期刊文献+
共找到191篇文章
< 1 2 10 >
每页显示 20 50 100
改进灰狼算法优化GBDT在PM_(2.5)预测中的应用
1
作者 江雨燕 傅杰 +2 位作者 甘如美江 孙雨辰 王付宇 《安全与环境学报》 CAS CSCD 北大核心 2024年第4期1569-1580,共12页
针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局... 针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees,GBDT)模型对北京市大气污染物监测数据中PM_(2.5)质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E RMS为6.65μg/m^(3),平均绝对值误差E MA为3.20μg/m^(3),拟合优度(R^(2))为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m^(3),平均绝对值误差降低了10.03μg/m^(3),拟合优度增加了9百分点;与霍尔顿序列和莱维飞行改进的(Levy Flight-Halton Sequence,LHGWO)相比,改进的灰狼算法预测得分的均方根误差降低了10.39μg/m^(3),平均绝对值误差减小了6.71μg/m^(3),拟合优度提高了5百分点。研究表明了预测模型优化的有效性,为未来城市改善空气质量提供了科学依据和技术支持。 展开更多
关键词 环境学 pm_(2.5)质量浓度预测 改进灰狼算法(GWO) 梯度提升树算法(GBDT) 莱维(Levy)飞行 霍尔顿序列(Halton Sequence) 粒子群算法(PSO)
下载PDF
空调及换气系统运行对室内PM_(2.5)净化效果的影响
2
作者 金梧凤 葛具凤 +1 位作者 贾利芝 董战伟 《流体机械》 CSCD 北大核心 2024年第5期16-24,共9页
为了研究室内空调与换气系统运行时空气净化器对室内空气的净化效果,采用试验研究和CFD模拟相结合的方法,研究了空调与换气系统运行对净化器将室内PM_(2.5)净化到ASHRAE规定的可接受室内空气质量的限值15μg/m^(3)的净化时间的影响。结... 为了研究室内空调与换气系统运行时空气净化器对室内空气的净化效果,采用试验研究和CFD模拟相结合的方法,研究了空调与换气系统运行对净化器将室内PM_(2.5)净化到ASHRAE规定的可接受室内空气质量的限值15μg/m^(3)的净化时间的影响。结果表明,净化器外加空调净化时间相比净化器单独运行时间缩短15.2%;净化器外加换气系统净化时间相比净化器单独运行时缩短了30.4%;三系统联合运行时的净化时间相比净化器单独运行时间缩短32.6%。结果可为研究空调与换气系统对空气净化器净化效果的贡献及室内空气净化方式提供参考。 展开更多
关键词 联合运行 CFD模拟 气流组织 pm_(2.5)浓度 新风系统
下载PDF
重庆市绿色空间景观格局与PM_(2.5)浓度时空相关性 被引量:1
3
作者 苟爱萍 李皖新 王江波 《地球科学与环境学报》 CAS 北大核心 2024年第1期25-37,共13页
空气中的细颗粒物对人民群众身体健康产生严重威胁,探究绿色空间景观格局对PM_(2.5)浓度的影响,有助于通过调整绿色空间格局降低PM_(2.5)浓度。以重庆市1980~2020年土地利用遥感监测数据和PM_(2.5)浓度数据作为基础数据,通过景观格局指... 空气中的细颗粒物对人民群众身体健康产生严重威胁,探究绿色空间景观格局对PM_(2.5)浓度的影响,有助于通过调整绿色空间格局降低PM_(2.5)浓度。以重庆市1980~2020年土地利用遥感监测数据和PM_(2.5)浓度数据作为基础数据,通过景观格局指数法、空间自相关分析研究绿色空间景观格局及PM_(2.5)浓度变化特征,再通过时空地理加权回归(GTWR)模型研究绿色空间景观格局指数变化对PM_(2.5)浓度的影响及其时空异质性。结果表明:①重庆市PM_(2.5)浓度从1980年至2010年逐渐上升,2010年至今逐渐降低;同时,其空间分布具有显著聚集特征,主要显示为东部低-低聚集、西部高-高聚集的特征。②林地、草地和耕地的面积指数(TA)、斑块密度指数(PD)和斑块连接度指数(COHESION)与PM_(2.5)浓度具有显著的相关性。其中,林地面积指数呈负影响,耕地、草地面积指数呈正影响;林地、草地斑块密度指数呈正影响,耕地斑块密度指数呈负影响;林地、草地和耕地斑块连接度指数均呈负影响。③主城都市区内,草地面积指数和耕地斑块密度指数对PM_(2.5)浓度的负影响较强。渝东北三峡库区城镇群和渝东南武陵山区城镇群内,林地聚合度指数(AI)、斑块密度指数和斑块连接度指数以及耕地面积指数对PM_(2.5)浓度的影响较强。 展开更多
