排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
为了得出雾霾气象成因机制、影响因素和时空分布特征,以石家庄市区与郊县为研究区域,将2013年9月至2016年12月石家庄市各市区、郊县的PM2.5历史监测数据中的有效数据进行了数据分析处理得到雾霾浓度数据,还有温度、降水、风速、地形和人口密度等数据,运用GIS分析的方法,模拟绘制石家庄雾霾的时空分布图、雾霾与各影响因子的专题对比图,得到雾霾形成机制的因子、雾霾的时空分布规律、雾霾季节变化特征、雾霾与地形间的关系等;运用数据分析软件OriginPro8.SR3分析雾霾浓度与风速数据、降雨数据、温度数据间的相关性。 相似文献
2.
本文以环渤海区域GPS基准站2013年至2018年观测数据为基础,从噪声特性及时间序列参数方面进行分析。利用最大似然估计法估计环渤海区域27个测站坐标时间序列在不同噪声模型下的噪声量级及时间序列参数。针对最佳噪声模型,利用谱指数和最大似然估计两种方法分别从定性和定量确定。结果表明,测站的最佳噪声模型主要有WN+FN和WN+FN+RWN两种模型组合,绝大多数测站的最佳噪声模型为WN+FN,其中WN+FN+RWN模型主要分布在基岩类型为土层的基准站上,WN+FN模型主要分布在基岩类型为基岩的基准站上。 相似文献
3.
城镇化是地区经济发展和社会进步的重要标志,研究城镇化水平对城镇科学发展和政府高效决策具有重要意义。夜间灯光数据包含了人类活动和经济社会发展等信息,弥补了指标法的不确定性和滞后性等不足,可以更加直观地反映城镇化水平,为城镇化研究提供了新的思路。现有的研究,已经有用夜间灯光数据分析宏观尺度的城镇化水平,但由于DMSP-OLS数据和NPP-VIIRS数据的时间范围均较短,且2种数据的时间尺度不连续,且空间分辨率和辐射分辨率不一致,因此目前主要集中于使用一种夜间灯光数据研究城镇化水平,且研究的时间跨度较短。此外,虽然已有研究表明,大尺度的社会经济活动与夜间光照情况有较强的相关关系,但在较小尺度下,这种相关性受地区经济发展以及灯光数据分辨率的影响较大,对估算精度有更高的要求,因此需要使用实际数据证明使用夜间灯光数据估算县级城镇化水平的合理性。本文使用DMSP_OLS和NPP_VIIRS夜间灯光数据,估算了2006—2015年安徽省县级尺度城镇化水平,为夜间灯光数据在长时间序列的城镇化研究中提供理论支撑。首先分别计算DMSP-OLS和NPP-VIIRS平均夜间灯光指数,以NPP-VIIRS灯光指数为自变量,以DMSP-OLS灯光指数为因变量,对2012年和2013年的2种灯光指数年数据进行曲线拟合,建立2种灯光数据的对应关系,得到2006—2015年安徽省各区县的DMSP-OLS平均夜间灯光指数;然后从人口、经济、社会生活和农业机械化4个方面选取城镇化指标,使用层次分析法计算基于统计数据的城镇化水平;最后将灯光指数与基于统计数据的城镇化水平进行相关性分析和线性回归分析,讨论了安徽省各区县灯光指数和基于统计数据的城镇化水平的时空分布的异同点,分析了同时使用两种灯光指数估算长时间序列城镇化水平的合理性。研究结果显示,灯光指数和基于统计数据的城镇化水平在县级尺度上具有高度相关性,相关系数为0.91（P<0.05）,线性回归的拟合优度R2=0.82。灯光指数和基于统计数据的城镇化水平的时空分布基本一致,空间上,安徽省城镇化水平整体分布不均衡,呈现出东高西低的规律;时间上,2006—2015年城镇化水平呈现逐年增长的趋势,合肥市辖区、马鞍山市辖区等发达城区的城镇化水平增长速度较快,而霍丘县、寿县等经济欠发达地区增长较缓慢。 相似文献
1