一、乌鲁木齐市大气污染物时空分布特征研究(论文文献综述)
张娣,陈学刚,赵直[1](2021)在《乌鲁木齐市采暖期大气污染物浓度时空变化分析》文中进行了进一步梳理空气质量监测对于评估区域的污染物水平至关重要。为了研究乌鲁木齐市采暖期大气污染物浓度水平和变化规律,该文采用2013年和2017年10月至次年3月5个监测站24 h连续SO2、NO2、CO、PM2.5和O3污染物浓度数据,总结了2个采暖期5种污染物期度、月度、每日和小时变化特征和空气污染指数(AQI)的变化,结果表明:(1)第二个采暖期相比第一个采暖期,SO2浓度下降了59.76%,NO2、CO浓度略微下降,PM2.5、O3浓度均有增加,其中O3明显增加,PM2.5为首要污染物。NO2、PM2.5超过24 h平均和年平均的国家标准,O3浓度虽未超标,但增长较快,也应引起重视。(2)从AQI平均值看,城市整体空气质量有所下降,属于轻度污染。31中学、收费所、铁路局站点的空气质量有所下降,米东区环保局和监测站有所提高。(3)温度、风速与NO2、CO、PM2.5之间存在负相关关系,与O3呈显着正相关关系。相对湿度与SO2、NO2、O3是负相关关系,与PM2.5和CO存在正相关关系,相对湿度增加了大气中颗粒物的吸收率。综上所述,政府实施的"煤改气"等环境治理措施对SO2降低作用显着,对NO2、CO下降有一定作用,但对于PM2.5和O3浓度控制效果不显着。因此,今后乌鲁木齐市PM2.5、NO2、O3污染物应成为空气污染防治的新重点,在去除燃煤锅炉取暖的同时,还需加强机动车尾气治理,实行交通源和工业源废气共同治理。
陈佩弟,孙高峰,谢惠芳[2](2021)在《乌鲁木齐市大气污染时空分布特征及不同年龄段人群健康风险评价研究》文中提出目的分析乌鲁木齐市大气污染时空分布特征及其对不同年龄段人群的暴露风险影响。方法应用数理统计方法与环境暴露风险评价模型分别对2015—2019年乌鲁木齐市大气污染特征时空分布进行分析及对不同年龄段人群暴露风险进行评价研究。结果 2015—2019年乌鲁木齐市大气污染物浓度值的季节变化、年际变化,差异均有统计学意义(P<0.01);逐年减小,春冬季节较高,优良天数从62.19%升至74.79%。细颗粒物(PM2.5)、可吸入颗粒物(PM10)、SO2、NO2年均值范围分别为51.67~76.41、85.57~132.65、7.68~15.53、41.47~51.10μg/m3,对不同年龄段人群暴露风险值范围分别为0.08×10-6~0.46×10-6、0.06×10-6~0.40×10-6、0.01×10-6~0.04×10-6、0.02×10-6~0.11×10-6,对男性暴露风险值高于女性,对不同性别暴露风险值最大范围均集中于6个月~5岁年龄段。结论乌鲁木齐市大气污染程度呈逐年下降趋势,空气质量状况明显好转,受PM2.5、PM10污染程度较高,主要集中于春冬季节;PM2.5、PM10对男性及6个月~5岁的人群暴露风险较大。
汪蕊,丁建丽,马雯,张钧泳,韩礼敬[3](2021)在《基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析》文中研究表明利用MeteoInfoMap软件和GDAS全球同化气象数据,对乌鲁木齐市2014—2019年四季72 h气团后向轨迹进行聚类分析.同时,结合小时PM2.5和PM10浓度数据,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)分析了乌鲁木齐市颗粒物不同季节潜在源区及其对研究区颗粒物浓度的贡献.结果表明:(1)影响乌鲁木齐市大气质量的气团轨迹可分为长、短两支,短支气流主要来自研究区及周边城市,对研究区颗粒物浓度贡献大;(2)长支气流输送距离较远,主要来自哈萨克斯坦、俄罗斯等国家,对研究区颗粒物浓度贡献小;(3)影响乌鲁木齐市PM2.5浓度的主要潜在源区是吐鲁番地区、巴音郭楞蒙古自治州、伊宁市和阿克苏地区;(4)潜在源区分布呈现显着季节变化特征,冬季潜在源区分布广、贡献度高,而夏季源区分布狭窄、贡献度低,春季和秋季源区分布与贡献特征介于两者之间.
