一、总悬浮颗粒物(TSP)（论文文献综述）
李波,陈卓,李孟哲,舒展[1]（2021）在《不同树种对东北林业大学地区大气中总悬浮颗粒物的吸附研究》文中指出通过研究不同树种对空气中总悬浮颗粒物的吸附能力——以东北林业大学内针叶林、阔叶林为例,对东北林业大学校园内树叶表面对空气中总悬浮颗粒物的吸附的含量进行测定。针对秋冬月份不同品种、不同形态大小的针叶树种的滞尘能力进行横向比较,再针对针叶树种和阔叶树种的滞尘能力进行纵向对比,利用树种生物量模型推算方法,结合对东北林业大学地区总体乔木植株数量的估测。以此来比较其二者对空气中总悬浮颗粒物的吸附能力,探讨二者中谁更易吸附污染物而产生净化作用。
杨笑影[2]（2021）在《大气中低分子脂肪胺的测量和气/粒分配研究 ——以南京北郊为例》文中指出大气中的低分子脂肪胺广泛存在于大气气相和颗粒相。气/粒分配是胺的大气行为之一,连接排放和沉降的关键中间步骤。本文改进了离子色谱对9种低分子脂肪胺（C1～C6烷胺）的分离和检测方法,测量南京北郊工业区气相和颗粒相胺的浓度及细颗粒物(PM2.5)中胺的浓度,并以南京北郊为例,分析大气中的低分子脂肪胺的气/粒分配。大气中低分子脂肪胺的总浓度在冬季和夏季分别为97.36±72.17和111.97±42.43ng/m3,其中气相胺的总浓度在分别为70.26±57.72和85.41±36.79ng/m3,夏季较高;颗粒相胺的总浓度则分别为29.62±23.17和26.72±11.52ng/m3,冬季较高。气相和颗粒相胺的浓度表现出相反的季节变化,不同季节的日变化也不同。胺的浓度变化与污染物排放、气相清除效率和气/粒转化有关。总胺的气/粒分配系数（?）在冬季和夏季分别为0.36±0.20和0.25±0.11。直接溶解途径可能是MA分配的主导途径;酸碱反应途径则可能是DMA分配的主导途径;非均相反应可能贡献了TMA的分配。胺的气/粒分配可能受气象条件、气态污染物和气溶胶离子等因素的影响。细颗粒物(PM2.5)是颗粒相的重要组成部分,对人体健康影响较大。低分子脂肪胺主要富集在PM2.5中,约占颗粒相胺总浓度的85%。PM2.5中胺的总浓度在冬季和夏季分别为38.67±15.52和34.75±11.79 ng/m3,冬季浓度高于夏季,冬季夜间高于白天。C1～C2胺是PM2.5中主要的有机胺（61.50±17.31%）。夏季的气象条件下,气态胺相对NH3的竞争力增强。PM2.5中的胺倾向于以硫酸盐的形式存在。PMF模型解析得C1～C2胺的来源按贡献大小依次为:居民生活排放;土壤和植物排放;海源、工业和生物质燃烧以及二次产物和生物质燃烧排放,贡献百分比分别为34.06%、26.07%、21.80%和18.07%。
姜波[3]（2021）在《基于传统经验模型和机器学习模型的水色遥感反演对比研究》文中提出随着近些年经济社会的快速发展,与人类生产生活息息相关的水环境问题正得到社会各界的广泛关注。遥感技术以一种非接触的方式,可以实现水质信息的快速监测,其中,建模是遥感水质监测的重要一环。传统经验模型结构简单,光谱特征明确,但是,在复杂多变的内陆二类水体中,其固定的映射关系一定程度上也会限制其应用范围;机器学习模型不再依赖固定的波段组合,在处理非线性问题时具有一定的优势,但是,其复杂的网络结构对训练样本的数量和代表性必然提出更高的要求;此外,机器学习方法更侧重于数据信息的挖掘,而不会提前对已知的光谱特征进行判别,对于叶绿素a（Chlorophyll a,Chl-a）和总悬浮颗粒物（Total Suspended Particulate,TSP）来说,其光谱特征已经较为明确,机器学习方法能否算是一种更为理想的方法还有待研究。于是,本文基于已知的且具有明确光谱意义的多波段组合,分别建立传统经验模型和机器学习模型,并对两类模型的性能进行深入地对比研究。此外,多波段所包含的光谱信息量是有限的,高光谱和机器学习方法的相互结合正为水色遥感监测提供一条新的途径。因此,本文还尝试引入包含更多水色信息的其它特征波段,以评估反向传播网络模型（Back Propagation Neural Network,BPNN）和随机森林（Random Forest,RF）模型对Chl-a的反演能力。主要结论如下:（1）多光谱建模时,传统经验模型和机器学习模型均可以取得较好的反演结果,且机器学习模型的反演结果并不总是优于采用相同特征波段的传统经验模型。考虑到机器学习模型的成本更高,因此,对于光谱特征明显且算法成熟的光学活性物质（如Chl-a和TSP）而言,在多光谱建模的过程中,建议使用传统经验模型。（2）对于优化的波段组合,传统经验模型和机器学习模型在不同浓度区间的反演结果可以保持相对较好的一致性。如TSP两波段组合模型（R555和R750）和Chl-a三波段组合模型（R670,R710和R750）,其在高浓度稀疏样本区的平均相对误差（Mean Relative Error,MRE）和在中低浓度非稀疏样本区平均相对误差相差不大;但在高浓度稀疏样本区的均方根误差（Root Mean Square Error,RMSE）却显着高于中低浓度非稀疏样本区。（3）传统经验模型和机器学习模型整体的验证精度会随着训练范围的缩小而出现明显下降。当训练范围缩小后,BPNN模型在训练阈值外的高浓度区具有较大的RMSE,经验统计模型在训练阈值外的低浓度区具有较大的MRE,基于这一结论,采用分区间建模的方法,反演精度可以提高22%以上。（4）综合考虑波段重要性排序、Chl-a光谱分析结果以及传统经验模型的波段构成后确定9个Chl-a特征波段输入集合,相比于三波段集合,九波段集合对BPNN模型的精度虽有提升但并不明显,而对RF模型的精度提升却比较明显。此外,波段数量也不是越多越好,如基于全样本（218个波段）训练的机器学习模型的精度相比于基于九波段集合训练的机器学习模型的精度不升反降。
周华鑫[4]（2020）在《皮带输运廊道内流场分布及控制》文中认为近年来,以钢铁工业为代表的工业制造业迅猛发展造成我国境内雾霾天气频发。在钢铁冶炼过程中均需消耗大量散状原料,产生大量废渣,物料（废渣）在转载及输送过程的粉尘污染贡献量较大,操作工人长期在此环境中工作极易引发尘肺病。皮带运输是散状物料转运的主要方式,其包括廊道内水平传送及垂直下落转运两个过程。炼铁火渣经转鼓水冲击生成的固体废渣中含有玻璃丝状微细颗粒物,当皮带转运热湿铁渣时,转运廊道内会形成高温、高湿、高尘的“三高”工作环境,该环境对工人身心健康、设备安全运行及廊道结构都将产生巨大的危害。因此,本文以改善转运廊道内工作环境为出发点,对该转运廊道内流场进行研究分析。在前期调研期间,针对转运廊道内的环境特性制定了调查问卷,对在此环境工作的工人进行发放,使用层次分析方法对该调查问卷进行统计分析得到转运廊道内温度、相对湿度以及颗粒物三项为影响工人舒适的重要因素,进一步分析得到冬季与夏季两季节对工人舒适度在该环境影响最恶劣。针对层次分析法计算得到影响工人热舒适的重要因素与季节,使用测试设备对其进行了现场测试,测试结果显示冬季与夏季转运廊道内环境的温度、相对湿度以及总悬浮颗粒物不能满足现有工业建筑规范与工作场所浓度标准。使用扫描电子显微镜与X射线能谱分析仪对廊道内颗粒物进行粒径与元素分析,证实皮带输运过程中产生的颗粒物是转运廊道内环境恶劣的主要污染源,同时证明其中少量的Na、C、K元素,是室外污染源对转运廊道内环境的影响。为了改善转运廊道内环境,提高廊道工人工作时的舒适度,本文利用Fluent软件对转运廊道环境流场进行了数值模拟,用现场测试数据验证了模型的准确性,分析了转运廊道内环境的温度场与速度场分布规律。基于过程与源头控制的15种工况进行了模拟分析。研究结果表明,在转运过程中廊道结构改为双侧开38个距顶部0.6m的条缝型窗时改善廊道内工作环境为最佳模式。