关键词 绿色空间 景观格局指数 消减效应 pm_(2.5)浓度 空间自相关分析 时空地理加权回归模型 时空异质性 重庆
下载PDF
长沙市冬季人行道PM_(2.5)污染特征及影响因素
4
作者 陈宇 何韶瑶 蔡妍 《中国环境监测》 CAS CSCD 北大核心 2024年第3期107-114,共8页
了解不同气象条件下城市人行道细颗粒物(PM_(2.5))时空分布特征对于指导城市环境评价及街道空间规划布局具有重要意义。选取长沙市车流量及人流量较大的4条道路旁0、5、10 m处的人行道,在冬季晴天、阴天和大风天开展PM_(2.5)质量浓度、... 了解不同气象条件下城市人行道细颗粒物(PM_(2.5))时空分布特征对于指导城市环境评价及街道空间规划布局具有重要意义。选取长沙市车流量及人流量较大的4条道路旁0、5、10 m处的人行道,在冬季晴天、阴天和大风天开展PM_(2.5)质量浓度、风速、温度及相对湿度监测,探讨PM_(2.5)分布特征与气象因子的关系。结果表明:冬季晴天、阴天及大风天的人行道PM_(2.5)质量浓度变化呈现双峰双谷特征,峰值均出现在06:00—08:00,其次为18:00—20:00,谷值出现在14:00—16:00及22:00—24:00;距离机动车道10m处的人行道PM_(2.5)含量低于机动车道旁(即距离机动车道0 m)的人行道PM_(2.5)含量,这种差异在大风天气下更为显著;人行道PM_(2.5)质量浓度与温度、风速呈显著负相关关系,与空气湿度呈显著正相关关系,低温不利于PM_(2.5)扩散,但在大风天温度对PM_(2.5)的影响极小,风对PM_(2.5)含量的变化影响极大,在远离机动车道的人行道更为显著,而高湿度天气有利于PM_(2.5)的凝结。低温、高湿天气下06:00—08:00、18:00—20:00人行道PM_(2.5)质量浓度较高,大风对PM_(2.5)质量浓度具有一定削减作用,早晚高峰减少人行道洒水以降低空气湿度,有利于PM_(2.5)质量浓度的降低,减少PM_(2.5)积累。 展开更多
关键词 pm_(2.5) 气象条件 质量浓度 人行道
下载PDF
基于改进机器学习的PM_(2.5)浓度预测模型研究
5
作者 丁成亮 郑洪波 《大连理工大学学报》 CAS CSCD 北大核心 2024年第4期353-360,共8页
针对现有机器学习模型预测PM_(2.5)浓度存在模型过于复杂、没有考虑时空信息和缺失值填补不准确而导致模型性能下降的问题,利用随机森林取代统计学方法填补缺失值,并纳入时空因素提升模型精度.建立了综合遥感数据、气象及协同污染物数据... 针对现有机器学习模型预测PM_(2.5)浓度存在模型过于复杂、没有考虑时空信息和缺失值填补不准确而导致模型性能下降的问题,利用随机森林取代统计学方法填补缺失值,并纳入时空因素提升模型精度.建立了综合遥感数据、气象及协同污染物数据,适用于沿海城市的PM_(2.5)浓度预测模型(K-means-RF-XGBoost模型),模型预测耗时仅为BP神经网络的4%.利用2019年大连市实时监测数据对模型PM_(2.5)浓度预测进行训练和测试,结果表明,建立的K-means-RF-XGBoost模型预测PM_(2.5)浓度有很高的准确性,与没有考虑时空信息的同种模型相比均方根误差(erms)降低了约48%,决定系数(R^(2))提升了约10%;能有效地预测高PM_(2.5)浓度并适用于波动范围大的情况,如春季模型在测试集中R^(2)可达0.935;同时在日级预测上表现优异,R^(2)可达0.819.该研究为沿海城市PM_(2.5)浓度预测提供了新思路. 展开更多
关键词 pm_(2.5)浓度预测 时空信息 缺失值填补 机器学习
下载PDF
融合2维卷积与注意力以预测PM_(2.5)浓度的S-TCN模型
6
作者 李春辉 张瑛琪 孙洁 《国外电子测量技术》 2024年第1期77-86,共10页
