导读:本文包含了浓度时空变化论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:时空,浓度,臭氧,叶绿素,遥感,贵阳市,对流层。
浓度时空变化论文文献综述
李雪,彭波,刘芸,黄林峰,卜英竹[1]（2019）在《基于OMI数据的贵州省对流层NO_2浓度时空变化分析》一文中研究指出利用OMI卫星遥感数据提供的NO_2浓度产品及气象站点数据,分析了2005—2017年贵州省对流层NO_2柱浓度时空分布特征及其影响因素。结果表明:①贵州省NO_2柱浓度年均值较小,说明贵州省空气质量整体比较好,年变化为NO_2柱浓度先升高再降低的趋势,冬季最高、夏季最低,而月变化呈内凹型分布,一年中最大值大多出现在1月,7月出现最低值的次数最多;②空间分布呈西高东低、北高南低的特点;③在9个地市州中,六盘水市的NO_2柱浓度年均值最大,贵阳市位于第二,浓度最低的是黔东南州。④降水和温度对NO_2柱浓度都具有一定的负影响。(本文来源于《中低纬山地气象》期刊2019年05期）
范宪创,郑新,李李漫丝,周超,陆天启[2]（2019）在《基于MODIS数据的海洋叶绿素浓度时空变化分析》一文中研究指出海表叶绿素的反演及其时空变化分析,在海洋-大气系统的碳循环、赤潮灾害监测等方面具有重要意义。本文选择海南岛西南海域作为研究区,采用MODIS 250 m分辨率数据,基于研究区内最优算法模型,反演研究区内叶绿素浓度。基于该模型反演结果,采用相同点位变化曲线以及差值图像等方法对叶绿素浓度进行年间和季节的时空变化分析。分析结果显示,空间上,由近岸到深海,由高纬度到低纬度,叶绿素浓度均呈现逐渐下降的趋势;时间上,整体呈现出逐年下降的趋势。结果表明,海洋叶绿素浓度受人类活动影响较大,同时也受到洋流、温度、陆地生物以及河流的较大影响。(本文来源于《海洋湖沼通报》期刊2019年05期）
刘群,钟敏文,赵晓韵,张春辉[3]（2019）在《贵阳市近地面臭氧浓度变化及时空分布特征》一文中研究指出运用2013-2017年贵阳市10个环境空气自动监测站O3的监测数据,分析全市及各区县近地面O3浓度年度、季节变化和日变化特征,对其浓度影响因子进行分析。结果表明:贵阳市及各区县近地面O3年均浓度2013-2016年逐年升高,2017年略有下降,呈现出春季>夏季>秋季>冬季的特点,O3月均浓度在4月和5月达到最大值,最小值出现在11月。从各区县看,贵阳市郊区的花溪区、观山湖区和乌当区的O3年均浓度较高,中心城区南明区和云岩区相对较低,经开区最低。O3浓度呈明显"单峰型"日变化特征,出现峰值的时刻在各季节也有所不同,最大峰值出现在15时左右,最低值在08时左右出现。O3浓度与NO、NO2、NOx、相对湿度呈明显负相关,与温度、风速呈正相关。(本文来源于《环保科技》期刊2019年05期）
莫露,巫兆聪,张熠[4]（2019）在《基于OCO-2数据的CO_2浓度时空变化及影响因素分析——以中国东北地区为例》一文中研究指出本文基于OCO-2卫星二氧化碳平均干空气柱浓度摩尔分数(XCO_2)观测数据,结合气候数据(K?ppen-Geiger气候分类数据)、降水数据(PREC/L数据)、植被数据(MOD13A1)、地表覆盖数据(MOD12Q1)以及火点数据(MOD14A1),分析2014年9月到2018年12月期间气候、降水、植被、地表覆盖以及燃烧排放等因素对二氧化碳时空分布的影响。研究区域为中国东北地区,结果表明,亚寒带气候为主的条件下XCO_2呈现出明显的春冬季高夏季低的季节分布规律;降水与NDVI在时空分布上表现出一致性,夏季研究区域内降水与NDVI值较高,XCO_2浓度较低,春冬季降水与NDVI较低,XCO_2浓度较高,XCO_2对降水、NDVI的变化表现出2-4个月的延迟;不同地表覆盖CO_2年均值统计结果表明,城区年均XCO_2浓度最高,而林地XCO_2浓度最低;火点增加导致XCO_2异常值的增大,燃烧排放使区域CO_2浓度升高。(本文来源于《第六届高分辨率对地观测学术年会论文集（上）》期刊2019-09-20）
