一、EC站点分析技术研究（论文文献综述）
於敏佳,刘菡,李晓丽[1]（2021）在《舟山风力智能网格精细化订正释用技术》文中认为介绍了一种智能网格订正释用技术,该技术对EC细网格风力资料进行线性加密,对比其结果和站点平均风实况,采用逐时加权滚动更新的方法,利用站点平均风和极大风关系,进行订正释用。检验浙江省气象局指定的12个考核关键点0～6 h、0～12 h、0～24 h和0～48 h的平均极大风绝对误差分别为1.14 m/s、1.23 m/s、1.48 m/s和1.72 m/s。开发的舟山风力智能网格精细化订正释用平台对2020年台风"美莎克"的风力预报较为精准,4个县区局预报过程极大风力绝对误差平均仅为1.25 m/s,对9月11日小尺度低压风力预报的修正效果显着,嵊泗站点极大风力由9～10级修正到7级以下。
矫健[2]（2021）在《我国中东部背景地区大气气溶胶PM10理化特征及来源分析》文中提出本研究对2015年12月～2017年12月中国中东部地区3个区域大气本底观测站（龙凤山、临安、金沙）PM10膜采样质量浓度及其化学成分的空间分布、季节变化、多年变化趋势特征及来源情况进行了研究。结果显示,研究期间临安站的PM10质量浓度最高(62.2±36.6mg·m-3),其次是金沙(57.6±31.8mg·m-3)和龙凤山站(57.5±55.3mg·m-3)。临安和金沙2017年PM10较2016年有所下降,但龙凤山有所升高。与2013年相比,研究期间临安PM10质量浓度降低了29.3%,金沙站降低26.2%。临安和金沙的SO42-(9.9、10.2mg·m-3)、NO3-(8.2、6.7mg·m-3)、NH4+(3.7、2.6mg·m-3)平均浓度均高于龙凤山(5.9、4.9、2.1mg·m-3)。龙凤山和临安的平均NO3-/SO42-比值较高（0.86和0.84）,金沙站偏低（0.62）。OC平均浓度在龙凤山最高、金沙最低。从季节变化看,夏季3个站点平均PM10、NO3-、EC质量浓度及NO3-/SO42-比值均最低。质量闭合分析显示,3个本底站观测的PM10质量浓度和重建的浓度有较好的一致性,重建的PM10质量浓度可达到称重质量浓度的70%以上。与2004年闭合试验结果相比,临安站PM10中OM占比约减少3%～9%。机动车排放和二次转化是龙凤山和临安站PM10的主要贡献源。生物质燃烧和二次转化是金沙站PM10的主要贡献源。在龙凤山,二次转化对PM10浓度的贡献从2016年的36%增长到2017年的42%;此外,燃煤和生物质燃烧对PM10浓度的贡献从2016年的10%和8%分别增加到2017年的17%和22%。在临安站,机动车排放源的贡献由2016年的22%下降到2017年的14%,相反二次转化源从2016年到2017年增长了9%。在金沙站,二次转化源在2016年和2017年的贡献率分别为35%和43%,而生物质燃烧的贡献在2016和2017年相近（约为20%）;此外,2017年燃煤源的贡献率由2016年的22%下降到10%。
龚元[3]（2021）在《长叶松（Pinus palustris）生态系统碳物候动态和建模方法研究》文中提出森林生态系统是陆地景观中的重要碳汇之一,对大气二氧化碳（CO2）浓度有着重要的调节作用。随着全球气候变化,森林生态系统在未来碳吸收能力的变化模式存在较多的不确定性。植物物候作为评估植物生长发育状态的重要指标,对森林生态系统的碳吸收/排放速率有着重要的控制作用。开展不同时空尺度的森林生态系统物候特征的研究,有助于理解陆地表面过程和生物地球化学过程的耦合关系,对于科学的应对全球气候变化具有重要的理论和实际意义。传统森林植被物候学的研究主要关注植物生长季长度、植物发芽、成熟和衰老等生物学特征的日期变化。近年来随着涡动相关CO2通量观测技术的应用,森林生态系统物候学被赋予了新的含义和研究体系,并且衍生出诸如植物群落光合作用物候、碳吸收物候和生态系统呼吸物候组成的植被碳物候研究体系。进一步开展基于涡动相关技术的森林生态系统碳物候动态的研究,对全面了解陆地表面物候过程和预测未来森林生态系统的碳动态具有重要的理论和实际意义,最终达到更好的应对全球气候变化的目标。美国东南部地区分布有广袤的亚热带针阔混交林,由于较高的年平均气温和充足的日照,使该地区的森林生态系统拥有十分可观的碳固存/吸收潜力。其中长叶松（Pinus palustris Mill.）是该地区森林中主要的乡土亚热带常绿针叶树种之一,幼树极高的生长速率(“Rocket”Stage（1）)为该树种提供了可观的光合潜力。本研究基于此地区的三个不同土壤持水能力的长叶松林生态系统CO2通量观测站点,在2009年至2019年的微气象环境观测以及遥感、雷达扫描数据,使用植物物候模型调查了该亚热带长叶松生态系统碳物候动态的年际变化特征,及其对全球气候变化、周期性天气事件、自然灾害和森林管理的响应。最后初步探索了将主流物候建模方法应用于长叶松生态系统呼吸速率的可行性。本研究的主要结论如下:（1）基于三个成熟亚热带长叶松树林站点在2009年至2017年生态系统生产力观测数据的物候建模结果,并结合与站点层面（site-level）的微气象数据的统计分析。结果显示,站点土壤持水能力梯度会影响长叶松生态系统碳物候动态,更好的土壤水分有效性将有助于延长生态系统生长季长度。早春的低强度焚烧对长叶松生态系统碳物候参数没有显着的影响（P>0.05）,但是焚烧将生长季开始的日期延迟了10天,并且随着土壤水分有效性的提高,生态系统生长季开始的日期将会被进一步的延迟（18天）。低强度的焚烧还可能增加了早春碳物候参数对辐射和气温变异的敏感性。研究发现,年际气候变化和周期性天气异常（强降雨、短期水分胁迫和长期区域干旱）对长叶松生态系统碳物候动态的驱动作用远胜于低强度“定时-定向焚烧”。其中,年际气温解释了生态系统生长季长度69%-90%的变化,而春季辐射解释了生态系统生长季长度50%-63%的变化,当夏季短期干旱后站点水分有效性出现恢复时,生态系统生长季长度将会被显着的延长。（2）飓风通过清除生态系统的叶面积、减少地上生物量并导致植物死亡来影响森林的物理结构和功能。2018年10月10日,飓风迈克尔（Michael）在墨西哥湾北部登陆,并对沿途森林景观造成了显着的重度破坏。基于长叶松生态系统生产力的碳物候动态特征表明（2009-2017）,飓风加速了长叶松生态系统在秋季的衰老速率(-0.15/-0.11 g C m-2 d-1 d-1),继而导致生长季提前结束（提前了33 d-41 d）。在飓风过境的过程中,林冠层较高的森林遭受的物理破坏更大（最多损失了30%的叶面积和1.3m的冠层高度）,并且显着的延长了飓风后的长叶松生态系统碳物候恢复期（共8个月）。在飓风过后的第一年夏季（2019）,长叶松生态系统的生理学功能恢复至飓风前的水平。在飓风过境后的长叶松生态系统碳物候恢复过程中,森林结构的异质性控制了飓风后的长叶松生态系统春季物候进程。林下植物的生物多样性有助于早春阶段的长叶松生态系统恢复,但也会延迟夏季生长季峰值开始的日期。飓风过后的长叶松生态系统夏季物候动态（203 d-252 d）与植被覆盖率同步,并且主要由林冠层驱动。（3）在长叶松生态系统呼吸速率的物候建模过程中（增长率法和三阶导数法）,增长率方法可能更适合于亚热带森林的生态系统碳物候建模,因为三阶导数方法可能会在物候过渡的缓冲期丢失一些重要的物候信号。同时,研究也发现了由气候异常引起的长叶松生态系统碳物候建模的不确定性。例如冬季异常变暖(0.02-0.15℃d-1)会导致生态系统呼吸以0.02-0.06 g C m-2 d-1 d-1的速率再次被激活,夏季的站点水分有效性动态变化会显着的影响长叶松生态系统碳物候动态和参数,并且表现出多峰和不对称的物候行为。尽管长叶松生态系统呼吸结束的日期与由增强植被指数所衍生的植物群落休眠日期呈现极显着的负相关关系(R2adj=0.59,P<0.01),此结果可能表明植被有效生长季的提前结束,会显着的增加冬季长叶松生态系统呼吸速率。但是从遥感观测得出的植被绿度物候参数,可能无法完全解释亚热带常绿植物群落在春季和夏季的碳物候动态（P>0.05）。本文从涡动相关技术所提供的森林生态系统物候学新视角出发,结合多源数据和配合植物物候模型,明确了气候变化对长叶松生态系统碳物候动态的重要驱动作用,春季增温和辐射增强正向作用了春季物候,并且有利于三个长叶松生态系统碳吸收能力的提升,但受土壤持水能力梯度的影响,三个长叶松生态系统对年际降水量变异的物候响应不同。在轻度森林外部扰动后,三个长叶松生态系统可以在短期内恢复至扰动前的生态系统生产力水平。土壤持水能力梯度导致的站点森林结构异质性,驱动了长叶松生态系统在重度森林外部扰动后的恢复动态和周期。选择合适的物候算法对准确量化森林生态系统生长季长度是至关重要的,建议在使用植物物候模型来评估森林生态系统物候动态时,需要进行实地考察和严格的模型测试。
