|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 成渝地区PM_(2.5)时空分布特征及影响因素显示文摘基于成渝地区2017年监测数据,运用普通克里金插值法、空间自相关和相关性分析,对该区域PM_(2.5)时空分布特征及影响因素进行了研究。结果表明:成渝地区PM_(2.5)浓度季节变化呈现出冬高(1月最高)夏低(7和8月最低)、春秋居中的规律,日均值整体趋势与月均值变化相似,且呈现为周期性脉冲型起伏变化;区域PM_(2.5)浓度在空间上存在集聚现象,高值主要聚集在成都平原经济区、川南经济区;前体物的二次转化、机动车保有量和燃料燃烧对成渝地区PM_(2.5)浓度有显著影响;从全年来看,该区域的PM_(2.5)浓度与气温、风速、降水量都呈显著负相关。 | 邓迪 卢培利 段林丰 李振亮 王锋文 翟崇治 | 2021 | 环境影响评价2021，43，4： | 7 |
| 2 | 成渝城市群黑碳气溶胶的时空分异特征及其对土地利用/土地覆被变化(LUCC)的响应显示文摘基于2000—2015年MERRA-2的黑碳气溶胶(BC)空间分布数据和土地利用/土地覆被数据,利用GIS空间分析手段和地理加权回归模型,识别成渝城市群BC浓度的时空分异和土地利用/土地覆被变化(LUCC)特征,探讨BC浓度对LUCC的响应关系。结果表明:(1)成渝城市群BC浓度在整体上呈现出中部高、四周低的同心圆格局,且这一态势在15 a中没有发生明显改变;2000、2005、2010和2015年的年均浓度分别为3.86、4.97、4.91和4.51μg·m^(-3),以2005年为拐点呈先上升后下降的趋势,且2005年高值区的空间范围最大,经历了扩张-收缩的变化过程;在季度水平上表现出冬季>秋季>春季>夏季的趋势,秋冬季BC污染形势严峻;(2)2000—2015年成渝城市群土地利用/土地覆被的主要类型为耕地、林地和草地,该时期3种地类面积总和的占比均在94.61%以上,土地利用结构未发生明显改变;以耕地与草地连续减少和建设用地持续增加为LUCC的主要特征,水域、林地和未利用地略有增加;(3)不同土地利用/土地覆被类型下的BC浓度总体上呈现出建设用地>耕地>水域>林地>未利用地>草地的特征;在不同的土地利用/土地覆被转换方式下,当人工用地转为自然用地时BC浓度降低,当自然用地转为人工用地时BC浓度增加;(4)地理加权回归模型计算结果表明,局域拟合系数较高区域的LUCC对BC浓度的影响较为显著,且呈现出明显的空间分异现象。 | 王俊秀 牟凤云 田甜 陈林 李秋彦 | 2021 | 生态与农村环境学报2021，37，6： | 5 |
| 3 | 基于机器学习的差异融合分析在空气质量预测中的应用显示文摘使用机器学习算法对未来AQI进行预测,有助于从宏观角度分析未来空气质量变化趋势。在传统上使用单一的机器学习模型对空气质量进行预测时,很难在不同AQI波动趋势下都能获得较好的预测效果。为有效解决该问题,在预测方式上进行改进,针对使用随机森林模型和基于卷积神经网络和注意力机制的长短期记忆模型对成都市的AQI数据进行预测时,在不同的AQI波动趋势下两者的预测准确度不同的特点,设计了一种差异融合分析模型。实验结果表明,提出的差异融合分析模型的MSE误差较随机森林模型降低了5.8%,较基于卷积神经网络和注意力机制的长短期记忆模型降低了6.3%。 | 高嵩 何卓骏 刘子岳 刘家明 王刚 李登柯 | 2021 | 电子测量技术2021，44，18： | 5 |
| 4 | 2015—2020年成都市PM_(2.5)的时空分布及影响因素显示文摘以2015—2020年成都市PM_(2.5)浓度的时空分布为研究对象,运用克里金插值法、Pearson相关系数法、主成分分析法等方法,结合降水、风速2个气象因子及GDP、第二产业生产总值比重、人口密度、城镇化率4个社会因子进行分析,从而得到成都市PM_(2.5)的时空分布情况及其影响因素的相关分析,为成都市的空气污染治理提供科学依据.结果表明:成都市PM_(2.5)浓度在空间上整体呈中间高、两边低的特征,在时间上的整体走向为先降低后升高;同时成都市PM_(2.5)浓度与各种气象因子、社会因子都存在相关性,但相关程度存在较大的差异. | 白雪琴 马丽 黄天志 余波 | 2023 | 四川师范大学学报(自然科学版)2023，46，6： | 2 |
