一、关于吉林省开展城市空气质量预报探讨（论文文献综述）
薛苗,孙强,张力焘[1]（2021）在《吕梁市生态环境气象监测预报预警系统研究》文中指出通过分析气象观测数据资料和环境空气自动监测数据的相关性,利用空气质量统计预报和数值预报产品,对环境空气质量AQI指数和6种污染物浓度进行未来7 d预报,实现环境气象资料收集数据、空气质量监测预报、污染源监测分析、气象监测预报、综合展示分析。
徐元畅[2]（2021）在《不同沙障的防风固沙生态服务效益研究 ——以库布齐沙漠为例》文中研究表明对沙漠地区生态治理进行生态服务效益评估有助于定量分析防风固沙措施的效果,为区域生态治理与社会经济可持续发展提供科学借鉴和决策。多年来国内外学者开展了大量有意义的工作并取得了诸多成果。从前人研究发现,关于沙化土地生态效益评价研究方面,大多采用生态治理工程和草原沙漠化的评价指标和方法,而近些年随着风蚀模型、气流轨迹等模型的不断发展和完善,越来越多的研究人员开始结合模型进行沙化土地生态治理的生态系统服务效益研究。库布齐沙漠在风沙天气时易发生长距离传输,影响下风城市尤其是京津冀地区的空气质量。为探究和建立合适的生态系统服务效应体系,将WEPS风蚀预测系统与HYSPLIT大气颗粒物传输模型进行耦合,对库布齐沙漠不同生态本底的PM10释尘进行了空间化分析,找出了库布齐沙漠的PM10高释放区,进一步的基于PM10高释放区进行前向轨迹模拟,设置不同沙障,研究了不同治理措施下的生态服务效益,计算并比较其对下风城市影响。本文的主要研究成果有:（1）不同土地覆被类型和土壤类型的PM10释放量各不相同。草原风沙土、草甸风沙土的PM10年平均释放量最大,每立方米PM10释放量约3 kg;盐化潮土、潮土的PM10年平均释放量次之,每立方米PM10释放量约0.9kg;新积土年平均释放量在每立方米约0.7kg;棕钙土、淡栗钙土、淡棕钙土的PM10年平均释放量最小,每立方米PM10释放量约0.005kg。对于相同土壤类型的生态本底,土地利用类型为沙漠、盐碱地的网格容易产生更多的PM10释放,其次是裸地、旱地,而有植被的区域PM10年平均释放量较小。（2）库布齐沙漠地区不同生态本底的PM10释放量呈现出以下规律:PM10高释放量区域主要位于库布齐沙漠的中部地区,土壤以草原风沙土、草甸风沙土为主,土地覆被类型大部分为沙漠;东部以新积土、草原风沙土为主的地区PM10年排放总量次之;西南部以潮土、淡棕钙土、棕钙土为主,土地类型为裸地、稀疏草地,这一地区是库布齐沙漠PM10年释放量最低的地区;库布齐沙漠北部边缘、中部的PM10年释放量低值区与库布齐沙漠锁边林切割治理有关。（3）库布齐沙漠释放的PM10在对周围城市鄂尔多斯市、乌海市、石嘴山市受影响最高,WCWT贡献值在150μg·m-3以上;西南方向次之,影响宁夏回族自治区的银川市、吴忠市、中卫市,WCWT贡献值在150μg·m-3以上;南方向的甘肃省庆阳市、陕西省咸阳市、榆林市以及延安市,东南方向经过河南省到达湖北省和安徽省,WCWT贡献值在100μg·m-3以上,有大量200μg·m-3以上的高值区;北方向跨过内蒙古巴彦淖尔市到达蒙古国境内,其WCWT贡献值在150-200μg·m-3左右;东方向PM10WCWT传输距离最远,途经内蒙古呼和浩特市、山西省朔州市、大同市,河北省张家口市、承德市,北京市到达辽宁省朝阳市、阜新市,最后到达黑龙江省,其WCWT贡献值在100-200μg·m-3左右;西方向影响最低,内蒙古阿拉善盟、甘肃酒泉市,其WCWT贡献值在50-150μg·m-3。（4）耦合WEPS风蚀预测系统与HYSPLIT模型,设置不同沙障评估生态效益,就年PM10释放减少量和PM10日均减少了来说,不同生态治理措施的减少量呈现以下特点:1年树龄樟子松沙障>芦苇沙障>5年树龄樟子松沙障>尼龙阻沙网>梭梭>10年树龄樟子松沙障>20年树龄樟子松沙障。就WCWT贡献值来说,芦苇沙障降低了各个方向的PM10传输,WCWT贡献值低于100μg·m-3,东方向和东南方向传输基本上被降低到了50μg·m-3以下。1年树龄樟子松沙障将各个方向的WCWT贡献值降低到了100μg·m-3。其余沙障都将库布齐沙漠向外传输PM10的WCWT贡献值降低到了50μg·m-3以下。将人口、GDP数据于WCWT分析结果结合,根据耦合模型评估社会经济效益:1.受库布齐沙漠PM10传输影响的城市分布特点为:库布齐沙漠周边的城市地区、库布齐沙漠东方向、南方向地区受影响面积大、PM10浓度高;而库布齐沙漠东南方向和东方向地区GDP和人口受库布齐沙漠PM10传输影响大,各沙障都在一定程度上减轻了库布齐下风城市的受影响的GDP、人口,尤其是南方向和东南方向省市。
秦听听[3]（2021）在《基于Models-3/CMAQ模型的吉林市大气环境质量系统模拟研究》文中指出伴随着社会的进步与经济水平的提高,城镇化的发展以及人们生活水准的不断提升,不可避免的会产生一系列的环境污染问题。吉林市作为吉林省的支柱性产业区会消耗很多的能源,因此会产生大量的一次或者二次污染物,目前吉林市面临的大气环境污染问题比较严峻。为探究吉林市大气污染特征及变化趋势,为大气污染防治方案制定提供切实有效参考,本文以吉林市为研究区域,利用第三代空气质量模型（Models-3/CMAQ）建立了适用于吉林市地区的空气质量模拟体系。首先根据监测数据分析了吉林市2019年全年的环境空气质量指数（AQI）状况,各种污染物浓度时空分布特征以及与气象因素的关系。然后确定污染物模拟方案,利用排放清单空间分配工具（Inventory Spatial Allocate Tool,ISAT）划分研究区域的网格并且对清单进行分配,搭建了空气质量模型（WRF-CMAQ）模拟系统。主要模拟并且分析了吉林市2019年1月、4月、7月和10月份的SO2、NO2、PM2.5浓度,将模拟值与监测值从不同维度进行对比分析,验证模型模拟结果的准确性。最后结合气象因素以及后向轨迹分析12月的污染物变化特征,设置减排情景模拟减排前后浓度分布。得出结论如下:（1）2019年吉林市AQI达标天数为327天,未达标天数为38天。5月至11月空气质量较好,重污染天气发生在1月、3月和12月,其中,12月出现连续一周以上的污染天气。（2）污染物的空间分布特征:2019年吉林市SO2、NO2、CO、PM2.5和PM10总体空间分布特征相似,整体上表现为由南向北逐渐递增,由东向西逐渐增加的变化趋势,而O3则表现出东南部浓度高于其他区域的分布规律。（3）污染物时间分布特征:2019年吉林市SO2、NO2、O3、CO、PM2.5和PM10的年平均浓度分别为10.8μg/m3、21.69μg/m3、85.35μg/m3、0.75mg/m3、35.37μg/m3和59.7μg/m3。除O3浓度呈现出夏季较高的特征外,其余污染物浓度基本呈冬季较高的规律。O3月均和日均浓度呈现“单峰”模式,其余几种污染物呈现“双峰”模式。