全文获取类型
收费全文 | 577篇 |
免费 | 81篇 |
国内免费 | 204篇 |
专业分类
安全科学 | 30篇 |
废物处理 | 4篇 |
环保管理 | 46篇 |
综合类 | 489篇 |
基础理论 | 57篇 |
污染及防治 | 11篇 |
评价与监测 | 95篇 |
社会与环境 | 42篇 |
灾害及防治 | 88篇 |
出版年
2024年 | 9篇 |
2023年 | 23篇 |
2022年 | 39篇 |
2021年 | 63篇 |
2020年 | 55篇 |
2019年 | 38篇 |
2018年 | 42篇 |
2017年 | 35篇 |
2016年 | 46篇 |
2015年 | 41篇 |
2014年 | 35篇 |
2013年 | 44篇 |
2012年 | 48篇 |
2011年 | 60篇 |
2010年 | 25篇 |
2009年 | 32篇 |
2008年 | 14篇 |
2007年 | 32篇 |
2006年 | 34篇 |
2005年 | 27篇 |
2004年 | 21篇 |
2003年 | 20篇 |
2002年 | 15篇 |
2001年 | 12篇 |
2000年 | 13篇 |
1999年 | 6篇 |
1998年 | 7篇 |
1997年 | 5篇 |
1996年 | 6篇 |
1995年 | 1篇 |
1994年 | 6篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1986年 | 2篇 |
1982年 | 1篇 |
排序方式: 共有862条查询结果,搜索用时 250 毫秒
791.
利用2006年9月~2007年3月全国CO中毒病例资料,选取日发病人数为8人以上的CO中毒事件发生日作为样本,对CO中毒的气象条件进行了分析研究.结果表明,微风或者静风、大气层结稳定的气象条件不利于CO气体的扩散,同时,气温变幅较小、气压下降、云量多和气体湿度大也可能间接导致CO中毒事件的发生.用风速、大气稳定度、24h变温、24h变压、总云量和相对湿度作为预报因子,利用阈值加权平均的方法,初步建立了区域性CO中毒气象潜势预报模型. 相似文献
792.
利用2016~2020年太原市污染物浓度资料、以及国家基准气象观测站的同期地面气象资料,重点分析了太原市PM2.5浓度的变化特征以及湿度、降水、风和混合层厚度等气象条件对PM2.5浓度的影响,同时探讨了污染物浓度变化的成因,建立基于LSTM神经网络的PM2.5浓度预报模型.结果表明,2016~2020年太原市区冬季出现的重污染天数最多,其中2017年冬季出现天数最多为28 d, PM2.5浓度总体呈现出秋冬季节高,春夏季节低,周末PM2.5浓度高于工作日浓度,PM2.5浓度日变化大致呈现双峰型分布,分别出现在09:00左右和23:00至翌日01:00.除相对湿度和冬季气温外,其余气象要素与PM2.5浓度在四季均表现为负相关.影响太原市区PM2.5浓度升高的污染源主要位于其NE-ENE-E方向,西北部地区的相对不明显.汛期当达到中雨(降水量≥10 mm)以上级别的降水都对PM2.5浓度降低有明... 相似文献
793.
厦门春季 PM10中PAHs成分谱特征及其与气象要素相关性分析 总被引:3,自引:3,他引:0
为了研究厦门春季市区与郊区PM10中PAHs的污染状况和分布特征,利用GC-MS分析了2013年4月11~21日日间和夜间分别在厦门市、郊两地采集的气溶胶样品,并得到了厦门市区和郊区18种PAHs的浓度,研究得出厦门郊区ΣPAHs昼夜变化比市区小,市区的白天是夜间的1.83倍,并且PAHs的浓度仍然是低于国家的环境标准的.在不同的时间和空间尺度下,ΣPAHs均呈双峰型分布,市区和郊区昼、夜的PAHs组分均以中低环PAHs为主,高环PAHs随着粒径的增大而逐渐减小,而低环PAHs所占比例逐渐增大,市区的PM10中2~4环PAHs粒径的昼、夜分布有很大差异,而5~7环差异不大.并用DR方法分析了PAHs的来源,得出厦门春季市区和郊区PAHs的主要贡献源为汽油、柴油的燃烧和冶炼厂的熔炉排放的废气.在采样期间,郊区ΣPAHs浓度与温度、风向呈负相关关系,与能见度和风速呈正相关关系,而市区的ΣPAHs浓度除白天与温度的相关性跟郊区相同外,与其他气象要素的相关性和郊区基本相反. 相似文献
794.
