一、唐山市空气污染物的时间变化规律分析（论文文献综述）
李紫微[1]（2021）在《京津唐地区近地面臭氧反演与时空分布特征分析》文中进行了进一步梳理随着城市化与工业化的推进,我国城市人口不断增加、交通规模持续扩大,造成我国城市空气污染状况越来越严重,城市污染问题越来越突出。近年来,由于光化学烟雾污染导致的O3污染问题在中国的东部城市频繁发生,O3逐渐成为影响城市空气质量的首要污染物。为探究京津唐地区近地面O3污染特征及时空变化趋势,本研究以2016-2019年京津唐地区（北京、天津、唐山）为研究对象,结合研究区地面监测站点O3浓度与卫星遥感臭氧柱总量数据,采用BP神经网络、极限学习机（ELM）、支持向量机（SVM）对京津唐地区的近地面O3进行预测与评估。然后,在模型预测结果的基础上,分别从时间、空间两个角度,对京津唐地区近地面O3浓度的年、月、日、小时变化,以及臭氧区域分布展开分析。最后,结合气象站点数据中的温度、日照时数、风速、气压、相对湿度,以及PM2.5、NO2等影响因素,系统地分析了它们与近地面O3浓度之间的相互作用关系。研究表明:（1）在建立的近地面O3预测模型中,BP模型通过网络迭代不断调整连接权重,使输出误差最小,其精度与可靠性要优于ELM和SVM,训练与预测的决定系数R2均为0.9左右,但模型训练过程相对较长。（2）2016-2019年,京津唐地区O3年平均浓度中,北京最高、天津增加速度最快;京津唐近地面O3月变化规律相同,具有典型的季节变化特征,呈“双峰型”分布;夏季O3浓度最高,冬季最低;小时O3浓度变化趋势相似,一般呈“单峰型”变化,每日清晨O3浓度最低,夜晚最高。（3）京津唐研究区O3分布整体以天津为低值中心向四周逐渐升高,北京显着高于天津和唐山,且2016-2019年期间,京津唐研究区O3浓度均表现出明显增加趋势,天津增速最快。（4）温度、日照时数、气压对近地面O3浓度的影响最为显着,温度越高、日照时数越长、气压越低,O3浓度就越高;夏季较高的相对湿度会抑制O3产生;臭氧与风速的相关性不大;高PM2.5浓度可有效降低大气中O3含量;臭氧产生过程中伴随NO2的消耗。基于BP神经网络的近地面O3反演能够科学、有效地实现地面空气质量的精确评估,为城市空气污染的预测、预防与治理提供技术支持和科学依据。
张辰[2]（2021）在《新冠疫情管控措施对太原市环境空气质量的影响分析》文中研究说明2020年春节前突发的新冠疫情（COVID-19）在全球快速发展并蔓延。防止新冠疫情进一步蔓延,政府采取了一系列严格的管控措施,这些措施使得大气污染物排放大大降低,大气环境质量明显改善。为探讨太原市环境空气质量的变化特征以及新冠疫情管控措施对太原市环境空气质量的影响,利用小波分析方法、重污染天频数统计法分析太原市2016～2019年大气污染物随时间变化规律;在此基础上利用小波分析、偏相关分析、特征雷达图和趋势外推等多元分析方法探讨新冠疫情管控措施对太原市环境空气质量的影响。结果表明:（1）2016至2019年PM2.5、PM10、SO2和NO2浓度呈现“冬高夏低”的特点;PM2.5和PM10四年的小波方差图均为“双U型”,PM2.5和PM10秋冬季浓度较高,O3在夏季浓度较高。（2）太原市重污染天气主要发生在11、1和2月,随着冬防治理措施的实施,从2016年开始出现以颗粒物为首要污染物的重污染天气频率越来越低,但2017年出现了以O3-8小时为首要污染物的重污染天气。（3）新冠疫情管控期间太原市大部分天数均处于优良状况,期间平均AQI指数为108.43,相比2019年同期下降9.41%,较疫情防控前下降27.08%;且NO2下降幅度较大,达到28.04%,可能是由于疫情管控期间机动车数量减少、移动源的贡献降低导致的。（4）利用趋势外推法计算新冠疫情管控期间各污染物浓度变化规律,各污染物(PM2.5、PM10、NO2、CO、SO2)浓度均呈下降趋势;用小波分析法预测的各污染物未来变化趋势与实际变化趋势基本相同。（5）新冠疫情管控期间污染类型由偏二次污染型逐渐转变为偏综合型和偏燃煤型,但重度污染天气仍然以二次颗粒影响为主。（6）与国内其他城市相比,新冠疫情管控期间太原市SO2（38.85%）下降幅度最大,O3浓度升高39.91%,这与京津冀、广州等城市的变化特征是一致的。以上结果表明新冠疫情管控措施使太原市PM2.5浓度下降4.24%,PM10下降25.69%,SO2下降幅度最大,为38.85%,O3浓度上升39.91%,颗粒物改善强度没有预期的高,京津冀、长三角等地区也有相同的趋势。提示我们今后制定大气污染管控措施时不仅要考虑污染物浓度的问题,还要考虑地域和产业结构等情况,有关颗粒物和O3的作用机理仍需深入研究。
徐双喜[3]（2021）在《秋冬季“2+26”城市民用散煤燃烧对北京市PM2.5的影响模拟研究》文中进行了进一步梳理我国北方农村生活能源的消费结构中,除了秸秆薪柴,民用散煤便是家庭燃料的重要组成部分,煤炭直接燃烧会产生很高浓度的SO2、CO、烟尘等空气污染物。因其排放高度较低,距离农村人群很近,对空气质量和人群健康构成了较大危害和影响。我国农村能源消耗存在着消费分散、利用方式落后、低能效等问题,为推进农村能源结构调整,改善京津冀地区空气质量,特别是近年来,随着北方农村地区秋冬季取暖“煤改电”、“煤改气”等清洁化改造工作步伐的加快,北方农村地区家庭散煤燃烧造成的环境和健康问题已得到有效解决。为评估京津冀及周边“2+26”城市农村居民面源控制阶段性工作完成后,该区域特别是北京市秋冬季节PM2.5污染、硫酸盐浓度的改善成效,采用空气质量模型对北京市2018—2019年秋冬季5次重污染事件进行了模拟,结果表明,基准情景“2+26”城市PM2.5浓度高值区位于河北省西部、山东省西南部等邻近地区,呈南北向带状、或零散片状分布格局。“2+26”城市民用散煤燃烧控制情景模拟结果表明,区域PM2.5污染浓度最大值由324μg/m3降至251μg/m3,下降比例23%,与此同时,北京市区PM2.5浓度由139μg/m3降至124μg/m3,下降比例11%,说明民用散煤替代措施使得该区域重污染天气得到有效控制;硫酸盐是PM2.5重要组分部分,农村居民燃煤排放产生SO2对北京市硫酸盐浓度有较显着贡献影响,基准情景结果显示,与PM2.5浓度分布类似,硫酸盐高值区呈点状、南高北低空间分布,显示硫酸盐对PM2.5有较大贡献。