全文获取类型
收费全文 | 184篇 |
免费 | 35篇 |
国内免费 | 41篇 |
专业分类
安全科学 | 31篇 |
废物处理 | 1篇 |
环保管理 | 13篇 |
综合类 | 143篇 |
基础理论 | 9篇 |
污染及防治 | 10篇 |
评价与监测 | 34篇 |
社会与环境 | 7篇 |
灾害及防治 | 12篇 |
出版年
2024年 | 4篇 |
2023年 | 3篇 |
2022年 | 4篇 |
2021年 | 6篇 |
2020年 | 7篇 |
2019年 | 7篇 |
2018年 | 5篇 |
2017年 | 11篇 |
2016年 | 13篇 |
2015年 | 23篇 |
2014年 | 34篇 |
2013年 | 16篇 |
2012年 | 31篇 |
2011年 | 15篇 |
2010年 | 14篇 |
2009年 | 16篇 |
2008年 | 8篇 |
2007年 | 5篇 |
2006年 | 8篇 |
2005年 | 4篇 |
2004年 | 6篇 |
2003年 | 5篇 |
2002年 | 2篇 |
2001年 | 3篇 |
2000年 | 4篇 |
1998年 | 1篇 |
1996年 | 1篇 |
1995年 | 1篇 |
1993年 | 1篇 |
1992年 | 2篇 |
排序方式: 共有260条查询结果,搜索用时 15 毫秒
41.
霾天能见度参数化方案改进及预报效果评估 总被引:4,自引:2,他引:2
为了选择适合京津冀地区能见度预报的参数化方案,为霾的预报提供更准确的能见度预报产品.根据实际应用需求,改进了基于气溶胶体积浓度建立的Chen等能见度参数化方案(S1),并利用2017年2月快速更新多尺度分析和预报系统-化学子系统(RMAPS-CHEM v1.0)的预报结果,对比评估了该方案与基于PM2.5浓度建立的参数化方案(S2)和Mie散射计算方案(S3)在京津冀地区的预报效果.结果表明:①模式系统对京津冀地区的PM2.5浓度预报总体较好,预报值与观测值非常接近,二者的相关系数在大部分地区可达0.8以上,小时相对湿度的预报值与观测值相关在0.78以上,平均误差低于3.91%.②三套方案计算的能见度都能较好地预报出2017年2月京津冀地区能见度的时间演变趋势,且在大部分时间三者计算的能见度都非常接近.总体上S1计算的能见度最低,S3计算的能见度最高,S2居中.在京津冀大部分地区,S1的均方根误差和归一化平均绝对误差最低,S3的最高,S2居中且在北京地区表现最佳.③能见度大于10 km时三套方案计算结果都偏低,其中S3的平均误差和均方根误差最低,能见度低于10 km时,特别是对出现频率较高的1~5 km低能见度的预报,S1方案的平均误差、均方根误差和归一化平均绝对误差都是最低的,更适合京津冀地区霾天气能见度的预报应用. 相似文献
42.
能见度是保障机场航班安全、正常运行的重要标准之一。为精准预测能见度,使用2020年天津机场气象和常规空气质量监测数据,构建基于方差膨胀因子(Variance Inflation Factor, VIF)、主成分分析(Principal Components Analysis, PCA)和Informer的能见度预测模型,并将均方根误差、平均绝对误差、平均绝对百分比误差作为评价指标进行误差分析。结果显示,VIF-PCA-Informer模型比单一的Informer和简单组合模型效果更优,能更好地捕捉长时间序列特征的关系。相比于单一的Informer、长短期记忆神经网络和门控循环单元模型,VIF-PCA-Informer模型均方根误差下降了0.214 1~0.348 6,平均绝对误差下降了0.184 2~0.275 3,平均绝对百分比误差下降了0.322 4~0.527 0;VIF-PCA-Informer模型对能见度的临近预测(1 h)更为精准。使用高效的机场能见度预测模型可在保障航班安全高效运行方面发挥较大支撑作用。 相似文献
43.
目前我国高速公路能见度监测主要依靠能见度观测仪,该方法覆盖区域有限且成本较高,而我国高速公路图像采集设备应用广泛,因此提出了一种基于监控视频图像测量雾天能见度的方法。该方法将图像进行分窗格处理,通过相关性分析筛选出最优兴趣窗格的亮度均方差特征矩阵,建立BP神经网络修正线性残差组合模型。结果表明:残差修正模型监测效果优于单一线性回归模型,残差修正模型的决定系数R2为0.977;在光线充足的情况下,残差修正模型的相对误差在10%以下,模型精度相对稳定;最后应用此方法监测高速公路雾天能见度,模型的正确率在80.48%以上。验证了用该方法测量雾天能见度具有可行性和有效性。 相似文献
44.
45.