| 5 | 柳州市空气污染特征及气象条件影响分析显示文摘利用广西2018年环境监测数据日均值和小时值对柳州市空气污染程度、污染物浓度季节变化和日变化特征进行分析,结合同期气象常规观测资料,探讨了气象要素与污染物浓度之间的关系,并利用NCEP 1°×1°再分析资料,对4个季节典型空气污染个例的天气形势进行分析,以进一步了解柳州各季节空气污染天气特征。结果表明:(1)柳州市首要污染物以PM_(2.5)为主,轻度污染最多,冬季污染最重,且集中在1月和2月;(2)O_(3)浓度变化为“夏高冬低”,主要与日照条件的季节变化有关,其余污染物浓度变化为“夏低冬高”,主要与冬季污染物排放量增大、扩散条件差、清除作用弱、微量降水日数多、增湿效果明显有关;(3)O_(3)浓度日变化为“单峰型”,峰值出现在15:00,其余污染物浓度日变化为“双峰型”,峰值分别出现在08:00~10:00和22:00~23:00,除O_(3)和SO_(2)外,其余污染物夜间浓度大于早间浓度;(4)PM_(2.5)、PM_(10)、NO_(2)与△P_(24)、T、Rh、P_(1)、V_(10)均呈负相关;O_(3)与T和V_(10)、SO_(2)与P_(24)、CO与Rh均呈正相关,与其他几种气象要素呈负相关。(5)典型个例分析表明,春季高空受偏北气流控制,低层有反气旋且风场较弱,地面处于变性冷高压后部;夏季受副热带高压控制,处于台风或低压外围并受下沉气流影响,地面位于低压带中;秋季处于副高边缘,低层受反气旋影响并受下沉气流控制,地面位于冷高压后部;冬季受槽后偏北气流或平直的西风控制,低层受偏西或偏南气流影响且风场较弱,地面受冷高压控制。这四种天气形势下,柳州天气晴好,无降水或只有弱降水,清除作用不明显,大气层相对稳定,污染物不易扩散,易造成污染天气。 | 赖锡柳 邹颖俊 张凌云 苏小玲 蓝求 李宜爽 王艺 | 2021 | 农业灾害研究2021，11，3： | 2 |
| 6 | 四川盆地PM_(2.5)污染的人群暴露风险研究显示文摘为揭示四川盆地城乡人群的PM_(2.5)暴露风险特征,通过比较PM_(2.5)暴露强度(EI)、基于原始浓度的PM_(2.5)暴露风险(R)和基于人口加权浓度的PM_(2.5)暴露风险(R^(*))3种评估指标,对四川盆地17个城市共80个国控环境监测站点2016-2020年的PM_(2.5)浓度数据进行分析,并利用综合暴露-响应(IER)模型对四川盆地2016—2020年年均归因于PM_(2.5)污染的疾病致死人数进行评估。结果表明:(1)在四川盆地R^(*)是一种综合考量人口分布及人群环境暴露参数的PM_(2.5)暴露风险评估指标,春、秋季R^(*)高值区集中分布在盆地中西部及南部,夏季R~*高值区集中分布在盆地中西部,冬季R^(*)高值区扩展到整个盆地中部及东部,且各季节R^(*)低值区主要位于盆地周边地区,四川盆地2016—2020年年均R^(*)最大值、最小值分别出现在成都(2.296×10^(-5))、雅安(3.072×10^(-6)),与人口分布的一致性表明未来PM_(2.5)暴露风险防控重点区域应着眼于人口集中的地区;(2)从城乡人群差异看,城市人群R^(*)值于45~<60岁(12~<15岁)达到最高(低)值,18岁以上成年人群的R^(*)值比18岁以下未成年人群高;农村人群R^(*)值于9~<12岁(15~<18岁)达到最高(低)值,成年人群中峰值出现在18~<45岁人群;(3)四川盆地2016-2020年年均可归因于PM_(2.5)污染的健康损失(即过早死亡人数)为12.65万人,其中由中风(STK)、缺血性心脏病(IHD)、慢性阻塞性肺病(COPD)和肺癌(LC)4种疾病导致的过早死亡人数占比分别为52.42%、26.54%、13.37%和7.67%,表明四川盆地大气污染导致的健康负担仍然很重,需要实施更加严格的空气污染控制政策。 | 汪可可 康平 石光明 张小玲 王柯懿 | 2023 | 安全与环境工程2023，30，5： | 0 |
| 7 | 冬季局地环流对成都地区大气污染的影响显示文摘为了弄清冬季局地环流对成都地区大气污染时空分布的影响,利用2018年1月成都市环境监测站逐时PM2.5浓度数据和ERA5再分析数据,分析2018年1月一次重污染过程中局地环流变化规律及其对PM2.5浓度分布的影响。结果表明:局地大气环流在污染区域性传输和扩散中起到了重要作用,尤其是污染开始和持续阶段主要受山谷风环流的显著影响;上午和傍晚时段的山谷风在成都西部区域发生转换并形成风场辐合,使局地大气污染加重,而中午至下午时段谷风及上升运动的增强使得大气污染自东向西有所缓解;冬季山谷风的输送和汇聚作用使大气污染物以日为周期不断循环和累积,对成都西部区域大气重污染的形成有着重要作用。 | 鲁峻岑 张小玲 王安怡 韦荣 李朝阳 | 2023 | 高原山地气象研究2023，43，4： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员