共查询到20条相似文献，搜索用时 468 毫秒
1.
有利气象条件之后的静风期,极大降低了PM2.5跨区域传输的影响,能够揭示本地源的排放状况。本文尝试性引入了静风期污染物分布揭示本地源排放特征的概念,提出了一种基于遥感数据的PM2.5排放清单空间精细化方法：首先,利用 MODIS MCD19A2反演的ChinaHighPM2.5数据,构建高时空分辨率PM2.5数据融合方法;然后,构建唐山市有利气象条件之后的静风期污染物遴选方法（合理风向和风速：有利气象条件为东风,地面10 m高度风速大于3 m/s,其他风向,持续的较大风力5~10 m/s;静风期风速小于1.5~2.0 m/s）;其次,基于遴选的静风期PM2.5数据分配MEIC清单中的PM2.5总排放量,同时对比传统插值方法：基于GDP、人口密度、路网、土地利用类型数据,实现清单各污染源PM2.5的1 km×1 km空间分配;最后,利用WRF-CMAQ模拟数据和地面台站实测数据进行真实性检验。研究结果表明：① PM2.5数据填补融合方法能够有效提高PM2.5监测数据的时空分辨率,且与地面监测值显著相关（R2=0.94,RMSE=4.64 µg/m3,NMB=2%,NME=7%）;② 引入有利气象条件后的静风期概念,提出了静风期污染物的遴选方法,有效降低了PM2.5跨区域传输的影响,更好地反映了本地源排放的空间分布特征;③ WRF-CMAQ模拟方法的精度验证结果表明,该方法较传统面积插值法NME降低7%,NMB降低10%,RMSE降低1.54 µg/m3,R2提高11%。该方法为排放清单的空间精细化提供了新的研究思路。 相似文献
2.
基于神经网络模型的干旱区绿洲土壤盐渍化评价分析 总被引：1，自引：0，他引：1
土壤盐渍化严重制约了农业可持续发展和生态安全,土壤盐渍化的精确评价分析,对土壤盐渍化的改善和治理具有重要的意义。本文以新疆焉耆盆地为研究对象,Landsat8 OLI遥感影像和实测采样数据相结合,提取地下水埋深（GD）、盐分指数（SI）、地表蒸散量（SET）和改进型温度植被干旱指数（MTVDI）建立了土壤盐渍化评价模型。结果表明：①结合野外实测土壤盐分数据,对BP神经网络模型进行训练。最终以最优的4-4-1结构的3层BP神经网模型对研究区土壤盐渍化进行了预测（R2=0.864,RMSE=0.569）。相比传统多元线性回归模型（R2=0.741,RMSE=0.767）,神经网络模型对土壤盐渍化的预测精度更高;②土壤盐渍化分布与GD、SI、SET和MTVDI等存在较强的关联性,不同等级的土壤盐渍化是不同影响因素不同程度上组合而引起的结果,盐渍化土地主要分布在地下水位较低以及土地开垦之后没有利用的荒地区域;③整个研究区大部分区域受到不同程度的盐渍化影响,耕地退化为盐渍地导致该区域土壤盐渍化以及土壤次生盐渍化进一步加剧。 相似文献
3.
机载LiDAR在提取地形坡度较大区域的冠层高度模型（CHM）时易产生畸变,降低单木树高的提取精度,为此提出一种CHM与数字表面模型（DSM）相结合的树高估算方法。首先基于预处理后的点云生成的CHM,利用局部最大值算法和标记控制分水岭分割算法进行分割,得到单木树冠轮廓多边形;然后结合DSM,采用固定窗口的局部最大值算法探测树顶点并提取其高程,继而与使用狄洛尼三角网和高程内插得到的地面点相减获取树高;最后,以广西兴安县富江村附近地形起伏较大的针叶林为试验区,测试3种不同坡度下,在CHM、CHM结合DSM获得的树高与实测树高分别进行精度分析。结果表明,当树木分别位于平均坡度为32°、27°和15°的试验区时,CHM中提取的树高与实测数据拟合的R2分别为0.84、0.85和0.87,RMSE为1.48、1.41和1.58 m,结合DSM后R2为0.92、0.91和0.93,RMSE为0.93、1.02和1.16 m;在地形坡度较大的区域,本文方法可以有效提高单木树高的估算精度。 相似文献
4.
