大气污染物扩散模式的应用研究综述
污染物扩散模型研究及应用探讨

污染物扩散模型研究及应用探讨近年来,随着城市化进程加速和工业化发展的速度不断提升,环境污染问题已经成为了全球性的难题。
环境污染已经成为我们生态环境和人类健康的重要威胁,但是如何在环境污染事件发生时快速、准确地推断污染源和实施有效的控制措施,这成为了每一个环境保护人士需要探讨的重要问题。
在此背景下,污染物扩散模型研究及应用的探讨,成为了各界关注和研究的热点。
一、污染物扩散模型污染物扩散模型是将大气环境污染物源和周围环境的相关因素相结合,通过数理模型和计算方法,在一定的时间和空间范围内建立污染物扩散的数学模型,为环境监测和污染物控制提供科学依据。
模型对于分析模拟和预测环境质量的变化具有重要的意义,而污染物扩散模型正是更为广义的空气污染模型。
在建立模型时,主要考虑到污染源与环境介质,它包括在评价源等级时所需的污染源清单,描述环境特性的基础数据,以及精确的泄漏源排放信息。
在实际应用过程中,基于不同的问题和应用场合,污染物扩散模型被分为了多种类型。
一般而言,常见的空气质量模型包括气象条件数值图模型、统计模型、 Gaussian 模型、 LINE source 模型和蒙特卡罗模型。
具体实施时,可根据不同情况针对性地采用不同类型的模型,并结合实际数据和环境因素来进行实际的计算和推断工作。
二、应用探讨污染物扩散模型在现代环境保护工作中发挥着不可或缺的作用。
在应用方面,污染物扩散模型主要应用于以下三个方面:1. 环境质量评价:在环境质量评价时,我们需要了解当前空气质量的变化趋势、排放规模、排放量等。
通过对环境介质的数学建模和对环境质量的数据分析,我们可以清晰地了解环境质量的变化趋势,同时也可以推断出潜在的污染源。
2. 环境影响评价:污染物扩散模型还可进行环境影响评价,即针对一项新建或改扩建项目,分析各种环境因素对环境影响的程度,进行发展规划和预防措施设计,为保护环境和改善空气质量提供科学依据。
3. 应急管理:在某些紧急情况下,如重大生态环境事故或天气变化突然引起污染过程不稳定的情况下,通过污染物扩散模型,可以做到快速预测污染物扩散的范围和路径,减少事故造成的损失和环境污染。
大气污染物气象扩散模型研究

大气污染物气象扩散模型研究引言:大气污染对人类健康和环境造成了严重的影响。
如何准确预测和评估大气污染物的扩散过程成为了环境科学领域的重要研究问题之一。
为了更好地理解和解决这一问题,科学家们开展了大量的研究工作,其中包括大气污染物气象扩散模型的研究。
本文将介绍大气污染物气象扩散模型的研究现状、主要的模型及其应用领域。
一、大气污染物气象扩散模型的研究现状大气污染物气象扩散模型是通过建立数学模型,模拟和预测大气污染物在大气中的传输、扩散和沉降过程。
这些模型基于大气环流、物理过程和化学反应等因素进行计算,以提供精确的大气污染物浓度和传播方向等信息。
目前,大气污染物气象扩散模型研究主要集中在以下几个方面:1.物理参量模型:物理参量模型通过对大气层的物理特性和过程进行建模,如大气环流、湍流扩散和大气边界层等,来描述大气污染物的传输和扩散行为。
常见的物理参量模型包括Gaussian模型、Box模型和Lagrangian模型等。
这些模型基于物理方程和统计学原理,能够较好地模拟大气污染物的传输和扩散过程。
2.数值模拟模型:数值模拟模型是通过将大气分为网格单元,利用数值方法求解运动方程和污染物浓度的方程,来模拟大气污染物的传输和扩散过程。
常见的数值模拟模型包括Eulerian模型、Lagrangian模型和Hybrid模型等。
这些模型基于数值计算方法,能够更加精细地模拟大气污染物的传输和扩散过程。
3.数据驱动模型:数据驱动模型是通过利用大量的观测数据和统计方法,来建立大气污染物的传输和扩散模型。
常见的数据驱动模型包括回归模型、神经网络模型和支持向量机模型等。
这些模型基于数据分析和统计学方法,能够从观测数据中发现污染物的扩散规律,对大气污染进行预测和评估。
二、主要的大气污染物气象扩散模型1. Gaussian模型:Gaussian模型是一种基于统计学原理的物理参量模型,常用于描述大气污染物的传输和扩散过程。