控制情景下,随着区域内SO2浓度的显着下降,模拟区域硫酸盐浓度高值区范围已有明显收缩,各城市硫酸盐污染均有较大改善,区域内硫酸盐浓度最大值下降4.70μg/m3,下降比9%,与此同时,北京市区硫酸盐浓度下降4.68μg/m3,下降比24%。本文应用数值模型过程分析方法,进一步探讨了控制情景下北京市硫酸盐浓度受传输、扩散、气溶胶化学和源排放等主要大气物理、大气化学过程的影响和贡献变化特征,研究表明,控制前5次重污染案例,北京市硫酸盐的形成受物理过程影响较为显着,水平平流和垂直扩散是影响北京市硫酸盐浓度的最主要过程,但不同重污染水平平流过程的贡献存在差异。控制后,主导北京市硫酸盐形成的物理过程不变但强度减弱,垂直扩散清除过程浓度贡献下降34%,同时气溶胶二次转化过程浓度贡献下降25%。但水平平流在水平和垂直方向平流输送、水平和垂直方向湍流扩散这4个物理过程绝对值总和中的占比有了明显上升,同比增幅为7%,说明北京市硫酸盐的形成受外来输送影响绝对重要性上升、影响增大。为探究京津冀区域内目标城市SO2、硫酸盐浓度形成的区域及行业贡献和影响,结合空气质量模型ISAM颗粒物源示踪技术,秋冬季5次重污染过程,以北京市为对象进行了SO2、硫酸盐区域与行业来源解析,SO2来源解析显示,控制情景下,从源类别看,民用源贡献占比显着下降,北京市SO2浓度主要受工业过程源影响（占比65%）,说明散煤控制取得成效,工业是北京市及周边城市重点控制行业。区域来源分析显示,北京市SO2主要为外地贡献,占比达55%。外地贡献中河北省对北京市平均贡献较大为43%,河北省境内8个城市对北京市硫酸盐的形成起着重要贡献作用,其中保定市对北京市SO2浓度贡献最大达19%;而硫酸盐来源解析表明,硫酸盐浓度主要受工业过程源影响（占比82%）,区域来源分析结果显示,北京市硫酸盐主要为外地贡献,这与过程分析结果相符,外地贡献中河北省贡献最大,平均贡献达56%。河北省8个城市对北京市硫酸盐贡献最大的为保定市,平均贡献占比达17%。建议北京市污染防控进一步关注其周边城市污染源的排放控制。
李荣景[4]（2021）在《新冠肺炎疫情对安徽省空气质量的影响研究》文中提出2020年春节新型冠状病毒肺炎（Corona Virus Disease 2019,COVID-19）肆虐全国。为抗击COVID-19,全国上下众志成城,采取了交通管制、居家隔离、延迟上班和“封国封城”等一系列严格的抗疫举措,在较短时间遏制了疫情快速蔓延势头。疫情不仅对经济带来重创,对空气质量也产生重要影响。尽管学术界己就疫情的环境影响展开诸多有益探索,但国内研究大都聚焦在全国层面、城市群、湖北省、山东省以及个别城市,专门针对安徽省的相关研究目前鲜有文献涉及。作为中部崛起的重要省份之一,安徽省近年来经济增长迅速,但空气污染问题突出。研究疫情对安徽省空气质量的影响具有重要现实意义和决策价值,有助于识别空气污染与本地区人类经济活动之间的作用关系,对安徽省科学改善空气质量有重要启示。本文主要包括4个方面层层递进的研究工作:首先,基于安徽省16个地级市2014年12月～2020年12月空气质量月度数据,以各地级市面积为权重,计算安徽省省级空气质量。基于省级数据,利用统计图表,探究2015～2020年安徽省空气质量演变规律,分析2020年安徽省空气质量情况。其次,分别针对省级空气质量指数（AQI）和6 种主要空气污染物（PM2.5、PM10、SO2、CO、NO2、O3）,利用 Python 的 statsmodels包,根据赤池信息准则（AIC）和平均绝对百分比误差（MAPE）,从1024种参数组合方式（p,d,q）×（P,D,Q）s中挑选出最优的,并结合参数估计的显着性以及模型是否符合基本的统计假设,建立SARIMA预测模型,并估计无疫情情景下2020年各月安徽省空气质量预期值。再次,对比空气质量实际值和预期值,根据空气污染物的浓度差值（即实际值减去预期值）和差值百分比两个指标,研究疫情对空气质量的动态冲击效应,并分析疫情对不同污染物的平均冲击效应的差异,还分析了在空气污染或疫情严重时期,疫情对不同污染物的冲击效应的差异。最后,基于前述研究结果,结合污染物相关关系、疫情防控动态和气象状态以及污染源的代表污染物,初步探析疫情对安徽省空气质量的作用机理。通过研究主要发现以下结论:（1）安徽省SO2污染治理效果显着,但NO2和O3污染需要引起重视。与2019年相比,无疫情情景下安徽省2020年AQI年均值下降2.85%,SO2年平均浓度下降18.74%,相反地,NO2和O3年平均浓度上升幅度均超过12%。（2）疫情总体上有助于改善安徽省空气质量,特别是降低NO2污染,但疫情会加剧SO2污染。与无疫情情景相比,疫情使得安徽省2020年AQI年均值下降9.42%,NO2年平均浓度下降19.24%,相反地,SO2年平均浓度上升7.88%。（3）疫情对安徽省AQI、PM10、SO2、CO、NO2的影响均呈现出近似“W”形分布特征,对PM2.5的影响呈现出近似“V”形分布特征,对O3的影响呈现出近似钟形分布特征。对于AQI、PM10、CO、PM2.5,2月份疫情冲击效应最大;对于NO2,1月份疫情冲击效应最大。除了 NO2,其他5种污染物和AQI都在12月份出现反弹,这表明后疫情时代安徽省将面临严峻的空气污染治理压力。（4）疫情会改变不同类型空气污染物的耦合关系。疫情背景下,二次污染物O3与一次污染物NO2、CO相关性的方向不变,但强度变弱:O3与NO2由强负相关变为中等程度负相关,O3与CO由极强负相关变为强负相关。本研究识别了安徽省空气质量的演变规律,明晰了疫情对安徽省空气质量的动态冲击效应,探究了疫情背景下的经济封锁对不同类型空气污染物削减的作用效果,揭示了疫情对安徽省空气质量的作用机理。研究结果对本地区决策部门科学制定环境政策具有一定的参考价值。
赵雪静[5]（2021）在《京津冀区域空气污染物跨省传输对人力资本和自然资本的影响研究》文中研究说明