戚佩霓[4](2021)在《多源卫星遥感分析中国区域污染气体特征》文中研究说明21世纪以来,工业化、城市化的进程加快,社会经济高速发展,人类活动向大气排放的污染气体不断增加,污染气体会造成一系列气候和环境效应,进而严重危害人类健康。本文利用OMI/MLS对流层O3柱浓度资料和OMI、OMPS、TROPOMI对流层NO2、SO2柱浓度资料,在利用地面观测资料作数据适用性分析的基础上,对中国地区的污染气体的变化趋势及特征作了分析,并结合影响因子分析其背后机理。论文的主要研究成果及结论如下:(1)在统计OMI/MLS反演的对流层O3柱浓度与实测地面浓度的相关性中,68.1%的城市通过了显着性检验。OMI、OMPS和TROPOMI反演的对流层NO2与地面浓度的相关性统计中有80%以上的城市通过显着性分析,OMI相关性最好,但在天山北坡及京津冀地区TROPOMI好于其余二者。另外,三种资料遥感的偏差高值区在中国东部,OMI>OMPS>TROPOMI。最后,OMI和OMPS反演的对流层SO2柱浓度与实测地面浓度的相关性分别有63.5%和53.2%的城市通过显着性检验,OMI略好于OMPS。整体上OMI高于OMPS,高估区域主要分布在中国北部,而在中国南部低于OMPS。总体而言,长时序大尺度分析研究中OMI效果更好,短时局地分析中TROPOMI具有高分辨率优势。(2)中国区域2005年-2020年对流层O3呈现上升趋势,对流层NO2呈现微弱的上升趋势,对流层SO2呈现东降西升的趋势。对流层O3季节变化特征为:夏季>春季>秋季>冬季,夏季高值区分布在华北平原和新疆自治区,而青藏高原上空的O3浓度全年处于较低水平。对流层NO2和SO2季节变化特征为:冬季>秋季>春季>夏季,且高值区主要分布在京津冀地区,乌鲁木齐市,河南-河北一带。总体而言,O3、NO2和SO2三种污染气体往往在人类活动较多的区域有较高的浓度,且其分布及趋势都与其排放量或前体物排放量的分布和趋势大致相似。而风场、降水量和太阳辐射作为其化学机理的重要条件则在其变化过程中起到一定作用。全国疫情封闭式管理期间,对流层NO2和SO2柱浓度有较为明显的下降,持续两周后,在2月中旬开始回升。
王莉莉[5](2020)在《“奎屯市-独山子区-乌苏市”区域大气对流层NO2、SO2柱浓度特征分析》文中研究指明“奎-独-乌”区域作为天山北坡城市群的重要组成部分,是新疆最大的石化基地和重要经济核心区之一,也是自治区大气污染防治重点区域之一。该区域能源消耗以燃煤为主,由于工业化加速和区域工业污染防治水平低等因素影响,该区域城市采暖期污染天数与全国重点污染城市乌鲁木齐市十分接近,奎独乌区域大气污染问题日益突出。故本文基于MAX-DOAS于2018年2月-2019年7月在“奎-独-乌”区域进行城区固定监测和城际间移动监测,反演得到该区域对流层NO2、SO2柱浓度时空变化规律,并结合地形条件、气象因素、城市工业分布和人为排放量进行分析,主要结论如下:(1)从日变化看,“奎-独-乌”区域对流层NO2和SO2柱浓度日变化均呈现早晚高,中午低的变化趋势;三个城市的NO2和SO2柱浓度在冬季和夏季均呈现,独山子区>奎屯市>乌苏市,春季,奎屯市>独山子区>乌苏市。从早中晚时间段变化量来看,在早中晚三个时间段内NO2柱浓度最高值与最低值变化量表现为独山子区>奎屯市>乌苏市,受城市汽车尾气排放影响,SO2柱浓度的变化量比NO2变化量要低。(2)从季节变化看,“奎-独-乌”区域对流层NO2和SO2柱浓度均呈“冬季高、夏季低”的特点,且各城市NO2浓度均高于SO2浓度;从各监测点不同季节来看,奎屯市和独山子区对流层NO2和SO2柱浓度均表现为:冬季>春季>夏季,乌苏市NO2柱浓度表现为冬季>秋季>春季>夏季,SO2柱浓度表现为冬季>春季>秋季>夏季;结合不同季节人为排放部门来看,奎屯市和独山子区在采暖期和非采暖期工业部门大气污染物排放量均高于民用部门,而乌苏市在采暖期则表现为民用部门高于工业部门。(3)从空间分布上看,“奎-独-乌”区域城际上空的对流层NO2柱浓度均值在不同季节表现为:冬季(11.8)>秋季(9.46)>春季(7.46)>夏季(4.33×1015molec·cm-2);不同季节高值主要出现在奎屯立交桥、独山子立交桥和工业分布较多的地方,最低值都出现在乌苏市上风向。