导读:本文包含了近地面浓度论文开题报告文献综述及选题提纲参考文献，主要关键词:高分五号卫星,多角度偏振相机(DPC),气溶胶光学厚度(AOD),大气细颗粒物(PM_(2.5))
近地面浓度论文文献综述
陈辉,厉青,王中挺,马鹏飞,张玉环[1]（2019）在《利用高分五号卫星遥感反演近地面细颗粒物浓度方法》一文中研究指出为提高高分五号卫星的遥感应用水平,提出基于高分五号卫星上搭载的多角度偏振相机(DPC)探测数据的气溶胶及PM_(2.5)遥感反演技术方法,并在京津冀及周边地区进行应用试验和对比分析。结果表明:DPC遥感反演的气溶胶光学厚度(AOD)AOD与AERONET观测结果相关系数达到0.88以上,利用DPC的AOD产品反演获取的PM_(2.5)和地面实测结果相关性达到0.92以上,相对精度达80%以上,总体上满足了大气气溶胶及PM_(2.5)遥感监测应用需求。(本文来源于《上海航天》期刊2019年S2期）
刘群,钟敏文,赵晓韵,张春辉[2]（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）
韩旭[3]（2019）在《基于多源卫星数据产品的近地面NO_2浓度遥感估算》一文中研究指出随着我国经济的不断发展,人们正遭受严重的大气污染,特别是我国经济发达的东部地区。大气中的痕量气体二氧化氮(NO_2)严重危害了人类的生存与发展,其浓度对大气污染具有极其重要的作用,因此对NO_2的监测具有十分重要的意义。本文利用卫星遥感数据协同其他相关变量对近地面NO_2浓度进行估算。本文首次结合上下午过境卫星数据对近地面NO_2浓度进行估算;与此同时,本文还对比分析利用不同卫星NO_2浓度产品数据获取的近地面NO_2浓度空间分布差异。具体地,论文综合利用当地时间13:45左右过境的OMI对流层NO_2垂直柱浓度数据和当地时间10点左右过境的GOME-2卫星对流层NO_2垂直柱浓度数据协同气象数据、排放数据和其他辅助数据估算2016年近地面白天NO_2浓度,并对比了两种机器学习模型的预测性能。其中极限随机树模型的十折交叉验证结果为R~2=0.79,RMSE=9.04μg/m~3;随机森林模型的验证结果为R~2=0.76,RMSE=9.60μg/m~3。因此本文选用极限随机树模型对近地面白天NO_2浓度进行估算,并分别分析了年均值、季节均值和月均值的空间分布结果。结果显示:(1)我国东部区域的华北平原、京津冀、长叁角、珠叁角经济区域以及一些城市区域显示出较高的NO_2年均浓度值;(2)受NO_2本身特性和气象条件的影响,NO_2浓度呈现出明显的季节特性,夏季表现为普遍的低值分布,冬季表现为普遍的高值分布;(3)NO_2浓度在不同月份的浓度值也有较大差异,其中十二月份NO_2浓度的均值最大,八月份NO_2浓度的均值最小。本文还分别利用POMINO数据和OMNO2d数据获取2016.12-2017.11近地面NO_2浓度,并对其结果进行对比分析。与此同时,论文采用随机森林模型和极限随机树模型,并利用十折交叉验证的方式对两个模型以及同种模型两种数据集的预测性能进行了比较。其中,极限随机树模型表现出更高的性能,POMINO数据集交叉验证结果为R~2=0.72(RMSE=9.20μg/m~3),OMNO2d数据集结果为R~2=0.70(RMSE=9.42μg/m~3);对于随机森林模型,POMINO数据集交叉验证结果R~2=0.70(RMSE=9.45μg/m~3),OMNO2d数据集交叉验证结果为R~2=0.69(RMSE=9.47μg/m~3)。验证结果表明,利用极限随机树模型对近地面NO_2浓度进行估算更加可信,并且针对POMINO数据集表现出更好的预测结果。研究表明,POMINO数据可能是估算中国东部近地面NO_2浓度更好的数据来源。(本文来源于《中国矿业大学》期刊2019-05-01）
