全文获取类型
收费全文 | 401篇 |
免费 | 46篇 |
国内免费 | 77篇 |
专业分类
安全科学 | 56篇 |
废物处理 | 5篇 |
环保管理 | 38篇 |
综合类 | 255篇 |
基础理论 | 39篇 |
污染及防治 | 14篇 |
评价与监测 | 60篇 |
社会与环境 | 29篇 |
灾害及防治 | 28篇 |
出版年
2024年 | 11篇 |
2023年 | 24篇 |
2022年 | 25篇 |
2021年 | 32篇 |
2020年 | 20篇 |
2019年 | 22篇 |
2018年 | 21篇 |
2017年 | 15篇 |
2016年 | 19篇 |
2015年 | 26篇 |
2014年 | 30篇 |
2013年 | 23篇 |
2012年 | 28篇 |
2011年 | 24篇 |
2010年 | 18篇 |
2009年 | 14篇 |
2008年 | 14篇 |
2007年 | 27篇 |
2006年 | 25篇 |
2005年 | 19篇 |
2004年 | 9篇 |
2003年 | 12篇 |
2002年 | 9篇 |
2001年 | 9篇 |
2000年 | 3篇 |
1999年 | 4篇 |
1998年 | 8篇 |
1997年 | 8篇 |
1996年 | 4篇 |
1995年 | 7篇 |
1994年 | 2篇 |
1993年 | 5篇 |
1992年 | 1篇 |
1991年 | 3篇 |
1990年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有524条查询结果,搜索用时 15 毫秒
501.
502.
503.
石河子-昌吉地区地下水水质时空变化及污染源解析 总被引:1,自引:0,他引:1
为了探明新疆石河子-昌吉地区地下水水质时空变化并解析污染源,综合运用基于香农熵的贝叶斯水质评价模型、 Spearman秩相关系数、主成分分析和绝对主成分得分-多元线性回归受体模型(APCS-MLR)等方法,对23眼原位井2016~2021年逐年地下水水质数据进行分析.结果表明:(1)研究区多年地下水水质状况总体较好,潜水水质类别以Ⅰ类和Ⅱ类为主,承压水主要为Ⅰ类.(2)从时间看,2016年和2017年分别为潜水和承压水水质变化的关键时间节点,Ⅳ类和Ⅴ类水仅出现在节点之前,之后在Ⅰ~Ⅲ类水范围内波动.(3)从空间看,潜水水质优劣排序为:石河子市≈呼图壁县>玛纳斯县>昌吉市;承压水为:石河子市≈昌吉市>呼图壁县>玛纳斯县.(4)研究区多年地下水水质类别和主要水质指标在时空变化上基本对应,且异质性较强.(5)潜水水质主要受到溶滤作用(67.30%)、溶滤-迁移作用(10.89%)和农业-生活污染(9.44%)的影响,溶滤-富集作用(52.08%)、农业-生活污染(16.06%)和碱性环境的离子交换作用(12.64%)对承压水水质影响较大.尽管研究区多年水质状况整体呈改... 相似文献
504.
随着工业化和城市化的迅速发展,中国面临着越来越严重的大气污染危机,以细颗粒物(PM_(2.5))为标志的区域性大气复合污染问题已经成为我国大气环境污染治理的核心工作.目前,传统的地面监测站监测PM_(2.5)浓度的方法空间分辨率较差且耗费人力物力,而卫星遥感数据监测PM_(2.5)浓度的方法大部分只能应用于白天.由于PM_(2.5)浓度在时间上存在周期性变化,因此利用卫星遥感数据监测的夜间PM_(2.5)浓度可以作为表征PM_(2.5)日变化规律的重要补充.本研究采用Suomi National Polar-orbiting Partnership(Suomi NPP)卫星搭载的可见红外成像辐射计套件(Visible Infrared Imaging Radiometer Suite, VIIRS)中Day/Night波段(DNB)夜间灯光影像数据,依据大气气溶胶消光原理和站点气象数据,建立PM_(2.5)浓度的预测模型,基于多元线性回归分析对上海地区9个空气质量监测站在2014—2018年冬季无月无云的晴朗夜间的PM_(2.5)浓度值进行估计,并对PM_(2.5)浓度的空间分布进行模拟.结果表明,在研究时段上海地区PM_(2.5)实际浓度与模型估算PM_(2.5)浓度之间R~2=0.767,均方根误差(RMSE)为19.210μg·m~(-3),验证了VIIRS/DNB夜间灯光影像数据在估算PM_(2.5)浓度方面有巨大潜力. 相似文献
505.
