| 摘要 | 第5-9页 |
| Abstract | 第9-15页 |
| 第一章 绪论 | 第19-37页 |
| 1.1 选题背景与意义 | 第19-20页 |
| 1.1.1 选题背景 | 第19-20页 |
| 1.1.2 选题意义 | 第20页 |
| 1.2 国内外研究进展 | 第20-29页 |
| 1.2.1 国外研究进展 | 第21-24页 |
| 1.2.2 国内研究进展 | 第24-28页 |
| 1.2.3 小结与讨论 | 第28-29页 |
| 1.3 研究内容与技术路线 | 第29-34页 |
| 1.3.1 研究目标 | 第29-30页 |
| 1.3.2 研究内容 | 第30-31页 |
| 1.3.3 研究技术路线 | 第31-34页 |
| 1.4 论文组织结构 | 第34-37页 |
| 第二章 多时段PM_(2.5)浓度变化对驱动因素的多尺度响应 | 第37-78页 |
| 2.1 数据来源与研究方法 | 第37-45页 |
| 2.1.1 数据来源 | 第37-38页 |
| 2.1.2 研究方法 | 第38-40页 |
| 2.1.3 变量预分析 | 第40-45页 |
| 2.2 杭州市多时段PM_(2.5)浓度变化对驱动因素的多尺度响应 | 第45-55页 |
| 2.2.1 不同时段PM_(2.5)与驱动因素的多尺度分析 | 第45-49页 |
| 2.2.2 多时段PM_(2.5)浓度变化对驱动因素的多尺度响应 | 第49-55页 |
| 2.3 南京市多时段PM_(2.5)浓度变化对驱动因素的多尺度响应 | 第55-65页 |
| 2.3.1 不同时段PM_(2.5)与驱动因素的多尺度分析 | 第55-60页 |
| 2.3.2 多时段PM_(2.5)浓度变化对驱动因素的多尺度响应 | 第60-65页 |
| 2.4 上海市多时段PM_(2.5)浓度变化对驱动因素的多尺度响应 | 第65-75页 |
| 2.4.1 不同时段PM_(2.5)与驱动因素的多尺度分析 | 第65-70页 |
| 2.4.2 多时段PM_(2.5)浓度变化对驱动因素的多尺度响应 | 第70-75页 |
| 2.5 长江三角洲PM_(2.5)浓度变化对驱动因素的多尺度响应空间分异 | 第75-76页 |
| 2.6 本章小结 | 第76-78页 |
| 第三章 驱动因素交互作用对PM_(2.5)浓度变化的影响 | 第78-107页 |
| 3.1 数据来源与研究方法 | 第78-79页 |
| 3.1.1 数据来源 | 第78-79页 |
| 3.1.2 研究方法 | 第79页 |
| 3.2 杭州市驱动因素交互作用对PM_(2.5)变化的影响 | 第79-88页 |
| 3.2.1 变量预分析 | 第79-81页 |
| 3.2.2 PM_(2.5)与单驱动因素的GAM模型分析 | 第81-82页 |
| 3.2.3 多驱动因素GAM模型分析与多重共线性诊断 | 第82-83页 |
| 3.2.4 PM_(2.5)浓度变化受多因素影响效应诊断与模型检验 | 第83-85页 |
| 3.2.5 驱动因素交互作用对PM_(2.5)浓度变化的影响 | 第85-88页 |
| 3.3 南京市驱动因素交互作用对PM_(2.5)变化的影响 | 第88-95页 |
| 3.3.1 变量预分析 | 第88-90页 |
| 3.3.2 PM_(2.5)与单驱动因素的GAM模型分析 | 第90-91页 |
| 3.3.3 多驱动因素GAM模型分析与多重共线性诊断 | 第91-92页 |
| 3.3.4 PM_(2.5)浓度变化受多因素影响效应诊断与模型检验 | 第92-93页 |
| 3.3.5 驱动因素交互作用对PM_(2.5)浓度变化的影响 | 第93-95页 |
| 3.4 上海市驱动因素交互作用对PM_(2.5)变化的影响 | 第95-103页 |
| 3.4.1 变量预分析 | 第95-97页 |
| 3.4.2 PM_(2.5)与单驱动因素的GAM模型分析 | 第97-98页 |
| 3.4.3 多驱动因素GAM模型分析与多重共线性诊断 | 第98-99页 |
| 3.4.4 PM_(2.5)浓度变化受多因素影响效应诊断与模型检验 | 第99-101页 |