游介文,邹滨,赵秀阁,许珊,何瑞[4]（2019）在《基于随机森林模型的中国近地面NO_2浓度估算》一文中研究指出针对传统近地面NO_2浓度空间模拟过程中NO_2浓度与其影响要素之间关系的复杂非线性机制解释不充分的缺陷,本研究基于随机森林(RF)算法、融合多源地理要素开展了近地面NO_2浓度空间分布模拟研究.以卫星OMI对流层NO_2柱浓度数据和多源地理要素(道路交通、气象因子、土地利用/覆盖、地形高程、人口数量)为输入变量,近地面NO_2浓度为输出变量,利用RF算法构建近地面NO_2浓度反演模型.通过对比地面观测数据与传统土地利用回归模型(LUR)检验RF模型的有效性,基于所构建的最优RF模型在不同时间尺度下模拟分析中国大陆地区近地面NO_2浓度空间分布特征.结果表明:(1)集成多源地理要素的RF回归模型精度高,月均模型整体拟合度R~2 0.85,RMSE 6.08μg/m~3,交叉验证的R~2 0.84,RMSE 6.33μg/m~3,显着高于LUR模型(拟合R~2 0.53,RMSE 10.48μg/m~3,交叉验证的R~2 0.53,RMSE 10.49μg/m~3);(2)地面NO_2浓度与预测变量呈现显着的复杂非线性与时间尺度依赖关系,卫星OMI柱浓度对模型影响程度最大,重要性指标IncMSE介于97.40%～116.54%,多源地理特征变量对RF模型同样具有不可忽视的贡献力(IncMSE在23.34%～47.53%之间);(3)中国大陆地区NO_2污染程度较高,年均模拟浓度为24.67μg/m~3,存在明显季节性空间差异,NO_2浓度冬季(31.85μg/m~3)>秋季(24.86μg/m~3)>春季(23.24μg/m~3)>夏季(18.75μg/m~3),呈现以华北平原为高值中心、向外围逐渐减轻的空间分布格局.较已有研究揭示对流层NO_2柱浓度宏观分布特征,本研究对近地面NO_2污染特征的研究成果对于合理制定污染防控策略、降低居民暴露健康损害具有指导意义.(本文来源于《中国环境科学》期刊2019年03期）
李洪权,杨咏钢,陈中赟,郯俊岭[5]（2019）在《湖州近地面臭氧浓度变化特征分析》一文中研究指出利用湖州3个大气成分监测站的2013-2015年污染物监测数据,分析了O_3浓度的变化特征,讨论了O_3浓度与五种污染物(PM_(2.5)、PM_(10)、NO_2、CO和SO_2)的相关性。研究发现:年O_3浓度频率呈类指数衰减分布特征,二级标准年超标率为5.99%;O_3表现出明显的季节变化特征,夏季、春季是湖州高浓度O_3易发季节,夏季超标率最高,达到10.73%,冬季超标率接近0;月平均O_3浓度呈双峰型分布,峰值浓度出现在5月和9月;日平均O_3浓度谷值和峰值分别出现在6时和15时,且冬季日变化幅度明显小于其它3个季节;O_3与PM_(2.5)、NO_2负相关明显,与SO_2变化趋势相似,一般比SO_2滞后6 h。(本文来源于《科技通报》期刊2019年02期）
曹巧莲,常江涛,贾利芳,孙悦[6]（2018）在《临汾城区近地面臭氧浓度及相关气象因子分析》一文中研究指出利用2016年1月-2018年5月临汾市国家基本气象站的观测资料和城区6个环境监测点的臭氧(O_3)监测资料对临汾市城区O_3的污染特征及影响O_3的气象条件进行了统计分析。结果表明:(1)临汾市城区O_3浓度呈上升趋势,O_3二级超标日数逐渐增多。5-9月O_3浓度较高,污染较重,其中6月份为O_3污染最严重的月份。日变化上,呈现"一谷一峰"特征,0:00-7:00时逐时下降,8:00时以后逐渐升高,14:00-17:00时达到峰值。(2)临汾市城区O_3浓度受气温、相对湿度、日照时数的影响较大。温度越高(尤其是高于30℃时),太阳辐射越强,O_3浓度越高;当相对湿度介于40%至50%之间时,O_3浓度平均值最大,当相对湿度超过90%时,浓度最低。日照时数越长,O_3浓度越高,当日照时数超过8h后,O_3浓度平均值迅速升高,超过12h后超标率达74%。(本文来源于《第35届中国气象学会年会 S12 大气成分与天气、气候变化与环境影响暨环境气象预报及影响评估》期刊2018-10-24）
朱凌云,韩霄,安炜,李莹[7]（2018）在《华北地区夏季近地面臭氧浓度模拟研究》一文中研究指出利用空气质量模式系统RAMS-CMAQ设计敏感试验,对相同污染源条件下,不同气象场(2007年8月和2008年8月)对华北地区夏季O_3浓度的影响进行了初步分析。结果表明,2007年8月O_3浓度的高值区域主要位于河北中南部、山西东部和河南部分地区,而2008年8月高值中心区域明显缩小;由于O_3的生成过程非常复杂,气象条件对O_3浓度的影响亦较为复杂,从选取的4个站点模拟结果来看,奥运村和唐山站O_3浓度变化不大,天津站和石家庄站2007年8月较2008年8月浓度分别上升9.2ppb和8.3ppb,上升幅度分别为21.7%和14.8%。(本文来源于《2018中国环境科学学会科学技术年会论文集（第二卷）》期刊2018-08-03）