李继祥[6]（2021）在《气溶胶反馈对边界层次级环流和垂直交换的影响》文中进行了进一步梳理地球大气系统的能量几乎完全来自太阳辐射,气溶胶对大气辐射有散射和吸收作用。因此,由人类活动导致气溶胶的增加,会在一定程度上影响大气系统的辐射收支和能量平衡,进而对天气或气候系统产生一定的影响,特别是在重污染地区。然而,天气或气候系统是一个错综复杂的系统,在这个系统中各种不同过程相互牵连,而且还存在着反馈机制。为了分析气溶胶反馈的影响,在考虑气溶胶对大气辐射影响的物理基础上,对其相关过程的影响进行了研究。本文选择包括2014年APEC超常规减排期间的我国重污染地区（京津冀地区）为重点研究对象,以“反馈”和“无反馈”配置运行的WRF-Chem模型模拟结果相互比较,发现反馈使污染物如O3、PM2.5和SO2浓度升高,近地面气象因子如温度、向下短波辐射、边界层高度和风速均变小,风向向左偏转,使得地面气压变大。反馈影响大小主要与气溶胶浓度相关,气溶胶浓度越高反馈影响越强。同时也和太阳辐射的强弱有关,辐射越强则反馈影响越强,但其影响相对弱于气溶胶影响。反馈对污染物和气象因子的影响特征不同,污染物主要受气溶胶浓度的影响,影响范围主要是局地的。而气象因子在受气溶胶浓度影响的同时,很大程度上与大气的平流特征相关,同时也与气象因子本身的特征及大气背景有关,所以受影响的区域更大,在空间和时间上的变化更快。大气系统中各因子之间相互关联,且受大气相关规律的制约,当一些因子发生变化后,其它因子或者相关的大气过程也会受到影响。为此,在讨论反馈对气象因子影响的基础上,进一步研究了气溶胶反馈对次级环流的影响。次级环流对边界层中的动量、空气温度、湿度和PM2.5等在大气边界层与自由大气之间的垂直交换中起着至关重要的作用,为空气污染物的垂直混合提供了一种有效途径。边界层和自由大气之间空气污染物垂直交换一直是污染物从边界层转移的主要关注的问题之一。在存在山坡地形强迫影响的情况下,针对严重、平均以及轻度PM2.5污染的不同情景,研究了次级环流演变及其对边界层中PM2.5等浓度变化的影响,并研究了气溶胶反馈对北京以及其周边地区次级环流变化的影响,识别了反馈相关次级环流。结果显示,次级环流的存在,使边界层内的污染物更容易传到边界层以上的自由大气,使得水平大气传输和扩散能力减弱,有利于重污染的形成。气溶胶反馈使得边界层中的风速降低并加强了次级环流。气溶胶反馈的影响,不仅使得在重污染情形下次级环流加强,而且在全部模拟时段的平均状态下也加强。边界层中次级环流的加强,有利于边界层内物质向上输送到自由大气。这些结果有助于了解气溶胶反馈如何以及在多大程度上改变次级环流及大气污染物等物质的边界层垂直交换,对更全面更准确评估污染物对大气反馈影响提供新的科学认识。
王娅妮[7]（2020）在《融合多元复杂因子的京津冀近地面PM2.5浓度估计》文中研究表明随着中国经济增长以及社会建设的不断发展,伴随而来的是空气污染问题不断恶化,雾霾事件频发,由空气污染带来的问题已经引起了社会各界高度重视。据统计,我国每年都有70%以上的城市空气质量超标,其中以Particulate Matter 2.5(PM2.5)为特征污染物的区域性大气污染已成为京津冀城市群当前最迫切、最突出的环境问题。目前我国已经建立了覆盖全国的空气污染物地面监测网,但是已有的监测站点集中分布在城区,而城市郊区和农村等无测站区则成为空气质量评价、污染防控、预报预警和污染暴露研究的“盲区”。PM2.5污染影响因素复杂且区域差异明显,仅利用有限的监测站点观测数据难以准确揭示PM2.5浓度的时空分布和变化机制。基于卫星遥感的气溶胶光学厚度（aerosol optical depth,AOD）产品为揭示区域大气中污染物的分布状况、污染源分布及扩散动态等提供了有效途径。存在问题用两句话总结。针对这些问题,本文进行相关研究,一方面基于卫星遥感AOD产品可以弥补除城市中心区外其他地区监测站点空间覆盖严重不均的问题;另一方面考虑到监测站点地区与无监测站点地区在计算PM2.5污染均值时会有误差产生,AOD产品可用于校正计算时产生的误差,以提高我们对整个区域空气质量的认知水平。本文所选研究区域为京津冀城市群,该区域不仅是我国空气污染严重区域,同时也是大气环境质量改善的重点和难点地区。为了精确估算京津冀城市群PM2.5浓度以及分析PM2.5浓度空间差异与长期变化等特征,本文分析了2014年至2019年地面观测站点的PM2.5浓度数据的时间和空间的变化规律作为先验知识,在此基础上完成了不同季节条件下特征变量的选取,构建融合多元因子的估算模型用于精确估计京津冀近地面PM2.5浓度,并对PM2.5浓度时空分布特征进行分析。通过这些研究,本文能够为空气质量预报预警和空气污染区域联防联控提供较为科学的依据和准确度较高的数据源。本文主要研究内容如下:（1）基于站点尺度数据,本文进行了PM2.5浓度时空变化特征分析。从时间特征角度,对京津冀城市群PM2.5浓度进行基于自然时间维度的划分,分析不同时间维度下PM2.5浓度的变化规律。同时利用小波分析方法,挖掘长时间序列尺度下PM2.5浓度变化规律。得到了2015年至2019年京津冀13个城市的PM2.5年平均浓度趋势、月均PM2.5浓度整体变化趋势;年头和年尾时间段的PM2.5浓度日均值变化趋势、年中时段变化趋势及PM2.5浓度水平;PM2.5浓度显着季节变化特征及其在各个季度横向比较结果。从空间特征来看,本文分析了京津冀地区监测站点的PM2.5浓度的空间差异性,得到PM2.5浓度在冬季表现出的空间相关性及空间差异性最明显。（2）考虑PM2.5浓度变化与多种自然因素与人为因素相关性,为了能够区分潜在影响因子对PM2.5浓度在空间差异和时空变化方面的影响,本文根据地面监测站点PM2.5浓度表现出的季节变化规律作为先验知识,通过贪心算法根据各潜在因子在建模过程中的贡献程度选择特征变量,探讨各个特征变量在估算PM2.5浓度研究方面的有效性,对京津冀地区PM2.5浓度多元因子在模型优化过程中的贡献程度进行分析,得到了建模过程中针对不同季节的最优因子组合。（3）PM2.5浓度数据具有时间和空间特性。