贾智莉[5]（2020）在《大气颗粒物发育毒性评价及防雾霾功能活性成分筛选研究》文中认为目的:1、探讨大气颗粒物对斑马鱼胚胎/幼鱼的一般发育毒性,并对不同粒径大气颗粒物[总悬浮颗粒物（Total suspended particulate,TSP）、大气可吸入颗粒物(Particulate matter 10,PM10)、大气可入肺颗粒物(Particulate matter 2.5,PM2.5)]的一般毒性进行比较。2、利用模式生物斑马鱼研究大气颗粒物对斑马鱼胚胎/幼鱼心血管系统的发育毒性作用,并阐述其毒性作用机制。3、利用模式生物斑马鱼研究大气颗粒物对斑马鱼幼鱼的神经发育毒性作用,并阐述其毒性作用机制。4、筛选具有防雾霾功能成分的药食同源中药,以便于后期有针对性的开发具有防雾霾损害作用的功能食品。方法:1、大气颗粒物(TSP、PM10、PM2.5)导致斑马鱼胚胎/幼鱼一般发育毒性的研究:显微镜下挑选出发育一致的4 hpf的斑马鱼受精卵（野生型AB系斑马鱼）,设定斑马鱼胚胎培养水作为空白对照组,大气颗粒物(TSP、PM10、PM2.5)的浓度组均设定为25、50、100、200、400μg/m L。各组连续处理5天,在24、48、72、96、120 hpf,分别观察各个浓度组的大气颗粒物对斑马鱼胚胎/幼鱼的死亡率、孵出率、畸形率、体长以及形态变化的影响。2、利用野生型AB系斑马鱼、Tg（cmcl2:EGFP）、Tg（flk1:EGFP）和Tg（CD41:EGFP）转基因斑马鱼,研究了大气颗粒物(TSP、PM10、PM2.5)对斑马鱼幼鱼的心脏形态、静脉窦-动脉球（sinus venosus and bulbus arteriosus,SV-BA）距离、心率、肠下静脉、血流、血小板流动性和活性氧（Reactive oxygen species,ROS）含量等指标,同时也通过实时定量聚合酶链式反应（Reverse transcription Polymerase Chain Reaction,RT-PCR）技术检测了内质网应激（Endoplasmic reticulum stress,ERS）、Nrf2和Wnt通路相关基因m RNA的表达水平。3、利用野生型AB系斑马鱼、Tg（vmat2:EGFP）和Tg（flk1:EGFP）转基因斑马鱼研究大气颗粒物(TSP、PM10、PM2.5)对斑马鱼幼鱼行为学、脑电波、多巴胺神经节、神经血管发育、脑出血情况等进行检测,RT-PCR检测与中枢神经系统相关基因的表达水平。4、本文利用网络药理学分析了18种药食同源中药（桑叶、沙棘、菊花、苦杏仁、杜仲、金银花、白扁豆、枸杞子、北沙参、山药、瓜蒌、生姜、百合、桔梗、薏苡仁、茯苓、大枣、赤小豆）,预测每一种中药对应的作用靶基因,再富集所有预测的靶基因所对应的生物过程及通路,然后与本论文已研究的毒性机制进行比对分析,找出交集的生物过程及通路,从而筛选出具有预防和缓解雾霾毒性作用的药食同源中药。结果:1、大气颗粒物(TSP、PM10、PM2.5)会造成斑马鱼死亡率、畸形率显着上升,孵出率显着下降,体长显着变短,而形态变化主要表现在鱼鳔减小/缺失,卵黄囊吸收延滞,心包肿大,胚胎/幼鱼发育迟缓等。另外不同粒径的大气颗粒物的一般发育毒性也有着很大的不同,本研究中大气颗粒物的一般发育毒性比较:PM10>PM2.5>TSP。2、大气颗粒物(TSP、PM10、PM2.5)会导致斑马鱼幼鱼的心包面积和SV-BA距离显着增加,心率减缓,肠下静脉生长受到抑制,血流受阻和血小板凝聚等毒性。此外,大气颗粒物会造成ROS含量升高,大气颗粒物(PM10)引起与ERS（bip/grp78、atf6、perk、ire1、xbp1s、chop）,Nrf2信号通路（nrf2、ho-1、nqo1、gclm、gclc）相关的基因表达水平显着升高,Wnt通路相关基因β-catenin、wnt1和wnt3a的表达水平先升高后降低,PM10导致wnt5a表达降低,wnt11表达升高。此外,活性氧抑制剂（N-Acetyl-L-cysteine,NAC）可以改善大气颗粒物(PM10)对斑马鱼幼鱼的心血管毒性。3、大气颗粒物(TSP、PM10、PM2.5)会导致斑马鱼幼鱼行为能力减弱,脑电波异常,多巴胺神经节变短,神经血管发育受到抑制和脑部出血等神经系统毒性。另外,大气颗粒物(PM10)还导致斑马鱼幼鱼中枢神经系统相关基因（th1、dat、drd1、drd2a、drd3、drd4b、mbp、syn2a、α1-tubulin、elavl3、gap43、gfap、shha、neurog1、map2、eno2、sox2）的表达水平均显着降低。4、筛选的18种药食同源中药（桑叶、沙棘、菊花、苦杏仁、杜仲、金银花、白扁豆、枸杞子、北沙参、山药、瓜蒌、生姜、百合、桔梗、薏苡仁、茯苓、大枣、赤小豆）所对应的生物过程及通路与本论文研究的大气颗粒物毒性机制有不同程度的相交之处,其中桑叶、沙棘、菊花、苦杏仁、杜仲、金银花相交个数较多,数目达20个以上;白扁豆、枸杞子、北沙参、山药、瓜蒌、生姜、百合、桔梗相交个数达10-20个。结论:1、大气颗粒物(TSP、PM10、PM2.5)会导致胚胎/幼鱼一般发育毒性的产生,而且PM10所造成的毒性最强,其次是PM2.5,而TSP引发的毒性相对较弱。这些研究为以后更深入地研究大气颗粒物对环境毒性的影响提供了依据。2、PM10可诱导机体ROS含量增加,导致ERS,并导致Wnt信号通路相关基因表达紊乱。Nrf2信号通路在大气颗粒物诱导的心血管损伤早期作为应激代偿机制被激活,但是过度激活不足以抵消由PM10引起的毒性反应。ERS、Nrf2和Wnt信号通路相关基因表达的紊乱可能是大气颗粒物PM10诱发斑马鱼心血管发育毒性的重要原因。3、PM10可能通过导致中枢神经系统相关基因表达紊乱,影响斑马鱼胚胎多巴胺能神经系统的发育和功能、抑制突触形成、破坏细胞骨架生成和抑制神经元分化,从而造成神经发育毒性。4、18种药食同源中药所对应的生物过程/通路与本论文研究的大气颗粒物毒性机制有交集部分。通过筛选具有防雾霾功能活性的药食同源中药,为后续有针对性的研究开发具有防雾霾损害作用的功能食品提供合理依据。
裴莹[6]（2020）在《哈尔滨市大气中多溴联苯醚的污染特征及年际变化趋势研究》文中进行了进一步梳理多溴联苯醚（PBDEs）很容易在生产、使用以及废物处置阶段散逸和渗出到环境中,通过大气等介质传播和扩散。因其生物积累性、持久性和生物毒性,被列入斯德哥尔摩公约,我国于2014年开始禁止生产、使用和进出口商用五溴联苯醚和商用八溴联苯醚,有关PBDEs的研究逐渐深入,但是目前缺少我国对PBDEs禁用后,大气环境中PBDEs的长期连续研究,无法评估PBDEs的年际变化趋势及禁用效果。本课题以PBDEs禁用五年后哈尔滨大气环境中PBDEs的污染特征为研究对象,重点分析其浓度水平、组成特征及季节变化特征,并且对污染来源进行解析和健康风险进行评价,通过与禁用前的浓度进行对比分析大气环境中PBDEs污染的年际变化趋势。通过将气粒分配模型的模拟结果与实际监测数据进行对比,对模型的预测准确性和普适性进行深入研究,对禁用前后PBDEs的气粒分配特征进行对比分析,探讨大气中PBDEs气粒分配的年际变化趋势。本课题在2018年1月至2019年5月间对哈尔滨市区大气进行了长期采集,共获得50对气相和颗粒相样品。通过索氏提取法、硅胶柱层析净化和浓缩定容进行预处理,使用气质联用仪定性定量分析PBDEs。结果表明,哈尔滨市大气中Σ10PBDEs的平均浓度为11.59±11.07 pg/m3,占比最高的同系物是BDE-209,其次为BDE-28、BDE-153和BDE-17。哈尔滨大气中PBDEs的浓度和组成的季节性特征明显,Σ10PBDEs的浓度春季最高,其次是夏季和秋季,冬季最低。温度和风速对大气中PBDEs的影响显着。与禁用前相比,除BDE-153和BDE-154外,其他同系物浓度皆有明显下降,说明我国对商用多溴联苯醚产品的禁用政策可以有效降低大气中PBDEs的污染。