利用后向轨迹模拟移动监测期间“奎-独-乌“区域气流来源,春季,在水平方向上有利于NO2扩散,夏季,西北风向导致下风向路段NO2浓度相对较高;秋季,在垂直方向上有利于NO2浓度的扩散;冬季:气流运动在水平方向和垂直方向上均不利于扩散,导致NO2浓度冬季最高。(4)从影响因素上看,自然因素:该区域地势整体南高北低、海拔较低,且常年主导西风,不利于污染物扩散,污染物以本地输送为主且城际间污染物存在传输与积累。社会经济因素:受不合理工业能源结构和布局影响,污染物在城区中产生积累;不同人为排放源部门对NOx、SO2的排放贡献占比均表现为奎屯市>独山子区>乌苏市;其中工业部门贡献占比达到了 93%以上。(5)运用灰色关联方法分析,各指标因子与“奎-独-乌”区域NO2和SO2柱浓度的关联度值均处于中度或强度关联。大气污染物指标层指标因子主要通过污染物共同来源和彼此间化学反映相互影响;在气象要素指标层中,风速和气压是影响污染物扩散的重要因素;相对湿度、温度和日照时数的影响体现在排放量和转化分解的方面;在人为排放指标层中,与工业部门均呈强度关联(Rij>0.75)。
玛依拉·热西丁,丁建丽,张喆,张振华,陈香月,刘思怡[6](2020)在《乌鲁木齐市气溶胶光学厚度时空分布特征及潜在来源分析》文中研究表明依据2009年1月—2019年7月MODIS/AQUA C6.1 MYD04L2气溶胶光学厚度(Aerosol Optical Depth, AOD)日数据,在宏观视角下对乌鲁木齐市AOD时空分布特征进行分析,利用后向轨迹模式(Hybrid Single Particle Lagrangian Integrated Trajectory,HYSPLIT)和潜在源贡献作用分析方法(Potential Source Contribution Function, PSCF)讨论气溶胶运输的季节性变化,并揭示研究不同季节对AOD影响较为明显的潜在源空间分布.结果表明:①乌鲁木齐市AOD呈显着的季节性差异,四季均值依次为:春季(0.328)>夏季(0.310)>秋季(0.273)>冬季(0.137),AOD高值区主要集中在市区.②AOD年内呈双峰分布,峰值分别对应为4月(0.402)和8月(0.346);10 a间AOD呈弱下降趋势,其中2014年最高(0.316),2017年最低(0.235),AOD均值为0. 276.③春季和冬季乌鲁木齐市气团输送主要来自中亚地区,夏季和秋季则来自于天山周边地区;AOD主要潜在源区为乌鲁木齐市及其周边地区,对乌鲁木齐市空气质量具有显着影响.
舒莉[7](2020)在《绵阳市大气污染与呼吸系统疾病死亡病例的时空关联研究》文中研究说明随着国家经济的繁荣发展和人类活动的加剧,排放到空气中的粉尘和有害气体不断增加,导致越来越严重的空气污染,严重影响了居民的身体健康。人类的呼吸系统是与外界空气直接接触的器官,空气污染因子可以直接进入呼吸道,进而进入呼吸系统深处的肺组织从而诱发与呼吸系统和肺部有关的疾病,因此,空气污染问题引起了大家的广泛的关注。当前,国内外对空气污染和呼吸系统疾病的研究主要集中在空气污染要素的来源,污染特征以及化学组成对人体健康影响,少有结合空间位置等信息从空间分布特征方面研究空气污染要素与呼吸系统疾病病例之间的关系。因此本文选取多学科结合的方式从传统时间序列分析方法及空间分析两个方面来分析空气污染要素集与呼吸系统疾病死亡病例的关系,同时针对空气污染要素信息获取方式较为困难的局面,摒弃传统的以空气质量监测站获取污染物分布及浓度信息的方式,选取卫星遥感监测手段来获取研究区的空气污染状况,极大的提高了空气污染数据获取的便利性。本文以四川省绵阳市为研究区域,收集2008—2016年研究区每日的遥感影像资料、大气污染物(PM2.5、PM10、SO2、NO2、CO和O3)浓度资料、温度(每日最高温、最低温)和居民每日呼吸系统疾病死亡病例资料;运用统计分析和空间密度分析研究2008—2016年绵阳市呼吸系统疾病死亡病例的基本特征;利用空间分布、空间聚集性分析方法对比分析空气污染要素浓度分布以及呼吸系统疾病死亡病例的空间分布特征;基于时间序列分析方法定量评估空气污染要素含量与呼吸系统死亡病例之间的关系。