采集图像颜色信息构建3个特征颜色分量的多元线性回归模型,用以定量测定水中氟。该方法在0 mg/L~1.5 mg/L范围内线性良好,方法检出限为0.03 mg/L。两个质量浓度水平的氟化物标准溶液6次测定结果的RSD分别为1.4%和1.3%,相对误差分别为0.3%和1.7%。 相似文献
3.
利用聚四氟乙烯高压密封罐消解矿石样品测定五氧化二钒,具有操作手续相对简便、轻松、快捷等优点,与传统的硫酸-磷酸混合酸消解或采用碱熔融前处理法比较,相对误差小于1.6%,样品的添加标准回收率为92.9%~103.5%。 相似文献
4.
5.
基于天津市2022年夏季污染物监测数据和气象资料讨论臭氧(O3)污染状况,采用主观天气分型方法对同期天气型进行分类对比,分析天气型对O3浓度的影响,并利用后向轨迹追踪方法探讨主要天气型下O3污染特点及变化规律。结果表明:天津市地面为低压系统控制、高空受西南和偏南气流影响时,易出现O3污染,此天气型下气温较高,风力较小,外来输送叠加本地生成,颗粒物吸湿增长,出现O3和PM2.5协同污染;天津市地面为均压系统控制、高空受辐合气流影响时,污染主要来自本地生成,O3和PM2.5浓度高值较低、污染过程持续时间较短;天津市地面为高压系统控制、高空受偏北气流影响时,高浓度O3不易出现。在污染排放相对稳定的前提下,天气型变化是影响O3浓度高低的主要原因。 相似文献
6.
通过在拉鲁湿地布设7个采样点,采集湿地植物芦苇,检测分析K、Na、Ca、Mg、Cu等23种元素在其根、茎、叶、花中的分布特征。结果表明,同一元素在芦苇不同部位及同一部位不同元素的含量、转移能力、富集能力等均差异较大。元素平均质量比范围为0.055 mg/kg(Tl)~2.20×10~4 mg/kg(Na),大部分元素在芦苇不同部位的分布符合根花叶茎这一规律;芦苇对Ca转移能力最强,对Fe的转移能力最弱;芦苇对Fe富集能力最强,特别是根部对Fe的富集系数高达506万倍。 相似文献
7.
乌鲁木齐冬季气溶胶散射吸收特性 总被引:1,自引:0,他引:1
采用积分式浑浊度仪于2012年1月在乌鲁木齐市中区和市北区对气溶胶的散射系数和吸收系数进行连续观测,分析了市中区与市北区气溶胶散射系数和吸收系数的变化特征,结合同期的相关气象资料对变化特征进行了讨论。结果表明,市中区和市北区气溶胶的散射系数、吸收系数具有相同的变化趋势。总体上呈\"W\"型;峰值分别出现在0:00和12:00前后,谷值则出现在5:00和17:00前后。散射系数远大于吸收系数,说明大气气溶胶的消光作用主要由散射作用完成。相对湿度与散射系数、吸收系数不具有显著相关性,而风速对散射系数、吸收系数影响较大,且对市北区的影响大于市中区。 相似文献
8.
为探究基于城市污水中新型冠状病毒(新冠病毒)浓度,采用线性拟合模型预测新冠病毒感染人数与医院报告感染人数的一致性,于2023年3月—2024年3月,在A、B两市污水处理厂设置采样点,每周采集1~2次水样,共采集478和882个水样,经聚乙二醇沉淀法富集浓缩后,用实时荧光反转录聚合酶链式反应定量检测,结合污水流量,计算新冠病毒周平均总拷贝数;以线性拟合模型预测A、B两市新冠病毒感染人数,采用一致性指数(d)、效率系数(E)、均方根误差(RMSE)和斯皮尔曼(Spearman)相关系数(r)进行一致性检验,评价模型预测精度。研究结果显示,A、B两市污水中新冠病毒检测阳性率分别为51.9%和86.3%;污水中新冠病毒周平均拷贝数与医院报告每日新增感染人数周平均值的总体变化趋势一致,且预测的新冠病毒感染人数与医院报告感染人数的波动变化一致;A、B两市预测值与报告值的d为0.854 0和0.853 4,E为0.566 6和0.588 0,RMSE为38.943 4和32.688 4,r为0.856 4和0.734 2,其中d、E、r一致性检验较好,而RMSE较差;A、B两市的预测值与报告值平均相差1.15和2.46倍。该方法对新冠病毒感染人数的预测结果与医院报告值相近,且在不同城市表现出相近的倍数关系,可为将来快速准确地预测新冠病毒感染人数提供预测框架。 相似文献
9.
10.
11.
Climatic change will result in great changes in vegetation. In this paper, a biogeographical model, the BIOME1, was used to
predict potential vegetation distribution in China under climate change. Firstly, the BIOME1 was validated according to the
climate–vegetation relationships in China. Kappa statistics showed that the validated BIOME1 was able to capture the geographical
patterns of vegetation more accurately. Then, the validated BIOME1 was used to predict the distribution of vegetation of China
under two climatic scenarios produced by a Regional Circulation Model, RegCM2/CN. The simulation results showed obvious northward
shifts of the boreal, temperate deciduous and evergreen and tropical forests, a large expansion of tropical dry forest/savanna
and reduction of tundra on the Tibetan Plateau. Three vulnerable regions sensitive to climate changes are pointed out, i.e.,
Northern China, the Tibetan Plateau and Southwestern China (mainly Hengduan Mountains in Yunnan Province and west of Sichuan
Province). In recent decades, China has experienced dramatic industrialization and population growth, which exert strong pressure
on the environment of China. The consequences of climate changes warrant more attention for maintaining a sustainable environment
for China. 相似文献