哈尔滨大气中PBDEs的污染来源解析结果表明,BDE-28、BDE-47和BDE-66三种同系物之间有着较强的相关性,主成分分析法提取了3个主成分,分别是商用五溴联苯醚的污染、商用十溴联苯醚的污染和高溴代联苯醚分解后的产物,商用十溴联苯醚的贡献率（77.38±13.03%）最高。经呼吸摄入Σ10PBDEs的暴露量和危险指数随年龄的增大而减小,所产生的健康风险在相对安全的范围中。哈尔滨大气中Σ10PBDEs在颗粒相中的浓度大于在气相,与禁用前相比,除BDE-153和BDE-154外,其他同系物在气相和颗粒相中的浓度均有下降。与禁用前相比,在温度高于0oC区间,BDE-17、BDE-28、BDE-47和BDE-100的颗粒相质量分数均有升高,BDE-17和BDE-100的气粒分配系数的平均值无明显变化,BDE-28和BDE-47的气粒分配系数有所升高。在温度低于0oC区间,BDE-28和BDE-209的颗粒相质量分数的平均值有小幅降低,BDE-28的气粒分配系数的平均值没有明显变化,BDE-209的气粒分配系数有明显降低。运用平衡态模型、稳恒态模型和经验值分别对大气中PBDEs在颗粒相中质量分数和在气相和颗粒相间的分配系数进行预测,结果表明,稳恒态模型的预测值更接近于实际监测的值,说明稳恒态模型能够更好地用于大气中PBDEs的气粒分配研究。
何书言[7]（2020）在《南京市大气颗粒物化学组分的粒径分布特征》文中认为当前我国多数城市中排在第一位的污染物仍然是大气颗粒物,其气候和健康效应与粒径大小和化学组成密切相关。大气颗粒物的化学组分十分复杂,主要组分包括含碳组分、无机金属元素和水溶性离子等,这些组分在不同粒径表现出不同的分布特征。当前对于大气颗粒物不同组分的粒径分布特征的研究相对较少,且主要关注粗颗粒物(PM10)和细颗粒物(PM2.5)这两种粒径,对大气颗粒物化学组分的多粒径分布特征还缺乏充分认识。本研究基于南京市东部城区2016-2017两年（每年不同季节的典型月份）大气颗粒物在不同粒径的主要组分（水溶性离子、碳组分、无机元素）的采样数据,深入研究了全年和不同季节中颗粒物质量浓度和主要化学组分在不同粒径段的分布;定量分析了不同粒径大气颗粒物和化学组分的来源;结合气象因素,进一步探究了大气颗粒物化学组分粒径分布与来源的影响因素。主要研究结果如下:（1）南京大气中颗粒物的质量浓度在全年和不同季节皆为双峰型分布,主峰分布在0.4-1.1μm粒径段,次峰分布在3.3-9μm粒径段。主峰和次峰的峰值在春季和冬季的大小相近,春季的质量浓度在粗粒径段（>9μm）较高,冬季的质量浓度为全年最高;细粒径段的峰值大小在夏季和秋季显着高于粗粒径段,夏季的质量浓度为全年最低,且主峰转移至更细的粒径段,而秋季的质量浓度多集中于0.4-0.7μm之间。（2）按照峰值表现的不同,将金属元素在颗粒物中的粒径分布分为三类,第一类为粗粒子单峰型,峰值分布在3.3-5.8μm粒径段,主要为Na、Mg、Ba、Al、Ca、Ni、Co和Sr等元素;第二类为细粒子单峰型,峰值分布在0.4-1.1μm粒径段,主要为Zn、Cd、Tl、As和Pb等元素;第三类为多峰型,其中,粗细粒子双峰型最为常见,峰值大致分布在1.1μm粒径段和5μm粒径段附近,主要为Fe、K、Mn、Se、Li、Be、V、Cu、Cr、Ce和Ag等元素。按照富集因子数值大小,将南京市颗粒物中的金属元素划分为三种,第一种为低富集元素,有Mn、Mg、Ba、Be、Ca、Ce、Co、Sr、Fe和V,多数粒径范围差别不大;第二种为中富集元素,有Na、Ni、K、Li和Cr,在<2.1μm的粒径段富集十分明显;第三种为高富集元素,有As、Ag、Cu、Tl、Pb、Zn、Cd和Se。随着粒径的减少,大部分元素的富集因子逐渐增大,说明人类活动的影响随粒径减小而增大。（3）总体上,大气颗粒物中碳组分（OC、EC）的粒径分布特征为双峰型,OC的主峰分布在0.7-2.1μm粒径段,次峰分布在3.3-5.8μm粒径段。在细粒径段,OC的质量浓度在秋冬高于春夏,且峰值位置有向粗粒径增大的趋势。与之相反,在粗粒径段,OC的质量浓度在春夏高于秋冬。在EC方面,从全年平均来看,其主峰分布在3.3-5.8μm粒径段,次峰分布在0.4-1.1μm粒径段。从不同季节来看,在细粒子段,春冬浓度高于夏秋,且冬季峰值的粒径较大;在粗粒子段,冬季的质量浓度最高,夏季的质量浓度最低。（4）水溶性离子因种类不同,其粒径分布特征呈现出较大差异。NH4+、K+、SO42-为细粒子单峰型分布,峰值分别分布在0.4-2.1μm粒径段、0.7-2.1μm粒径段和0.7-2.1μm粒径段。Ca2+、Mg2+表现为粗粒子单峰型分布,峰值分别分布在>9μm粒径段和2.1-9μm粒径段。Na+和F-为双峰型分布,主峰分别位于2.1-5.8μm粒径段和2.1-9μm粒径段,次峰峰值较为相似,都位于0.4-1.1μm粒径段。此外,NO3-和Cl-还存在较为显着的季节差异。NO3-在春季为双峰型分布,峰值分别位于0.4-2.1μm粒径段和3.3-9μm粒径段,在夏季为粗粒子单峰型,峰值分布在2.1-9μm粒径段,在秋、冬两季为细粒子单峰型,峰值分布在0.7-2.1μm粒径段。Cl-在春、秋两季所有粒径段内分布较为均匀,夏季为粗粒子单峰型,峰值分布在3.3-9μm粒径段,冬季为细粒子单峰型,峰值分布在0.7-2.1μm粒径段。（5）颗粒物质量浓度的粒径分布与气象因素明显相关,且不同季节的差异较大。PM>2.1浓度在春季与风速呈显着正相关,在冬季呈明显负相关,PM2.1浓度与风速的相关性在各季节均较低。PM>2.1在春秋季与相对湿度呈显着负相关,PM2.1在冬季与湿度呈显着正相关。PM2.1的湿度阈值约为70%,当大于该值时,吸湿性增长快速加强。（6）对大气颗粒物全组分的来源解析结果表明,不同粒径段颗粒物的来源有明显差异。粗颗粒物(PM>2.1)的首要来源为扬尘源,其次为工业源、冶金源、机动车污染源和煤炭燃烧源,生物质燃烧源的贡献最小,细颗粒物(PM2.1)的首要来源为燃煤源,其余主要来源按照贡献大小依次为二次生成、扬尘源、交通污染源和垃圾焚烧源。多粒径颗粒物的不同来源也为今后的大气治理提供了方向。
张丹[8]（2020）在《改进群组AHP-FCE法对高速公路建设的生态环境影响评价》文中研究指明高速公路建设是一项耗时、复杂的工程,在建设过程中对生态环境的影响是不可避免。为了客观的认识公路建设对生态环境的影响程度,必须进行公路建设项目对生态环境的影响进行评价。然而,传统的环境影响评价在对公路建设项目进行评价时,较多关注环境要素,对项目建设所引发的生态问题重视不够,加之评价指标及其赋值随意性较大,评价方法定量化程度不高,弱化了生态环境影响评价结果对建设项目的指导作用。因此,本文针对高速公路建设的特点,基于在分析环境、生态与生态环境概念的形成过程及差异性,分析高速公路建设过程对生态环境的影响,应用层次分析法建立全面的生态环境影响评价指标体系,并构建适用于公路建设项目的综合评价模型,通过实例计算评价模型,并验证其科学性与可行性,最后基于评价结果对建设项目提出相应的保护措施。结论如下:1、公路建设项目对环境的影响分析基于对“环境”与“生态”两词的内涵和外延进行了细致的探讨,从而引申到“生态环境”一词。通过系统的总结和分析,对生态环境的概念所包含的意义进行了归纳和阐述。并且通过对公路工程的建设行为分析,系统从社会环境、生态环境、水环境、大气环境和声环境五方面阐释公路工程在建设过程中对生态环境的具体影响,为构建全面的评价指标体系提供坚实的基础。2、构建公路建设项目生态环境影响评价指标体系基于公路工程建设行为对生态环境的影响以及大量文献的总结,根据指标体系构建的原则及要求,本文全面、系统地构建适用于高速公路建设期生态环境影响评价的指标体系,包括社会环境、生态环境、声环境、地表水环境、地下水环境及环境空气6个一级指标,22个二级指标。