本文取得的成果如下:(1)2009—2016年期间,绵阳市呼吸系统疾病死亡人数基本呈逐年上升趋势;男性呼吸系统病例死亡人数与女性呼吸系统病例死亡人数的比例约为1.3:1;每年的第一季度及第四季度呼吸系统疾病死亡人数较多,第二季度及第三季度呼吸系统疾病死亡人数较少,呈现出一定的季节效应;死亡病例基本集中在涪城区、游仙区、江油市、三台县及梓潼县。(2)分析单个污染物浓度空间分布及呼吸系统死亡病例密度的空间分布及聚集情况发现:同一年中绵阳市各个区县的死亡病例数和空气污染要素的平均浓度呈正相关,即污染要素浓度越高,死亡病例人数越多;研究区内呼吸系统疾病死亡病例与PM2.5、CO和SO2浓度空间分布无明显关联性,PM10、NO2和O3浓度的空间分布与呼吸系统疾病死亡病例之间的空间分布基本一致。(3)对单个污染物含量与呼吸系统系疾病死亡病例的时间序列广义相加模型分别分析得出:6个污染物日均浓度升高对研究区呼吸系统疾病死亡病例的影响存在统计意义的时间不同,PM2.5和PM10仅在滞后1天—2天有显着意义,CO和O3在滞后0天—1天有显着意义,NO2在滞后0天—2天有显着意义,SO2在滞后0天-3天都有显着意义。就单个污染物对呼吸系统疾病死亡病例的累积影响效应而言,PM2.5、PM10、CO、NO2都是在累积滞后1天时对呼吸系统死亡病例的影响达到最大,其单个污染物每升高10μg/m3时,呼吸系统疾病死亡病例数分别增加约0.41%(95%CI:0.37%,0.44%)、0.49%(95%CI:0.45%,0.51%)、0.84%(95%CI:0.28%,0.41%)和0.47%(95%CI:0.23%,0.73%);O3在当天、SO2在滞后2天时对呼吸系统死亡病例的影响达到最大,污染物每升高10μg/m3,呼吸系统疾病死亡病例数增加约0.94%(95%CI:0.46%,1.34%)、0.63%(95%CI:0.53%,1.05%)。(4)对多个污染含量与呼吸系统系疾病死亡病例的时间序列广义相加模型分别分析得出:在多污染物模型中,PM2.5每升高10μg/m3,呼吸系统疾病死亡病例增加0.83%(95%CI:0.73%,0.94%),但跟单污染物模型中的影响效应相比来说多污染物模型的统计学意义却明显下降。其他各污染物对呼吸系统疾病死亡病例数据的影响无统计学意义(P>0.05)。
蔡宁宁,王宝庆,胡新鑫,王晴,刘博薇,牛宏宏[8](2020)在《乌昌石区域的非金属矿物制品业大气污染物排放清单研究》文中研究说明建立了乌昌石区域非金属矿物制品业CO、NOx、SO2、PM2.5和PM10 5种大气污染物的排放清单,并进行了时空分布特征分析,初步探究了估算的不确定性。结果显示,乌昌石区域非金属矿物制品业CO、NOx、SO2、PM2.5和PM10总排放量分别为3.71×104、2.76×104、3.10×104、3.04×104、1.29×105 t。熟石膏行业是CO的主要排放源;水泥(干法)行业是NOx、SO2、PM2.5和PM10的主要排放源。乌鲁木齐市是CO、NOx和SO2排放量的最大贡献源;石河子市是PM2.5和PM10排放量的最大贡献源。乌昌石区域5月至9月是一年中污染物排放的高峰期,11:00至20:00是一天中污染物排放的高峰期。空间上,乌昌石区域的污染物排放主要分布在乌鲁木齐市中部、西南部以及石河子市。