针对传统预测模型对PM_(2.5)浓度预测精度较低、可解释性差的缺陷,提出一种融合2维卷积层(2D convolution)和注意力层的时空卷积网络预测模型(spatio-2D-temporal convolutional networks attention, S-2D-TCNA)。选取北京市2014年5月1... 针对传统预测模型对PM_(2.5)浓度预测精度较低、可解释性差的缺陷,提出一种融合2维卷积层(2D convolution)和注意力层的时空卷积网络预测模型(spatio-2D-temporal convolutional networks attention, S-2D-TCNA)。选取北京市2014年5月1日~2015年4月30日的36个监测站点逐小时空气质量和气象数据,通过对多个站点时空相关性分析,将符合相关性阈值的监测站数据输入至卷积进行升维再降维的处理方式,得出具有时空序列的输入特征;将注意力融入时间卷积网络预测模型,用于预测未来1 h的中心监测站PM_(2.5)浓度。在模型训练优化参数过程中,通过Adam来训练深度学习模型的参数,然后使用贝叶斯优化来调整模型的超参数,这种方法能找到模型的最佳参数,使其均方根误差、平均绝对误差分别减少3.791%和5.576%,拟合优度增大0.67%;在质量方面,所提出的S-Conv2D-TCNA模型均方根误差、平均绝对误差和拟合优度分别为16.020 9、10.610 0和0.942 8,该预测模型在准确性和稳定性方面优于基线模型。结果表明,该预测模型空气污染的预警、区域预防和控制方面大有可为。 展开更多
关键词 时空序列 注意力 时间卷积网络(TCN) pm_(2.5)浓度
下载PDF
典型人类活动对关中平原城市群PM_(2.5)浓度的影响
7
作者 李常巘佶 高美玲 李振洪 《地球科学与环境学报》 CAS 北大核心 2024年第2期180-195,共16页
为应对突发公共卫生事件而采取的流动限制性措施,为研究人类活动对PM_(2.5)浓度的影响提供了一个独特的自然实验环境,但该期间关中平原城市群PM_(2.5)浓度分布及驱动力有何变化尚缺乏关注。基于2018~2020年PM_(2.5)遥感反演数据,采用空... 为应对突发公共卫生事件而采取的流动限制性措施,为研究人类活动对PM_(2.5)浓度的影响提供了一个独特的自然实验环境,但该期间关中平原城市群PM_(2.5)浓度分布及驱动力有何变化尚缺乏关注。基于2018~2020年PM_(2.5)遥感反演数据,采用空间自相关分析、地理探测器和多尺度地理加权回归(MGWR)模型,分析2020年2月至3月实施流动限制性措施期间关中平原城市群PM_(2.5)浓度及驱动因子的时空演变特征。结果表明:①2020年2月至3月PM_(2.5)浓度显著下降,2020年2月热点减少,3月冷点减少。②相比历年同期,所有人为因素单因子在2020年2月对关中平原城市群PM_(2.5)浓度的解释力最低,自然因素解释力较高。其中,工厂兴趣点分布(POI_D)及路网分布(RD)解释力相比历年同期平均解释力降幅最大,分别为20.3%和38.6%。所有人为因素双因子交互影响解释力在2020年2月最低。③所有人为因素在2020年2月对关中平原城市群PM_(2.5)浓度的作用尺度最小,当不同时期人为因素强度处于平均水平时,实施流动限制性措施期间的PM_(2.5)浓度更易降低,但东部地区的PM_(2.5)浓度防治强度还需增大。 展开更多
关键词 驱动因子 时空演变 pm_(2.5)浓度 空间自相关 地理探测器 多尺度地理加权回归模型 关中平原
下载PDF
工业废气排放对城市大气中PM_(2.5)的影响
8
作者 赵昌宇 《建材技术与应用》 2024年第3期89-92,共4页
工业排放是导致城市大气中PM_(2.5)浓度升高的主要因素之一。基于城市A的工业排放数据,采用线性回归模型探究SO_(2)、NO_(x)和颗粒物排放量与PM_(2.5)浓度之间的关系,结果显示这些排放物均与PM_(2.5)浓度正相关,其中颗粒物排放对PM_(2.5... 工业排放是导致城市大气中PM_(2.5)浓度升高的主要因素之一。基于城市A的工业排放数据,采用线性回归模型探究SO_(2)、NO_(x)和颗粒物排放量与PM_(2.5)浓度之间的关系,结果显示这些排放物均与PM_(2.5)浓度正相关,其中颗粒物排放对PM_(2.5)浓度的影响最为显著。基于此提出推进清洁生产、强化环境标准和法规、促进产业结构调整及增强公众参与等优化策略。 展开更多
关键词 工业排放 pm_(2.5)浓度 空气质量
下载PDF
基于小波变换的湖南省PM_(2.5)污染特征分析
9
作者 徐赞超 穆述鑫 +1 位作者 耿星莉 刘迎云 《环境科学与技术》 CAS CSCD 北大核心 2024年第3期80-92,共13页
