声明

本刊已加入中国学术期刊网络出版总库、中国学术期刊综合评价数据库、万方数据-数字化期刊群、中国核心期刊(遴选)数据库和中文科技期刊数据库。凡被本刊录用的稿件将同时通过因特网进行网络出版或提供信息服务,稿件一经刊用将一次性支付作者著作权使用报酬,如作者不同意将自己的文章被以上期刊数据库收录,请在来稿中声明,本刊将作适当处理。     

《生态环境学报》征稿简则

1《生态环境学报》是经国家新闻出版总署批准的正式学术期刊,向国内外公开发行;是全国中文核心期刊、中国科技论文统计源期刊(中国科技核心期刊)、中国科学引文数据库(CSCD)核心库期刊、中国国际影响力优秀学术期刊、中国精品科技期刊、日本科学技术振兴机构数据库期刊。入选《中文核心期刊要目总览》(2004—2017年各版);荣获广东省优秀期刊称号、广东省优秀科技期刊一等奖。主要刊登国内外生态学和环境科学具有创新性的重要研究论文,少量刊登对这两个学科重大前沿问题具有独到见解和理论建树的综述和观点类文章。所有文章要求第一作者在所著述的领域或相关领域有较好的研究基础,其中,综述文章要求第一作者具有副高级以上的职称或具有博士学位。本刊面向全国,面向世界,欢迎国内外有关专业的专家、学者投稿。     

基于一个发现污染类核心区域的聚类模型的大气污染情况分析

由于污染源受地形、地貌及气象等条件影响而分布多样,大气污染数据在空间中呈任意形状、任意密度的复杂分布。为探究这种大气污染分布状况,基于DP算法提出了1个发现污染类核心区域的聚类模型。以实现对污染数据不经统计直接聚类,在保持空气污染数据分布特征不变的基础上提取出关键污染数据,更准确地挖掘空气污染变化规律。将所提聚类模型和k-Means算法在由兰州市2017,2019,2021年各年1月污染物浓度小时数据构成的3个数据集上进行了对比分析。结果显示:所提模型在以上3个数据集上均能更清晰地挖掘出污染数据,在污染类核心区域中的关键污染数据分别为59.0%、57.2%和69.0%,且造成污染的首要污染物均为NO₂和颗粒物。此外,该模型从兰州市2021年1月数据中解析出,兰州市月污染变化由污染物NO₂和PM₁₀共同作用或交替作用引起,日污染变化在受污染小时数和首要污染物(NO₂和PM₁₀)出现次数上的变化趋势均呈双峰型,污染区域为城关区。并通过分析上述污染规律的成因,证明该模型在确保数据复杂分布不变的情况下提取关键污染数据的有效性。     

声明

本刊已加入中国学术期刊网络出版总库、中国学术期刊综合评价数据库、万方数据-数字化期刊群、中国核心期刊(遴选)数据库和中文科技期刊数据库。凡被本刊录用的稿件将同时通过因特网进行网络出版或提供信息服务,稿件一经刊用将一次性支付作者著作权使用报酬,如作者不同意将自己的文章被以上期刊数据库收录,请在来稿中声明,本刊将作适当处理。     

欢迎订阅2023年《环境科技》

《环境科技》是由江苏省生态环境厅主管,江苏省徐州环境监测中心、江苏省环境科学研究院联合主办的集学术性与实用性于一体的环境科学技术类期刊,为“中国科技论文统计源期刊”(中国科技核心期刊)。国内统一刊号:CN 32-1786/X,国际标准刊号:ISSN 1674-4829。