一、南宁市大气颗粒物PM_(l0)、PM_(2.5)污染水平（论文文献综述）
杨玉燕[1]（2021）在《典型城市住宅居室PM2.5现状及其影响因素》文中研究说明背景:住宅微环境与健康关系密切。住宅室内健康危害因素众多,我国住宅居室空气PM2.5污染总体状况不清。目的:了解我国城市住宅室内空气PM2.5污染分布特征,探索住宅室内PM2.5可能的影响因素,探讨住宅室内PM2.5水平、个体PM2.5日均暴露剂量（Average Daily Dose,ADD）与儿童呼吸系统疾病既往患病情况和主诉症状之间的关联,为降低住宅PM2.5暴露浓度及改善儿童健康状况提供理论依据。方法:本研究采用现况调查设计,以我国12个典型城市的二年级小学生及其家庭住宅为研究对象,研究城市居室内空气PM2.5的浓度水平、分布特征和影响因素及其与儿童呼吸系统患病史及其他主诉症状之间的统计学关联性。于2018年4月至2019年3月,针对家庭居室内日常生活典型场景（持续关窗12小时,过夜）,实施室内空气现场采样检测并收集附近的大气国控监测站点数据,分别获取住宅室内及室外PM2.5数据。通过问卷调查获得住宅基本特征、居民健康相关行为、儿童行为活动模式及健康状况等相关数据。使用Excel进行数据整理和SPSS25.0进行数据分析,对原始数据进行统计描述,对PM2.5对数转换后再进行统计推断,主要包括配对t检验、单因素方差分析、协方差分析、相关分析、多重线性回归、Logistic回归分析等。从季节差异、室内采样点、城市上下风向区、室外地理分区等多个方面描述居室PM2.5的时空分布特征;从室内外PM2.5比值I/O探究室内外PM2.5的关联。从住宅基本特征、烹饪相关行为、居家生活习惯、居家防护措施四个方面探究居室PM2.5潜在影响因素;从居室PM2.5浓度、个体PM2.5暴露日均剂量两个方面探究PM2.5与儿童呼吸系统疾病患病情况和主诉症状之间的统计学关联。结果:本研究共获取12个典型城市612户家庭住宅室内PM2.5的现场检测数据,其中完成612户家庭的住宅基本特征及居民健康行为调查,完成540名儿童健康状况问卷调查。所有调查家庭的住宅室内PM2.5浓度范围为0.6～1046.0μg/m3,几何均数为54.0μg/m3。54.1%的住宅家庭室内PM2.5浓度超过50μg/m3。住宅PM2.5的分布特征:①依据检测季节比较:冷季与暖季室内PM2.5浓度水平存在统计学差异,冷季PM2.5浓度几何均数为77.1μg/m3,暖季PM2.5浓度几何均数为39.5μg/m3。②依据室内采样点分类比较:客厅和卧室PM2.5浓度之间差异无统计学意义,客厅的PM2.5浓度几何均数为56.7μg/m3,卧室的PM2.5浓度几何均数为54.1μg/m3;分季节后的室内采样点之间差异均无统计学意义。③依据家庭所在城市上下风向区比较:上风向与下风向居室内PM2.5浓度水平差异不显着,上风向PM2.5几何均数为54.4μg/m3,下风向PM2.5几何均数为54.1μg/m3。④依据城市位置比较:各城市间PM2.5浓度差异有统计学意义。冷季最高前三城市依次为兰州（200.8μg/m3）、南宁（173.6μg/m3）和无锡（81.8μg/m3）;暖季PM2.5浓度的几何均数最高前三城市分别为青岛（90.0μg/m3）,南宁（60.1μg/m3）和洛阳（56.8μg/m3）。⑤依据室外地理位置比较:暖季,北方城市的居室PM2.5浓度高于南方;冷季,南北方城市的居室PM2.5浓度间差异没有统计学意义。室内外PM2.5的关联:住宅室内PM2.5与室外PM2.5的浓度具有相关性,Pearson相关系数=0.317。I/O值P50（P25,P75）为1.38（0.80,2.51）。冷暖季节内的客厅和卧室I/O值差异无统计学意义。住宅PM2.5的潜在影响因素:近五年内装修、使用中央空调是居室内PM2.5浓度升高的危险因素,使用空气净化器是居室内PM2.5浓度升高的保护因素。近五年内装修过的居室的PM2.5浓度相对于未装修家庭更高;使用中央空调的居室的PM2.5浓度相对于不使用的居室更高。使用空气净化器的居室的PM2.5浓度相对于不使用的居室更低。住宅PM2.5浓度与儿童呼吸系统危害的关联:室内PM2.5是儿童患支气管炎的危险因素,室内PM2.5浓度每增加10 μg/m3,儿童患支气管炎的风险增加3.9%（95%CI:1.3%,6.5%）;儿童居室内PM2.5的日均暴露量ADD每增加1μg/（kg·d）,儿童患支气管炎的风险增加 1.2%（95%CI:0.4%,2.1%）。结论:（1）我国12个典型城市调查家庭居室PM2.5总体几何均数约为54.0μg/m3,波动范围较广,51.4%的居室PM2.5超过50μg/m3。（2）居室PM2.5的季节性差异和地理分布均呈现明显差异。冷季最高前三城市为兰州、南宁和无锡;暖季最高前三城市分别为青岛,南宁和洛阳。（3）近五年内装修、使用中央空调可能是居室内PM2.5浓度升高的危险因素,使用空气净化器可能是居室内PM2.5浓度升高的保护因素。（4）初步发现住宅室内PM2.5浓度是儿童患支气管炎的危险因素。
李陵[2]（2020）在《北京市近年大气颗粒物和近地面臭氧的相互影响研究》文中研究指明大气颗粒物和近地面臭氧目前是北京市大气复合污染的核心污染物,空气质量的持续改善中大气颗粒物与臭氧的协同控制是关键所在。近年北京市大气颗粒物浓度呈现明显下降趋势,但是近地面臭氧污染却日益凸显,已经成为影响北京市环境空气质量改善的主要空气污染物。大气颗粒物与臭氧之间存在十分复杂的联系,不仅具有共同的前体物,并且二者在大气中能够通过多种途径相互影响。本研究利用北京市近年环境空气常规污染物监测数据以及外场加强观测数据,结合多种分析手段,研究了北京市大气颗粒物和近地面臭氧之间的相互影响。主要研究结论如下:2016～2019年北京市PM2.5和PM10年评价值均呈现逐年下降的趋势,PM2.5和PM10年评价值年均下降速率分别为9.73μg/m3和9.88μg/m3;臭氧年评价值同样逐年下降,浓度保持在190～200μg/m3之间,远超过二级标准。北京市大气颗粒物在春冬季污染较频繁,其中在3月污染频率最高;臭氧污染在6、7月份发生频率最高;此外,大气颗粒物和臭氧同时污染主要发生在4月、5月和9月。夏季,PM2.5与臭氧浓度表现出同时增大或减小的趋势,PM2.5浓度日均值和臭氧日最大8小时均值（MDA8 O3）呈显着正相关;冬季,随着PM2.5浓度的增大臭氧浓度逐渐减小,PM2.5日均值和MDA8 03呈显着负相关。气象因素对大气颗粒物和臭氧的关联性具有一定的影响,高温和低湿度条件下PM2.5与臭氧表现出同时增大或减小的特征;而低温和低湿度条件下臭氧浓度随着PM2.5的增大而减小。北京市大气氧化剂Ox浓度时空变化规律表现为夏季>春季>秋季>冬季,交通污染监控点>城区站点>郊区站点>背景点。光化学反应活跃程度和大气氧化能力的大小对二次粒子的生成具有较大的影响,当光化学反应活跃程度和大气氧化能力越强时,二次生成的PM2.5组分质量浓度越高,并且占总PM2.5质量浓度比例更大。外场观测期间,PM2.5组分中二次无机盐（NO3-、SO42-和NH4+）均值占水溶性无机离子总质量浓度的76.1%。强烈的大气氧化性能够提高大气中二次无机离子的转化率,大气氧化剂Ox浓度越高,对应的硫转化率和氮转化率越高,从而促进PM2.5浓度的增长。外场加强观测期间,北京市气溶胶粒子主要以散射型气溶胶为主,吸收型气溶胶占比较少。PM2.5浓度较高时,由于散射系数的升高和后向散射比的降低,通过大气颗粒物的散射作用能够促使近地面太阳辐射增强。较大的气溶胶光学厚度可以显着降低NO2光解速率,而较大的单次散射反照率可以升高NO2光解速率。当TVOCs和NO2浓度较低时,大气颗粒物光学特性的改变是促使臭氧浓度发生变化的主要因素。大气颗粒物对太阳辐射散射作用的增强导致了臭氧浓度迅速的上升。此外,TVOCs和NO2浓度较低时,散射系数和后向散射比均与臭氧浓度表现出显着的相关性。本文从大气氧化性对大气颗粒物的影响以及大气颗粒物光学特性对臭氧污染的影响两个方面论证了两者的相互影响。臭氧浓度在一定程度上能够影响大气氧化能力,从而影响二次粒子的生成;大气颗粒物的光学特性能够通过改变太阳辐射强度和NO2光解速率,从而影响臭氧的生成;此外,发现了 2016～2019年北京市大气颗粒物与臭氧浓度具有较好的关联性,表明大气颗粒物与臭氧之间复杂的作用,导致了两者具有紧密的联系。因此,未来制定大气颗粒物和臭氧污染的控制策略时,应充分考虑两者之间的相互影响作用,这将有利于大气颗粒物和臭氧的协同控制。
陈曦[3]（2020）在《北京市某区小学生尿中甲基叔丁基醚暴露水平及影响因素研究》文中认为目的通过定群研究,分析小学生尿中甲基叔丁基醚（英文缩写MTBE）暴露水平及影响因素,了解小学生尿中MTBE暴露水平与个体PM2.5外暴露水平、大气中PM2.5、PM10、O3、CO、NO2、SO2等含量之间的相关关系。方法（1）调查对象:选择生活模式较为固定,生活方式变化少,在校时间规律,依从性好,混杂因素少的在校学生。本研究排除依从性差、住校、不能全勤、有外出等因素,随机抽取昌平区智星小学六年级学生男女各10人作为调查对象。（2）问卷调查:通过问卷调查收集调查对象个人基本信息（年龄、性别、住址等）、收集生活环境及每日生活方式,用于分析尿中MTBE暴露水平的影响因素（混杂因素）,所有调查对象无器质性疾病。（3）通过智能空气质量检测仪个体监测设备实时监测个体PM2.5外暴露水平。同时结合环境监测固定站点的数据,记录大气环境中PM2.5、PM10、O3、CO、NO2、SO2 的含量。（4）采集调查对象尿液,每天采集尿样的时间为晨尿、1 1点和16点的即时（随机）尿。苦味酸分光光度法检测调查对象尿肌酐含量,气相色谱-质谱联用法检测尿中MTBE水平,并通过尿肌酐进行校正,反映全天以及白天活动期间的暴露情况。检测周期从周一到周日共七天（包括工作日和休息日）。（5）统计分析:应用SPSS19.0软件进行统计学分析。用几何均数及百分位数描述尿中MTBE暴露水平;采用非参数检验对不同组别间尿中MTBE的差异性进行比较;采用多元回归分析、混合线性模型对问卷中涉及的影响因素进行分析,筛选出统计学上有关联的因素,探索尿中MTBE的个人及环境影响因素（与交通干线距离等）;采用Spearman秩相关分析尿中MTBE水平与大气环境中PM2.5、PM10、CO、SO2、NO2、O3之间的相关性。