刘玉莲,周贺玲,裴宇航,赵克崴,任玉玉[8]（2018）在《哈尔滨近地面O_3浓度特征》一文中研究指出伴随着经济发展和城镇化进程的加速,很多城市的臭氧浓度存在超标问题.本文选取2014—2017年哈尔滨城区污染数据及气象要素数据,对哈尔滨近地面层O_3时空分布特征及其与气象要素的关系进行了分析,结果表明:哈尔滨O_3日内单峰分布,最高值出现在下午14:00,最低值在清晨7:00.空间分布东南部最高,其次是南部,城中区较低.日间周末的近地面O_3浓度较高,而夜间工作日的O_3浓度较高.哈尔滨O_3浓度与平均气温正相关,与相对湿度负相关,与低于37 W·m~(-2)的紫外辐射正相关.(本文来源于《环境科学学报》期刊2018年11期）
蔡寅潮,韩炜,管文轲,费兵强,马霄华[9]（2018）在《乌鲁木齐夏季近地面CO_2浓度空间分布特征》一文中研究指出准确认知城市近地面CO_2浓度空间分布特征对控制温室气体的排放以及创造宜居城市具有重要的意义。利用Li-6400开路式红外CO_2分析器,以乌鲁木齐城区为研究对象,运用移动监测手段采集近地面CO_2浓度、遥感数据获取城市下垫面特征信息。以原点(监测起点)为起点,分别沿城市主干道设置3条典型下垫面缓冲区样带(AL、HB、HN),分析了近地面CO_2浓度与下垫面及气象要素的相关性。结果显示:(1)乌鲁木齐近地面CO_2浓度平均为(451.21±25.0)μmol/mol。近地面CO_2浓度空间分布呈现"北高南低"两翼发展趋势。(2)近地面CO_2浓度与风速的相关性较强,相关系数为-0.72(P<0.01);与湿度、气压的相关性相对较弱,相关系数分别为-0.40、-0.35(P<0.05)。(3)乌鲁木齐市近地面CO_2浓度与1 km缓冲区范围内下垫面土地利用类型相关性显着。其中近地面CO_2浓度与建设用地覆盖率呈极显着正相关,相关系数为0.73(P<0.01),与绿地覆盖率呈显着负相关,相关系数为-0.43(P<0.05)。可见,城市近地面CO_2浓度空间分布与下垫面性质、气象等要素有较为紧密的联系。(本文来源于《环境科学与技术》期刊2018年06期）
彭霞[10]（2018）在《上海市近地面大气黑碳浓度时空分布特征及影响因素分析》一文中研究指出黑碳(Black Carbon,BC)是大气环境中仅次于CO_2的增温组分,对气候和环境变化具有重要影响,并且由于其粒径较小,极易引发呼吸系统疾病,危害人体健康。城市化石燃料燃烧和交通尾气排放是大气BC的主要来源。本研究以我国高度城市化的上海为研究区域,基于固定站点和移动样带监测方法开展近地面大气BC浓度观测,并对其时空变化特征进行分析。同时,结合气象条件、主要大气污染物、土地利用分类、交通路网分布以及人口经济要素等多元数据资料,对上海近地面大气BC浓度时空变化特征的影响机制进行分析讨论。在此基础上,以土地利用回归模型(Land Use Regression,LUR)为研究手段,基于移动样带监测获取的大气BC浓度数据开展上海市BC浓度空间分布格局模拟,探究上海城市内部近地面大气BC浓度时空分异特征及其影响因素。本研究主要结论如下:(1)上海3个固定站点近地面大气BC日均浓度分别为1.17±0.61μg·m~(-3)(浦东站)、1.11±0.48μg·m~(-3)(闵行站)和2.09±0.97μg·m~(-3)(青浦站),3个站点的大气BC均值(1.56±0.71μg·m~(-3))是2000~2011年瓦里关全球大气本底站观测的年平均BC浓度(0.30μg·m~(-3))的5.23倍。受人为活动影响,固定站点观测的上海市大气BC浓度日变化上存在明显的“双峰双谷”,但工作日和周末差异不显着。月变化和季节变化上,冬季大气BC浓度为最高,在其他叁个季节上,3个站点之间变化差异较大。3个固定站点在空间上总体表现为远郊的青浦站大气BC浓度较高,而位于市中心的浦东站和近郊的闵行站大气BC浓度相对较低,其原因可能与外源污染扩散、气象条件及临海距离有关。(2)基于固定站点大气BC浓度观测数据,结合同时期主要大气污染物CO、NO_2、O_3、SO_2、PM_(2.5)浓度数据进行相关性分析,结果表明BC与CO、NO_2、SO_2、PM_(2.5)之间存在显着线性相关性,说明BC与CO、NO_2、SO_2、PM_(2.5)之间具有同根同源性。其中BC和PM_(2.5)之间的相关系数最大(0.74~0.81,p<0.01),且CO、NO_2与BC之间相关系数大于SO_2(CO:0.43~0.69,NO_2:0.60~0.70,SO_2:0.36~0.44,p<0.01),表明上海市大气BC浓度受汽车尾气影响大于燃煤排放。