推荐5篇关于气象因子的计算机专业论文

今天分享的是关于气象因子的5篇计算机毕业论文范文, 如果你的论文涉及到气象因子等主题,本文能够帮助到你

西安市南郊空气中PM2.5及其重金属污染特征研究

这是一篇关于PM2.5,PM10,采暖期,粒径分布,气象因子,重金属,健康的论文, 主要内容为本文以西安建筑科技大学2007年11月-2008年10月以及2008-2009年采暖期PM2.5的日均监测值为基础数据,对西安市南郊的PM2.5各种分布特征及气象因子的影响作了相关分析,并对PM2.5中的Pb、Ni、Cd三种重金属进行了分析,探讨了其来源、对人体健康的影响以及污染防治对策。 PM2.5和PM10的月平均浓度分布呈现的趋势大致相似,PM2.5在PM10中所占的比例较大且稳定,平均值为72%,各个季节PM2.5和PM10的平均浓度大致为:冬季＞秋季＞春季＞夏季;PM2.5在采暖期的日浓度分布状况呈现出一定的规律,大致出现两个高峰期,分别为12点至15点,21点至24点;西安市南郊非采暖期和采暖期PM2.5的平均浓度分别为63.43μg/m3和108.95μg/m3,分别是美国PM2.5空气质量标准的4.23倍和7.26倍;PM2.5的粒径集中在0.375μm-2.423μm之间。 PM2.5的质量浓度同各种气象条件关系密切:PM2.5与总云量和湿度呈正相关性,而与气压、气温、日照时数、辐射量、风速和能见度都呈现负相关性。其中,辐射量和相对湿度对PM2.5的质量浓度影响很大,而PM2.5的质量浓度高低对能见度有着很大的影响,使其大大降低。采样期间各种重金属的平均浓度有较大差异,其中Pb的平均浓度为0.266μg/m3,Ni的平均浓度为0.013μg/m3,Cd的平均浓度为0.006μg/m3,Pb的浓度明显要高于Ni和Cd;通过富集因子法对重金属的来源进行分析,得出Pb和Cd主要来自人为贡献,而Ni主要来自于自然源;分析了重金属对人体健康的危害并指出了相关的污染防治对策。

基于时空分辨率融合的延河流域植被季节变化分析

这是一篇关于ESTARFM,植被指数,季节变化,时间序列,气象因子的论文, 主要内容为时空分辨率融合技术可以融合不同时间分辨率、空间分辨率的多源遥感卫星影像,从而得到具备高空间分辨率和高时间分辨率的遥感影像,以满足高时空分辨率下的植被变化监测的需求。时空融合模型目前主要集中用于反射率数据的融合,而通过多光谱波段运算得到的植被指数则与植被的生长状态有着密切的关系。时空分辨率融合技术融合生成的植被指数时间序列数据集,可以长时间上地反映植被生长状况,为植被变化动态监测提供最优数据源。本文选取陕北黄土高原典型丘陵沟壑区的延河流域作为研究区,以Landsat OLI和MODIS09A1反射率合成数据作为数据源,基于ESTARFM算法利用两种融合方案BI(先融合后计算指数)和IB(先计算指数后融合)生成了融合图像。评价了融合结果的精度,并构建六种植被指数的时间序列数据集,在此基础中筛选最优植被指数NDVI,并根据HANTS平滑法重构NDVI时序数据集,构建不同植被类型的季节变化曲线并分析其变化特征,最后结合月平均温度和月累计降水量与不同植被的关系,探讨气象因素对植被生长的影响。(1)基于ESTARFM模型的IB算法的融合结果精度更高。对BI和IB两种融合结果进行精度评价,IB图像能够较好地反映出细小地物和纹理特征,与真实影像更为接近;并与真实图像之间的均值差和标准差均较小,与基于真实图像计算的植被指数的皮尔逊相关系数最高。在空间上,IB融合的植被指数与真实图像的植被指数几乎均为正相关分布,并均通过了显著性T值检验。不同指数的低相关系数主要分布在基期影像云覆盖区,以及受BRDF影响的沟壑区。其中TSAVI指数的空间相关性最高,其正相关性比例达到85.1%,高度正相关性所占比例达到49.1%。通过对比皮尔逊相关性系数,空间相关性系数近一步揭示了融合指数和真实指数图像在空间上的变化。(2)ESTARFM融合得到的NDVI时间序列数据随时间的变化规律体现了不同植被类型的季节变化特征。通过筛选NDVI作为反映研究区植被生长状态的最优指数,基于HANTS平滑法重构了延河流域2015年耕地、林地、灌丛、高覆盖度草地、中低覆盖度草地的NDVI时序数据集。NDVI时间序列数据随时间的变化规律与相应植被类型的生长特点较为一致,能够体现不同植被类型的季节变化特征。其中林地在春季的NDVI增长速率最大,并在夏季的NDVI值最高;高植被覆盖度草地的夏季NDVI值位于林地之下;耕地在秋季,NDVI下降速度最快;灌丛的NDVI曲线与林地较为相似,由于覆盖度的差异,其整体NDVI曲线较低;中低覆盖度草地的时序曲线较为平缓,在所有植被类型中,NDVI曲线最低。(3)基于相关性统计法对不同植被类型的NDVI分别和气温和降水的关系进行分析,结果表明随着气温和降水量的增加,NDVI值也在上升,即NDVI值与当月平均温度和月降水量呈正相关性,同时当月NDVI值和上月气象因子也呈正相关,说明气象因子对植被起着滞后效应。

