排序方式: 共有2条查询结果,搜索用时 17 毫秒
1
1.
中国典型植被最大光利用率模拟 总被引:21,自引:1,他引:20
植被最大光利用率是净初级生产力(NPP)遥感估算的一个关键参数, 对它的大小一直存在分歧. 利用NOAA/AVHRR遥感数据、气象数据和中国NPP实测资料, 根据NPP遥感估算的建模思路, 采用改进的最小二乘法对中国典型植被的最大光利用率进行了系统的模拟, 并针对不同植被分类精度可能带来的误差对最大光利用率进行了敏感性分析. 结果表明: 文中模拟得到的中国典型植被最大光利用率介于光能利用率模型(CASA模型)和生理生态过程模型(BIOME-BGC)的模拟结果之间, 与前人研究结果比较一致; 由植被分类精度所带来的最大相对误差仅为-5.5%~8.0%, 说明了本文模拟结果具有一定的可靠性和稳定性. 相似文献
2.
基于2014-2016年的北京地区PM2.5监测数据, 用空间插值法获得北京地区的PM2.5空间分布, 并基于DMSP/OLS夜间灯光数据, 模拟得到北京地区的人口密度空间分布。在此基础上, 从PM2.5浓度空间分布、PM2.5污染的人口暴露特征、PM2.5污染人口暴露强度以及人口加权PM2.5浓度4个方面评估北京地区PM2.5污染暴露风险。结果显示: 1)PM2.5浓度呈现南高北低的空间分布特征, 人口暴露风险空间分布与人口密度空间分布呈现高度的一致性, 即人口密度高的区域,PM2.5污染人口暴露风险也相对较高; 2) 2014, 2015, 2016年北京地区GB3095-2012二级年均浓度标准35 μg/m3的超标人口比例均为100%, 24小时平均浓度标准75 μg/m3的超标人口比例呈逐年显著下降趋势; 3) 2014-2016年北京市人口加权PM2.5年均浓度值与PM2.5年均值均存在差异, 差异度与城市暴露人口和污染情况密切相关; 4) 由于PM2.5污染物浓度空间分布特征与人口密度空间分布特征不同, 北京市PM2.5污染对总体人群的实际影响和健康危害与其平均浓度水平并不相同, 因此考虑人口密度空间分布特征的暴露风险评估比只考虑PM2.5污染物浓度的暴露风险评估更准确。 相似文献
1