排序方式: 共有60条查询结果,搜索用时 0 毫秒
11.
基于"2+26"城市的PM2.5浓度和气象数据,通过连续小波变换(CWT)和离散小波变换(DWT)分析PM2.5时间序列的变化,利用小波相干(WTC)和多小波相干(MWC)量化PM2.5与单个、多个气象因子在时频域中的响应关系,并结合偏小波相干(PWC)定量评估大气遥相关因子对响应关系的影响.结果表明:①"2+26"城市的PM2.5浓度具有中间高、外围低的空间分布特征.PM2.5突变事件主要发生于气象条件稳定的冬季,并且集中在2018年以前.256~512 d的年尺度周期特征较稳定,同时也是PM2.5时间序列的主导周期.②PM2.5与气象因子的相干性取决于时频尺度和变量组合.在所有时频尺度上,PM2.5与相对湿度、温度的相干性较强;在小、中时频尺度上,PM2.5与风速相干性较强;在大时频尺度上,PM2.5与温度的相干性较强.降水、温度和相对湿度的组合可作为解释PM2.5在所有时频尺度上变化的最佳变量组合.③时频尺度不同,大气遥相关因子对响应关系的增强/削弱作用不尽相同.在所有时频尺度上,厄尔尼诺-南方涛动(ENSO)对PM2.5与降水、温度之间响应关系的影响较大,太平洋年代际涛动(PDO)对PM2.5与相对湿度、风速之间响应关系的影响较大.结果可为区域大气污染治理提供参考. 相似文献
12.
亚洲地区MODIS和Himawari-8细模态气溶胶产品验证及其时空分布分析 总被引:1,自引:0,他引:1
利用AERONET观测网数据,结合MODIS(中分辨率成像光谱仪)及Himawari-8(新一代地球同步气象卫星)的气溶胶产品分析了亚洲41个站点2015—2016年细模态气溶胶光学特性.结果表明,MODIS和Himawari-8反演气溶胶细模态比例(FMF)及细模态气溶胶光学厚度(fAOD)落在误差区间EE(期望误差)内的比例均不超过80%,其中8个典型站点则不超过50%,总体上MODIS要优于Himawari-8,但与AERONET地基观测资料相比还存在一定的误差.因此,需要进一步研究反演方法,提升地表反射率的确定精度,从而提高卫星遥感反演精度.通过季节平均的比较,发现春、夏、秋、冬四季MODIS和Himawari-8的反演值均有所低估,MODIS fAOD各季节平均偏差相对较小.Himawari-8 FMF秋季在Dhaka_University站的平均偏差较大,MODIS FMF春、冬季的平均偏差最大值相对较大,夏、秋季则相对较小;对于同一站点在相同季节均为Himawari-8 fAOD偏差较大,并且MODIS fAOD各季节的平均偏差最大值均小于Himawari-8 fAOD的偏差值.同时,利用卫星观测分析了亚洲地区FMF和fAOD年均及季节平均分布特征,发现MODIS和Himawari-8 FMF年均分布高值区主要位于华北平原、东北平原、四川盆地和中南半岛,MODIS fAOD年均分布高值区主要位于中南半岛,Himawari-8 fAOD年均值则普遍较低.MODIS FMF和fAOD季节平均分布呈现出夏秋高、春冬低的趋势,Himawari-8 FMF和fAOD季节平均分布则呈现出春秋高、夏冬低的特征,高值区的位置和量值均有明显的季节变化. 相似文献
13.
京津冀大气污染变化规律及其与植被指数相关性分析 总被引:7,自引:7,他引:0
基于2017年逐时空气质量监测数据、归一化植被指数(NDVI)16 d合成数据以及社会经济数据,对京津冀大气污染特征进行了系统分析,并利用线性回归、地理加权回归模型等探讨了其变化规律与NDVI的关系,及其受社会经济因素的影响.结果表明:①京津冀地区大气污染整体表现为南高北低、平原高山区低的分布特征,由北向南递次升高,大气污染呈现出显著的空间异质性;②从季节变化看,呈现冬季 > 秋季 > 春季 > 夏季的总体规律,京津冀地区大气污染呈现出显著的时间异质性;③SO2、NO2、CO、PM2.5、PM10等污染物浓度均与NDVI值呈负相关关系;在气候、地形等自然条件较为一致的前提下,NDVI值越低人类活动干扰越明显、产业经济布局越集中,进而污染排放量越大,对空气质量产生显著负面影响;④NDVI指数一定程度上反映了土地利用、人口分布以及产业布局状况,而这些因素直接或间接决定着大气污染排放水平,进而能够指示区域的污染分布特征;⑤地理加权回归模型(GWR)计算结果表明,经济发展水平越高的地区NDVI与社会经济因子、PM2.5等污染物浓度相关性越好.NDVI的分布可以大体反映社会经济发展水平.对PM2.5的分布也有一定的指示作用. 相似文献
14.