3、建立了改进的群组AHP-FCE模型基于对公路建设项目生态环境影响评价方法的研究,分析各个方法的适用范围及优缺点,总结目前方法的研究状况,基于前人研究的成果基础上,将改进的群组AHP与模糊综合评价法有机结合（简称改进的群组AHP-FCE法）,构建改进的群组AHP-FCE模型。4、实例分析验证基于汉中至略阳段公路实际工程特点,采用改进的群组AHP法进行指标权重的赋值,模糊综合评价法进行研究路段对生态环境的综合影响评价。综合评价结果为0.3482,其符合“一般影响”等级,即所选段公路建设对生态环境的影响一般,这与公路建设环境影响的实际情况是相符的。将改进的方法与传统的方法对比分析得出,改进的群组AHP-FCE法系统地考虑到各种因素,充分利用了各种信息,更好地突出社会环境指标在整个体系的地位,可以系统的体现公路建设项目生态环境影响的真实状况,从而指导公路建设项目环境影响的计划调整和措施实施,充分发挥该模型较好的可操作性和实用性。5、提出科学可靠的生态环境保护措施根据本研究评价结果,结合汉中至略阳段高速公路沿线生态环境的特点,着重从社会环境、生态环境、水环境、声环境及环境空气这五方面出发,多方位提出了具体化且适用于汉中至略阳段高速公路的生态环境保护措施。这些措施对汉中至略阳段公路沿线生态环境保护具有重要作用,对促进汉中至略阳段公路与周围生态环境的协调和可持续发展提供了的基础。
方言[9]（2020）在《中国东海近海气溶胶化学组分特征及硝酸盐来源的氮氧同位素示踪研究》文中研究指明海洋气溶胶是全球大气的重要组成部分,是大气化学中多相反应的催化剂,对人体健康、海洋生态环境以及全球气候变化有着重要的影响。目前研究证明水溶性离子是海洋气溶胶的主要成分,其中硝酸盐（NO3-）又是水溶性离子的重要组成部分。近几十年来随着东亚经济的高速发展,我国东部沿海地区的活性氮含量急剧上升。NO3-作为大气中无机氮重要存在形式,不仅是造成灰霾等大气污染天气的重要驱动因素之一,还会在沉降入海后对东海生态系统产生重要的影响。本文选取东海近海大气背景站-泗礁岛作为研究对象,选择依据为近海海域是大气污染物由内陆向大洋迁移的过渡带,监测近海地区大气状况对分析其污染物的来源和评价其污染水平有重要意义。本研究于2017年9月至2018年8月共采集了四个季节136个大气总悬浮颗粒物（TSP）样品,对TSP样品进行常规的颗粒物浓度测试,水溶性离子等常规成分的测定,并通过稳定同位素技术测定气溶胶样品中硝酸盐氮氧双同位素(δ15N、δ18O),结合采样期间的气象条件因子（温度,湿度,风速等）变化,综合比较其季节变化差异,解析硝酸盐的来源于转化形成机制。联合后向轨迹数据、主成分分析法、Bayesian模型对背景站点TSP及其主要二次物质来源贡献进行量化分析。得到以下主要结论:（1）嵊泗地区TSP浓度水平远低于国家年均浓度的二级标准(200μg·m-3),采样期间平均质量浓度为（132.3±78.6）μg·m-3是TSP年均浓度一级标准的(80μg·m-3)1.65倍。其季节特征表现为冬季>春季>夏季>秋季。气象条件对TSP质量浓度的影响主要变现为低温条件下有利于TSP浓度的升高。后向其流轨迹分析显示嵊泗站点冷季气团主要来自东北与西北方的大陆,暖季主要来自西南与东南的海洋上空。（2）全年TSP中主要水溶性离子（TWSIIs）平均质量浓度从高到低排序依次为NO3->nss-SO42->NH4+>Cl->Na+>Ca2+>Mg2+>K+>MSA,季节变化特征表现为春季（26.6±16.5）μg·m-3≈冬季（26.5±16.3）μg·m-3>秋季（17.1±8.3）μg·m-3。SNA(SO42-、NO3-和NH4+)是东海地区TWSIIs中最重要的组分,其在秋季、冬季、春季、夏季的占比分别为70.8%、86.4%、66.9%与74.9%。冬季与春季的离子污染属于硝酸盐主导型,夏季与秋季为硫酸盐主导。（3）通过相关性分析可知东海地区Na+、Cl-主要来自海洋源的贡献。Ca2+主要来自地壳矿物质传输,Mg2+来自陆源和海源共同输入。冬季nss-K+来源复杂受到人为源的影响较大,夏季K+主要来自海洋源和陆源矿物质。冷季NH4+主要来自人为源与自然源。PCA主成分分析法显示秋季TWSIIs主要来自海洋源、人为污染源以及降尘与土壤,冬季主要来自人为污染源与海盐;春季主要来自海洋源与沙尘以及人类活动的二次转化;夏季主要受到海洋源与地壳、人为源影响。（4）东海嵊泗岛屿TSP中NO3-季节变化特征变现为冬季（11.4±9.6）μg·m-3>春季（8.02±5.56）μg·m-3>秋季（4.88±4.70）μg·m-3>夏季（0.8±0.63）μg·m-3。大气NO2与O3浓度季节变化是影响不同季节之间NO3-浓度差异的主要原因之一。通过稳定同位素技术测得δ18O-NO3-值在冬季与秋季分别为88.3±8.1‰和+74.5±8.5‰,说明秋季NO3-主要来自NOx的·OH氧化与O3氧化生成N2O5及其水解,冬季NO3-主要来自卤素参与的形成机制以及N2O5通道的贡献。（5）冬季TSP中NO3-的δ15N值高于秋季,分别为（+8.4±4.9）‰与（+4.1±3.2）‰,初步判断,秋季NO3-主要来自交通移动源排放及生物质燃烧源排放;冬季δ15N-NO3-来源受到燃煤、生物质燃烧以及交通源排放的NOx共同影响。通过SIAR模型定量分析得出,东海嵊泗岛屿冬季与秋季NO3-最主要来自土壤生物排放NOx所转化,贡献率分别为46.7±4.8%与37.9±4.6%。交通源是冷季NO3-第二贡献来源,且最为稳定,贡献率约为28%。冷季在冬季煤炭燃烧的贡献率比秋季上升了3%,生物质然的占比上升了约7%,说明冬季生物质燃烧与民用燃煤排放对NO3-的贡献大于秋季。
郭樵风[10]（2020）在《基于机器学习方法对总悬浮颗粒物监测结果校正研究》文中认为与重量法相比,基于光散射法的总悬浮颗粒物（TSP）浓度监测仪器具有响应速度快、体积小、成本低等优点。然而,散射强度与TSP质量浓度之间的关系随环境条件和颗粒物性质的变化是非线性的,难以进行人工修正。本研究应用四种机器学习模型（支持向量机SVM、随机森林RF、梯度提升树GBRT和人工神经网路ANN）来校正光散射法仪器TSP浓度测量值。利用上海市城区内17个采样点1141个小时的滤膜称重法和光散射法测量数据,以及附近国控点的污染物浓度数据,进行模型训练和验证。所有四个机器学习模型将校正回归线的斜率从0.4增加到0.9-1.1并将相关系数从0.1增加到0.8-0.9,大大提高了两种方法之间的线性关系。通过机器学习模型的可解释工具,随机森林重要性分析和部分依赖图表明,当PM2.5浓度处在0-80μg/m3范围内时,光散射仪测得的TSP浓度持续升高,而在PM10和TSP浓度值大于60μg/m3和200μg/m3之后,仪器测量值趋于平稳。光散射法测定的TSP浓度在相对湿度超过70%后呈指数增长,与以往对细颗粒物吸湿增长的研究结果一致。综上表明,机器学习模型能有效地校正TSP浓度光散射法测量值之间的相关性。部分依赖图提供了对导致光散射法测量值偏离TSP浓度的主要因素（例如吸湿性增长）的科学见解。
二、总悬浮颗粒物(TSP)（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、总悬浮颗粒物(TSP)（论文提纲范文）
（1）不同树种对东北林业大学地区大气中总悬浮颗粒物的吸附研究（论文提纲范文）
| 1 实验内容 |
| 1.1 主要内容 |
| 1.2 研究材料 |
| 2 研究方法 |
| 2.1 取样与采集方法 |
| 2.2 叶片表面吸附量的测量方法 |
| 2.3 测量结果汇集处理 |
| 3 结果与分析 |
| 3.1 针、阔叶林树种滞尘量总趋势分析 |
| 3.2 针、阔叶林树种滞尘量与空气总悬浮颗粒物含量线性分析及相关性检验 |
| 3.3 同一树种滞尘量分布比较 |
| 3.4 不同月份树种滞尘量比较 |
| 3.5 针叶、阔叶典型树种吸附污染物量的估测 |
| 4 结论与讨论 |
| 4.1 结论 |