该文基于湖南省2017-2021年PM_(2.5)与其他5种大气污染物浓度监测数据以及气象资料,分析了PM_(2.5)浓度时空分布特征,利用连续小波变换和小波相干谱分别研究了PM_(2.5)浓度周期、PM_(2.5)与其他大气污染物及气象因子的相关性,确定了PM_(... 该文基于湖南省2017-2021年PM_(2.5)与其他5种大气污染物浓度监测数据以及气象资料,分析了PM_(2.5)浓度时空分布特征,利用连续小波变换和小波相干谱分别研究了PM_(2.5)浓度周期、PM_(2.5)与其他大气污染物及气象因子的相关性,确定了PM_(2.5)浓度的主要影响因子,结果表明:(1)湖南省PM_(2.5)浓度年平均值总体呈下降趋势,年均下降率达4.88%,PM_(2.5)浓度月平均值呈“U”型分布,2017年1月月均值浓度最高(91.9μg/m^(3)),2020年6月月均值浓度最低(15.8μg/m^(3));PM_(2.5)浓度年平均值的空间分布则呈现东北至西南高、西北及东南低的特点,PM_(2.5)浓度季平均值呈现冬季>秋季>春季>夏季的特征。(2)14个市(州)PM_(2.5)浓度都存在显著周期性变化,主要包括272 d左右的长周期和36 d左右的短周期。(3)PM_(2.5)浓度与其他大气污染物的相关性在不同时频尺度上存在差异。PM_(2.5)浓度与PM_(10)浓度在所有时频尺度上均存在显著的正相关。在小时频尺度(0~64 d)上,PM_(2.5)浓度与O_(3)、CO、NO_(2)和SO_(2)浓度都存在正相关性;在中时频尺度(64~256 d)上,PM_(2.5)浓度与O_(3)浓度的相关性不明显,与CO、NO_(2)和SO_(2)浓度存在正相关;在大时频尺度(256~512 d)上,PM_(2.5)浓度与O_(3)浓度呈现负相关,与NO_(2)和SO_(2)浓度呈现正相关,PM_(2.5)浓度与CO浓度在长沙和衡阳呈现正相关,在怀化呈现负相关。(4)PM_(2.5)浓度与气象因子的相关性在不同时频尺度上也存在差异。在小时频尺度上,PM_(2.5)与降水量、相对湿度和气压存在负相关,与温度和日照时数存在正相关,与风速存在正相关也存在负相关;在中时频尺度上,PM_(2.5)与各气象因子的相关性均不明显;在大时频尺度上,PM_(2.5)与降水、温度和日照时数呈现负相关,PM_(2.5)与气压呈现正相关,PM_(2.5)与相对湿度和风速的相关性不明显。 展开更多
关键词 pm_(2.5)浓度 污染特征 小波变换 影响因素 湖南省
下载PDF
黄土高原PM_(2.5)质量浓度与微雨事件的权衡−协同关系演化
10
作者 吴桐 马蓓蓓 +3 位作者 庞先峰 曹立国 袁水妹 宋永永 《地理科学》 CSCD 北大核心 2024年第4期721-732,共12页
基于权衡−协同关系视角,从长时间序列和多层次空间尺度探讨1998—2017年黄土高原PM_(2.5)质量浓度与微雨事件的作用关系、时空演化及地域分异。结果表明:①黄土高原PM_(2.5)质量浓度和微雨事件均表现出以5 a或4 a为周期的“三峰三谷”... 基于权衡−协同关系视角,从长时间序列和多层次空间尺度探讨1998—2017年黄土高原PM_(2.5)质量浓度与微雨事件的作用关系、时空演化及地域分异。结果表明:①黄土高原PM_(2.5)质量浓度和微雨事件均表现出以5 a或4 a为周期的“三峰三谷”波动小幅上升趋势。②PM_(2.5)质量浓度和微雨事件间的作用关系呈现出“过程上的协同性+增量上的权衡性”特征;从过程演化来看,协同关系是研究期内黄土高原PM_(2.5)质量浓度和微雨事件的主导关系,但从基于倾斜率的增量变化上看,二者以异向的权衡关系为主导,表明微雨事件的强化在黄土高原未来的雾霾治理中具有重要意义。③不同微雨事件指标与PM_(2.5)质量浓度的空间关系和演化趋势存在差异;冬春季节微雨事件,尤其是冬春微雨天数与PM_(2.5)质量浓度的作用关系明显强于年尺度。④PM_(2.5)质量浓度和微雨事件权衡−协同关系及演化在不同治理分区差异显著,城镇化和工业化水平较高的河谷平原区和土石山区是二者关系敏感区。 展开更多
关键词 pm_(2.5)质量浓度 微雨事件 权衡−协同 雾霾 黄土高原
下载PDF
基于多源数据的像元尺度东北三省夜间PM_(2.5)估算
11
作者 李海洋 叶俊 《森林工程》 北大核心 2024年第4期11-18,共8页
