一、我国将启动重污染日预报（论文文献综述）
姚国伟[1]（2020）在《船载高频地波雷达海面电磁散射模型及风浪参数反演方法的研究》文中研究说明高频地波雷达（High Frequency Surface Wave Radar,HFSWR）利用垂直极化的电磁波（3-30 MHz）绕海面传播衰减小的特点,可实现对海面的全天时、全天候、大范围和超视距的连续监测,雷达系统成本低、易维护,是实现海洋环境立体监测的重要手段。相较于岸基HFSWR,船载HFSWR机动灵活、生存能力强,而且进一步扩大了对海洋监测的范围,是今后的部署趋势,其在军用领域的海上动目标探测和民用领域的海洋动力学参数反演方面具有广泛的应用价值和重要的研究意义。HFSWR利用高频电磁波对粗糙海面的一阶和二阶散射机制,可实现对海洋动力学参数的有效测量。目前,岸基HFSWR在海洋遥感领域的理论体系已比较完善,应用技术也较为成熟。国内外均已成功研制出不同型号的HFSWR系统,并在海洋环境监测上得到了广泛应用。然而,船载HFSWR在海洋遥感领域的研究刚刚起步,其理论体系仍不完善,应用技术也有待发展。本文基于粗糙海面的电磁散射理论,将开展船载HFSWR海面电磁散射模型和海面风浪参数反演方法的探索性研究。本文研究成果完善了船载HFSWR海洋遥感的理论体系,为开展船载HFSWR海洋监测应用提供了理论基础和技术支撑。本文的主要研究内容如下:（1）基于粗糙海面的电磁散射理论,推导出包含多频六自由度振荡运动模型的单基地和双基地浮式平台HFSWR一阶和二阶海面电磁散射截面积方程。首先,建立了海洋浮式平台六自由度振荡运动的数学模型。随后,推导出包含单频六自由度振荡运动模型的单基地浮式平台HFSWR一阶和二阶海面电磁散射截面积方程,并将推导结果扩展到包含多频六自由度振荡运动模型的单基地和双基地的情况。然后,通过仿真分析了浮式平台六自由度振荡运动对HFSWR一阶和二阶海面回波谱的影响,解释了单、双基地浮式平台HFSWR海面回波谱的异同,并研究了双基地角的影响。最后,通过实测雷达数据对理论推导结果进行了初步验证。该部分推导和分析为后续船载HFSWR海面电磁散射截面积方程的推导和今后基于浮式平台HFSWR的海洋遥感应用奠定了理论基础。（2）在前一部分研究内容的基础上,推导出包含匀速直线运动和多频六自由度振荡运动模型的船载HFSWR一阶和二阶海面电磁散射截面积方程。首先,建立了船载平台六自由度振荡运动的数学模型。随后,基于浮式平台HFSWR的海面电磁散射理论,推导出包含匀速直线运动和单频六自由度振荡运动模型的船载HFSWR一阶和二阶海面电磁散射截面积方程,并将推导结果扩展到包含多频六自由度振荡运动模型的情况。然后,通过仿真分析了匀速直线运动和六自由度振荡运动对船载HFSWR一阶和二阶海面回波谱的影响。最后,通过实测雷达数据初步地验证了一阶Bragg峰的展宽现象。该部分的推导结果和分析为后续利用船载HFSWR进行海洋动力学参数反演提供了理论依据。（3）针对船载平台甲板空间小引起的问题,提出了一种利用单天线船载HFSWR反演海面风向的方法。首先,理论分析了船载HFSWR一阶多普勒谱的展宽模型。其次,当海浪扩展因子为经验值时,利用正、负一阶Bragg峰强度的比值建立了海面风向反演的数学模型。然后,基于一阶多普勒谱的展宽特性,提出了一种利用单天线船载HFSWR反演海面风向的方法,并利用最小差值法解决了海面风向模糊的问题。最后,通过仿真和船载HFSWR实测实验初步验证了该方法的可行性和有效性。（4）基于海浪扩展因子与风向和风速的关系,提出了一种利用单天线船载HFSWR一阶多普勒谱同时反演海面风向和风速的方法。首先,当海浪扩展因子为变量时,利用正、负一阶Bragg峰强度的比值建立了海面风向和海浪扩展因子的数学模型。随后,基于一阶多普勒谱的展宽特性,提出了一种利用单天线船载HFSWR提取无模糊的海面风向和海浪扩展因子的方法。然后,基于阻力系数和海浪扩展因子的数学模型,建立了海面风速和海浪扩展因子的对应关系,并可以利用已获得的海浪扩展因子计算海面风速。之后,通过仿真分析了雷达覆盖海域平移、实际航行条件和外部高斯噪声对该方法的影响。最后,通过船载HFSWR实测实验初步验证了该方法的有效性并对其性能进行了评估。该部分获得的海面风速信息为后续利用船载HFSWR进行有效波高反演提供了数据支撑。（5）基于海面风速和有效波高的数学模型,提出了一种利用单天线船载HFSWR一阶多普勒谱反演海面有效波高的方法。首先,基于物理海洋学理论,引入了海面有效波高和无向海浪谱之间的关系,建立了海面有效波高和风速的数学模型。然后,对前一部分获得的海面风速数据进行优化处理,并将优化后的风速数据带入海面有效波高和风速的数学模型,即可得到海面有效波高。在海浪充分发展的情况下,该方法的有效性通过船载HFSWR实测实验进行了初步验证。