| 4.2 讨论 |
（2）大气中低分子脂肪胺的测量和气/粒分配研究 ——以南京北郊为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 大气胺的来源 |
| 1.1.2 大气胺的环境浓度 |
| 1.1.3 胺的气/粒分配 |
| 1.2 大气胺的测定方法 |
| 1.3 研究进展 |
| 1.3.1 大气胺污染特征研究进展 |
| 1.3.2 离子色谱法测量胺研究进展 |
| 1.3.3 大气胺来源解析研究进展 |
| 1.4 技术路线和研究内容 |
| 1.4.1 技术路线 |
| 1.4.2 研究内容 |
| 第二章 实验仪器及方法 |
| 2.1 采样点及相关背景介绍 |
| 2.2 采样仪器和样品采集 |
| 2.2.1 双气路定时大气采样仪采集气相胺和总悬浮颗粒物(TSP)样品 |
| 2.2.2 大流量采样器采集细颗粒物(PM_(2.5))样品 |
| 2.3 分析仪器和分析方法 |
| 2.3.1 碳氮分析仪(TOC-L)和分析方法 |
| 2.3.2 离子色谱仪(IC)和分析方法 |
| 2.4 样品预处理 |
| 2.4.1 气相胺和总悬浮颗粒物(TSP)样品的预处理方法 |
| 2.4.2 细颗粒物(PM_(2.5))石英滤膜样品的预处理方法 |
| 2.5 数据处理 |
| 2.6 空白样品和空白校正 |
| 2.6.1 外场空白 |
| 2.6.2 实验室空白 |
| 第三章 9 种低分子脂肪胺的离线分析方法改进 |
| 3.1 无机阳离子和胺的标准物质 |
| 3.2 色谱条件 |
| 3.3 色谱理论 |
| 3.3.1 分离度(Resolution,R) |
| 3.3.2 柱效 |
| 3.3.3 保留特性 |
| 3.3.4 选择性 |
| 3.3.5 流动相对色谱分离度(R)的影响 |
| 3.3.6 温度对色谱分离度(R)的影响 |
| 3.4 方法改进的结果与讨论 |
| 3.4.1 淋洗条件 |
| 3.4.2 标准曲线和检出限 |
| 3.4.3 分离特征和统计量 |
| 3.4.4 方法质量保证和质量控制 |
| 3.5 本章小结 |
| 第四章 大气中低分子脂肪胺的气/粒分配研究 |
| 4.1 气相和颗粒相胺的浓度与时间变化特征 |
| 4.1.1 气相和颗粒相胺的浓度 |
| 4.1.2 气相和颗粒相胺的季节变化和日变化 |
| 4.2 胺的气/粒分配系数 |
| 4.3 胺的气/粒分配途径分析 |
| 4.4 胺的气/粒分配影响因素 |
| 4.5 本章小结 |
| 第五章 细颗粒物(PM_(2.5))中胺的特征和来源解析 |
| 5.1 PM_(2.5)中胺的特征 |
| 5.1.1 PM_(2.5)中胺的浓度 |
| 5.1.2 PM_(2.5)中胺的时间变化特征 |
| 5.1.3 PM_(2.5)中胺对WSOC和 WSON的贡献 |
| 5.1.4 PM_(2.5)中胺与铵(NH_4~+)的摩尔比 |
| 5.1.5 PM_(2.5)中胺的存在状态分析 |
| 5.2 PM_(2.5)中胺的来源解析 |
| 5.2.1 后向轨迹分析 |
| 5.2.2 基于PMF模型的来源解析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文的主要结论 |
| 6.2 论文的创新点 |
| 6.3 本文的不足与展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（3）基于传统经验模型和机器学习模型的水色遥感反演对比研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水色遥感发展 |
| 1.2.2 叶绿素a反演研究进展 |
| 1.2.3 悬浮颗粒物反演研究进展 |
| 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 |
| 1.4 论文组织结构 |
| 第2章 数据与方法 |
| 2.1 研究区概况 |
| 2.2 数据获取与预处理 |
| 2.2.1 水质数据获取与预处理 |
| 2.2.2 光谱数据获取与预处理 |
| 2.3 模型方法 |
| 2.3.1 叶绿素a模型 |
| 2.3.2 总悬浮颗粒物模型 |
| 2.4 精度评价指标 |
| 2.5 本章小结 |
| 第3章 不同波段集合传统经验模型与机器学习模型对比研究 |
| 3.1 光谱特征分析 |
| 3.1.1 叶绿素a光谱特征 |
| 3.1.2 总悬浮颗粒物光谱特征 |
| 3.2 模型构建 |
| 3.2.1 叶绿素a模型构建 |
| 3.2.2 总悬浮颗粒物模型构建 |
| 3.3 模型精度验证 |
| 3.3.1 叶绿素a模型验证 |
| 3.3.2 总悬浮颗粒物模型验证 |
| 3.4 水体不同组分对传统经验模型反演结果的影响 |
| 3.5 讨论和小结 |
| 第4章 不同浓度区间传统经验模型和机器学习模型对比研究 |
| 4.1 水质参数统计特征 |
| 4.2 模型训练 |
| 4.3 稀疏/非稀疏样本区传统经验模型和机器学习模型对比研究 |
| 4.3.1 叶绿素a模型反演结果 |
| 4.3.2 总悬浮颗粒物模型反演结果 |
| 4.4 训练阈值内/外样本区传统经验模型和机器学习模型对比研究 |
| 4.4.1 叶绿素a模型反演结果 |
| 4.4.2 总悬浮颗粒物模型反演结果 |
| 4.4.3 模型改进—分层建模 |
| 4.5 基于机器学习方法的高光谱反演—以叶绿素a为例 |
| 4.5.1 特征波段筛选 |
| 4.5.2 基于不同波段集的机器学习模型反演结果对比 |
| 4.6 讨论和小结 |
| 第5章 结论和展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 不足和展望 |
| 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）皮带输运廊道内流场分布及控制（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 |
| 1.2.1 散状物料下落过程卷吸空气及产尘机理研究 |
| 1.2.2 皮带输运过程各空间场量分布及粉尘污染控制 |
| 1.3 本文研究内容 |
| 1.4 研究技术路线 |
| 第2章 应用层次分析法比较不同季节对廊道内环境影响 |
| 2.1 综合评价方法的选择 |
| 2.2 层次分析方法的建立 |
| 2.2.1 建立层次结构模型 |
| 2.2.2 构造判断矩阵 |
| 2.2.3 判断矩阵计算方法 |
| 2.2.4 方案层总优度计算 |
| 2.3 不同季节廊道内环境影响因素综合评价 |
| 2.3.1 构造层次综合评价指标 |
| 2.3.2 构造判断矩阵 |
| 2.3.3 评价指标间权重系数的确定 |
| 2.4 不同季节转运廊道总优度计算 |
| 2.4.1 权重系数的确定 |
| 2.4.2 不同季节总优度确定 |
| 2.5 本章小结 |
| 第3章 冬夏季廊道内环境实验研究 |
| 3.1 测试时间及地点 |
| 3.2 实验设备选择 |
| 3.2.1 温湿度测试仪器的选取 |
| 3.2.2 采样测试仪器的选取 |
| 3.2.3 采样及分析仪器的选取 |
| 3.3 测试前期准备 |
| 3.3.1 滤膜准备 |
| 3.3.2 测试仪器流量校准 |
| 3.3.3 测试过程的质量控制及质量保证 |
| 3.4 冬季测试结果分析 |
| 3.4.1 温湿度变化规律分析 |
| 3.4.2 总悬浮颗粒物质量浓度分析 |
| 3.5 夏季测试分析 |
| 3.5.1 温湿度变化规律分析 |
| 3.5.2 总悬浮颗粒物质量浓度分析 |
| 3.6 颗粒物粒径及元素分析 |