艾比湖区域景观格局与河流水质关系探讨 总被引:10,自引:5,他引:5
为进一步明确景观格局对河流水质的影响.本研究选择新疆艾比湖区域为研究对象,以28个水质采样点为中心,建立100、200、300、400 m的河流缓冲区,并提取土地利用/覆被-景观格局数据.首先,通过主成分分析获得水环境的主要水质变量.其次,利用多元线性回归探讨研究区不同宽度缓冲区土地利用/覆被-景观格局变化对河流水质的影响,获得水质管理的有效缓冲区.结果表明:①2015年5月,在艾比湖区域测得的18个地表水水质指标中提取TDS、SO42-、NH4+-N、HCO3-、Na+和TP这6个水质指标.②对斑块密度(PD)、最大斑块指数(LPI)、边缘密度(ED)、景观形状指数(LSI)、蔓延度指数(CONTAG)进行统计分析,发现人类活动在4个缓冲区内强弱不均.③本文在不同尺度的缓冲区下,将PD、LPI、ED、LSI、CONTAG和TDS、SO42-、NH4+-N、HCO3-、Na+、TP分别进行相关性分析,发现300m缓冲区相关性最为显著.④在300m缓冲区内,通过多元线性回归分析,将TDS、HCO3-与其各自对应的景观指数的关系进行定量化表达,进一步探明区域流域地表水与周围一定缓冲区范围内的景观格局的内在关系. 相似文献
506.
为实现对吉兰泰盐湖盆地地下水污染源的识别与管理,系统采集区域内71个地下水样品,测定16项地下水质关键指标;以GB/T 14848—2017《地下水质量标准》中的Ⅲ类标准为依据确定特征污染物,利用因子分析(FA)确定地下水水质指标的因子分类,以地质统计学插值绘图揭示不同污染源的空间分布特征,运用APCS-MLR(绝对主成分得分多元线性回归)量化不同污染源的贡献率.结果表明:研究区内ρ(Cr6+)、ρ(As)、ρ(NH4+)、ρ(F-)、ρ(Cl-)、ρ(NO2-)、ρ(CODMn)、ρ(TDS)、pH等9项地下水水质指标均存在超标现象,其中ρ(NH4+)、ρ(Cl-)、ρ(F-)超标较为严重.通过因子分析法筛选出影响研究区地下水水质的6个公因子,即溶滤-富集作用因子(F1,贡献率为24.61%)、农业活动因子(F2,贡献率为20.38%)、原生地质-农业生产、生活污染因子(F3,贡献率为11.72%)、工业生产污染因子(F4,贡献率为10.38%)、地质环境背景因子(F5,贡献率为10.78%)、原生地质因子(F6,贡献率为10.61%),其中F1、F5、F6为环境影响因子,F2、F3、F4为人类活动影响因子.采用因子得分函数计算得到因子得分,巴音乌拉山一带整体污染因子得分较高,乌兰布和沙漠存在点状高值区,图格力高勒沟谷上游也存在一定程度的污染,而盐湖盆地东南大部分区域水质相对较好,其分布与变化受到天然因素和人类活动的双重影响.利用APCS-MLR得到各水质指标预测值与实测值的R2(线性拟合优度)均大于0.7,APCS-MLR可较好地评估各因子对水质的贡献率.研究显示,因子分析与APCS-MLR相结合可以有效地对地下水化学组分进行定性识别与定量解析. 相似文献
507.