潘锦秀,李云婷,刘保献,李倩,张章[2]（2020）在《2018年11—12月北京市重污染天气过程数值预报能力评估》文中研究指明2018年11—12月北京市发生了4次以PM2.5为首要污染物的重污染天气过程,为了分析数值模型对4次重污染过程的预报能力,将CMAQ模式提前1～7 d对北京市PM2.5的小时预报结果与观测结果对比,分别从离散统计和分类统计2个方面评估CMAQ模式对4次重污染天气过程的预报效果,并简要分析了偏差产生的气象方面原因。结果表明:CMAQ模式提前1～6 d对重污染天气过程的预报显示出良好的性能,为日常业务预报提供了可借鉴的参考信息,可较好地预报出PM2.5小时浓度变化趋势和浓度水平,离散统计结果显示提前1～4 d的预报结果好于提前5～7 d,相关系数r基本大于0.8,但有一定程度的低估趋势;分类统计结果显示不同预报时效预报准确率大于70%,探测准确率高于55%,部分时段可以达到80%～90%,对人工预报起到了良好的参考作用;输入的气象场的变化及其偏差对于重污染的起始时间、持续时间及清除时间有一定的影响,对相对湿度预报偏小和风速预报偏大是造成CMAQ模式低估的一个重要原因。
洪超[3]（2017）在《西安市空气污染特征及重污染天气成因研究》文中研究说明西安受气候、地形等因素影响,近几年大气污染状况每况愈下,2016年属全国空气质量相对较差前十位城市之一。为了结合本地特征探索污染物时空分布变化,研究污染物与不同气象要素作用关系及重污染天气形成机理,为政府制定环境管控措施和规划、趋利避害科学“治霾”提供有力决策依据,本文选取西安20142016年大气环境质量监测数据及气象数据,结合EXCEL、SPASS、DPS等统计分析软件,运用空气质量指数计算方法、相关分析方法等综合分析西安历史雾、霾天气时空变化特征、20142016年大气污染特征、主要污染物浓度与气象条件的相关性、对西安地区污染源进行了分析,重点对2016年进行了气候统计及气象条件分析,并对2016年的一次典型污染天气过程进行了分析,探讨地理位置、气象条件、污染源等因素对西安市大气污染的影响,最后给出相关治理建议。主要结论如下:（1）西安是雾、霾天气高发区,其东北部及中部为污染高发区。颗粒物增加趋势从东北向西北部呈凹字型。19702016年无论是雾、霾还是霾以城区出现次数最多,近16年来,蓝田-长安地带为西安地区的雾、霾以及霾中心。2000年是雾、霾年变化拐点,先降后升。2016年高温寡雨,日照偏多,全年共出现霾170天543站次,1-3月、11-12月较多。降水量偏少、风速不大是雾、霾较多、空气质量较低的主要气象成因。（2）西安20142016年大气污染严重,轻度及以上污染531天,首要污染物为PM10。除O3外,其余5种污染物浓度月季变化规律基本相似;各个季节的日变化曲线较一致,1907时为污染物累计时段。5种污染物与风速呈负相关,冬季相关系数最高,NO2与风速相关系数最高,日最大风速在25 m/s的范围对AQI影响最大,刮SSE风时,污染物容易聚集,E、WSW、SE、W、SW风向时有利于污染物扩散。气温大于0℃时,气温值越高,PM10、PM2.5、NO2、CO浓度越低,气温在下午4点达最高值的时候,污染物延迟两个小时降到最低值,随后上升,晚上8-9点开始呈现较好的负相关,且污染物的浓度上升到一定浓度后会持续到中午。污染物浓度与降水量有一定的负相关,西安地区降水可显着降低近地面污染物浓度,只要有降水就会对大颗粒物的降尘起作用,而小颗粒物需降水达到一定的量级才起冲刷作用,只有大于10mm的降雨才对总的污染物浓度的冲刷起大的作用,在降水后1天左右污染即可回升至平均水平,但降水对O3的影响不大。在2030mm的降水条件下,CO浓度显着上升。几种污染物与气压的月变化趋势呈负相关,浓度会随着气压场的加强而减弱,但是在持续受到弱气压场控制,不利于污染物扩散稀释。湿度不是决定污染物的主要气象要素。（3）西安城区污染源会受周边地区的输送。关中城市群空气污染一年内呈现出明显的U型特征,在近几年,没有AQI达到优的月份,宝鸡和铜川AQI指数相对较低,咸阳AQI指数最高。2014年和2016年的冬季污染严重,2015年空气质量状况最好。2013年的12月与2016年的12月,大部分时候均为污染天气,在污染较为严重的宝鸡、渭南和西安,月内无污染天数仅为2-4天。臭氧在一年内呈现出明显的N型特征,PM2.5为U型特征,宝鸡和铜川PM2.5、AQI指数相对较低,西安、咸阳、渭南PM2.5污染较严重。利用西安市空气质量预报系统对污染物来源以及数值模拟分析:一般污染物会在6小时内抵达西安。在春季草滩污染物来自咸阳最多,来自西安的次之;高陵来自西安最多,来自咸阳、渭南均占到19%,来自省外为11%;阎良PM2.5主要来源为渭南,其次为西安;在冬季周至县有一半的污染物来自西安,小寨有81%的污染物来自西安。可见冬季污染物主要来自城区。（4）2016年12月7-21日西安市的一次连续15天的中度以上污染过程PM2.5、PM10和能见度的逐小时变化呈负相关。首要污染物浓度高期间,能见度低于2公里以下。重污染天气与空气转好之后环流形势差异显着。严重污染前,0.5公里以下接地逆温占绝大部分,且逆温强度不大,严重污染期间,除0.5km以下的接地逆温,逆温层结在几个层次都出现了。从地面向上到3.5km高度垂直方向湿度层结分布特征不明显,0.5km以下和2.0km高度附近出现的显着湿层。地面和低空平均相对湿度每日08:00大于20:00,各时刻地面和低层平均相对湿度分别超过65%和40%,近地面风场主要受东北气流控制,山东和河北等邻近重度污染区域的污染物持续向关中地区输送。混合层厚度较小,其他时段,混合层厚度总体上升,最低为0.2km,最高超过1.2km,气溶胶主要分布在0.5km以下。西安地区发生严重污染的时候,以湿霾为主。西安空气质量预报系统较好地模拟预报出了2016年12月7-22日的污染天气过程以及西安周边地区PM2.5的时空演变情况。单站预测结果与实况整体变化趋势一致,非严重污染时段,预测与实况浓度接近,严重污染时段,预测浓度峰值相比实况显着偏低。针对冬季重污染天气,CMAQ系统模式需提高预测产品的浓度最大阈值设置。