该模型假设污染物浓度服从高斯分布,并考虑大气环流、湍流扩散和大气边界层等因素,能够较好地模拟污染物的传输过程。
大气污染物传输与扩散模型的研究

大气污染物传输与扩散模型的研究近年来,大气污染已经成为了影响人类健康和生存环境的一个非常大的威胁。
污染物传输与扩散模型的研究成为了当今环境科学领域的一个热点问题。
本文将从模型的基本概念、应用领域、分析方法和现有研究成果几方面展开对大气污染物传输与扩散模型的探讨。
一、模型基本概念模型的基本概念是必须理解的一个要素。
大气污染物传输与扩散模型可看作是利用数学、物理和化学方法等多种手段,对大气污染物的释放和扩散进行预测和分析。
其主要考虑大气流场的合理反应以及各种污染物的输移过程。
模型的构建采用了多种数学方法,如微分方程、差分方程或经验公式等,使得模型能够准确地预测和分析污染物在空气中的扩散和变化趋势。
二、模型应用领域大气污染物传输与扩散模型的应用涉及很多方面。
首先是对工业污染源的浓度和分布范围进行预测和分析,有助于制订环境保护政策。
同时,将不同地区污染物的扩散情况进行比较,也可以预测和分析污染物的传输路线和扩散趋势,从而制定相应应对措施。
此外,该模型还可应用于大气环境的监测和评价,有助于加强对环境的保护和监管。
三、模型分析方法大气污染物传输与扩散模型的分析方法包括三种:数学分析、实验方法和数值模拟。
数学分析主要是根据模型设定的数学方程进行求解分析,优点是简单易行,适用于研究初期;实验方法主要是通过实验进行数据分析,能够直观地观察到实际污染物的动态变化,是研究污染物传输和扩散的关键手段之一;数值模拟是模型分析的重要手段,它可以将实验数据进行数值模拟,从而得到更全面、更准确的结果。
四、现有研究成果现有的大气污染物传输与扩散模型的研究成果很多。
例如,对于城市工业污染源的预测和分析,研究者通常会采用颗粒物输移模型和LCM(局地化对流模型)等模型分析固体颗粒物和液体污染物在大气中的传输规律;而对于工业废气污染源的分析,研究者通常会采用高级空气质量模型(CMAQ)等模型进行分析。
在全球气候变化领域,研究者也广泛探讨大气污染物的传输与扩散模型。
北京市大气污染物扩散的研究

北京市大气污染物扩散的研究2016年6月摘要近年来,大气污染物的排放已成为了一项不容忽视的危害。
北京市监控的四项污染物为PM10,PM2.5,NO2和O3。
本文针对这四项污染物的来源进行了分析,将其主要来源分为汽车尾气排放和工厂排放两种。
对于这两种来源分别建模,利用流体力学中的连续方程以及组分扩散方程得出高斯模型,进而建立汽车尾气排放的线源模型和工厂排放的点源模型。
根据模型计算得出污染物的空间分布,线源模型的结果与实际相差较大,在此基础上提出了相应的改进方案。
本文在高斯模型的基础上提出了一种利用边界层理论得出的修正模型,考虑了建筑物对污染物扩散的影响,改进了线源模型和点源模型的准确度。
关键词:大气污染,高斯模型,边界层理论目录摘要 (I)一问题重述 (1)二问题假设 (2)三模型建立 (3)四模型求解 (7)五模型改进 (16)六参考文献 (17)七附录 (18)一问题重述大气重污染会损害公共安全、农业生产、大气能见度和人体健康,甚至影响全球的气候变化。
在中国,由于社会经济的快速发展、能源消耗的不断攀升,大气污染问题日益显现。
目前,大气污染是北京市的重要城市问题,市内污染的重要因素之一就是交通污染。
PM10,PM2.5,NO2,O3已成为北京市监控的核心污染物,现基于各种污染源的相关效应,设计数学模型,求出理想状态下北京地区的任意坐标的四项污染物的浓度。
二问题假设1.假设大气的流动是不可压、定常有黏的流动,气体不计重力和浮力,气体流动过程中不发生化学反应;2.污染物的扩散服从扩散定律,风向与地面平行且保持不变,汽车尾气可视为线源;3.假设汽车尾气排放物的流动是二维的流动,不考虑污染物在沿街道方向上流动,如图所示,中间是街道,两边是建筑。
文中所用字母与符号如下表:三 模型建立PM2.5与PM10 的来源主要有自然来源和人为来源两种,其中大部分是人类在生产生活过程中的排放物,并且其危害相对较大。
