基于B样条小波分析的点云数据滤波处理技术

在扫描仪采集数据过程中,会受多种因素影响,所获得的点云数据不可避免地混有不合理的离散点和小振幅噪声,这些噪声数据如不消除,必会影响所建模型的精度。针对离散数据的特点,对小波分析的原理及方法进行了研究,提出将具有良好对称性和正交性的B样条小波作为基函数,对扫描的点云数据进行滤波处理。实验结果表明,以B样条小波函数为基函数的改进滤波法不仅可以有效滤除点云数据中的噪声数据,还能较好保留物体原始的特征信息,使滤波后的点云模型能更加精确地表示实际的特征信息。因此,该方法在点云滤波、去噪等处理方面具有一定应用价值。     

金华地区夏秋大气中过氧乙酰硝酸酯的污染特征

过氧乙酰硝酸酯（PAN）是由VOCs和NO_x的光化学反应生成的一种典型二次污染物,比O₃更适合作为光化学污染的指示剂.2019年6—10月对浙江中部盆地金华市大气中PAN进行了在线监测,并对影响其体积分数变化的因素进行了分析,同时还分析了一次典型的光化学污染过程.结果表明,观测期间PAN的平均体积分数为0.656×10^-9,最高体积分数为4.348×10^-9,日均体积分数水平在0.130×10^-9~2.203×10^-9之间.PAN日变化特征显著,9月为明显的双峰变化,其他月份均为单峰.受气象条件的影响,夏季的污染程度显著低于秋季.9月27—30日典型污染时段内,PAN的小时均值是整个观测期均值的2.8倍,污染以本地积累为主.前体物浓度水平差异与去除机制的不同是影响PAN和O₃相关性的重要因素,此外NO/NO₂的比值是影响PAN生成速率的重要因素,PAN的峰值基本出现在NO/NO₂比值较低的时段.在生成PAN的VOCs物种中,丙烷、乙烷和间/对二甲苯所占比例较大.     

2018年冬季安徽省典型城市PM2.5来源解析的数值模拟研究

细颗粒物(PM_2.5)是决定环境空气质量的关键污染物。随着近年来环保措施的实施, PM_2.5的来源特征也随之发生变化,探究PM_2.5的主要来源及其贡献值对制定有效的PM_2.5治理方案具有重要的现实意义。本研究使用CMAQ-ISAM模型,考察2018年冬季不同来源区域和来源种类对合肥市区PM_2.5及其关键组分的贡献。结果表明,合肥市区冬季PM_2.5的主要区域来源为长三角外的远距离传输(52.6%),其次为合肥市的本地排放(26.3%)和安徽省其他城市的传输(12.3%)。远距离传输对硫酸盐、硝酸盐和有机C的贡献最大(57.9%、68.2%和69.5%),而铵盐和元素C主要来自本地排放(37.1%和52.9%)。合肥市本地及周边区域的6类排放源中,工业源对PM_2.5的贡献最大(21.3%),其次为农业源(11.6%),其中工业源的贡献主要来自本地排放,而周边区域农业源的贡献大于本地农业源。硫酸盐、硝酸盐和元素C的主要来源种类为工业源(33...