张成虎[4]（2021）在《四川盆地—青藏高原东缘PM2.5化学组分变化及来源追踪》文中认为四川盆地是我国霾污染最严重的区域之一,为了全面了解四川盆地-青藏高原东缘地区PM2.5污染特征以及化学组分变化,本研究利用2017年春季、夏季以及冬季在四川盆地的温江、简阳、成都和新津,盆地高原过渡区的名山以及青藏高原东缘地区的理塘等区域分昼夜连续采集膜样品,通过热/光碳分析仪以及离子色谱仪对采集的样品进行了实验室分析,探讨四川盆地-青藏高原东缘地区不同站点PM2.5中碳质组分,水溶性离子组分的时空分布特征和来源以及SO42-、NO3-和NH4+（三者合称SNA）等二次污染物的贡献。此外,利用FLEXPART-WRF模式对四川盆地内一次重污染过程进行了来源追踪分析。主要结论如下:（1）2017年观测期间,高原过渡区名山站点春季和夏季总碳（TC）浓度在PM2.5中占比分别为19.6%和32.4%;青藏高原东缘地区理塘站点春季、夏季和冬季TC浓度在PM2.5中占比分别为23.7%、42.9%和38.9%;盆地内温江站点春季,简阳站点冬季,成都站点夏季以及新津站点春季TC浓度分别占PM2.5质量浓度的23.5%、18.9%、27.6%和19.1%。四川盆地、盆地与高原过渡区以及青藏高原东缘地区碳质组分对PM2.5都有重要的贡献。在春季观测期间,有机碳（OC）、元素碳（EC）和PM2.5平均质量浓度变化均呈现出盆地城市>盆地郊区>盆地与高原过渡区>高原东缘地区的特征,表明四川盆地的大气污染远重于青藏高原东缘。通过OC和EC相关性研究,盆地、高原与高原过渡区以及青藏高原地区PM2.5中OC和EC具有相似的来源。此外,青藏高原东缘理塘地区受到直接燃烧源的影响显着高于四川盆地内城市、郊区以及高原与盆地的过渡区。正交矩阵分解（PMF）源解析结果表明,机动车尾气对盆地城市站点,盆地与高原过渡区站点以及青藏高原东缘站点PM2.5中碳质气溶胶的贡献高于燃煤以及生物质燃烧。（2）四川盆地、高原与盆地过渡区以及青藏高原东缘地区PM2.5均表现为冬季最高,其中成都地区浓度最高,气象条件和人为排放变化对PM2.5污染有着重要作用。盆地内站点以及盆地与高原过渡区站点的PM2.5污染远高于青藏高原东缘地区。盆地内以及盆地过渡区水溶性离子主要以SO42-、NO3-和NH4+（SNA）的形式存在,名山和新津站点春季NH4+主要以（NH4）2SO4和NH4NO3的形式存在;温江站点春季NH4+以（NH4）2SO4和NH4NO3的形式存在的同时,还存在部分NH4HSO4;冬季简阳NH4+全部和SO42-和NO3-结合后仍有剩余,可能还和其他阴离子结合。通过SO42-/NO3-值可以得到,温江、名山和理塘春季都以固定源为主,简阳冬季以移动源为主。主成分分析表明,二次转化对盆地内城市、郊区以及高原与盆地过渡区水溶性离子有着最大的贡献,二次转化的贡献达到了49.2%,而青藏高原东缘理塘站点PM2.5中水溶性离子主要来源于扬尘,扬尘贡献达到了46.4%。（3）四川盆地西部的城市简阳冬季PM2.5、碳质组分以及水溶性离子随时间呈现基本相同的变化趋势。2017年冬季PM2.5重污染期间,平均相对湿度为79.1%,平均风速为1.3m/s,轻度污染期间相对湿度和风速分别为65.4%和1.2m/s,较低的风速有利于污染物的累积,较高的湿度则有利于新粒子生成以及PM2.5吸湿增长。重污染天SNA和TC在PM2.5的占比分别为32.57%和15.40%;轻度污染天SNA和TC在PM2.5的占比分别为26.28%和21.86%;清洁天下SNA和TC在PM2.5的占比分别为26.25%和22.89%,高湿环境下更有利于SNA等二次污染物的形成,SNA等二次污染物对PM2.5重污染具有重要贡献。基于FLEXPART-WRF模拟对四川盆地重污染期间的潜在源解析表明,四川盆地腹地简阳站点污染主要来源于本地;高原与盆地过渡区名山站点污染基本来源于成都和眉山等盆地内区域的传输;青藏高原东坡康定站点,大气污染主要来源于本地,其次是来自盆地以及盆地与高原过渡区域的传输;海拔更高的青藏高原东缘理塘站点基本不受盆地内污染的影响。
张笑荣[5]（2021）在《山东省不同站点大气中的黑碳浓度及其光学特性研究》文中指出黑碳（BC）是大气气溶胶的重要组成成分,主要来源于化石燃料和生物质的不完全燃烧。它是主要的吸光颗粒物和仅次于二氧化碳的升温物质,能强烈吸收紫外线到红外线光谱的太阳辐射,通过直接和间接的影响在地球的辐射收支中发挥着至关重要的作用,对全球气候变化产生了重大影响。黑碳及其光学性质的研究至关重要,黑碳的光学参数如光吸收系数、光散射系数、消光系数与单次散射反照率等对黑碳的研究有重要意义。黑碳质量吸收截面（MAC）也是描述黑碳光学性质和研究黑碳吸光增强效应的重要参数,但MAC的测定有较大不确定性,比如滤膜多重散射效应和阴影效应的影响。本研究采用在线监测与离线监测相结合的观测模式,在临沂市城区站点,青岛市郊区站点,泰山高山背景站点利用光声气溶胶消光仪和OCEC分析仪分别在870nm和678nm波长下测定黑碳的浓度,研究黑碳浓度变化特征,利用消光仪监测的光学参数对比不同站点黑碳光学参数的变化,并计算多重散射效应参数值C,矫正了传统气候模式下黑碳吸光增强的模拟计算,从而为黑碳吸光增强的测定和山东省黑碳的污染状况提供了一个更为准确的参考。经测定,采样期间临沂市PM2.5平均浓度为56.82±15.06 μg m-3,在线监测与离线监测的黑碳平均质量浓度分别为2.33±2.22 μg m-3,1.36±0.55μg m-3;泰山PM2.5平均浓度为32.39±7.51μg m-3,在线监测与离线监测的黑碳平均质量浓度分别为0.28±0.16μg m-3,0.45±0.25 μg m-3;青岛市PM2.5平均浓度为64.28±26.41 μg m-3,在线监测与离线监测的黑碳平均质量浓度分别为1.73±0.75 μg m-3,1.60±0.74 μg m-3,不同站点黑碳浓度受排放源和空气污染情况及季节因素的影响,其日变化主要呈现“早晚高,午后低”的双峰单谷型。临沂市光吸收系数为11.08 ± 10.54 Mm-1,光散射系数为60.47±56.52 Mm-1,消光系数为71.56 ±58 Mm-1,单次散射反照率为0.73±0.15;泰山光吸收系数为1.33±0.76 Mm-1,光散射系数为62.43±44.59 Mm-1,消光系数为63.76±45.17 Mm-1,单次散射反照率为1.04±0.17;青岛市光吸收系数为8.21 ± 3.55 Mm-1,光散射系数为65.34 ±48.25 Mm-1,消光系数为73.55±50.95 Mm-1,单次散射反照率为0.85±0.05。除单次散射反照率外,其光学参数与黑碳的浓度变化具有很大一致性。通过OCEC分析仪测得的ATN值和光声气溶胶消光仪获得的黑碳气溶胶光吸收系数计算得在临沂、泰山、青岛不同采样站点的多重散射效应参数值分别为4.35±4.46,6.32±5.38,3.45±0.91,不同地区的C值有所差异。利用离线监测下南京交通站点、济南城市站点、禹城乡村站点的膜采样数据对黑碳的光学特性进行研究,通过AFD两步法去除黑碳包裹物,测得三个站点吸光增强因子分别为1.7±0.6,2.25±0.5,2.07±0.7,应用PMF模型对黑碳吸光增强的来源进行解析识别各污染源的贡献,三个不同站点的主要来源为二次源、车辆排放、燃煤、生物质燃烧、扬尘,其中二次源是EMAC的最大贡献者,三个站点分别占34.6%、31%和43.4%。在交通、城市和农村站点,机动车排放（33.8%）、扬尘排放（27.9%）和生物质燃烧（21.1%）分别是EMAC的第二大贡献者,表明黑碳吸光增强受采样点当地排放的主要污染物影响较大。