（4）气象因素分析:不同污染物在不同季节与气压、温度、风速的相关性不同,温度和气压与污染物的相关性较强。全年的主导风向为西南偏西和西风,风频率分别为17.94%和15.36%。春季和冬季主导风向相近,夏季和秋季主导风向相近。（5）本研究中WRF气象模式的搭建能够较好地模拟出气象因素的变化趋势,对气压的模拟效果好于温度,为CMAQ空气质量模型提供了比较准确的气象输入数据。温度的模拟值比气象站获取的日均温度略高,而压强的模拟值则低于监测值。与其他几个月相比,7月份气压和温度的模拟效果较差,模拟值与监测值的相关性最低,均方根误差和平均相对误差较大。（6）CMAQ输出的SO2、PM2.5和NO2浓度模拟值与监测数据小时浓度变化趋势基本一致,大部分模拟值低于监测值,1月份和10月份对污染物模拟结果较好,7月份模拟结果相对较差。7月份SO2和NO2的标准化平均偏差和标准化平均误差都比较大,且模拟结果与监测值的相关性比较小。三种污染物的月平均浓度高值都集中在西北、西南和西部,东部和东南大部分区域浓度都很低,这与2019年全年的空间分布情况一致。（7）12月16日至31日期间平均风速为1.7m/s,平均温度为﹣15.46℃,平均大气压为1028.9hpa,SO2、PM2.5和NO2浓度与气压和风速的正相关性比较显着。后向轨迹气团主要来自西北和西南方向,轨迹7携带的三种污染物浓度最高,轨迹1占比最大。研究区域三种污染物浓度分布在减排后与减排前基本一致,减排后SO2和NO2浓度降低比较明显的区域分布在吉林市东南方向,PM2.5浓度降低比较明显的区域分布吉林市西北和西南方向。
李思佳[4]（2021）在《基于多卫星遥感的中国东北地区大气排放清单校准方法研究》文中进行了进一步梳理大气污染物排放清可以对空气质量起到预告预警的作用,同时也为污染控制计划奠定了基础。因此,建立一套完善、动态、精准的污染源清单已成为空气质量管理科学制定的首要环节。目前校准大气污染物排放清单在二维空间分配上,无机化学物种已取得较好的研究进展,而在三维垂直空间分配,VOCs空间物种分配,时间分配上研究不足。本研究借助多源卫星遥感数据产品在时间尺度上校准排放清单。主要以基于MODIS AOD反演的中国东北地区PM2.5浓度、Aura卫星上OMI传感器反演的SO2浓度和NO2浓度、Sentinel-5P卫星TROPOMI传感器反演的CO浓度卫星遥感数据基础,提取月平均浓度,绘制了了人为源排放清单时间廓线,并利用此时间廓线校准MEIC人为源颗粒物排放清单,将得到的清单结果与地面空气质量监测数据进行验证。主要结论如下:卫星反演获取的中国东北地区PM2.5月均浓度在黑龙江省大兴安岭3月份和6月份存在峰值、在黑龙江省鹤岗4月份存在峰值、在黑龙江省伊春的3月份和4月份存在峰值;在吉林省和辽宁省全省内3月份均存在峰值。SO2排放清单各个城市在2月份均存在峰值。NO2排放清单校准效果不太明显,MEIC排放清单、卫星反演浓度数据产品和地面空气质量监测数据三者趋势基本一致。MEIC排放清单总是过高的估计CO在7月份8月份的垂直柱浓度。本论文进一步基于多卫星反演获取的不同污染物的时间廓线对MEIC排放清单进行了较准研究,校准结果与地面空气质量监测数据在2018年月变化趋势具有较高的一致性,说明了基于多源卫星遥感数据校准人为源颗粒物痕量气体排放清单方法较为可行。
王扬锋,马雁军,权维俊,李荣平[5]（2020）在《东北区域空气质量数值预报模式应用研究进展》文中认为中国气象局沈阳大气环境研究在2014年基于CUACE和CMAQ建立了东北区域空气质量数值预报业务系统,本文介绍了空气质量数值模式的研究进展以及业务现状,为东北区域空气质量和雾霾预报提供了技术支撑。然而,随着预报精细化和更长预报时效的业务发展需求,存在预报准确率不高、计算资源短缺、科技创新能力不足等问题。本文基于存在的问题提出了东北区域空气质量数值预报未来发展建议与展望,包括加强大气污染源清单研究与技术规范制定、观测资料同化技术研究与业务应用、物理过程参数化方案的改进优化、发展数值预报产品订正技术、开发高分辨率7—10 d数值预报产品、加强人才引进和科技创新等。
阎合[6]（2020）在《中国东北地区杨树腐烂病时空流行特点与风险分析》文中提出由金黄壳囊孢（Cytospora chrysosperma）引起的杨树腐烂病是一种枝干病害,在中国“三北”地区发生严重,已造成大量杨树死亡。控制杨树腐烂病的核心是预防,而摸清病害的流行规律是预防的前提和基础。本文在整理分析中国东北地区自2002年至2015年共14年间杨树腐烂病发生数据的基础上,按照不同纬度、海拔,不同森林经营区,不同功能区等分类方式,对比分析杨树腐烂病在不同类型区域的流行趋势;并以县（区、市）行政单元作为样本统计单元,采用时空扫描统计量（Sa TScan）技术,并结合回顾性时空扫描方法,分析了14年间中国东北地区杨树腐烂病的时空分布与流行特点及其聚集模式;通过Max Ent模型与Arc GIS技术,结合不同环境变量对病害发生的贡献率,对杨树腐烂病潜在分布区及其适宜性进行了分析,预测了不同气候变化下未来30年和50年潜在分布区的变化情况,并利用多指标综合评价方法对杨树腐烂病在东北地区传播扩散的风险性进行分析。旨在为该病害的防控工作提供科学依据。主要结果如下:1、中国东北地区杨树腐烂病的发生趋势与纬度区间的相关性并不显着,但相同纬度下高海拔地区的发病率明显低于低海拔地区。不同森林经营区中,杨树腐烂病发生程度差异较大,松辽平原农田防护林区林木种类相对单一,构成了一个相对集中的杨树腐烂病地理分布区;在长白山脉沿线与大兴安岭南部,常年以中、低程度发生;大兴安岭北部与小兴安岭基本不发生。不同功能区中,城市园林绿化区的发病率高于农田防护林区,且在整体发病率越高的地区,差异越显着。2、中国东北地区的杨树腐烂病平均发生率整体呈波动上升趋势,年均上升速度为27.62%。14年间共有149个县累计901县（次）受害,但不同地区发病率差异较大。病害的时空分布呈现“爆发-聚集-蔓延-稳定”的特点。病害的空间聚集效应明显。2002-2015年累计发病面积扫描显示1个一类聚集区和4个以上的二类聚集区;分年度空间扫描统计,探测到14个一类聚集区和37个二类聚集区,显示出“扩张-集中-扩张”的三阶段变化规律。一类聚集区主要集中在辽宁省（LLR=86469.86,p<0.001）。病害也表现出显着时空聚集效应,2002-2015年连续时间维度的时空扫描结果显示,存在1个一类聚集区和6个二类聚集区。一类聚类区集中在辽宁省,出现于2009-2015年（LLR=64182.00,p<0.001）。时空动态分析显示未来杨树腐烂病在局部区域的爆发流行可能更加趋于频繁和严重。3、杨树腐烂病在中国东北地区的适宜分布区覆盖黑龙江、吉林、辽宁三省的大部分地区以及内蒙古东北部地区。在19个环境变量中,对腐烂病的发生影响最大的环境变量是降水量变异系数、最暖季度降水量和温度季节性变化的标准差,它们对病害发生的影响分别达到模型贡献率的28.0%、25.3%、24.8%。未来30年和50年杨树腐烂病在不同气候变化情景下的潜在分布区和适宜程度出现扩张、加重的趋势。其中辽宁、吉林、黑龙江的大部分地区与内蒙古自治区东北部的最适宜分布区呈现出加重趋势,内蒙古北部和西部的各等级适宜区在向外扩张,适宜等级有上升趋势。4、风险性分析结果显示,杨树腐烂病的寄主在中国东北地区分布广泛,病害的发生给当地造成了严重的经济、生态、环境和社会危害。同时,该病害的潜伏侵染特征,造成苗木调运过程中的检疫鉴定困难,定殖后的防治难度大。杨树腐烂病风险综合评价值R=1.87,在中国东北地区属于中度危险性林业有害生物,扩散蔓延的风险较大,监测和防控的重点应以发生区的防治和检疫为主。