结合同时期上海市气象数据分析,结果发现风速和边界层高度与BC浓度具有显着的负相关关系,相关系数分别为-0.42和-0.37(p<0.01)。利用后向轨迹模型进一步分析上海大气BC浓度重污染过程,夏季大气BC重污染过程主要是受到内陆西南方向的外地输送气流影响,而在冬季和春季发生的BC重污染过程主要是受到本地排放和远距离传输的污染气团的两方面的综合影响。(3)结合移动样带监测获取的BC中值浓度数据(BC_(51)),秋季(11.38±6.32μg·m~(-3))、冬季(11.95±5.35μg·m~(-3))高于夏季(10.06±7.05μg·m~(-3))。空间分布上表现为市中心样带BC_(51)浓度低于郊区样带,在道路交叉汇流处以及高速附近易出现BC_(51)高浓度区域,总体上表现为城市化水平越低,BC_(51)浓度越高,呈现一定的线型增长趋势(R~2=0.76,p<0.05),农村区域BC_(51)中值平均浓度最高(15.69±1.87μg·m~(-3)),高度城市化区域BC_(51)中值平均浓度最低(6.85±1.41μg·m-3),这种差异性分布主要是由于区域工业点源排放量和高速路段空间分布的差异性导致。受到高速路、省道以及国道上重型柴油机动车排放的影响,BC_(51)中值平均浓度与道路密度之间相关性在100 m~3 km缓冲区内逐渐减小,BC浓度受交通道路源排放最大影响距离为2.5 km。(4)基于移动监测BC_(51)样带数据以及多元地理变量空间分布数据建立的上海市2016年冬、2017年夏、2017年秋以及叁次综合采样的LUR模型,除2017年夏,其他叁个LUR模型结果均具有较高的R~2(0.39~0.71)和较低的RMSE(0.18~0.34)。选入LUR模型的影响变量大多为交通道路变量、经济人口变量以及自然地理变量,表明这些变量对上海市近地面大气BC浓度影响较为显着。空间分布模拟结果表明在市中心城区的BC_(51)浓度较低,其原因主要是局地BC排放量较小,而BC_(51)高浓度区域主要集中在东部沿海港口区域和西部以及西北部靠内陆的行政区域,如嘉定、宝山和闵行等,前者是由于港口运输BC排放量大,后者则受到内陆输送的污染气流和交通源排放的综合影响,再者区域内分布有较多的污染企业。此外,上海市BC_(51)浓度空间模拟分布具有较为明显的季节差异性,秋、冬季上海市BC_(51)浓度的空间分布受远距离输送气团的影响较为明显,夏季由于整体大气扩散条件较好,BC_(51)浓度空间分布较为均匀。(本文来源于《华东师范大学》期刊2018-05-04）
近地面浓度论文开题报告
（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：
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。
（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。
近地面浓度论文参考文献
[1].陈辉,厉青,王中挺,马鹏飞,张玉环.利用高分五号卫星遥感反演近地面细颗粒物浓度方法[J].上海航天.2019
[2].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
[3].韩旭.基于多源卫星数据产品的近地面NO_2浓度遥感估算[D].中国矿业大学.2019
[4].游介文,邹滨,赵秀阁,许珊,何瑞.基于随机森林模型的中国近地面NO_2浓度估算[J].中国环境科学.2019
[5].李洪权,杨咏钢,陈中赟,郯俊岭.湖州近地面臭氧浓度变化特征分析[J].科技通报.2019
[6].曹巧莲,常江涛,贾利芳,孙悦.临汾城区近地面臭氧浓度及相关气象因子分析[C].第35届中国气象学会年会S12大气成分与天气、气候变化与环境影响暨环境气象预报及影响评估.2018
[7].朱凌云,韩霄,安炜,李莹.华北地区夏季近地面臭氧浓度模拟研究[C].2018中国环境科学学会科学技术年会论文集（第二卷）.2018
[8].刘玉莲,周贺玲,裴宇航,赵克崴,任玉玉.哈尔滨近地面O_3浓度特征[J].环境科学学报.2018
[9].蔡寅潮,韩炜,管文轲,费兵强,马霄华.乌鲁木齐夏季近地面CO_2浓度空间分布特征[J].环境科学与技术.2018
[10].彭霞.上海市近地面大气黑碳浓度时空分布特征及影响因素分析[D].华东师范大学.2018