宋杰[6]（2021）在《山东省不同地区冬季大气细颗粒物中水溶性有机碳污染特征研究》文中研究指明碳质气溶胶是大气细颗粒物（PM2.5）中的重要化学组分,约占其质量浓度的20-80%。颗粒物中水溶性有机碳（WSOC）对太阳辐射具有吸收和散射作用,从而对辐射强迫产生影响;另外,WSOC也可以改变大气颗粒物的吸湿性,影响云凝结核的形成,间接对气候变化产生影响。WSOC组成复杂,水溶性强,容易通过呼吸深入人体的肺部,参与人体的血液循环,对人体健康产生危害。因此,于我国高污染地区之一的山东省系统地开展WSOC观测研究对气候变化和人体健康具有重要意义。自2013年我国印发《大气污染防治行动计划》以来,环境空气质量逐年好转,PM2.5浓度持续下降,但秋冬季节PM2.5浓度依然保持在较高污染水平,且二次组分对PM2.5的贡献更为显着。华北平原地区是全国污染最严重的区域之一。山东省是华北平原的人口和经济大省,其经济高速发展、城市化和工业化加剧、机动车保有量大幅增加,空气污染问题引起了广泛关注。本研究于2018年12月和2019年1月在山东省不同站点（城区站点山东大学中心校区、郊区交通站点零点立交桥和滨海郊区站点山东大学青岛校区）对PM2.5样品采集;并对PM2.5样品中的水溶性无机离子、碳质组分和WSOC进行了分析,研究了 PM2.5的污染特征;弄清了 WSOC的空间分布特征;阐明了 WSOC的吸光特性;基于源解析模型、潜在源分析模型等解析了 WSOC的来源及区域传输特征。此外,选择滨海郊区站点对二元羧酸类物质进行了分析,进一步探讨了 WSOC的主要成分、来源与生成机制。结果表明,在城区站点以及滨海郊区站点WSOC是有机碳（OC）的主要成分,平均浓度分别为7.89±4.26 μg/m3和9.87±5.27 μg/m3,分别占OC质量浓度的53.07±8.53%和 54.37±14.98%,而在郊区交通站点 WSOC 占 OC 的 44.52±9.03%。WSOC的质量吸收效率在城区站点（1.36 m2/g）最高,其次是郊区交通站点（1.17 m2/g）,最小的为滨海郊区站点（0.96 m2/g）。WSOC在短波段（300-400nm）的吸光量的顺序为:城区站点（1.01±0.63 Wm-2）=郊区交通站点（1.01±0.46 Wm-2）>滨海郊区站点（0.88±0.59 Wm-2）。WSOC的来源主要是:二次源、燃煤源、扬尘源和混合一次源。二次生成是城区站点WSOC的主要来源,占39.50%,郊区交通站点和滨海郊区站点WSOC的主要来源均是燃烧源,其贡献分别是37.80%和44.00%。观测期间,山西,河南以及山东鲁西南地区是WSOC的重要来源区域。此外,来自渤海区域的海洋气溶胶对滨海站点的WSOC也有重要贡献。滨海郊区站点测得的二元羧酸类化合物总浓度远低于济南以及菏泽等山东省内陆城市。在本研究中二元羧酸类化合物浓度夜间明显高于白天,前者约是后者的1.26倍。滨海郊区站点草酸/丁二酸和丙二酸/丁二酸比值高于城区站点,表明滨海郊区站点的气溶胶老化程度低于内陆城市。草酸/丁二酸、丙二酸/丁二酸和乙二醛/甲基乙二醛比值在白天分别为8.30、0.85和0.56,而在夜间的值分别为8.37、0.71和0.52,表明夜间气溶胶的老化程度和白天相似。
葛慧萍[7]（2021）在《兰州市大气细颗粒物中碳质气溶胶污染特征及来源解析》文中认为碳质气溶胶是大气复合污染的主要物种,也是细颗粒物的主要组成成分,主要由有机碳（OC）、元素碳（EC）和碳酸盐碳（CC）三类组分构成。碳质气溶胶可造成区域能见度下降、影响全球气候变化,进而影响空气质量和人体健康。位于中国西部典型河谷盆地的兰州市,是我国西北地区重要的石油化工等重工业基地,有较高的工业排放,且干旱少雨,大气扩散条件差,导致较为严重的兰州市大气颗粒物污染。本学位论文分别在2016年冬季和2017年夏季对兰州市城关城区（主城区）、西固工业区（工业区）和榆中官滩沟（背景区）的大气细颗粒物(PM1和PM2.5)进行了样品采集,研究了其碳质组分污染特征,并进行了碳质气溶胶的来源解析。主要结果如下:1.细颗粒物PM1中碳质组分污染特征（1）PM1中OC、EC时空特征:OC、EC的平均浓度冬季（26.07±4.79μg/m3、7.73±1.29μg/m3）分别是夏季（8.48±2.55μg/m3、3.27±0.73μg/m3）的3.0倍和2.4倍,推断由冬季较夏季具有更高的一次排放和更稳定的大气层结所致。夏季各功能区OC、EC浓度空间分布自高至低均为:城关城区>西固工业区>背景区,冬季为:西固工业区>背景区>城关城区。夏季各功能区OC浓度白天高于夜晚,EC浓度白天低于夜晚,表明白天二次形成的OC贡献增加。冬季,除背景区外,其余功能区OC、EC浓度均为白天高于夜晚,推断主城区和工业区白天较夜晚存在更高的一次排放。（2）PM1中WSOC污染特征:WSOC的平均浓度冬季（13.23±2.24μg/m3）为夏季（4.60±0.96μg/m3）的2.9倍,表明冬季较夏季存在更高的一次排放和更稳定的大气层结。夏季和冬季WSOC浓度最高的功能区分别是城关城区和西固工业区。除背景区冬季时段外,WSOC昼夜浓度规律均为白天高于夜晚,可能与白天二次形成的WSOC贡献增加有关。夏季和冬季WSOC对OC贡献最高的区域分别为西固工业区和城关城区。冬夏季夜晚WSOC对OC的贡献高于白天,除城关城区和背景区的白天时段外,其他功能区各时段WSOC对OC的贡献夏季高于冬季。2.细颗粒物PM2.5中碳质组分污染特征（1）PM2.5中OC、EC时空特征:冬季OC、EC浓度（38.57±6.99μg/m3、10.58±1.60μg/m3）分别是夏季（9.49±2.56μg/m3、4.09±1.27μg/m3）的4.1倍和2.6倍,推断由冬季较夏季具有更高的一次排放和更稳定的大气层结所致。夏季各功能区OC、EC浓度空间分布自高至低均为:城关城区>西固工业区>背景区,推断受主城区较高的机动车一次排放影响;冬季为:西固工业区>城关城区>背景区,分析原因为供暖导致冬季西固电厂等较高的一次排放。夏季各功能区OC浓度均为白天高于夜晚,EC浓度均为夜晚高于白天,表明白天二次形成的OC贡献增加。冬季,除背景区外,其余功能区的OC、EC浓度均为白天高于夜晚。PM1和PM2.5的OC、EC昼夜浓度规律一致。（2）PM2.5中WSOC污染特征:WSOC的平均浓度冬季（17.36±2.58μg/m3）是夏季（5.20±0.92μg/m3）的3.3倍。夏季和冬季WSOC浓度最高的区域均为西固工业区。夏季,各功能区白天WSOC浓度均高于夜晚。冬季,除背景区外,其他功能区WSOC浓度白天高于夜晚。夏季和冬季WSOC对OC的贡献最高的区域均为背景区。夏季,WSOC对OC的贡献夜晚高于白天,冬季,除西固工业区外,其他功能区WSOC对OC的贡献白天略高于夜晚。除城关城区外,其他功能区WSOC对OC的贡献均为夏季高于冬季。3.细颗粒物中碳质气溶胶二次来源分析各功能区PM1和PM2.5中OC、EC的相关性高低顺序为:背景区>西固工业区>城关城区,说明背景区的碳质气溶胶来源更一致,城关城区碳质气溶胶存在多种污染来源。PM1和PM2.5的OC/EC比值表明:各功能区碳质气溶胶主要污染来源均为机动车尾气排放和燃煤排放。PM1和PM2.5的SOC对OC的贡献占比均为冬季小于夏季,表明夏季较冬季更强的光化学反应和更高的SOC的贡献。4.基于主成分分析法（PCA）的碳质气溶胶来源解析兰州市细颗粒物粒径主要分布在0.2～1.0μm之间,鉴于此,为增加源解析的样本量,将PM1和PM2.5数据进行合并分析。结果如下:夏季,因子1所指代的柴油车尾气、燃煤排放和生物质燃烧贡献率为58.51%。因子2所指代的汽油车尾气、道路扬尘和生物质燃烧贡献占比为41.49%。冬季,因子1所指代的燃煤排放、生物质燃烧、汽油车尾气和道路扬尘贡献占比为77.99%。因子2中指代的柴油车尾气贡献占比为22.01%。