杨光义[7]（2020）在《东北地区生物质露天燃烧源排放及其对大气环境的影响与评估》文中进行了进一步梳理生物质露天燃烧因瞬时释放大量的气体及颗粒物而对周围大气环境产生重要影响。东北地区是我国主要的商品粮产地,同时也是我国生物质露天燃烧严重的地区之一。受不利气象条件以及高强度生物质露天燃烧排放的影响,该区已成为我国雾霾污染高发区。本文针对当前东北地区生物质露天燃烧严重且雾霾污染频发的问题,采用了文献调研、地面观测、多源卫星遥感以及数值模拟的方法,量化了东北地区生物质露天燃烧污染物排放量并评估其燃烧对大气环境的影响。首先,基于多源卫星遥感数据以及本地化的排放因子,优化了“自上而下”的生物质露天燃烧源清单编制方法,构建了可直接应用于空气质量模型CMAQ（Community Multiscale Air Quality Model）的高分辨率生物质露天燃烧源排放清单;其次,基于国内外主流的空气质量模型WRF（The Weather Research and Forecasting Model）-CMAQ,并结合本地化生物质露天燃烧源排放清单,定量揭示了生物质露天燃烧对东北地区大气环境的影响,主要结论如下:2015年全年东北地区生物质露天燃烧排放了约712.0 Gg细颗粒物PM2.5（空气动力学当量直径小于等于2.5μm的颗粒物）、4959.6 Gg一氧化碳（CO）、654.9 Gg非甲烷挥发性有机物（NMVOC）、78.7 Gg氨（NH3）、50.7 Gg二氧化硫（SO2）、263.1 Gg氮氧化物（NOx）、405.5 Gg有机碳（OC）以及31.0 Gg元素碳（EC）。较国外发布的排放清单,提高了东北地区清单的准确性。WRF-CMAQ模型对秋季（2015年11月1日至11月4日）以及春季（2019年2月25日至2月28日）重污染事件的模拟中,气象参数（温度、相对湿度、风速）以及大气中污染物浓度(PM2.5、PM10、CO、NO2)的模拟值与地面观测值相吻合,揭示了大气污染物的时空演变规律。生物质露天燃烧对东北地区秋季以及春季颗粒物PM2.5浓度的贡献率分别为52.0%与24.6%,是东北地区两次重污染事件的一个重要原因。秸秆禁烧政策实施后,2018年秋季火点以及污染物排放量较2015年显着下降,下降比例高达93.8%。与2015年同期相比,2018年黑龙江省、吉林省以及辽宁省PM2.5浓度分别下降了67.10%、53.23%以及10.06%,若在2015年实施2018年的秸秆禁烧政策,整个东北地区PM2.5的浓度将会下降48.1%。秸秆禁烧在减少东北地区秋收后颗粒物排放方面起到了积极作用。
李梓赫[8]（2020）在《吉林市大气中典型污染物来源时空变化特征研究》文中进行了进一步梳理近年来,随着工农业快速发展、国民经济的稳定增长以及城市化的推进,人们的生活水平逐步提高,但是,随之而来的是以雾霾为代表的日益频发的大气污染事件在严重影响着人们正常的生活和生产。吉林市是能源结构以燃煤为主导的东北地区重要的老工业基地和化工城市,近年来,随着经济的快速发展,城市规模不断扩大,人口、工业企业和机动车数量不断增加,且受地理位置影响,吉林市四面环山,空气污染物不断增加的同时又难于扩散,导致大气污染问题十分严重。因此,明确主要大气污染物的时空分布变化特征,开展重污染时段的成因分析,探究空气质量影响因素等,对于吉林地区可持续发展具有重要的理论和现实意义。本文基于美国国家环境预报中心（NCEP）提供的全球资料同化系统（GDAS）数据、气象数据、环境空气质量地面监测数据等多源数据资料,结合HYSPLIT后向轨迹气象模型,分析了吉林地区2017年1月1日-2017年12月31日期间PM10、PM2.5、O3、CO、NO2、SO2等主要大气污染物浓度的时间变化趋势、空间分布特征。在此基础上,进行吉林市一次典型污染事件的污染形成机制以及污染物的时空变化特征分析、吉林市空气质量影响因素分析,从科学角度为相关部门治理大气污染、制定大气污染防治措施提供理论支撑。本文的主要结论如下:（1）分析主要影响因子PM2.5、PM10、O3的月变化和季节分布规律。春季,主要呈现PM10污染和O3污染;夏季,仅呈现出O3污染;秋冬季节,颗粒物质量浓度剧增,O3质量浓度相对较低。由PM2.5与PM10比值的月变化曲线可知,春季沙尘天气对PM10的影响比对PM2.5的影响更大;冬季供暖期对PM2.5的影响比对PM10的影响更大。（2）分析主要影响因子各季节的逐时变化特征。春季,颗粒物在傍晚至夜间的污染比白天严重,O3质量浓度昼高夜低;夏季,仅呈现出O3污染;秋季,颗粒物质量浓度最大值均出现在22:00左右,夜间污染明显重于白天,O3质量浓度较夏季出现明显下降:冬季,颗粒物质量浓度逐时变化出现两个明显的小波峰,第一次在9:00附近,第二次在20:00附近。（3）对比分析污染物在2017年工作日、周末和全年的日平均浓度,颗粒物平均浓度在周末明显高于工作日和全年的平均浓度,呈现出显着的“周末效应”现象。对比分析污染物在2017年节假日和全年的日平均浓度,法定节假日期间,吉林市存在着污染物节假日浓度高于全年日平均浓度的“假日效应”现象,在春节期间,“假日效应”现象更加严重。（4）使用HYSPLIT后向轨迹分析模型分析外来污染物的传输路径,并确定污染物的潜在来源分布。吉林市大气污染物外来输送分布特征明显,PM2.5、PM10和O3均有明显的外来输送主要通道方向。潜在源分析结果显示,吉林市PM25主要潜在源区分布在黑龙江北部、吉林市周边、上海附近区域,吉林市PM10主要潜在源区分布在内蒙东部、俄罗斯东南部区域,吉林市O3主要潜在源区分布在吉林市附近区域和海洋、山东半岛等地区。（5）分析2017年11月1日-11月3日的一次典型重污染事件。燃煤、扬尘与秸秆露天焚烧的复合污染是这次典型重污染事件发生的主要原因,风速风向、相对湿度等不利的气象条件也为本次污染形成提供了基础。吉林市附近区域的污染物可以远距离运输到吉林市,来自俄罗斯、黑龙江省以及吉林省内长春、四平等地的气团都携带着严重的污染,促进了本次重污染现象的形成。（6）探究城市空气质量的影响因素。在分析气象因素时,根据PM2.5、PM10、O3三种污染物与温度、相对湿度、风速这三个气象条件的Pearson相关系数,进行了相关性分析。此外,地理位置因素以及产业布局、机动车尾气、燃煤供暖、秸秆燃烧等其他因素也都是对吉林市空气质量产生影响的主要因素。
