排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
2.
利用MODIS气溶胶光学厚度(AOD)数据针对不同土地覆盖类型的适用性,提出了一种基于土地覆盖类型的AOD融合方法,生成了一种新的3km AOD数据集.在此基础上,通过地理加权回归(GWR)模型估算了京津冀地区2016年PM2.5浓度,并用交叉验证的方法对模型性能进行评价.结果表明:利用融合后的AOD数据建立的模型可解释PM2.594.85%的浓度变化,交叉验证R2为0.94,RMSE为9.27μg/m3,MPE为6.72μg/m3,明显优于多元线性回归(MLR)模型;基于GWR模型估算的京津冀地区2016年年均PM2.5浓度为58.57μg/m3,其中冬季PM2.5浓度最高,春秋季次之,夏季浓度最低,PM2.5月均浓度变化范围32.78~140.83μg/m3,8月份浓度最低,12月份浓度最高;空间分布南北差异显著,衡水市PM2.5污染最为严重,张家口市PM2.5浓度较低.利用此方法成功弥补了PM2.5空间缺失,为城市尺度的健康效应和环境流行病学研究提供数据支持. 相似文献
3.
利用1982-2006年GIMMSNDVI数据反映华北地区植被覆盖变化状况,结合1982--2006年该地区85个气象站点的气温和降水数据,分别从年际变化、季节变化和月变化三个时间尺度分析华北地区植被覆盖变化及其与气候变化的关系。结果表明,从年际变化来看,华北植被变化与气温变化关系较与降水关系密切;从季节变化来看,华北地区植被生长在不同季节对水热条件变化的响应不同,春季和秋季植被生长与气温的关系较与降水的关系密切,而夏季植被生长主要受降水的影响;从月变化来看,4月和5月植被变化受气温变化影响较明显,一定程度上说明4月和5月植被生长的NDVI值增加可能是由于气候变暖引起的植被生长季提前产生的;6-9月植被生长与前2个月降水变化关系密切,说明植被生长对降水变化具有一定的滞后性。 相似文献
4.
基于MODIS AOD遥感数据,采用多元线性回归模型对PM2.5地面监测数据进行模拟估算,同时加入降水量、相对湿度等气象因子以提高模型精度,结合GIS空间分析技术,得到2015—2016年京津冀地区空间连续的PM2.5浓度分布。结果表明:利用多元线性回归模型反演PM2.5浓度效果较好,R 2均在0.59~0.84之间。在时间上,京津冀地区PM2.5浓度呈现出夏季最低、秋季稍高、冬春两季最高的变化趋势;在空间上,2015年和2016年京津冀地区PM2.5浓度有明显的区域差异,均呈现出西北低、东南高的分布格局,大致与燕山山脉和太行山脉走向一致。 相似文献
5.
液中膜MBR工艺是将膜分离技术与传统生化处理技术相结合的一种新型、高效的污水处理方法,具有出水水质好、设备占地面积小、活性污泥浓度高、剩余污泥量少等特点。采用该工艺对生活污水处理进行了工程应用,对工程设计运行参数和污染物去除机制进行研究,并进行技术经济分析。结果表明:出水COD、氨氮、SS等指标均优于GB/T18920—2002《城市污水再生利用——城市杂用水水质》要求,出水可回用于浇洒道路、绿化、冲厕等,并提出根据出水氨氮浓度的变化作为系统排泥的依据,有效地指导工程的稳定运行。 相似文献
6.
运用课题组自主开发的空气颗粒物风蚀源排放清单构建模型软件(PMEI-WES),估算2016年天津市郊区土壤风蚀源颗粒物排放清单.采用蒙特卡罗模拟,分析了主要气象参数和土壤参数输入不确定性对排放量的影响,量化排放清单的不确定性.结果表明:2016年天津市郊区土壤风蚀源PM10排放总量为22025.1731t.风速是影响排放量的最主要参数,排放量随风速增加呈指数增长,土壤碳酸钙与排放量呈正相关关系,土壤有机质与排放量呈负相关关系.排放总量95%概率范围为(15237.7581t,37434.8873t),不确定度为(-37.48%,53.60%);90%概率范围排放量为(16111.8606t,36104.7554t),不确定度为(-33.89%,48.14%).各区排放量不确定度大小与风速误差大小最显著.土壤参数对不确定度极值的影响较大. 相似文献
7.
8.
大气细粒子和臭氧是影响我国城市空气质量的主要污染物质,其浓度的大小不仅与污染源的排放量有关,气象条件也是影响其浓度分布特征的重要因素.要评估污染物减排措施的效果,有必要将气象条件的影响剥离出来,仅评估排放量的降低对污染物浓度长期变化趋势的影响.本文使用KZ(Kolmogorov-Zurbenko)滤波方法对河北省石家庄、保定、张家口三市2013—2017年PM_(2.5)和O_3逐日浓度时间序列进行分解,并使用同期地面气象观测数据对各时间序列进行逐步回归分析,将经过KZ滤波后的长期序列与经逐步回归后的结果的差值再次进行滤波处理,得到去除气象影响的污染物浓度长期变化趋势,该浓度仅与污染物的排放量有关.结果表明,因污染源排放的影响,河北省三市大气PM_(2.5)浓度在研究年内除在2017年初略有上升以外,其余季节均呈下降趋势.河北省三市大气O_3浓度在研究年内均有波动上升趋势.气象条件对PM_(2.5)浓度长期变化趋势的影响大于O_3. 相似文献
9.
利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM2.5关系,模型拟合R2为0.92,交叉验证调整R2为0.85,均方根误差(RMSE)为12.30 μg/m3,平均绝对误差(MAE)为9.73 μg/m3,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM2.5浓度为42.98 μg/m3,暖季(4月1日~10月31日)为43.35 μg/m3,冷季(11月1日~3月31日)为38.52 μg/m3,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m3.空间上,京津冀地区的PM2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM2.5浓度,且模型估算的PM2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑. 相似文献
10.
PM2.5与PM10的时空分布特征及其相关性是大气颗粒物研究的主要内容,传统方法是基于监测站点数据进行分析,难以揭示PM2.5与PM10时空分布的区域特征.为此,本文利用地理加权回归模型估算了2016年新疆地区PM2.5与PM10的月均浓度,在此基础上对区域尺度的PM2.5与PM10浓度特征进行分析.结果表明:地理加权回归相较最小二乘回归的拟合精度更高,PM2.5和PM10的决定系数分别为0.93和0.96,且误差较小;PM2.5和PM10年均浓度分别为70.88 μg·m-3和194.53 μg·m-3,说明大气颗粒物污染严重,且空间分布呈西南高、东北低的特征;PM2.5和PM10季节浓度均为春季最高,夏季最低;PM2.5月均浓度2月最高,9月最低,PM10月均浓度3月最高,8月最低;PM2.5与PM10年均浓度的相关系数r为0.95,相关性较高;PM2.5/PM10冬季最高为51%,其余季节小于50%,说明冬季PM2.5对大气颗粒物污染贡献率较高,其余季节则以可吸入颗粒物中的粗颗粒贡献为主. 相似文献