刘烽,徐怡珊[4]（2017）在《臭氧数值预报模型综述》文中研究指明光化学大气质量模型在研究臭氧（O3）污染以及O3预报方面具有核心作用,是O3污染防治决策者的有力工具。文章结合目前中国及国际区域尺度光化学大气质量预报模型的研究与应用,重点论述与O3有关的大气化学过程在数值预报模型中的数学表达和计算方法,阐述大气物理与大气化学过程在主流大气质量数值预报模型中的实现方法及其优势和缺陷,介绍用于数值预报模型的大气物理过程和湍流参数化方案的最新进展。就当前O3数值模拟的主要输入资料进行讨论,强调那些易被忽视但又显着影响模型预报能力和效果的诸多因素以及模型效果评估的重要性。结合O3与复合型大气污染的关系,强调区域大气质量数值预报模型的发展趋势与方向以及在大气环境管理方面的意义和作用。
李云婷,严京海,孙峰,张大伟,夏曦,芮晓光,白鑫鑫,尹文君[5]（2017）在《基于大数据分析与认知技术的空气质量预报预警平台》文中指出为深入认识区域大气污染现象规律,完善并提高城市空气质量预报预警能力,提高大气污染治理决策支持能力,开展城市污染成因分析与空气质量预报预警研究是十分必要的。本文针对环境大数据时代下的城市空气质量预报,提出了一种基于大数据分析与认知技术的专业先进的大气环境业务应用系统体系。该体系基于底层统一的数据资源中心,融合各类不同类型的空气质量监测、不同预报系统的产品数据以及基础辅助数据,建立数据汇交、共享、质控管理机制,通过上层预报预警、综合分析、案例分析、应急决策支持四大子系统,从多模式集合预报结合专家调优支撑高性能预报会商应用,从大数据融合时空关联分析深度挖掘大气复合污染特征与污染成因,从多维度历史污染过程和天气形势全自动化认知分析支撑重污染过程研判,从业务化仿真情景方案与污染溯源助力专业应急决策。最后,通过在北京市环境保护监测中心的系统实现证明体系的高性能、稳定性和实用性。
潘锦秀[6]（2016）在《京津冀大气重污染过程数值预报与评估》文中研究说明我国区域空气质量远未达标,大气重污染事件频发,京津冀区域尤为严重。因此,迫切需要大气污染业务预报。空气污染数值预报是一种有效的获知未来空气质量方法,它可以深入分析污染过程演变特征,解析污染物的来源和去向,及模拟预测应急控制效果等。2013年开始中国环境监测总站联合中国科学院大气物理研究所建立了京津冀预报预警业务化测试系统,从该年开始开展区域6项污染物及AQI预报预警服务,并重点关注京津冀区域的重污染天气过程。业务预报时,主要关注重污染天气过程的起始时间,持续时间以及污染影响的空间范围。因此,本文利用2013和2014年测试系统的预报产品,从上述三个方面着手发展了一种用于评估京津冀区域重污染过程数值预报能力的新方法,并探讨重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率。结果表明：（1）数值模式系统提前三天预告重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型。（2）对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上。（3）天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因。本文将发展的新方法应用于评估预测2006-2015年冬奥会同期发生重污染的风险。2022年冬季奥运会将在北京举行,届时北京地区空气质量要达到国家标准和世界卫生组织指导值要求。通过对2006-2015年冬奥会同期PM2.5浓度研究表明,冬奥会同期北京PM2.5浓度会出现不同程度超标现象,其中,2014年污染最为严重,2015年则相对较好,且在历年的2月13-16日易出现持续的重污染天气过程。假设2022的2月污染程度和气象条件介于2014和2015年之间,利用发展的新方法评估模式系统的这一过程模拟能力,并对2022年污染风险进行评估,在此基础上设计减排实验,使得会期不出现重污染。本文从气象和排放源两个方面,研究不同年份冬奥会同期污染物浓度变化的主要原因。研究对比2014年2月和2015年2月两组气象条件下北京和张家口PM2.5浓度水平及模拟效果,结果表明：（1）减排方案使得2014年和2015年冬奥会同期PM2.5浓度在130ug/m3以下,除13-16日外,其他日期空气质量达标。（2）对比2014和2015年冬奥会历史同期,2014年气象要素引起北京和张家口PM2.5升高40%-60%,SO2和NO2浓度升高0-40%（3）2014年减排使得PM2.5,SO2和NO2浓度降低60%以上,2015年减排使得PM2.5浓度降低40%-60%。
潘锦秀,朱彬,晏平仲,王自发,陈焕盛,李健军,朱莉莉,姚雪峰,韦莲芳[7]（2016）在《京津冀区域重污染天气过程数值预报评估新方法》文中研究指明利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.