王萍,刘涛,杨国林,杜萍[5]（2019）在《中国主要城市臭氧浓度的时空变化特征》一文中研究指出针对近地面臭氧污染日益成为影响城市空气质量的问题,提出非参数分析法以及局部Moran's I来分析2014—2017年中国74个城市臭氧时空变化特征。结果表明,臭氧的日最大8小时浓度第90百分位数年平均值整体呈上升态势。O3分布差异明显,华东地区臭氧污染严重同时出现空间聚集现象,而西北地区和东北地区则浓度稍低同时没有明显聚集。O3平均浓度年际具有相关性,2015年与2016年O3浓度呈现极强相关性,这可能与2015年异常气候条件变化有关;近4年中国城市O3浓度月度呈"单峰型"且季度呈现夏季>秋季>春季>冬季的变化特征。臭氧浓度与海拔呈现良好的负相关关系;同时,纬度变化对近地面臭氧浓度的影响不大,而经度变化与臭氧浓度变化呈现中等程度相关性。(本文来源于《遥感信息》期刊2019年04期）
张连华,周春艳,厉青,马鹏飞,陈辉[6]（2019）在《2016—2018年汾渭平原对流层NO_2柱浓度时空变化遥感监测》一文中研究指出基于2016—2018年臭氧观测仪(OMI)卫星观测资料反演获取的对流层NO_2柱浓度数据分析了汾渭平原NO_2柱浓度的时空分布特征,结果表明:(1)汾渭平原对流层NO_2柱浓度最低值出现在2018年7月,最高值出现在2018年12月,2018年12月反弹较明显。(2)第一、四季度对流层NO_2柱浓度明显高于第二、叁季度,第二、叁季度汾河谷地地区和洛阳市东北部对流层NO_2柱浓度略高于其他地区;第一季度对流层NO_2柱浓度高值区在第二、叁季度范围基础上明显扩大,主要集中在汾河谷地、渭河平原以及洛阳市北部地区;第四季度对流层NO_2柱浓度高值区在第一季度的基础上进一步扩大并连片呈现。(3)汾渭平原各地市对流层NO_2年均柱浓度值区间分布较明显,其中晋中市、运城市与临汾市年均柱浓度值分列前3名,渭南市、吕梁市、洛阳市与西安市年均柱浓度值排名在第4～7名之间,咸阳市、叁门峡市、铜川市与宝鸡市年均柱浓度值排名分列第8～11名。(4)汾渭平原大部分地市对流层NO_2柱浓度最高值均出现在2017年,同时2018年各季度对流层NO_2柱浓度高值区分布范围较2017年对流层NO_2柱浓度分布有所减小,说明2018年开展的汾渭平原地区大气巡查工作发挥了重要作用,但是吕梁市对流层NO_2柱浓度最高值出现在2018年,出现一定的反弹。(本文来源于《环境生态学》期刊2019年04期）
田洪阵,刘沁萍,Joaquim,I.Goes,Helgado,Rosario,Gomes,杨萌萌[7]（2019）在《近20年渤海叶绿素a浓度时空变化》一文中研究指出浮游植物作为食物链的基础,对海洋生态系统具有重要作用。渤海作为我国最大的内海和重要渔业生物的产卵场、育幼场和索饵场,该区浮游植物研究具有重要意义。叶绿素a浓度是反映浮游植物生物量的重要指标。利用Google Earth Engine平台,对1997–2010年的宽视场海洋观测传感器(SeaWiFS)叶绿素a浓度数据和2002–2018年的水色卫星中分辨率成像光谱仪传感器(MODIS Aqua)叶绿素a浓度数据进行合并,并研究其时空变化特征。研究表明,近20年来,渤海全年叶绿素a浓度增加了14.1%,且增加显着。叶绿素a浓度在所有季节都呈现增加趋势;除11月外,其他各月都呈现稳定或增加趋势。从滦河入河口沿岸至渤海海峡的渤海中部,叶绿素a浓度增加较明显。同时也分析了海洋表面温度、风速和降水量数据。夏季渤海周边区域降水量和风速增加以及秋季海表温度的降低都有助于同季叶绿素a浓度的升高。渤海浮游植物可能受陆源营养物质输入影响较大。(本文来源于《海洋学报》期刊2019年08期）
