模拟高空气象数据在AERMOD预测中的适用性分析研究

针对同一污染源,采用2006年～2009年上海浦东高空探空气象数据和高空模拟气象数据,利用AER—MOD进行了大气预测中排气高度、温度、速度等因子敏感性分析。点源预测结果表明：在中、短时间尺度下,除非排气筒高度特别高（〉60m）,一般情况下模拟高空气象数据预测结果与实际探空气象数据预测结果的偏差在一6％～6％之间,高空模拟数据适用;但长时间尺度下,只有当排气筒高度低于20m和（或）排气温度低于30℃时,模拟高空气象数据才适用。对面源的预测结果表明,模拟高空气象数据通常适合于各种情形。     

地形数据输入范围对AERMOD预测结果的影响

为验证复杂地形条件下地形数据输入范围对AERMOD模型预测结果的影响,试验分别给定1个10 m低架源和1个100 m的高架源,在输入10 km×10 km、15 km×15 km、20 km×20 km 3种范围地形数据,其他参数不变的条件下,计算污染源在同样的10 km×10 km区域内小时值、日均值、年均值落地浓度的变化。结果表明,地形数据输入范围的不同对AERMOD模型计算出的污染物落地浓度预测结果有着显著的影响,试验结果中变化的网格点最大占到总网格点的23.96%,变化幅度最大可达99.96%。在某些情况下,很有可能使得部分敏感点计算结果从达标变成超标,从而造成大气环境影响评价结论的误差。通过对AERMOD和AERMAP公式的分析可知,地形数据输入范围对AERMAP确定的受体山体控制高度有一定影响,造成了AERMOD临界分流高度和烟羽权重参数计算值的变化,从而影响了AERMOD对受体处浓度的计算结果。     

WRF水平分辨率对CALPUFF模拟污染物浓度的影响

采用MM5/WRF模型为大气污染扩散CALPUFF模型提供高空气象输入数据时,MM5/WRF模型设置模拟区域内层网格的水平分辨率一般为1～9 km。针对目前使用更广泛的WRF模型,设置模拟实验,通过对比分析不同水平分辨率下(1和5 km)CALPUFF浓度模拟结果的差异,研究WRF模拟的不同水平分辨率的高空气象数据对CALPUFF模拟污染物浓度的影响。结果表明,CALPUFF采用WRF模拟的这两种水平分辨率的高空气象数据在模拟污染物日均浓度时差异不明显,但在模拟小时污染物浓度,尤其是在浓度较高值区,这种差异尤为显著。鉴于高分辨率的气象数据对高空气象场有更好的模拟效果,推荐使用WRF模拟的分辨率高的高空气象数据作为CALPUFF模型的高空气象驱动场。     

Predictor-LimA软件在冷却塔噪声预测中的应用研究

以某运行的冷却塔机组项目为研究对象,采用Predictor-LimA噪声软件对其进行噪声预测,计算出厂界及声环境敏感点的噪声预测值,并模拟出噪声影响地图,通过对噪声预测值与实测值的对比分析,得出预测值与实测值相差较小,验证了Predictor-LimA软件在冷却塔噪声预测的适用性,为冷却塔噪声影响评价工作提供了技术依据。     

基于复杂地形-气象场的二噁英污染物沉降研究

为了解复杂地形-气象场条件下二噁英类污染物环境影响,选取我国西南某代表性山地,利用CALPUFF预测区域垃圾焚烧、医废与危废项目二噁英类污染物的环境影响,并通过土壤实测数据进行模型分析验证.结果显示：复杂地形-气象场条件下,同一区域不同空间下的风向与风速将会出现明显差异,CALMET气象模块可结合相关资料,模拟计算出可信较高的复杂气象场文件;模型预测显示,在复杂地形-气象场条件下,项目排放的二噁英在土壤中的沉降位置、方向与全年主导风向不完全一致.研究区域土壤沉降量为0.86×10^-3~9.84×10-1ngTEQ/m²;模型模拟医废与垃圾焚烧、危废项目沉降数据与监测数据相关性R分别为0.854,0.287,说明CALPUFF模式在复杂地形-气象场条件下模拟周边土壤二噁英空间分布有一定可信度.     