王闰芳[8]（2020）在《四川盆地—青藏高原东缘区域冬季大气颗粒物物理—化学特性变化分析》文中研究指明四川盆地及其紧邻的青藏高原存在着中国气溶胶浓度空间分布的最大值和最小值区域中心,两地区间污染和清洁大气环境中大气颗粒物时空变化特征亟待分析,尤其是研究四川盆地-青藏高原东缘区域间大气碳质颗粒物理化特性变化,对于认识我国大气污染物对青藏高原环境变化作用具有重要科学意义。为了解四川盆地-青藏高原东缘地区大气污染特征及碳质颗粒物特性,本文对2017年1月四川盆地大城市（成都）、小城市（眉山）、盆地与高原过渡区（雅安）以及高原东缘地区（甘孜州）的空气质量等级及大气污染物浓度特征进行了统计分析,并将四川盆地-青藏高原东缘地区划分成盆地市区、盆地郊区、盆地与高原过渡区以及高原东缘地区四个区域,于2017年1月1日～20日在四个区域进行分昼夜连续膜样品采集,并在实验室测定了其碳质组分质量浓度,对四川盆地-青藏高原东缘地区冬季碳质颗粒物质量浓度差异进行分析,探讨了碳质颗粒物的时空分布、粒径分布特征,并定性分析了碳质颗粒物的来源。主要结论如下:1、2017年1月四川盆地内大城市、小城市和盆地与高原过渡区均以污染天气为主,污染天数占比分别为77.4%、77.4%和74.2%。青藏高原东缘地区,受污染程度小,优良天数占比96.8%。盆地大城市污染最严重,盆地小城市次之,高原东缘地区大气污染最轻。在观测期间,地面PM2.5平均浓度呈现盆地郊区(146.0μg?m-3)>盆地市区(127.1μg?m-3)>盆地与高原过渡区(116.0μg?m-3)>高原东缘地区(42.8μg?m-3)。即使在大气环境清洁的高原东缘地区,也出现PM2.5和PM10地面浓度超标,盆地城市PM2.5和PM10超标率较高原东缘地区高得多。在重污染时段,PM2.5、PM10浓度在盆地大城市最高,而在非污染时段四个地区污染水平相当,反映了大城市人为大气污染物排放对重污染形成的重要作用。NO2浓度呈现出盆地大城市>盆地小城市>盆地与高原过渡区>高原东缘区的特征,在盆地大城市存在NO2污染时段,且其超标率为22.6%,表明四川盆地大城市交通运输尾气排放的大气污染影响作用。四川盆地-青藏高原区域SO2、CO、O3浓度小,污染水平符合国家一级标准,高原区SO2浓度比盆地内地区大;CO浓度呈盆地大城市>盆地与高原过渡区>盆地小城市>高原区的区域分布。高原区和过渡区O3浓度高于盆地城市。2、四川盆地-青藏高原东缘地区的碳质颗粒物主要富集于≤2.5μm粒径段中,盆地市区在≤2.5μm粒径段中OC、EC占TSP中OC、EC的比重分别为76.31%和85.13%,盆地郊区≤2.5μm粒径段中OC、EC占TSP中OC、EC的比重分别为65.96%和90.20%,盆地与高原过渡区≤2.5μm粒径段中OC、EC占TSP中OC、EC的比重分别为81.90%和81.01%,揭示了四川盆地-青藏高原东缘地区大气碳质颗粒物污染中细碳质颗粒物具有主导作用。其次在2.5～5μm粒径段中,盆地城市区、盆地郊区和盆地与高原过渡区的OC占TSP中OC的比重分别为10.98%、14.48%和8.03%,EC占TSP中EC的比重分别为8.09%、3.62%和8.58%。在≤2.5μm粒径段中,EC的区域变化呈现出盆地郊区>盆地市区>盆地与高原过渡区>高原东缘区,OC的区域变化为盆地市区>盆地郊区>盆地与高原过渡区>高原东缘区;而>2.5μm粒径段中,EC的区域变化为盆地市区>盆地郊区≈盆地与高原过渡区,OC区域变化为盆地郊区>盆地市区>盆地与高原过渡区,OC与EC浓度在盆地内高于盆地与高原过渡区和高原东缘地区。3、对于碳质颗粒物的来源,在≤2.5μm粒径段,四川盆地市区碳质颗粒物的主要来源为燃煤排放和机动车尾气排放;盆地郊区、盆地与高原过渡区以及高原东缘区主要来源为燃煤排放,体现了四川盆地城市-郊区间交通运输差异对大气碳质颗粒物的不同来源作用。在>2.5μm粒径段中,盆地市区和盆地与高原过渡区碳质颗粒物的主要来自于燃煤排放、生物质燃烧、粉尘和家庭天然气排放影响;盆地内郊区可能受到非燃烧源的影响较盆地市区和盆地与高原过渡区大,存在燃煤排放、生物质燃烧排放和烹饪排放源。盆地市区、盆地郊区和盆地与高原过渡区在粗、细颗粒物中均呈现出POC占TC比例最大,SOC占比次之,EC占比最小;高原地区的细颗粒物同样地POC占TC比重最大,而SOC占比最小。在观测期间四川盆地-青藏高原东缘地区碳质颗粒物以POC贡献为主,四川盆地内地区的SOC贡献要比高原地区多,这体现了盆地内特殊的温湿大气条件对二次有机碳形成的重要性。
吴瑕[9]（2020）在《哈长城市群冬季细颗粒物中有机气溶胶组成特征及来源》文中研究指明细颗粒物(PM2.5)是大气气溶胶中对环境和人类生活健康危害最大的污染物质,其浓度的增长与城市灰霾现象的形成密切相关。有机气溶胶是大气气溶胶的重要组成部分,它是由数百种有机化合物组成的复杂混合物,比如多环芳烃、多氯联苯以及其它含氯有机化合物对人体就具有致癌性、致畸性和致突变性。哈长城市群位于中国东北地区,是全国最大的粮食基地和重要的老工业基地。多年的工业发展及秋收季节大量焚烧秸秆事件,是造成哈长地区的大气环境质量不如中国其他地区的主导原因。本研究选取了哈长城市群中的四个代表不同污染状况的采样点,对采集的PM2.5滤膜样品中的有机碳、元素碳以及有机分子标志物进行了分析,得到的主要结论为:（1）采样期间,黑龙江省气象台（站点1）、哈尔滨市气象局（站点2）、长春市北海公园（站点3）和榆树市气象局（站点4）四站点PM2.5浓度均值为（104.6±59.5）μg·m-3、（93.8±39.9）μg·m-3、（70.6±29.1）μg·m-3和（104.2±50.5）μg·m-3。站点1与站点4均以轻度和重度污染为主,污染天数均有11 d,超标率分别为73.3%和78.6%;站点2污染天数有10 d,超标率达66.7%,站点3以良和轻度污染天气为主,污染天数有6 d,超标率达40%。OC/EC比值结果不仅确认了研究区域受燃煤、生物质燃烧和机动车尾气等排放影响较大,而且哈长地区大气中均有SOA生成且不容忽视。（2）本研究中PM2.5样品中定量分析的非极性有机化合物主要包括正构烷烃、多环芳烃以及藿烷类化合物。20种正构烷烃的碳数分布范围为C17～C36,站点2和站点3正构烷烃的分布特征表现为从C17到C23,其浓度随着碳原子数的增加而增加;从C24开始,正构烷烃的浓度呈锯齿状分布,高碳数正构烷烃的浓度更高,奇偶优势明显。站点1样品分布形式与上面两个站点一致,但奇偶优势不如这两个站点,而站点4无奇偶优势。CPI均值反映了人为源和生物源对该地区正构烷烃分布的共同影响,而%Wax Cn表明高等植物贡献率相对较低。多环芳烃的诊断率结果证实了煤燃烧源、生物质燃烧源以及交通源3个来源的影响。升藿烷的异构化指标及归一化比值说明这4个站点冬季藿烷主要来源于机动车尾气排放,少部分还会受到燃煤排放的共同作用。（3）本研究中PM2.5样品中定量分析的极性有机化合物主要包括脂肪酸、脂肪醇、生物质燃烧示踪物、糖/糖醇、二次光氧化产物以及生物源/人为源SOA示踪物共计6类化合物。17种脂肪酸包括饱和酸(C14:0～C28:0)和不饱和酸(C18:1和C18:2)。四站点C18:1浓度明显高于C18:2,表明研究区域脂肪酸主要来自于交通源。脂肪醇(C15～C26)的低CPI指数值表明它们与高级植物蜡关系不大,人为源占主导。左旋葡聚糖是本研究中测得的所有单体化合物中含量最高的物质,四站点的高L/M比值和G/M比值表明哈长地区的生物质燃烧物更多的来自硬木和农业垃圾。高水平的2-甲基甘油酸佐证了哈长地区人为活动造成了高浓度NOx,从而使得异戊二烯光氧化反应由NOX-channel主导,因此产生了更多的2-甲基甘油酸。（顺式-蒎酮酸+蒎酸）/3-羟基戊二酸的比值分别为1.2、1.1、1.3和1.4,说明哈长地区气溶胶中α-蒎烯-SOA以新鲜的光氧化产物为主。DHOPA与左旋葡聚糖在整个采样期间无显着相关性,说明生物质燃烧对这四个站点DHOPA的形成贡献不大,更多可能来自于汽车尾气和冬季供暖的煤燃烧。（4）基于EC示踪法计算出四个站点生物一次源和二次源衍生的SOA共占OM的18.5%、19.9%、8.9%和12.1%,其中生物质燃烧是主要贡献者,其次是异戊二烯SOA标志物。人为源SOA对OM的贡献远高于生物SOA。PMF模型表明燃煤和生物质燃烧的排放最为重要,分别占34.9%和17.1%,其次是甲苯二次人为源（10.2%）、真菌孢子衍生源（9.5%）、柴油车源（6.2%）、汽油车源（5.7%）、异戊二烯二次生物源（5.1%）、α-蒎烯二次生物源（3.9%）、塑料燃烧源（3.6%）,扬尘源贡献最小,只占3.3%。