比如化石燃料、生物质、垃圾焚烧等,在空气中转化成的气体污染物主要来自各种机动车的尾气排放,其成分包含有二氧化硫、氮氧化物、氨气挥发性有机物等。
污染物在大气中的迁移与扩散模型研究

污染物在大气中的迁移与扩散模型研究近年来,随着工业化和城市化进程的加速,大气污染成为了全球性的环境问题。
而污染物在大气中的迁移与扩散模型研究,成为了解决这一问题的重要路径之一。
本文将从理论模型的构建、数据采集、和实际应用三个方面探讨污染物在大气中的迁移与扩散。
首先,构建准确可靠的理论模型是污染物迁移与扩散研究的基础。
目前,大气扩散模型主要包括Gaussian模型、Eulerian模型和Lagrangian模型等。
其中,Gaussian模型适用于预测污染物在稳定大气条件下的扩散程度,而Eulerian模型则能考虑大气湍流对扩散的影响,更适用于非稳定环境下的研究。
而Lagrangian模型则基于追踪污染物微粒的运动轨迹,能够更准确地模拟扩散过程。
其次,数据采集是污染物迁移与扩散研究的基础。
要构建准确的模型,需要大量的观测数据作为基础。
空气污染监测站、卫星遥感数据以及气象观测站等都是数据采集的重要来源。
数据采集的内容包括大气稳定度、风速、湍流强度、温度等多种气象参数。
同时,还需要监测污染物在大气中的浓度和排放源的位置等信息。
将这些数据应用于模型中,可以提高模型的精确度和可靠性。
最后,污染物迁移与扩散模型在实际应用中发挥着重要作用。
一方面,模型可以用于预测和评估污染物的扩散范围和浓度分布,为环境管理者提供科学依据。
另一方面,模型可以用于污染源定位和溯源,有助于查明大气污染事件的责任方。
此外,模型还可以作为决策支持工具,用于制定有效的大气环境保护政策。
然而,污染物迁移与扩散模型仍然存在一些挑战。
首先是模型的精确性和适用性问题。
由于污染物的特性和环境条件的多样性,现有模型难以满足所有情况下的需求。
其次,数据的获取和处理也面临一些难题。
监测站的布设不够密集、数据质量存在差异等问题,都可能影响模型的准确度。
此外,模型的参数估计和验证也需要更精细化的方法。
综上所述,污染物在大气中的迁移与扩散模型研究对于解决大气污染问题具有重要意义。
大气扩散模型在空气污染控制中的应用研究

大气扩散模型在空气污染控制中的应用研究近年来,全球空气质量日益恶化,空气污染已经成为了公众关注的焦点之一。
各国政府和社会团体都在探索和实践空气污染治理的方法,其中大气扩散模型在这一过程中发挥了很重要的作用。
什么是大气扩散模型呢?简单来说,它是通过计算大气中颗粒物、氮氧化物等排放物污染物的扩散和沉降规律,预测空气污染物传输规律的一种模型。
大气扩散模型的运用可以帮助政府和环保机构对空气质量进行评估,推断污染源和污染物迁移的行为,从而定位和采取有效的控制措施。
大气扩散模型的理论基础来自大气动力学和物理学等学科,因此它的构建需要大量的气象、地理、化学和计算机知识。
根据模型的复杂程度,目前主要可分为物理模型、统计模型和经验模型三种。
其中,物理模型采用较为精确和繁琐的数学公式来模拟大气运动,可以较为准确地预测污染物的传输规律和排放源的贡献,但是计算复杂度较大;统计模型则假定大气运动为随机过程,利用统计方法对污染物的扩散和传输进行分析和预测,具有计算量较小、运算速度较快的优点;而经验模型则是基于大量观测数据和统计方法建立的模型,更适用于某些单一污染源或空气质量指数等总体预测的情形。
通过大气扩散模型,我们可以得到哪些有用的信息呢?首先,它可以帮助我们定位污染源,了解到排放的废气在哪些区域集聚,推测污染源的大小和影响范围;其次,它可以预测空气质量的发展趋势,比如根据当地的气象条件和污染源的排放情况,预测某一地区在未来一段时间内的空气质量,对预防和应对空气污染具有重要意义;最后,大气扩散模型可以帮助我们评估管控措施的效果,当我们采取了一系列空气污染控制措施后,我们可以通过对比模型预测值和实际测量值来判断措施的成效。
在实际使用中,大气扩散模型有哪些需求和限制呢?首先,模型的建立需要大量的数据支持,尤其是实测空气污染物浓度和排放源的排放数据,因此在模型的建模和运用过程中,需要考虑数据的可靠性和全面性。