达布希拉图[8]（2008）在《内蒙古地区空中水资源时空分布及卫星监测方法研究》文中认为我国是淡水资源严重短缺的国家,人均占有量仅为世界平均水平的四分之一,且分布很不均匀。我国北方特别是西北地区属典型的干旱、半干旱气候区,是我国缺水最严重的地区。近百年来,地球气候正经历以全球变暖为主要特征的显着变化,这对全球自然生态系统和社会经济已经产生并将继续产生重大而深远的影响。因此气候变化问题已经受到了极大关注,其中气候变化对水资源影响的问题也已引起广泛的关注。空中水资源一般指大气中液态水、固态水、水汽的总和,其中液态水、固态水的总量与水汽总量相比很小。水资源补给来源为空中水资源。大气可降水量是指垂直气柱中含有的水汽总量,假定这些水汽全部凝结,并积聚在气柱的底面上时所具有的液态水深度。由于大气可降水量在人工影响天气、天气预报、气候影响、大气辐射传输等方面都具有非常重要的作用,所以准确精细地监测水汽优为显得重要。随着卫星技术的日益发展壮大,很多地球观测技术从地基观测逐步发展成空基观测。卫星观测时空分辨率很高,而且精度也在不断地提高,逐步成为最主要的地球观测手段。本文主要目的之一就是要研究建立适合内蒙古地区的卫星观测大气方法。本文利用国际卫星云气候学计划的云气候资料、历史天气图、内蒙古中部地区25个地面观测站的云量、云状、16种天气现象和日降水资料、9个气候因子、内蒙古自治区117个地面观测站的月降水资料以及12个探空站的探空等资料,采用趋势分析和统计分析等方法研究分析并得出了内蒙古地区的19种云量参数、降水和可降水量的时空分布特征和多年变化趋势;内蒙古中部地区春夏季降水云、天气系统、降水类型、降水强度的特征;气候因子的多年时间分布和变化趋势以及同云量、降水、可降水量的关系。本文利用GPS资料和地面湿度参量（地面水汽压、地面露点）修正了计算大气可降水量的关系式,建立了内蒙古地区计算大气可降水量经验模型。本文利用地面湿度参量和MODIS实测资料对MODIS近红外晴空大气及云顶向上大气可降水量算法进行修正,建立了内蒙古地区云区覆盖范围内整层大气可降水量的卫星观测模型。MODIS近红外云覆盖区大气可降水量模型结果与修正后的地面露点计算水汽含量值有了较好的一致性,而且本文建立的模型结果与NASA的Dr.Gao结果相比均方误差明显减少,相关系数明显增大。
刘漩[9]（2007）在《广东省空气污染统计预报系统研究》文中研究指明开展城市环境空气污染预报不仅是保护人民群众健康、动员公众参与环境保护的有效措施，也是提高人民生活质量，体现人民政府形象的公益性工作。空气污染预报可以预测未来空气质量状况、发布空气污染预报，并能为广大人民群众提供环境质量信息服务、保护公众身体健康，对鼓励公民自觉参与保护环境起到有效的指导作用。空气污染统计预报方法，是通过对历史上实测的污染物浓度与同期的气象条件，如对气象要素（因子）、天气过程等参数进行数学分析，建立具有一定可信度的统计关系，或数学模型后，通过利用此关系，再根据空气污染实时监测结果，和气象条件、气象因子的实测和预报结果，对未来空气污染物浓度进行推算和预测。使用空气污染统计预报方法不需要掌握污染变化的机理，也不用掌握准确的污染源排放情况。在污染物浓度的变化主要受气象条件变化的影响这种假设条件下（这种假设在大多数情况下是成立的），通过分析其相关变化规律，即可建立相应的模型。简言之，空气污染统计预报方法是一种相对简单实用，容易达到的预报方法，特别是在目前对于污染源的监测没有实行连续在线监测、污染源来源复杂多样、污染物的迁移扩散机理还不完全清楚的情况下，空气污染统计预报方法是比较实用可行的。目前，广东省开展城市空气污染预报的城市仍只有列入国家重点城市的5个，其余16个城市由于各种原因没有开展。为了更全面准确地预报全省的空气污染状况，需要建立一个能对全省空气污染状况进行统计预报的系统。本人根据平常的工作经验，并参考了一些城市的预报系统，以空气污染统计预报方法研究为基础开发了广东省空气污染统计预报系统。广东省空气污染统计预报系统以PRESS预测模型为基础，其算法用Fortran语言编程，整个预报系统采用具有良好界面的VB语言编程。本系统具有预报使用资料长度的选取功能、公式保存功能、预报结果显示功能、主观预报功能、保存和打印功能。经过测试，符合国家气象局对空气污染指数预报质量评分规定。
刘勇[10]（2007）在《MODIS气溶胶光学厚度与南京主城区空气污染指数的关系研究》文中认为国民经济的快速发展，城市规模的不断扩大，城市各类工程的不断开展，机动车的不断增加，给城市空气质量带来了严峻的挑战。实践证明遥感在城市空气质量监测中发挥了重要的作用。本文利用MODIS遥感反演的气溶胶光学厚度数据和地面监测的空气污染指数数据，通过两者之间的相关分析，试图建立相应的关系模型。此外由于空气污染状况以及气溶胶光学厚度也与一定的气象条件有关，因此引进气象因子参与关系讨论，并建立相应模型，以找出空气污染指数与气溶胶光学厚度之间的较好模型，从而实现利用遥感手段监测城市空气污染状况的目的。通过研究得到如下结论：1、全年、季节空气污染指数和气溶胶光学厚度建立回归模型，比较各模型精度，得出夏季线性模型和秋季线性模型预测精度较理想，夏季相关系数达到0.853，秋季相关系数达到0.838。2、讨论常规的气象观测数据，选取主导气象因子为风速和气压，考虑两气象因子的作用，对全年和季节模型进行重建，发现有主导气象因子参与的多元回归模型预测精度普遍比没有气象因子参与的一元回归模型高。3、依据主导气象因子风速和气压将样本数据分组，各组空气污染指数和气溶胶光学厚度建立回归模型，并讨论其精度，发现气压大于1020hpa且风速小于1m／s时，空气污染指数与气溶胶光学厚度之间的模型预测精度最理想，预测精度达到95.4％。4、对季节样本数据在气象因子分级后的情况进行讨论，发现夏季和秋季使用气象因子分级模型预测API值比这两个季节本身模型预测效果要好，精度平均提高2个百分点，春季和冬季效果不是很明显。5、通过本文的研究，发现在考虑气象因子的情况下，探讨空气污染指数和气溶胶光学厚度的关系，会得到更好的效果，更能真实地反映地面空气的污染状况。