| 3.6.1 颗粒物粒径分析 |
| 3.6.2 颗粒物元素分析 |
| 3.7 本章小节 |
| 第4章 转运廊道内流场分析 |
| 4.1 Fluent软件介绍 |
| 4.1.1 Fluent程序结构 |
| 4.1.2 流体流动控制模型 |
| 4.1.3 湍流方程 |
| 4.1.4 收敛问题 |
| 4.2 物理模型介绍 |
| 4.3 数值模拟方法 |
| 4.3.1 网格划分 |
| 4.3.2 边界条件设定 |
| 4.3.3 模拟计算内容 |
| 4.3.4 网格无关性验证 |
| 4.4 模型验证 |
| 4.5 数值模拟结果 |
| 4.5.1 温度模拟结果 |
| 4.5.2 速度模拟结果 |
| 4.6 本章小结 |
| 第5章 转运廊道内流场控制 |
| 5.1 模型方法 |
| 5.2 参数设置 |
| 5.3 工况分析 |
| 5.3.1 单侧开窗分析 |
| 5.3.2 双侧开窗分析 |
| 5.3.3 源头控制 |
| 5.4 最佳工况分析 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表论文和参加科研情况 |
| 致谢 |
| 作者简介 |
| 附录 |
（5）大气颗粒物发育毒性评价及防雾霾功能活性成分筛选研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 中英文缩略词表 |
| 前言 |
| 1 环境污染 |
| 2 大气颗粒物相关研究进展 |
| 2.1 大气颗粒物 |
| 2.2 TSP相关研究进展 |
| 2.3 PM_(10)相关研究进展 |
| 2.4 PM_(2.5)相关研究进展 |
| 3 基于模式生物斑马鱼研究大气颗粒物的优势 |
| 4 本文主要研究内容 |
| 参考文献 |
| 第一章 大气颗粒物对斑马鱼胚胎/幼鱼一般发育毒性的研究 |
| 1 引言 |
| 2 材料与方法 |
| 2.1 实验试剂 |
| 2.2 实验仪器 |
| 2.3 大气颗粒物收集 |
| 2.4 斑马鱼的维护和胚胎收集 |
| 2.5 大气颗粒物处理 |
| 2.6 斑马鱼胚胎/幼鱼死亡率检测 |
| 2.7 斑马鱼幼鱼的孵出率检测 |
| 2.8 斑马鱼胚胎/幼鱼的形态发育检测 |
| 2.9 统计学分析 |
| 3 实验结果 |
| 3.1 TSP对斑马鱼一般发育毒性的影响 |
| 3.2 PM_(10)对斑马鱼一般发育毒性的影响 |
| 3.3 PM_(2.5)对斑马鱼一般发育毒性的影响 |
| 4 讨论 |
| 5 小结 |
| 参考文献 |
| 第二章 大气颗粒物对斑马鱼心血管系统发育的研究 |
| 1 引言 |
| 2 材料与方法 |
| 2.1 实验试剂 |
| 2.2 实验仪器 |
| 2.3 斑马鱼的维护和胚胎收集 |
| 2.4 大气颗粒物处理 |
| 2.5 斑马鱼幼鱼心包面积检测 |
| 2.6 斑马鱼幼鱼的SV-BA检测 |
| 2.7 斑马鱼幼鱼的心率检测 |
| 2.8 斑马鱼幼鱼的肠下静脉检测 |
| 2.9 斑马鱼幼鱼血流速度检测 |
| 2.10 斑马鱼幼鱼的血小板流动性检测 |
| 2.11 斑马鱼体内ROS含量检测 |
| 2.12 PM_(10)诱导斑马鱼心血管发育毒性的作用机制研究 |
| 2.12.1 实时荧光定量PCR检测PM_(10)对斑马鱼心血管发育相关基因的表达水平 |
| 2.12.2 NAC对PM_(10)诱导的心血管发育毒性的影响 |
| 2.13 统计学分析 |
| 3 实验结果 |
| 3.1 TSP、PM_(10)、PM_(2.5)对斑马鱼幼鱼心脏的影响 |
| 3.2 TSP、PM_(10)、PM_(2.5)对斑马鱼幼鱼肠下静脉的影响 |
| 3.3 TSP、PM_(10)、PM_(2.5)对斑马鱼幼鱼血流速度的影响 |
| 3.4 TSP、PM_(10)、PM_(2.5)对斑马鱼幼鱼尾静脉处血小板流动性的影响 |
| 3.5 TSP、PM_(10)、PM_(2.5)对斑马鱼ROS生成的影响 |
| 3.6 PM_(10)诱导斑马鱼心血管发育毒性的作用机制研究 |
| 3.6.1 PM_(10)对心血管发育相关基因表达水平的影响 |
| 3.6.2 NAC可改善PM_(10)诱导的心血管毒性 |
| 4 讨论 |
| 5 小结 |
| 参考文献 |
| 第三章 大气颗粒物对斑马鱼神经系统发育的研究 |
| 1 引言 |
| 2 材料与方法 |
| 2.1 实验试剂 |
| 2.2 实验仪器 |
| 2.3 斑马鱼的维护和胚胎收集 |
| 2.4 大气颗粒物处理 |
| 2.5 斑马鱼幼鱼行为学的检测 |
| 2.6 斑马鱼幼鱼多巴胺神经元发育检测 |
| 2.7 斑马鱼幼鱼脑神经血管发育检测 |
| 2.8 斑马鱼幼鱼的脑出血实验 |
| 2.9 斑马鱼幼鱼脑电波的检测 |
| 2.10 实时荧光定量PCR检测神经发育相关基因的表达水平 |
| 2.11 统计学分析 |
| 3 实验结果 |
| 3.1 TSP、PM_(10)、PM_(2.5)对斑马鱼幼鱼行为学的影响 |
| 3.2 PM_(10)对斑马鱼幼鱼脑电波的影响 |
| 3.3 TSP、PM_(10)、PM_(2.5)对斑马鱼幼鱼多巴胺神经元发育的影响 |
| 3.4 TSP、PM_(10)、PM_(2.5)对斑马鱼幼鱼脑神经血管发育的影响 |
| 3.5 TSP、PM_(10)、PM_(2.5)对斑马鱼脑出血的影响 |
| 3.6 PM_(10)对神经发育相关基因表达的影响 |
| 4 讨论 |
| 5 小结 |
| 参考文献 |
| 第四章 防雾霾功能成分活性筛选 |
| 1 引言 |
| 2 数据库 |
| 3 方法 |
| 3.1 药食同源中药靶点预测 |
| 3.2 药食同源中药通路富集 |
| 3.3 网络构建 |
| 4 实验结果 |
| 5 讨论 |
| 6 小结 |
| 参考文献 |
| 全文总结 |
| 展望 |
| 全文创新点 |
| 第五章 综述 大气颗粒物暴露的健康风险评价及毒性作用机制的研究进展 |
| 1 引言 |
| 2 大气颗粒物概述 |
| 2.1 大气颗粒物的分类 |
| 2.1.1 根据粒径大小分类 |
| 2.1.2 根据在大气环境中的物理化学性状的变化分类 |
| 2.1.3 按其他特性分类 |
| 2.2 大气颗粒物的化学组分 |
| 3 大气颗粒物对机体健康的影响 |
| 4 大气颗粒物的毒性作用机制 |
| 4.1 破坏呼吸系统的作用机制 |
| 4.2 破坏心血管系统的作用机制 |
| 4.3 对免疫系统损伤机制 |
| 4.4 对神经系统损伤的作用机制 |
| 5 总结 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间成果 |
| 1 发表论文 |
| 2 发表会议论文 |
| 3 专利 |
| 4 获得奖励 |
（6）哈尔滨市大气中多溴联苯醚的污染特征及年际变化趋势研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景及研究意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景 |
| 1.1.3 研究目的及意义 |
| 1.2 PBDEs概述 |
| 1.2.1 PBDEs的理化性质 |
| 1.2.2 PBDEs的危害 |
| 1.2.3 PBDEs产品的使用 |
| 1.3 国内外研究现状 |
| 1.3.1 大气中PBDEs污染水平研究现状 |
| 1.3.2 大气中PBDEs年际变化趋势研究现状 |
| 1.3.3 大气中PBDEs气粒分配特征研究现状 |
| 1.3.4 国内外研究现状简析 |
| 1.4 主要研究内容及技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线 |