光谱数据变换对消除背景、噪音影响以及提取光谱特征有重要的作用,是光谱数据分析过程中的必要步骤。为了研究光谱变换处理对土壤氮素PLSR模型的影响精度,并选择最佳光谱变换处理方法,本文对原始光谱数据进行了15种典型光谱变换,通过比较不同变换光谱与土壤氮素的相关性,实现土壤氮素的PLSR精确诊断,并综合评定最佳光谱数据变换方法。结果表明,涉及微分处理后的光谱变换,尤其是先进行开方（T8、T11）、对数（T6、T12）等变换后再进行微分处理,可提高其与土壤氮素的相关性。在引入较少因子变量个数的条件下,该方法使因变量解释量达到了98%。综合考虑模型的校正、验证效果及模型复杂度（模型最佳因子变量个数）,可得出光谱平方根的一阶微分变换处理（T8）为最佳的土壤光谱变换算法。该条件下的土壤氮素的校正模型表现为R2=0.985、RMSEC=0.000132、Fn=6,验证模型的表现为R2=0.9853、RMSEV=0.000162,结果表明基于T8的光谱数据变换可实现本试验条件下土壤氮素的光谱估算。另外,可以考虑将原始光谱的一阶微分（T9）、对数和对数倒数的一阶微分（T6、T7）以及平方根和对数的二阶微分（T11、T12）作为光谱数据变换方法。本文研究结果可为土壤氮素估算和光谱数据预处理提供技术参考。 相似文献
5.
同化叶面积指数和蒸散发双变量的冬小麦产量估测方法 总被引：1，自引：0，他引：1
同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R2=0.432,RMSE=721 kg/hm2;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R2=0.408,RMSE=925 kg/hm2;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R2=0.013,RMSE=1134 kg/hm2）与模型模拟估测产量精度（R2=0.006,RMSE=1210 kg/hm2）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。 相似文献
6.
青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R2分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R2在青藏高原地区内插值,分析R2的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R2较低,在气候稳定、降水规律性明显的地区R2较高,且LSTM模型R2≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。 相似文献
7.
各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm2）,平均绝对误差(MAE=425.168 kg/hm2)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm2,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。 相似文献
8.
基于机器学习的参考作物蒸散量估算研究 总被引：2，自引：0，他引：2
参考作物蒸散量（Reference Evapotranspiration, ET0）的准确估算对区域水资源管理和分配、流域水量平衡以及气候变化等研究具有重要作用。新疆地处我国西北干旱地区,水资源供需矛盾尖锐,精确估算该地区的ET0有助于其科学合理地调配水资源,缓解水资源供需压力。FAO推荐的Penman-Monteith法是计算ET0的标准方法,但该方法需要多项气象因子,而新疆地区气象站点较少且分布不均,精确完备的气象数据在新疆大部分区域难以获取。因此,如何使用有限气象因子获取高精度的ET0在新疆地区备受关注。本文基于中国气象数据网提供的新疆地区1980—2019年的地面气候资料日值数据集,在日和月尺度下,通过对最高气温Tmax、最低气温Tmin、平均气温Tavg、风速U2、相对湿度RH和日照时数n共6项气象因子进行敏感性分析,形成不同的气象因子组合;然后使用SVM、RF、GBDT和ELM 4种机器学习算法,以FAO-56 PM计算值为标准值,对新疆地区的ET0进行了拟合建模;最后,从拟合精度、稳定性和计算代价3个方面对模型进行评价。研究表明：① 在新疆地区,ET0对RH、Tmax和U2敏感系数级别为高,平均敏感系数分别为-0.516、0.283和0.266;n为中等,平均敏感系数为0.124;Tmin和Tavg为低,平均敏感系数分别为-0.016和-0.003;② 在日尺度,各算法在RH、Tmax、U2和n这4项气象因子为输入时精度较高（RMSE<0.5 mm/day,R2>0.95）,可对ET0进行精确估算;在月尺度,各算法使用RH、Tmax和U2这3项参数便可对ET0进行精确估算。SVM和GBDT这2种算法在日尺度和月尺度都有较好的适用性,可在相应尺度下使用较少气象因子替代FAO-56 PM公式对ET0进行估算。 相似文献
9.