周佳[9]（2020）在《大气污染物许可排放量分配及综合评估研究》文中研究表明当前,我国大气污染防治形势依然十分严峻。2018年全国338个地级及以上城市中,只有121个城市环境空气质量达标（即六项污染物浓度均达标,达标比例为36%）,依然有190个城市PM2.5浓度超标（超标率为56%）,治理PM2.5污染依然任重道远。《全国环境统计公报》显示,2015年全国83.73%SO2、63.77%NOx和80.14%烟粉尘排放量是由固定点源中的工业部门排放。现在我国主要通过以排污许可制为核心的固定源环境管理制度体系来科学合理地管理固定源的污染物排放量。排污许可制度通过核定企业污染物许可排放量、监管污染物实际排放量来挂钩污染物浓度,进而直接关联生态环境质量改善效果。然而,排污许可制度改革至今,依然无法实现与生态环境质量改善的挂钩,无法定量评估当前的企业污染物许可排放量分配方法在效果、效率、公平等方面的真实价值,无法较好地支撑排污许可制度的进一步改革和总量控制制度的改革。基于上述背景和管理需求,本研究梳理总结了分配领域与评估领域的研究进展和不足,从而确定了科学问题,即如何构建点源尺度大气污染物许可排放量分配及综合评估体系。第一,针对科学问题中的分配问题,本研究创新性地构建了基于排放标准法（M1）、排放标准+城市传输法（M2）、环境容量法（M3）的点源尺度（企业排放口）大气污染物许可排放量分配模型。本研究基于城市大气污染物排放清单（M0）的企业（排放口）大气污染物排放现状,结合当前排污许可制度分配方法实践和城市大气污染物传输矩阵、城市大气污染物环境容量等最新研究成果,以及结合通过工业行业《排污许可证申请与核发技术规范》筛选出来的工业锅炉、水泥、玻璃、焦化、钢铁等5个工业行业,构建了3种企业（排放口）大气污染物许可排放量分配模型。第二,针对科学问题中的评估问题,本研究创新地整合构建了包括效果评估（环境质量贡献度评估）、效率评估（费用效益评估）、公平评估（公平性评估）、3E综合评估在内的分配结果综合评估体系。在这一部分,首先,以基础排放清单为底部清单,分别加上了基于M0与M1、M2、M3分配结果的点源排放清单,以北京及周边城市为核心模拟区域,本研究构建了三层嵌套网格WRF-CMAQ模型,来开展分配结果效果评估。其次,基于效果评估中的M1、M2、M3与M0的污染物模拟浓度差值,以及基于M1、M2、M3与M0的污染物排放量差值,结合健康终端、暴露人口、反应系数、货币化参数,本研究分别构建了基于环境风险评估和货币化评估的健康效益评估模型,以及污染物减排量货币化评估模型,来开展分配结果效率评估。然后,基于M0、M1、M2、M3的城市5工业行业的污染物排放量,分别加上M0城市其他工业行业的污染物排放量,并结合北京及周边城市的工业GDP、工业利润、工业增加值、工业就业人口等经济社会数据,本研究构建了基于环境基尼系数（EGC）法和绿色贡献系数（GCC）法的公平性评估模型,来开展分配结果公平评估。最后,基于上述的效果、效率、公平评估结果,按照由专家建议构建了污染物浓度、净效益、EGC、GCC等评估结果对应的分数表,并根据专家建议的效果、效率、公平等维度的权重系数,创新性地构建了基于环境质量贡献度（AQA）、费用效益（CA）、公平性（EA）的单项评估评分模型以及基于3E综合评估的综合评估评分模型,来开展分配结果综合评估。本研究有5个主要结果:（a）在许可排放量分配结果方面,M1、M2、M3的北京及周边城市SO2许可排放量分别是7.90、4.92、22.27万t/a,其NO2许可排放量分别是21.91、13.56、15.34万t/a,其一次PM2.5许可排放量分别是3.54、2.22、7.82万t/a。（b）在效果评估结果方面,M1、M2、M3的北京及周边城市SO2模拟浓度分别是30.53、29.83、34.902)/8)3,其NO2模拟浓度分别是49.98、49.43、49.502)/8)3,其PM2.5模拟浓度分别是62.15、61.44、63.912)/8)3。（c）在效率评估结果方面,M1、M2、M3的北京及周边城市健康效益分别为196.05、220.41、102.24亿元,其成本分别为4.85、8.17、5.09亿元,其净效益分别为191.20、212.23、97.15亿元。（d）在公平评估结果方面,M1、M2、M3的基于经济社会数据与SO2排放量的EGC分别为0.4530、0.4573、0.4783,其与NOx排放量的EGC分别为0.4598、0.4696、0.4642,其与一次PM2.5排放量的EGC分别为0.3861、0.4319、0.4479;M1、M2、M3的基于经济社会数据与SO2、NOx、一次PM2.5的GCC中,北京的均高于1.5,唐山的均低于0.5,其他城市的高于或低于1.0。（e）在综合评估结果方面,M1、M2、M3的3E综合评估分数分别是56.91、57.94、55.74。其中,M1、M2、M3的AQA评估分数分别是47.54、47.97、45.97,其CA评估分数分别是76.66、76.91、68.68,其EA评估分数分别是49.66、52.27、55.82。本研究有4个主要结论:（1）城市大气污染物传输矩阵、城市大气污染物环境容量能被引入点源尺度分配方法,使分配方法能够与生态环境质量改善挂钩。（2）分配结果的效果评估、效率评估、公平评估能很好地集成为分配结果3E综合评估,从而使多种分配方法能在单项维度和综合维度分别进行比较。（3）包含效果评估、效率评估、公平评估、3E综合评估在内的综合评估体系能够定量评估分配方法在效果（环境质量贡献度）、效率（费用效益）、公平（公平性）、3E综合等不同维度的表现。（4）从不同分配方法3E综合评估分数（M2>M1>M3）分析,说明在当前大气污染物排放量下,标准+传输法>排放标准法>环境容量法。其中,在不同分配方法AQA评估分数比较方面,M2>M1>M3。在不同分配方法的CA评估分数比较方面,M2>M1>M3。在不同分配方法EA评估分数比较方面,M3>M2>M1。本研究的成果表明,本研究构建的分配及综合评估体系推动我国污染物许可排放量分配方法及其评估技术的发展,为排污许可、总量控制等研究领域提供研究思路、技术、方法方面的参考。此外,本研究为我国总量控制和排污许可的点源污染物许可排放量的科学合理分配提供技术支撑,支撑排污许可制度的进一步改革和总量控制制度的改革。
