大气污染物扩散模式的应用研究综述

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、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.     

天津市大气能见度与空气污染物关系分析及控制措施

利用天津市1990—2004年大气能见度观测资料及天津市2002—2004年空气污染物监测数据,统计分析了天津市大气能见度变化特征及其与空气污染物的关系。结果表明,天津市20世纪90年代大气能见度处于波动下降趋势,2000—2003年大气能见度整体水平有所改善,到2004年空气质量迅速提高。统计数据说明,在非采暖季的春季,天津市大气能见度的下降与PM10浓度有较大相关性;在夏季,与相对湿度有较大相关性;在采暖季(冬季),与SO2和NOX等空气污染物浓度有密切关系。同时,提出改善城市大气能见度的4个措施:(1)制定长期的大气能见度控制策略;(2)合理改善能源结构;(3)加强城市裸露土地的治理;(4)城市交通采用清洁能源。     

海岸地区基于AERMOD的热力内边界层对大气污染物扩散影响的模拟研究

海岸地区热力内边界层(TIBL)对大气污染物扩散具有重要影响。选取杭州湾地区某区域为模拟区,采用一个TIBL高度的简单计算模式模拟模拟区的TIBL高度,将其耦合到空气质量模式AERMOD中,并对AERMOD的相关模块和参数进行了相应的修改,再分别利用原AERMOD和改进后的AERMOD,模拟了不同污染源情景下的大气污染物地面浓度分布。结果表明,在多数情况下,由于TIBL对于大气污染物扩散空间的限制,大气污染物的地面最大浓度有所升高,地面浓度的高值区范围也有所增加,具体影响特征取决于污染源与TIBL的相对高度以及污染源距离海岸的相对位置。     

深圳市区空气污染的人工神经网络预测

利用深圳市2006至2013年的大气污染物监测浓度数据和气象资料,分析深圳市空气质量的逐月分布变化特征。采用Pearson相关分析,选择显著相关因子,分别以BP神经网络和RBF神经网络构建空气质量预测模型,对该市2013年SO2、NO2、PM103种空气污染物的月均值进行预测。实验结果表明,通过Pearson相关分析建立的预测模型有更高的预报精度。BP和RBF 2种网络预测效果都比较理想,对不同污染物的预测精度各有高低。但BP网络的构建和参数优化过程较为复杂且网络训练结果不稳定,而RBF网络构建和训练简单,时间短而结果稳定。在综合性能上,RBF网络用于环境空气污染物浓度的预测具有更强的适用性。     

珠三角城市近地面臭氧污染分布特征及变化趋势

利用2013—2017年珠三角城市空气质量监测站的大气常规污染物逐时监测数据,探究珠三角区域臭氧(O3)污染年际变化、季节变化、日变化特征。结果表明,珠三角O3浓度秋季高冬春低,在一年之内呈现2月、5月、9—11月从低到高3个峰值;在一天之内呈现昼高夜低的单峰结构,峰值大多出现在午后15:00时。珠三角中部城市超标天数较多,沿海城市超标天数较少,大部分城市每年O3超标天数逐渐增多。O3月变化和日变化与NO2呈现负相关。总体而言,NO2平均浓度越高的城市,O3昼夜爬升值越高。     

北京空气重污染红色预警期间污染物与气象因子特征

揭示空气重污染红色预警期间污染物与气象因子的变化特征对空气质量预报和污染减排措施评估具有重要参考价值。利用大气污染和气象观测资料,研究了北京2015年11—12月空气重污染红色预警时期污染物浓度、气候特征及气象因子对空气质量影响。结果表明,PM_(2.5)在大气颗粒物中占有较大比重,为首要空气污染物;在重污染峰值时段,城郊PM_(2.5)与PM10比值(R)相差不大,可达0.9以上,空气呈均匀混合的高PM_(2.5)浓度特征,而空气质量较好时城区R值明显高于郊区;研究时段气候特征与历史同期相比有明显差异,其中平均风速偏小19%,平均气温偏高0.23℃,气温日较差减小,而多次小型降水增加了空气湿度,导致相对湿度值偏高40%,垂直方向上的逆温层或等温层则加剧了空气重污染的形成和发展,重污染过程中的红色预警措施明显降低了颗粒物浓度;风速与污染物浓度呈指数相关,城郊风速分别低于2.0和2.5 m·s~(-1)时,空气质量较差、污染物浓度随风速升高快速下降,而当城郊风速大于2.0和2.5 m·s~(-1)时变化特征则相反;相对湿度与污染物浓度呈幂相关,相对湿度在65%左右为空气质量特征发生变化的转折点;由于气温日较差存在季节变化,其与空气质量相关关系不太显著。     

