首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  完全免费   2篇
  综合类   2篇
  2020年   1篇
  2016年   1篇
排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
随着城市化、 工业化、 机动化进程的加快,大气污染已成为我国最严重的环境问题之一,对公众健康和生态环境造成了诸多负面影响. 土地利用回归,即Land-use Regression(LUR)模型是目前模拟城市尺度大气污染时空分异的常用方法之一,其在欧洲和北美得到广泛的应用,而在国内,相关研究却不多. 本文在整理国内外文献的基础上,从构建LUR模型的主要步骤入手,包括监测数据获取、 模型自变量生成、 模型构建、 模型检验和回归映射等方面,对LUR模型在大气污染时空分异研究中的进展进行归纳总结,进而展望了未来的研究重点与方向,即突出时空分异、 扩展模型变量类别和改进模型构建方法. 本文旨在普及LUR模型在我国的应用,为人口暴露、 流行病学研究和健康风险评价等提供方法论基础.  相似文献
2.
在城市区域内,空气污染物的浓度在小范围内存在显著差异,而离散的地面监测点分布不均匀,且监测范围有限,无法满足污染物暴露评估等研究的需求.本研究基于GIS空间分析和多元逐步回归的模型构建的方法,建立了土地利用回归(LUR)模型,并模拟了北京市2019年PM2.5和PM10浓度的空间分布特征.选择土地覆盖数据、气象数据(风速、降水、温度)和植被覆盖度数据等预测变量,以研究区34个监测站点为中心建立0.1~5 km共7个系列缓冲区,表征不同尺度下各变量对PM2.5和PM10浓度的影响.研究结果表明:①进入PM2.5回归模型中的变量有:年均风速、温度、降水量和周围中等植被覆盖、耕地和不透水面的面积;进入PM10回归模型中的变量有:年均风速和周围中等植被覆盖的面积.两个模型的调整R2分别为0.829和0.677,模型精度较高.②抑制污染物浓度的变量,影响力随着空间范围扩大而增强;使污染物浓度增加的变量,影响力随着空间范围缩小而增强.③浓度模拟结果显示,PM2.5和PM10在西北部山区浓度较低,南偏东的城区浓度较高,并且向南有逐渐增加趋势.4植被覆盖度这一变量不仅进入了上述两个方程,且影响力都强于其他土地利用类型,故以后的模型改进应该考虑植被覆盖度这一因素.  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号