李思[10]（2020）在《中国北方大型风力发电场对空气质量预报影响的数值模拟研究》文中提出风力发电作为一种清洁可再生能源,在过去几十年中取得了快速的发展,目前中国风电装机容量居世界第一。虽然风机运行过程中不会造成污染或温室气体的直接排放,但会通过改变风力发电场区域的地表状况,对大气运动和湍流产生扰动和影响,进而影响当地空气质量预报。本研究利用WRF-Chem天气预报和大气化学数值模式,耦合风能发电场地表粗糙度参数化方案和风机曳力参数化方案,通过一系列敏感性实验,探讨了中国北方大型风力发电场对气象要素和PM2.5污染的扰动及影响。本文主要研究结论如下:（1）大型风力发电场会造成风电场内部及其临近区域轮毂高度处风速的衰减,且冬季（1月）的衰减程度明显强于夏季（7月）。风轮机产生的湍动动能增加了空气的垂直混合,造成冬季风电场内部和下游地区在风轮机轮毂高度处（约100 m）以及近地面空气温度的升高,且轮毂高度升温强度略高于地面。在夏季,风轮机也会导致风电场临近区域地面和轮毂高度处的温度发生变化,变化幅度小于一月。风轮机在叶片转动区域产生大量的湍动动能,增加低层大气中的湍流混合,形成了湍流逆温效应,使地面和轮毂高度空气温度发生变化。（2）风电场下游地区的PM2.5浓度呈现上升趋势,受风能场及其产生的气象场扰动影响,在风电场内及其临近区域,地面PM2.5浓度都出现了较为明显的变化。冬季,模拟区域盛行西北风,在风电场内和上游区域PM2.5浓度降低,而在风电场下游区域,PM2.5浓度升高。夏季,模拟区域为偏南风但主导风向较弱,风电场内PM2.5无明显变化,在风电场临近区域及几百公里外的地区,PM2.5扰动仍然明显。风电场所引起PM2.5污染的变化主要受风能场边界层动力学和热力学因素的影响:水平风速和湍动动能的扰动影响PM2.5的水平和垂直输送,不同高度温度的变化有利于逆温形势的形成或减弱,二者共同影响了局地PM2.5的传输和扩散。（3）在大型风能场附近和几百公里距离以外的区域和城市,模拟的PM2.5小时浓度受风能场驱动,产生较明显的浓度扰动,和无风能场情景模拟的PM2.5浓度相比,风能场产生的最大浓度扰动高达150%—400%,这一扰动在冬季尤其明显,可能对空气质量预报带来不确定性,因此应在空气质量业务预报中加以考虑。
二、关于吉林省开展城市空气质量预报探讨（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、关于吉林省开展城市空气质量预报探讨（论文提纲范文）
（1）吕梁市生态环境气象监测预报预警系统研究（论文提纲范文）
| 1 吕梁市环境监测国控点相关数据分析 |
| 1.1 吕梁市空气质量监测数据分析 |
| 1.2 污染物与气象因素相关分析 |
| 2 吕梁市生态环境气象监测预报预警系统功能分析 |
| 2.1 环境监测 |
| 2.1.1 实时和历史空气质量查询 |
| 2.1.2 汾渭平原空气质量 |
| 2.1.3 污染源监测级数据对比 |
| 2.1.4 重污染天气数查询 |
| 2.2 气象监测 |
| 2.3 模式预报 |
| 2.3.1 环境预报 |
| 2.3.2 气象预报 |
| 2.4 统计预报 |
| 2.5 会商管理 |
| 2.6 预报发布 |
| 2.7 权限管理 |
| 3 结论 |
（2）不同沙障的防风固沙生态服务效益研究 ——以库布齐沙漠为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与研究意义 |
| 1.3 国内外研究进展 |
| 1.3.1 生态系统服务及生态服务效益研究进展 |
| 1.3.2 土壤释尘模型研究进展 |
| 1.3.3 风沙传输模型研究进展 |
| 1.3.4 沙障研究进展 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 研究区概况与数据介绍 |
| 2.1 研究区概况 |
| 2.1.1 自然条件概况 |
| 2.1.2 生态治理概况 |
| 2.2 数据介绍 |
| 2.2.1 生态本底数据 |
| 2.2.2 气象数据 |
| 2.2.3 社会经济数据 |
| 第三章 研究方法 |
| 3.1 WEPS风蚀预测系统 |
| 3.1.1 WEPS数据集 |
| 3.1.2 WEPS子模型 |
| 3.2 HYSPLIT前向轨迹模型 |
| 第四章 WEPS风蚀预测系统与HYSPLIT模型的耦合 |
| 4.1 WEPS风蚀预测系统数据本地化处理 |
| 4.1.1 研究区拆分 |
| 4.1.2 天气发生器的调用 |
| 4.1.3 土壤和作物数据集的调用 |
| 4.2 基于WEPS风蚀预测系统的PM_(10)释放量计算结果 |
| 4.2.1 不同生态本底下的PM_(10)年单位释放量 |
| 4.2.2 不同区块下的PM_(10)年释放总量 |
| 4.3 HYSPLIT模型耦合沙尘传输分析 |
| 4.4 本章小结 |
| 第五章 模型验证与比对 |
| 5.1 RWEQ模型与WEPS风蚀预测系统 |
| 5.1.1 模型方法对比 |
| 5.1.2 模型结果对比 |
| 5.2 耦合模型结果周边站点实测数据验证 |
| 5.3 本章小结 |
| 第六章 不同沙障的防风固沙生态服务效益 |
| 6.1 沙障设置 |
| 6.1.1 樟子松沙障 |
| 6.1.2 梭梭沙障 |
| 6.1.3 尼龙阻沙网沙障 |
| 6.1.4 芦苇沙障 |
| 6.2 防风固沙生态服务效益评价 |
| 6.2.1 不同沙障下的生态效益评估 |
| 6.2.2 不同沙障下的社会经济效益评估 |
| 6.3 本章小结 |
| 第七章 总结和展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 不足之处与展望 |
| 参考文献 |
| 致谢 |
| 作者介绍 |
（3）基于Models-3/CMAQ模型的吉林市大气环境质量系统模拟研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内研究现状 |
| 1.2.1 空气质量模型发展历程 |
| 1.2.2 Models-3/CMAQ的应用与研究现状 |
| 1.3 研究目的和意义 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第2章 研究区域及研究方法介绍 |
| 2.1 研究区域概况 |
| 2.2 监测数据使用 |
| 2.3 研究方法 |
| 2.3.1 WRF-CMAQ |
| 2.3.2 相关性分析 |
| 2.3.3 后向轨迹聚类分析 |
| 第3章 吉林市环境空气质量状况分析 |
| 3.1 吉林市2019 年空气质量指数分析 |
| 3.2 吉林市污染物浓度时空变化分析 |
| 3.2.1 空间变化规律 |
| 3.2.2 季节变化特征 |
| 3.2.3 月变化特征 |
| 3.2.4 日变化 |
| 3.3 气象因素 |
| 3.3.1 气象因素变化分析 |
| 3.3.2 温度、气压、风速与污染物的相关性 |
| 3.3.3 风速、风向分析 |
| 第4章 基础模拟与模型验证 |
| 4.1 模型方案与参数设置 |
| 4.1.1 初始气象资料 |
| 4.1.2 WRF建立方案 |