二、我国将启动重污染日预报（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、我国将启动重污染日预报（论文提纲范文）
（1）船载高频地波雷达海面电磁散射模型及风浪参数反演方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 HFSWR研究历史与发展现状 |
| 1.2.1 岸基HFSWR |
| 1.2.2 船载HFSWR |
| 1.3 HFSWR海面电磁散射建模及风浪反演研究综述 |
| 1.3.1 海面电磁散射建模 |
| 1.3.2 海面风场反演 |
| 1.3.3 海面有效波高反演 |
| 1.4 本文的主要研究内容 |
| 第2章 基于浮式平台的HFSWR海面电磁散射模型 |
| 2.1 引言 |
| 2.2 浮式平台运动的数学模型 |
| 2.3 基于单基地浮式平台的HFSWR一阶海面散射截面积 |
| 2.3.1 一阶海面电磁散射理论 |
| 2.3.2 一阶海面散射截面积 |
| 2.4 基于单基地浮式平台的HFSWR二阶海面散射截面积 |
| 2.4.1 水动力学散射项 |
| 2.4.2 电磁散射项 |
| 2.4.3 完整的二阶海面散射截面积 |
| 2.5 基于多频运动模型的浮式平台HFSWR海面散射截面积 |
| 2.5.1 单基地浮式平台HFSWR的情况 |
| 2.5.2 双基地浮式平台HFSWR的情况 |
| 2.6 仿真与分析 |
| 2.6.1 波频运动的影响 |
| 2.6.2 低频运动的影响 |
| 2.6.3 联合运动的影响 |
| 2.6.4 双基地浮式平台HFSWR海面散射截面积仿真 |
| 2.7 初步实验验证 |
| 2.8 本章小结 |
| 第3章 船载HFSWR海面电磁散射模型 |
| 3.1 引言 |
| 3.2 船载平台运动的数学模型 |
| 3.3 船载HFSWR一阶海面散射截面积 |
| 3.3.1 一阶海面电磁散射理论 |
| 3.3.2 一阶海面散射截面积 |
| 3.4 船载HFSWR二阶海面散射截面积 |
| 3.4.1 水动力学散射项 |
| 3.4.2 电磁散射项 |
| 3.4.3 完整的二阶海面散射截面积 |
| 3.5 基于多频运动模型的船载HFSWR海面散射截面积 |
| 3.6 仿真与分析 |
| 3.6.1 一阶海面散射截面积仿真 |
| 3.6.2 二阶海面散射截面积仿真 |
| 3.6.3 总的海面散射截面积仿真 |
| 3.7 船载HFSWR应用分析及初步实验验证 |
| 3.8 本章小结 |
| 第4章 船载HFSWR海面风向反演 |
| 4.1 引言 |
| 4.2 船载HFSWR一阶多普勒谱展宽模型 |
| 4.3 船载HFSWR海面风向反演方法 |
| 4.3.1 海面风向反演数学模型 |
| 4.3.2 解决海面风向模糊的方法 |
| 4.4 仿真与分析 |
| 4.5 初步实验验证 |
| 4.5.1 实验数据 |
| 4.5.2 实验结果及分析 |
| 4.6 船载HFSWR风向反演应用的讨论 |
| 4.7 本章小结 |
| 第5章 船载HFSWR海面风场反演 |
| 5.1 引言 |
| 5.2 船载HFSWR海面风场反演方法 |
| 5.2.1 海面风向与海浪扩展因子的数学模型 |
| 5.2.2 解决海面风向模糊的方法 |
| 5.2.3 海面风速与海浪扩展因子的数学模型 |
| 5.3 仿真与分析 |
| 5.3.1 仿真结果 |
| 5.3.2 其他因素的影响 |
| 5.4 实验结果及分析 |
| 5.4.1 实验一 |
| 5.4.2 实验二 |
| 5.4.3 船载HFSWR风场反演应用的讨论 |
| 5.5 本章小结 |
| 第6章 船载HFSWR海面有效波高反演 |
| 6.1 引言 |
| 6.2 海浪谱模型 |
| 6.2.1 无向海浪谱 |
| 6.2.2 方向分布函数 |
| 6.3 岸基HFSWR海面有效波高的反演方法 |
| 6.3.1 Barrick方法 |
| 6.3.2 Maresca-Georges方法 |
| 6.3.3 Heron方法 |
| 6.3.4 Wyatt方法 |
| 6.4 船载HFSWR海面有效波高的反演方法 |
| 6.4.1 SMB关系式 |
| 6.4.2 JONSWAP关系式 |
| 6.4.3 Pierson-Moskowitz关系式 |
| 6.5 实验结果及分析 |
| 6.5.1 风场数据预处理 |
| 6.5.2 海面有效波高反演结果 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录A |
| 附录B |
| 附录C |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（2）2018年11—12月北京市重污染天气过程数值预报能力评估（论文提纲范文）
| 1 材料与方法 |