安学文[10]（2019）在《南宁市江南区冬季大气颗粒物化学组分分析及来源解析》文中认为对南宁市江南区二十一中和沙井中学两个国家环境空气质量监测站点颗粒物历史监测数据进行分析,采集了2018年12月26日至2019年1月22日沙井中学站点三种大气颗粒物样品PM1、PM2.5和PM10,分析其中9种水溶性离子、16种无机元素以及OC和EC两种碳质组分,利用正交矩阵因子分解模型PMF对其来源进行解析,结合解析结果和国控站点在线监测数据,利用3D高能激光扫描雷达对站点周边3 km范围进行污染物时空分布特征分析及来源甄别。在线监测数据显示,2014年至2019年5月南宁市江南区大气颗粒物PM2.5和PM10浓度逐年下降,但首要污染仍以颗粒物为主,两站点PM2.5污染均重于PM10,尤其是沙井中学PM2.5仍高于国家二级标准,在南宁8个站点中排名靠后。颗粒物浓度季节分布特征总体呈现冬季>秋季>春季>夏季,昼夜浓度变化特征为夜间>白昼,沙井中学更为显着。监测期间手工采样滤膜PM1、PM2.5和PM10质量浓度分别为33.15、47.92和69.60μg·m-3,三者逐日变化趋势相似,相关性显着,具有同源性。PM1化学组分浓度顺序为:OM>SO42->NO3->NH4+>矿物尘>EC>元素类>其他水溶性无机离子;PM2.5中OM>SO42->矿物尘>NO3->NH4+>EC>其他水溶性无机离子>元素类;PM10中OM>矿物尘>SO42->NO3->EC>NH4+>其他水溶性无机离子>元素类。水溶性离子中以二次离子为主,主要存在形式为（NH4）2SO4,其次为NH4NO3,PM2.5中SOR和NOR均值分别为0.39和0.06,硫元素的二次转化明显,氮元素二次转化不明显,大气颗粒物中携带的NH4+较多,总体偏弱碱性。无机元素组分浓度较高的包括Ca、Mg、Fe、Al和Pb,其他元素含量均较低,重金属离子主要富集在粒径<1μm的细颗粒中。通过对OC和EC质量浓度、OC/EC比值、TC中的8种碳成分以及SOC浓度得到江南区碳质组分来源包括二次转化,受柴油和汽油车的尾气排放以及燃煤影响。三种颗粒物来源相似,贡献比存在差异。PM1的主要来源贡献率由大到小分别为:生物质燃烧源（29.49%）>二次源（27.65%）>机动车源（18.67%）>燃煤源（12.48%）>扬尘源（11.72%）;PM2.5的主要来源贡献率由大到小分别为:扬尘源（24.67%）>生物质燃烧源（22.59%）>机动车源（20.33%）>二次源（16.57%）>燃煤源（15.84%）;PM10的主要来源贡献率由大到小分别为:扬尘源（27.76%）>生物质燃烧源（23.52%）>二次源（18.71%）>燃煤源（18.15%）>机动车源（11.86%）。3D高能激光雷达扫描显示,沙井中学站点南侧火车南站机务段、主要建筑工地（北侧500 m仓储建设项目、西南侧12 km月亮湾小院等三个建筑工地）、主要道路（南侧800 m南站大道、东侧500 m三津大道、北侧100 m堤园路）为扬尘污染的重点区域,污染主要发生在夜间。三津大道和南站大道为机动车源重点管控道路,两路交汇路口消光系数明显偏大,颗粒物污染严重。生物质焚烧重点区域为站点西北200 m,东北侧1.2 km黎坡附近农田。温度较高时段易臭氧浓度偏高,大气氧化作用显着引起颗粒物二次转化。高湿度和逆温、静稳等不利气象因素也会导致颗粒物浓度升高。
二、EC站点分析技术研究（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、EC站点分析技术研究（论文提纲范文）
（1）舟山风力智能网格精细化订正释用技术（论文提纲范文）
| 1 引言 |
| 2 资料与方法 |
| 2.1 资料介绍 |
| 2.2 释用技术 |
| 2.2.1 订正释用总体思路 |
| 2.2.2 逐时加权滚动订正释用方法 |
| 2.2.3 平均风逐时加权滚动订正 |
| 2.2.4 平均风极大风关系释用 |
| 2.2.5 智能网格精细化风场订正释用 |
| 3 预报检验 |
| 3.1 订正释用效果评价方法 |
| 3.2 台风、低压个例检验评估 |
| 4 结论 |
（2）我国中东部背景地区大气气溶胶PM10理化特征及来源分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究进展 |
| 1.2.1 气溶胶化学组分研究进展 |
| 1.2.2 气溶胶源解析研究进展 |
| 1.2.3 大气本底站研究进展 |
| 1.3 研究问题和与技术路线 |
| 第二章 站点与方法 |
| 2.1 观测站点地理位置与周边环境 |
| 2.2 气溶胶PM_(10)样品采集 |
| 2.3 气溶胶PM_(10)化学组分的分析 |
| 2.3.1 PM_(10)的质量浓度 |
| 2.3.2 PM_(10)中碳组分分析 |
| 2.3.3 PM_(10)中离子成分分析 |
| 2.3.4 PM_(10)中元素成分分析 |
| 2.4 PMF源解析 |
| 第三章 3 个本底站气溶胶PM_(10)物理化学特性 |
| 3.1 PM_(10)质量浓度分布特征 |
| 3.2 PM_(10)中水溶性无机离子分布特征 |
| 3.3 PM_(10)中有机碳元素碳分布特征 |
| 3.4 PM_(10)中元素分布特征 |
| 3.5 PM_(10)质量浓度及化学组分与历史的比较 |
| 3.6 小结 |
| 第四章 气溶胶PM_(10)质量浓度重建与质量闭合 |
| 4.1 元素和离子组分的一致性分析 |
| 4.2 PM_(10)质量重建的年度特征 |
| 4.3 PM_(10)质量重建的季节变化特征 |
| 4.4 各组分占比与早期对比 |
| 4.5 小结 |
| 第五章 气溶胶 PM_(10)PMF 源解析 |
| 5.1 各本底站污染源因子识别 |
| 5.2 各污染源年变化特征 |
| 5.3 各污染源季节变化特征 |
| 5.4 各污染源月变化特征 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 结论 |
| 6.2 本研究创新点 |
| 6.3 研究不足与展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（3）长叶松（Pinus palustris）生态系统碳物候动态和建模方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 主要英文术语缩写的中文解释 |
| 第一章 前言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状和进展 |
| 1.2.1 森林植被物候学的主要研究方法 |
| 1.2.2 涡动相关技术的应用 |
| 1.2.3 基于涡动相关技术观测的CO_2通量物候模型开发和应用 |
| 1.2.4 存在的问题和不足 |
| 1.3 研究方案 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容和体系 |
| 1.3.3 技术路线 |
| 1.3.4 拟解决的关键科学问题 |
| 1.4 论文的组织结构 |
| 第二章 研究区概况 |
| 2.1 研究区地理位置与区域环境概况 |
| 2.1.1 研究站点地理位置 |
| 2.1.2 区域尺度的长期气候特征 |
| 2.1.3 土壤持水能力梯度 |
| 2.1.4 水文气象特征 |
| 2.1.5 植物资源 |
| 2.2 区域森林管理方式 |
| 2.3 本章小结 |
| 第三章 涡动相关观测数据预处理及其结果指示的微气象特征 |
| 3.1 涡动相关通量观测系统的组成和设备维护 |
| 3.2 涡动相关通量观测数据质量控制和插补方法 |
| 3.3 涡动相关观测数据所指示的站点微气象环境特征 |
| 3.3.1 气温和光照特征 |
| 3.3.2 年际降水量变化特征 |
| 3.3.3 季节降水量变化特征 |
| 3.4 本章小结 |
| 第四章 基于GPP的长叶松生态系统碳物候动态特征分析 |
| 4.1 研究方法 |
| 4.1.1 植物群落光合作用能力物候模型 |
| 4.1.2 基于增长率的植物物候日期算法 |
| 4.1.3 物候模型对轻度森林外部扰动的响应和模型算法修正方法 |