15.
16.
2015-2019年成渝城市群臭氧浓度时空变化特征及人口暴露风险评价 总被引:1,自引:0,他引:1
近年来O3污染给人类健康带来了很大威胁.本文利用2015—2019年中国环境监测总站的O3地表监测数据,通过Global Moran''s I和Getis-Ord G*指数等方法,分析了成渝城市群O3浓度的时空变化特征,并利用空间插值和LandScan人口格网分布数据,基于人口暴露风险模型对该地区的O3人口暴露风险进行了评价.结果表明:①2015—2019年成渝城市群O3浓度总超标比例为6.9%,年际变化呈先上升后下降趋势,逐月变化呈"双峰型",5月和8月达到峰值,12月最低,季节变化表现为夏季>春季>秋季>冬季,日变化呈"单峰型",8:30左右开始升高,16:00左右达到峰值;②2015—2019年成渝城市群O3浓度呈现出由成都及周边城市为污染中心向以成都市和重庆市为首尾的"带状"污染空间格局发展的趋势,且空间自相关性较强,逐步形成以成都市和重庆市为双中心的高浓度集聚特征;③2015—2019年成渝城市群平均O3人口暴露风险指数处于较低风险,但空间分布差异较大,人口暴露高风险地区主要集中于成都市、内江市、自贡市、德阳市、泸州市北部及重庆市主城区,低风险地区主要集中于东西片区、绵阳市北部及成渝城市群边界,中部高风险区域有向西南方向转移的趋势,重庆市南部有高风险向极高风险转化的趋势,同时,成都市和重庆市存在显著的高风险指数集聚特征. 相似文献
17.
为深入研究北京市采暖季PM_(2.5)中水溶性离子的污染特征及其影响因素,利用大流量采样器结合石英滤膜采集了2016年11月15日—2016年12月31日期间北京市典型污染天的PM_(2.5)样品(19个),采用离子色谱法测定了其中的水溶性无机离子成分,收集了同期北京市的日均气象数据和海淀区日均PM_(2.5)数据。应用热力学平衡模型ISORROPIA-Ⅱ分析了PM_(2.5)样品的酸度值,Traj Stat软件分析气流的72 h后向轨迹,并采用潜在源贡献因子分析法(PSCF)定位了PM_(2.5)潜在污染源的位置,浓度权重轨迹分析(WCWT)法定量解析了潜在污染源对北京PM_(2.5)质量浓度贡献的大小。结果表明:(1)PM_(2.5)的日均质量浓度变化范围为7.6~383μg·m~(-3),均值为114μg·m~(-3),污染天是清洁天的4.4倍;(2)10种水溶性离子的总质量浓度均值为44.61μg·m~(-3),SNA(NO_3~-、SO_4~(2-)、NH_4~+)占总水溶性离子的81.37%,污染天NO_3~-、SO_4~(2-)、NH_4~+质量浓度均值分别为20.35、16.16、8.68μg·m~(-3),分别是清洁天的4.7、3.5、3.6倍;(3)污染天PM_(2.5)酸性比清洁天强,污染天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4,清洁天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4、NH_4NO_3;(4)北京PM_(2.5)及其水溶性离子的污染除受本地污染源影响,还受河北省中部和南部以及内蒙古中部等区域传输的影响;(5)在北京采暖季低大气边界层以及三面环山的特殊条件下,风速和相对湿度是影响北京PM_(2.5)及其水溶性离子污染特征的2个主要气象因素,高湿度低风速的静稳天气条件可以造成以本地污染物为主的大气重污染,此外,一定范围内的低风速可以使周边地区高浓度的污染物传输至北京,加重大气污染。 相似文献
18.