| 第2章 材料与方法 |
| 2.1 实验材料与仪器 |
| 2.1.1 仪器与设备 |
| 2.1.2 材料与试剂 |
| 2.2 样品的采集 |
| 2.3 样品的预处理 |
| 2.3.1 索氏提取 |
| 2.3.2 层析净化 |
| 2.3.3 定容浓缩 |
| 2.4 PBDEs的定性定量分析 |
| 2.5 质量控制与质量保证 |
| 2.6 有关参量的计算方法 |
| 2.6.1 总悬浮颗粒物质量浓度的计算方法 |
| 2.6.2 最小二乘法用于PBDEs的商用产品源贡献率的计算方法 |
| 2.6.3 人体暴露水平及健康风险评估的计算方法 |
| 2.6.4 过冷饱和蒸气压和辛醇-空气分配系数的计算方法 |
| 第3章 哈尔滨大气中PBDEs的污染及年际变化趋势 |
| 3.1 引言 |
| 3.2 大气中总悬浮颗粒物的污染特征 |
| 3.3 大气中PBDEs的污染特征 |
| 3.3.1 大气中PBDEs的浓度水平 |
| 3.3.2 大气中PBDEs的同系物组成特征 |
| 3.3.3 大气中PBDEs浓度的年际变化趋势 |
| 3.4 大气中PBDEs的季节变化特征 |
| 3.4.1 大气中PBDEs的浓度和组成的季节变化特征 |
| 3.4.2 大气中PBDEs的浓度与温度的相关性分析 |
| 3.4.3 大气中PBDEs的浓度与气象参数的相关性分析 |
| 3.5 大气中PBDEs的来源解析 |
| 3.5.1 大气中PBDEs的同系物之间的相关性分析 |
| 3.5.2 大气中PBDEs的来源解析 |
| 3.5.3 大气中PBDEs的商用产品来源贡献 |
| 3.6 大气中PBDEs的健康风险评价 |
| 3.6.1 大气中PBDEs的暴露水平 |
| 3.6.2 大气中PBDEs的健康风险评价 |
| 3.7 本章小结 |
| 第4章 哈尔滨大气中PBDEs的气粒分配及年际变化趋势 |
| 4.1 引言 |
| 4.2 大气中PBDEs在气相和颗粒相的浓度分布及年际变化趋势 |
| 4.2.1 大气中PBDEs在气相和颗粒相的浓度分布 |
| 4.2.2 大气中PBDEs在气相和颗粒相中的浓度的年际变化趋势 |
| 4.3 大气中PBDEs在颗粒相中的质量分数及年际变化趋势 |
| 4.3.1 大气中PBDEs在颗粒相中的质量分数 |
| 4.3.2 PBDEs在颗粒相中的质量分数的年际变化趋势 |
| 4.3.3 颗粒相质量分数的预测值与实际监测值的对比 |
| 4.4 大气中PBDEs在气相和颗粒相间的分配系数及年际变化趋势 |
| 4.4.1 大气中PBDEs在气相和颗粒相间的分配系数 |
| 4.4.2 PBDEs在气相和颗粒相间的分配系数的年际变化趋势 |
| 4.4.3 大气中PBDEs的气粒分配特征研究 |
| 4.4.4 气粒分配系数的预测值与实际监测值的对比 |
| 4.6 本章小结 |
| 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 |
（7）南京市大气颗粒物化学组分的粒径分布特征（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 我国大气颗粒物污染现状 |
| 1.1.2 颗粒物质量浓度与化学组成具有显着的粒径分布特征 |
| 1.1.3 大气颗粒物的粒径分布对气候及健康效应具有重要影响 |
| 1.2 研究进展 |
| 1.2.1 大气颗粒物质量浓度的粒径分布特征 |
| 1.2.2 大气颗粒物化学组分的粒径分布特征 |
| 1.2.3 大气颗粒物浓度粒径分布的影响因素 |
| 1.2.4 不同粒径大气颗粒物的来源解析 |
| 1.2.5 目前研究存在的问题与不足 |
| 1.3 研究目的和内容 |
| 1.4 总体技术路线 |
| 第2章 大气颗粒物多粒径样品的采集与分析 |
| 2.1 研究区域概况 |
| 2.1.1 自然环境概况 |
| 2.1.2 社会经济概况 |
| 2.1.3 环境质量概况 |
| 2.2 样品采集 |
| 2.2.1 采样点位 |
| 2.2.2 采样时间 |
| 2.2.3 采样仪器及流程 |
| 2.2.4 采样质量控制 |
| 2.3 样品分析 |
| 2.3.1 颗粒物质量浓度分析 |
| 2.3.2 无机元素分析 |
| 2.3.3 有机碳与元素碳分析 |
| 2.3.4 水溶性离子分析 |
| 2.3.5 样品分析的质量控制 |
| 第3章 大气颗粒物质量浓度的粒径分布特征 |
| 3.1 大气颗粒物质量浓度的粒径分布 |
| 3.2 颗粒物质量浓度的粒径分布函数 |
| 3.3 不同粒径颗粒物质量浓度的几何中值 |
| 3.4 本章小结 |
| 第4章 大气颗粒物化学组分的粒径分布特征 |
| 4.1 金属元素的粒径分布特征 |
| 4.1.1 元素的浓度水平 |
| 4.1.2 元素粒径分布的年均特征 |
| 4.1.3 元素粒径分布的季节特征 |
| 4.2 含碳组分的粒径分布特征 |
| 4.2.1 含碳组分的浓度水平 |
| 4.2.2 含碳组分的粒径分布及季节变化 |
| 4.2.3 OC与EC相关性的粒径分布 |
| 4.2.4 二次有机碳(SOC)及SOC/OC的粒径分布 |
| 4.3 水溶性离子的粒径分布特征 |
| 4.3.1 水溶性离子的浓度水平 |
| 4.3.2 水溶性离子的粒径分布及季节变化 |
| 4.3.3 不同粒径颗粒物的阴阳离子平衡 |
| 4.3.4 NO_3~-/SO_4~2的粒径分布特征 |
| 4.4 本章小结 |
| 第5章 大气颗粒物粒径分布的影响因素及来源解析 |
| 5.1 气象因素对颗粒物质量浓度粒径分布的影响 |
| 5.1.1 不同粒径颗粒物质量浓度与气温、风速的相关性 |
| 5.1.2 不同粒径颗粒物质量浓度与相对湿度的相关性 |
| 5.2 不同粒径颗粒物元素富集特点及来源解析 |
| 5.3 基于主成分分析法(PCA)的来源解析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.1.1 大气颗粒物质量浓度的粒径分布特征 |
| 6.1.2 大气颗粒物组分的粒径分布特征 |
| 6.1.3 颗粒物粒径分布的影响因素及来源研究 |
| 6.2 创新点 |
| 6.3 本研究的不足与展望 |
| 6.3.1 存在不足 |
| 6.3.2 研究展望 |
| 参考文献 |
| 在学期间发表的学术论文及研究成果 |
| 致谢 |
（8）改进群组AHP-FCE法对高速公路建设的生态环境影响评价（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 目的及意义 |
| 1.2 国内外研究现状及存在问题 |
| 1.2.1 公路发展状况及影响 |
| 1.2.2 生态环境影响评价的进展 |
| 1.2.3 评价方法及指标体系的构建研究 |
| 1.2.4 存在问题 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文特色 |
| 第二章 公路建设对路域环境的影响分析 |
| 2.1 环境与生态环境 |
| 2.1.1 环境 |
| 2.1.2 生态 |
| 2.1.3 生态环境 |
| 2.2 环境影响评价与生态环境影响评价 |
| 2.2.1 环境影响评价 |
| 2.2.2 生态环境影响评价 |
| 2.2.3 生态环境影响评价与环境影响评价区别 |
| 2.3 公路工程建设行为对生态环境的影响 |
| 2.3.1 对社会环境的影响 |
| 2.3.2 对生态环境的影响 |
| 2.3.3 对水资源的影响 |
| 2.3.4 对大气的影响 |
| 2.3.5 对声环境的影响 |
| 2.4 本章小结 |