| 1.1 观测资料来源及重污染概述 |
| 1.2 数值模式介绍 |
| 1.3 评估方法介绍 |
| 2 结果与讨论 |
| 2.1 PM2.5预报结果 |
| 2.2 重污染天气过程预报评估 |
| 2.3 重污染时期气象要素预报 |
| 3 结论 |
（3）西安市空气污染特征及重污染天气成因研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景和意义 |
| 1.2 目的和意义 |
| 1.3 国内和国外研究现状 |
| 1.3.1 空气污染分布特征及其影响分析研究 |
| 1.3.2 空气污染与气象条件的关系分析研究 |
| 1.3.3 空气污染物来源及污染天气成因分析研究 |
| 1.3.4 西安地区在空气污染方面进行的分析研究 |
| 1.3.5 西安市气象局大气污染监测预警现状 |
| 1.4 论文结构及主要研究内容 |
| 第二章 资料与方法 |
| 2.1 研究区域概况 |
| 2.2 资料选取 |
| 2.3 方法介绍 |
| 2.3.1 统计分析说明 |
| 2.3.2 空气质量等级划分标准 |
| 2.3.3 空气质量指数计算方法 |
| 2.3.4 相关系数r统计法 |
| 第三章 西安市雾、霾天气及2016年气候背景统计特征 |
| 3.1 西安市雾和霾天气时空变化特征分析 |
| 3.1.1 空间分布 |
| 3.1.2 时间分布 |
| 3.2 西安市2016年气候特征及污染气象条件分析 |
| 3.2.1 基本气候概况 |
| 3.2.2 重要天气气候事件 |
| 3.2.3 雾和霾特征及其污染气象条件分析 |
| 3.3 本章小结 |
| 第四章 西安市污染物浓度的统计特征 |
| 4.1 西安地区 2014～2016 空气污染现状分析 |
| 4.2 西安地区污染物浓度的时空变化特征分析 |
| 4.3 污染物浓度与气象要素分析 |
| 4.3.1 污染物浓度与风向风速 |
| 4.3.2 污染物浓度与气温 |
| 4.3.3 污染物浓度与降水 |
| 4.3.4 污染物浓度与湿度 |
| 4.3.5 污染物浓度与气压 |
| 4.4 本章小结 |
| 第五章 西安地区污染物来源分析 |
| 5.1 西安各区县及周边地区风向对污染物来源的影响 |
| 5.1.1 西安地区各区县及周边地区常年主导风向分析 |
| 5.1.2 西安所处关中城市群空气污染状况分析 |
| 5.1.3 西安周边某化工厂污染影响数值模拟分析 |
| 5.2 空气污染物(细颗粒物PM2.5）来源分析 |
| 5.2.1 西安市空气质量预报系统简介 |
| 5.2.2 西安市空气质量预报系统对站点污染物来源分析 |
| 5.2.3 西安市空气质量预报系统缺点说明 |
| 5.3 本章小结 |
| 第六章 重污染天气过程分析 |
| 6.1 2016 年重污染天气过程概述 |
| 6.2 重污染天气环流形势 |
| 6.3 重污染天气探空分析 |
| 6.4 地面气象要素和污染物变化分析 |
| 6.5 西安空气质量预报系统对重污染过程细颗粒物浓度预报 |
| 6.6 本章小结 |
| 第七章 总结与讨论 |
| 7.1 主要结论 |
| 7.2 特色和创新点 |
| 7.3 问题及延伸研究 |
| 7.4 对策建议 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（4）臭氧数值预报模型综述（论文提纲范文）
| 1 空气质量数值模型简介 |
| 2 O3形成的化学机制与数学表达 |
| 3 O3数值预报模型中的物理过程 |
| 3.1 风输送过程 |
| 3.2 湍流传输和湍流扩散过程 |
| 3.3 干湿沉降去除过程 |
| 4 离线和在线耦合大气化学模型 |
| 5 O3预报模型的输入资料 |
| 5.1 静态或慢变化地理资料 |
| 5.2 初始和边界条件 |
| 5.3 气象资料 |
| 5.4 源排放资料 |
| 6 模型预报效果评估 |
| 7 最新区域空气质量模型特征与发展趋势 |
| 8 结语 |
（5）基于大数据分析与认知技术的空气质量预报预警平台（论文提纲范文）
| 引言 |
| 1 研究进展 |
| 2 基于大数据认知技术的空气质量预报预警平台方案 |
| 2.1 系统架构 |
| 2.2 应用架构 |
| 2.2.1 数据资源中心 |
| (1)统一的信息资源库 |
| (2)规范的数据运维机制 |
| 2.2.2 多模型融合预报预警子系统 |
| 2.2.3 基于大数据融合的综合分析子系统 |
| 2.2.4 基于多维认知技术的案例分析子系统 |
| 2.2.5 应急决策支持子系统 |
| 2.3 体系架构 |
| 3 系统实现 |
| 4 结论 |
（6）京津冀大气重污染过程数值预报与评估（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 大气污染和空气污染预报研究进展 |
| 1.3 研究目的和内容 |
| 第二章 资料与方法 |
| 2.1 观测数据 |
| 2.2 空气质量预报系统 |
| 2.3 后向轨迹模式 |
| 2.4 污染过程评价标准 |
| 第三章 京津冀区域重污染过程预报和评估 |
| 3.1 京津冀区域空气质量现状 |
| 3.2 京津冀区域重污染分类与概况 |
| 3.3 预报能力评估 |
| 3.4 预报偏差的气象成因分析 |
| 3.5 本章小结 |
| 第四章 北京冬奥会空气污染风险研究 |