精细尺度的城镇人口空间分布是分析人类-资源-环境相互关系的重要指标。本文提出了一种融合地理空间大数据和高分辨率遥感数据估计精细尺度城镇人口分布的方法。通过对比各指标与人口相关性,选取R2>0.7的建筑面积、到道路距离、夜间灯光强度、商服中心、EAHSI指数、幼儿园、公园、小学、加油站、医院、公交车站、长途汽车站作为影响人口分布的变量因子。结合城市功能区数据确定人口分布区域,利用随机森林模型对宁波市2018年人口数据进行了500 m格网空间化,从而得出宁波市城镇人口空间分布图。最后,基于随机森林模型的变量因子重要性分析宁波市人口空间分布的影响因素。研究结果表明,本文所提出的城镇人口分布模型在街道尺度的估算精度为81.2%,平均相对误差MRE为0.29、RMSE为3279.89;网格级别的MRE为17.16,RMSE为1149.9,因此模型能精确地反演城镇内部街道人口分布信息。通过对变量因子重要性进行比较,发现建筑面积重要性约为0.22,对宁波市人口估算影响最大;到道路的距离、夜间灯光强度、商服中心、EAHSI（Elevation-Adjusted Human Settlement Index）、幼儿园、公园对宁波市人口估算具有重要作用。本文在格网级别进行的人口分布精度验证对于研究城市精细人口分布具有重大意义。 相似文献
10.
ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R2和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R2分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。 相似文献
11.
高时空分辨率的气温栅格数据是多种地学模型和气候模型的重要输入。山区地形复杂,气温空间异质性强,如何获取高时空分辨率的山区地表气温数据一直是研究热点与难点。本文选择地形复杂的河北省张家口市作为试验区,基于局部薄盘样条函数对ERA5再分析日均近地表气温（2 m高度）进行空间插值,并利用随机森林算法,结合少量气象站观测气温数据、地形地表参数数据构建日均气温订正模型和气温逐时化模型,实现空间分辨率由0.1 °（约11 km）到30 m的逐时气温降尺度,最后将该模型拓展应用于其他时间与区域,检验本文发展的降尺度方法在没有站点观测数据条件下的时空移植性。结果显示,本文降尺度方法得到的高时空分辨率山区气温数据精度较高,1月均方根误差（RMSE）平均值为2.4 ℃,明显优于气象站点插值结果,且气温相对高低的空间分布更为合理、纹理更加丰富;将该方法应用到其他时间与区域的RMSE平均值分别为2.9 ℃与2.5 ℃,均小于再分析资料直接插值所产生的误差。研究结果总体表明,在气象站点较少甚至没有时,可利用本文方法通过ERA5再分析气温准确获取复杂地形条件下的山区高时空分辨率气温数据。 相似文献
12.
Sensitivity of penman-monteith reference crop evapotranspiration in Tao’er River Basin of northeastern China 总被引：1，自引：0，他引：1
A non-dimensional relative sensitivity coefficient was employed to predict the responses of reference crop evapotranspiration （ET0） to perturbation of four climate variables in Tao＇er River Basin of the northeastern China. Mean monthly ET0 and yearly ET0 from 1961 to 2005 were estimated with the FAO-56 Penman-Monteith Equation. A 45-year historical dataset of average monthly maximum/minimum air temperature, mean air temperature, wind speed, sunshine hours and relative humidity from 15 meteorological stations was used in the analysis. Results show that： 1） Sensitivity coefficients of wind speed, air temperature and sunshine hours were positive except for those of air temperature of Arxan Meteorological Station, while those of relative humidity were all negative. Relative humidity was the most sensitive variable in general for the Tao＇er River Basin, followed by sunshine hours, wind speed and air temperature. 2） Similar to climate variable, monthly sensitivity coefficients exhibit large annual fluctuations. 3） Sensitivity coefficients for four climate variables all showed significant trends in seasonal/yearly series. Also, sensitivity coefficients of air temperature, sunshine hours and wind speed all showed significant trends in spring. 4） Among all sensitivity coefficients, the average yearly sensitivity coefficient of relative humidity was highest throughout the basin and showed largest spatial variability. Longitudinal distribution of sensitivity coefficients for air temperature, relative humidity and sunshine hours was also found, which was similar to the distribution of the three climate variables. 相似文献
13.