| 4.1.3 排放清单处理 |
| 4.1.4 CMAQ建立方案 |
| 4.2 模型结果验证 |
| 4.2.1 WRF模拟结果验证 |
| 4.2.2 CMAQ模拟结果验证 |
| 第5章 重污染天气减排分析 |
| 5.1 污染日SO_2、NO_2、PM_(2.5)浓度与气象因素变化特征分析 |
| 5.2 气流后向轨迹分析 |
| 5.3 减排前后污染物浓度分布 |
| 5.4 减排效果分析 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（4）基于多卫星遥感的中国东北地区大气排放清单校准方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1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 国内外相关研究进展 |
| 1.2.1 大气环境相关的卫星传感器发展 |
| 1.2.2 卫星遥感反演的PM_(2.5）、SO_2、NO_2、CO、NH_3研究进展 |
| 1.2.3 大气污染物排放清单研究进展 |
| 1.2.4 当前研究存在的问题与不足 |
| 1.3 技术路线 |
| 1.4 研究目的与研究内容 |
| 第2章 研究区域概况 |
| 第3章 数据与研究方法 |
| 3.1 研究方法 |
| 3.2 卫星遥感反演PM_(2.5)数据 |
| 3.3 卫星遥感反演SO_2、NO_2数据 |
| 3.3.1 OMI传感器介绍 |
| 3.3.2 卫星遥感反演SO_2、NO_2数据 |
| 3.4 卫星遥感反演CO数据 |
| 3.4.1 TROPOMI传感器介绍 |
| 3.4.2 卫星遥感反演CO数据 |
| 3.5 清华大学MEIC排放清单数据 |
| 3.6 地面空气质量监测数据 |
| 第4章 基于多卫星遥感的中国东北地区主要大气污物反演结果 |
| 4.1 PM_(2.5)遥感反演结果 |
| 4.2 SO_2遥感反演结果 |
| 4.3 NO_2遥感反演结果 |
| 4.4 CO遥感反演结果 |
| 4.5 基于多卫星遥感的中国东北地区各地级市主要大气染物月均浓度 |
| 第5章 MEIC排放清单中国东北地区时间廓线校准 |
| 5.1 同一城市不同月份校准排放清单 |
| 5.1.1 黑龙江省排放清单校准 |
| 5.1.2 吉林省排放清单校准 |
| 5.1.3 辽宁省排放清单校准 |
| 5.2 同一城市不同颗粒物校准排放清单 |
| 第6章 总结与展望 |
| 6.1 结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（5）东北区域空气质量数值预报模式应用研究进展（论文提纲范文）
| 引言 |
| 1 东北区域气象部门空气质量数值预报模式应用历史与现状 |
| 1.1 空气质量数值模式应用研究进展 |
| 1.2 东北区域空气质量数值预报业务系统建立与优化改进 |
| 1.3 辽宁省气象部门和环保部门空气质量预报模式对比 |
| 1.4 东北区域空气质量数值预报产品业务应用 |
| 2 东北区域空气质量数值预报存在的问题 |
| 2.1 准确率和预报时长有待进一步提高 |
| 2.2 计算存储资源有待进一步增加 |
| 2.3 模式人才短缺，科技创新能力需加强 |
| 2.4 对外合作学术交流需进一步加强 |
| 3 东北区域空气质量数值预报未来发展建议与展望 |
（6）中国东北地区杨树腐烂病时空流行特点与风险分析（论文提纲范文）
| 摘要 |
| abstract |
| 1.引言 |
| 1.1 杨树腐烂病的研究概况 |
| 1.1.1 杨树腐烂病的病原菌 |
| 1.1.2 杨树腐烂病症状 |
| 1.1.3 杨树腐烂病的侵染循环 |
| 1.1.4 影响杨树腐烂病发生的因素 |
| 1.1.5 杨树腐烂病的综合防治 |
| 1.2 林业有害生物预测预报 |
| 1.3 在时-空尺度上研究植物病害流行的方法 |
| 1.3.1 扫描统计量(Scan statistic)的发展 |
| 1.3.2 扫描统计量的工作原理 |
| 1.4 物种适生区预测与有害生物风险性分析研究概况 |
| 1.4.1 物种适生区预测研究概况 |
| 1.4.2 有害生物风险分析研究概况 |
| 1.5 研究目的意义和主要研究内容 |
| 1.5.1 拟解决的关键问题 |
| 1.5.2 研究目的 |
| 1.5.3 研究意义 |
| 1.5.4 研究内容 |
| 1.6 研究技术路线 |
| 2 研究区域概况 |
| 2.1 大兴安岭地区 |
| 2.2 呼伦贝尔护牧林区 |
| 2.3 松辽平原地区 |
| 2.4 小兴安岭地区 |
| 2.5 长白山脉地区 |
| 3 中国东北地区不同类型区域对杨树腐烂病流行的影响 |
| 3.1 数据获取 |
| 3.1.1 测报数据 |
| 3.1.2 NDVI数据 |
| 3.2 材料与方法 |
| 3.2.1 杨树腐烂病的发生与纬度和海拔的关系 |
| 3.2.2 杨树腐烂病的发生与不同森林经营区的关系 |
| 3.2.3 杨树腐烂病发生与不同功能区的关系 |
| 3.3 结果与分析 |
| 3.3.1 杨树腐烂病在不同纬度与海拔地区的流行趋势 |
| 3.3.2 杨树腐烂病在不同森林经营区的流行趋势 |
| 3.3.3 杨树腐烂病在不同功能区的流行趋势 |
| 3.4 小结与讨论 |
| 4 中国东北地区杨树腐烂病时空传播与聚集效应 |
| 4.1 数据获取 |
| 4.2 材料与方法 |
| 4.3 结果与分析 |
| 4.3.1 杨树腐烂病整体发生趋势 |
| 4.3.2 杨树腐烂病分县区发生趋势 |
| 4.3.3 杨树腐烂病时空分布规律 |
| 4.3.4 杨树腐烂病空间聚集效应 |
| 4.3.5 杨树腐烂病时空聚集效应 |
| 4.4 小结与讨论 |
| 5 中国东北地区杨树腐烂病潜在分布区预测及风险性分析 |
| 5.1 数据获取 |
| 5.1.1 测报数据 |
| 5.1.2 生物气候数据 |
| 5.2 材料与方法 |
| 5.2.1 潜在分布区预测分析 |
| 5.2.2 风险性分析 |
| 5.3 结果与分析 |
| 5.3.1 潜在分布区预测分析 |
| 5.3.2 风险性分析 |
| 5.4 小结与讨论 |
| 6 主要结论与创新 |
| 6.1 主要结论 |
| 6.2 主要创新 |
| 6.3 研究展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录清单 |
| 致谢 |
（7）东北地区生物质露天燃烧源排放及其对大气环境的影响与评估（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题的背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外生物质燃烧研究进展 |