其次,模型本身的精度和适用性也存在着一定的限制,虽然物理模型的准确度最高,但由于模型的较高复杂度,不可避免地会出现一定的运算误差;而经验模型可以降低计算复杂度,但精度和适用性都存在一定的局限性,会出现一些无法解释的现象。
大气污染扩散模式在辽宁省的应用研究

环境治理与发展区域治理空气质量问题一直是现代社会关注的重点,尤其是在工业化城市的快速发展中,大气污染问题愈加严重。
近年来,辽宁省的大气污染问题已逐渐从关注大气细颗粒,转向关注臭氧超标的问题上来。
因此,掌握大气污染物的变化规律,并使用性能更加完备的第三代空气质量模式,是制定科学合理的防治方案的基础。
一、辽宁省空气质量现状(一)空气质量优良天数辽宁省2016年全年空气质量为优的天数为105天,为良的天数为201天,共计243天,占全年比例66.6%;全年污染天气共计59天,其中轻度污染为42天,占比11.5%,中度污染为10天,占比2.7%,重要污染为6天,占比1.6%,严重污染为1天。
(二)首要污染物判别常规的AQI的核算方式中只计算AQI 大于50时的大气首要污染物,本研究在此基础上同时计算了AQI在50以下时,作为影响当地空气质量的首要污染物。
辽宁省2016年受PM2.5污染影响的天数为124天,占全年天数的33.4%;PM10污染影响的天数为155天,占全年天数的42.5%。
进一步对14个城市的五项污染物影响程度进行分析发现,其各个城市具有不同的差异。
第一项PM2.5,对于鞍山与锦州空气质量影响较大,且天数较多,为185天。
第二项PM10,作用对象是阜新与朝阳,对其空气质量造成严重的污染,污染天数能达到220天。
第三项是SO2,对空气质量影响最深的是朝阳与葫芦岛,影响天数能够在41天,出现天数在1~3月。
第四项是NO2,主要作用城市为大连与沈阳,污染天数为28天,其出现时间在1~3月或者11~12月。
第五项是O3,俗称“臭氧”,影响最深的城市为盘锦、营口,污染天数能够达到116天。
出现在4~6月,且5月为高峰期。
(三)污染物月变化规律辽宁省2016年六项污染物中SO2、NO2、PM2.5、PM10与CO的月变化趋势呈现出“U”型分布,1月份至3月份、11月至12月的污染物浓度明显高于其它季节,该时段与辽宁省供暖期时间一致,即可以理解为采暖期的浓度明显高于非采暖期。
大气扩散模型及其应用研究

大气扩散模型及其应用研究近年来,大气污染问题在许多城市愈发严重,给人们的生活和健康带来了巨大的威胁。
为了更好地了解和控制大气污染的扩散过程,科学家们提出了一种称为大气扩散模型的研究方法。
大气扩散模型是一种数学模型,通过模拟和预测大气污染物的传播和分布,为环境管理人员提供科学依据。
在大气扩散模型的研究中,常用的一种是气象数据驱动的模型。
通过分析风速、风向、温度和湿度等气象参数,可以确定大气污染物的扩散范围和浓度。
这些模型通常基于气象监测数据,使得模拟结果更加准确可靠。
此外,大气扩散模型还可以考虑到地理条件、气体的化学性质以及颗粒物的大小分布等因素,提高对污染物传输和转化过程的模拟精度。
大气扩散模型在环境管理中有着广泛的应用。
首先,它可以用于评估和预测大气污染的程度和影响范围。
通过建立污染物扩散模型,可以确定污染源对周边地区的影响程度,并且可以提前预警,制定相应的控制措施,从而降低环境污染的风险。
其次,大气扩散模型可以用于源地识别和解析。
通过分析实测数据,结合模型模拟的结果,可以确定大气污染源的具体位置和贡献程度。
这对于环境管理者来说是非常重要的,因为它可以帮助他们更有针对性地制定污染控制策略,减少污染源的排放,改善环境质量。
此外,大气扩散模型还可以用于紧急情况下的应急管理。
在如化学泄漏、火灾等突发事件发生后,通过模型的运算和分析,可以快速评估和预测事故产生的污染物扩散路径和范围,提供决策参考,减少可能的危害。
值得一提的是,大气扩散模型的发展离不开计算机技术的支持。
计算机模拟的速度和精度的提升,使得模型能够更加准确地模拟大气的运动和污染物的传输,为环境管理者提供更多的数据和决策支持。