影响人体体感温度的气象要素主要包括温度、湿度、风以及太阳辐射,依据这些气象要素影响人体体感温度的原理,确定了平均气温与体感温度相同时的临界相对湿度、风速及太阳辐射值.以全国有水平面直接辐射曝辐量观测项目的77个气象台站的历年逐日4次定时观测资料为基础,把相邻两个白昼(夜间)的气温差作为因变量,相对湿度差、风速差、垂直辐射差(白昼)作为自变量,以旬为时问分辨率,建立了逐旬多元回归方程.各地所建立的逐句多元线性拟合方程拟合优度相当高,F统计量检验也充分证明线性回归方程总体成立,从气候意义、统计角度来看该方法都具有充分的可行性. 相似文献
14.
XIE Aihong REN Jiawen QIN Xiang JIANG Youyan 《山地科学学报》2006,3(3):181-190
Introduction Mt. Qomolangma (Everest) (27°54'N, 86°54'E) (Hereafter Mt. Qomolangma) lies between China and Nepal (Figure 1), and is the highest peak in the world, 8844.43 m asl (As promulgated by News Of-fice of the Chinese State Council in October 2005… 相似文献
15.
为分析美国宇航局发布的最新MERRA-2再分析资料地表温压产品在中国区域进行GNSS水汽反演的精度,联合中国区域609个地面气象站实测温度和气压数据、48个GNSS站及并址探空站资料,评估MERRA-2温压产品及其在GNSS PWV反演中的精度。结果表明:1)MERRA-2气压和温度年均bias分别为-0.01 hPa和0.38 K,年均RMSE分别为1.08 hPa和2.66 K,MERRA-2再分析资料温压产品在中国区域具有较高的精度;2)MERRA-2再分析资料温压产品在中国大部分地区呈现负偏差,精度从高到低依次为南方地区、北方地区、西北地区和青藏高原地区;3)将MERRA-2温压产品的PWV反演结果与并址探空站实测PWV进行对比可知,MERRA-2再分析资料温压产品反演的GNSS PWV平均RMSE为2.16 mm,能较好地反映PWV的日变化。因此,MERRA-2地表温压产品在中国区域的气象研究及GNSS水汽监测中具有重要意义。 相似文献
16.
《中国海洋湖沼学报》2021,(4)
The resolution of ocean reanalysis datasets is generally low because of the limited resolution of their associated numerical models.Low-resolution ocean reanalysis datasets are therefore usually interpolated to provide an initial or boundary field for higher-resolution regional ocean models.However,traditional interpolation methods(nearest neighbor interpolation,bilinear interpolation,and bicubic interpolation) lack physical constraints and can generate significant errors at land-sea boundarie s and around islands.In this paper,a machine learning method is used to design an interpolation algorithm based on Gaussian process regression.The method uses a multiscale kernel function to process two-dimensional space meteorological ocean processes and introduces multiscale physical feature information(sea surface wind stress,sea surface heat flux,and ocean current velocity).This greatly improves the spatial resolution of ocean features and the interpolation accuracy.The effectiveness of the algorithm was validated through interpolation experiments relating to sea surface temperature(SST).The root mean square error(RMSE)of the interpolation algorithm was 38.9%,43.7%,and 62.4% lower than that of bilinear interpolation,bicubic interpolation,and nearest neighbor interpolation,respectively.The interpolation accuracy was also significantly better in offshore area and around islands.The algorithm has an acceptable runtime cost and good temporal and spatial generalizability. 相似文献
17.