| 1.2.1 生物质燃烧源排放清单编制的研究进展 |
| 1.2.2 数值模拟研究进展 |
| 1.3 拟解决的科学问题与研究内容 |
| 1.3.1 拟解决的科学问题 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 1.5 创新点 |
| 第2章 数据与方法 |
| 2.1 WRF-CMAQ模式 |
| 2.1.1 模式介绍 |
| 2.1.2 模式参数配置以及实验设计 |
| 2.2 气象与监测站点数据的获取 |
| 2.2.1 气象数据 |
| 2.2.2 监测数据 |
| 2.3 生物质露天燃烧源数据 |
| 2.3.1 火数据产品介绍 |
| 2.3.2 生物质露天燃烧源排放清单的编制 |
| 2.4 人为源排放数据 |
| 2.5 本章小结 |
| 第3章 东北地区生物质露天燃烧源排放量估算 |
| 3.1 生物质露天燃烧源污染物排放清单 |
| 3.1.1 东北地区生物质露天燃烧源排放清单 |
| 3.1.2 东北各省生物质露天燃烧源排放清单 |
| 3.2 污染物排放时空分布 |
| 3.2.1 污染物排放的空间特征 |
| 3.2.2 污染物排放的时间特征 |
| 3.3 本清单与其他相关研究清单的对比分析 |
| 3.4 本章小结 |
| 第4章 生物质燃烧对东北地区大气环境的影响研究 |
| 4.1 秋季生物质露天燃烧事件个例 |
| 4.1.1 重污染特征分析 |
| 4.1.2 模拟效果评估 |
| 4.1.3 生物质露天燃烧对东北地区空气质量的影响 |
| 4.2 春季生物质露天燃烧事件个例 |
| 4.2.1 重污染特征分析 |
| 4.2.2 模拟效果评估 |
| 4.2.3 春季生物质露天燃烧对东北地区空气质量的影响 |
| 4.3 本章小结 |
| 第5章 秸秆禁烧政策对大气污染物的减排效果评估 |
| 5.1 禁烧政策与生物质燃烧强度的关系 |
| 5.2 禁烧政策减排效果评估 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的论文与研究成果 |
（8）吉林市大气中典型污染物来源时空变化特征研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 六种大气污染物的概述及危害 |
| 1.3 国内外研究进展 |
| 1.3.1 国内外大气污染研究近况 |
| 1.3.2 吉林市大气污染研究进展 |
| 1.4 研究目的和意义 |
| 1.5 研究内容与创新点 |
| 1.5.1 研究内容 |
| 1.5.2 研究创新点 |
| 第2章 吉林市大气污染物的时间特性研究 |
| 2.1 引言 |
| 2.2 研究区域概况 |
| 2.3 数据来源和处理 |
| 2.4 利用空气质量指数法进行空气质量研究 |
| 2.4.1 空气质量指数的确定方法 |
| 2.4.2 首要污染物的确定方法 |
| 2.4.3 吉林市首要污染物的确定 |
| 2.5 大气中各污染物质量浓度的季节变化规律研究 |
| 2.5.1 季节的划分 |
| 2.5.2 污染物质量浓度的季节变化规律 |
| 2.6 大气中各污染物质量浓度的逐时变化规律研究 |
| 2.7 污染物的“周末效应”和“假日效应”现象研究 |
| 2.7.1 “周末效应”现象研究 |
| 2.7.2 “假日效应”现象研究 |
| 2.8 本章小结 |
| 第3章 吉林市大气污染物的空间分布规律研究 |
| 3.1 引言 |
| 3.2 研究方法 |
| 3.2.1 数据来源 |
| 3.2.2 后向轨迹分析方法 |
| 3.2.3 聚类分析法 |
| 3.2.4 PSCF函数 |
| 3.2.5 CWT函数 |
| 3.3 聚类分析结果 |
| 3.4 PSCF分析 |
| 3.5 CWT分析 |
| 3.6 本章小结 |
| 第4章 2017年一次吉林市大气重污染事件及影响因素分析 |
| 4.1 引言 |
| 4.2 污染概况与形成机制分析 |
| 4.3 气象条件对大气重污染过程的影响 |
| 4.4 大气重污染过程中PM_(2.5)、PM_(10)的空间分布特征 |
| 4.5 本章小结 |
| 第5章 吉林市空气质量影响因素分析 |
| 5.1 引言 |
| 5.2 气象因素对空气质量的影响 |
| 5.2.1 Pearson相关性分析 |
| 5.2.2 气象因素对空气质量的影响 |
| 5.3 地理位置对空气质量的影响 |
| 5.4 其他因素对空气质量的影响 |
| 5.5 本章小结 |
| 第6章 吉林市空气质量提升措施与建议 |
| 6.1 完善城市通风廊道系统,改善空气流通现状 |
| 6.2 科学规划城市空间,加强工业企业污染政府治理力度 |
| 6.3 加强社会生活污染治理,降低污染排放强度 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（9）大气污染物许可排放量分配及综合评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 论文中涉及的符号和缩写词 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 科学问题 |
| 1.3 研究目的和意义 |
| 1.4 主要研究内容及论文框架 |
| 1.5 研究技术路线 |
| 第二章 文献综述 |
| 2.1 国际排污许可制度现状 |
| 2.1.1 美国排污许可制度 |
| 2.1.2 欧盟排污许可制度 |
| 2.1.3 其他国家排污许可制度 |
| 2.2 中国排污许可制度的演化和改革 |
| 2.2.1 中国排污许可制度演变过程 |
| 2.2.2 中国排污许可制度改革进展 |
| 2.2.3 中国排污许可制度改革存在的问题 |
| 2.2.4 深化中国排污许可制度改革方向与建议 |
| 2.3 污染物许可排放量分配方法研究 |
| 2.3.1 基于操作简便的分配方法 |
| 2.3.2 基于环境质量目标的分配方法 |
| 2.3.3 基于多目标优化的分配方法 |
| 2.4 影响许可排放量分配结果的因素识别 |
| 2.4.1 可分配的污染物许可排放总量 |
| 2.4.2 分配原理 |
| 2.4.3 分配尺度 |
| 2.4.4 分配指标体系 |
| 2.4.5 污染物种类 |
| 2.5 许可排放量分配结果评估研究 |
| 2.5.1 评估维度 |
| 2.5.2 许可排放量分配结果的评估方法研究进展 |
| 2.6 本章小结 |
| 第三章 污染物许可排放量分配模型构建 |
| 3.1 研究对象 |
| 3.1.1 区域与城市:北京及周边城市 |
| 3.1.2 分配的行业与企业排放口 |
| 3.2 数据与方法 |
| 3.2.1 数据来源 |