张莉,王冠,陈震,王驷鹞[8]（2019）在《唐山O_3浓度时空变化特征及气象影响分析研究》一文中研究指出利用2016年唐山近地面臭氧(O_3)逐时观测资料及气象数据,分析唐山地区近地面O_3浓度的时空分布特征及其与气象条件的关系。结果表明:唐山地区O_3平均浓度具有沿海高于城郊高于中心城区的特征;具有较明显的月变化特征,O_3污染主要出现在5～9月,其中6月O_3浓度总体最高为167. 19μg·m-3。O_3浓度日变化呈"单峰型",在6:00～8:00出现最低值,峰值浓度出现在15:00。O_3浓度与气温正相关,与相对湿度负相关,当气压低于1 005 h Pa时,O_3浓度与气压正相关,当气压高于1 005 h Pa时,与气压负相关; O_3浓度基本是风力为2级以上并且吹西北、西南、东南风时浓度较高。(本文来源于《环境科学与管理》期刊2019年07期）
孙成,王卫,刘方田,郭兴宇[9]（2019）在《基于线性混合效应模型的河北省PM_(2.5)浓度时空变化模型研究》一文中研究指出京津冀地区大气PM_(2.5)污染严重.为揭示区域PM_(2.5)时空分布规律,使用2013—2014年河北省地面站点PM_(2.5)监测数据、MODIS AOD (气溶胶光学厚度)遥感数据、地面气象站点数据和土地利用调查数据,基于线性混合效应模型(LME),建立了ρ(PM_(2.5))时空变化与AOD因子、气象因子、土地利用因子之间的关系模型.采用十折交叉验证法对模型精度进行检验,并利用计算得到的校正因子〔全部实测的ρ(PM_(2.5))年均值除以参与建模的所有实测ρ(PM_(2.5))年均值〕纠正因AOD非随机性缺值导致的抽样偏差.结果表明:①河北省区域模拟精度R~2(决定系数)为0. 85,经交叉验证后R~2为0. 77,RMSE (均方根误差)和RPE (相对预测误差)分别为18. 28μg/m~3和28. 68%.②ρ(PM_(2.5))年均值模拟结果的校正因子范围为1. 24～2. 05,校正后的研究区ρ(PM_(2.5))年均值为89. 84μg/m~3,与实际监测数据相近.③ρ(PM_(2.5))空间分布呈平原高、山区低,平原地区西南高、东北低的趋势.④ρ(PM_(2.5))与AOD、温度、相对湿度呈正相关,与风速、大气能见度呈负相关.研究显示,线性混合效应模型能有效对ρ(PM_(2.5))进行时空变化模拟,并实现对非地面监测地区ρ(PM_(2.5))时空变化的预测,恰当的预测因子组合和模型校正有助于模型预测精度的提升.(本文来源于《环境科学研究》期刊2019年09期）
郑艳姣[10]（2019）在《2001～2016年东北积雪黑碳浓度和雪粒径时空变化特征分析》一文中研究指出雪中的黑碳和雪粒径对地表反照率的改变和产生的辐射强迫效应,是目前学术界关注的热点之一,而弄清楚雪中黑碳的浓度和雪粒径的大小,是准确评价其对雪冰反照率的影响及其辐射强迫效应的关键。本文基于MOD09GA地面反射率数据,采用渐进辐射传输模型(Asymptotic radiative transfer theory,ART模型),利用双通道算法,模拟了2001~2016年东北地区表层积雪黑碳(BC)浓度和雪粒径,并分析了积雪BC浓度和雪粒径的时空分布及其变化特征。