然而,虽然大气扩散模型在环境管理中有着重要的应用,需要指出的是,模型的可靠性和准确性仍然是一个挑战。
现实生活中,大气条件的变化和复杂性往往会对模型的精度产生一定的影响。
因此,我们需要不断地优化和改进模型算法,结合实测数据进行验证和修正,以提高模型预测的准确性。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
于不同尺度的污染物扩散研究 , 其中不少模式经过 验证都获得了较好的结果 , 国内的相关研究中尤其 以高斯类模式的应用最为广泛。 笔者着重介绍了近年来针对工业点源的大气污 染物扩散模式的应用, 结合模式的理论核心以及应 用特征, 将目前常用的扩散模式以高斯公式、 拉格朗 日方法、 欧拉方法为基础分 3 类进行阐述 , 并针对模 式的适用范围( 中小尺度或大尺度 ) 、 地形复杂度、 污 染物扩散的短期 / 长期浓度以及瞬间 / 连续排放的污 染源、 地面源/ 高架源等方面 , 结合应用讨论了模式 各自的特点。由于篇幅有限 , 有关模式更详细的描 述可参见 美国 EPA 网站 ( ht t p: / / w w w . epa. gov/ scram001/ dispersionindex. ht m ) 等。其 中, 适 用于 中小尺度的 扩散模式研究范 围为几公里到 几十公 里, 可研究小城镇或几个街区 , 也可研究整个城市区 域; 适用于大尺度的扩散模式研究的是大范围的大 气扩散和输送, 研究范围为几十公里到几百公里 , 甚 至几百公里以上。另外 , 对新发展的基于嵌套模式 的模拟系统的应用作了简单介绍 , 阐述了其发展的 必要性及目前存在的主要问题。
工业污染源的排污对大气环境质量有直接的影 响, 同时也直接影响了周围居民的身体健康及生活。 但由于高成本和相关实验的难度 , 对污染物浓度进 行准确的动态分时空监测不是十分可行[ 1] 5393 , 因此 大气污染物扩散模式被广泛地用来模拟预测污染物 的扩散分布情况 , 评估大气环境质量。 大气污染物扩散模式结合污染物浓度和气象资 料定量分析污染物在大气中的输送、 扩散特征。最 初, 模式的研究理论核心是高斯扩散理论 , 应用范围 [ 2] 20 是小尺度 。随着研究的逐渐深入和计算机的发 展, 开始利用计算机进行数值计算 , 突破了高斯扩散 理论均匀平稳湍流的限制 , 可以求解非均匀、 非定常 的污染物扩散问题, 且模式的适用范围向中尺度、 大 尺度扩展。目前 , 数值计算已经成为研究的主流方 法, 研究范围也在逐步扩大。 大气污染物扩散模式的应用受地形、 气象、 大气 污染物的物理化学特征、 污染源特征等多种因素的 制约 , 不同的扩散模式都有各自不同的考虑因素和 适用范围 , 选择恰当的扩散模式能较为准确地模拟 污染物的扩散及分布 , 用于城市环境空气质量预报。 目前 , 已经有许多发展成熟的污染物扩散模式应用
[ 12] [ 11]
污染物浓度符合正态分布 , 是很多实用模式发展的 基础。基于高斯理论的大气污染物扩散模式被广泛 应用于各种尺度的研究区域 , 其中适用于中小尺度 的有 ISC( Industr ial Source Com plex Mo del) 、 AER M OD( AM S/ EPA Reg ulat ory M odel ) 、 ISCST ( In dust rial Source Co mplex Sho rt T erm M odel ) 、 ADM S ( A dvanced Disper sion M odeling Syst em ) 、 ADM S - Ur ban 等, 应 用 于 大 尺 度 的 有 CAL PU FF 等。 ISC 是开发应用较早的模式 , 可模拟简单地形 下的工业污染源[ 3] , 其主要优势在于模式使用的相 对简单性和预测结果的稳固性 , 气象数据的需求量 相对较小 ; 但该模式不能提供大气边界层结构的改 进知识和湍 流扩散过程的结果性预 测