气候变化与森林植被影响着PM_(2.5)质量浓度的分布,而PM_(2.5)作为空气的重要污染物也可直接或间接影响森林植被生长。目前,基于光学气溶胶厚度(AOD)反演日间PM2.5的技术已经较为成熟,夜间PM_(2.5)作为日间PM_(2.5)的补充,对于PM_(2.5)... 气候变化与森林植被影响着PM_(2.5)质量浓度的分布,而PM_(2.5)作为空气的重要污染物也可直接或间接影响森林植被生长。目前,基于光学气溶胶厚度(AOD)反演日间PM2.5的技术已经较为成熟,夜间PM_(2.5)作为日间PM_(2.5)的补充,对于PM_(2.5)的全天监测具有重要意义。基于辐射传输理论,以夜间灯光亮度、增强型植被指数和7个气象因素(2 m露点温度、2 m温度、U风速分量、V风速分量、大气表面压力、蒸发量、降雨量)作为输入变量,夜间PM_(2.5)质量浓度作为响应变量,建立机器学习估算模型,以期为东北三省夜间PM_(2.5)质量浓度监测提供参考。结果表明,基于集成树构建的模型具有较高的估算精度,其拟合优度(R2)为0.68,平均绝对误差(MAE)为7.05μg/m^(3),均方根误差(RMSE)为11.62μg/m^(3)。此外,通过分析东北三省各监测站PM_(2.5)估算值与真实值的误差,发现模型具有一定的时空敏感性。通过及时准确地掌控夜间PM_(2.5)质量浓度的分布状况,可以为森林植被保护工作的开展提供参考。 展开更多
关键词 夜间pm_(2.5)质量浓度 机器学习 辐射传输 东北三省 森林植被保护
下载PDF
基于注意力机制的CNN-ILSTM地铁站PM_(2.5)预测建模
12
作者 朱菊香 谷卫 +2 位作者 罗丹悦 潘斐 张赵良 《中国测试》 CAS 北大核心 2024年第7期53-62,共10页
为提高PM_(2.5)的预测精度,提出一种基于卷积神经网络(CNN)、改进长短期记忆网络(ILSTM)和注意力机制(attention)组合的预测模型。ILSTM删除LSTM中的输出门,改进其输入门和遗忘门,并引入转换信息模块(CIM),以防止学习过程中的过饱和。... 为提高PM_(2.5)的预测精度,提出一种基于卷积神经网络(CNN)、改进长短期记忆网络(ILSTM)和注意力机制(attention)组合的预测模型。ILSTM删除LSTM中的输出门,改进其输入门和遗忘门,并引入转换信息模块(CIM),以防止学习过程中的过饱和。该模型将一维卷积神经网络的特征提取和改进长短期记忆网络学习序列依赖性的能力相结合,得到过去不同时间特征状态对未来PM_(2.5)浓度的影响,可以有效模拟PM_(2.5)在时间和空间上的依赖性,并通过注意力机制自动权衡过去的特征状态,进一步提升PM_(2.5)预测的准确度。实验结果表明:CNN-ILSTM-attention模型的拟合度达到98.5%,与LSTM模型、CNN-LSTM模型和CNN-ILSTM模型相比,分别提高26%、9.2%和6.2%,具有较高的预测精度和应用价值。 展开更多
关键词 卷积神经网络 改进长短期记忆网络 pm_(2.5)浓度预测 注意力机制
下载PDF
基于BP神经网络和模糊隶属度的PM_(2.5)浓度校准
13
作者 周云 《中国资源综合利用》 2024年第4期54-56,共3页
基于大量数据,采用Pearson相关系数与模糊隶属度分析自建点与国控点的细颗粒物(PM_(2.5))浓度数据相关性。其间通过建立反向传播(Back Propagation,BP)神经网络模型进行训练,并采用遍历试错法确定神经网络的最优算法与相关参数。经反复... 基于大量数据,采用Pearson相关系数与模糊隶属度分析自建点与国控点的细颗粒物(PM_(2.5))浓度数据相关性。其间通过建立反向传播(Back Propagation,BP)神经网络模型进行训练,并采用遍历试错法确定神经网络的最优算法与相关参数。经反复调试,校准结果相对于国控点数据的均方误差下降到0.005,均等系数为0.95,系统显示出优异的校准性能。研究结果表明,结合模糊隶属度预处理原始数据后,训练算法选用适宜、结构设定合理的BP神经网络能很好地校准自建点PM_(2.5)浓度数据,提高自建点数据精度。 展开更多
关键词 pm_(2.5)浓度 BP神经网络 模糊隶属度 校准
下载PDF
林场不同树种选育对PM_(2.5)大气颗粒物的调控研究
14
作者 华建春 《环境科学与管理》 CAS 2024年第6期72-77,共6页
为了降低PM_(2.5)大气颗粒物含量,研究林场不同树种选育对PM_(2.5)大气颗粒物的调控效果。文章采集某区域6种园林植物叶表面空气微粒、叶中元素的组成、含量以及再悬浮速率,并对植物叶片滞尘能力测定方法进行优化,构建空气质量浓度与气... 为了降低PM_(2.5)大气颗粒物含量,研究林场不同树种选育对PM_(2.5)大气颗粒物的调控效果。文章采集某区域6种园林植物叶表面空气微粒、叶中元素的组成、含量以及再悬浮速率,并对植物叶片滞尘能力测定方法进行优化,构建空气质量浓度与气象要素关系调控模型。通过检测不同样本叶片蜡质层对颗粒物的截留能力、滞尘粒度分布曲线的变化趋势、以及叶片滞留尘埃的平均颗粒大小,通过拟合计算获取不同树种选育对PM_(2.5)大气颗粒物的调控效果。单叶面积小且叶表粗糙的林场植物可以更好地对PM_(2.5)大气颗粒物进行调控。 展开更多