为了充分利用数据间的时空相关性,本文基于贪心算法的特征变量选择方法寻找与在不同季节条件下对PM2.5浓度估算模型贡献程度高的多元特征变量,建立可信度高的融合多元复杂特征变量的季节性时空地理加权回归（Geographically and Temporally Weighted Regression Model,GTWR）优化模型,对京津冀地区的PM2.5浓度进行季节性拟合。为了对比GTWR模型的精度优势,本研究利用地理加权回归模型（GWR）与克里格（Kriging）方法分别构建不同季节条件下PM2.5浓度的估计模型。采用交叉检验方法对比分析了三种模型的精度。研究结果表明用GTWR方法构建的PM2.5浓度估算模型的拟合结果更好,能准确估算京津冀地区PM2.5浓度的时空分布。同时,利用模型估算研究了京津冀地区PM2.5浓度的时空分布特征,基于估算模型获得的空间连续的PM2.5浓度的时空分布特征与基于监测站点PM2.5浓度的时空特征结果一致。本研究能够弥补PM2.5地面监测站点数据代表性的不足,获得无测站地区PM2.5浓度的时空分布,为超大城市群区域污染联防联控和环境污染暴露研究提供准确数据源。
姚朦飞[8]（2020）在《河北省城市灰霾与其他空气污染物关系的统计测度研究》文中进行了进一步梳理随着我国经济的迅速发展,城市化、工业化进程的加快,伴随而来的是更多的环境问题,如人们对自然资源的过度开采和利用、煤炭燃烧的增加、汽车尾气的排放等等。其中大气污染问题尤为严重,近年来频繁出现的灰霾天气对人们的身心健康以及日常生活产生了重要影响。因此引起了人们的广泛关注和国家的高度重视。河北省因过度承担钢铁、煤炭等重工业生产,成为灰霾污染的重灾区。本文在基于对灰霾、空气污染物以及两者之间关系的基础认识上,利用河北省各城市2013年1月1日-5月31日及2017年1月11日-5月17日的PM2.5、PM10、SO2、NO2、O3、CO逐小时浓度数据,对河北省城市依据灰霾污染状况进行不同时段和不同地区的划分;并基于不同时期、不同地区运用回归分析和因果检验对灰霾与其他空气污染物的关系进行了探讨。可以发现河北省城市灰霾污染有所改善,但时间特征仍然明显。1月、2月份灰霾浓度要明显高于3月、4月和5月份。灰霾地区分布特征也较明显,从聚类结果来看,2013年可将城市划分为石邢邯;沧衡唐廊保;张承秦三个类别。2017年可将城市划分为石邢邯保沧衡;秦唐廊和张承三个类别。具体研究结果表明:第一,各污染物与PM2.5的关系随PM2.5浓度的增加而增强（1-2月份高于3-5月份）,其中PM10、NO2、CO对PM2.5有正向影响;O3对PM2.5整体呈负向影响（2017年1-2月份除外）,而SO2对PM2.5的影响会随PM2.5浓度的不同而发生变化。第二,2017年灰霾污染复合型特征明显,在其他空气污染物的共同作用下,SO2和O3对PM2.5有了较明显影响。第三,PM2.5与PM10之间的关系最紧密,其次是CO、NO2和O3,PM2.5与SO2之间的因果关系变现最不明显。PM2.5浓度较高时,PM2.5与其他空气污染物之间的动态关系也较强。相比于其他类别城市,灰霾污染较严重的区域PM2.5与其他空气污物之间的动态关系相对较强。
殷松[9]（2020）在《河北省城市灰霾空间近邻关系的测度研究》文中研究指明近年来,我国局部地区灰霾天气频繁爆发,灰霾区域性特征日益强化。河北地区成为中国灰霾污染的严重区域,由于受到地理环境、大气环流以及经济水平的影响,加之区域协同发展,灰霾在多个城市间的依存关系呈现出复杂的结构形态,这也意味着单边治霾措施有效性势必会趋于下降,需要针对区域性关联调整现行灰霾防控机制。因此,对河北地区灰霾空间关系的研究将为该区域协同治理和空气质量整体改善提供有效的科学依据。基于2013年和2017年河北省11所城市多个空气质量监测站点的小时PM2.5浓度值数据,利用相关分析、空间自相关分析、灰色关联分析综合考察河北省城市灰霾的空间近邻关系程度。研究结果表明:（1）河北地区灰霾浓度值和浓度值变化在空间上存在显着依存关系,相邻区域灰霾空间近邻关系明显高于远距离的区域。（2）河北灰霾存在显着空间自相关性,南部地区主要变现为高高状态,北部地区表现为低低状态,并且随着灰霾浓度的降低,灰霾空间相关性减弱。（3）周边区域与目标城市灰霾联系的紧密程度存在明显区别,特别是相关性强的两地区关联度较高,空间近邻关系更好。（4）综合来看,邯郸市、邢台市与石家庄市三市之间的灰霾空间近邻关系优于其他地区,保定沧州和廊坊三市、衡水与沧州两市间灰霾空间近邻关系次之,张家口市和承德市、秦皇岛市和唐山市灰霾同样表现出了一定的空间近邻关系。鉴于此,认为在当前区域灰霾治理和联防联控机制进程中,治霾的覆盖范围不能一味盲目追求大范围,必须充分考虑区域间的地理距离与行政关系,加强区域生态环境协同治理。同时,依据各城市实际情况合理推进京津冀协同治理进程,推行各种方式的协同治理方案,建立能够支持其长期运作的治理系统。
郭兵[10]（2020）在《高原城市客车舱内甲醛污染与热舒适研究》文中认为云南是旅游大省,城市客车是输送游客与乘客的主要交通工具之一;高原城市太阳辐射大,紫外线强,对车内环境影响大。车舱空气污染与热舒适关系到车内空气品质与驾乘人员身体健康,本文研究高原城市客车舱内的甲醛污染物及热舒适问题,具有非常重要的现实意义。依据我国车内空气污染检测标准,对夏季运营的35辆客车舱内空气环境进行了现场测量,测量参数包括:甲醛浓度、空气温度、相对湿度以及风量。按照我国、日本与韩国车内空气质量标准对甲醛污染客观评价,最大超标率为25.7%。参照ASHRAE Standard 55-2017的热舒适要求,对有无太阳辐射时,司机驾车、乘客静坐与乘客倚靠3种行为6种情况的热舒适进行了计算,有太阳辐射时车舱内较热,通过空调来达到最佳舒适感需要降低的最大温度是17.5℃。根据高原城市客车实际的行驶环境,建立了流动与传热计算的实车模型,对模型进行网格化分及网格无关性验证,考虑太阳辐射和人体模型对车内流场流动与传热的影响,并对数值模拟的收敛性进行了监测分析。依据计算模型利用FLUENT软件,研究了不同送风速度、不同送风温度和不同送风角度等10种工况条件下,车舱内速度场、温度场、甲醛污染浓度场的分布特点及差异,比较了各工况下车舱内甲醛超标的区域大小,并利用排污效率指标评估了不同送风方案的优劣。利用C语言编写了UDF文件用以求解热舒适评价指标PMV-PPD/PD,从而实现了对车舱内不同送风速度、送风温度条件下的人体热舒适性的研究;最后通过实测数据与模拟计算结果的对比,验证了模型的有效性和可靠性。本文通过现场实测与CFD数值模拟技术,确定了城市高原客车舱内甲醛污染现状与不同送风条件对车舱内甲醛污染和热舒适的分布规律,对改善客车舱室内空气品质提供了一定的借鉴意义。