sio n of g aseo us pollutants in different scales, meteor olog y and t erra in conditio ns, pro viding scient ific basis for air mo nito ring , urban env ir onmental planning, and a ir quality predictio n. A comprehensive over view of models being w idely used to simulate the disper sions of industr ial g aseous po llutants in and outside China dur ing r ecent year s w as pr esented. T he suitability of the mo dels under differ ent kinds of conditio ns was compared from the po int of view of applica t ion. F inally, the fo reg ro und o f disper sion models was discussed. Keywords: Indust rial po int source Po llut ants Dispersio n mo dels
[ 7] [ 6] [ 5] [ 4] 301 - 314
应用 CA LP UF F 分析预
测了我国位于人口稠密区的污染源排放的极细颗粒 和 SO2 对周围 大气环境 的影响。此外 , CAL PU FF 也能评估二次污染颗粒的浓度 , 这是其他以高斯理 论为 基 础的 模 式 所不 具 备 的。 L EVY 等 应 用 CA LP UF F 结合 NOAA 中的气象数据 , 模拟评价了 伊利诺斯州的 9 个电厂排放的一次、 二次污染颗粒 对美国中西部的 影响。宋宇等
环境污染与防治
第 29 卷
第5期
2007 年 5 月
大气污染物扩散模式的应用研究综述*
迟妍妍1 张惠远2#
( 1. 中国环境科学研究院 , 北京 100012; 2. 国家环保总局环境规划院 , 北 京 100012) 摘要
应用大气污染物扩散模式可以模拟不同尺度、 气象、 地形条件下工业污染物在大气 中的输送与扩 散特征 , 为大气监 测、
# 通讯作者。 第一作者 : 迟妍妍 , 女 , 1981 年生 , 硕士研究生 , 研究方向为环境规划与管理。 * 国家自然科学基金资助项目 ( N o. 40401023) 。
376
迟妍妍等
大气污染物扩散模式的 应用研究综述
1
基于高斯理论的大气污染物扩散模式应用研究 高斯模式是半经验型扩散模式, 假定下风向的
A review of the development and application of air pollutant dispersion models ning , Beij ing 100012) Abstract:
Chinese Resear ch A cademy of Envir onmental Science, B eij ing 100012; 2. Chines e A cademy f or Envir onmental PlanT he air po llutant dispersio n mo dels w ere used to simulate char acteristics o f transpo rtat ion and diffu-
城市环境规划和空气质量预报等工作提供科学依据。归纳了目前广泛应用于模拟 工业污染物扩 散的模式 , 着重 介绍了近年来国 内 外对这些模式的主要应用研究进展 , 比较了各模式在应用上的优缺点 , 并对大气污染物扩散模式的应用研究前景进行了讨论。
关键词
工业点源
污染物
扩散模式 Chi Yany an 1 , Zhang H uiy uan 2 . ( 1.10 [ 14] [源自13]利用 CAL PU FF
