基于统计学习方法的北京市PM2.5的影响因素研究文献综述
2020-04-30 16:14:30
研究背景: 近年来,我国社会经济发展迅速,大气污染问题成为目前大多数城市的首要问题。
大气颗粒物是大气中各种固体和液体颗粒状物质的总称,主要包括可吸入颗粒物、二氧化硫、氮氧化物等。
我国城市的大气污染物主要为可吸入颗粒物。
按照空气动力学直径大小,可将大气颗粒物分为总悬浮颗粒物(TSP),可吸入颗粒物(PM10 )和细颗粒物(PM2.5)。
其中细颗粒物即为PM2.5,它是指大气中直径小于或等于2.5微米的颗粒物,也称可入肺颗粒物,其危害很大。
细颗粒物粒径小,容易被人和动物吸入体内,它包含众多的化学成分及有害气体,还可携带微生物质成分和生物质碎末等细颗粒物的浓度升高,不仅会使陆地和海洋生态系统的自然循环遭到破坏,也会导致全球气候变化和大气能见度降低。
细颗粒物危害人体健康,增加患病率和死亡率。
1.国外研究回顾 Tao Zou,Shuo Li,Shuyi Zhang,Hui Huang[3]等8名作者认为PM2.5与混杂因素之间的关系仍不清楚。
这种关系的量化需要有效的时间跨度数据和全面的统计分析,以便测量不确定性并调整混杂因素。
统计模型如贝叶斯层次时空模型和广义加法模型被用于研究美国的环境空气污染。
剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付