|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于ARIMA模型的深圳市空气质量指数时间序列预测研究显示文摘目的构建适合深圳市空气质量指数(AQI)预测的自回归移动平均模型(ARIMA),为有效地治理和控制空气污染提供科学依据。方法应用时间序列分析方法对深圳市2014年1月1日—2016年6月30日AQI逐日数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型,利用所得到的模型对2016年7月1日—2016年7月6日AQI进行预测,并评价其预测效果。结果本研究2014年1月—2016年6月共收集了深圳市912个逐日AQI数据,空气质量级别为优、良和轻度污染的比例分别是48.6%、48.4%和3.0%。经平稳性检验,该原始序列适合进行模型拟合,经过模型拟合诊断发现ARIMA(3,0,1)模型为最优模型,赤池信息准则(AIC值)和贝叶斯信息准则(BIC值)最小,分别为7 364.51和7 393.41,Box-Ljung检验结果 Q值为17.48,P>0.05,模型残差为白噪声序列。2016年7月1日—2016年7月6日AQI预测值与实际值的平均相对误差为16.6%,实际值都在95%可信区间内,建立的ARIMA(3,0,1)模型的拟合精度和预测效果较为理想。结论 ARIMA(3,0,1)模型能较好地模拟深圳市AQI变化趋势,有良好的预测效果。 | 牟敬锋 赵星 樊静洁 严宙宁 严燕 曾丹 罗文亮 范志伟 | 2017 | 环境卫生学杂志2017，7，2： | 28 |
| 2 | 兰州市区臭氧时空分布特征及气象和环境因子对臭氧的影响显示文摘s利用2014~2016年兰州市4个监测点O_3、NO_2和CO浓度实时监测数据和日平均气温、相对湿度、气压和风速气象观测数据,统计分析了近3年O_3的时空分布特征以及环境因子(NO_2和CO)和气象因子对兰州市区O_3浓度的影响。结果表明:兰州市区O_3浓度年变化特征呈倒U型结构,夏季最高,峰值出现在5月,为(65.6±16.9)μg/m^3。4个监测点中生物制品所的年平均浓度最高。O_3的日变化为单峰分布,午后浓度较高,兰炼宾馆监测点峰值出现时间比其他区域超前约2 h。NO_2和CO与O_3的年变化相反,均表现出U型结构的年变化特征,都在12月达到峰值,分别为(2.53±0.80)mg/m^3,(78.9±28.2)μg/m^3。而NO_2和CO浓度白天浓度高于夜间。O_3浓度都随着NO_2和CO浓度的增加呈现指数形式下降。兰州市高温低湿气象条件有利于O_3的前体物(NO_2和CO)转化形成O_3。兰州市区发生高浓度O_3的气象和环境条件主要为日均气温高于20℃,相对湿度位于40%~50%以及风速≤5 m/s;NO_2浓度低于20μg/m^3,CO浓度低于0.5 mg/m^3。 | 李全喜 王金艳 刘筱冉 董继元 魏林波 | 2018 | 环境保护科学2018，44，2： | 20 |
| 3 | 中山市2007—2016年环境空气质量变化趋势及现状分析显示文摘目的了解中山市2007—2016年环境空气质量的变化趋势及基本状况。方法收集中山市2007—2016年环境空气污染物二氧化硫(SO_2)、二氧化氮(NO_2)、一氧化碳(CO)、臭氧(O_3)、可吸入颗粒物(PM_(10))和细颗粒物(PM_(2.5))的年平均浓度或特定的百分位数浓度监测数据,采用Spearman秩相关系数法和环境空气质量指数法分析其变化特征及基本状况。结果中山市2007—2016年SO_2、NO_2和PM_(10)的年平均浓度总体呈下降趋势(r_s分别为-0.976,-0.809,-0.873,P<0.05)。2013—2016年SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)总达标率分别为100.0%,97.4%,100.0%,90.6%,98.0%和91.2%;近4年环境空气质量综合指数由高到低依次为2013年>2014年>2015年>2016年。2013—2015年主要污染物为PM_(2.5),2016年主要污染物为NO_2。结论中山市近10年SO_2、NO_2和PM_(10)年均浓度总体呈下降趋势,PM_(2.5)和NO_2是近4年主要污染物。 | 邓春拓 何伦发 郭艳 李玉 蔡春生 | 2017 | 环境与健康杂志2017，34，9： | 8 |
| 4 | 基于PCA-MLR模型的兰州市大气PM_(2.5)污染来源解析显示文摘目的了解兰州市不同功能区大气PM_(2.5)的污染来源及贡献率。方法选取兰州市经济中心城关区和核心工业区西固区进行PM_(2.5)样品采集,采用电感耦合等离子体质谱法、离子色谱法、高效液相色谱法分别检测PM_(2.5)中的金属元素、水溶性离子及PAHs浓度,结合PCA-MLR模型探讨其来源及贡献率。结果两区均以燃煤/交通混合污染源对PM_(2.5)浓度的贡献最大。城关区的主要污染源为燃煤/交通混合污染源、土壤扬尘及生物质燃烧源,其贡献率分别为52%、35%、13%;西固区除燃煤/交通混合污染源(38%)、土壤扬尘(24%)占较大部分外,工业污染源、工业/燃煤混合污染源及二次污染源也占有一定的比例(38%)。结论兰州市城关区和西固区PM_(2.5)的最大污染来源均为燃煤/交通混合污染源。 | 魏巧珍 王宇红 李盛 罗斌 贾清 余加琳 赵红 原晓蓉 牛静萍 | 2017 | 环境卫生学杂志2017，7，4： | 6 |
| 5 | 兰州市环境空气质量变化趋势分析研究显示文摘利用2014—2017年中国空气质量在线监测分析平台公布的兰州市监测数据,采用综合指数、空气质量指数和Pearson相关系数法,分析了兰州市环境空气质量变化情况及其与气象条件的关系。结果表明:2014—2017年兰州市环境空气质量变化趋势并不一致,相比于2014年,2015年环境空气质量略有好转,2016和2017年环境空气质量呈恶化状态。近4年PM10和PM_(2.5)两项污染因子污染负荷贡献率均超过55%,是兰州市环境空气质量主要的污染物;除PM10和PM_(2.5)外,其他污染因子均达到国家环境空气质量二级标准。兰州市环境空气质量有明显的季节性变化特征,整体上呈现冬春季差,夏秋季好的趋势;监测的污染因子中,除O3浓度的变化趋势为夏秋季高,春冬季低外,其他污染因子浓度均为春冬季高,夏秋季低;以PM10为首要污染物的天数在逐年降低,但O3成为首要污染物的天数在逐年增加。气温、降水和相对湿度是影响兰州市环境空气质量的主要气象因子;气温升高、降水和相对湿度的增加均有利于改善环境空气质量。 | 唐国亮 瞿德业 | 2019 | 甘肃科技2019，35，3： | 5 |