关键词 林场树种 pm_(2.5)大气颗粒物 空气质量浓度 滞尘粒度分布缺陷
下载PDF
高邮近郊站点PM_(2.5)影响因子及来源分析
15
作者 高萍 刘安康 +5 位作者 顾宇 高翔 苏艳 从冯 解舒婷 戴明明 《三峡生态环境监测》 2024年第1期82-90,共9页
利用2021年高邮城市边缘站点小时分辨率的PM_(2.5)质量浓度和气象要素数据,并结合后向轨迹及浓度权重轨迹分析(concentration-weighted trajectory,CWT)方法分析了PM_(2.5)质量浓度的时间变化、影响因素及来源特征。结果表明:观测期间站... 利用2021年高邮城市边缘站点小时分辨率的PM_(2.5)质量浓度和气象要素数据,并结合后向轨迹及浓度权重轨迹分析(concentration-weighted trajectory,CWT)方法分析了PM_(2.5)质量浓度的时间变化、影响因素及来源特征。结果表明:观测期间站点PM_(2.5)质量浓度为(33.20±21.99)μg/m^(3)。PM_(2.5)质量浓度存在显著的季节变化,冬季浓度最高,可达(46.74±26.90)μg/m^(3),夏季浓度最低,仅为(22.62±12.54)μg/m^(3),污染时次主要集中在冬季和春季,合计占比为87.6%。PM_(2.5)质量浓度具有夜间高于白天的特征。气象要素对PM_(2.5)质量浓度的影响较大,并随季节呈现一定的波动。低湿度(<75%)条件有利于PM_(2.5)浓度增长,而高湿度(>75%)条件有利于PM_(2.5)清除。风速对PM_(2.5)浓度影响显著,有降水时PM_(2.5)浓度较非降水时降低37.9%。高邮不同风向风速下对应PM_(2.5)浓度差异显著,高浓度PM_(2.5)主要来自城区对应的偏西及偏南方向。高邮地区PM_(2.5)外来源输送区域差异明显,高邮地区PM_(2.5)潜在源区主要分布在高邮市偏西方向的安徽及河南南部,偏南方向的江苏南部、浙江北部及上海地区,受冬季冷空气南下污染物输送影响,山东中部也存在较大贡献。 展开更多
关键词 高邮 pm_(2.5)质量浓度 变化特征 气象要素 来源解析
下载PDF
城市大气环境PM_(2.5)浓度变化特征及治理浅析
16
作者 陈其胜 韩锟 薛娟霞 《皮革制作与环保科技》 2024年第1期105-107,共3页
城市大气环境中PM_(2.5)浓度的变化特征及治理是一个备受人们关注的环境问题。本文通过对城市大气PM_(2.5)浓度的时间、空间和区域变化特征进行分析,发现PM_(2.5)浓度在不同时间存在明显的季节性和日变化特征,且在城市内部存在空间异质... 城市大气环境中PM_(2.5)浓度的变化特征及治理是一个备受人们关注的环境问题。本文通过对城市大气PM_(2.5)浓度的时间、空间和区域变化特征进行分析,发现PM_(2.5)浓度在不同时间存在明显的季节性和日变化特征,且在城市内部存在空间异质性。此外,不同城市和地区的PM_(2.5)浓度也存在显著差异,并受到多种因素的影响,如工业排放、交通污染、气象条件等。本文对城市空气PM_(2.5)的主要来源进行了分析,并提出改善城市大气环境质量、保护居民健康的对策。 展开更多
关键词 城市大气环境 pm_(2.5)浓度 变化特征
下载PDF
The Effect of Urban Agglomeration Expansion on PM_(2.5) Concentrations: Evidence from a Quasi-natural Experiment
17
作者 LI Sijia WU Lihua 《Chinese Geographical Science》 SCIE CSCD 2023年第2期250-270,共21页
This study constructs a quasi-natural experiment based on the expansion of the Yangtze River Delta urban agglomeration(YRDUA) of China in 2010 to investigate the impact and inner mechanism of urban agglomeration expan... This study constructs a quasi-natural experiment based on the expansion of the