二、唐山市空气污染物的时间变化规律分析（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、唐山市空气污染物的时间变化规律分析（论文提纲范文）
（1）京津唐地区近地面臭氧反演与时空分布特征分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 国内外臭氧研究进展 |
| 1.2.2 基于大气化学模式和经验统计的近地表臭氧预测算法 |
| 1.2.3 基于统计理论的机器学习算法 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本章小结 |
| 2 研究区域与数据来源 |
| 2.1 研究区概况 |
| 2.2 数据来源 |
| 2.2.1 地面监测站点数据 |
| 2.2.2 卫星遥感数据 |
| 2.3 数据预处理 |
| 2.3.1 站点数据处理 |
| 2.3.2 遥感数据处理 |
| 2.4 本章小结 |
| 3 近地面臭氧反演 |
| 3.1 臭氧反演方法 |
| 3.1.1 支持向量机 |
| 3.1.2 极限学习机 |
| 3.1.3 BP神经网络 |
| 3.2 反演模型的建立与评估 |
| 3.2.1 支持向量机建模精度 |
| 3.2.2 极限学习机建模精度 |
| 3.2.3 BP神经网络建模精度 |
| 3.2.4 模型精度对比 |
| 3.3 臭氧反演精度 |
| 3.3.1 臭氧反演总精度 |
| 3.3.2 臭氧季节反演精度 |
| 3.4 本章小结 |
| 4 近地面臭氧时空分布特征 |
| 4.1 京津唐空气污染现状 |
| 4.2 时间分布特征 |
| 4.2.1 臭氧年变化 |
| 4.2.2 臭氧月变化 |
| 4.2.3 臭氧日变化 |
| 4.2.4 臭氧小时变化 |
| 4.3 空间分布特征 |
| 4.3.1 臭氧空间分布 |
| 4.3.2 臭氧变化率 |
| 4.3.3 臭氧季节分布 |
| 4.4 本章小结 |
| 5 近地面臭氧影响因素分析 |
| 5.1 臭氧与气象要素的关系 |
| 5.1.1 臭氧与地面温度、日照时数的关系 |
| 5.1.2 臭氧与地表风速的关系 |
| 5.1.3 臭氧与地面气压的关系 |
| 5.1.4 臭氧与地表相对湿度的关系 |
| 5.2 臭氧与PM_(2.5)的关系 |
| 5.3 臭氧与NO_2的关系 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）新冠疫情管控措施对太原市环境空气质量的影响分析（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 前言 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 新冠疫情特点及对人类生产、生活的影响 |
| 1.2.2 新冠疫情爆发对国际国内城市环境空气质量的影响研究 |
| 1.2.3 太原市近年来大气污染物与环境空气质量变化研究 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 太原市2016-2019 年大气污染状况时间序列分析 |
| 2.1 前言 |
| 2.2 材料与方法 |
| 2.2.1 数据来源 |
| 2.2.2 统计分析说明 |
| 2.2.3 环境空气质量指数(AQI) |
| 2.2.4 小波分析方法 |
| 2.3 结果与讨论 |
| 2.3.1 太原市环境空气质量时间序列分析 |
| 2.3.2 太原市PM_(2.5)年周期变化小波分析 |
| 2.3.3 太原市2016-2019 年重污染天气分析 |
| 2.4 本章小结 |
| 第三章 新冠疫情管控措施对太原市环境空气质量影响分析 |
| 3.1 前言 |
| 3.2 材料与方法 |
| 3.2.1 污染物分级标准 |
| 3.2.2 偏相关分析方法 |
| 3.2.3 特征雷达图 |
| 3.2.4 趋势外推法 |
| 3.3 结果与讨论 |
| 3.3.1 新冠疫情期间太原市环境空气质量变化分析 |
| 3.3.2 趋势外推法计算的各污染物随时间变化规律 |
| 3.3.3 PM_(2.5)未来浓度预测趋势与实际测量结果对比分析 |
| 3.3.4 新冠疫情对太原市环境空气质量的影响分析 |
| 3.3.5 新冠疫情管控期间太原市与其他城市的空气质量对比 |
| 3.3.6 新冠疫情管控前后大气污染物变化机理分析及大气污染物变化趋势的启示 |
| 3.4 本章小结 |
| 第四章 结论与建议 |
| 4.1 主要结论 |
| 4.2 特色和创新点 |
| 4.3 建议 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简况及联系方式 |
（3）秋冬季“2+26”城市民用散煤燃烧对北京市PM2.5的影响模拟研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究目标与研究内容 |
| 1.4 研究方法与技术路线 |
| 1.4.1 空气质量模型概述 |
| 1.4.2 SMOKE/WRF/CMAQ模式系统简介 |
| 第2章 模型数据来源和参数设置 |
| 2.1 京津冀及周边民用散煤燃烧源排放数据 |
| 2.1.1 基准情景排放数据 |
| 2.1.2 两个控制阶段模拟情景排放数据 |
| 2.2 模拟网格与模拟时间段 |
| 2.3 气象模型及参数设置 |
| 2.4 化学传输模型及参数设置 |
| 2.4.1 CMAQ-IPR过程分析技术原理 |
