张南
- 作品数：4 被引量：33H指数：3
- 供职机构：新疆大学资源与环境科学学院更多>>
- 发文基金：国家自然科学基金北京市属高等学校高层次人才引进与培养计划中国博士后科学基金更多>>
- 相关领域：环境科学与工程农业科学更多>>
- 基于实测光谱的红花叶绿素含量高光谱估算模型研究被引量：2
- 2016年
- 通过分析红花(Carthamus tinctorius L.)原始光谱、变换光谱以及其他25种应用最普遍的高光谱参数与其叶绿素含量的相关性,并选择每个生长期与红花叶绿素含量相关性较好的高光谱指数和波段,建立不同生长期红花叶绿素含量的线性、抛物线、指数和对数模型,并用RMSE评价模型精度。最后得出各期的最佳模型:出苗期归一化差异指数(NDI)的抛物线模型具有最大模型精度0.900和检验精度0.932;分枝期黄边幅值(Dy)的抛物线模型精度为0.850,检验模型精度为0.811;始花期444 nm处二阶导数光谱的抛物线模型精度为0.734,检验精度为0.866;终花期798 nm处二阶导数光谱的抛物线模型精度为0.929;成熟期795 nm处二阶导数光谱的指数模型精度为0.904,检验精度为0.868。
- 张南熊黑钢靳彦华
- 关键词：叶绿素
- 北京市冬季雾霾天人体呼吸高度PM_(2.5)变化特征对气象因素的响应被引量：19
- 2016年
- 依据实测北京冬季人体呼吸高度PM_(2.5)质量浓度、湿度、风速、风向、温度数据,利用相关性分析、非线性回归分析、统计分析,分别探讨轻中度空气污染天、一次重污染过程,气象因子对PM_(2.5)质量浓度生成、变化的影响.结果表明:1轻中度污染天,若温度较低、日平均风速较小,湿度大时,湿度是影响PM_(2.5)质量浓度变化的决定性因素;而温度、风速、湿度均较大时,PM_(2.5)质量浓度变化受三者共同作用;当风速、湿度、温度均较小时,PM_(2.5)质量浓度变化主要受前两者影响.这反映出,人体呼吸高度的PM_(2.5)质量浓度变化对气象因子微小变化响应极为敏感.2一次空气质量从良到重度污染的过程中,PM_(2.5)质量浓度积累主要是由于空气湍流较弱、加之湿度大导致的,此外白天西北风、东北风较大,但持续时间短,而夜间东南风、西南风风速较小,持续时间长,也有利于污染物的累积.3短时微小量降雪使温度降低、空气湿度增加,不仅不能降低PM_(2.5)质量浓度,反而使其上升了72%,造成颗粒物浓度的跃升现象.4短时风速较大,风速达到2.0 m·s^(-1),持续2 h,虽然在一定程度上降低局地PM_(2.5)质量浓度,但并不能彻底改变空气质量状况.只有当风速大于3.5 m·s^(-1),且持续4 h以上,才能够迅速地扩散空气中的细颗粒物,空气质量由重度污染转变为优.
- 张南熊黑钢葛秀秀段鹏程毛先如王亚龙
- 关键词：PM2.5气象因素
- 不同季节强碱土土壤呼吸影响因子分析与模型预测被引量：8
- 2017年
- 利用LI-8100土壤碳通量测量仪测定了春夏秋三季晴朗天气下强碱土土壤呼吸速率、温度(气温和地温)、湿度(空气相对湿度和土壤湿度)数据,分析了它们之间的相关关系,获得不同季节对土壤呼吸影响较大的因子,并建立不同类别的多种回归模型;在精度检验及简单易行原则基础上,得到各季节土壤呼吸预测的最优模型。结果表明:(1)虽然温湿度均是影响不同季节强碱土土壤呼吸的主要因素,但均以温度的影响较大,其中气温是春秋两季土壤呼吸的最大直接影响因子,地温是夏季的最大直接影响因子,而土壤湿度为各季节最大的间接影响因子。(2)春秋季土壤呼吸的最佳预测模型均为10 cm处气温和土壤湿度所建的双因子方程,该方程具有较小的均方根误差(RMSE)(分别为0.159和0.259),且相对分析误差(RPD)>2(分别为2.9、2.094),具有非常好的预测能力。夏季土壤呼吸最佳预测模型则为包含10 cm处气温、地温、空气相对湿度和土壤湿度所建的4因子方程,RMSE为0.248,RPD>2(为2.406),可用于精确预测。(3)各季节土壤呼吸变化趋势与其影响因子的变化,因春季的完全同步,夏季基本一致,而秋季一致性较差,故春季土壤呼吸最佳预测模型的预测精度最高(92.67%),夏季次之(84.99%),秋季较差(77.23%)。
- 张录张芳熊黑钢段鹏程李荣荣张南
- 关键词：土壤呼吸
- 北京市无风天人体高度的PM2.5、PM10变化特征及扩散机制研究被引量：4
- 2017年
- 为了解无风天情况下PM_(2.5)、PM_(10)的人体暴露水平及扩散机制,对人体呼吸高度的PM_(2.5)、PM_(10)浓度及近地面不同高度处的温度、相对湿度进行连续监测,分析了垂直温度梯度、相对湿度的相对变化速率对PM_(2.5)、PM_(10)浓度的影响,并利用回归分析法建立PM_(2.5)、PM_(10)浓度与不同高度处温度、相对湿度的单、多变量回归模型,从中选取最优回归模型。结果表明:(1)晴天的PM_(2.5)、PM_(10)浓度在研究时段(9:00—21:00)内总体呈先降低再升高的趋势,而阴天、小雨天PM_(2.5)、PM_(10)浓度呈多峰变化,起伏较大;晴天不同高度的温度差异大,阴天、小雨天温度差异相对较小;晴天不同高度的相对湿度曲线总体均呈U型分布,相较而言,阴天及小雨天各层的相对湿度曲线波动较大;(2)垂直温度梯度是影响晴天PM_(2.5)、PM_(10)扩散的主要原因,相对湿度变化是影响颗粒物扩散的另一重要因素。(3)PM_(2.5)、PM_(10)浓度的单、多变量最优回归模型表明,低污染晴天,温度是影响颗粒物扩散的主要因素,高污染晴天则主要受相对湿度的影响,介于上述两种污染状况之间时,PM_(2.5)、PM_(10)浓度不仅受各层相对湿度的控制,还受到温度的影响。阴天PM_(2.5)、PM_(10)浓度的最优回归模型相对复杂,模型精度不及晴天。
- 葛秀秀熊黑钢张南朱忠鹏石雪颖周晓曦
- 关键词：PM2.5PM10
