排序方式: 共有131条查询结果,搜索用时 31 毫秒
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.
成都、重庆作为中国西南地区快速发展的城市,是雾霾频发的区域,研究其雾霾因子联系以及区域空间分布特征及其规律,对于城市发展、创建绿色城市具有重要意义。通过分析2016年12月~2017年2月的PM2.5等污染物浓度数据可知:①成渝地区雾霾产生的高峰期在1月,并以成都、重庆为中心向四周减弱;②在时间分布上,成都和重庆的雾霾污染物浓度呈协同变化趋势,说明两地雾霾在区域上相互影响,协同作用;③在气象因素中,两地的湿度和风速对雾霾集聚、转移和扩散具有重要作用;④两地的位置和地形特征是其雾霾具有相关性的重要因素,因此只有两地同时防治雾霾,才能达到最好的效果。根据不同地域特征,积极改进生产结构,采取相应措施,才是治理雾霾的根本所在。 相似文献
3.
为评估大气重污染期间北京市可吸入颗粒物(PM_(10))的毒性,采集2016年3月份一次大气重污染过程中北京市大气PM_(10)样品,应用质粒DNA损伤评价法来研究其氧化损伤能力。结果表明,雾霾期间PM_(10)对DNA的损伤率高于雾霾逐渐消退时期,远高于雾霾前期清洁天,颗粒物对DNA损伤率随剂量的增加而增加。雾霾前后PM_(10)水溶样品的平均TD_(20)值表现为雾霾前清洁天(788.01μg/mL)雾霾消退后期(470.40μg/mL)雾霾期间(55.78μg/mL),说明氧化能力雾霾期间雾霾消退后期雾霾前清洁天。另外通过雾霾前后数据对比得到,暴露毒性指数TI大小顺序为雾霾期间(13 245.06)雾霾消退后期(1 658.87)雾霾前清洁天(254.08),说明雾霾期间PM_(10)对人体危害更大。 相似文献
4.
高时空分辨率NDVI时序数据作为遥感应用中的重要数据源,对土地覆被动态变化监测具有重要意义,特别是在地表高程变化显著、气候条件复杂、景观异质性强烈的热带山区。虽然当前学者们提出了诸多时空数据融合模型,但针对这些模型在热带山区的NDVI数据融合精度及其影响因素分析尚不多见。对此,本文选取3类时空数据融合方法(权重函数法、概率统计法和多种混合法)中具有代表性的4个模型:STARFM(Spatial and Temporal Adaptive Reflectance Fusion Model)、RASTFM(Spatial and Temporal Adaptive Reflectance Fusion Model)、ESTARFM(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)、BSFM(Bayesian Spatiotemporal Fusion Model) (STARFM、ESTARFM为权重函数法;BSFM为概率统计法;RASTFM为多种混合法),选择位于我国热带山区的纳板河流域作为研究区。对融合模型的数据源选择、研究区的地形及景观空间异质性、融合模型、以及薄云和雾霾等大气条件等影响因素进行分析,研究结果表明:① 数据融合精度随输入影像之间的时间间隔及其相对变化量增加而降低;融合中输入的高、低空间分辨率数据光谱匹配度越高,融合精度越高(OLI优于Sentinel-2; MODIS优于VIIRS);经过BRDF校正的数据能够有效提高各模型的融合精度;② 地形及空间异质性对融合结果精度影响显著,融合精度与空间异质性呈负相关,本研究中融合精度随着坡度的增大而减小,但坡向对融合精度的影响较小;地形对RASTFM的影响较其他模型低;③ 融合模型中输入的高质量影像越多,模型的融合精度往往越高;④ 薄云和雾霾会对融合精度产生显著负面影响。本研究的结果对于改进热带山地地区的高时空数据融合模型,生产热带山区复杂地理环境的高精度高时空分辨率NDVI数据集具有重要的参考价值。 相似文献
5.
基于常规气象观测资料和PM2.5浓度资料,分析了2019年1月10—14日天津市东丽区出现的一次持续性雾霾天气特征及其成因。结果表明:此次雾霾天气具有明显的阶段性特征,高空平直西风环流、中层暖脊和地面弱气压场为此次雾霾天气出现提供了有利的天气形势。轻雾和霾阶段,能见度变化更易受到相对湿度的影响;而雾阶段,能见度变化更易受到风速的影响。PM2.5浓度与地面气象因子关系密切,与能见度、风速负相关,与相对湿度正相关。当其他气象条件稳定,且周边地区污染物浓度较高时,近地面风向转变,对本地区雾霾的出现起到关键性作用。 相似文献
6.
8.
本文使用2014-03-20至2014-03-26的北京市VIIRS夜间灯光影像数据和地面监测站PM2.5质量浓度数据,通过遥感图像处理和GIS空间分析相结合,对雾霾强度变化及PM2.5质量浓度空间分布进行分析,提出一种监测雾霾的新方法。结果表明,VIIRS夜间灯光影像成像特征与雾霾浓度变化密切相关,结合同时期地面监测站PM2.5监测数据,能定性反映北京市雾霾强度变化及定量反映PM2.5质量浓度的空间分布。该方法不仅弥补了MODIS等数据在夏季的雾霾监测效果优于冬季的不足,同时也填补了传统光学遥感卫星难以在夜间监测雾霾的空白。 相似文献
9.
10.