| 2.4.2 CMAQ-ISAM源解析设置 |
| 2.5 模型验证与污染特征分析 |
| 2.5.1 气象模型验证 |
| 2.5.2 空气质量模型验证 |
| 第3章 两类民用散煤控制情景特征分析 |
| 3.1 基准情景PM_(2.5)及硫酸盐空间分布 |
| 3.2 控制情景1 PM_(2.5)及硫酸盐空间分布 |
| 3.3 控制情景2 PM_(2.5)及硫酸盐空间分布 |
| 3.4 本章小结 |
| 第4章 重污染PM_(2.5)组分硫酸盐形成过程分析 |
| 4.1 基准情景与控制情景1 近地面过程分析 |
| 4.1.1 基准情景近地面过程分析 |
| 4.1.2 控制情景1 近地面过程分析 |
| 4.1.3 民用散煤燃烧控制大气化学影响初探 |
| 4.2 基准情景高空中硫酸盐形成过程分析 |
| 4.3 本章小结 |
| 第5章 重污染PM_(2.5)组分硫酸盐来源解析 |
| 5.1 控制情景1 硫酸盐及SO_2区域与行业来源解析 |
| 5.1.1 不同地区对北京市SO_2形成贡献 |
| 5.1.2 不同地区对北京市硫酸盐形成贡献 |
| 5.1.3 不同行业对北京市SO_2形成贡献 |
| 5.1.4 不同行业对北京市硫酸盐形成贡献 |
| 5.2 控制情景2 硫酸盐及SO_2区域与行业来源解析 |
| 5.2.1 不同地区对北京市SO_2形成贡献 |
| 5.2.2 不同地区对北京市硫酸盐形成贡献 |
| 5.2.3 不同行业对北京市SO_2形成贡献 |
| 5.2.4 不同行业对北京市硫酸盐形成贡献 |
| 5.3 污染防控建议 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）新冠肺炎疫情对安徽省空气质量的影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 第一节 研究背景与意义 |
| 一、研究背景 |
| 二、研究目的和意义 |
| 第二节 文献综述 |
| 第三节 研究方法与内容 |
| 一、研究方法 |
| 二、研究内容 |
| 第四节 研究的创新和不足 |
| 一、研究的创新点 |
| 二、研究的不足 |
| 第二章 数据来源及安徽省空气质量演变规律 |
| 第一节 数据来源及预处理 |
| 第二节 安徽省空气质量演变规律 |
| 一、AQI演变规律 |
| 二、PM_(2.5)浓度演变规律 |
| 三、PM_(10)浓度演变规律 |
| 四、SO_2浓度演变规律 |
| 五、CO浓度演变规律 |
| 六、NO_2浓度演变规律 |
| 七、O_3浓度演变规律 |
| 第三章 无疫情情景下安徽省2020年空气质量预期值估计 |
| 第一节 研究方法 |
| 一、理论基础 |
| 二、建模过程 |
| 第二节 AQI预期值估计 |
| 第三节 PM_(2.5)预期值估计 |
| 第四节 PM_(10)预期值估计 |
| 第五节 SO_2预期值估计 |
| 第六节 CO预期值估计 |
| 第七节 NO_2预期值估计 |
| 第八节 O_3预期值估计 |
| 第四章 疫情对安徽省空气质量的冲击效应 |
| 第一节 疫情对安徽省空气质量的动态冲击效应 |
| 一、疫情对AQI的动态冲击效应 |
| 二、疫情对PM_(2.5)的动态冲击效应 |
| 三、疫情对PM_(10)的动态冲击效应 |
| 四、疫情对SO_2的动态冲击效应 |
| 五、疫情对CO的动态冲击效应 |
| 六、疫情对NO_2的动态冲击效应 |
| 七、疫情对O_3的动态冲击效应 |
| 第二节 疫情对不同污染物的冲击效应的异质性 |
| 一、2月份疫情冲击效应对比 |
| 二、3月份疫情冲击效应对比 |
| 三、12月份疫情冲击效应对比 |
| 四、疫情对不同污染物的平均冲击效应对比 |
| 第五章 疫情对安徽省空气质量的作用机理探析 |
| 第一节 疫情对安徽省空气污染物相关性的影响 |
| 一、无疫情情景下2020年空气污染物的相关性 |
| 二、疫情背景下2020年空气污染物的相关性 |
| 三、疫情对安徽省空气污染物相关性的影响 |
| 第二节 疫情对安徽省空气污染物影响程度的相关性 |
| 第三节 疫情防控动态与空气污染的关系 |
| 第四节 疫情背景下空气质量变化驱动分析 |
| 第六章 全文总结 |
| 第一节 主要研究工作 |
| 第二节 研究结论与政策建议 |
| 一、研究结论 |
| 二、政策建议 |
| 参考文献 |
| 在读期间科研成果 |
| 致谢 |
（6）气溶胶反馈对边界层次级环流和垂直交换的影响（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 空气污染的影响及危害 |
| 1.2 空气污染对大气反馈研究的特点 |
| 1.3 本文主要研究内容 |
| 第二章 数据和方法 |
| 2.1 数据介绍 |
| 2.1.1 气象数据 |
| 2.1.2 源清单数据 |
| 2.1.3 污染物监测数据 |
| 2.2 模式介绍 |
| 2.2.1 WRF-Chem模式介绍 |
| 2.2.2 SMOKE模式介绍 |
| 2.2.3 清单制作软件 |
| 2.3 WRF-Chem模式设置 |
| 2.4 分析方法 |
| 2.4.1 对变量的分析方法 |
| 2.4.2 对次级环流的分析方法 |
| 第三章 模型验证 |
| 3.1 对气象因子的验证 |
| 3.2 对PM_(2.5)的验证 |
| 3.3 对APEC减排期间的验证 |
| 第四章 反馈对气象因子和污染物的影响 |
| 4.1 基于时间的对比 |
| 4.1.1 对污染物的影响 |
| 4.1.2 对气象因子的影响 |
| 4.2 基于空间的对比 |
| 4.2.1 对污染物的影响 |
| 4.2.2 对气象因子的影响 |
| 4.3 基于高度的对比 |
| 4.4 不确定性分析 |
| 4.5 小结与讨论 |
| 第五章 反馈对次级环流的影响 |
| 5.1 PM_(2.5)浓度与次级环流的关系 |
| 5.2 PM_(2.5)反馈作用对次级环流的影响 |
| 5.3 APEC期间次级环流的变化 |
