线源扩散的快速模拟

提出了一种计算风向与线源成任意角时任意长地面线源大气扩散的简化模式。通过与数值积分方法计算结果的比较表明,模式的最大相对误差在风向与线源平行时最大,但不超过18％。随风向与线源夹角的增大,相对误差迅速减小,当夹角大于5°时,已小于2％。为城镇公路网大气扩散的快速、准确模拟提供了新手段。     

任意风向时有限长线源扩散模式应用

在进行城市大气污染浓度预报或大气环境影响评价时,往往会碰到线源的扩散问题,例如排列的烟囱,交通尾气扩散等。处理这类问题通常是用虚设点源法,或者认为线源很长,可用无限长线源的扩散公式计算     

大气污染扩散空间信息系统

将GIS(地理信息系统)引入大气多源扩散研究领域,成功地解决了GIS与大气污染扩散数据的连接问题,实现了大气污染扩散数据的计算机图形可视化与计算机一次成图的功能。在此基础上开发了一套带GIS图形处理和分析功能的大气污染扩散空间信息系统软件包,该软件包对传统的G－H面源模式进行了改进工作,提高了其计算速度及计算精度。对线源模式进行了研究,提高了其计算速度及计算精度,解决了在普通微机上实现线源污染扩散的计算问题。      

线源扩散的模拟计算

在传统的高斯扩散理论基础上,提出了一种计算线源扩散的方法;将公路线源分成若干存在初期扩散的单元,每个单元近似成一个过单元无中心与风向垂直的短子线源,它的扩散按高斯垂直风模式计算,测点的浓度是若干子线源的贡献之和。与ＣＬＩＮＥ２等模式相比,该方法对任意风向有限长线源都适用,而且可进行一条公路上有不同源强路段的计算,模式的计算结果与现场示踪及尾气污染的实测数据吻合较好。     

汽车排放污染物浓度的预测

为了预测汽车排放污染物的浓度,应用简化的高斯烟团模式得到静风条件下的线源扩散预测模式。并结合高斯烟流扩散模式,建立了预测汽车污染物在任意风向下和年平均浓度的预测模式,考虑车道上存在车辆行驶的强烈机械扰动湍流和把繁忙的公路视为线源两个因素,提出了计算初始扩散参数的方法。然后,运用Turner和Pasquill扩散参数,建立了线源扩散参数的确定方法。该模式应用于预测高速公路沿途汽车污染物的浓度表明,计算值与监测值吻合较好,可用于我国公路环境影响的评价。     

蘑菇渣和畜禽粪便复配蚯蚓堆肥过程中理化指标和酶活性变化研究

针对浮升力存在的不稳定条件,在Kataoka方法基础上,通过调整阻尼函数来产生大涡模拟所需要的入流湍流条件。之后,应用标准Smagorinsky模型对处于不稳定边界层的建筑群内的线源污染扩散问题进行模拟。计算结果与风洞数据对比表明,在不稳定条件下,使用大涡模拟方法能够较为精准的预测流场变量的平均值及变量的脉动成分。最后,根据计算结果对街道峡谷内的空气流动和污染扩散进行了研究。结果显示:街道峡谷内的空气发生了循环流动,从而形成了一个大的涡系,对峡谷内的污染扩散产生了重要影响。     

环境系统学(环境系统工程)

X192 X831 9900077用于道路网络机动车污染的运算模型一An叩er-ational model for vehieular Pollution from a roadnetwork仁刊,英]/JariH泣rkonen…// Intern.J.Environ.and Pollut.一1997,8(3/6)一436一437 北图 文章简介了芬兰气象研究所开发的数学模型CAR一FMI。模型用于管理目的,预测道路网络中的污染扩散。它含有一排放模块、气象时间序列的处理、一大气扩散模块和浓度时间序列计算值的统计分析。扩散模块基于有限线源的高斯扩散方程;它允许风向与道路呈任意角度。还考虑了氮氧化物的化学转换。计算机程序已被商业化,有I义〕…     

考虑浮升力影响的建筑群内线源污染扩散的大涡模拟

针对浮升力存在的不稳定条件,在Kataoka方法基础上,通过调整阻尼函数来产生大涡模拟所需要的入流湍流条件。之后,应用标准Smagorinsky模型对处于不稳定边界层的建筑群内的线源污染扩散问题进行模拟。计算结果与风洞数据对比表明,在不稳定条件下,使用大涡模拟方法能够较为精准的预测流场变量的平均值及变量的脉动成分。最后,根据计算结果对街道峡谷内的空气流动和污染扩散进行了研究。结果显示:街道峡谷内的空气发生了循环流动,从而形成了一个大的涡系,对峡谷内的污染扩散产生了重要影响。     

长春市城市道路交通CO污染的空间分布模拟研究

在对CALINE4模式进行参数修正和模型验证的基础上,对长春市主要街路的日均ρ(CO)进行了模拟,得出了长春市机动车线源污染的空间分布特征.结果表明,长春市道路交通CO污染严重的区域主要集中在一环路以内.      