检验水准α=0.05。结果监测周期为7天,共检测尿样420个,暴露水平呈对数正态分布,晨尿、11:00和16:00的即时尿中MTBE暴露水平的几何均数分别为0.110μg/L、0.109 μg/L、0.104μg/L;肌酐校正晨尿、11:00和16:00的即时尿中MTBE暴露水平的几何均数分别为0.117 mg/g肌酐、0.121 mg/g肌酐、0.120 mg/g肌酐。尿中MTBE暴露水平受学生的家庭住址与交通主干道的距离影响（P=0.016）,距离交通主干道<150米和≥150米,学生尿中MTBE的暴露水平存在明显统计学差异;此外还受学生每天在室外活动的时间（P=0.007）和所在班级每天使用空气净化设备时间（P=0.037）的影响。学生每天室外活动时间分别为0分钟、0-60分钟和60分钟以上时,学生尿中MTBE的暴露水平存在明显统计学差异;学生所在班级内每天通风时间分别为0分钟、0-60分钟和60分钟以上时,尿中MTBE的暴露水平存在明显统计学差异。学生尿中MTBE暴露水平与个体PM2.5外暴露水平无明显统计学相关关系,与大气中SO2呈明显统计学相关关系,r=0.188,P=0.026;与O3呈弱相关趋势,r=0.016,P=0.056。结论小学生尿中存在一定程度的MTBE暴露,暴露水平的影响因素有家是否靠近交通主干道、每日室外活动时间、班级每日使用空气净化设备时间。学生尿中MTBE暴露水平与个体PM2.5外暴露水平无明显统计学相关关系,与大气环境中SO2呈弱相关关系,与O3呈弱相关趋势。为MTBE成为汽车尾气暴露标志物,尤其是内暴露标志物的可能提供了线索。
薛骅骎[4]（2019）在《大气颗粒物的化学组成、来源识别和污染评价研究 ——以合肥市为例》文中研究表明随着经济和社会的快速发展,环境问题日益严重,尤其是大气污染问题。在大气污染物中,大气颗粒物由于其对气候变化、景观能见度和人体健康等方面的重大影响受到了国内外的广泛关注。合肥市作为安徽省省会,拥有11445.1 km2的总面积和796.5万的常住人口,是一个典型的综合性区域中心城市,以合肥市为例研究大气颗粒物的化学组成、来源识别和污染评价对于其他城市具有借鉴意义。本研究在文献调研和实地考察的基础上,收集了合肥市十个监测点位自2016年12月至2018年12月的大气污染物浓度和空气质量指数数据,在合肥市四个点位采集了自2014年5月至2018年9月的196个大气颗粒物样品,并进行XRF、XRD、IC、IRMS、SEM、TEM等实验测试。同时,在铜陵市一个点位采集了自2014年1月至2016年1月的832个样品,进行了XRF和IC测试以便与合肥市对比。通过研究得出了以下几个方面的成果:（1）合肥市PM100和PM2.5的平均浓度水平均超出WHO和中国国家标准,季节变化基本为夏季低于春秋季低于冬季,日变化呈现双峰型分布,空间分布上出现了北高南低的趋势,PM2.5和PM10与AQI、CO、N02均有较强的相关性。（2）合肥市的特征污染元素是硫,大部分元素在冬季浓度高于夏季,受交通、建筑、工业污染源影响更大的HF-A采样点元素浓度均高于HF-B两倍以上。与铜陵市相比,合肥市污染和双重元素占比较低。（3）合肥市最重要的水溶性离子为S042-、N03-和NH4+。冬季夏季相比,Na+、Mg2+ Cl-、N03-、SO42-、NH4+冬季浓度高于夏季,Ca2+和F-在冬夏季节较接近,K+夏季含量高于冬季;硫氧化率和氮氧化率均为冬季高于夏季。PM2.5和PM10组成相似,但是PM2.5富集水溶性离子的能力比PM100更强。与铜陵市相比,合肥在PM2.5和PM100中的自然源离子浓度更高。（4）合肥市大气颗粒物中的主要矿物为石英、斜长石、方解石、黄铁矿等,主要精细结构为燃煤飞灰、烟尘集合体、水泥颗粒、矿物颗粒、絮状链状集合体等。（5）聚类分析方法和主成分分析识别出合肥市大气颗粒物的海盐、地壳和人为来源的存在;从同位素组成来看,合肥市大气颗粒物的δ13C接近机动车尾气和燃煤排放,颗粒物的δ34S与煤和汽油柴油的δ34S接近。（6）富集因子法得出合肥市的硫元素处于重度污染状态,锌、镍、铜和铬等元素为轻微富集状态。合肥市PM2.5和PM10的潜在生态风险指数较高,生态危害很强。合肥市PM2.5中的铬具有较强的非致癌风险,所有元素的致癌风险都很小。
张晓荟[5]（2019）在《中国秸秆焚烧大气污染物高分辨率排放特征研究》文中研究表明中国是农业大国,秸秆资源丰富。尽管近年来我国加强推进秸秆禁烧、推进秸秆资源化以及秸秆补贴等政策,但仍有大量秸秆在田间焚烧或作为家用燃料燃烧。秸秆的大规模燃烧不仅会造成资源的浪费,而且对雾霾等环境问题以及人体健康带来显着的负面影响。尽管有大量研究关注秸秆焚烧污染物排放情况,但由于有关基础资料的不确定性以及近年来秸秆焚烧量产生巨大变化等因素,现有认识与实际情况差距较大。因此,本文对近年来秸秆焚烧污染物排放高分辨时空分布特征进行研究,对于有针对性地开展秸秆焚烧污染控制、改善环境空气质量具有重要意义。本研究重点开展了以下几个方面的工作:（1）基于活动水平数据和排放因子数据,对全国296个地级市秸秆焚烧污染物排放所在的行政区域进行定量分析,其中包括秸秆田间焚烧和秸秆作为家用燃料燃烧;（2）基于各地级市污染物排放量,结合土地利用类型数据（水田和旱地）,人口分布数据（农村人口分布）以及MODIS监测火点数据（农田火点）,对秸秆焚烧污染物排放进行空间精细化的再分配;（3）基于MODIS监测火点数据与土地利用类型数据,得到2017年全国秸秆焚烧污染物排放时间分布,以及近20年秸秆焚烧火点的年际变化趋势。另外,本研究利用Monte-Carlo模拟,对相关结果的不确定性进行了相关评估。本研究主要结论如下:（1）本研究全面核算了2017年全国秸秆焚烧1 1种污染物排放总量。BC、OC、PM2.5、PM10、SO2、NOx、NH3、CH4、NMVOC、CO 和 CO2的排放总量分别是 14.6、81.6、189.9、225.8、22.9、59.6、13.5、115.6、203.6、1961.0 和32961.5万吨,其中秸秆作为家用燃料燃烧污染物排放量占总排放量的40.7%～68.8%。由于近年来秸秆禁烧政策的实施和秸秆综合利用率的提高,污染物排放总量（特别是田间焚烧的排放）相对于以往研究结果有明显下降。三大主要农作物中玉米贡献率是40.8%～53.8%,水稻贡献率是14.0%～24.2%,小麦贡献率是1 0.6%～29.5%。（2）在行政区域的基础上,本文对污染物排放强度进行精细化研究。结果表明2017年秸秆焚烧污染物排放强度主要集中在东北地区的吉林省、辽宁省和黑龙江省,华北地区的山东省以及长江中下游地区的安徽省。东北地区污染物的主要来源是秸秆田间焚烧,华北地区和长江中下游地区污染物的主要来源是秸秆作为家用燃料燃烧。东北地区秸秆焚烧污染物排放强度最高,其中BC、OC、PM2.5、PM10、SO2、NOx、NH3、CH4、NMVOC、CO和CO2排放强度集中在0.02～0.5、0.1～3.8、0.3～8.1、0.3～9.5、0.02～0.6、0.009～2.7、0.002～0.5、0.1～3.9、0.3～8.0、1.8～58.3和39.5～1169.3 t/（km2·yr）。在全国地市级尺度及更小尺度上,排放强度的空间差异较大,同种污染物排放强度高值区和低值区比值可达4位数量级。（3）本文对最新的秸秆焚烧污染物排放时间分布进行研究。结果表明2017年秸秆焚烧污染物排放主要集中在3～4月、7月和10月。1～12月各月秸秆焚烧污染物排放量分别占全年排放量的6.3%、7.5%、11.1%、12.8%、8.6%、7.5%、8.4%、7.0%、5.8%、10.0%、8.2%和6.9%。东北地区主要集中在3月、4月和10月;华北地区主要集中在3月、5月、6月和10月;长江中下游地区主要集中在3月、6月、7月和11月。2001～2017年北方地区除了西北地区外,东北地区和华北地区的火点数仍有持续上升的趋势;南方地区秸秆焚烧火点数呈下降趋势。（4）本研究利用Monte-Carlo模拟对结果进行不确定性分析。结果表明秸秆焚烧污染物BC、OC、PM2.5、PM10、SO2、NOx、NH3、CH4、NMVOC、CO和CO2排放的不确定性范围分别为-47～92%、-48～92%、-48～91%、-50～100%、-59～133%、-55～105%、-47～93%、-55～102%、-43～74%、-46～85%和-45～80%。本研究的不确定性范围相对于多数研究偏小,主要原因是本研究在选取基础资料和有关参数时考虑的因素更全面、更具有代表性。与人为源排放的主要大气污染物总量相比,秸秆焚烧的排放量相对较少,主要污染物约占3～4%。但由于秸秆焚烧污染物排放的时空不均匀性,针对特别地区和时间加强秸秆焚烧排放的控制对改善环境空气质量具有重要意义。
张菁华[6]（2019）在《城市绿化对空气质量的影响研究 ——以27个省会城市为例》文中认为城市间绿化程度与空气污染比较及相关差异分析是提出城市环境管理措施的重要前提。本文选择全国27个主要省会城市,基于网络街景照片和卫星云图测定绿色指数（绿色指数、上层绿色指数、中层绿色指数、下层绿色指数、俯视绿色指数）差异,基于网络街景测定城市森林垂直结构、绿化带宽度、测树因子、乔木数量、树木健康、车道数、车流量、泊车量、人流量、商铺量,在对比空气主要质量指标[空气质量指数（AQI）、细颗粒物（PM25）、可吸入颗粒物（PM10）、二氧化硫（S02）、二氧化氮（NO2）、臭氧（O3）、一氧化碳（CO）]的基础上,探讨了二者的相关关系,旨在为提升环境质量、改善绿化水平提供基础数据。结果表明:1、城市绿化程度与其它背景情况差异:济南市和重庆市空气监测站周围的绿色指数最高,呼和浩特市和拉萨市城市绿色指数最低。上层绿色指数的峰值出现在重庆市、郑州市和福州市,最低值出现在呼和浩特市。贵阳市、济南市和合肥市的中层绿色指数最高,成都市和拉萨市的中层绿色指数最低。下层绿色指数最高的是成都市,最低的是昆明市。在垂直的三层绿色指数中,全国的绿色指数集中在人们最容易看到的中层。杭州市有最高的俯视绿色指数,最低的城市是兰州市。城市绿化垂直结构在不同城市间差异不大。沈阳市的平均绿化带宽度最宽,兰州市最低。呼和浩特市平均100 m范围内乔木数量最多,济南市最少。广州市等6个城市的乔木较大,长春市的树高和胸径较大,但是冠幅较小。太原市、昆明市、济南市和拉萨市的乔木较小。