结果表明:(1)2001~2016年东北年均BC浓度分布在1098.927ng/g~1257.300ng/g之间上下浮动,平均值为1197.468ng/g,年增长量为5.133ng/g,呈不显着增加趋势,变异系数为0.034。冬季各月间BC浓度也存在差异,16年的模拟结果均是12月份BC浓度最大,平均值在1200ng/g以上,其次为1月份、2月份,分别为1248.619ng/g、983.635ng/g。3个省会城市在2001~2016年期间积雪BC浓度均呈不显着上升趋势,相比长春(7.914ng·g~(-1)·a~(-1))和沈阳(7.795ng·g~(-1)·a~(-1)),哈尔滨市BC浓度增加速度最快,为8.124ng·g~(-1)·a~(-1)。(2)东北积雪BC浓度总体呈现出北部高、南部低的空间分布特性,值域分布在310ng/g~1561ng/g之间。辽宁省、吉林省和黑龙江省积雪BC浓度平均值分别为788.960ng/g、962.440ng/g和1103.617ng/g。东北积雪BC浓度总体上存在两个高值区域,分别是由大庆、齐齐哈尔、黑河组成的工业走廊及由鹤岗、佳木斯、双鸭山等市组成的煤炭-森林工业产区,积雪BC浓度均在1200ng/g以上。小兴安岭、长白山地区是积雪BC浓度相对低值区,平均值在900ng/g以下。12月、1月和2月高值区同样分布在这两个中心,另外12月份时,大兴安岭地区也是一个高值区。(3)2001~2016年东北81.805%地区积雪BC浓度呈增加趋势,增加区域主要集中在黑龙江省的北部和中部、吉林省的大部以及辽宁省的西部和东部。增加幅度最大的区域分布在大兴安岭地区、黑河东部、伊春市、延边自治州、通化市东南部、阜新市、葫芦岛市等地,其增速在50~94.306ng·g~(-1)·a~(-1)之间。显着增加区域占总面积的6.975%,主要分布在大兴安岭地区东北部、黑河市东部、伊春市北部边缘、双鸭山市东南部。东北积雪BC浓度减少区域占总面积的18.195%,集中分布在黑龙江省东部和西南部、吉林省西部以及辽宁省中西部和南部,减少幅度最大的区域分布在鹤岗市东部、齐齐哈尔市南部、白城市西部、朝阳市、锦州市和大连市等地区,减少幅度在-43.962~-6ng·g~(-1)·a~(-1)之间。(4)小兴安岭、长白山等山区由于海拔较高,人类活动影响小,因此为积雪黑碳浓度低值区。沈阳、长春、哈尔滨、大庆等地区城市规模大、工业生产集中以及人口密度大,因此为积雪黑碳浓度高值区。齐齐哈尔北部、黑河南部和绥化北部区域城市规模扩大,人口密度和能源使用量增加,导致该区域积雪黑碳浓度显着增加。东北冬季风速整体偏低,大气的层结整体相对稳定,污染物不易扩散,因此东北积雪黑碳浓度较高。尤其是黑龙江省中部和北部地区,大气层结稳定,加上地形影响,污染物不易扩散,导致齐齐哈尔北部、黑河南部和绥化北部为东北积雪黑碳浓度高值中心。(5)2001~2016年东北年均雪粒径分布在430.830~452.384μm之间上下浮动,平均值为440.823μm,年增长量为0.259μm/a,呈不显着增加趋势,变异系数为0.014。冬季各月间雪粒径也存在差异,16年的模拟结果表明12月份雪粒径最大,平均值为453.923μm,其次为1月份、2月份,分别为450.768μm、417.777μm。东北叁省黑、吉、辽积雪雪粒径均呈不显着增加趋势,增加速率分别为0.312μm/a、0.198μm/a和0.201μm/a。(6)东北雪粒径总体呈现出北部高、南部低的空间分布特性,值域分布在380.248μm~497.141μm之间。