排序方式: 共有4条查询结果,搜索用时 119 毫秒
1
1.
为量化秸秆打包政策对防控大气污染的影响,基于吉林省2016年秸秆产量、秸秆打包地亩数、卫星火点数据以及大气污染物浓度的变化,对吉林省秸秆打包产生的大气环境及社会经济效益进行了分析,结果表明:1)吉林省打包秸秆量为220.36×10~4t,约占秸秆年产量的5.5%,假如全部加工成生物质颗粒燃料,2016年至少减少14.54×10~4t污染物排放;2)吉林省秸秆打包政策执行以来,秸秆露天燃烧量及秸秆燃烧主要月份的卫星火点数显著下降;3)随着露天燃烧量的减少,区域大气颗粒物浓度降低,空气质量改善。秸秆燃烧主要月份的PM_(2.5)和PM_(10)浓度从2014年的104.5μg·m~(-3)、164μg·m~(-3)分别下降到2016年的48.5μg·m~(-3)、69·μg·m~(-3)。研究结果可为吉林省有效减少污染物排放、综合利用农作物秸秆、改善大气环境质量等提供科技支撑。 相似文献
2.
选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明:人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80:20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持. 相似文献
3.
选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明:人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80:20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持. 相似文献
4.
1