以土地利用变化为切入点,基于赣州市空气监测站的PM_(2.5)质量浓度数据和土地利用数据、道路数据、人口数据、气象因子数据,分析各因素与PM_(2.5)质量浓度的相关关系,筛选合适的数据,建立基于多元线性回归方法的土地利用回归(Land Use R...以土地利用变化为切入点,基于赣州市空气监测站的PM_(2.5)质量浓度数据和土地利用数据、道路数据、人口数据、气象因子数据,分析各因素与PM_(2.5)质量浓度的相关关系,筛选合适的数据,建立基于多元线性回归方法的土地利用回归(Land Use Regression,LUR)模型来模拟PM_(2.5)的空间分布。研究结果表明,基于多元线性回归的LUR模型将森林和主要道路、边界层高度、风速作为建模变量,模型的调整R2(决定系数)为0.855,RMSE(均方根误差)为0.635,在拟合度和准确度方面都表现良好。展开更多
为了研究总体理查逊数对可吸入颗粒物PM10(particulate matter with aero-dynamic diameter smaller than 10μm)质量浓度的影响,对2007年11月北京南郊观象台的PM10质量浓度资料、地面气象自动站资料和常规无线电探空资料进行了分析。...为了研究总体理查逊数对可吸入颗粒物PM10(particulate matter with aero-dynamic diameter smaller than 10μm)质量浓度的影响,对2007年11月北京南郊观象台的PM10质量浓度资料、地面气象自动站资料和常规无线电探空资料进行了分析。统计分析软件采用SPSS 15.0(Statistical Package for Social Sciences 15.0)。分析结果表明,在北京地区以稳定层结为主的条件下,PM10质量浓度与地面气象要素和总体理查逊数存在很好的规律性。PM10质量浓度与风速和相对湿度显著相关,相关系数分别为原0.65和0.69,通过α=0.01显著性检验;PM10质量浓度与地面至450m层的总体理查逊数存在显著的对数形式非线性关系,决定系数R2=0.42。非线性回归方程的独立样本预测检验显示回归模型可以用于根据无线电探空资料对PM10质量浓度进行预测。展开更多
采集大连市4个大气自动监测点位30 d PM2.5和PM10质量浓度小时值的监测数据,通过对每个点位720个有效数据对的统计分析,研究二者质量浓度的相关性及PM2.5/PM10比值的分布情况,并研究了气象因素对PM2.5与PM10的影响。结果表明,雾使PM2.5...采集大连市4个大气自动监测点位30 d PM2.5和PM10质量浓度小时值的监测数据,通过对每个点位720个有效数据对的统计分析,研究二者质量浓度的相关性及PM2.5/PM10比值的分布情况,并研究了气象因素对PM2.5与PM10的影响。结果表明,雾使PM2.5与PM10浓度都减小,但二者比值也随之降低;强风会使PM10浓度增大,但PM2.5浓度却减小。展开更多
文摘以土地利用变化为切入点,基于赣州市空气监测站的PM_(2.5)质量浓度数据和土地利用数据、道路数据、人口数据、气象因子数据,分析各因素与PM_(2.5)质量浓度的相关关系,筛选合适的数据,建立基于多元线性回归方法的土地利用回归(Land Use Regression,LUR)模型来模拟PM_(2.5)的空间分布。研究结果表明,基于多元线性回归的LUR模型将森林和主要道路、边界层高度、风速作为建模变量,模型的调整R2(决定系数)为0.855,RMSE(均方根误差)为0.635,在拟合度和准确度方面都表现良好。
文摘为了研究总体理查逊数对可吸入颗粒物PM10(particulate matter with aero-dynamic diameter smaller than 10μm)质量浓度的影响,对2007年11月北京南郊观象台的PM10质量浓度资料、地面气象自动站资料和常规无线电探空资料进行了分析。统计分析软件采用SPSS 15.0(Statistical Package for Social Sciences 15.0)。分析结果表明,在北京地区以稳定层结为主的条件下,PM10质量浓度与地面气象要素和总体理查逊数存在很好的规律性。PM10质量浓度与风速和相对湿度显著相关,相关系数分别为原0.65和0.69,通过α=0.01显著性检验;PM10质量浓度与地面至450m层的总体理查逊数存在显著的对数形式非线性关系,决定系数R2=0.42。非线性回归方程的独立样本预测检验显示回归模型可以用于根据无线电探空资料对PM10质量浓度进行预测。
文摘采集大连市4个大气自动监测点位30 d PM2.5和PM10质量浓度小时值的监测数据,通过对每个点位720个有效数据对的统计分析,研究二者质量浓度的相关性及PM2.5/PM10比值的分布情况,并研究了气象因素对PM2.5与PM10的影响。结果表明,雾使PM2.5与PM10浓度都减小,但二者比值也随之降低;强风会使PM10浓度增大,但PM2.5浓度却减小。