珠三角秋冬季节长时间灰霾污染特性与成因 总被引:7,自引:6,他引:1
利用珠三角大气超级站2012年10月与2013年1月能见度、不同粒径颗粒物与BC质量浓度、气溶胶光散射系数、O3、相对湿度等在线监测数据,分析秋冬季节2次持续时间超过10 d的长时间灰霾过程污染特性与成因。结果表明,冬季灰霾过程中气溶胶吸光系数和光散射系数对大气总消光系数的贡献分别为13%和67%;PM2.5、PM1占PM10质量浓度分别为66%和39%;较高的PM2.5与BC日均浓度相关系数(R2=0.88)体现了一次排放对颗粒物质量浓度及能见度的显著影响。秋季灰霾过程中气溶胶吸光系数和光散射系数对大气总消光系数的贡献分别为11%和69%,由BC导致的吸光效应较冬季下降了约20%;PM2.5和PM1占PM10质量浓度比例分别为68%和45%,均高于冬季;O3浓度日最大小时值的平均值接近冬季的2倍;二次来源对PM2.5浓度升高和能见度下降起主导作用。来自不同方向的2种气团在珠三角僵持,大气扩散条件差是导致这2次灰霾过程的重要外在条件,应成为灰霾预报预警的重点关注对象。 相似文献
46.
利用青岛市大气综合观测站的研究性监测数据,分析了2011年采暖期PM2.5和能见度的相关性,结果表明:①能见度在≤3km时,对应的PM2.5浓度超出0.250mg/m^3,属于严重污染;②PM2.5浓度对能见度的影响存在一临界区域,当PM2.5浓度低于该临界区时能见度会随PM2.5浓度减少迅速改善,临界值大致位于PM2.5浓度为0.100mg/m^3处;③相对湿度小于85%时,能见度与PM2.5浓度呈显著负相关。其中,相对湿度在60%-70%时,能见度与PM2.5浓度之间的相关性最好,PM2.5对能见度的影响最直接。 相似文献
47.
对南京市1984—2015年Landsat 4/5/7/8卫星TM/ETM+/OLI传感器获取的遥感数据,利用ENVI遥感软件的FLAASH大气校正模块,进行了区域大气能见度( VIS)遥感反演。结果表明,时间跨度达30余年的Landsat卫星遥感数据影像序列反演的VIS呈明显的下降趋势,20世纪80年代数值较高,“差”能见度(<10 km)的观测率不到6%,21世纪以来VIS下降明显,“差”能见度的观测率为20%~25%。与2010—2015年南京市PM10、PM2.5监测数据进行了对比,在城市空气清洁及污染较轻时,星地监测结果有较好的一致性,但中到重污染天气时FLAASH算法反演VIS偏高,侧重于代表离主城区距离远的偏远乡野山林地区的能见度状况。 相似文献
48.
2008年1月广州颗粒物数浓度污染特征 总被引:9,自引:3,他引:6
于2008年1月利用颗粒物计数器(CPC)、颗粒物在线观测仪(TEOM1400a)、自动气象站以及现时天气现象传感器(PWV22)获得了大气颗粒物中每分钟颗粒物数浓度、每30分钟PM2.5>浓度、风速、相对湿度、降雨量等气象因子以及大气能见度.结果发现,1月份能见度低于10km的天数达到25天,其中灰霾天气有17天.灰霾天气下,颗粒物敖浓度为22032±4731个/立方厘米,PM2.5,浓度为123.1±64.5 μg/m3.非灰霾和灰霾天气下颗粒物数浓度日变化趋势总体比较接近,但在13:00~16:00时段,非灰霾天气条件下颗粒物数浓度变化比较明显,而灰霾天气条件下颗粒物数浓度变化比较平缓.现测期内颗粒物教浓度与大气能见度、相对湿度、风速呈负相关,与PM2.5质量浓度、温度呈正相关.灰霾天气下颗粒物数浓度与PM2.5浓度、相对湿度的相关性系数绝对值明显高于非灰霾天气下颗粒物数浓度与这两者的相关性系数绝对值. 相似文献
49.
青岛市区春夏季大气能见度与颗粒物的关系 总被引:8,自引:0,他引:8
利用青岛市灰霾综合观测站2012年3月2日-2012年6月7日期间的监测数据,分析了青岛市区大气能见度与不同粒径颗粒物质量浓度的日变化特征,比较了各级别大气能见度下不同粒径颗粒物质量浓度及所占比例的相关性,研究了相对湿度对大气能见度和颗粒物质量浓度相关性的影响.结果表明,监测时段大气能见度与颗粒物质量浓度呈现较好的负相关,每天大气能见度最低值出现在早晨07:00--09:00;剔除相对湿度高于90%的前提下,PM2.5是影响大气能见度的主要因子,随着其在PM1o中所占比例上升,大气能见度级别不断下降,相关系数为-0.84;不同相对湿度区间下,PM2.5对大气能见度的影响最明显,其中,相对湿度为60% ~ 70%,大气能见度与颗粒物质量浓度之间的相关性最好. 相似文献
50.
利用1970—2000年北京及其周边地区以及影响北京沙尘天气的上风向共14个基准气象站的沙尘天气与相关气象因子资料,分析了沙尘天气与各因子之间的相关性。研究发现,风速、相对湿度与沙尘天气的相关关系最显著;同时,对能见度与沙尘浓度观测值的分析得出,二者存在非线性关系。在上述分析的基础上,用能见度、风速、相对湿度构建了沙尘强度特征指数,该指数与这3个因子均呈非线性关系,指数值越大表示沙尘天气强度越大,反之,指数值越小表示沙尘天气强度越小。经验说明,沙尘强度特征指数与相应沙尘浓度观测值有着较一致的变化趋势,该指数从气象和环境两个方面反映了沙尘天气的强度特征。 相似文献