辽宁省、吉林省和黑龙江省积雪雪粒径平均值分别为418.201μm、429.193μmg和440.437μm。雪粒径高值区分布在绥化、齐齐哈尔、黑河等地区及鹤岗、佳木斯、双鸭山等地区,积雪雪粒径均在448.550μm以上。小兴安岭、长白山、辽宁省东部和西部丘陵地区是雪粒径相对低值区,平均值在416μm以下。(7)2001~2016年东北49.978%地区雪粒径呈增加趋势,增加区域主要集中在黑龙江省的北部地区和中部地区、吉林省中东部以及辽宁省的大部。增加幅度最大的区域分布在大兴安岭地区、黑河东部、伊春市、延边朝鲜族自治州、白山市、葫芦岛市、鞍山市南部、营口市中南部和大连市等地,其增速在2.206μm/a~9.223μm/a之间。显着增加区域占总面积的4.494%,主要分布在大兴安岭地区东北部、黑河市东部、牡丹江中部和北部。东北雪粒径减少区域占总面积的50.022%,集中分布在东北东部和中西部,减少幅度最大的区域分布在鸡西市、白城市、松原市、阜新市等地区,减少幅度在-8.232~-1μm/aμm/a之间。显着减少区域主要分布在哈尔滨市西部,白城市南部、锦州市北部、阜新市中部。(本文来源于《哈尔滨师范大学》期刊2019-06-01）
浓度时空变化论文开题报告
（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：
海表叶绿素的反演及其时空变化分析,在海洋-大气系统的碳循环、赤潮灾害监测等方面具有重要意义。本文选择海南岛西南海域作为研究区,采用MODIS 250 m分辨率数据,基于研究区内最优算法模型,反演研究区内叶绿素浓度。基于该模型反演结果,采用相同点位变化曲线以及差值图像等方法对叶绿素浓度进行年间和季节的时空变化分析。分析结果显示,空间上,由近岸到深海,由高纬度到低纬度,叶绿素浓度均呈现逐渐下降的趋势;时间上,整体呈现出逐年下降的趋势。结果表明,海洋叶绿素浓度受人类活动影响较大,同时也受到洋流、温度、陆地生物以及河流的较大影响。
（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。
浓度时空变化论文参考文献
[1].李雪,彭波,刘芸,黄林峰,卜英竹.基于OMI数据的贵州省对流层NO_2浓度时空变化分析[J].中低纬山地气象.2019
[2].范宪创,郑新,李李漫丝,周超,陆天启.基于MODIS数据的海洋叶绿素浓度时空变化分析[J].海洋湖沼通报.2019
[3].刘群,钟敏文,赵晓韵,张春辉.贵阳市近地面臭氧浓度变化及时空分布特征[J].环保科技.2019
[4].莫露,巫兆聪,张熠.基于OCO-2数据的CO_2浓度时空变化及影响因素分析——以中国东北地区为例[C].第六届高分辨率对地观测学术年会论文集（上）.2019
[5].王萍,刘涛,杨国林,杜萍.中国主要城市臭氧浓度的时空变化特征[J].遥感信息.2019
[6].张连华,周春艳,厉青,马鹏飞,陈辉.2016—2018年汾渭平原对流层NO_2柱浓度时空变化遥感监测[J].环境生态学.2019
[7].田洪阵,刘沁萍,Joaquim,I.Goes,Helgado,Rosario,Gomes,杨萌萌.近20年渤海叶绿素a浓度时空变化[J].海洋学报.2019
[8].张莉,王冠,陈震,王驷鹞.唐山O_3浓度时空变化特征及气象影响分析研究[J].环境科学与管理.2019
[9].孙成,王卫,刘方田,郭兴宇.基于线性混合效应模型的河北省PM_(2.5)浓度时空变化模型研究[J].环境科学研究.2019
[10].郑艳姣.2001～2016年东北积雪黑碳浓度和雪粒径时空变化特征分析[D].哈尔滨师范大学.2019
论文知识图