| 4.1.4 长叶松生态系统碳物候动态异常响应的识别方法 |
| 4.1.5 长叶松生态系统夏季碳物候动态的响应 |
| 4.1.6 统计学分析方法 |
| 4.2 结果与分析 |
| 4.2.1 物候模型在长叶松生态系统GPP的应用 |
| 4.2.2 长叶松生态系统碳物候动态特征 |
| 4.2.3 低强度焚烧(轻度扰动)对长叶松生态系统碳物候参数的影响 |
| 4.2.4 低强度焚烧后春季物候参数对环境变量的敏感性 |
| 4.2.5 长叶松生态系统碳物候动态的气候控制因子 |
| 4.2.6 春季短期干旱对长叶松生态系统夏季碳物候参数的影响 |
| 4.2.7 水分胁迫后长叶松生态系统夏季碳物候动态对降水变化的响应 |
| 4.3 讨论 |
| 4.3.1 长叶松生态系统碳物候动态对气候变化的响应 |
| 4.3.2 土壤持水能力梯度对长叶松生态系统生长季长度的影响 |
| 4.3.3 低强度焚烧对长叶松生态系统早春碳物候参数的影响 |
| 4.3.4 植物群落光合作用能力对春季降水的适应性 |
| 4.3.5 长叶松生态系统夏季生产力的物候响应 |
| 4.3.6 未来森林管理的建议 |
| 4.3.7 不足和展望 |
| 4.4 本章小结 |
| 第五章 基于GPP的长叶松生态系统碳物候动态对飓风的响应 |
| 5.1 研究方法 |
| 5.1.1 春季物候恢复动态对飓风扰动后的响应 |
| 5.1.2 飓风造成地面观测设备损坏的解决方案 |
| 5.1.3 遥感技术(MODIS)观测的植被指数数据 |
| 5.1.4 雷达技术(LiDAR)观测的森林冠层高度 |
| 5.1.5 统计学分析方法 |
| 5.2 结果与分析 |
| 5.2.1 飓风对长叶松生态系统林冠层高度和叶面积指数的影响 |
| 5.2.2 飓风对长叶松生态系统碳物候动态的影响 |
| 5.2.3 飓风过后长叶松生态系统叶面积指数与春季生产力净恢复的关系 |
| 5.3 讨论 |
| 5.3.1 飓风对长叶松生态系统碳物候动态的影响 |
| 5.3.2 飓风过后植被发育与春季物候动态的关系 |
| 5.3.3 陆地表面物候过程(LSP)对重度扰动的响应的尺度推演 |
| 5.3.4 不足和展望 |
| 5.4 本章小结 |
| 第六章 基于呼吸速率的长叶松生态系统碳物候建模方法分析 |
| 6.1 研究方法 |
| 6.1.1 长叶松生态系统呼吸速率 |
| 6.1.2 基于呼吸速率的长叶松生态系统碳物候建模 |
| 6.1.2.1 参数化植物物候模型 |
| 6.1.2.2 基于增长率法的长叶松生态系统呼吸物候参数的计算 |
| 6.1.2.3 基于三阶导数法的长叶松生态系统呼吸物候参数的计算 |
| 6.1.2.4 长叶松生态系统呼吸速率物候动态的时间尺度框架 |
| 6.1.3 基于遥感观测(MODIS)的植被绿度物候参数 |
| 6.1.4 统计学分析方法 |
| 6.2 结果与分析 |
| 6.2.1 植物物候模型在长叶松生态系统呼吸速率的应用 |
| 6.2.2 增长率法和三阶倒数法所衍生的物候日期的差异 |
| 6.2.3 基于呼吸速率的长叶松生态系统碳物候建模的不确定性 |
| 6.2.4 基于呼吸速率的长叶松生态系统碳物候和植被绿度物候的关系 |
| 6.3 讨论 |
| 6.3.1 物候算法机制对长叶松生态系统呼吸物候建模的影响 |
| 6.3.2 长叶松生态系统碳物候动态与植被绿度物候过程的异步性 |
| 6.3.3 气候变化诱发的长叶松生态系统碳物候建模的不确定性 |
| 6.3.4 不足和展望 |
| 6.4 本章小结 |
| 第七章 总结和展望 |
| 7.1 主要结论 |
| 7.2 研究特色和创新点 |
| 7.3 不足和展望 |
| 攻读学位期间发表的学术论文 |
| 参考文献 |
| 附录A |
| 附录B |
| 附录C |
（4）四川盆地—青藏高原东缘PM2.5化学组分变化及来源追踪（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究目的及意义 |
| 1.2 研究进展 |
| 1.2.1 碳质颗粒物 |
| 1.2.2 水溶性离子 |
| 1.2.3 来源解析 |
| 1.2.4 青藏高原PM_(2.5)及其组分变化 |
| 1.3 选题意义及研究内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 第二章 资料介绍和研究方法 |
| 2.1 采样地点和时间 |
| 2.2 仪器介绍 |
| 2.2.1 采样仪器介绍 |
| 2.2.2 OC和EC分析仪器 |
| 2.2.3 水溶性离子分析仪 |
| 2.3 分析方法 |
| 2.3.1 SOC的估算 |
| 2.3.2 PMF源解析 |
| 2.3.3 FLEXPART-WRF模型介绍 |
| 第三章 四川盆地-青藏高原东缘PM_(2.5)中碳质组分特征 |
| 3.1 碳质气溶胶的组成 |
| 3.2 碳质气溶胶浓度特征 |
| 3.2.1 OC和EC的季节分布特征 |
| 3.2.2 OC和EC的昼夜变化特征 |
| 3.3 SOC的形成及特征 |
| 3.4 碳质气溶胶的来源解析 |
| 3.4.1 OC和EC的相关性研究 |
| 3.4.2 基本碳组分分析 |
| 3.4.3 PMF源解析 |
| 3.5 本章小结 |
| 第四章 四川盆地-青藏高原东缘PM_(2.5)中离子组分特征 |
| 4.1 主要大气污染物变化特征 |
| 4.2 水溶性离子质量及其组成 |
| 4.3 二次无机离子的形成与存在形式 |
| 4.4 离子来源解析 |
| 4.4.1 NO_3~-和SO_4~(2-)的质量浓度比 |
| 4.4.2 离子相关性分析和主成分分析 |
| 4.5 本章小结 |
| 第五章 四川盆地-青藏高原东缘PM_(2.5)重污染过程中区域传输特征 |
| 5.1 盆地内重度PM_(2.5)污染事件下气象特征 |
| 5.2 模型设置及评估 |
| 5.3 污染潜在源区模拟分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（5）山东省不同站点大气中的黑碳浓度及其光学特性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 第一章 绪论 |
| 1.1 碳质气溶胶概述 |
| 1.1.1 大气气溶胶 |
| 1.1.2 碳质气溶胶 |
| 1.1.3 碳质气溶胶光学参数描述 |
| 1.1.4 黑碳气溶胶的吸光增强效应 |
| 1.1.5 黑碳气溶胶的测量方法 |
| 1.2 碳质气溶胶的影响 |
| 1.2.1 碳质气溶胶对气候变化的影响 |
| 1.2.2 碳质气溶胶对健康的影响 |
| 1.2.3 碳质气溶胶与社会经济发展的关系 |
| 1.3 黑碳的国内外研究现状 |
| 1.3.1 黑碳的国内研究现状 |
| 1.3.2 黑碳的国外研究现状 |
| 1.4 研究内容与意义 |
| 1.4.1 研究内容 |
| 1.4.2 研究意义 |
| 第二章 实验与研究方法 |
| 2.1 研究站点及采样时间 |
| 2.1.1 城市站点—临沂 |
| 2.1.2 郊区站点—青岛 |
| 2.1.3 背景站点—泰山 |
| 2.2 采样与观测仪器介绍 |
| 2.2.1 碳质气溶胶膜采样 |
| 2.2.2 光声气溶胶消光仪 |
| 2.3 研究方法 |
| 2.3.1 光学参数计算 |
| 2.3.2 OC-EC浓度分析 |
| 2.3.3 正定矩阵因子模型(Positive Matrix Model,PMF) |
| 第三章 黑碳的浓度特征 |
| 3.1 临沂市黑碳浓度变化 |
| 3.2 泰山站点黑碳浓度变化 |
| 3.3 青岛市黑碳浓度变化 |
| 3.3.1 山大站点秋季 |
| 3.3.2 山大站点冬季 |
| 3.3.3 海洋所站点 |
| 3.4 本章小结 |
| 第四章 黑碳的光学参数变化 |
| 4.1 光吸收系数(Babs) |
| 4.2 光散射系数(Bscat) |
| 4.3 消光系数(Bext) |
| 4.4 单次散射反照率(SSA) |
| 4.5 不同站点多重散射效应参数(C)的计算 |