| 第三章 公路建设项目的生态环境影响评价指标体系构建 |
| 3.1 指标体系的含义及功能 |
| 3.1.1 指标体系的含义 |
| 3.1.2 指标体系的功能 |
| 3.2 指标体系的分类 |
| 3.2.1 依据指标的功能分类 |
| 3.2.2 依据指标的区域性分类 |
| 3.2.3 依据指标的定量化程度分类 |
| 3.3 公路建设项目评价指标体系的构建原则 |
| 3.4 公路建设项目评价指标体系的建立 |
| 3.5 指标的量化方法 |
| 3.5.1 定性指标量化方法 |
| 3.5.2 定量指标无量纲化处理 |
| 3.6 本章小结 |
| 第四章 公路建设项目生态环境影响评价模型的建立 |
| 4.1 生态环境影响评价方法的评析 |
| 4.2 改进的群组AHP-FCE评价模型的构建 |
| 4.3 运用改进的群组AHP确定权重 |
| 4.4 运用模糊综合评价法实施综合评价 |
| 4.5 本章小结 |
| 第五章 基于改进的群组AHP-FCE法对研究路段评价分析 |
| 5.1 研究区概况 |
| 5.1.1 自然环境概况 |
| 5.1.2 社会经济环境概况 |
| 5.1.3 生态环境概况 |
| 5.2 评价体系的构建 |
| 5.3 指标的赋值及无量纲化 |
| 5.4 权重的确定 |
| 5.4.1 传统AHP确定权重 |
| 5.4.2 改进群组AHP确定权重 |
| 5.5 二级态势评估结果 |
| 5.5.1 一级模糊评价 |
| 5.5.2 二级模糊评价 |
| 5.6 传统方法与改进方法的比较 |
| 5.6.1 权重的对比 |
| 5.6.2 综合评估结果的对比 |
| 5.7 生态环境保护措施 |
| 5.7.1 社会环境影响减缓措施 |
| 5.7.2 生态环境影响保护措施 |
| 5.7.3 水资源影响保护措施 |
| 5.7.4 声环境保护措施 |
| 5.7.5 环境空气质量保护措施 |
| 5.8 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（9）中国东海近海气溶胶化学组分特征及硝酸盐来源的氮氧同位素示踪研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状与进展 |
| 1.2.1 海洋气溶胶研究概况 |
| 1.2.2 水溶性离子研究进展 |
| 1.2.3 大气中硝酸盐与氮氧双同位素研究进展 |
| 1.3 主要研究内容与技术路线 |
| 第二章 实验设计与研究方法 |
| 2.1 研究区域与样品采集 |
| 2.1.1 采样点概况 |
| 2.1.2 采样时间与方法 |
| 2.2 实验分析 |
| 2.2.1 TSP样品质量浓度计算 |
| 2.2.2 水溶性离子的测定 |
| 2.2.3 稳定氮氧同位素测定 |
| 2.3 数据处理与研究方法 |
| 2.3.1 非海盐离子质量浓度计算 |
| 2.3.2 后向气流轨迹模型 |
| 2.3.3 SIAR模型 |
| 第三章 大气总悬浮颗粒物(TSP)浓度变化特征 |
| 3.1 TSP浓度变化特征与季节差异 |
| 3.2 后向气流轨迹 |
| 3.3 东海近海TSP与其他地区比较 |
| 3.4 气象因子对TSP浓度的影响 |
| 3.5 本章小结 |
| 第四章 水溶性离子理化特征 |
| 4.1 水溶性离子浓度水平与季节差异 |
| 4.2 SNA三角图分布特征 |
| 4.3 主要水溶性离子来源解析 |
| 4.3.1 主要水溶性离子相关性分析 |
| 4.3.2 MSA与生物源SO_4~(2-) |
| 4.4 主成分分析 |
| 4.5 本章小结 |
| 第五章 硝酸盐的稳定氮氧同位素组成特征 |
| 5.1 NO_3~-质量浓度特征与形成影响因子 |
| 5.2 嵊泗地区TSP中硝酸盐的稳定氮同位素组成 |
| 5.2.1 NO_3~-的稳定氮同位素的季节变化 |
| 5.2.2 TSP中硝酸盐来源的解析 |
| 5.2.3 对δ~(15)N-NO_3~-数据的解释 |
| 5.3 嵊泗地区TSP中硝酸盐的稳定氧同位素组成 |
| 5.3.1 NO_3~-的稳定氧同位素的季节变化 |
| 5.3.2 NO_3~-的形成转化路径分析 |
| 5.4 基于SIAR模型对TSP中硝酸盐的解析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 结论 |
| 6.2 本研究的创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（10）基于机器学习方法对总悬浮颗粒物监测结果校正研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 颗粒物监测研究 |
| 1.2.2 机器学习在污染物监测领域研究 |
| 1.3 研究目标 |
| 1.4 研究思路和技术路线 |
| 第二章 颗粒物监测与模型数据来源 |
| 2.1 颗粒物监测方法 |
| 2.1.1 滤膜称重法 |
| 2.1.2 光散射法 |
| 2.1.3 微量振荡天平法 |
| 2.2 上海地区总悬浮颗粒物监测情况 |
| 2.3 上海地区国控站污染物监测情况 |
| 2.4 本章小结 |
| 第三章 机器学习校正模型的构建及评估 |
| 3.1 数据预处理 |
| 3.1.1 缺失值处理 |
| 3.1.2 划分数据集 |
| 3.1.3 特征缩放 |
| 3.2 机器学习模型构建 |
| 3.2.1 支持向量机 |
| 3.2.2 随机森林 |
| 3.2.3 梯度提升树 |
| 3.2.4 人工神经网络 |
| 3.3 机器学习模型评估标准 |
| 3.4 模型训练与测试 |
| 3.4.1 机器学习模型训练结果 |
| 3.4.2 机器学习模型测试结果 |
| 3.5 本章小结 |
| 第四章 模型的影响因素分析 |
| 4.1 特征重要性分析 |
| 4.2 相关性分析 |
| 4.2.1 特征间相关性分析 |
| 4.2.2 部分依赖图表现 |
| 4.2.3 由部分依赖图推导的气溶胶吸湿增长研究 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究结论 |
| 5.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
四、总悬浮颗粒物(TSP)（论文参考文献）
- [1]不同树种对东北林业大学地区大气中总悬浮颗粒物的吸附研究[J]. 李波,陈卓,李孟哲,舒展. 广东化工, 2021(24)
- [2]大气中低分子脂肪胺的测量和气/粒分配研究 ——以南京北郊为例[D]. 杨笑影. 南京信息工程大学, 2021(01)
- [3]基于传统经验模型和机器学习模型的水色遥感反演对比研究[D]. 姜波. 中国科学院大学(中国科学院烟台海岸带研究所), 2021(01)
- [4]皮带输运廊道内流场分布及控制[D]. 周华鑫. 河北工程大学, 2020(08)
- [5]大气颗粒物发育毒性评价及防雾霾功能活性成分筛选研究[D]. 贾智莉. 河南大学, 2020(02)
- [6]哈尔滨市大气中多溴联苯醚的污染特征及年际变化趋势研究[D]. 裴莹. 哈尔滨工业大学, 2020(01)
- [7]南京市大气颗粒物化学组分的粒径分布特征[D]. 何书言. 南京大学, 2020(04)
- [8]改进群组AHP-FCE法对高速公路建设的生态环境影响评价[D]. 张丹. 长安大学, 2020(06)
- [9]中国东海近海气溶胶化学组分特征及硝酸盐来源的氮氧同位素示踪研究[D]. 方言. 南京信息工程大学, 2020(02)
- [10]基于机器学习方法对总悬浮颗粒物监测结果校正研究[D]. 郭樵风. 上海交通大学, 2020(01)