闵月[9](2020)在《天山北坡乌昌石地区污染天气过程的气象特征研究》文中提出为了解天山北坡乌昌石地区大气污染的时空分布特征、气象要素对空气污染的影响以及污染天气过程的气象特征,本文通过收集2015-2018年乌昌石地区12个环境监测站点PM2.5、PM10、SO2、NO2、CO、O3等6种污染物逐日质量浓度,气温、降水、风速风向、相对湿度、气压等6种要素逐日观测资料,分析乌昌石地区大气污染物的时空分布特征及气象要素对大气污染物浓度的影响,探讨不同污染天气过程的环流背景及气象条件,得到以下结果:(1)乌昌石地区大气污染物具有显着的时空分布特征。乌昌石地区每年优良天数为60%,首要污染物多为PM10或PM2.5;每年平均污染日为78-126 d,重污染日为19-45 d,且主要集中在采暖期。空气污染在2015-2017年间波动上升,2017-2018明显下降。PM2.5、PM10、SO2、NO2、CO浓度为冬季高,夏季低,O3浓度为夏季高,冬季低。6种大气污染物质量浓度年分布特征为单峰型分布,PM2.5、PM10、SO2、NO2、CO峰值在1-2月,O3峰值在7月。采暖期PM2.5、PM10、SO2、NO2、CO质量浓度显着上升,较非采暖期分别增高了68μg/m3、79μg/m3、8μg/m3、19μg/m3、1.0 mg/m3;非采暖期PM2.5与PM10的比重仅为0.35,采暖期PM2.5与PM10的比重增大到0.63。春节假日期间空气污染为初一最高,AQI为228,初五次高。PM2.5和PM10污染物浓度呈平原高、山区低,平原北部高、平原南部低的空间分布,SO2质量浓度为昌吉市和乌鲁木齐市城北高,NO2质量浓度为乌鲁木齐市市中心和城南高,CO质量浓度为石河子市和乌鲁木齐市城西高,O3质量浓度为天山天池和石河子市最高。(2)乌昌石地区大气污染物浓度受气象要素变化的影响较大。当气温降至-5℃、风速低于1.5 m/s、湿度在60%-80%之间、气压高于1040hPa时,PM10、PM2.5、SO2、NO2、CO浓度开始急剧升高。当降水达到中雨时,对PM10、PM2.5、SO2、NO2、CO的稀释最明显。当混合层高度高于500 m、通风系数大于1500 m/s2时,对污染物的扩散能力明显增强。当逆温强度大于5℃/(100m)、静稳指数大于5时,PM2.5浓度显着增加。PM2.5浓度与气温的相关性较好,相关系数可达0.734。用主成分分析法得到的污染物主成分为PM2.5,气象要素主成分为稳定度指标和降水指标,用于衡量空气污染扩散条件的好坏。(3)乌昌石地区污染天气过程常出现在特定的气象条件下。当春季巴尔喀什湖为低槽,北疆有地面冷锋过境时,易出现乌昌石地区污染,并伴有沙尘。当冬季新疆为高压脊,地面处于蒙古高压底后部时,或者高空为平直西风气流,地面为鞍型场时易出现污染。乌昌石地区冬季持续性重污染天气环流背景为:500 hPa新疆高压脊、中层弱风、地面高压底后部,常伴有边界层逆温、70%-90%的湿度、小于2 m/s风速的长时间维持。当出现1.0 mm以上的降水、地面气温上升、地面风速增大时,AQI下降。
依再提古丽·外力,王明力,杨建军,黄文君,李亚楠[10](2020)在《2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征》文中研究表明乌鲁木齐市是"丝绸之路经济带"关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ(PM2.5)、ρ(PM10)监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM2.5、PM10的时空分布特征.结果表明:ρ(PM2.5)从2015年(66.60μg/m3)到2016年(76.93μg/m3)呈上升趋势,在2016—2018年呈单一下降趋势;ρ(PM10)从2015年(132.74μg/m3)到2016年(125.93μg/m3)呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ(PM2.5)、ρ(PM10)平均值比城市中心(商业区、居民区)分别高11.28、7.17μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ(PM2.5)、ρ(PM10)均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ(PM2.5)/ρ(PM10)呈先增后降的趋势,冬季以PM2.5污染为主,其他季节以PM10污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.