长江中下游地区气象干旱特征 总被引:2,自引:1,他引:1
长江中下游地区是中国重要的粮食生产基地,在当前全球气候变化的背景下,旱灾将直接影响该区域人民的生产生活和国家粮食安全。基于标准化降水指数(SPI),采用1961-2015年的中国地面降水月值0.5°×0.5°格点数据集,通过游程理论定义气象干旱事件,并获取了描述干旱事件特征的三个变量:干旱历时、干旱烈度和烈度峰值。指数函数和伽马函数分别用来拟合干旱历时和干旱烈度的边缘分布,Clayton Copula函数用来构建干旱历时和干旱烈度的联合分布。在此基础上,分别用常规单变量和基于Copula双变量的频率分析方法探讨55年来长江中下游地区干旱事件在不同时间尺度下的空间特征。结果表明:(1)不同时间尺度下,长江中下游地区的干旱特征空间格局存在一定的差异,最严重的干旱主要发生在长江下游地区; (2)不同时间尺度的干旱历时和干旱烈度均呈正相关,即较严重的干旱事件通常持续更长的时间;(3)鄱阳湖流域和长江干流下游的北部干旱风险较高,而陕西南部、河南南部、湖北大部和湖南的中北部干旱风险较低。研究结果可为长江中下游地区水资源的科学管理和干旱灾害的风险评估提供理论依据。 相似文献
795.
兰州市在"一带一路"建设中发挥着重要的战略支点作用.基于OMI(ozone monitoring instrument,臭氧层监测仪)数据产品,对2006-2015年兰州市对流层O3柱浓度与前体物及气象因子的相关性进行研究.结果表明:2006-2015年兰州市对流层O3柱浓度值与HCHO总柱浓度值均随时间的变化呈先增后减的趋势,对流层NO2柱浓度值呈逐年递减的趋势;相关性分析得出,对流层O3柱浓度与HCHO总柱浓度、对流层NO2柱浓度相关性较高的地区范围呈先增后减的趋势.在敏感控制区上,2006-2015年VOCs敏感控制区从有到无,VOCs-NOx协同敏感控制区范围逐渐缩小,NOx敏感控制区范围逐渐扩大;在气象因子上,对流层O3柱浓度与气温、日照时间呈显著正相关,与气压、降水量呈显著负相关.在偏北风向上,风速为1.7~1.9 m/s时,兰州市大气对流层O3柱浓度相对较高.研究显示,NOx排放量的减少能有效降低兰州市对流层O3柱浓度. 相似文献
796.
气象指数保险作为最有前景的农业保险创新工具,在保障农产品收入、稳定农业生产和国民经济运行方面具有重要意义。该文提出了综合气象指数模型来设计棉花保险产品,通过主成分分析法结合熵权法构建综合气象指数,综合考量降水、气温、日照等气象指标对棉花生产的影响。相比单一气象指数模型,综合气象指数模型能够整合多种气象条件信息,提高农业气象灾害保险模型的精度。基于该模型,以1999—2016年北京市棉花作物为例进行保险设计,在综合气象指数模型框架下计算出该地区不同灾害等级下的棉花气象灾害指数保险的纯保险费率。 相似文献
797.
利用区域在线空气质量模式WRF-Chem模拟研究了2001~2019年气象条件对江苏省PM2.5浓度分布的影响.在排放源不变的情况下,气象条件引起的江苏省PM2.5年均浓度的最强正、负异常分别出现在2008和2001年,它们的异常值相对于多年平均值分别占比10.5%和-14.3%,表明气象条件对PM2.5浓度年际变化有明显影响.经验正交函数分解的结果表明,气象条件对江苏省PM2.5浓度的空间分布的影响具有一致性.边界层高度、温度、相对湿度、风速和降水整体上都与江苏省PM2.5浓度呈现显著负相关关系.以上气象因子所构建的线性回归方程能较好地描述PM2.5浓度和气象条件之间的关系,其拟合值与模拟值相关性为0.73,通过了99%的信度水平检验. 相似文献
798.
799.
使用2018—2020年内蒙古臭氧(O3)、气象要素观测资料和NCEP FNL资料,统计分析内蒙古近地面O3质量浓度的时空分布特征和变化趋势,并针对全区O3污染典型个例分析其天气形势和气象要素的影响作用。结果表明:内蒙古2018—2020年O3质量浓度年评价值呈逐年下降趋势,2020年较2018年下降10.3%,各盟市O3超标率也显著降低,仅赤峰市和通辽市略微上升。内蒙古O3质量浓度高值分布在中西部偏南地区,尤其是乌海市和鄂尔多斯市;O3超标率峰值主要出现在5—7月,周末效应存在东西部差异。O3浓度变化和天气形势关系密切,南部暖平流和暖高压控制有利于O3生成,西北部冷平流和冷涡发展使得O3浓度下降;高温、低湿、微风和较高的能见度均为诱发O3污染的重要气象条件,而西北大风通过降低温度、能见度和易于扩散的风向使得内蒙古O3浓度降低,但同时可能会导致PM10污染。 相似文献
800.
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