天津市的树木支架比例最高,呼和浩特市等9个城市乔木没有支架。只有哈尔滨市的树冠有枯梢。天津市和长春市的叶片颜色有不正常现象。兰州等9个城市的树木生长势正常比例达到100%。北京市和天津市的树木长势情况最差。206个监测点中,没有树木死亡的情况。车流量最多的城市为天津市,最少的是杭州市;泊车量最高的为长春市,最低的是重庆市;昆明市的人流量最多,海口市的人流量最小;兰州市的商铺量最多,海口市、成都市、长春市和北京市平均每100米内的商铺量不足1间。2、空气质量城市间差异:2015-2018年间27个城市空气质量相关指标的变化情况为:大多数城市AQI随年份增加有下降趋势。全国PM25、PM10、CO和SO2平均含量呈现下降趋势。全国平均NO2浓度呈现先升高后降低的变化规律,且2018年浓度低于2015年平均浓度,但是变化幅度小于5 μg·m-3;三分之二的城市NO2浓度在2016或2017年达到峰值,到2018年都有不同程度的减少。全国平均O3浓度在上升到2017年后开始趋于稳定。空气质量相关指标的冬夏季节差异表现为:AQI、PM25、PM1o、CO、NO2、SO2冬季浓度高于夏季,O3冬夏浓度差别与之相反。郑州市、西安市和济南市空气质量较差,海口市空气质量较好。3、城市绿化与空气质量耦合关系:27个城市绿化、空气质量相关指标、污染排放、气象指标等冗余排序分析:2015-2018年4年间差异:（1）2015年冗余排序分析结果显示,随着海拔的升高,NO2、PM25、AQI、PMio、CO、S02的含量逐渐减少。车道数、乔木数量与03浓度显着负相关,降水量、温度、下层绿色指数与AQI、PM2.5、PM10、SO2、CO、N02显着负相关。（2）2016年冗余排序分析结果为,海拔、降水量与SO2、CO、N02、PM2.5、AQI、PM10之间的负相关关系达到极显着水平。下层绿色指数越大,车道数越多,03浓度越小。随着汽车保有量和商铺量的增加,NO2和O3浓度增加。相对湿度越大,空气质量越好。（3）2017年冗余排序分析结果表明,降水量越大,AQI、PM25、PM10、S02、CO、N02的值越低。海拔和支架比例越高,O3浓度越低。S02浓度随车流量的增大而增大,随冠下高的增高而降低。相对湿度越大,空气质量越好。（4）2018年随着人口的数量增多和建成区绿化覆盖率的增大,O3浓度增大;随海拔的升高,O3含量下降。生活SO2排放越多,S02含量越多;降水量越多和二手房中位价越高,S02含量越少。立体结构越复杂,空气质量越好。（5）冬夏季差异分析发现,冬季随着海拔的升高,AQI、PM2.5、PM10、CO和NO2的值下降,而随着树木生长势正常比例、物种丰富度、上层绿色指数的增加,AQI、PM2.5、PM10、NO2的含量增加。夏季则随着泊车量越多,空气质量越差:汽车保有量、建成区绿化覆盖率、城市商业魅力指数、二手房中位房价的升高多伴随着O3、AQI、PM25、N02的升高。而随着绿色指数增加,SO2、CO、PM10的含量随之增加。方差分解分析发现城市绿化对空气质量差异的解释能力从2015年到2018年增加了 1.7倍（从22.4%增加到38%）,而地理与气象特征对夏季空气质量差异的解释力（15.9%）远大于冬季（24.5%）。考虑到近年来空气质量整体改善明显,我们的结果说明,城市绿化对空气质量的影响作用越来越大,这需要在未来城市规划建设中充分考虑。
刘辰明[7]（2018）在《北京市典型树种吸附PM2.5等颗粒物能力的差异性及机理研究》文中提出城市森林植被净化大气颗粒污染物的功能受到了广泛的重视,但定量评价其净化大气颗粒污染物能力非常困难,本文以北京市典型绿化植物为研究对象,采用称重法以天然降雨与人工模拟降雨相结合的方式定量测定植物对PM2.5等颗粒物的滞尘能力;采用扫描电镜观测叶片表面微观形态结构,利用景观格局软件定量分析叶表微观结构,剖析植物清除细颗粒物（Fine Particles PM2.5）的机制。旨在筛选出反复滞尘能力较强的树种,确定滞尘最佳林带宽度,为北京及周边地区今后的环境绿化以及周边林带的规划设计提供理论依据和数据支撑。研究结果表明:1、不同植物单位叶面积滞尘能力随季节变化而有所改变,从各种植物对总悬浮颗粒物（total suspended particulate,TSP）的吸附能力来看,在各个季节中油松单位叶面积滞尘量均显着高于其他树种。除油松外,春季吸附能力较强的树种为粗榧（5236.66±153.75 mg/m2）和榆树（4999.56±96.24 mg/m2）;夏季为毛白杨（7820.16±649.63 mg/m2）、臭椿（2818.21±139.40 mg/m2）、榆树（2466.05±50.62 mg/m2）、矮紫杉（2392.13±141.22 mg/m2）和水杉（2011.73±31.6 mg/m2）;秋季为毛白杨（2249.36±118.78 mg/m2）、栾树（2230.19±116.09 mg/m2）和栓皮栎（2117.25± 198.18 mg/m2）,冬季为早园竹（6010.32±280.89mg/m2）。各树种吸附PM2.5的能力存在差异,在春季吸附能力最强的树种为油松（6163.03±630.43 mg/m2）、榆树（3511.12±198.63 mg/m2）和粗榧（1880.1±213.31 mg/m2）;夏季为油松（15325.76±1363.70 mg/m2）、毛白杨（3767.79±363.26 mg/m2）、臭椿（1505.91±116.58 mg/m2）、矮紫杉（1226.16±118.48 mg/m2）和榆树（1105.59±112.46 mg/m2）;秋季为油松（1509.22±90.82 mg/m2）、榆叶梅（846.17±74.16 mg/m2）、西府海棠（672.9±66.15 mg/m2）和毛白杨（664.68±49.20 mg/m2）;冬季为油松（4934.64±212.13 mg/m2）和早园竹（3532.02±316.8 mg/m2）。2、不同树种叶表滞尘对降雨的抗冲刷能力差异显着。在29 mm降雨条件下叶表TSP冲刷率最高的树种为毛白杨（90.74±0.53%）、臭椿（82.94±0.4%）、油松（70.53±1.66%）;PM2.5冲刷率最高的树种为毛白杨（90.78±0.74%）、臭椿（88.94±0.74%）、油松（65.78±3.34%）;中雨可以冲刷掉植物叶表20.74-90.74%的总颗粒物、11.92-89.91%PM>10粒级颗粒物及10.5-90.78%PM2.5粒级颗粒物。3、通过单位叶面积滞尘量、叶面积指数、叶片寿命、当年降雨事件估算单位面积土地植物全年滞尘量,得出北京市2014年全年叶片总滞尘为9.70万吨,其中PM>10为5.28万吨,PM10-2.5为0.13万吨,PM2.5为4.32万吨。4、林带滞尘能力受多种因素影响。林缘0 m处受季节影响最大,各个粒径主要是春秋季滞尘量高,夏季受风力和降雨的影响有所下降。林内20 m处春夏季植物对PM>10的吸附量接近,秋季增多;夏季对PM2.5的吸附量低于春季,秋季升高。植物对PM2.5吸附的季节变化存在种间差异。5、五叶地锦、太平花等植物具有条状凸起结构;榆树、大叶黄杨、矮紫杉等植物具有沟槽结构,具沟槽结构的植物滞留PM2.5能力更强。用Fragstats软件分析电镜扫描照片得出,PARA、PAFRAC、PROX指标较小,ENN指标较大的叶表微观几何结构更有利于滞留PM2.5。综上所述,常绿树种对TSP、PM2.5冬季滞尘量最高,春季高于夏秋季节;对PM>10吸附量则在春季最高;落叶树种对TSP、PM2.5、PM>10滞留量均呈现春秋季节高于夏季的规律。从生活型看,常绿乔木是各季吸附颗粒物最好的树种,在实际布设时林带宽度需要超过20 m才能有效降尘。此外降雨对叶片吸附的大颗粒物PM>10冲刷作用较强,叶表吸附的PM2.5不易清除,滞尘量更稳定,中雨（29mm）可以有效去除各个粒级的叶表颗粒物。叶表微观几何结构具较小且相对规则趋于圆形斑块的树种更适用于滞留PM2.5。
关莹[8]（2018）在《基于寒地重工业城市住宅建筑雾霾颗粒物浓度扩散规律—研究分析》文中研究说明随着我国各地区雾霾频发,气溶胶颗粒物污染现象极其严重,对人体健康造成危害。特别是东北地区重工业城市的工厂、交通排放以及煤燃烧等燃烧过程产生的气溶胶粒子成为城市空气环境的主要污染源,造成室外颗粒物浓度持续增长,而室外可吸入颗粒物是室内颗粒物的一个重要来源。因此,结合东北地区气候条件与住宅建筑的自身特点,对室内外颗粒物浓度扩散规律及其相关性进行研究,不仅可以改善室内空气质量,对人体健康有重要意义,同时也为之后关于室内空气污染的控制方法提供参考依据。本课题对东北地区重工业城市沈阳、抚顺及非重工业城市营口住宅建筑的室内外颗粒物浓度相关性进行研究。采用现场实测和长期监测的方法,使用气溶胶检测仪、空气质量监测仪等设备对不同工况下颗粒物浓度进行测试,分析颗粒物浓度变化规律,研究颗粒物在垂直空间的分布特征,结果表明颗粒物浓度随季节变化规律比较明显,即冬季>过渡季>夏季,在密闭工况下的超标率、超标倍数大于非密闭工况;颗粒物浓度在垂直空间减缓递减型季节性变化为秋季>冬季>夏季,快速递减型季节性变化为夏季>冬季>过渡季,细颗粒物PM2.5与颗粒物PM10的相关程度极高。运用FLUENT数值模拟技术分析不同工况下室内温度场、速度场、颗粒物浓度场以及粒子轨迹的分布规律,得到入口温度对室内颗粒物的浓度分布存在影响,温度较高时,室内颗粒物的浓度数值较小,在渗透作用下细颗粒物浓度数值要稍高于自然通风条件下细颗粒物浓度。运用主成分分析的降维思想将室内外颗粒物浓度等多个监测变量转化为两个主成分,使得主成分比原始变量具有更优越的性能,可以涵盖更多信息。另外运用多元线性回归分析方法建立室内细颗粒物浓度与七个监测指标的拟合模型,分析影响室内外颗粒物浓度的因素。对于室内外颗粒物浓度相关性进行研究,室内外颗粒物的IO作为评价室内与室外污染水平的差异的指标;运用实验数据分析换气次数对颗粒物的影响,在相同换气次数条件下,粗颗粒物比细颗粒物穿透系数小,随着换气次数的增加,不同颗粒物的渗透系数P均逐渐增加;当测试时间为12分钟时,换气次数大幅度减小,此时渗透系数趋于平稳。对于室内外颗粒物浓度相关性建立随机组分重叠模型,体现了室外浓度的变化趋势,为接下来室内颗粒物污染的控制方法打下良好的基础。