城郊气象因素与NO_x、PM_(10)的多重分形分析

针对城区和郊区气象因素与NO_x、PM_(10)浓度间的互相关性的特征,采用多重分形去趋势波动互相关分析法(MFDCCA),对气象因素与NO_x、PM_(10)浓度时间序列进行研究。首先验证了温度与NO_x、PM_(10)具有互相关性和多重分形特征,然后,逐次分析城区和郊区在夏冬两季温度、湿度、风速、气压与NO_x、PM_(10)的多重分形特征。结果表明,城区天气因素与PM_(10)、NO_x的多重分形特征要强于郊区,两地天气因素对PM_(10)的影响程度要强于对NO_x的程度,城区和郊区夏季的天气因素与PM_(10)的多重分形特征均强于冬季。     

城市空气质量连续监测数据处理方法研究

规范的城市空气质量连续监测数据处理方法是客观表述空气质量状况的前提,是将科学数据转化为决策信息的桥梁。城市空气质量的表述应包含污染物、时间、空间和信息服务对象4项基本要素,因此,连续监测数据的处理应采用多时空尺度分析方法,结合污染物特性及污染源排放信息分析空气污染状态、趋势和原因,为各干系人提供可靠的城市空气质量信息。按照国家标准,时间的表述应细化到小时尺度,空间的表述则按照监测点及其代表区域,并将受体暴露程度纳入评价指标,以不同时空尺度下污染物浓度达标率和空气质量人口天数为主要指标评价城市空气质量。针对各干系人的具体要求提供不同类型的城市空气质量报告,并及时收集公众的信息反馈,补充和完善城市空气质量评估。     

一次光化学污染过程中O3和NOx的垂直梯度观测研究

为了研究2008年北京奥运会前期污染物浓度变化特征,对北京气象塔3层高度上的大气污染物（NO2和O3）进行加强观测,分析其变化特征。观测结果表明,由于北京奥运会前期采取了严格的空气质量控制措施,NO2浓度相对车辆限行前下降了45.3%,且随着高度递增逐渐降低;O3浓度最大值和日均值有所降低,其最大值出现时间较10年前提前了12 h,且有4 h左右处于相对平稳状态。O3浓度峰值主要是受NO2的控制,O3浓度峰值出现时间提前反映出北京大气氧化效率不断提高。对于观测期间出现光化学污染事件,利用同期气象资料和大气污染监测数据分析,发现造成这次大气污染的主要原因是气象因子：地面多处于弱高压场控制中,大气层结稳定,风力较弱（小于2 m/s）,并伴随着连续高温、强辐射和低湿。     

一次光化学污染过程中O_3和NOx的垂直梯度观测研究

为了研究2008年北京奥运会前期污染物浓度变化特征,对北京气象塔3层高度上的大气污染物(NO2和O3)进行加强观测,分析其变化特征。观测结果表明,由于北京奥运会前期采取了严格的空气质量控制措施,NO2浓度相对车辆限行前下降了45.3%,且随着高度递增逐渐降低;O3浓度最大值和日均值有所降低,其最大值出现时间较10年前提前了1~2 h,且有4 h左右处于相对平稳状态。O3浓度峰值主要是受NO2的控制,O3浓度峰值出现时间提前反映出北京大气氧化效率不断提高。对于观测期间出现光化学污染事件,利用同期气象资料和大气污染监测数据分析,发现造成这次大气污染的主要原因是气象因子:地面多处于弱高压场控制中,大气层结稳定,风力较弱(小于2 m/s),并伴随着连续高温、强辐射和低湿。