| 3.2.2 基于排放标准法的分配模型构建 |
| 3.2.3 基于排放标准+城市传输法的分配模型构建 |
| 3.2.4 基于环境容量法的分配模型构建 |
| 3.3 结果与讨论 |
| 3.3.1 典型企业分配结果与讨论 |
| 3.3.2 行业分配结果与讨论 |
| 3.3.3 城市分配结果与讨论 |
| 3.4 本章小结 |
| 第四章 分配结果的环境质量贡献度评估 |
| 4.1 研究背景 |
| 4.2 数据与方法 |
| 4.2.1 数据来源 |
| 4.2.2 WRF-CMAQ模型构建 |
| 4.2.3 WRF-CMAQ模拟结果验证 |
| 4.3 结果与讨论 |
| 4.3.1 北京及周边城市的月主导风向和月均风速 |
| 4.3.2 SO_2、NO_2、PM_(2.5)模拟浓度 |
| 4.3.3 SO_2、NO_2、PM_(2.5)模拟浓度差值 |
| 4.3.4 SO_2、NO_2、PM_(2.5)模拟浓度差值对比 |
| 4.4 本章小结 |
| 第五章 分配结果的费用效益评估 |
| 5.1 研究背景 |
| 5.2 数据与方法 |
| 5.2.1 数据来源 |
| 5.2.2 健康效益模型构建 |
| 5.2.3 减排成本模型构建 |
| 5.3 结果与讨论 |
| 5.3.1 健康效益 |
| 5.3.2 减排成本 |
| 5.3.3 净效益 |
| 5.4 本章小结 |
| 第六章 分配结果的公平性评估 |
| 6.1 研究背景 |
| 6.2 数据与方法 |
| 6.2.1 数据来源 |
| 6.2.2 基于环境基尼系数法的公平性评估模型构建 |
| 6.2.3 基于绿色贡献系数法的公平性评估模型构建 |
| 6.3 结果与讨论 |
| 6.3.1 环境基尼系数 |
| 6.3.2 绿色贡献系数 |
| 6.4 本章小结 |
| 第七章 分配结果的3E综合评估 |
| 7.1 研究背景 |
| 7.2 数据与方法 |
| 7.2.1 数据来源 |
| 7.2.2 3E综合评估模型构建 |
| 7.3 结果与讨论 |
| 7.3.1 不同分配方法的环境质量贡献度评估分数 |
| 7.3.2 不同分配方法的费用效益评估分数 |
| 7.3.3 不同分配方法的公平性评估分数 |
| 7.3.4 不同分配方法的3E综合评估分数 |
| 7.4 本章小结 |
| 第八章 结论与展望 |
| 8.1 主要结论 |
| 8.2 主要创新点 |
| 8.3 研究展望 |
| 8.3.1 研究的不足 |
| 8.3.2 在我国环境管理、环境政策领域的应用 |
| 8.3.3 在污染物许可排放量分配及综合评估体系领域的研究 |
| 参考文献 |
| 攻读博士学位期间的科研成果 |
| 攻读博士学位期间参加的科研课题 |
| 致谢 |
（10）中国北方大型风力发电场对空气质量预报影响的数值模拟研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 风力发电发展现状 |
| 1.2 风力发电对生态环境的影响 |
| 1.3 风力发电对大气影响的研究现状 |
| 1.4 研究意义和内容 |
| 第二章 WRF-Chem模式 |
| 2.1 WRF模式介绍 |
| 2.2 模式物理过程参数化方案介绍 |
| 2.2.1 微物理过程参数化方案 |
| 2.2.2 边界层参数化方案 |
| 2.2.3 积云对流参数化方案 |
| 2.2.4 短波和长波辐射参数化方案 |
| 2.2.5 陆面参数化方案 |
| 2.3 Chem模块 |
| 2.3.1 人为源排放 |
| 2.3.2 生物源排放 |
| 2.3.3 气相化学机制 |
| 2.3.4 光化学方案 |
| 2.3.5 气溶胶机制 |
| 第三章 研究方法和数据介绍 |
| 3.1 模拟风电场情况介绍 |
| 3.2 风机参数化方案 |
| 3.2.1 地表粗糙度参数化方案 |
| 3.2.2 风机曳力参数化方案 |
| 3.3 模拟方案 |
| 3.4 模式模拟验证 |
| 3.4.1 验证数据和方法 |
| 3.4.2 地面气温和风速对比验证 |
| 3.4.3 PM_(2.5)浓度对比验证 |
| 第四章 风电场对气象要素的影响 |
| 4.1 冬季风电场对气象要素的影响 |
| 4.2 夏季风电场对气象要素的影响 |
| 4.3 大型风电场对气象要素影响的讨论 |
| 第五章 风电场对空气污染及其预报的影响 |
| 5.1 冬季风电场对PM_(2.5)的影响 |
| 5.1.1 冬季风电场对PM_(2.5)月均浓度影响情况 |
| 5.1.2 冬季各站点PM_(2.5)小时浓度受风电场影响情况 |
| 5.1.3 PM_(2.5)扰动极值变化时刻分析 |
| 5.2 夏季风电场对PM_(2.5)的影响 |
| 5.2.1 夏季风电场对PM_(2.5)月均浓度影响情况 |
| 5.2.2 夏季各站点受风电场影响的PM_(2.5)小时浓度变化 |
| 5.3 白天和夜间风电场对PM_(2.5)影响差异 |
| 5.4 S3情景风电场扩容对站点PM_(2.5)浓度的影响情况 |
| 5.5 大型风电场对邻近区域空气质量影响的讨论 |
| 第六章 总结和展望 |
| 6.1 主要研究内容和结论 |
| 6.2 创新点和工作展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
四、关于吉林省开展城市空气质量预报探讨（论文参考文献）
- [1]吕梁市生态环境气象监测预报预警系统研究[J]. 薛苗,孙强,张力焘. 农业技术与装备, 2021(08)
- [2]不同沙障的防风固沙生态服务效益研究 ——以库布齐沙漠为例[D]. 徐元畅. 南京信息工程大学, 2021(01)
- [3]基于Models-3/CMAQ模型的吉林市大气环境质量系统模拟研究[D]. 秦听听. 吉林大学, 2021(01)
- [4]基于多卫星遥感的中国东北地区大气排放清单校准方法研究[D]. 李思佳. 哈尔滨师范大学, 2021(08)
- [5]东北区域空气质量数值预报模式应用研究进展[J]. 王扬锋,马雁军,权维俊,李荣平. 气象与环境学报, 2020(06)
- [6]中国东北地区杨树腐烂病时空流行特点与风险分析[D]. 阎合. 北京林业大学, 2020(03)
- [7]东北地区生物质露天燃烧源排放及其对大气环境的影响与评估[D]. 杨光义. 中国科学院大学(中国科学院东北地理与农业生态研究所), 2020(05)
- [8]吉林市大气中典型污染物来源时空变化特征研究[D]. 李梓赫. 东北电力大学, 2020(01)
- [9]大气污染物许可排放量分配及综合评估研究[D]. 周佳. 南京大学, 2020(04)
- [10]中国北方大型风力发电场对空气质量预报影响的数值模拟研究[D]. 李思. 兰州大学, 2020(01)