Yangtze River Delta urban agglomeration(YRDUA) of China in 2010 to investigate the impact and inner mechanism of urban agglomeration expansion on fine particulate matter(PM_(2.5)) concentrations through propensity scores in difference-in-differences models(PSM-DID) using panel data from 286 prefecturelevel cities in China from 2003 to 2016. The results show that 1) urban agglomeration expansion contributes to an overall decrease in PM_(2.5)concentration, which is mainly achieved from the original cities. For the new cities, on the other hand, the expansion significantly increases the local PM_(2.5)concentration. 2) In the long term, the significant influence of urban agglomeration expansion on PM_(2.5)concentration lasts for three years and gradually decreases. A series of robustness tests confirm the applicability of the PSM-DID model.3) Cities with weaker government regulation, a better educated population and higher per capita income present stronger PM_(2.5)reduction effects. 4) Urban agglomeration expansion affects the PM_(2.5)concentration mainly through industrial transfer and population migration, which cause a decrease in the PM_(2.5)concentration in the original cities and an increase in the PM_(2.5)concentration in the new cities.Corresponding policy suggestions are proposed based on the conclusions. 展开更多
关键词 urban agglomeration expansion fine particulate matter(pm_(2.5))concentration quasi-natural experiment propensity scores in difference-in-differences models(PSM-DID) Yangtze River Delta Urban Agglomeration China
下载PDF
面向PM_(2.5)预测的时间序列分解与机器学习融合模型 被引量:1
18
作者 杨长春 聂倩倩 《安全与环境学报》 CAS CSCD 北大核心 2023年第12期4600-4608,共9页
细颗粒物(PM_(2.5))对大气污染和人体健康具有显著影响。为了提高PM_(2.5)质量浓度预报准确率,提出一种将先知(Prophet)时间序列分解算法和极限梯度提升树(Extreme Gradient Boosting,XGBoost)机器学习模型相结合的多变量混合预测模型(P... 细颗粒物(PM_(2.5))对大气污染和人体健康具有显著影响。为了提高PM_(2.5)质量浓度预报准确率,提出一种将先知(Prophet)时间序列分解算法和极限梯度提升树(Extreme Gradient Boosting,XGBoost)机器学习模型相结合的多变量混合预测模型(Prophet-XGBoost)。利用Prophet算法对时间序列可分解的特性,将PM_(2.5)高维质量浓度序列分解成若干低维时序特征分量,并与污染物和气象因素数据集成构建XGBoost预测模型,以得到PM_(2.5)质量浓度的预测值。试验中以南京市PM_(2.5)质量浓度历史数据为例进行实证分析。结果表明,结合Prophet时间序列分解的预测模型,PM_(2.5)质量浓度预测结果的决定系数R^(2)提升至0.658 4。由此可见,Prophet-XGBoost多变量混合预测模型较传统长短期记忆神经网络(Long Short-Term Memory,LSTM)、XGBoost模型能够更好地预测PM_(2.5)日均质量浓度的变化趋势。 展开更多
