全文获取类型
收费全文 | 1064篇 |
免费 | 124篇 |
国内免费 | 249篇 |
专业分类
安全科学 | 276篇 |
废物处理 | 17篇 |
环保管理 | 89篇 |
综合类 | 771篇 |
基础理论 | 59篇 |
污染及防治 | 38篇 |
评价与监测 | 62篇 |
社会与环境 | 25篇 |
灾害及防治 | 100篇 |
出版年
2024年 | 30篇 |
2023年 | 63篇 |
2022年 | 64篇 |
2021年 | 84篇 |
2020年 | 86篇 |
2019年 | 64篇 |
2018年 | 39篇 |
2017年 | 37篇 |
2016年 | 53篇 |
2015年 | 45篇 |
2014年 | 126篇 |
2013年 | 62篇 |
2012年 | 99篇 |
2011年 | 73篇 |
2010年 | 76篇 |
2009年 | 71篇 |
2008年 | 91篇 |
2007年 | 59篇 |
2006年 | 32篇 |
2005年 | 36篇 |
2004年 | 19篇 |
2003年 | 15篇 |
2002年 | 23篇 |
2001年 | 20篇 |
2000年 | 9篇 |
1999年 | 9篇 |
1998年 | 5篇 |
1997年 | 8篇 |
1996年 | 8篇 |
1995年 | 5篇 |
1994年 | 6篇 |
1993年 | 5篇 |
1992年 | 6篇 |
1991年 | 3篇 |
1990年 | 3篇 |
1989年 | 1篇 |
1988年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有1437条查询结果,搜索用时 31 毫秒
991.
抗雪救灾已经取得了阶段性胜利,但留给我们的反思很多。许多亲身经历了这场灾害的司机们在感受社会的温暖之余,对我国高速公路动辄以雪、雾而关闭道路的做法提出了不同看法。 相似文献
992.
993.
994.
利用TrajStat软件和全球资料同化系统数据,计算了2005~2016年北京市逐日72h气流后向轨迹,采用聚类分析方法,结合北京同期PM2.5逐日质量浓度数据,分析北京市年及四季后向气流轨迹特征及其对北京市颗粒物浓度的影响,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨研究时期内不同季节影响北京市颗粒物质量浓度的潜在源区以及不同源区对北京颗粒物质量浓度的贡献.结果表明,就全年而言,西北输送气流占总轨迹的比例最高,达59.97%,且其输送距离最远、输送高度最高、移速最快.输送高度最低、距离最短、移速最慢的东南气流占比次之,为27.64%,东北气流占比最低为12.40%,其移速和输送距离介于前两者之间.主要污染轨迹来自山东、河北,其次为来自俄罗斯、蒙古国和内蒙古荒漠戈壁地区的西北气流.PSCF和CWT分析发现,蒙中、晋中、冀西南、豫北及鲁西是影响北京PM2.5的主要潜在区域.而不同季节、不同输送路径对北京PM2.5污染影响的差异显著,春季主要受来自蒙晋交界区域的短距离输送气流影响,潜在源区位于冀南、鲁西、豫东和皖西北地区,夏季污染轨迹来自鲁、晋地区,潜在源区为豫东北、皖北和苏北地区;秋季主要受来自冀南地区的短距离气流影响,潜在源区为晋北、冀南、豫北和鲁西地区,冬季主要受来自蒙古国中西部和蒙中地区的远距离输送气流影响,潜在源区主要在冀南、鲁西、豫北、晋和蒙西地区. 相似文献
995.
本研究以2018年12月10~13日哈尔滨市一次严重的空气污染事件为研究对象,分析了此次污染过程的概况、成因以及污染的潜在源区.结果表明:此次空气污染过程以PM2.5影响为主,污染类型由10日00:00~11日17:00的偏燃煤型发展为11日17:00~13日15:00的二次气溶胶复合污染,最终在13日15:00后稳定为偏燃煤型.从天气形势和风速风向分析可知此次10~13日的污染过程与不利气象扩散条件也是密不可分的.模拟的48h后向轨迹经过聚类分析主要分为4类,大部分来自内蒙古、吉林等方向,70.83%的轨迹PM2.5超标,表明来自这些方向的污染气团对哈尔滨市的空气质量影响较大;而通过对模拟的48h后向轨迹进行PSCF、CWT分析,发现哈尔滨的WPSCF和WCWT分布特征类似,WPSCF和WCWT的高值主要集中在哈尔滨本地的双城、巴彦、阿城、吉林省的中部、西部地区等地区,以及大庆、绥化等地区,说明这些区域都是哈尔滨市PM2.5的潜在源地. 相似文献
996.
针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献. 相似文献
997.