| 4.1 北京冬奥会历史同期(2006-2015)空气质量实况分析 |
| 4.2 北京冬奥会历史同期(2006-2015)空气质量模拟研究 |
| 4.3 减排控制方案 |
| 4.4 本章小结 |
| 第五章 结果与展望 |
| 5.1 主要结论 |
| 5.2 本文特色 |
| 5.3 不足与展望 |
| 附录 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（7）京津冀区域重污染天气过程数值预报评估新方法（论文提纲范文）
| 1 引言(Introducion) |
| 2 资料与方法(Materials and methods) |
| 2.1 空气质量模式系统 |
| 2.2 观测数据 |
| 2.3 污染过程评价标准 |
| 2.3.1 重污染天气过程标准 |
| 2.3.2 预报能力评价标准 |
| 3 结果与讨论(Results and discussion) |
| 3.1 京津冀区域重污染分类与概况 |
| 3.2 预报能力评估 |
| 3.3 预报偏差的气象成因分析 |
| 3.3.1 早报 |
| 3.3.2 晚报 |
| 3.3.3 漏报 |
| 4 结论(Conclusions) |
（8）内蒙古地区空中水资源时空分布及卫星监测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究的目的意义 |
| 1.2 研究现状分析 |
| 1.3 本文的主要研究内容 |
| 2 资料和方法 |
| 2.1 研究中使用的资料 |
| 2.1.1 常规探空资料 |
| 2.1.2 降水资料 |
| 2.1.3 ISCCP资料 |
| 2.1.4 内蒙古中部地区的地面气象观测资料 |
| 2.1.5 历史天气图资料 |
| 2.1.6 气候因子资料 |
| 2.1.7 MODIS监测资料 |
| 2.2 研究方法 |
| 2.2.1 趋势分析方法 |
| 2.2.2 可降水量的计算方法 |
| 2.2.3 降水效率的计算方法 |
| 2.2.4 GPS探测可降水量原理 |
| 2.2.5 地面露点计算大气可降水量原理 |
| 2.2.6 近红外晴空大气及云顶向上大气可降水量算法原理 |
| 2.2.7 微波辐射仪探测云液态水原理 |
| 2.2.8 MODIS云液态水含量算法原理 |
| 2.2.9 大气气溶胶光学厚度算法原理 |
| 2.2.10 大气气溶胶类型算法简介 |
| 3 研究结果与分析 |
| 3.1 可降水量的分布及变化趋势 |
| 3.1.1 可降水量的时空分布 |
| 3.1.2 降水效率 |
| 3.2 内蒙古地区降水的时空分布及变化趋势 |
| 3.2.1 降水的空间分布特征 |
| 3.2.2 降水的年变化 |
| 3.2.3 降水的年际分布 |
| 3.2.4 降水的变化趋势 |
| 3.2.5 面雨量同各云量参数的相关关系 |
| 3.2.6 内蒙古中部地区降水情况 |
| 3.3 内蒙古地区云量的时空分布特征和变化趋势 |
| 3.3.1 云量参数的年变化 |
| 3.3.2 19种云量参数的季节分布 |
| 3.3.3 19种云量参数的空间分布 |
| 3.3.4 19个云量参数19年的变化趋势 |
| 3.4 内蒙古中西部地区3～8月降水云的分析 |
| 3.4.1 春夏季内蒙古中部降水云层地理分布情况 |
| 3.4.2 1971至2003年内蒙古中部春夏季节降水云层与降水强度的关系 |
| 3.5 气候因子的分布、变化趋势及同降水、云量、可降水量的关系 |
| 3.5.1 气候因子的年变化情况 |
| 3.5.2 气候因子的多年变化趋势 |
| 3.5.3 气候因子跟面雨量、云量参数、可降水量的关系 |
| 3.6 利用地面露点资料计算大气可降水量模型建立 |
| 3.7 MODIS近红外通道晴空大气及云顶向上大气可降水量检验 |
| 3.7.1 对比检验 |
| 3.7.2 结论 |
| 3.8 MODIS卫星近红外大气可降水量算法模型建立 |
| 3.9 热红外通道晴空大气可降水量大气廓线产品检验、比较 |
| 3.9.1 大气廓线产品算法简介 |
| 3.9.2 对比检验 |
| 3.9.3 结论 |
| 3.10 云顶特征产品的检验、比较 |
| 3.10.1 云顶特征产品的检验、比较 |
| 3.10.2 对比检验 |
| 3.10.3 结论 |
| 3.11 云水含量的检验及订正 |
| 3.11.1 对比检验 |
| 3.11.2 结论 |
| 3.12 MODIS卫星气溶胶观测 |
| 3.12.1 目前MODIS气溶胶产品反演算法更新情况 |
| 3.12.2 对比检验 |
| 3.12.3 原因分析 |
| 3.12.4 结论 |
| 4 总结 |
| 4.1 内蒙古地区可降水量的分布、变化趋势及降水效率 |
| 4.2 内蒙古地区降水时空分布、变化趋势及同云的关系 |
| 4.3 内蒙古地区云量的时空分布和变化趋势 |
| 4.3.1 内蒙古地区云量的时空分布 |
| 4.3.2 19个云量参数的变化趋势 |
| 4.3.3 内蒙古中部地区春夏季降水云的分布 |
| 4.4 气候因子同云量、雨量、可降水量的关系 |
| 4.5 利用地面湿度参量计算内蒙古地区大气可降水量经验模型的建立 |
| 4.6 近红外大气可降水量观测模型的建立 |
| 4.7 热红外通道晴空大气廓线产品检验、比较 |
| 4.8 云顶特征产品的检验、比较 |