二、乌鲁木齐市大气污染物时空分布特征研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、乌鲁木齐市大气污染物时空分布特征研究(论文提纲范文)
(1)乌鲁木齐市采暖期大气污染物浓度时空变化分析(论文提纲范文)
1 数据和研究方法 |
1.1 研究区概况 |
1.2 研究方法 |
1.3 数据来源和处理 |
2结果与讨论 |
2.1 SO2浓度的时空变化 |
2.2 NO2浓度的时空变化 |
2.3 CO浓度的时空变化 |
2.4 PM2.5浓度的时空变化 |
2.5 O3浓度的时空变化 |
2.6 AQI指数的时空变化 |
2.7 大气污染物与气象因子的相关性 |
3 结论 |
(2)乌鲁木齐市大气污染时空分布特征及不同年龄段人群健康风险评价研究(论文提纲范文)
1 资料与方法 |
1.1 资料来源 |
1.2 方法 |
1.2.1 特征分析 |
1.2.2 健康风险评价模型 |
1.2.2.1暴露风险评估 |
1.2.2.2健康风险可接受水平的确定 |
1.3 统计学分析 |
2 结果 |
2.1 乌鲁木齐市大气污染物季节变化特征分布 |
2.2 乌鲁木齐市大气污染物年际变化特征分布 |
2.3乌鲁木齐市空气质量指数年际变化 |
2.4 乌鲁木齐市大气污染物对不同人群暴露风险评价 |
2.4.1 不同年龄段男、女暴露的PM2.5暴露风险评估 |
2.4.3 不同年龄段男、女暴露的SO2暴露风险评估 |
2.4.4 不同年龄段男、女暴露的NO2暴露风险评估 |
3 讨论 |
(3)基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析(论文提纲范文)
1 引言(Introduction) |
2 数据来源与方法(Data sources and methods) |
2.1 研究区概括 |
2.2 数据来源 |
2.3 研究方法 |
2.3.1 HYSPLIT模型 |
2.3.2 PSCF与CWT模型 |
3 结果与讨论(Results and discussion) |
3.1 乌鲁木齐市大气污染特征 |
3.2 气团后向轨迹及聚类分析 |
3.3 大气污染物潜在源区分析 |
3.4 大气污染物浓度权重轨迹分析 |
4 结论(Conclusions) |
(4)多源卫星遥感分析中国区域污染气体特征(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 研究目的与内容 |
1.3.1 研究目的 |
1.3.2 研究内容 |
1.4 论文结构与技术路线 |
1.4.1 论文结构 |
第二章 研究区域与数据处理 |
2.1 研究区域 |
2.2 数据处理 |
2.2.1 卫星遥感数据 |
2.2.2 其他气象数据 |
第三章 遥感数据适用性分析 |
3.1 O_3数据适用性分析 |
3.2 NO_2数据适用性分析 |
3.3 SO_2数据适用性分析 |
3.4 小结 |
第四章 中国区域污染气体特征 |
4.1 O_3变化特征及趋势 |
4.2 NO_2变化特征及趋势 |
4.3 SO_2变化特征及趋势 |
4.4 疫情期间污染气体变化特征 |
4.4.1 疫情封闭对NO_2的影响 |
4.4.2 疫情封闭对SO_2的影响 |
4.5 小结 |
第五章 总结与展望 |
5.1 本文主要结论 |
5.2 展望 |
致谢 |
参考文献 |
作者简介 |
(5)“奎屯市-独山子区-乌苏市”区域大气对流层NO2、SO2柱浓度特征分析(论文提纲范文)
中文摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究进展 |
1.3 研究内容及研究路线 |
1.3.1 研究内容 |
1.3.2 研究技术路线 |
2 研究区概况及研究方法 |
2.1 研究区概况 |
2.2 污染现状 |
2.3 数据与方法 |
2.3.1 DOAS的固定监测 |
2.3.2 DOAS的移动监测 |
2.3.3 排放清单数据 |
2.3.4 灰色关联分析法 |
3 “奎—独—乌”区域对流层NO_2、SO_2柱浓度时间变化特征 |
3.1 对流层NO_2、SO_2柱浓度日变化特征 |
3.1.1 NO_2柱浓度日变化特征 |
3.1.2 SO_2柱浓度日变化特征 |
3.2 对流层NO_2、SO_2柱浓度季节变化特征 |
3.2.1 NO_2柱浓度季节变化特征 |
3.2.2 SO_2柱浓度季节变化特征 |
3.3 与地面数据验证对比 |
4 “奎—独—乌”区域NO_2柱浓度空间变化特征 |