城市交通绿地土壤重金属含量的高光谱反演 总被引:1,自引:0,他引:1
以交通绿地区土壤Cr、Pb、Zn为研究对象,分析重金属元素与土壤光谱在一阶、二阶等微分变换下的相关性,突出特征波段,通过多元线性逐步回归(MLR)和偏最小二乘回归(PLSR)方法,建立光谱与重金属元素含量的最佳模型,并进行精度检验与模型预测。结果表明:光谱微分变换可以有效地提高土壤重金属含量与土壤光谱反射率间的相关性,土壤Cr、Pb、Zn的最大特征波段分别在1 289.41、1 408.35、1 411.9 nm;从模型稳定性和精确性来看,土壤Cr、Pb、Zn在PLSR模型中的R~2分别为0.986、0.809、0.629,依次是MLR模型的1.32、1.14、1.12倍,土壤Cr、Pb、Zn在PLSR模型中的建模RMSE均低于MLR模型,PLSR模型效果较优;与土壤Cr相比,土壤Pb、Zn的MLR和PLSR模型效果较差,这可能与人为因素影响有关。 相似文献
508.
西南地区由于广泛发育碳酸盐岩导致土壤重金属具有天然的高背景属性,在重金属地质高背景区开展生态风险评价和识别重金属潜在来源对土壤污染防治、农产品安全保障具有重要意义.基于乡镇尺度,在重庆市奉节县青龙镇采集耕地表层土壤样品307件,分析了土壤As、Cd、Cr、Cu、Hg、Ni、Pb和Zn重金属含量及pH,采用地统计学,绝对因子分析-多元线性回归(APCS-MLR)受体模型探讨研究区域内8种重金属污染空间分布特征及来源,利用内梅罗指数(P综)和潜在生态风险指数(RI)开展土壤风险评价.结果表明,耕地土壤中As、Cd、Cr、Cu、Hg、Ni和Zn的平均值和中位数超过重庆市土壤背景值,其中Cd、As累积效应较为明显.与农用地土壤筛选值相比,Cd超标率最高,达52.12%.土壤中重金属含量空间分布格局呈现出南部整体高,高值区呈条带状分布;北部整体低,高值区呈点状分布.APCS-MLR模型表明研究区耕地土壤重金属Cr、Zn、Ni和Cu以自然来源为主,主要受地质背景控制,贡献率分别为86.62%、85.46%、76.44%和64.34%;As、Pb和Hg的来源以工业源为主,受煤矿... 相似文献
509.
510.
以西安为研究区域,为探究气象因子对PM2.5浓度的影响,采集2017-2019年空气质量与气象因子数据,改进k-Means聚类算法,形成严重污染、重度污染、中度污染、轻度污染共4个PM2.5浓度与气象因子样本簇集。分析簇集数据分布,选择Spearman相关性分析方法,确定影响PM2.5浓度的气象因子;定义PM2.5凸显性条件,给出幅度特征FOA、浮动特征FOF和凸显特征FOH,构建三维空间,确定气象因子对PM2.5影响的大小,进而建立气象因子对PM2.5浓度的影响分析方法。比较多元线性回归和随机森林回归方法,结果表明:该方法提高了分析效率,且无需考虑因子选取和表达,能有效确定影响PM2.5浓度的气象因子种类及影响程度。在低温、高湿、高压和相对静风的气象条件下,空气中颗粒物难以扩散和输送,使西安市PM2.5浓度升高。严重污染、重度污染和中度污染中,PM2.5浓度与相对湿度呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为相对湿度>风速>气温;轻度污染中,PM2.5浓度与相对湿度、气压呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为气温>相对湿度>气压>风速。 相似文献