全文获取类型
收费全文 | 144篇 |
免费 | 14篇 |
国内免费 | 7篇 |
专业分类
安全科学 | 32篇 |
环保管理 | 23篇 |
综合类 | 69篇 |
基础理论 | 7篇 |
污染及防治 | 4篇 |
评价与监测 | 10篇 |
社会与环境 | 3篇 |
灾害及防治 | 17篇 |
出版年
2024年 | 1篇 |
2023年 | 4篇 |
2022年 | 5篇 |
2021年 | 1篇 |
2020年 | 7篇 |
2019年 | 3篇 |
2018年 | 3篇 |
2017年 | 7篇 |
2016年 | 7篇 |
2015年 | 6篇 |
2014年 | 10篇 |
2013年 | 10篇 |
2012年 | 10篇 |
2011年 | 11篇 |
2010年 | 13篇 |
2009年 | 10篇 |
2008年 | 11篇 |
2007年 | 5篇 |
2006年 | 8篇 |
2004年 | 3篇 |
2003年 | 18篇 |
2002年 | 4篇 |
2001年 | 2篇 |
2000年 | 1篇 |
1999年 | 2篇 |
1995年 | 1篇 |
1992年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有165条查询结果,搜索用时 140 毫秒
161.
地下水污染风险评价对地下水污染防治及土地的合理开发利用具有重要意义。通过分析西安市平原区浅层地下水特征,建立了包含地下水脆弱性、污染源荷载及水功能价值的地下水污染风险评价概念模型,对西安市平原区地下水污染风险进行了评价。结果表明:西安市平原区地下水污染高、中、低风险区分别占研究区总面积的0.2%、28.8%、71.1%。平原区地下水污染中等以上风险区主要集中分布在周至县的渭河沿岸、长安区的浐河沿岸以及蓝田县的灞河沿岸,地下水脆弱性高、污染源荷载相对较强是造成该地区污染风险相对较高的主要原因。 相似文献
162.
西安市灰霾天气时间和区域分布特征及影响因素 总被引:2,自引:0,他引:2
依据1961—2005年共45年,西安、户县、长安、蓝田、临潼、高陵和周至7个气象台站灰霾观测资料,分析了灰霾天气时间和区域分布特征,并根据1996—2005年近10年西安逐月平均灰霾日数与近10年逐月主要气象要素相关性分析,得出:西安市20世纪70年代是灰霾日出现的高峰时期,并呈逐年减少趋势,灰霾发生的中心区域也在向郊区东南部转移;从影响灰霾天气形成的气象条件来看,气温越低,降水量和风速越小,日照越少,气压越高,越有利于灰霾天气的形成。 相似文献
163.
西安周边河流溶解无机碳浓度及同位素组成初探 总被引:1,自引:3,他引:1
通过分析西安周边4条主要河流(浐河、灞河、涝河、黑河)的溶解无机碳(DIC)浓度和碳同位素组成,初步探讨了西安周边主要河流溶解无机碳(DIC)的浓度变化及碳源.结果表明西安周边主要河流DIC浓度的变化范围为0.34~5.66mmol.L-1,平均为1.23 mmol.L-1,自源头到下游,DIC浓度呈现升高趋势.4条河流δ13CDIC值的变化范围在-13.3‰~-7.2‰之间,平均值约为-10.1‰,4条河流整体表现为δ13CDIC值在源头偏负(平均值约为-12.6‰),中下游农耕区δ13CDIC值偏正(平均值约为-9.4‰),靠近入渭河河口的城市区δ13CDIC表现为偏负值(平均值为-10.5‰).DIC浓度与河流DIC碳同位素组成的变化规律揭示了河流溶解无机碳来源的变化,土壤CO2的输入可能是源头水体DIC的主要来源;中下游农耕区河水δ13CDIC值偏正是由于农业区农作物存在C4植被(如:玉米),使得农业区土壤CO2和土壤碳酸盐具有偏正的碳同位素组成,进而导致河流水体具有偏正的δ13CDIC值;靠近河口处具有较低δ13C值,污水的大量输入可能导致河水δ13CDIC表现为偏负.结果表明西安周边河流溶解无机碳浓度和同位素组成变化大致指示了河流从源头到下游过程中DIC的可能来源,可为黄土高原小流域河流无机碳来源示踪研究提供参考. 相似文献
164.
本文应用WRF-CHEM模式模拟分析了2016年6月西安市大气污染过程。模式准确地模拟了西安地区大气臭氧(O_3)、细颗粒物(PM_(2.5))以及二氧化氮(NO_2)的时空变化趋势,较好地再现了天气形势以及大气污染的演变过程。根据近年来西安市交通排放量的增加制定敏感性试验,结果表明:西安市20%交通排放量在研究时段内平均PM_(2.5)质量浓度贡献量为4.5μg?m~(-3),模拟时段内O_3平均贡献量为4.8μg?m~(-3),西安市20%交通排放量在研究时段内的平均NO_2贡献量为2.7μg?m~(-3),而且污染物浓度越高,交通源排放量的影响越显著。 相似文献
165.
基于空气质量监测数据,研究了2014~2018年西安市O3浓度和污染的变化特征,利用GAM模型揭示了气象因素对O3浓度的影响.结果表明:①西安市O3浓度逐年上升, 2016年开始O3年评价指标已连续3 a超标.但随着夏季O3污染治理的加强, 2017年后O3浓度升幅趋缓.②O3月均浓度变化曲线主要呈倒V型, 1~7月随气温的升高而上升, 8~12月随气温的下降而下降, 7月月均浓度最大.但在降水量偏大的年份,O3月均浓度常在降水量最大月出现谷值,曲线形态变为M型.③2014~2018年西安市O3污染明显加重,O3污染时段向前延长.O3超标率由2014年的1.9%上升到2018年的14.0%. 2016年起,O3污染出现时间由7月提前至5月.④GAM模型拟合结果表明,气温、气压、日照时数和相对湿度与O3浓度... 相似文献