| 5.4 小结与讨论 |
| 第六章 反馈对边界层与自由大气之间物质输送的影响 |
| 6.1 对PM_(2.5)输送的影响 |
| 6.2 对O_3输送的影响 |
| 6.3 对SO_2输送的影响 |
| 6.4 对CO输送的影响 |
| 6.5 对相对湿度输送的影响 |
| 6.6 小结和讨论 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 不足与展望 |
| 参考文献 |
| 在学期间研究成果 |
| 致谢 |
（7）融合多元复杂因子的京津冀近地面PM2.5浓度估计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 结构安排 |
| 第2章 研究区域概况和方法 |
| 2.1 研究区域概况 |
| 2.1.1 地理位置概况 |
| 2.1.2 气候特征概况 |
| 2.1.3 空气污染状况 |
| 2.2 数据来源 |
| 2.2.1 PM_(2.5) 地面监测数据 |
| 2.2.2 气象数据 |
| 2.2.3 MODIS AOD数据 |
| 2.2.4 其他数据 |
| 2.3 数据预处理 |
| 2.4 研究方法介绍 |
| 2.4.1 地理加权回归模型 |
| 2.4.2 时空地理加权回归模型 |
| 2.4.3 特征变量选择方法 |
| 2.4.4 评价标准及介绍 |
| 2.5 本章小结 |
| 第3章 基于监测站点的PM_(2.5)浓度时空变化特征分析 |
| 3.1 PM_(2.5) 浓度统计特征 |
| 3.1.1 描述性统计特征 |
| 3.1.2 离散程度 |
| 3.2 基于监测站点尺度的PM_(2.5)浓度的时间变化特征 |
| 3.2.1 基于自然时间尺度的时间变化特征分析 |
| 3.2.2 基于小波变化多尺度的时间变化特征分析 |
| 3.3 基于监测站点尺度的PM_(2.5)浓度的空间差异 |
| 3.4 本章小结 |
| 第4章 融合多元复杂因子的PM_(2.5)浓度估算模型构建 |
| 4.1 基于先验知识的特征变量选取 |
| 4.2 京津冀PM_(2.5)浓度优化模型估计结果 |
| 4.3 精度检验及模型比较 |
| 4.4 空间连续的PM_(2.5)浓度时空分布特征研究 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究结论 |
| 5.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 硕士研究生期间学术成果 |
（8）河北省城市灰霾与其他空气污染物关系的统计测度研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 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 |
| 1.2.3 国内外研究综述 |
| 1.3 研究内容 |
| 1.4 研究方法和创新点 |
| 1.4.1 研究方法 |
| 1.4.2 创新点 |
| 第二章 灰霾污染与其他空气污染物影响关系分析 |
| 2.1 灰霾 |
| 2.2 空气污染物 |
| 2.3 灰霾与其他空气污染物之间的关系 |
| 第三章 河北省城市灰霾污染特征与分类的数据挖掘 |
| 3.1 数据的采集与处理 |
| 3.1.1 数据采集 |
| 3.1.2 数据清洗与处理 |
| 3.2 灰霾污染特征的描述性分析 |
| 3.3 灰霾污染特征的统计分析 |
| 3.4 灰霾污染的聚类分析 |
| 3.5 本章小结 |
| 第四章 其他空气污染物对灰霾的影响分析 |
| 4.1 基于2013 年不同时期、不同地区数据的回归分析 |
| 4.1.1 2013 年1-2 月三类型城市的回归分析 |
| 4.1.2 2013 年3-5 月三类型城市的回归分析 |
| 4.2 基于2017 年不同时期、不同地区数据的回归分析 |
| 4.2.1 2017 年1-2 月三类型城市的回归分析 |
| 4.2.2 2017 年3-5 月三类型城市的回归分析 |
| 4.3 2013 年和2017 年不同时期、不同地区数据的分析对比 |
| 第五章 灰霾与其他空气污染物的关联关系分析 |
| 5.1 数据选取 |
| 5.2 平稳性检验 |
| 5.3 城市灰霾与其他空气污染物的因果检验 |
| 5.3.1 PM_(2.5)与PM_(10)的因果检验 |
| 5.3.2 PM_(2.5)与SO_2的因果检验 |
| 5.3.3 PM_(2.5)与NO_2的因果检验 |
| 5.3.4 PM_(2.5)与O_3的因果检验 |
| 5.3.5 PM_(2.5)与CO的因果检验 |
| 5.4 本章小结 |
| 第六章 结论与建议 |
| 6.1 结论 |
| 6.2 建议 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
（9）河北省城市灰霾空间近邻关系的测度研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 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 灰霾相关研究 |
| 1.2.2 灰霾空间测算方法研究 |
| 1.2.3 灰霾空间关系研究 |
| 1.2.4 国内外研究评述 |
| 1.3 研究思路 |
| 1.4 研究方法与创新点 |
| 1.4.1 研究方法 |
| 1.4.2 创新点 |
| 第二章 灰霾的空间近邻关系分析 |
| 2.1 灰霾的认识 |
| 2.1.1 灰霾 |
| 2.1.2 PM2.5 |
| 2.1.3 灰霾污染 |
| 2.2 灰霾的空间近邻关系 |
| 2.2.1 空间近邻关系 |
| 2.2.2 灰霾的空间近邻关系 |
| 2.2.3 灰霾空间近邻关系的影响因素 |
| 2.3 河北省城市灰霾空间近邻关系的影响因素 |
| 2.3.1 人口聚集 |
| 2.3.2 工业结构 |
| 2.3.3 能源消耗 |