吕阳,王海峰,魏山山,吴庭枫,刘彤,张雷,赵琦[9]（2017）在《我国严寒地区夏季不同类型建筑物室内外颗粒物相关性研究》文中研究表明目前,室内颗粒物污染越来越受到社会的重视,而室外雾霾天气则会严重影响室内的空气质量。本文为研究严寒地区夏季室内外颗粒物浓度的相关性和影响因素,利用颗粒物在线监测仪在夏季对大庆地区四类建筑类型（办公室、教室、农村住宅和城市住宅）共110户进行了实测与分析。结果发现,夏季大庆地区整体空气质量较好。室内外颗粒物之间存在着明显的线性关系,渗透系数可用来表示它们相关性的大小。对于办公室和城市住宅,渗透系数为0.7214和0.7499。而对于教室和农村住宅,通风换气次数较高,渗透系数略高一些,0.9217和0.9019。因此,夏季以自然通风为主的建筑,大约有70%以上的室内颗粒物是来自于室外。而且室内颗粒物浓度还与室室内外温湿度之间存在着显着的正相关性（p<0.05）,但不同类型建筑之间存在着明显的差别。对于O1类办公建筑建筑以及教室,外墙以玻璃为主,室内外温度的影响更大一些。对于其余建筑,以混凝土墙体结构为主,受相对湿度的影响较大。我们按照时间-活动模式分别求得每天的暴露水平,结果发现:对于城市人群,平均暴露量21.63μg/m3。对于农村人群,平均暴露量为25.64μg/m3。不同性别之间暴露潜在剂量由于呼吸强度的不同也存在差异,男性暴露的潜在剂量比女性高1.2倍。
王桂林[10]（2017）在《快速城市化背景下中国PM2.5污染时空演变过程及其与城市扩张和城市特征变化的时空关系研究》文中认为中国快速城市化进程导致了城市空气污染加剧、生物多样性减少、水环境恶化、水土流失加剧、城市“热岛”效应等一系列城市生态环境问题,直接影响城市可持续发展。研究中国快速城市化背景下,城市扩张以及城市特征变化带来的一系列城市环境问题是中国可持续发展的重要基础。平衡城市化发展与城市生态环境问题已经成为国家乃至世界重要的任务之一,是城市可持续发展的必经之路,而研究城市扩张以及城市特征变化对城市生态环境的影响能够为未来城市规划和可持续发展提供科学依据。近年来,对城市扩张与城市生态环境效应开展定量的与多学科的综合研究已成为城市生态研究的热点。改革开放30年以来,中国快速的城市化发展,已经成为世界发展最快,城市扩张规模最大的国家,其城市空间特征和城市生态环境都发生了明显变化。中国城市空气污染是城市化建设中人类活动对自然环境改造带来的一个最为突出的城市生态环境问题。因此,本文在城市生态学、遥感和GIS技术、空间统计以及相关数理统计等技术支撑下,对中国城市扩张和城市空间特征变化以及城市空气污染,尤其是PM2.5污染的时空演变规律进行深入的剖析,进而探讨研究了中国城市扩张以及城市空间特征变化对城市生态环境效应变化及其相互影响的作用机制。主要研究方法与结果如下:（1）基于时空地理加权回归模型的中国PM2.5质量浓度反演及其时空分布特征本文采用时空地理加强回归模型（Geographically Temporal Weighted Regression,GTWR）综合来自不同卫星的气溶胶垂直厚度（AO D）,GEOS-Chem化学传输模拟值和地面监测值来反演PM2.5质量浓度,得到我国19982015年来PM2.5污染的空间范围,空间分布和时空演变规律,以及各省/市的PM2.5时空演变过程。结果得出GTWR模型效果较好,中国地面监测数据的精度检验结果表明,其反演精度为87.94%,比单独采用GEOS-Chem化学传输模型的反演精度提高了7.8%。19982015年中国PM2.5污染程度具有明显的加剧趋势;中国PM2.5质量浓度在空间分布格局上成倒“T”分布格局,纵向为“东北三省-京津冀-山东-江苏-河南-安徽-湖北-湖南-广西”东南区域污染带,横向为“华北平原-山西-宁夏-甘肃-西宁-新疆塔克拉玛干沙漠”西北区域污染带。其中纵横交接处华北平原污染最为严重。19982015年期间中国PM2.5污染主要沿着这个倒“T”分布格局加剧并向四周扩散,形成稳定的四大污染带,新疆塔克拉玛干沙漠、宁夏、川渝、华北平原污染带,其中华北平原污染面积最大,污染程度最严重,呈向外围扩散的态势。此外,中国PM2.5年均值变化趋势为:从1999年到2003年一直处于上升阶段,从1999年29.89μg/m3上升到2003年的39.49μg/m3,四年增长了9.6μg/m3,年均增长率为8.3%;第二个增长阶段为2004到2006年,从2004年的34.76μg/m3增长到2006年的38.82μg/m3,年均增长率为5.84%;从2006年到2012年进入一个慢慢地减缓波动的阶段,从2006的38.82μg/m3慢慢减缓到2012年的33.02μg/m3。从2012年到2015年,又进入一个快速增长的趋势中,从2012年33.02μg/m3增长到2013年的38.49μg/m3,增长了5.47μg/m3,年均增长率为16.57%;2013年开始中国出台一系列的空气污染控制政策之后,其PM2.5质量浓度又开始进入慢慢的减缓状态,从2013年的38.49μg/m3减缓到2014年的35.99,虽然到2015年又开始增长,但是其增长速度（4.03%）是研究前期增长速度（8.3%）的一半。表明虽然中国出台的一系列空气污染控制政策没能控制住PM2.5污染爆发,但是其抑制了PM2.5质量浓度的增长速度,表明相关政策对治理空气污染还是有效。（2）中国城市扩张以及城市特征变化及其与PM2.5污染时空演变关系中国城市扩张,呈现出中国东部城市发展快速,西部发展缓慢的分布格局,中国城市扩张区域主要分布在长江三角洲、京津冀地区、珠江三角洲、川渝等城市群。总而言之,中国城市化扩张速度和水平都具有区域性,其中90%以上的建成区面积扩张发生在东部区域,具有明显的东高西低的分布格局,其中长江三角洲增长最快。本文基于2000和2010年的城市区域分类数据,分析了中国城市扩张以及城市特征变化,中国2000年的城市建成区面积为98819.88 km2,到2010年增长了27839.94 km2,增长率为28.17%。该研究根据中国城市人口密度与城市区域面积数据,把城市人口总数大于10万人405个城市区域作为典型代表区域来分析中国城市扩张以及城市特征变化带来的城市环境效应。这405个典型区域在2000年的建成区面积为59210.24 km2,占2000年建成区总面积的59.92%,增长到2010年的城市面积为84973.44 km2（占2010年建成区总面积的67.09%）,增长率为43.51%,是全国增长率的1.54倍。2000-2010年间,405个城市区域的人口密度增长是全国的2.2倍,不透水表面覆盖率是全国的3.31倍,植被覆盖率（NDVI）增长小于全国水平,夜间灯光指数是全国的2.4倍,而相同的空间格局下,405个城市区域的从2000年的28.99μg/m3增到2010年53.51μg/m3,增长值为24.52μg/m3,年均增长率为8.46%,是全国平均水平的5.19倍。此外,由于PM2.5质量浓度有一部分是由于扬尘和海盐造成的,尤其是我国西北地区,例如新疆塔克拉玛干沙漠等,扬尘和海盐不属于城市化的结果。因此,本文研究分析了去尘去海盐后的我国PM2.5污染时空分布特征,平均质量浓度从2000年的24.90μg/m3增长到2010年的30.39μg/m3,增长值为5.49μg/m3,年均增长率为2.20%,而405个城市区域的去尘去海盐的PM2.5质量均值从2000年的24.64μg/m3增长到2010年47.39μg/m3,增长值为22.75μg/m3,年均增长率为9.23%,是全国平均水平的4.20倍。结论表明中国在2000年的时候,典型城市区域PM2.5平均浓度低于中国平均水平,中国乡村的空气污染严重于城市区域,主要因为在2000年农村生活水平落后,大部分家庭使用劣质煤做饭和取暖,且农村耕作居多,严重的生物质燃烧也是导致农村PM2.5质量浓度的升高的主要原因,农村地面都是泥土道路,会形成严重的扬尘污染,导致PM2.5质量浓度升高。而城市主要来源的机动车排放,工业源排放在2000年都还不突出,从而导致2000年的农村PM2.5质量浓度高于城市区域。随着中国城市化进程推进,中国城市空气污染越来越严重,农村空气反而变好,首先随着耕作人口的减少,生物质燃烧相应减少,农村人也开始使用天然气烧饭和取暖,进而减少农村区域的PM2.5污染。而城市里的机动车激烈增长和重工业的化工燃料的燃烧,导致城市空气污染越来越严重。以及中国随着巨大人口从农村流动到城市中,有限的城市空间承载着越来越多的人口生活需求,进而导致城市生态环境恶化,空气污染严重加剧。从该结论得出,排除气象条件对大气污染的扩散和稀释,从污染源头来说,中国城市化进程是导致中国城市污染严重的主要因素。中国城市扩张符合“胡焕庸线”分布格局。以“胡焕庸线”为界限,405个典型城市区域有5.93%（24/405）的位于西北,94.07%（381/405）的城市位于东部。西北的城市区域在2000年其所占城市区域面积为2614.14km2,到2010年城市扩张面积为936.80km2,年均增长率为3.58%。西北典型城市区域人口总量从2000年的426.07万人到2010年的1362.33万人,年均增长率为21.97%;西北典型城市区域空间特征变化分别为面积加权人口密度增长了2119.22人/km2,面积加权的不透表面覆盖率提高了8.06%,面积加权的夜间灯光指数城均增长了34.67%,面积加权的植被指数增长0.05。而西北城市区域的PM2.5质量浓度从2000年的城市区域面积加权均值为21.43μg/m3到2010年的48.15μg/m3,增长值为26.72μg/m3,增长率为124.69%,年均增长率为12.47%;另外,除去扬尘和海盐成分后,西北地区典型城市PM2.5面积加权质量浓度均值从2000年的8.08μg/m3,增长到2010年的23.99μg/m3,增长值为15.91μg/m3,增长率为196.91%,年均增长率为19.7%。可见,中国西北地区主要是由于扬尘导致PM2.5增长,在2000年,西北地区典型城市区域内扬尘成分所PM2.5质量浓度的比例为62.3%μg/m3,到2010年,扬尘成分所占比例为50.18%,扬尘成分有所减少,但是PM2.5污染总体在增长,这是因为西北地区城市化导致的污染成分在增长。其中除去扬尘和海盐后的PM2.5的年均增长率明显大于含所有成分的PM2.5质量浓度的年均增长率,也就是城市化产生的PM2.5增长显着,而由环境产生的扬尘等变化不显着。