分析了石景山工业区 PM 污染对北京市的影响范 围和大小。 综上所述 , 以高斯模式为基础的扩散模式多数 只适用于模拟中小尺度范围的大气扩散。这是因为 以高斯模式为基础的改进模式一般是稳定态的扩散 模式 , 假定大气在整个模拟区域都是均衡的, 传输和 扩散条件长期不变, 所以不适合模拟大范围的污染 扩散。高斯模式在大多数气象条件下模拟效果都较 合理 [ 15] , 是模拟污染物扩散的经典方法。但也有其 局限性 [ 16] 15, 16 : 高斯 烟流模式假定污染物从污染 源排放出来后立即以直线轨迹输送 , 没有考虑风速 仅有 1 m/ s 或更低的情况, 故当研究区域距离污染 源较远时局限性会很明显 ; 高斯烟流模式不适用 于低风条件 , 由于模拟浓度和风速成反比 , 当风速很 低( 0~ 1 m/ s) 时模拟的浓度值会很高; 模式假定 直线传输轨迹 , 没有考虑受地形影响的风的转向和 上升 , 因此在适中地形区域及稳定状态下 , 这类模式 对地形影响的评价会普遍偏高 ; 高斯烟流模式假 377 定大气在整个模拟区域都是均衡的 , 传输和扩散条
程, 但只能近似模拟静风 ( 风速 < 1 m/ s) 条件下的 NOX 扩散过程。 ISCST 3 在应用中较为流行, 最适合评估工业区 对周围大气环境的影响 , 也是评价大气污染物地面 浓 度 最 常 用 的 模 式。 RAMA KRISH NA 等[ 1] 5395- 5407, [ 10] 应用 ISCST 3 分别对印度维萨卡帕特 南地区的工业园以及海得拉巴市郊的工业园排放的 SO2 和 N OX 的扩散进行了研究, 评估了其对周边大 气质量的影响 ; 并用模拟预测值和浓度观测值验证 模式 , 结果显示模式预测的浓度值和观测值之间有 很好的一致性。李林等 应用 ISCST 3 模拟北京市 八城区内大气污染物浓度的时空分布 , 分析其浓度 分布特征及行业分担率 , 评价能源消耗对未来北京 市空气质量的影响。 CA LP UF F 可模拟气体污 染物的大范围输送, 与同类型模式 ISC3 相比, 由于它采用多点时空变化 的逐时气象场 , 模拟结果更接近实际大气扩散真实 的扩散情况。 ZH OU 等
[ 4] 301 [ 4] 303
。 AER -
M OD 和 ADM S 是 新发 展的 扩 散模 式, 可 以替 代 ISC 使用 。 ADM S - U rban 与 ADM S 的运 算法 则基本相同, 专门应用于模拟城市中的大气污染物 扩散。ISCST 是 ISC 的短期版本, 需要更详细的气象 资料, 用来模拟污染物一小时或几小时的平均浓度。 AERM OD 和 ADM S 相对于 ISC 是新发展的扩 散模式, 不仅可以模拟平坦地形还可以模拟复杂地 形下的大气污染物浓度。 H ANNA 等 通过 5 组野外观测数据模拟了 5 种典型场景, 以评价新模 型 ADM S 和 AERM OD 相对于 ISC3 的改 进程度, 结果表明 : ADM S 的模拟结果比 AERM OD 略好, 并 且两个模式都好于 ISC3; ADM S 是唯一能处理瞬间 排放污染物 的输送和扩散的模式; AERM OD 对地 面源和高架源的情形都适用, 运算时间相对 ADM S 较快。VENKAT RAM 等 利用 AERM OD 预测了 城市小污染源附近地区的地面浓度, 指出该模式可 考虑建筑 物对污 染源 附近 地区 大气 扩散 的影 响。 RIDDL E 等 指出 ADM S 能模拟一个有 效建筑物 对气体传输和扩散的影响 , 但不能评估建筑群对当 地流体场和湍流场的 影响。英国经 常应用 ADM S 评估大型工业区对当地大气污染的影响, 如 CARS L AW 等 应用 ADM S 模拟典型电厂排放的 SO 2 浓 度。 OWEN 等 [ 8] 应 用 ADM S - Urban 计 算了 伦 敦 NOX 和 SO2 的浓度 , 且评价了它们对当地的影响 ; 徐 伟嘉等[ 9] 应用 ADM S - U rban 模拟广州市天河区机 动车尾气排放的 N OX 的扩散过程, 并将模拟结果 与实测值进行对比 , 结果显示 , ADM S - U rban 能很 好地模拟有风( 风速 1 m/ s) 条件下 NO X 的扩散过