4.1 “奎—独—乌”区域城际间对流层NO_2柱浓度 |
4.2 移动监测期间“奎—独—乌”区域气团来源 |
5 影响因素分析 |
5.1 自然因素 |
5.1.1 地形条件 |
5.1.2 气象要素 |
5.1.3 后向轨迹聚类分析 |
5.2 社会经济因素 |
5.2.1 工厂的集聚度 |
5.2.2 功能区分布 |
5.2.3 人为排放量 |
5.3 对流层NO_2、SO_2柱浓度与各影响因素的相关程度 |
5.3.1 指标体系构建 |
5.3.2 关联度分析 |
6 结论 |
参考文献 |
在读期间研究成果 |
后记 |
(6)乌鲁木齐市气溶胶光学厚度时空分布特征及潜在来源分析(论文提纲范文)
1 引言(Introduction) |
2 材料与方法(Materials and methods) |
2.1 研究区概况 |
2.2 数据来源 |
2.2.1 MODIS C6.1 AOD数据 |
2.2.2 气象数据 |
2.2.3 Microtops Ⅱ太阳光度计采样数据 |
2.3 研究方法 |
2.3.1 趋势分析方法 |
2.3.2 后向轨迹模型 |
2.3.3 潜在源贡献作用(PSCF)分析法 |
3 结果与讨论(Results and discussion) |
3.1 MODIS C6.1 AOD 产品与手持太阳光度计数据验证 |
3.2 AOD季节性变化特征分析 |
3.3 AOD年变化特征分析 |
3.4 AOD与其他因素变化特征分析 |
3.5 后向轨迹聚类分析 |
3.6 潜在源区分析 |
4 结论(Conclusions) |
(7)绵阳市大气污染与呼吸系统疾病死亡病例的时空关联研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 研究内容 |
1.4 技术路线 |
第2章 研究理论与方法 |
2.1 气溶胶光学厚度反演 |
2.1.1 气溶胶光学反演原理 |
2.1.2 气溶胶光学厚度反演算法 |
2.2 空间分析 |
2.3 广义相加模型 |
第3章 研究区概况及数据预处理 |
3.1 研究区概况 |
3.2 研究数据 |
3.2.1 遥感影像数据 |
3.2.2 空气质量监测站监测数据 |
3.2.3 气象数据 |
3.2.4 死亡病例数据 |
3.3 数据预处理 |
3.3.1 MODIS影像数据预处理 |
3.3.2 基于MODIS影像的AOD反演 |
3.3.3 病例数据预处理 |
3.4 AOD估算空气污染要素浓度 |
3.5 呼吸系统疾病死亡病例数据基本特征 |
第4章 空气污染要素与死亡病例的空间关联分析 |
4.1 PM2.5浓度及死亡病例分布的空间关联分析 |
4.2 PM10浓度及死亡病例分布的空间关联分析 |
4.3 CO浓度及死亡病例分布的空间关联分析 |
4.4 NO_2浓度及死亡病例分布的空间关联分析 |
4.5 O_3浓度及死亡病例分布的空间关联分析 |
4.6 SO_2浓度及死亡病例分布的空间关联分析 |
第5章 空气污染要素与死亡病例的时间关联分析 |
5.1 单污染物与呼吸系统疾病死亡病例关联分析 |
5.1.1 PM2.5对呼吸系统疾病死亡病例的影响分析 |
5.1.2 PM10与呼吸系统疾病死亡病例的影响分析 |
5.1.3 CO与呼吸系统疾病死亡病例的影响及滞后性分析 |
5.1.4 NO_2与呼吸系统疾病死亡病的影响及滞后性分析 |
5.1.5 O_3与呼吸系统疾病死亡病例的影响及滞后性分析 |
5.1.6 SO_2与呼吸系统疾病死亡病的影响及滞后性分析 |
5.2 多污染物与呼吸系统疾病死亡病例关联分析 |
结论 |
结论 |
不足 |
致谢 |
参考文献 |
攻读学位期间取得学术成果 |
(8)乌昌石区域的非金属矿物制品业大气污染物排放清单研究(论文提纲范文)
1 估算方法 |
2 结果与讨论 |
2.1 排放清单分析 |
2.2 污染物排放时空分布特征 |
2.2.1 时间分布特征 |
2.2.2 空间分布特征 |
2.3 不确定性分析 |
3 结论 |
(9)天山北坡乌昌石地区污染天气过程的气象特征研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究进展 |
1.2.1 空气污染的研究进展 |
1.2.2 国内空气污染的研究进展 |
1.2.3 国外空气污染气象研究进展 |
1.2.4 国内空气污染气象研究进展 |
1.3 研究区域概况 |
1.4 本文主要研究内容 |
1.5 技术路线 |
第二章 资料来源与方法 |