得出西北地区导致PM2.5质量浓度增长的主要因素为城市化进程中的污染排放。而以“胡焕庸线”以东的94.07%的（381/405）的城市区域在2000年的城市面积为56596.10km2增长到2010年的81422.51km2,城市扩张面积为24826.41km2,是西北地区城市扩张面积的26.50倍,东部的城市面积年均扩张率为4.37%。东部城市人口总量从2000年人口总数的0.71亿人,增长到2010年的3.23亿,其增长人口数量为2.62亿人,是西北人口增长数量的18.71倍,其年均值增长率为36.9%。此外,东部典型城市区域的城市空间特征变化分别为:面积加权人口密度增长了2777.29人/km2,比西北地区的人口密度增长高出658.07人/km2,面积加权的不透水表面覆盖率均值增长了16.73%,是西北地区增长值的2.08倍,面积加权的夜间灯光指数增长了39.58%,高于西北城市区域的夜间灯光指数的增长,面积加权NDVI增长了0.20,是西北城市区域的4倍。东部城市随着较高的城市化发展,同时也伴随着更严峻的PM2.5污染,PM2.5面积加权质量浓度从2000年的14.58μg/m3,增长到2010年的54.63μg/m3;增长值为40.05μg/m3,年均增长率为27.47%,是西北典型城市PM2.5质量浓度增长率的129.29%倍。此外,去尘去海盐后的东部城市区域面积加权PM2.5质量浓度从2000年的12.86μg/m3,增长到2010年的50.03μg/m3,其PM2.5质量浓度加剧了37.17μg/m3,年均增长率为28.9%,比西倍典型区域年均增长率高了9.2%。另外,中国东部城市城市化发展明显高于西北城市,且中国东部城市在2000年的PM2.5污染程度低于西北城市,这主要是因为2000年的时候,中国东部城市城市化导致的污染还不显着,由城市导致的PM2.5排放污染还没有体现出来,而西北城市区域由于常年风沙和扬尘导致PM2.5质量浓度高于东部城市。到2010年,中国东部激烈的城市化进程,随着汽车尾气排放加剧,工业污染排放加重,使得由城市进程导致的PM2.5排放污染成为主导因素,东部城市在2010年的PM2.5污染远高于西北城市。（3）中国城市扩张以及城市特征变化对PM2.5质量浓度的影响为了分析中国快速城市化进程对中国城市空气污染的影响,基于2010年与2000年的城市扩张数据和城市空间特征变化数据,首先采用单变量回归分析了各空间变量变化与PM2.5质量浓度变化的相关关系。结果得出城市空间紧凑度和NDVI与PM2.5质量浓度变化呈显着负相关,对PM2.5污染具有抑制和减缓作用。人口密度,不透水表面覆盖率和夜间灯光指数与PM2.5质量浓度变化成正相关关系。城市扩张和空间特征变化与PM2.5质量浓度变化的关系显着强度如下:夜间灯光指数>城市空间紧凑度>人口密度>不透水表面覆盖率>城市地域扩张>城市人口扩张>归一化植被覆盖率;夜间灯光指数与PM2.5变化的关系最为明显,其相关系数R为0.76,强相关性,表明中国经济发展对PM2.5质量浓度带来的影响最为显着;城市空间紧凑度和人口密度变化与PM2.5质量浓度变化的相关系数分别为0.65和0.54,中强相关性;不透水表面覆盖率的变化,城市地域扩张和城市人口扩张其与PM2.5质量浓度的相关系数分别为0.38、0.37、0.28,为中相关性;NDVI与PM2.5质量浓度的相关性比较小,其R=0.16。结论表明城市特征变化与PM2.5质量浓度的关系均大于城市扩张（人口扩张,城市面积扩张）。仅从单变量变化与PM2.5质量浓度变化关系得出,中国城市特征变化与城市特征空间异质性变化对空气污染的相关关系显着于城市扩张指标（人口扩张,地域面积扩张）,特别是城市空间特征变化。因此,在未来城市扩张过程,合理布局城市空间格局不但不会产生污染,还会降低污染排放,对城市空气污染控制与预防带来重要途径。为了进一步分析城市扩张以及城市空间特征变化对城市空气污染的影响,采用多元回归模型分析了中国城市扩张及城市特征变化对城市PM2.5质量浓度的影响。由于城市空气污染问题,不单纯为城市化扩张的结果,同时也受城市地形地貌、城市气象条件、生物质燃烧等因素的影响。因此,在模型构建过程中,考虑了2000年城市基础特征（建成区面积、人口总数量、紧凑度、人口密度、夜间灯光指数、不透水表面覆盖率、NDVI）、城市气象条件（降雨、气温）、城市地形地貌（高程、坡度、坡向）、生物质燃烧等因素对城市PM2.5污染的影响,把这些空间变量也加入到模型中,成为调整参数,以此来更准确地分析中国城市化进程中,城市扩张、城市特征变化、城市空间特征异质性变化对PM2.5污染的影响研究。基于这些影响因素,该研究构建了包含24个自变量的多元回归模型以及包含部分变量的逐步多元回归模型。结论表明包括城市扩张,城市特征变化,城市特征异质性变化和调整参数（2000年基础城市特征,气象条件,城市地形,秸秆燃烧）的多元回归模型能够解析我国PM2.5质量浓度77.8%的变化,其中除去调整参数的影响,城市特征变化对PM2.5质量质量浓度变化的解析力度最强,能解析其39.3%的变化,而城市特征空间异质性能解析其14.9%的变化,二者均大于2000基础城市特征对PM2.5质量浓度变化的解析力度（3.7%）,得出中国城市扩张,城市特征变化（城市紧凑度、城市不透水表面覆盖率、植被覆盖率、夜间灯光指数、人口密度）以及城市特征的空间异质性对PM2.5质量浓度变化影响显着。未来可持续发展的新型城市建设中,城市土地利用格局与政策对建设环境友好,生态和谐的城市具有非常重要的意义。
二、南宁市大气颗粒物PM_(l0)、PM_(2.5)污染水平（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、南宁市大气颗粒物PM_(l0)、PM_(2.5)污染水平（论文提纲范文）
（1）典型城市住宅居室PM2.5现状及其影响因素（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 常用缩写词中英文对照表 |
| 第一章 前言 |
| 1.1 研究背景 |
| 1.1.1 PM_(2.5)概述 |
| 1.1.2 室内PM_(2.5)暴露情景分析 |
| 1.2 国内外住宅PM_(2.5)研究现状 |
| 1.2.1 全球住宅PM_(2.5)污染现状 |
| 1.2.2 我国住宅PM_(2.5)污染现状 |
| 1.2.3 住宅PM_(2.5)的影响因素研究现状 |
| 1.3 PM_(2.5)暴露对儿童健康影响的研究现状 |
| 1.4 室内外PM_(2.5)污染的防控措施现状 |
| 1.5 研究目的、内容和意义 |
| 第二章 研究方法 |
| 2.1 技术路线 |
| 2.2 研究设计 |
| 2.3 样本量估算 |
| 2.4 调查对象 |
| 2.4.1 调查城市 |
| 2.4.2 调查家庭 |
| 2.4.3 调查人员 |
| 2.5 研究方法 |
| 2.5.1 住宅室内污染检测 |
| 2.5.2 室外大气污染数据 |
| 2.5.3 问卷调查 |
| 2.5.4 伦理审查 |
| 2.6 质量控制 |
| 2.6.1 现场检测质量控制 |
| 2.6.2 问卷调查质量控制 |
| 2.7 统计分析 |
| 2.7.1 数据清洗 |
| 2.7.2 数据分析 |
| 第三章 结果 |
| 3.1 研究对象的基本情况 |
| 3.1.1 调查家庭基本状况 |
| 3.1.2 调查住宅基本状况 |
| 3.1.3 调查儿童基本状况 |
| 3.2 住宅PM_(2.5)污染现状 |
| 3.2.1 总体特征 |
| 3.2.2 季节差异 |
| 3.2.3 室内采样点差异 |
| 3.2.4 上下风向区域差异 |
| 3.2.5 城市差异 |
| 3.2.6 区域差异 |
| 3.3 住宅室内外PM_(2.5)的关联性探究 |
| 3.3.1 住宅室内外PM_(2.5)的相关性分析 |
| 3.3.2 住宅室内外PM_(2.5)浓度比值I/O的分布 |
| 3.4 住宅PM_(2.5)的影响因素探究 |
| 3.4.1 住宅建筑特征的影响 |
| 3.4.2 居家烹饪行为的影响 |
| 3.4.3 居家生活习惯的影响 |
| 3.4.4 居家健康防护措施的影响 |
| 3.4.5 住宅环境多种因素与PM_(2.5)浓度的相关分析 |
| 3.4.6 住宅环境多种因素与PM_(2.5)浓度的多因素线性回归 |
| 3.5 住宅PM_(2.5)对儿童呼吸系统症状及主诉症状的影响探究 |
| 3.5.1 居室PM_(2.5)儿童日均暴露剂量ADD分布情况 |
| 3.5.2 居室PM_(2.5)与儿童呼吸系统部分疾病既往患病情况 |
| 3.5.3 居室PM_(2.5)与儿童既往患病的多因素Logistic回归 |
| 3.5.4 居室PM_(2.5)与儿童主诉症状情况分析 |
| 第四章 讨论 |
| 4.1 住宅居室PM_(2.5)污染现状及特征 |
| 4.2 住宅室内外PM_(2.5)的关联分析 |
| 4.3 居室PM_(2.5)的影响因素分析 |
| 4.4 居室PM_(2.5)的健康影响分析 |
| 4.5 研究的创新性和不足 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 附件1 家庭住宅环境调查问卷及填写说明 |
| 附件2 儿童健康水平调查问卷及填写说明 |
| 发表文章 |
| 个人简历 |
| 致谢 |
（2）北京市近年大气颗粒物和近地面臭氧的相互影响研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展 |
| 1.3 研究目的与研究内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.4 研究思路与技术路线 |
| 1.4.1 研究思路 |
| 1.4.2 技术路线 |
| 1.5 本论文研究创新点 |
| 第2章 实验部分 |
| 2.1 观测地点和观测时间 |
| 2.2 观测设备与观测内容 |
| 2.3 质量控制和质量保证 |
| 2.4 数据处理 |
| 第3章 北京市大气颗粒物和臭氧污染特征及关联性研究 |
| 3.1 大气颗粒物和臭氧污染特征 |
| 3.2 大气颗粒物和臭氧浓度关联性研究 |
| 3.2.1 PM_(2.5)与臭氧浓度的分布特征 |