关键词 环境学 pm_(2.5)质量浓度 时间序列 Prophet算法 极限梯度提升树
下载PDF
荥阳生态站PM_(2.5)、PM_(10)质量浓度时间变化特征及相关因素研究
19
作者 俞秀玲 霍宝民 +2 位作者 王晶 杨金橘 职庆利 《河南林业科技》 2023年第4期5-7,43,共4页
2018-2019年在荥阳生态站每月监测3次空气颗粒物PM_(2.5)、PM_(10)(PM)和负氧离子的浓度,分析了荥阳生态站两种PM质量浓度日变化、月变化、季节变化特征;用监测日的气象因子日均值、空气负离子浓度日均值与两种PM质量浓度做相关分析,以... 2018-2019年在荥阳生态站每月监测3次空气颗粒物PM_(2.5)、PM_(10)(PM)和负氧离子的浓度,分析了荥阳生态站两种PM质量浓度日变化、月变化、季节变化特征;用监测日的气象因子日均值、空气负离子浓度日均值与两种PM质量浓度做相关分析,以期了解PM质量浓度时间变化特征及相关影响因子。结果表明:两种PM浓度的日变化在8:00~18:00浓度变化呈U型。8:00~9:00浓度较高8:00~17:00浓度呈下降趋势,17:00以后质量浓度上升。月变化中11月至次年4月月平均质量浓度高;5~10月份平均质量浓度为较低。两种PM季节平均质量浓度高低顺序为:夏季<秋季<春季<冬季。春季和冬季两种PM污染尤为严重。PM_(2.5)质量浓度与气温呈极显著负相关;与日照时数、气温呈显著负相关,与气压呈显著正相关;与负离子浓度呈极显著负相关;与PM_(10)呈极显著正相关。PM_(10)质量浓度与气温、气温日较差呈显著负相关。 展开更多
关键词 空气质量 pm_(2.5) pm_(10) 变化特征 气象因子 负氧离子
下载PDF
东北地区PM_(2.5)质量浓度遥感估算与时空分布特征 被引量:1
20
作者 吴迪 高枞亭 +3 位作者 李建平 马艳敏 穆佳 吴玉洁 《地理科学》 CSCD 北大核心 2023年第10期1869-1878,共10页
利用2014—2018年近地面观测PM_(2.5)质量浓度数据、MODIS 10 km气溶胶光学厚度(Aerosol Optical Depth,AOD)数据、ERA5再分析气象数据和DEM(Digital Elevation Model)数据,分别构建估算东北地区PM_(2.5)质量浓度的多元线性回归模型(Mul... 利用2014—2018年近地面观测PM_(2.5)质量浓度数据、MODIS 10 km气溶胶光学厚度(Aerosol Optical Depth,AOD)数据、ERA5再分析气象数据和DEM(Digital Elevation Model)数据,分别构建估算东北地区PM_(2.5)质量浓度的多元线性回归模型(Multiple Linear Regression,MLR)、线性混合效应模型(Linear Mixed Effects Model,LME)和随机森林模型(Random Forest,RF),利用十折交叉验证方法对3个模型进行精度评价。根据最优模型估算2009—2018年东北地区逐日PM_(2.5)质量浓度,结果表明:(1) 3种模型模拟的PM_(2.5)质量浓度与地面实测值间的相关系数R^(2)排序为RF>LME>MLR,RF模型整体精度最高。(2)不同季节、月份的RF模型模拟PM_(2.5)质量浓度与地面实测值间的R^(2)均高于0.93,通过RF模型估算东北地区的PM_(2.5)质量浓度是可行的;(3) 2009—2018年东北地区PM_(2.5)质量浓度呈先升后降的年际变化趋势,同时表现为冬季>春季>秋季>夏季的季节性变化特征;从空间分布上看,PM_(2.5)质量浓度由西南到东北逐渐降低,总体上辽宁>吉林>黑龙江。 展开更多
关键词 pm_(2.5)质量浓度 随机森林模型 东北地区
下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部