| 6 | 近4年安庆地区PM2.5时间分布特征及气象条件分析显示文摘利用2015—2018年安庆市4个国家环境监测站点的PM2.5监测资料,研究该地区PM2.5质量浓度的时间变化特征,了解PM2.5质量浓度的月变化、日变化特征,并利用同期安庆站气象资料分析了PM2.5质量浓度与气象条件的关系。结果表明,安庆市PM2.5质量浓度呈现出冬季高、夏季低的特点,日变化呈双峰单谷型。降水对于PM2.5的清除效果非常显著;风速与PM2.5质量浓度的关系比较复杂,当小时平均风速为1级时,PM2.5质量浓度最高;在冬季,风速越大,PM2.5质量浓度越高;水平能见度在1~4km时,PM2.5质量浓度最高;受到水雾的影响,当能见度低于1km时,PM2.5质量浓度明显下降。 | 黄洋 吴胜平 陈绪财 | 2019 | 安徽农学通报2019，25，19： | 1 |
| 7 | 2016-2017年都匀市环境空气质量分析显示文摘根据都匀市2016-2017年环境空气自动监测数据,采用综合污染指数、污染负荷系数等方法,对都匀市环境空气污染物的时间、空间分布结合地形、气候条件进行分析,针对都匀市的环境空气污染物特征,提出改善环境空气质量的防治措施。 | 赵求实 吴应堂 | 2018 | 环保科技2018，24，4： | 0 |
| 8 | Temporal Distribution Characteristics of PM2.5 and Meteorological Conditions in Anqing in Recent Four Years显示文摘Based on the monitoring data of PM2.5 mass concentration at four national environmental monitoring stations in Anqing City from 2015 to 2018,the monthly and daily variation characteristics of PM2.5 mass concentration in Anqing were studied.Besides,the relationship between PM2.5 mass concentration and meteorological conditions was analyzed based on the meteorological data of Anqing station in the same period.The results showed that the mass concentration of PM2.5 in Anqing City was high in winter and low in summer,and the diurnal variation curve had two peaks and one valley.Precipitation had a significant effect on the removal of PM2.5,and the relationship between wind speed and PM2.5 mass concentration was more complicated.When the hourly average wind speed was force 1,the mass concentration of PM2.5 was the highest.In winter,the greater the wind speed was,the higher the mass concentration of PM2.5 was.As horizontal visibility was 1-4 km,the mass concentration of PM2.5 was the highest.Under the influence of water mist,it dropped significantly when visibility was less than 1 km. | Yang HUANG Shengping WU Xucai CHEN | 2020 | Meteorological and Environmental Research2020，11，1： | 0 |
| 9 | 兰州市常见阔叶树种对大气颗粒物吸滞能力的评估显示文摘量化树种叶片对大气颗粒物的吸滞能力可为筛选具有优良适应性的城市绿化树种提供理论依据。于2018年6月应用洗脱质量法对兰州市30种常见阔叶树种叶片吸滞不同粒径颗粒物质量进行分析。结果表明:30种树种在15 d内的叶片吸滞量为(11026.67±1533.90)~(35121.68±5930.69)μg,平均为(19723.44±1164.07)μg,树种间的吸滞能力差异显著,单叶最大与最小吸滞量之差达980倍;单位面积叶片吸滞量为(209.44±56.24)~(9828±2314.86)μg·cm^(-2),平均为(1618.97±359.93)μg·cm^(-2);不同树种对大气颗粒物表现出吸滞特异性,玉兰(Yulania denudate)、杜仲(Eucommia ulmoides)对粗颗粒物吸滞能力较强,火炬树(Rhus typhina)、小叶黄杨(Buxus sinica var.parvifolia)和紫叶小檗(Berberis thunbergii var.atropurpurea)对细颗粒物吸滞能力较强;指数衰减函数模型显示,随着叶片面积增大,单位面积吸滞粗、细颗粒物及总颗粒物能力呈先下降后稳定的趋势。根据各树种吸滞颗粒物能力及其与叶片面积的关系,可以对绿化树种进行合理配置,为城市绿化树种的科学选择提供参考。 | 杨克彤 陈国鹏 李广 汤东 张凯 | 2021 | 东北林业大学学报2021，49，5： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员