| 3.2.2 PM_(2.5)与臭氧浓度相关系数空间分布 |
| 3.2.3 不同PM_(2.5)浓度下臭氧浓度日变化特征 |
| 3.3 气象因素对大气颗粒物和臭氧浓度相关性的影响 |
| 3.4 本章小结 |
| 第4章 北京市大气氧化性及其对大气颗粒物污染的影响 |
| 4.1 大气氧化剂O_x浓度变化特征 |
| 4.1.1 大气氧化剂O_x浓度年际变化和季节变化 |
| 4.1.2 大气氧化剂O_x与PM_(2.5)浓度的分布特征 |
| 4.2 大气光化学反应活跃程度对大气二次粒子生成的影响 |
| 4.2.1 光化学反应活跃程度的分类 |
| 4.2.2 不同光化学反应活跃程度对大气二次粒子生成的影响 |
| 4.3 大气氧化性对大气颗粒物中二次无机组分生成的影响 |
| 4.3.1 PM_(2.5)中水溶性无机离子组成特征 |
| 4.3.2 大气中SO_2和NO_2的硫转化率与氮转化率 |
| 4.3.3 大气氧化剂O_x与PM_(2.5)中二次无机盐、SOR和NOR相关性 |
| 4.4 本章小结 |
| 第5章 北京市大气颗粒物光学特性及其对臭氧污染的影响 |
| 5.1 大气颗粒物基本光学特性 |
| 5.1.1 大气颗粒物的散射和吸收特性 |
| 5.1.2 气溶胶光学厚度及波长指数 |
| 5.2 大气颗粒物光学特性对太阳辐射和J[NO_2]的影响 |
| 5.2.1 大气颗粒物光学特性对太阳辐射的影响 |
| 5.2.2 大气颗粒物光学特性对J[NO_2]的影响 |
| 5.3 不同污染类型大气颗粒物光学特性对臭氧的影响 |
| 5.4 低VOCs和NO_2浓度下大气颗粒物光学特性对臭氧的影响 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究结论 |
| 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 |
（3）北京市某区小学生尿中甲基叔丁基醚暴露水平及影响因素研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一部分 前言 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 MTBE的生产使用现状 |
| 1.2.2 MTBE对生态环境和健康的影响 |
| 1.2.3 MTBE人群暴露途径 |
| 1.2.4 人体生物材料中MTBE的检测方法 |
| 1.3 研究目的和意义 |
| 第二部分 内容与方法 |
| 2.1 调查对象 |
| 2.2 调查资料收集 |
| 2.2.1 个体活动情况监测 |
| 2.2.2 个人生活方式问卷调查 |
| 2.3 个体PM_(2.5)水平监测 |
| 2.4 空气质量监测站点数据收集 |
| 2.5 尿样采集 |
| 2.6 实验室检测 |
| 2.6.1 尿肌酐检测 |
| 2.6.2 尿中MTBE检测 |
| 2.7 统计分析 |
| 2.8 质量控制 |
| 2.8.1 调查准备阶段 |
| 2.8.2 现场调查阶段 |
| 2.8.3 数据收集整理阶段 |
| 2.9 技术路线图 |
| 第三部分 研究结果 |
| 3.1 描述性分析 |
| 3.1.1 一般情况 |
| 3.1.2 尿中MTBE暴露水平 |
| 3.1.3 不同暴露因素MTBE水平分组比较 |
| 3.2 尿中MTBE暴露水平影响因素分析 |
| 3.2.1 多元回归分析 |
| 3.2.2 混合线性模型分析 |
| 3.3 尿中MTBE暴露水平与个体PM_(2.5)暴露水平的相关性分析 |
| 3.4 尿中MTBE暴露水平与大气中PM_(2.5)、PM_(10)、CO、SO_2、NO_2、O_3暴露水平的相关性分析 |
| 第四部分 讨论 |
| 4.1 尿中MTBE的影响因素研究 |
| 4.1.1 学生尿中MTBE暴露水平与暴露地点 |
| 4.1.2 学生尿中MTBE暴露水平与暴露时间 |
| 4.2 尿中MTBE暴露水平与个体PM_(2.5)暴露水平、大气中PM_(2.5)、PM_(10)、CO、SO_2、 NO_2、O_3暴露水平之间相关性分析 |
| 4.2.1 尿中MTBE暴露水平与大气中PM_(2.5)、PM_(10)、NO_2的相关性分析 |
| 4.2.2 尿中MTBE暴露水平与个体PM_(2.5)外暴露水平的相关性分析 |
| 4.2.3 尿中MTBE暴露水平大气中CO、SO_2、O_3的相关性分析 |
| 第五部分 结论 |
| 5.1 研究结论 |
| 5.2 研究的创新性 |
| 5.3 研究的局限性 |
| 参考文献 |
| 综述：汽车尾气暴露健康效应的研究进展 |
| 参考文献 |
| 附件 |
| 个人简介 |
| 致谢 |
| 附件 |
（4）大气颗粒物的化学组成、来源识别和污染评价研究 ——以合肥市为例（论文提纲范文）
| 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 大气颗粒物的影响 |
| 1.2.2 大气颗粒物的浓度水平及其变化 |
| 1.2.3 大气颗粒物的组成成分 |
| 1.2.4 大气颗粒物的来源 |
| 1.2.5 大气颗粒物的风险评价 |
| 1.3 研究目的和研究内容 |
| 1.4 研究思路和技术路线 |
| 1.5 主要工作量 |
| 第二章 样品与方法 |
| 2.1 研究区域概况 |
| 2.1.1 自然概况 |
| 2.1.2 人文和经济概况 |
| 2.2 样品采集 |
| 2.3 样品测试 |
| 2.3.1 元素测试 |
| 2.3.2 水溶性离子测试 |
| 2.3.3 矿物组成和精细结构测试 |
| 2.3.4 同位素组成测试 |
| 2.4 监测方法 |
| 2.5 质量控制 |
| 第三章 合肥市大气颗粒物浓度水平、分布特征和相关性分析 |
| 3.1 概述 |
| 3.2 大气颗粒物的浓度水平和时空分布特征 |
| 3.2.1 大气颗粒物的浓度水平 |
| 3.2.2 大气颗粒物的时空分布 |
| 3.3 不同粒径颗粒物与空气质量指数的相关性 |
| 3.4 不同粒径颗粒物与其他主要污染物的相关性 |
| 3.5 本章小结 |
| 第四章 合肥市大气颗粒物元素组成分布特征及成因分析 |
| 4.1 概述 |
| 4.2 大气颗粒物元素组成及成因分析 |
| 4.3 大气颗粒物元素分布特征及成因分析 |
| 4.3.1 大气颗粒物元素季节分布特征及成因分析 |
| 4.3.2 大气颗粒物元素空间分布特征及成因分析 |
| 4.4 不同粒径颗粒物元素特征及成因分析 |
| 4.5 与其他城市大气颗粒物元素组成特征对比及成因分析 |
| 4.6 本章小结 |
| 第五章 合肥市大气颗粒物离子组成分布特征及成因分析 |
| 5.1 概述 |
| 5.2 大气颗粒物离子组成及成因分析 |
| 5.3 大气颗粒物离子季节分布特征及成因分析 |
| 5.4 不同粒径颗粒物离子特征及成因分析 |
| 5.5 与其他城市颗粒物离子组成特征对比及成因分析 |
| 5.6 本章小结 |
| 第六章 合肥市大气颗粒物的矿物组成和精细结构分析 |
| 6.1 概述 |
| 6.2 大气颗粒物矿物组成分析 |
| 6.3 大气颗粒物精细结构分析 |
| 6.4 本章小结 |
| 第七章 大气颗粒物的来源识别方法和应用 |
| 7.1 概述 |
| 7.2 大气颗粒物来源识别方法 |
| 7.2.1 聚类分析法 |
| 7.2.2 主成分分析法 |
| 7.2.3 同位素组成法 |
| 7.3 合肥市的大气颗粒物来源识别 |
| 7.4 与其他城市大气颗粒物来源识别对比 |
| 7.5 来源识别方法评述 |
| 7.6 本章小结 |
| 第八章 大气颗粒物的污染评价方法和应用 |
| 8.1 概述 |
| 8.2 大气颗粒物污染评价方法 |
| 8.2.1 富集因子评价法 |
| 8.2.2 潜在生态风险评价法 |
| 8.2.3 健康风险评价法 |
| 8.3 合肥市的大气颗粒物污染评价 |
| 8.4 与其他城市大气颗粒物污染评价对比 |
| 8.5 污染评价方法评述 |
| 8.6 本章小结 |
| 第九章 结论与创新点 |
| 9.1 主要结论 |
| 9.1.1 合肥市大气颗粒物浓度水平、分布特征和相关性分析 |
| 9.1.2 合肥市大气颗粒物元素组成分布特征及成因分析 |
| 9.1.3 合肥市大气颗粒物离子组成分布特征及成因分析 |
| 9.1.4 合肥市大气颗粒物的矿物组成和精细结构分析 |
| 9.1.5 大气颗粒物的来源识别方法和应用 |
| 9.1.6 大气颗粒物的污染评价方法和应用 |
| 9.2 创新点 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（5）中国秸秆焚烧大气污染物高分辨率排放特征研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 论文特色及创新点 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 排放因子的测定 |
| 1.2.2 秸秆焚烧污染物排放估算 |
| 1.2.3 秸秆焚烧污染物排放空间分布特征研究 |
| 1.2.4 秸秆焚烧污染物排放时间分布特征研究 |
| 1.2.5 现阶段研究存在的不足 |
| 1.3 研究目的和内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 第2章 研究方法与资料 |
| 2.1 研究方法 |
| 2.1.1 总体技术路线 |
| 2.1.2 秸秆焚烧污染物排放量的计算方法 |
| 2.1.3 秸秆焚烧污染物排放时空分布的处理方法 |
| 2.1.4 不确定性分析方法 |
| 2.2 数据资料 |
| 2.2.1 农作物产量 |
| 2.2.2 草谷比 |
| 2.2.3 焚烧比例 |
| 2.2.4 焚烧效率 |
| 2.2.5 排放因子 |
| 2.2.6 网格化分配数据资料 |
| 第3章 基于行政区的秸秆焚烧大气污染物排放量 |
| 3.1 秸秆资源量和焚烧量 |
| 3.1.1 秸秆资源量 |
| 3.1.2 秸秆田间和家用焚烧量 |
| 3.2 秸秆焚烧污染物排放量 |