城郊道路交通带状多线源污染扩散模式研究

为研究适用于路面宽,等级高的城郊道路大气污染扩散模式,以Ｃａｌｉｎｅ－３有阴长线源污染扩散模式为基础,并以上海浦东新区道路网为实例,将带状线源的概念引入线源扩散模式研究,建立了新的带状多线源污染扩散模式,分析了气象条件,初始扩散,道路基本工程参数对大气污染扩散的影响,引用实例数据,对所建立的ＢＭＬＳＭ模式进行了检验,并与Ｃａｌｉｎｅ－２模式进行了对比。结果表明,采用本研究建立的带状多线源污染扩散模     

路旁土壤公路源重金属含量空间分布数值模型的探讨

公路源重金属产生后,赋存于大气颗粒物中,随颗粒物在大气中迁移沉降,最终沉降于路旁土壤中.本研究通过对公路源重金属迁移机理的分析,以高斯污染物扩散模型为基础,构建公路源重金属在路旁土壤中空间分布的数值模型,并用G310国道杏花营断面路旁土壤重金属(Cd、Cr、Cu、Ni、Pb和Zn)含量空间分布实测数据对模型预测能力进行验证.结果表明:土壤Cr和Cu含量呈指数分布,土壤Cd、Ni、Pb和Zn含量呈偏态分布,指数分布实质上是偏态分布的峰值十分接近路基的一种特例.研究表明,本文构造的数值模型可以较好地拟合上述两种路旁土壤重金属空间分布形式,模拟情景数n的取值越大,模拟结果越准确.     

街道峡谷型交叉口内气态污染物扩散的数值模拟

对大气边界层内大气湍流和建筑物对道路交叉口处机动车排放气态污染物扩散的影响进行了研究.在计算区域内建立了三维街道峡谷型道路交叉口及其内部机动车排放的模型,并在中性层结条件下,采用CFD(Computational Fluid Dynamics)稳态κ-ε湍流模型和被动标量的输运方程模拟了模型内外的流场和CO浓度场.结果表明:① 在相同高度条件下,交叉口处与处于下风向的街区内CO浓度明显高于其他街区;②风向对污染物的输运起决定性作用,在不同高度平面内CO浓度最大值均出现在平行风向的街区内;③外部大气湍流的驱动使得垂直风向的街区内产生强烈涡旋,涡旋的输运作用导致相同高度下上风向CO浓度较高;④交叉口处气流的掺混导致气流速度降低,使得平行风向的街区内CO可以向两侧垂直风向的街区内扩散,起到了稀释交叉口处地面附近CO浓度的作用.模拟结果与风洞实验结果符合较好,验证了方法的可靠性.      

交通仿真与GIS在尾气扩散模拟中的应用研究

以机动车尾气扩散模型为核心,采用集成微观交通仿真平台PARAMICS和地理信息系统建立城市道路交通环境模拟系统(UTESS)的方法,将交通仿真技术与GIS技术应用到机动车尾气污染扩散模拟中。以广州市为例,给出了该系统的验证过程与应用实例。文章通过模拟道路下风侧接受点逐时的CO与NOX浓度进行验证,模拟值与实测值的平均相对误差分别为25.1%和15.6%;应用实例采用UTESS模拟路网上空10m高度的CO浓度分布,模拟结果较好的反映了不同路段交通流对CO浓度空间分布的影响。     

城郊道路交通污染个例分析

为建立和研究适合地面道路的宽路幅、高等级、支路多等特点的大城市城郊道路交通大气污染扩散模式,选取了受环境外来源影响较小的上海市沪青平公路的徐泾段,作交通大气污染实测和相关气象因子项目的观测。在获得详细实测结果的基础上,以NOx为例分析了大气稳定度、风向、风速、交通量对城郊地面道路交通污染扩散的影响。     