| 4.9 云液水含量产品的检验、比较 |
| 4.10 大气气溶胶光学厚度和气溶胶类型的分析 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 附录 |
（9）广东省空气污染统计预报系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| CONTENTS |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 课题的目的和意义 |
| 1.3 国内外预报方法的现状与发展 |
| 1.4 文献综述 |
| 第二章 空气污染及空气污染统计预报系统有关知识介绍 |
| 2.1 空气污染概况 |
| 2.2 广东省空气污染特点 |
| 2.2.1 广东省空气污染现状 |
| 2.2.2 广东省空气污染的空间分布特点 |
| 2.2.3 广东省空气污染的时间变化特点 |
| 2.3 广东省城市气象特点 |
| 2.3.1 广东省天气过程特点 |
| 2.3.2 造成广东省严重空气污染的几种天气 |
| 2.4 空气污染统计预报系统有关知识 |
| 第三章 空气污染统计预报系统的设计 |
| 3.1 统计预报设计目标和要求 |
| 3.2 技术路线及预报方法的选定 |
| 3.2.1 动态统计预报介绍 |
| 3.2.2 统计预报建立的基础和方法 |
| 3.3 统计预报系统的基本功能 |
| 3.3.1 系统的基本功能 |
| 3.3.2 系统的基本框架 |
| 3.4 统计预报系统操作与界面 |
| 3.4.1 进入系统与基础数据的添加 |
| 3.4.2 空气污染预报 |
| 3.4.3 结果显示及数据上报 |
| 第四章 空气污染统计预报系统的实施效果 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表论文 |
| 致谢 |
（10）MODIS气溶胶光学厚度与南京主城区空气污染指数的关系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 前言 |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外研究进展 |
| 1.2.2 国内研究进展 |
| 1.2.3 存在的问题 |
| 1.3 研究目的、内容及技术路线 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 第2章 研究区概况与数据预处理 |
| 2.1 研究区 |
| 2.1.1 地理位置 |
| 2.1.2 自然环境概况 |
| 2.1.3 空气污染状况 |
| 2.2 数据源 |
| 2.2.1 气溶胶光学厚度AOT |
| 2.2.2 空气污染指数API |
| 2.2.3 气象数据 |
| 2.3 数据预处理 |
| 2.3.1 几何纠正 |
| 2.3.2 裁剪叠加 |
| 2.3.3 数据整理 |
| 第3章 气象数据分析 |
| 3.1 主导气象因子 |
| 3.2 气象因子分级 |
| 第4章 空气污染指数与气溶胶光学厚度关系分析 |
| 4.1 回归分析模型 |
| 4.1.1 全年API与AOT关系模型 |
| 4.1.2 季节API与AOT关系模型 |
| 4.1.3 模型的对比分析 |
| 4.2 含气象因子的API与AOT多元关系模型 |
| 4.2.1 含气象因子的全年API与AOT关系模型 |
| 4.2.2 含气象因子的季节API与AOT关系模型 |
| 4.2.3 模型的对比分析 |
| 4.3 气象因子分级的关系模型 |
| 4.3.1 四组API与AOT关系模型 |
| 4.3.2 模型的对比分析 |
| 4.4 所有模型对比分析 |
| 4.4.1 模型精度分析 |
| 4.4.2 季节关系模型与气象因子分级模型对比 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
四、我国将启动重污染日预报（论文参考文献）
- [1]船载高频地波雷达海面电磁散射模型及风浪参数反演方法的研究[D]. 姚国伟. 哈尔滨工业大学, 2020(02)
- [2]2018年11—12月北京市重污染天气过程数值预报能力评估[J]. 潘锦秀,李云婷,刘保献,李倩,张章. 中国环境监测, 2020(05)
- [3]西安市空气污染特征及重污染天气成因研究[D]. 洪超. 兰州大学, 2017(04)
- [4]臭氧数值预报模型综述[J]. 刘烽,徐怡珊. 中国环境监测, 2017(04)
- [5]基于大数据分析与认知技术的空气质量预报预警平台[J]. 李云婷,严京海,孙峰,张大伟,夏曦,芮晓光,白鑫鑫,尹文君. 中国环境管理, 2017(02)
- [6]京津冀大气重污染过程数值预报与评估[D]. 潘锦秀. 南京信息工程大学, 2016(02)
- [7]京津冀区域重污染天气过程数值预报评估新方法[J]. 潘锦秀,朱彬,晏平仲,王自发,陈焕盛,李健军,朱莉莉,姚雪峰,韦莲芳. 环境科学学报, 2016(08)
- [8]内蒙古地区空中水资源时空分布及卫星监测方法研究[D]. 达布希拉图. 内蒙古农业大学, 2008(11)
- [9]广东省空气污染统计预报系统研究[D]. 刘漩. 广东工业大学, 2007(05)
- [10]MODIS气溶胶光学厚度与南京主城区空气污染指数的关系研究[D]. 刘勇. 南京师范大学, 2007(04)