| 3.2.1 全国各农作物秸秆焚烧污染物排放量 |
| 3.2.2 各地区秸秆焚烧污染物排放量 |
| 3.2.3 相关研究结果的对比分析 |
| 3.3 不确定性分析 |
| 3.4 本章小结 |
| 第4章 秸秆焚烧污染物排放的空间分布特征 |
| 4.1 秸秆田间焚烧污染物排放空间分布 |
| 4.2 秸秆家用燃烧的污染物排放空间分布 |
| 4.3 秸秆焚烧污染物排放的精细化空间分布 |
| 4.3.1 三大农作物秸秆焚烧污染物排放空间分布 |
| 4.3.2 秸秆总体焚烧的污染物排放空间分布 |
| 4.4 本章小结 |
| 第5章 秸秆焚烧污染物排放的时间分布特征 |
| 5.1 全国秸秆焚烧污染物排放总体的时间分布 |
| 5.2 南、北方秸秆焚烧污染物排放的时间分布 |
| 5.3 六大地区秸秆焚烧污染物排放的时间分布 |
| 5.4 本章小结 |
| 第6章 全国秸秆焚烧污染物排放年际演变特征 |
| 6.1 2001～2017年田间火点年际变化趋势 |
| 6.2 2001～2017年田间火点季度变化趋势 |
| 6.3 2001～2017年田间火点月份变化趋势 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 主要结论 |
| 7.1.1 秸秆焚烧污染物排放总量特征 |
| 7.1.2 秸秆焚烧污染物排放空间分布特征 |
| 7.1.3 秸秆焚烧污染物排放时间分布特征 |
| 7.2 存在不足与展望 |
| 7.2.1 秸秆焚烧比例有待进一步调研 |
| 7.2.2 秸秆焚烧污染物空间分配的方法有待进一步改进 |
| 7.2.3 对于秸秆焚烧时间分布特征有待进一步完善 |
| 参考文献 |
| 攻读硕士学位期间的主要成果 |
| 致谢 |
（6）城市绿化对空气质量的影响研究 ——以27个省会城市为例（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 街景地图及用于城市绿化研究进展 |
| 1.1.1 街景地图的发展 |
| 1.1.2 基于街景的城市绿化参数测量 |
| 1.1.3 基于街景的城市树木大小 |
| 1.2 城市森林重要性 |
| 1.2.1 城市森林概念 |
| 1.2.2 我国城市森林的发展 |
| 1.3 我国空气质量评价体系及监测站建设 |
| 1.3.1 空气中的主要污染物及其危害 |
| 1.3.2 我国空气质量监测站及数据应用 |
| 1.4 影响空气质量的因素:自然因素、城市绿化与经济发展 |
| 1.4.1 自然因素对空气质量的影响 |
| 1.4.2 城市绿化对空气质量影响研究现状 |
| 1.5 本研究的目的与意义 |
| 2 研究地区与研究方法 |
| 2.1 研究区概况及空气质量监测 |
| 2.2 绿色指数的计算 |
| 2.2.1 基于街景照片的绿色指数计算 |
| 2.2.2 基于街景照片的垂直分层绿色指数计算 |
| 2.2.3 基于百度卫星云图的俯视绿色指数计算 |
| 2.3 基于街景街道绿化特征数据获取 |
| 2.4 基于街景街道情况数据获取 |
| 2.5 其他数据来源 |
| 2.6 数据处理 |
| 3 27个城市绿化、气象、排放特征差异分析 |
| 3.1 27个城市绿化特征的城市间差异 |
| 3.1.1 27个城市街景绿色指数的城市间差异 |
| 3.1.2 27个城市俯视绿色指数的城市间差异 |
| 3.1.3 27个城市物种丰富度、绿化覆盖率的城市间差异 |
| 3.2 27个城市气象与地理特征差异 |
| 3.3 27 城市经济与排放特征差异 |
| 3.4 本章小结 |
| 4 27个城市空气质量相关指标差异:年份、季节变化特征 |
| 4.1 2015-2018年空气质量相关指标城市间差异 |
| 4.2 2016年冬季和夏季空气质量相关指标城市间差异 |
| 4.3 讨论 |
| 4.3.1 2015-2018年空气质量变化 |
| 4.3.2 2016年冬季、夏季空气质量差异 |
| 4.4 本章小结 |
| 5 城市街道绿化特征与空气质量排序分析:城市内差异 |
| 5.1 北京市 |
| 5.2 成都市 |
| 5.3 福州市 |
| 5.4 广州市 |
| 5.5 贵阳市 |
| 5.6 哈尔滨市 |
| 5.7 海口市 |
| 5.8 杭州市 |
| 5.9 合肥市 |
| 5.10 呼和浩特市 |
| 5.11 济南市 |
| 5.12 昆明市 |
| 5.13 拉萨市 |
| 5.14 兰州市 |
| 5.15 南昌市 |
| 5.16 南京市 |
| 5.17 南宁市 |
| 5.18 上海市 |
| 5.19 沈阳市 |
| 5.20 太原市 |
| 5.21 天津市 |
| 5.22 武汉市 |
| 5.23 西安市 |
| 5.24 长春市 |
| 5.25 长沙市 |
| 5.26 郑州市 |
| 5.27 重庆市 |
| 5.28 绿色指数与空气质量Pearson相关性分析:城市间差异 |
| 5.29 垂直分层绿色指数与空气质量相关指标相关分析:冬夏差异 |
| 5.30 本章小结 |
| 6 空气质量相关指标、城市绿化、排放、气象特征排序分析 |
| 6.1 2015-2018年时间变化差异 |
| 6.2 冬季和夏季差异—2016年为例 |
| 6.3 空气质量与绿色指数相关:2016整体数据分析 |
| 6.4 讨论 |
| 6.4.1 空气污染程度降低增加了城市绿化对空气质量贡献 |
| 6.4.2 城市绿化对空气质量影响存在明显季节差异 |
| 6.4.3 超出植被净化范围:城市绿化贡献的作用 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
（7）北京市典型树种吸附PM2.5等颗粒物能力的差异性及机理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 大气颗粒物沉降原理 |
| 1.2.2 植被对空气颗粒物阻滞吸附研究 |
| 1.2.3 植被阻滞吸附空气颗粒物种间差异性研究 |
| 1.2.4 空气颗粒物对植被的影响研究 |
| 1.2.5 不同尺度植被对PM2.5等颗粒物滞尘能力研究 |
| 1.2.5.1 叶片尺度 |
| 1.2.5.2 单木尺度 |
| 1.2.5.3 林分尺度 |
| 1.3 研究目的和意义 |
| 1.4 研究内容和技术路线 |
| 2 研究区概况 |
| 2.1 自然地理概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌 |
| 2.1.3 植被类型 |
| 2.1.4 气候特点 |
| 2.1.5 空气质量状况 |
| 2.2 北京市森林资源概况 |
| 2.3 研究树种选择 |
| 2.4 研究地点 |
| 2.4.1 北京林业大学校园 |
| 2.4.2 奥林匹克森林公园 |
| 3 不同树种季节性滞尘能力变化规律研究 |
| 3.1 研究方法 |
| 3.1.1 样品采集方法 |
| 3.1.2 单位叶面积滞尘量测量方法 |
| 3.1.3 统计分析 |
| 3.2 结果与分析 |
| 3.2.1 不同树种春季滞尘量差异性研究 |
| 3.2.2 不同树种夏季滞尘量差异性研究 |
| 3.2.3 不同树种秋季滞尘量差异性研究 |
| 3.2.4 不同树种冬季滞尘量差异性研究 |
| 3.2.5 不同树种稳定滞尘量差异研究 |
| 3.2.6 同一树种四季滞尘能力变化规律研究 |
| 3.2.6.1 常绿阔叶树种滞留颗粒物季节性变化规律研究 |
| 3.2.6.2 落叶树种滞留颗粒物季节性变化规律研究 |
| 3.3 讨论 |
| 3.4 小结 |
| 4 降雨对不同树种再滞尘能力影响的研究 |
| 4.1 研究方法 |
| 4.1.1 样品采集方法 |
| 4.1.2 单位叶面积再滞尘量计算方法 |
| 4.1.3 统计分析 |
| 4.2 结果与分析 |
| 4.2.1 不同树种雨后剩余滞尘量的比较 |
| 4.2.2 不同降水对叶表大气颗粒污染物冲刷量及冲刷率的树种差异 |
| 4.2.3 降雨对树种相同粒径再滞尘的影响 |
| 4.3 讨论 |
| 4.3.1 树种间叶表吸附大气颗粒物的差异 |
| 4.3.2 降雨对去除植物叶表不同粒径能力的差异 |
| 4.3.3 不同降雨条件对树种再滞尘能力的影响差异 |
| 4.4 小结 |
| 5 不同树种单位土地面积年均滞尘量研究 |
| 5.1 研究方法 |
| 5.1.1 样品采集方法 |
| 5.1.2 单位土地面积滞尘量计算方法 |
| 5.1.3 统计分析 |
| 5.2 结果与分析 |
| 5.2.1 不同树种单位土地面积夏季滞尘量差异性研究 |
| 5.2.2 不同树种单位土地面积年均滞尘量研究 |
| 5.3 讨论 |
| 5.4 小结 |
| 6 林带对PM2.5等颗粒物的削减能力研究 |
| 6.1 研究方法 |
| 6.1.1 样地选择 |
| 6.1.2 样地布设 |
| 6.1.3 样品采集方法 |
| 6.1.4 单位叶面积滞尘量测量方法 |
| 6.1.5 统计分析 |
| 6.2 结果与分析 |
| 6.2.1 不同树种林带春季滞留PM2.5等颗粒物能力差异 |
| 6.2.2 不同树种林带夏季滞留PM2.5等颗粒物能力差异 |
| 6.2.3 不同树种林带秋季滞留PM2.5等颗粒物能力差异 |
| 6.2.4 同一树种林带季节性滞尘能力变化规律研究 |
| 6.3 讨论 |
| 6.4 小结 |
| 7 叶表微观结构对植物滞尘量影响的研究 |
| 7.1 研究方法 |
| 7.1.1 样品采集方法 |
| 7.1.2 单位叶面积滞尘量测量方法 |
| 7.1.3 植物叶表电镜扫描观测实验方法 |
| 7.1.4 电镜扫描图片的预处理 |
| 7.1.5 使用Fragstats软件对图像进行数据化处理 |
| 7.1.6 统计分析 |
| 7.2 结果与分析 |
| 7.3 讨论 |
| 7.4 小结 |
| 8 结论与展望 |
| 8.1 主要结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 附表 采样时间地点表 |
| 附图 不同树种电镜扫描照片 |
| 个人简介 |
| 导师简介 |