南京江北2014-2016年PM2.5质量浓度分布特征及气象和传输影响因素分析 总被引:1,自引:0,他引:1
利用2014-2016年南京江北地区PM2.5质量浓度和气象要素的小时数据,并结合HYSPLIT模式后向轨迹聚类分析和PSCF法分析了PM2.5质量浓度的污染特征及其主要影响因素和主要来源特征.结果表明:2014-2016年PM2.5质量浓度呈逐年下降趋势,下降幅度约为17.40%,由2014年的62.1 μg·m-3下降至2016年的51.2 μg·m-3,能见度由2014年的5.8 km上升至2016年6.6 km.PM2.5质量浓度存在显著的月变化和季节变化特征,1月浓度最高,可达93.0 μg·m-3;8月浓度最低,仅为38.8 μg·m-3;冬季浓度最高,可达76.8 μg·m-3,夏季浓度最低,仅为47.1 μg·m-3.不同季节日变化均为单峰型分布.气象要素对PM2.5质量浓度的影响较大,不同相对湿度下能见度和PM2.5质量浓度具有较好的拟合关系.霾和非霾天PM2.5质量浓度的阈值为15 μg·m-3.不同季节的主导气团不同,春季主导气团为偏北气流和偏东气流,占比分别为43.50%和30.80%;夏季主导气团以东部气流为主,占比约为68.22%;秋季和冬季主导气团为来自北方的气流,总占比分别为83.52%和100%;偏北内陆气团PM2.5质量浓度较大,偏东海洋性气团PM2.5质量浓度较低.PM2.5质量浓度潜在源区春冬季潜在源区范围较大,夏秋季潜在源区范围较小,季节变化显著.春季潜在来源主要分布在安徽、江西北部、江苏南部和浙江北部等地区,夏秋季分布在安徽东部、浙江北部和江苏南部等地区,冬季分布在安徽、河南东部,山东和江苏等地区. 相似文献
998.
采用MOZART-4模式并引入在线源追踪方法量化分析北美和欧洲对我国对流层臭氧(O3)的贡献,整体来说模拟值能较好地与观测值对应.结果表明,北美和欧洲对流层对我国近地层O3贡献较低,夏季体积分数分别为0.3×10-9和0.6×10-9;冬季略高,均为0.9×10-9.北美对我国自由对流层O3贡献较高,不同季节体积分数峰值均超过3.8×10-9,而欧洲对我国自由对流层的贡献在夏季最高可达7.3×10-9.呈现以上特征的原因是虽然冬季弱光照条件不利于O3生成,但东亚的下沉气流能增加北美和欧洲对我国近地层O3的贡献;夏季北美和欧洲对流层内O3的生成量大幅增加,但地中海沿岸的下沉气流能减少北美和欧洲大陆西岸对中国O3的贡献而对欧洲整体影响较弱.此外中国地表的上升气流也会减少北美和欧洲对中国近地层O3的贡献.HYSPLIT模拟的输送路径表明冬季由于下沉气流的影响,北美近地层气团难以传输至我国,而自由对流层有13条轨迹到达我国;此时欧洲在东亚下沉气流作用下不同高度均有较多轨迹到达我国.夏季受地中海下沉气流影响北美没有到达中国的轨迹,欧洲到达我国的轨迹同样为一年中最少. 相似文献
999.
在北京城区和上甸子本底地区分别开展了为期3a和1a的NH3在线观测,并结合风向、风速、温度、相对湿度等气象因素的变化特征,分析了北京地区NH3浓度水平、年季特征及影响因素.结果发现,北京城区和本底地区的NH3年均浓度分别为(32.5±20.8)×10-9V/V和(11.6±10.3)×10-9V/V,北京城区的NH3浓度高于大多数国内外主要城市和地区的NH3浓度水平.城区和本底地区NH3浓度年变化特征为夏季高,分别为(34.1±6.8)×10-9V/V和(11.1±2.2)×10-9V/V,冬季低,分别为(19.7±9.3)×10-9V/V和(2.4±0.6)×10-9V/V.NH3的日变化特征受气象因素影响明显,其结果表明,春季城区NH3浓度峰值出现在15:00,而本底地区受西南风影响在20:00达到峰值;夏季城区NH3浓度最高值在7:00出现,本底地区则呈现双峰值(分别在09:00和22:00);秋季城区和本底地区的日变化规律一致,均在22:00出现峰值;冬季城区的峰值出现时间晚于本底地区,峰值分别出现在23:00和20:00.西南风是造成本底地区NH3浓度升高的主要原因,春季和夏季,随着西南向风速的增大,NH3浓度显著升高.城区的NH3浓度则主要受到局地排放的影响.浓度权重轨迹法的研究结果发现,北京、天津、河北及河南北部地区是影响北京地区大气NH3的主要源区. 相似文献
1000.
利用2016~2019年生态环境部环境监测总站提供的江西省11个设区市的监测数据及同期的国家气象观测站常规观测资料,研究江西省臭氧污染特征与气象因子的关系.结果表明,江西省近几年臭氧污染日益严重,2016年全省臭氧(日最大8 h滑动平均值)平均浓度为80.1 μg·m-3,到2019年上升至98.2 μg·m-3,平均年增长率为6 μg·m-3.2019年江西省11个设区市O3超标总天数为475 d,占总超标天数的72.6%.2016~2018年O3月平均浓度具有典型的季节变化特征:夏季 > 春季 > 秋季 > 冬季,2019年秋季由于降水量显著减少、日照时数增多和气温升高等气象条件导致秋季近地面臭氧浓度异常升高,其平均浓度高于其它季节.臭氧浓度总体与气温、日照时数呈正相关,与相对湿度呈负相关,当气温高于30℃、相对湿度在20%~40%区间、风速在2~3 m·s-1区间时易出现高浓度臭氧污染.江西省臭氧浓度呈现一定的空间分布特征:赣东北地区低于其他地区,南部城市高于北部城市.其中,赣州市臭氧污染较为严重,其2019年平均浓度居全省最高,为104.2 μg·m-3.基于后向轨迹HYSPLIT模型和潜在源解析PSCF对赣州市进行分析,研究结果表明赣州市臭氧污染的主要潜在贡献源区存在一定的季节差异:春季臭氧污染的外来输送源主要来自广东中部和江西北部地区,夏季主要来自江西北部地区,而秋季则主要来自广东北部和安徽中部地区. 相似文献