再生污水绿地灌溉生态效应研究进展 总被引:1,自引:0,他引:1
水资源短缺已成为制约我国经济及环境发展的重大问题,然而大量的绿地仍然在采用井水或自来水进行灌溉,造成了巨大的浪费,同时也加重了城市的用水危机。开辟城市第二水资源——再生水来灌溉绿地是解决这一矛盾的新途径。但由于再生污水水质的特殊性,使得其在作为一种宝贵肥源的同时,也产生了许多负面的效应。为此,提出了今后需要加强研究的几个问题:(1)加强干旱半干旱地区再生(污)水绿地灌溉可行性的理论和实践研究;(2)筛选出特定区域适合于一定水质标准之下的灌溉的植物种;(3)深入研究不同地区气候、土壤、植物之间的关系,进一步探讨适合于该区域的合理的灌溉技术体系和灌溉方式,并建立合理的评价体系。 相似文献
19.
基于地统计学的北京市可吸入颗粒物时空变异性及气象因素分析 总被引:8,自引:0,他引:8
大气颗粒物是造成城市空气污染的重要原因之一,并已经成为我国北京等大中城市空气污染中的首要污染物.为分析北京市采暖期大气中可吸入颗粒物的污染水平及其气象因素的影响作用,以大气可吸入颗粒物PM0.3,PM3.0,PM5.0为研究对象,于2007~2009年采暖期间在北京市城区设立了93个采样点进行定点采样监测,利用地统计分析工具和指示克里格方法,模拟分析了北京市城区2007~2009年采暖期PM0.3、PM3.0、PM5.0的时空变异性,并建立起可吸入颗粒物浓度与气象条件(风力、温度、湿度)的对应关系,由此分析气象因素对大气颗粒物污染水平的影响程度.结果表明:实验半变异函数符合具有块金值的球状模型;北京城区空气可吸入颗粒物的污染水平自2007年以来污染程度与污染面积均呈减小趋势,影响范围主要集中在西南部,西北次之,近郊区污染重于城区;气象条件是影响可吸入颗粒物污染程度的重要因素,在不同年份不同气象因子对颗粒物的影响是不同的.但另一方面,由于污染原因季节冷暖程度的不同,气象条件对颗粒物浓度的影响有不确定的一面,但仍可找到一些规律. 相似文献
20.
降雨过程后北京城区PM2.5日时空变化研究 总被引:1,自引:0,他引:1
随着人类环境意识的增强,人们对城市雾霾天气的忧虑与日俱增,PM2.5的时空变化和对人体健康的影响已成为关注的焦点。以往的研究多集中在不同季节或年际的变化,本文通过统计环保局发布的位于北京城区13个逐时浓度监测点降雨前后PM2.5质量浓度,并在城区布设14个采样点昼夜连续监测一次降雨后72 h内PM2.5质量浓度变化情况,研究北京市城区降雨后PM2.5日变化规律及空间分布特征,由此分析降雨对PM2.5日变化规律的影响。同时对比PM2.5与同步气象数据(温度、相对湿度)和交通数据(车辆量、车速)最值频率分布情况,进而对PM2.5日变化特征进行成因分析。随后利用GIS空间分析方法,分析了PM2.5的日空间分布特征。结果表明,降雨对颗粒物的去除作用明显,一次降雨可使PM2.5质量浓度平均下降56.3%。雨后72 h内PM2.5质量浓度均小于60μg·m-3,降雨后1 h内PM2.5质量浓度处于稳定状态,在随后的12 h内PM2.5浓度值都处于下降状态。降雨过程只降低PM2.5的质量浓度值,并不影响其日变化规律。PM2.5的日变化规律以19时为界,表现出明显的昼夜差异。白天的变化规律呈现凹型,夜间的变化规律呈现拱型。PM2.5质量浓度峰值多出现在23时或0时,谷值多出现在下午15时,该特征受气象因素影响较大,受交通源的影响作用不明显。早高峰期间,PM2.5质量浓度变化主要受交通源的影响;晚高峰期间,交通源和气象因素共同影响PM2.5质量浓度。研究区PM2.5日空间分布特征同样存在明显的昼夜差异。白天PM2.5空间分布特征为南部高北部低;PM2.5在夜间的空间分布特征则多表现为四周高、中心低,三环外围区域多为高值区。 相似文献