| 获得成果清单 |
| 致谢 |
（8）基于寒地重工业城市住宅建筑雾霾颗粒物浓度扩散规律—研究分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 颗粒物对人体危害 |
| 1.3 颗粒物的传输机理 |
| 1.3.1 穿透 |
| 1.3.2 沉降 |
| 1.3.3 扬尘 |
| 1.4 国内外研究现状 |
| 1.4.1 国外研究现状 |
| 1.4.2 国内研究现状 |
| 1.5 主要研究内容 |
| 第二章 颗粒物扩散规律及相关性研究基础理论 |
| 2.1 室外颗粒物进入室内方式 |
| 2.1.1 机械通风 |
| 2.1.2 自然通风 |
| 2.2 颗粒受力分析 |
| 2.3 数据处理方法 |
| 2.3.1 主成分分析法 |
| 2.3.2 线性回归模型基本概念 |
| 2.3.3 相关性分析 |
| 2.4 本章小结 |
| 第三章 重工业城市室内外颗粒物浓度现状调研 |
| 3.1 重工业城市居住建筑环境调查问卷 |
| 3.1.1 主观问卷调研基本内容 |
| 3.1.2 主观调研问卷结果 |
| 3.2 重工业城市室内外细颗粒物浓度测试 |
| 3.2.1 测试地点 |
| 3.2.2 测试时间及相关参数 |
| 3.2.3 测点布置 |
| 3.2.4 测试仪器 |
| 3.3 测试数据结果分析 |
| 3.3.1 冬季测试结果分析 |
| 3.3.2 过渡季测试结果分析 |
| 3.3.3 夏季测试结果分析 |
| 3.4 本章小结 |
| 第四章 颗粒物浓度在垂直空间分布特征 |
| 4.1 室外颗粒物浓度垂直空间分布特征 |
| 4.1.1 不同季节室外颗粒物浓度分布特征 |
| 4.1.2 不同粒径颗粒物浓度分布特征 |
| 4.2 不同地区颗粒物浓度对比分析 |
| 4.3 本章小结 |
| 第五章 风速和温度对颗粒物浓度影响模拟分析 |
| 5.1 模型建立 |
| 5.1.1 物理模型 |
| 5.1.2 湍流模型 |
| 5.1.3 颗粒运动模型 |
| 5.1.4 边界条件与初始条件 |
| 5.2 模型工况设定 |
| 5.3 模型结果分析 |
| 5.3.1 房间速度场和温度场分析 |
| 5.3.2 颗粒物浓度分析 |
| 5.3.3 颗粒物粒子轨迹分析 |
| 5.4 本章小结 |
| 第六章 室内颗粒物浓度主成分分析及多元线性回归分析 |
| 6.1 SPSS软件介绍 |
| 6.2 监测指标变化规律 |
| 6.3 监测指标数据的主成分分析 |
| 6.4 多元线性回归模型的建立 |
| 6.5 本章小结 |
| 第七章 室内外颗粒物浓度相关性研究分析 |
| 7.1 室内外颗粒物相关性-浓度比(I/O) |
| 7.1.1 现场测试结果与相关性分析 |
| 7.2 换气次数对室内外颗粒物浓度I/O比值的影响 |
| 7.2.1 测试方案 |
| 7.3 测试数据随机组分重叠模型 |
| 7.4 本章小结 |
| 第八章 结论 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间发表的学术论文 |
| 作者在攻读硕士学位期间参加的科研项目 |
| 致谢 |
（10）快速城市化背景下中国PM2.5污染时空演变过程及其与城市扩张和城市特征变化的时空关系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 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 关于城市化的研究 |
| 1.2.2 关于城市化的生态环境效应研究 |
| 1.2.3 关于城市空气污染-PM_(2.5)污染研究 |
| 1.2.4 中国城市化生态环境效应研究 |
| 1.3 存在问题与不足 |
| 1.4 科学问题与创新 |
| 1.5 研究目标与思路 |
| 1.5.1 研究目标 |
| 1.5.2 研究思路 |
| 1.6 研究内容与技术路线 |
| 1.6.1 研究内容 |
| 1.6.2 技术路线 |
| 1.6.3 主要研究方法 |
| 1.7 本章小结 |
| 第二章 理论与技术方法 |
| 2.1 城市生态学理论 |
| 2.2 空间信息技术 |
| 2.2.1 地理信息系统 |
| 2.2.2 遥感技术 |
| 2.2.3 GPS技术 |
| 2.3 数据处理和模型构建 |
| 2.3.1 地理加权回归模型 |
| 2.3.2 时空地理加权回归模型 |
| 2.3.3 估算值精度验证模型 |
| 2.3.4 驱动力分析模型 |
| 2.4 本章小结 |
| 第三章 研究区概况与数据预处理 |
| 3.1 研究区域概括 |
| 3.2 数据来源与处理 |
| 3.2.1 数据来源 |
| 3.2.2 城市地形地貌 |
| 3.2.3 城市气象数据 |
| 3.2.4 生物质燃烧数据 |
| 3.2.5 中国城市扩张模式 |
| 3.2.6 中国城市空间特征 |
| 3.2.7 中国PM_(2.5)地面监测数据 |
| 3.3 本章小结 |
| 第四章 基于时空地理加权回归模型的中国PM_(2.5)质量浓度反演 |
| 4.1 遥感PM_(2.5)质量浓度提取 |
| 4.2 PM_(2.5) 浓度遥感提取数据来源 |
| 4.3 气溶胶误差校正 |
| 4.4 气溶胶垂直订正 |
| 4.5 基于GEOS-Chem化学传输模型的PM_(2.5)质量浓度估算 |
| 4.6 基于卫星影像的PM_(2.5)质量浓度估算 |
| 4.7 基于时空地理加权回归模型的PM_(2.5)质量浓度估算 |
| 4.8 遥感提取PM_(2.5)精度验证 |
| 4.9 本章小结 |
| 第五章 1998～2015 年中国PM_(2.5)污染时空分布特征分析 |
| 5.1 中国近20年PM_(2.5)污染时空分布特征 |
| 5.1.1 中国PM_(2.5)质量浓度变化 |
| 5.1.2 中国PM_(2.5)污染时空分布特征 |
| 5.2 中国省/市PM_(2.5)浓度时空变化特征 |
| 5.3 中国去尘去海盐后的PM_(2.5)污染时空分布特征 |
| 5.4 中国省/市去尘去海盐后的PM_(2.5)污染时空分布特征 |
| 5.5 本章小结 |
| 第六章 中国城市扩张及城市空间特征变化与PM_(2.5)质量浓度变化的时空关系 |
| 6.1 城市空间单元划分 |
| 6.2 城市PM_(2.5)质量浓度与城市特征变化计算方法 |
| 6.2.1 空间变量数据 |
| 6.2.2 空间变量变化 |
| 6.2.3 城市特征空间异质性变化 |
| 6.3 中国城市扩张与PM_(2.5)质量浓度时空关系 |
| 6.3.1 中国城市面积扩张 |
| 6.3.2 中国城市人口扩张 |
| 6.4 中国城市空间形态与PM_(2.5)质量浓度时空关系 |
| 6.5 城市空间特征变化与PM_(2.5)质量浓度变化的关系 |
| 6.5.1 人口密度变化与PM_(2.5)质量浓度时空关系关系 |
| 6.5.2 不透水表面覆盖率变化与PM_(2.5)质量浓度时空关系 |
| 6.5.3 NDVI与PM_(2.5)质量浓度时空关系 |
| 6.5.4 夜间灯光指数与PM_(2.5)质量浓度时空关系 |
| 6.6 城市空间特征异质性变化与PM_(2.5)质量浓度变化关系 |
| 6.6.1 人口密度空间异质性变化与PM_(2.5)质量浓度时空关系关系 |
| 6.6.2 不透水表面覆盖率空间异质性变化与PM_(2.5)质量浓度变化关系 |
| 6.6.3 NDVI空间异质性变化与PM_(2.5)质量浓度变化关系 |
| 6.6.4 夜间灯光指数空间异质性与PM_(2.5)质量浓度变化关系 |
| 6.7 本章小结 |
| 第七章 中国城市扩张及空间特征变化对PM_(2.5)污染的影响 |
| 7.1 中国城市扩张与空气污染变化趋势 |
| 7.1.1 中国 2000~2010 年城市扩张特征 |
| 7.1.2 中国 2000~2010 年城市自然环境变化特征 |
| 7.1.3 中国 2000~2010 年PM_(2.5)质量浓度时空分布特征 |
| 7.2 城市扩张以及城市特征变化对PM_(2.5)污染变化的影响研究 |
| 7.2.1 空间变量T检验分析 |
| 7.2.2 空间变量变化与PM_(2.5)质量浓度变化单变量回归分析 |
| 7.2.3 空间变量与PM_(2.5)污染变化的多元回归分析 |
| 7.3 本章小结 |
| 第八章 结论与展望 |
| 8.1 主要结论 |
| 8.2 创新点 |
| 8.3 不足与展望 |
| 参考文献 |
| 攻读学位期间主要的研究成果 |
| 致谢 |
四、南宁市大气颗粒物PM_(l0)、PM_(2.5)污染水平（论文参考文献）
- [1]典型城市住宅居室PM2.5现状及其影响因素[D]. 杨玉燕. 中国疾病预防控制中心, 2021(02)
- [2]北京市近年大气颗粒物和近地面臭氧的相互影响研究[D]. 李陵. 中国环境科学研究院, 2020(05)
- [3]北京市某区小学生尿中甲基叔丁基醚暴露水平及影响因素研究[D]. 陈曦. 中国疾病预防控制中心, 2020(03)
- [4]大气颗粒物的化学组成、来源识别和污染评价研究 ——以合肥市为例[D]. 薛骅骎. 中国科学技术大学, 2019(08)
- [5]中国秸秆焚烧大气污染物高分辨率排放特征研究[D]. 张晓荟. 南京大学, 2019(07)
- [6]城市绿化对空气质量的影响研究 ——以27个省会城市为例[D]. 张菁华. 东北林业大学, 2019(01)
- [7]北京市典型树种吸附PM2.5等颗粒物能力的差异性及机理研究[D]. 刘辰明. 北京林业大学, 2018(04)
- [8]基于寒地重工业城市住宅建筑雾霾颗粒物浓度扩散规律—研究分析[D]. 关莹. 沈阳建筑大学, 2018(04)
- [9]我国严寒地区夏季不同类型建筑物室内外颗粒物相关性研究[A]. 吕阳,王海峰,魏山山,吴庭枫,刘彤,张雷,赵琦. 2017中国环境科学学会科学与技术年会论文集（第四卷）, 2017
- [10]快速城市化背景下中国PM2.5污染时空演变过程及其与城市扩张和城市特征变化的时空关系研究[D]. 王桂林. 云南师范大学, 2017(01)