| 2.3.4 地形地貌 |
| 2.3.5 气象要素 |
| 2.4 本章小结 |
| 第三章 河北省城市灰霾的相关关系分析 |
| 3.1 数据采集、处理、选取 |
| 3.1.1 数据采集 |
| 3.1.2 数据处理 |
| 3.1.3 数据选取 |
| 3.2 河北省近邻城市的选择 |
| 3.3 空间依存关系测算模型 |
| 3.4 河北省灰霾浓度值相关分析 |
| 3.4.1 2013年典型月度灰霾浓度值相关分析 |
| 3.4.2 2017年典型月度灰霾浓度值相关分析 |
| 3.5 河北省灰霾浓度值变化相关分析 |
| 3.5.1 2013年典型月度灰霾浓度值变化相关分析 |
| 3.5.2 2017年典型月度灰霾浓度值变化相关分析 |
| 3.6 本章小结 |
| 第四章 河北省城市灰霾的空间自相关分析 |
| 4.1 空间自相关测算模型 |
| 4.1.1 全局空间自相关 |
| 4.1.2 局部空间自相关 |
| 4.2 灰霾浓度值空间自相关分析 |
| 4.2.1 2013年典型月度灰霾浓度值空间自相关分析 |
| 4.2.2 2017年典型月度灰霾浓度值空间自相关分析 |
| 4.3 本章小结 |
| 第五章 河北省城市灰霾的关联关系分析 |
| 5.1 灰色关联分析 |
| 5.2 数据选取和处理 |
| 5.3 河北省灰霾污染的灰色关联分析 |
| 5.3.1 2013年典型月度灰霾浓度值灰色关联分析 |
| 5.3.2 2017年典型月度灰霾浓度值灰色关联分析 |
| 5.4 本章小结 |
| 第六章 总结与建议 |
| 6.1 总结 |
| 6.2 建议 |
| 参考文献 |
| 附录 |
| 致谢 |
（10）高原城市客车舱内甲醛污染与热舒适研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 车舱内空气污染研究现状 |
| 1.2.1 国内研究和发展现状 |
| 1.2.2 国外研究和发展现状 |
| 1.3 车舱内热环境研究现状 |
| 1.4 本文的研究内容 |
| 第2章 车舱内甲醛污染与热舒适调查 |
| 2.1 城市发展与汽车客运现状 |
| 2.1.1 昆明经济与汽车发展 |
| 2.1.2 中国汽车与客运发展现状 |
| 2.2 调查与分析方法 |
| 2.2.1 甲醛与温度测试调查 |
| 2.2.2 热舒适与污染评价 |
| 2.3 调查结果 |
| 2.3.1 甲醛统计分析与客观评价 |
| 2.3.2 热舒适分析 |
| 2.4 本章小结 |
| 第3章 车舱数值模拟的理论基础 |
| 3.1 控制方程 |
| 3.1.1 质量守恒定律 |
| 3.1.2 动量守恒定律 |
| 3.1.3 能量守恒定律 |
| 3.1.4 组分质量守恒定律 |
| 3.2 湍流流动数值模拟 |
| 3.2.1 湍流的基本方程 |
| 3.2.2 湍流的数值模拟方法 |
| 3.3 辐射模型 |
| 3.4 本章小结 |
| 第4章 车舱模型的建立与仿真计算 |
| 4.1 车舱内空气流动特点 |
| 4.2 车舱内环境传热特征 |
| 4.2.1 客车舱热平衡模型 |
| 4.2.2 通过车壁进入车舱的总热流量 |
| 4.2.3 透过车窗玻璃的传热量 |
| 4.2.4 车内人体的散热量 |
| 4.2.5 客车舱内发动机舱的散热量 |
| 4.3 客车舱仿真模型的建立 |
| 4.4 边界条件及求解控制参数设置 |
| 4.4.1 入口边界条件 |
| 4.4.2 出口边界条件 |
| 4.4.3 车舱内人体边界条件 |
| 4.4.4 固体壁面边界条件 |
| 4.4.5 污染源边界条件 |
| 4.4.6 数值模拟的研究方案 |
| 4.4.7 求解参数设置及收敛控制原则 |
| 4.4.8 数值模拟结果的单位换算 |
| 4.5 网格划分与无关性分析 |
| 4.5.1 网格划分 |
| 4.5.2 网格无关性分析 |
| 4.6 本章小结 |
| 第5章 车舱环境数值模拟结果与分析 |
| 5.1 不同工况下车舱甲醛浓度分布 |
| 5.1.1 送风速度对甲醛浓度分布的影响 |
| 5.1.2 送风温度对甲醛浓度分布的影响 |
| 5.1.3 送风角度对甲醛浓度分布的影响 |
| 5.2 不同工况下车舱甲醛排除效率比较 |
| 5.2.1 甲醛排除有效性的评价指标 |
| 5.2.2 不同工况下甲醛排除效率的比较 |
| 5.3 不同工况下人体热舒适性的比较 |
| 5.3.1 热舒适性评价指标 |
| 5.3.2 送风速度对车舱内热舒适性的影响 |
| 5.3.3 送风温度对车舱内热舒适性的影响 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录—攻读硕士期间主要成果 |
四、唐山市空气污染物的时间变化规律分析（论文参考文献）
- [1]京津唐地区近地面臭氧反演与时空分布特征分析[D]. 李紫微. 西安科技大学, 2021(02)
- [2]新冠疫情管控措施对太原市环境空气质量的影响分析[D]. 张辰. 山西大学, 2021(12)
- [3]秋冬季“2+26”城市民用散煤燃烧对北京市PM2.5的影响模拟研究[D]. 徐双喜. 中国环境科学研究院, 2021(02)
- [4]新冠肺炎疫情对安徽省空气质量的影响研究[D]. 李荣景. 安徽财经大学, 2021(12)
- [5]京津冀区域空气污染物跨省传输对人力资本和自然资本的影响研究[D]. 赵雪静. 中国地质大学(北京), 2021
- [6]气溶胶反馈对边界层次级环流和垂直交换的影响[D]. 李继祥. 兰州大学, 2021(09)
- [7]融合多元复杂因子的京津冀近地面PM2.5浓度估计[D]. 王娅妮. 北京建筑大学, 2020(08)
- [8]河北省城市灰霾与其他空气污染物关系的统计测度研究[D]. 姚朦飞. 河北大学, 2020(08)
- [9]河北省城市灰霾空间近邻关系的测度研究[D]. 殷松. 河北大学, 2020(08)
- [10]高原城市客车舱内甲醛污染与热舒适研究[D]. 郭兵. 昆明理工大学, 2020(04)