| 4.5.1 多重散射效应参数概述 |
| 4.5.2 多重散射效应参数(C)的计算 |
| 4.5.3 不同站点的C值测定 |
| 4.6 本章小结 |
| 第五章 黑碳的吸光增强效应及来源解析 |
| 5.1 数据来源 |
| 5.2 黑碳质量吸收截面(MAC)及吸光增强因子(E_(MAC)) |
| 5.3 基于PMF模型的黑碳吸光增强的来源解析 |
| 5.4 不同站点黑碳吸光增强来源的贡献比较 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要结论 |
| 6.2 本研究的创新性 |
| 6.3 不足与展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 硕士期间发表论文及获奖情况 |
| 学位论文评阅及答辩情况表 |
（6）山东省不同地区冬季大气细颗粒物中水溶性有机碳污染特征研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 大气颗粒物 |
| 1.1.2 有机气溶胶 |
| 1.2 水溶性有机碳 |
| 1.2.1 水溶性有机碳的组成和分布特征 |
| 1.2.2 水溶性有机碳的来源与形成 |
| 1.2.3 水溶性有机碳的影响 |
| 1.3 研究意义及内容 |
| 1.3.1 研究意义 |
| 1.3.2 研究内容 |
| 第二章 实验与研究方法 |
| 2.1 样品采集 |
| 2.1.1 采样站点 |
| 2.1.2 采样时间 |
| 2.2 测量方法与仪器 |
| 2.2.1 PM_(2.5)质量浓度的测定 |
| 2.2.2 无机水溶性离子的检测 |
| 2.2.3 元素碳(EC)与有机碳(OC)的测定 |
| 2.2.4 水溶性有机碳(WSOC)的测定 |
| 2.2.5 左旋葡聚糖(LG)的测定 |
| 2.2.6 二元羧酸类物质的测定 |
| 2.2.7 水溶性有机碳吸收光谱的测定 |
| 2.2.8 气象参数的测定 |
| 2.3 研究方法 |
| 2.3.1 二次有机碳(SOC)的估算 |
| 2.3.2 气溶胶液态水(AWC)和酸度(Particle Acidity)的估算 |
| 2.3.3 吸光参数的计算 |
| 2.3.4 后向气流轨迹(HYSPLIT)模型 |
| 2.3.5 潜在源贡献(PSCF)模型 |
| 2.3.6 正交矩阵因子分解法(PMF) |
| 第三章 济南市水溶性有机碳污染特征 |
| 3.1 济南市PM_(2.5)化学组分特征 |
| 3.1.1 PM_(2.5)的总浓度 |
| 3.1.2 水溶性离子 |
| 3.1.3 有机碳/元素碳和二次有机碳 |
| 3.1.4 水溶性有机碳 |
| 3.1.5 不同污染天气下PM_(2.5)污染特征 |
| 3.2 济南市水溶性有机碳光学特征 |
| 3.3 济南市水溶性有机碳的传输特征和潜在贡献源分析 |
| 3.4 济南市水溶性有机碳来源解析 |
| 3.5 本章小结 |
| 第四章 青岛市水溶性有机碳污染特征 |
| 4.1 青岛市PM_(2.5)化学组分特征 |
| 4.1.1 PM_(2.5)浓度和水溶性离子 |
| 4.1.2 PM_(2.5)中的碳气溶胶污染特征 |
| 4.2 青岛市水溶性有机碳光学特征 |
| 4.3 青岛市水溶性有机碳的传输特征和潜在贡献源分析 |
| 4.4 青岛市水溶性有机碳来源解析 |
| 4.5 青岛市二元羧酸类物质污染特征初步分析 |
| 4.6 本章小结 |
| 第五章 主要结论和展望 |
| 5.1 主要结论 |
| 5.2 不足与展望 |
| 5.3 创新点 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（7）兰州市大气细颗粒物中碳质气溶胶污染特征及来源解析（论文提纲范文）
| 中文摘要 |
| 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 国内外研究进展 |
| 1.2.1 碳质气溶胶的污染特征研究 |
| 1.2.2 碳质气溶胶的来源解析研究 |
| 1.2.3 兰州市碳质气溶胶研究现状及不足 |
| 1.3 研究内容、方案及目的 |
| 1.3.1 研究内容及方案 |
| 1.3.2 研究目的 |
| 1.4 技术路线 |
| 第二章 研究方法 |
| 2.1 样品采集 |
| 2.1.1 采样点布设 |
| 2.1.2 采样仪器及采样时段 |
| 2.2 碳质组分分析 |
| 2.2.1 OC和EC的测定 |
| 2.2.2 WSOC的测定 |
| 2.3 主成分分析(PCA)方法 |
| 2.4 质量保证和质量控制 |
| 第三章 碳质气溶胶污染特征 |
| 3.1 PM_1 碳质气溶胶污染特征 |
| 3.1.1 OC和EC空间污染差异 |
| 3.1.2 OC和EC昼夜差异特征 |
| 3.1.3 总碳气溶胶(TCA)污染特征 |
| 3.1.4 WSOC污染特征 |
| 3.2 PM_(2.5) 碳质气溶胶污染特征 |
| 3.2.1 OC和EC空间污染差异 |
| 3.2.2 OC和EC昼夜差异特征 |
| 3.2.3 总碳气溶胶(TCA)污染特征 |
| 3.2.4 WSOC污染特征 |
| 第四章 碳质气溶胶二次来源分析 |
| 4.1 PM_1的OC和 EC二次来源分析 |
| 4.1.1 OC和EC的相关性 |
| 4.1.2 OC/EC的比值 |
| 4.1.3 SOC的估算 |
| 4.2 PM_(2.5)的OC和 EC二次来源分析 |
| 4.2.1 OC和EC的相关性 |
| 4.2.2 OC/EC的比值 |
| 4.2.3 SOC的估算 |
| 第五章 碳质气溶胶来源解析 |
| 5.1 不同温度段碳组分分析 |
| 5.1.1 碳质组分粒径对比分析 |
| 5.1.2 碳质组分昼夜对比分析 |
| 5.2 主成分分析法(PCA)碳质气溶胶来源解析 |
| 5.2.1 各类颗粒物粒径的季节变化特征 |
| 5.2.2 夏季细颗粒物(PM_1、PM_(2.5))中碳质气溶胶来源解析 |
| 5.2.3 冬季细颗粒物(PM_1、PM_(2.5))中碳质气溶胶来源解析 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.1.1 细颗粒物中碳质气溶胶污染特征 |
| 6.1.2 细颗粒物中碳质气溶胶二次来源分析 |
| 6.1.3 碳质组分来源解析 |
| 6.2 不足与展望 |
| 参考文献 |
| 在学期间研究成果 |
| 致谢 |
（8）四川盆地—青藏高原东缘区域冬季大气颗粒物物理—化学特性变化分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究进展 |
| 1.2.1 我国大气颗粒物污染特征 |
| 1.2.2 四川盆地空气污染变化 |
| 1.2.3 青藏高原的空气质量变化 |
| 1.2.4 大气颗粒物理化特性 |
| 1.3 研究目的和内容 |
| 第二章 观测资料和研究方法 |
| 2.1 大气颗粒物样品采集 |
| 2.1.1 采样点的布设 |
| 2.1.2 样品采集 |
| 2.2 大气颗粒物碳组分分析 |
| 2.2.1 DRI2001A型有机碳/元素碳分析仪原理 |
| 2.2.2 质量保证 |
| 2.3 环境-气象观测资料 |
| 2.4 研究方法 |
| 2.4.1 相关性分析 |
| 2.4.2 环境空气质量分级标准 |
| 2.4.3 首要污染物及污染物超标的确定方法 |
| 2.4.4 OC/EC比值法 |
| 2.4.5 二次有机碳的估算 |
| 第三章 2017年1月四川盆地-青藏高原东缘大气污染特征 |
| 3.1 引言 |
| 3.2 环境空气质量等级 |
| 3.3 大气污染物浓度特征 |
| 3.3.1 大气污染物质量浓度逐日变化特征 |
| 3.3.2 大气污染物的日变化特征 |
| 3.4 大气污染物与气象要素的关系 |
| 3.5 首要污染物 |
| 3.6 本章小结 |
| 第四章 四川盆地-青藏高原东缘冬季大气OC和EC物理特性 |
| 4.1 引言 |
| 4.2 大气颗粒物污染特征 |