澜沧江流域云南段道路网络对生态承载力的影响研究

澜沧江流域道路工程的建设影响着区域土地利用格局和生态系统的空间分布,并进一步影响着区域的生态承载力,辨析道路对生态承载力的影响对区域生态管理具有重要意义.以谰沧江流域各县(市)为研究对象,利用生态足迹法研究了澜沧江流域生态承载力的时空及动态变化;以县域、市域为尺度.提取流域道路网络的结构特点,并进一步利用回归分析研究了道路的网络结构与生态承载力的关系.结果表明,谰沧江流域生态承载力存在着空间分布的不均衡,并呈现逐年降低的趋势;流域道路阿络中不同等级道路的组合结构变化明显,道路密度空间差异显著;县域尺度的回归分析表明,生态承载力与不同等级道路长度符合Gaussian模型、Reciprocal模型.与道路密度均能用ExponentiM Fit模型表示,生态承载力随道路密度的增加而减小;市域尺度上,生态承载力与道路密度的关系与县域尺度相一致.     

Estimation of PM_(10) in the trafc-related atmosphere for three road types in Beijing and Guangzhou,China

The levels of roadside PM10in Beijing, China, were investigated in 2011 and 2012 on a seasonal basis to estimate the population exposure to particulates for three road types. The measurements of PM10 were also conducted in the southern Chinese megacity of Guangzhou for comparison purposes. The results showed that roadside PM10in Beijing correlated strongly with the PM10background in the urban atmosphere. The levels of PM10in street canyons were markedly higher than those along the open roads and in crossroad areas because of limited ventilation. An elevation of PM10was observed in April, which was possibly due to the sand storms that frequently occur in the spring. Based on these observations, roadside PM10in Beijing could have multiple origins and was to some extent dispersiongoverned. In Guangzhou, the roadside PM10did not closely relate to the background values. The PM10 pollution was greatly afected by local trafc conditions. The simulation of PM10 for diferent road types was completed during the study period using the Motor Vehicle Emissions Factor Model(MOBILE6.2) as an emission model and the California Line Source Dispersion Model(CALINE4) and Operational Street Pollution Model(OSPM) as dispersion models. The MOBILE6.2/CALINE4 software package was demonstrated to be sufcient for the simulation of PM10in the open roads and crossroad areas in both Beijing and Guangzhou, and the simulation results of roadside PM10 in the street canyons by the MOBILE6.2/OSPM package were in close agreement with those of the measurements.     

交通活动对公路两侧土壤和灰尘中重金属含量的影响

为了解公路交通带来的重金属污染及其在公路两侧土壤中的分布规律,对相关研究结果的分析表明,含铅汽油、润滑油的燃烧,汽车轮胎、刹车里村的机械磨损等是公路两侧土壤和灰尘中重金属污染的重要来源.机动车辆排放的含重金属颗粒物或直接沉积在路面灰尘中,或通过干湿沉降沉积在公路两侧的土壤中,使得公路两侧土壤和灰尘中重金属出现不同程度的积累.一般地,公路两侧土壤中重金属含量随着距公路距离的增加呈指数形式下降.公路两侧土壤中重金属的含量及其分布格局因受交通流量、车辆类型、地形与路况、绿化带配置和风、降雨等气象条件的影响而异.     

基于车流和大气污染物浓度同步增量的机动车平均排放因子估算方法

机动车尾气排放已成为城市大气污染的主要来源并受到了高度关注.机动车排放因子是反映机动车排放状况的最基本参数,但实测排放因子代价较高、代表范围有限,基于国外排放模式估算的排放因子又与我国的实际排放状况存在一定差距.本研究首先基于早高峰时段车流量和道路附近大气污染物浓度呈近线性增加、气象条件和背景污染物浓度相对稳定的特征,将时段内污染物浓度的增加主要归因为车流的增加,从而建立车流和污染物浓度增量之间的关系;然后采用无限线源高斯扩散模式,反推道路实际行驶机动车的平均排放因子.以北京市一条主干道为例,利用早高峰车流量、污染物浓度、气象观测数据,进行了实例研究,并将研究结果同COPERT4排放模型的预测结果进行了对比.本研究和COPERT4排放模型预测的8月一氧化碳平均排放因子分别为2.0 g·km-1和1.2 g·km-1,12月分别为5.5 g·km-1和5.2 g·km-1.结果表明,本方法估算的机动车排放因子在数值大小及季节变化上均与COPERT4排放模型较为接近.所提方法通过消除背景浓度的干扰,为实时获取车队实际排放因子提供了一种新思路.