重庆市植被指数时空变化研究

这是一篇关于NDVI,气象因子,地形因子,人为因子,时间序列的论文, 主要内容为植被的生长一般受到多方面因素的影响,即相对固定的地形因子,长时间累计变化的温度、降水等气候因子,人口分布、GDP增加及城市化过程等的人为因子。其中地形因子和气候因子可称为自然因子,它们奠定了植被空间分布的总体格局。人为因子则引起植被的局部变化。从长期来看,自然因子和人为因子都驱动着植被分布格局及其变化,但是在短期内,人类活动则是主要的驱动因素。本文主要研究地形因子、气候因子和人为因子与植被覆盖之间的关系,从而更好的解释植被变化情况,为重庆市生态环境的调节改善提供一定的依据。本研究运用1998-2007年1 km空间分辨率的SPOT-VGTS10数据,提取重庆市归一化植被指数(normalized difference vegetation index, NDVI)影像,共计351景。采用Savitzky-Golay滤波平滑处理、最大值合成法、线性回归分析、时间序列分析等方法研究重庆市NDVI、降水量、温度、人口、GDP等的动态变化情况,构建重庆市的NDVI、气象因子、人为因子的时序数据集；分析重庆市NDVI及各因子的空间分布格局；探讨重庆市NDVI与气象因子,地形因子,人为因子之间的关系。主要研究成果包括： (1)运用Savitzky-Golay滤波技术,可有效地去除NDVI数据中的云、气溶胶及异常值的影响,NDVI时序数据经过滤波平滑后,能更好地反映植被覆盖情况,为研究重庆市植被覆盖变化奠定了基础。 (2)重庆市NDVI的年平均值和各年NDVI值都表现出较强的稳定性。从1999年到2007年NDVI总体呈上升趋势,说明重庆市植被量逐年增加。空间分布特征表明,在四个种植业分区(渝东北、渝南、渝中和渝西)各年份NDVI值大小趋势基本保持一致。根据NDVI值排序表现为：渝东北>渝南>渝中>渝西。而各年NDVI则表现出明显的季节性,在1月份和8月份分别为谷值和峰值。另外NDVl年际变化率也表明重庆市近十年植被覆盖量增加,且西部除主城外最为明显。 (3)以区县为单位研究各区域旬NDVI与同期降水量、平均气温的相关性发现,NDVI与二者均有较好的相关性,但是NDVI与平均气温相关性远远大于与降水量的相关性。季节NDVI与同期降水量及温度相关性的空间分布结果表明,春季降水量与NDVI在空间上呈正相关；气温对NDVI的影响较为显著,正相关面积占总面积的比例达到72%。夏季NDVl与降水量仅在西北部及中北部个别地区为正相关,其余各地均呈负相关；NDVI与温度总体以正相关为主,在西部地区尤其是主城地区呈现较显著的负相关性；东南部地区及西南部相关性较小。秋季东北部大巴山区NDVI与降水量相关系数较大,其余地区呈负相关；NDVI与温度的相关性则明显呈现出东部地区为正相关,西部地区为负相关的现象。在冬季,东北及东南部各地NDVI受到降水量的影响较大,长江以北大部分地区与降水量呈负相关;与其他季节相比,东北部及东南部地区冬季NDVI受温度的影响相对有所减小,部分地区的植被情况受温度的影响并不大,而西部则呈现很强的正相关性,相关系数达到0.8左右。 (4)NDVI与高程有一定的相关性,其中渝东北地区相关性最为明显。而坡度、坡向与NDVI的相关性不明显。 (5)重庆市最大化NDVI与人口及GDP均呈负相关,负相关的面积分别达到51.59%和54.39%；通过研究1999年到2006年积分NDVI与城市化的关系表明,城市化对重庆市的植被也有一定的影响,与城市化率呈负相关关系。