| 4.3 OC和EC浓度变化特征 |
| 4.3.1 OC和EC质量浓度水平 |
| 4.3.2 各粒径段颗粒物的OC和EC变化特征 |
| 4.3.3 OC和EC空间分布特征 |
| 4.3.4 OC和EC昼夜差异 |
| 4.4 与其他城市对比 |
| 4.5 本章小结 |
| 第五章 四川盆地-青藏高原东缘冬季大气碳质颗粒物的来源及二次有机碳估算 |
| 5.1 引言 |
| 5.2 OC和EC的污染来源分析 |
| 5.2.1 OC和EC的相关性 |
| 5.2.2 EC与OC的比值 |
| 5.3 二次有机碳的估算 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 特色与主要创新点 |
| 6.3 不足与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（9）哈长城市群冬季细颗粒物中有机气溶胶组成特征及来源（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 大气颗粒物的概述 |
| 1.2 PM_(2.5)研究现状 |
| 1.2.1 PM_(2.5)化学组成 |
| 1.2.2 PM_(2.5)污染特征及影响因素 |
| 1.3 国内外研究进展 |
| 1.3.1 PM_(2.5)研究进展 |
| 1.3.2 有机碳、元素碳研究进展 |
| 1.3.3 PM_(2.5)中有机气溶胶研究进展 |
| 1.4 研究内容与技术路线 |
| 第二章 实验设计与研究方法 |
| 2.1 样品采集 |
| 2.1.1 研究区域 |
| 2.1.2 采样方法 |
| 2.1.3 质量控制与质量保证(QA/QC) |
| 2.2 样品检测 |
| 2.2.1 PM_(2.5)质量浓度计算 |
| 2.2.2 有机碳、元素碳分析 |
| 2.2.3 有机物质量浓度 |
| 2.3 研究方法 |
| 2.3.1 二次有机碳的估算方法 |
| 2.3.2 PMF模型 |
| 第三章 哈长地区冬季大气污染的特征 |
| 3.1 大气颗粒物质量浓度变化特征 |
| 3.1.1 PM10及PM_(2.5)质量浓度水平 |
| 3.1.2 气态污染物分析 |
| 3.2 碳质组分浓度特征 |
| 3.2.1 碳质组分浓度水平 |
| 3.2.2 二次有机碳的估算 |
| 3.3 本章小结 |
| 第四章 非极性有机化合物浓度变化特征 |
| 4.1 非极性有机化合物浓度水平 |
| 4.1.1 PM_(2.5)中正构烷烃的污染特征分析 |
| 4.1.2 PM_(2.5)中多环芳烃的污染特征分析 |
| 4.1.3 PM_(2.5)中藿烷的污染特征分析 |
| 4.2 本章小结 |
| 第五章 极性有机化合物浓度变化特征 |
| 5.1 极性有机化合物浓度变化特征 |
| 5.1.1 PM_(2.5)中脂肪酸和脂肪醇的污染特征分析 |
| 5.1.2 PM_(2.5)中生物质燃烧示踪物的污染特征分析 |
| 5.1.3 PM_(2.5)中糖和糖醇的污染特征分析 |
| 5.1.4 PM_(2.5)中二次光氧化产物的污染特征分析 |
| 5.1.5 PM_(2.5)中生物源/人为源二次有机气溶胶示踪物的污染特征分析 |
| 5.2 本章小结 |
| 第六章 大气细颗粒物(PM_(2.5))中有机气溶胶(OA)来源解析 |
| 6.1 生物源和人为源VOCs对 SOA的贡献(基于示踪物法) |
| 6.1.1 估算SOA浓度 |
| 6.1.2 生物源/人为源VOCs氧化对SOA生成的贡献 |
| 6.2 基于PMF模型的PM_(2.5)本地源解析结果 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 本研究创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（10）南宁市江南区冬季大气颗粒物化学组分分析及来源解析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 大气颗粒物概述 |
| 1.2 大气颗粒物理化性质及来源解析 |
| 1.3 激光雷达在颗粒物来源解析中的应用 |
| 1.4 本课题的研究内容 |
| 1.4.1 课题来源 |
| 1.4.2 研究目的 |
| 1.4.3 研究内容与方法 |
| 1.4.4 技术路线 |
| 第二章 实验材料与方法 |
| 2.1 监测点位情况简介 |
| 2.2 样品采集 |
| 2.3 样品分析 |
| 2.3.1 手工滤膜称重分析 |
| 2.3.2 水溶性离子分析 |
| 2.3.3 无机元素分析 |
| 2.3.4 碳质组分分析 |
| 2.4 质控手段 |
| 2.4.1 样品采集质控方法 |
| 2.4.2 样品分析质控方法 |
| 2.5 来源解析方法 |
| 2.5.1 化学重构分析 |
| 2.5.2 PMF模型来源解析 |
| 2.6 雷达扫描监测分析 |
| 第三章 大气颗粒物在线监测历史数据分析 |
| 3.1 时间变化规律 |
| 3.1.1 年变化规律 |
| 3.1.2 月变化规律 |
| 3.1.3 小时变化规律 |
| 3.2 空间分布特征 |
| 3.3 PM2.5/PM10占比分析 |
| 3.4 本章小结 |
| 第四章 手工采样大气颗粒物化学组分特征分析 |
| 4.1 采样期间空气质量状况及气象要素 |
| 4.2 颗粒物质量浓度及占比分析 |
| 4.3 颗粒物水溶性离子特征分析 |
| 4.3.1 阴阳离子平衡分析 |
| 4.3.2 水溶性离子成分谱特征 |
| 4.3.3 水溶性离子间相关性分析 |
| 4.3.4 二次转化分析 |
| 4.3.5 中和率及酸度分析 |
| 4.4 颗粒物无机元素特征分析 |
| 4.5 颗粒物碳质组分特征分析 |
| 4.5.1 OC、EC浓度及相关性分析 |
| 4.5.2 二次有机碳分析 |
| 4.6 本章小结 |
| 第五章 手工采样大气颗粒物来源解析 |
| 5.1 颗粒物化学重构分析 |
| 5.2 利用PMF模型对大气颗粒物来源解析 |
| 5.3 本章小结 |
| 第六章 激光雷达扫描分析 |
| 6.1 扬尘源分析 |
| 6.2 机动车源分析 |
| 6.3 工业燃煤源分析 |
| 6.4 生物质焚烧源分析 |
| 6.5 二次源分析 |
| 6.6 不利气象条件分析 |
| 6.6.1 高湿度下颗粒物吸湿增长 |
| 6.6.2 逆温、静稳天气 |
| 6.6.3 风速、风向 |
| 6.7 本章小结 |
| 第七章 结论与建议 |
| 7.1 结论 |
| 7.2 建议 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表学术论文目录 |
四、EC站点分析技术研究（论文参考文献）
- [1]舟山风力智能网格精细化订正释用技术[J]. 於敏佳,刘菡,李晓丽. 海洋预报, 2021(06)
- [2]我国中东部背景地区大气气溶胶PM10理化特征及来源分析[D]. 矫健. 南京信息工程大学, 2021(01)
- [3]长叶松（Pinus palustris）生态系统碳物候动态和建模方法研究[D]. 龚元. 南京林业大学, 2021
- [4]四川盆地—青藏高原东缘PM2.5化学组分变化及来源追踪[D]. 张成虎. 南京信息工程大学, 2021(01)
- [5]山东省不同站点大气中的黑碳浓度及其光学特性研究[D]. 张笑荣. 山东大学, 2021(12)
- [6]山东省不同地区冬季大气细颗粒物中水溶性有机碳污染特征研究[D]. 宋杰. 山东大学, 2021(12)
- [7]兰州市大气细颗粒物中碳质气溶胶污染特征及来源解析[D]. 葛慧萍. 兰州大学, 2021(09)
- [8]四川盆地—青藏高原东缘区域冬季大气颗粒物物理—化学特性变化分析[D]. 王闰芳. 南京信息工程大学, 2020(02)
- [9]哈长城市群冬季细颗粒物中有机气溶胶组成特征及来源[D]. 吴瑕. 南京信息工程大学, 2020(02)
- [10]南宁市江南区冬季大气颗粒物化学组分分析及来源解析[D]. 安学文. 广西大学, 2019(06)