| 3.4.5 驱动因素交互作用对PM_(2.5)浓度变化的影响 | 第101-103页 |
| 3.5 长江三角洲驱动因素交互作用对PM_(2.5)浓度变化影响的空间分异 | 第103-105页 |
| 3.6 本章小节 | 第105-107页 |
| 第四章 基于统计-动力反演分析PM_(2.5)浓度变化的动力演化特征 | 第107-145页 |
| 4.1 数据来源与研究方法 | 第107-110页 |
| 4.1.1 数据来源 | 第107-108页 |
| 4.1.2 研究方法 | 第108-110页 |
| 4.2 杭州市PM_(2.5)浓度变化的动力驱动反演 | 第110-121页 |
| 4.2.1 PM_(2.5)浓度变化的统计-动力反演建模 | 第110-116页 |
| 4.2.2 PM_(2.5)浓度变化动力系统的驱动因素分析 | 第116-118页 |
| 4.2.3 PM_(2.5)浓度变化动力系统的演化特征 | 第118-121页 |
| 4.3 南京市PM_(2.5)浓度变化的动力驱动反演 | 第121-131页 |
| 4.3.1 PM_(2.5)浓度变化的统计-动力反演建模 | 第121-127页 |
| 4.3.2 PM_(2.5)浓度变化动力系统的驱动因素分析 | 第127-128页 |
| 4.3.3 PM_(2.5)浓度变化动力系统的演化特征 | 第128-131页 |
| 4.4 上海市PM_(2.5)浓度变化的动力驱动反演 | 第131-139页 |
| 4.4.1 PM_(2.5)浓度变化的统计-动力反演建模 | 第131-136页 |
| 4.4.2 PM_(2.5)浓度变化动力系统的驱动因素分析 | 第136-137页 |
| 4.4.3 PM_(2.5)浓度变化动力系统的演化特征 | 第137-139页 |
| 4.5 长江三角洲PM_(2.5)浓度变化驱动演化的空间分异 | 第139-143页 |
| 4.6 本章小结 | 第143-145页 |
| 第五章 PM_(2.5)浓度变化驱动因素的时空动态演化 | 第145-174页 |
| 5.1 研究方法 | 第145-148页 |
| 5.1.1 熵值法确定权重系数 | 第145-146页 |
| 5.1.2 灰色关联分析法 | 第146-147页 |
| 5.1.3 灰色预测模型GM(1,N) | 第147-148页 |
| 5.2 数据来源与PM_(2.5)浓度变化驱动指标体系 | 第148-154页 |
| 5.2.1 数据来源 | 第149页 |
| 5.2.2 PM_(2.5)浓度变化驱动指标体系构建 | 第149-154页 |
| 5.3 长江三角洲PM_(2.5)浓度时空变化特征 | 第154-156页 |
| 5.4 2013年PM_(2.5)浓度与驱动因素关联度分析 | 第156-163页 |
| 5.4.1 指标权重系数计算与分析 | 第156-157页 |
| 5.4.2 关联系数和关联度计算与分析 | 第157-160页 |
| 5.4.3 PM_(2.5)与驱动指标层关联度的空间变化特征 | 第160-161页 |
| 5.4.4 PM_(2.5)与驱动因素的灰色预测模型GM(1,N)分析 | 第161-163页 |
| 5.5 2014年PM_(2.5)浓度与驱动因素关联度分析 | 第163-170页 |
| 5.5.1 指标权重系数计算与分析 | 第163-164页 |
| 5.5.2 关联系数和关联度计算与分析 | 第164-167页 |
| 5.5.3 PM_(2.5)与驱动指标层关联度的空间变化特征 | 第167-168页 |
| 5.5.4 PM_(2.5)与驱动因素的灰色预测模型GM(1,N)分析 | 第168-170页 |
| 5.6 长江三角洲PM_(2.5)浓度变化驱动因素的时空动态演化 | 第170-171页 |
| 5.7 本章小结 | 第171-174页 |
| 第六章 结论与展望 | 第174-181页 |
| 6.1 主要结论 | 第174-179页 |
| 6.2 主要创新点 | 第179页 |
| 6.3 不足与展望 | 第179-181页 |
| 参考文献 | 第181-196页 |
| 在读期间发表的学术论文及研究成果 | 第196-197页 |
| 致谢 | 第197页 |