不利气象条件下的环境风险评价研究——以芳烃抽提装置为例

环境风险事故发生具有突发性和不确定性,以西北某芳烃抽提装置为例,通过源项分析、AERMOD模型不利气象条件筛选、标准的选取等对环境风险进行预测。确定美国AEGLs为评价标准,应用Risk System模型进行风险预测,预测结果显示敏感点1、敏感点2和敏感点3对应的不利气象条件下最远影响范围分别为474.2,511.7,101.4 m,均小于与芳烃抽提装置之间距离;区域最大浓度不利气象条件下最远影响范围为585.7 m。应用AERMOD模型筛选各个敏感点对应的不利气象条件,做出风险预测并给出影响范围,同时给出区域最大浓度气象条件下污染物浓度分布。     

地形数据对高架复合道路噪声预测结果的影响研究

在噪声预测中除了合理设置噪声源强等参数外,是否选取了合理的地形数据反映沿线地貌对声环境的影响,也会涉及到预测结果的可靠性和真实性.本次利用Noisesystem模型对某市拟建高架复合道路的声环境影响情况进行模拟,对比有无地形数据的垂向线接收点预测结果,其最大差值为5.98 dB.这表明有无地形数据对噪声预测结果影响很大,在实际高架复合道路项目中应充分考虑地形对声环境的影响.     

基于数据驱动的汽车部件温度预测模型研究

目的 基于某汽车在中国吐鲁番地区自然暴露的部件温度变化试验数据,预测该车在美国凤凰城地区气象环境下的汽车部件温度变化。方法 把汽车部件的温度作为输出变量,提取影响汽车部件温度变化的关键特征(试验时间、大气温度、太阳辐照)作为输入变量,同时运用公式对不同纬度地区部件受到的太阳辐照进行修正,以消除地理位置的影响。利用Python等软件构建机器学习模型,用吐鲁番试验数据训练模型,然后预测该车部件在美国凤凰城地区的温度变化。结果 梯度提升机模型具有良好的泛化能力和预测精度,其预测值与实际值的平均绝对误差均在3.3°以内,拟合优度R²均大于0.90。BP神经网络和随机森林算法模型也具有较好的预测精度。结论 利用汽车在我国试验站点进行的自然暴露试验数据,可以预测该汽车部件在国外相似地区气象条件下的温度变化。该研究对于依据汽车部件在我国的自然暴露试验结果预测其他国家相似地区自然环境下汽车部件的温度变化具有一定的指导意义。     

AERMOD预测中网格划分与地形数据的优化配置研究

为研究不同分辨率的地形数据和预测网格对AERMOD模式预测结果的影响。文章以某热电联产项目为例,运用AERMOD模式,在模式其他参数设置不变的情况下,通过改变地形数据和预测网格分辨率,设计2组预测情景(A1~A5和B1~B5),对预测区域内的最大落地浓度进行对比分析。结果表明:在预测网格分辨率相同的情况下,选用分辨率越大的地形数据,最后的区域最大落地浓度预测结果越大,随着预测网格分辨率的不断减小,地形数据分辨率的不同所带来的预测结果差异性越来越小。30 m分辨率的地形数据与分辨率100 m的预测网格配置最优。90 m分辨率的地形数据与分辨率150 m的预测网格配置最优。选择的预测网格分辨率不能与选取的地形数据分辨率相差太大,以免造成预测结果失真。因此,在选用AERMOD模式预测大气污染物扩散过程中要充分考虑到地形数据分辨率与预测网格分辨率的最优配置问题,从而使最终的预测结果更加精确、更贴近实际。     

Noise system在道路工程声环境影响预测中的应用研究

采用Noise system模型软件预测城市道路工程对周围敏感目标的影响.通过预测,拟建道路沿线路中心线两侧200 m范围内随距离增大受交通噪声影响呈明显衰减趋势.从路段达标距离分析,相对于昼间噪声达标距离,夜间噪声达标距离均大于昼间的达标距离,说明拟建道路夜间交通噪声影响大于昼间;沿线敏感点近期、中期、远期昼间、夜间噪声预测值均能满足《声环境质量标准》(GB 3096-2008)中2类、4a类标准;通过对首排在建小区均为3层以上建筑物不同垂直高度的影响进行预测,对居民区不会造成影响.