川西高原若尔盖旅游气候资源及旅游舒适期研究 总被引：1，自引：0，他引：1
利用若尔盖1971-2000年的逐日日照时数、气温、降水量、降水日数、相对湿度、风速、气压等气象资料,用常规统计方法对以上主要旅游气候要素进行月、年变化规律分析,为当地旅游管理部门提供参考,为旅客提供气象服务。统计和分析表明：若尔盖光照资源丰富,日照总时数达到2510h。该地整年气温偏低,月均气温为-10.2℃-10.8℃,年平均气温为0.8℃,而且随着年份的增加,气温呈上升趋势。年降水量为649.1mm,干湿季分明,5-10月降水量占全年降水量的88%,白天降水少并且无大的降水。空气相对湿度与气温的配合让人体感觉比较舒适,风速较小,适合开展旅游活动。该地的最佳旅游舒适期为7、8月,而6月和9月可根据实时天气情况适当安排旅游活动,舒适天数在68天左右,舒适天数随年份呈波动上升趋势。 相似文献
18.
中国风能资源空间分布的估算 总被引：6，自引：0，他引：6
风能是一种清洁的可再生能源,是太阳能的一种转化形式,但风能开发利用的成本比太阳能开发利用的成本要低,它是可再生能源中最具开发前景的一种能源。科学、准确地估算我国风能潜力及其空间分布是国家对风能资源开发中一项极其重要的基础性工作。本文利用全国395个气象站10年、每日4次的气象观测数据,计算了每个气象站所在地区常年有效风能密度和有效风时数,在此基础上,通过空间内插,形成全国范围的风能密度和有效风时数分布数据。结果显示,在全国范围内:有效风能密度大于150W/m2、100～150W/m2、50～100W/m2、小于50W/m2的区域面积占全国国土总面积的百分比分别为2.51%、16.45%、53.39%和27.65%;有效风时数大于5 000h、4 000～5 000h、2 000～4 000h、小于2 000h的区域面积占国土总面积的百分比分别为5.28%、22.19%、53.54%和18.98%。用风能密度和有效风时数两个指标分别表达风能资源潜力虽然存在局部差异,但在总体态势上基本一致,二者之间的相关系数,... 相似文献
19.
空气温度是评价人居环境的重要指标,与人类的生产生活息息相关;其观测对于水文、环境、生态和气候变化等方面的研究具有重要意义。传统的大范围空气温度观测数据一般通过气象站点获取,但由于气象观测站点空间分布离散稀疏的特点,所获取的数据不能精确描述空间连续的空气温度变化情况。因此,实现基于遥感数据的近地表空气温度精准估算具有重要的现实意义。本研究基于精细的地表覆盖类型、空间连续的土壤水分、地表温度（LST）数据,并结合其他辅助数据,构建了近地表空气温度空间化模型,并对近地表空气温度影响因子进行评估,发现地表覆盖类型对近地表空气温度的影响最大,土壤水分为最活跃的影响因素,经验证,模型精度较高,R2接近0.85,RMSE为0.5℃。本研究获取的精确空间连续的近地表空气温度信息,能够充分表达其空间异质性,为农业气象灾害灾变过程监测、农作物生长过程模拟、区域气候变化分析等研究提供良好的近地表空气温度数据支撑。 相似文献
20.
《中国地理科学(英文版)》2021,(3)
This study analyzed the spatio-temporal variability of air quality data for six standard air pollutants(Particulate Matter 2.5(PM_(2.5)), Particulate Matter 10(PM_(10)), SO_2, NO_2, CO, and O_3) in the Sichuan Basin(SCB), China from 2015 to 2018 in relation to the formation of haze using conventional meteorological data(temperature, wind speed, and relative humidity), satellite data(fire point data, vertical profiles of aerosol subtypes, and aerosol optical depth), planetary boundary layer height, and backward trajectories. The results indicated that the spatio-temporal evolution of the air quality index(AQI) had notable seasonality for the pollution severity in descending order: winter, spring, summer, and autumn. Autumn and winter severe haze events occurred in November and January, respectively, and were caused by higher local pollution emissions under stagnant air conditions. Spring severe haze events occurred in May and were caused by dust from Northwest China and local regions. Severe summer haze events occurred in July and were caused by local burning. Therefore, the analyses showed that local burning, stagnant meteorological conditions, air mass transport and anthropogenic pollution emissions played a key role in haze in the SCB. This study provides scientific insights for fully analyzing heavy air pollution in SCB, China, and also provides a scientific basis for pollution research in regions of complex terrain as basins and mountains. 相似文献