2.1 资料来源 |
2.1.1 空气质量资料 |
2.1.2 气象资料 |
2.2 方法 |
2.2.1 空气质量评价方法 |
2.2.2 首要污染物、污染日及污染天气过程的确定 |
2.2.3 边界层环境气象参数计算方法 |
2.2.4 相关分析方法 |
第三章 乌昌石地区空气污染的时空分布特征 |
3.1 时间变化特征 |
3.1.1 年际变化特征 |
3.1.2 年内变化特征 |
3.1.3 季节变化特征 |
3.1.4 采暖期/非采暖期变化特征 |
3.1.5 春节期间变化特征 |
3.2 空间分布特征 |
3.3 空气质量评价 |
3.4 本章小结 |
第四章 乌昌石地区气象要素对空气污染的影响 |
4.1 气温对空气污染的影响 |
4.1.1 不同时段气温与大气污染物质量浓度的关系 |
4.1.2 各月温度与大气污染物质量浓度的关系 |
4.2 降水量对空气污染的影响 |
4.2.1 不同量级的降水与大气污染物质量浓度的关系 |
4.2.2 各月降水量与大气污染物质量浓度的关系 |
4.3 风速对空气污染的影响 |
4.3.1 不同风速与大气污染物质量浓度的关系 |
4.3.2 各月风速与大气污染物质量浓度的关系 |
4.3.3 风向、风速与大气污染物质量浓度的关系 |
4.4 相对湿度对空气污染的影响 |
4.4.1 不同湿度与大气污染物质量浓度的关系 |
4.4.2 各月相对湿度与大气污染物质量浓度的关系 |
4.5 气压对空气污染的影响 |
4.5.1 不同气压与大气污染物质量浓度的关系 |
4.5.2 各月气压与大气污染物质量浓度的关系 |
4.6 边界层环境参数对空气污染的影响 |
4.6.1 混合层高度与大气污染物质量浓度的关系 |
4.6.2 通风系数与大气污染物质量浓度的关系 |
4.6.3 逆温强度与大气污染物质量浓度的关系 |
4.6.4 静稳指数与大气污染物质量浓度的关系 |
4.7 污染物与气象要素相关性分析 |
4.7.1 污染物浓度与气象要素相关性 |
4.7.2 污染物浓度与气象要素主成分分析 |
4.8 本章小结 |
第五章 乌昌石地区污染天气的气象条件分析 |
5.1 污染天气过程分布特征 |
5.2 污染天气过程天气形势分析 |
5.2.1 地面天气形势分类标准 |
5.2.2 高空天气形势分类标准 |
5.2.3 天气形势分类统计结果 |
5.3 污染天气气象形势特征分析 |
5.3.1 低槽-冷锋过境型 |
5.3.2 高压脊-高压底后部型 |
5.3.3 平直西风带-均压型 |
5.4 乌昌石地区冬季不同程度污染气象条件对比分析 |
5.4.1 天气过程描述 |
5.4.2 天气形势特征 |
5.4.3 气象要素变化特征 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
四、乌鲁木齐市大气污染物时空分布特征研究(论文参考文献)
- [1]乌鲁木齐市采暖期大气污染物浓度时空变化分析[J]. 张娣,陈学刚,赵直. 环境科学与技术, 2021(10)
- [2]乌鲁木齐市大气污染时空分布特征及不同年龄段人群健康风险评价研究[J]. 陈佩弟,孙高峰,谢惠芳. 职业与健康, 2021(18)
- [3]基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析[J]. 汪蕊,丁建丽,马雯,张钧泳,韩礼敬. 环境科学学报, 2021(08)
- [4]多源卫星遥感分析中国区域污染气体特征[D]. 戚佩霓. 南京信息工程大学, 2021(01)
- [5]“奎屯市-独山子区-乌苏市”区域大气对流层NO2、SO2柱浓度特征分析[D]. 王莉莉. 新疆师范大学, 2020(06)
- [6]乌鲁木齐市气溶胶光学厚度时空分布特征及潜在来源分析[J]. 玛依拉·热西丁,丁建丽,张喆,张振华,陈香月,刘思怡. 环境科学学报, 2020(05)
- [7]绵阳市大气污染与呼吸系统疾病死亡病例的时空关联研究[D]. 舒莉. 成都理工大学, 2020(04)
- [8]乌昌石区域的非金属矿物制品业大气污染物排放清单研究[J]. 蔡宁宁,王宝庆,胡新鑫,王晴,刘博薇,牛宏宏. 环境污染与防治, 2020(03)
- [9]天山北坡乌昌石地区污染天气过程的气象特征研究[D]. 闵月. 兰州大学, 2020(01)
- [10]2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征[J]. 依再提古丽·外力,王明力,杨建军,黄文君,李亚楠. 环境科学研究, 2020(08)