排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
根据2013-2021年长沙市城区10站点大气污染物监测数据,综合采用Daniel趋势检验和Kolmogorov-Zurbenko滤波方法,文章探讨了长沙市城区PM2.5浓度时空分布规律及气象因素、减排措施影响。结果显示:2013-2021年长沙市空气质量呈持续改善趋势,达标天数累计增加107 d,优良率累计提高了29.3个百分点;PM2.5年均浓度累计下降48.2%,除O3外的其他各项污染物浓度呈现明显的下降趋势,通过Daniel显著性检验;城区SO2、NO2、PM2.5、PM10、CO年均浓度变化速率为3.1、2.3、5.1、5.5、61.4μg/(m3·a)。空间分布上,PM2.5年均浓度的空间分布结构具有鲜明的特征,北部地区较低,中心城区和东南部地区较高,浓度梯度特征明显。与2013年相比,2021年各站点PM2.5年均浓度原始数据累计降幅在38.5%~48.0... 相似文献
3.
以城市内涝模型DRIVE-Urban为基础,对长沙市区内的两次典型内涝事件进了街道尺度(10 m分辨率)和6个不同重现期(5年、10年、20年、30年、50年和100年)下的模拟,并根据模拟结果确定了内涝风险等级和风险区划。结果显示DRIVE-Urban模型能够很好地反映市区内街道积水的淹没情况,两次内涝点命中率(POD)分别达到了64%和67%,且随着重现期增大,积水面积也逐渐增大,积水面积最高占比甚至达到了市区总面积的8.2%,约96.51 km2。内涝的风险等级分为低风险、中风险、较高风险和高风险。高风险和较高风险区域主要集中在岳麓区东部、天心区北部、芙蓉区、开福区南部、雨花区北部以及高新区南部,而高新区北部、岳麓区西部和雨花区南部风险等级较低。 相似文献
4.
5.
基于长沙市2018—2020年逐日日最大电力负荷和同期逐日气象要素数据,统计分析了日最大电力负荷的变化规律及节假日/周末效应。用趋势法分离出气象敏感负荷,并将气象敏感负荷与气象要素做相关性分析,最后用支持向量机方法和多元线性回归法对负荷进行模拟预测。结果表明:长沙市日最大电力负荷在一年内有2个峰值,分别出现在夏季和冬季,长沙市日最大电力负荷整体呈现增长趋势。日最大电力负荷的节假日/周末效应不明显。在春季和秋季,气象敏感负荷和气象因子的相关性较差,在夏季和冬季,温度是影响气象负荷最重要的气象因子。支持向量机方法对长沙市日最大电力负荷模拟效果较好,且加入综合气象指数使得模拟结果变好。 相似文献
1