排序方式: 共有52条查询结果,搜索用时 15 毫秒
31.
32.
广州市机动车尾气排放特征研究 总被引:3,自引:1,他引:2
文章利用COPERT IV模型计算广州市机动车尾气排放因子,结合机动车保有量和构成,获得2008年广州市机动车尾气排放总量并对排放因子的速度敏感性,以及不同车型、不同排放标准、不同燃料类型机动车排放特征进行了分析。结果表明:2008年广州市机动车CO、NOX、VOC和PM的排放总量分别为138 772.42 t、80 868.69 t、24 907.26 t和3 171.97 t。摩托车和小客车是CO和VOC的主要贡献车型,贡献率总和分别达到78.31%和70.52%;而作为NOX和PM的主要贡献车型,大客车和重型货车的贡献率总和分别达到78.94%和83.72%。国0标准机动车排放水平高于其他排放标准的车型,CO和VOC的排放分担率接近于保有量比例的2倍。汽油车是CO和VOC的主要贡献车型,其排放贡献率超过80%;而PM排放主要以柴油车为主;柴油车的NOX排放总量高,接近于汽油车的2倍。 相似文献
33.
34.
2017年12月期间,选取了广州市主城区98条道路及15栋噪声敏感建筑物,在昼间、夜间道路交通噪声排放峰值期间进行噪声监测实验,综合分析了2017年广州市道路交通噪声污染情况以及噪声频谱特性。道路监测点昼间平均等效声级为72.5 dB,夜间平均等效声级为72.4 dB;噪声敏感建筑物监测点昼间平均等效声级为67.5 dB,夜间平均等效声级为68.0 dB。分析监测实验中的噪声频谱数据,结果显示:各等级道路监测点的频谱能量贡献率曲线在1 000 Hz处达到峰值,用于声屏障设计的等效频率大多数都是800 Hz;噪声敏感建筑物前测点和后测点的等效声级平均相差9 dB,而且前、后测点噪声能量集中于不同的频段,1类、2类噪声敏感建筑物前测点的噪声能量主要集中在高频段,后测点的噪声能量主要集中在低频段,而3类噪声敏感建筑物受道路交通噪声和工业噪声影响,前测点的噪声能量集中频段比后测点的略低。 相似文献
35.
36.
37.
佛山市中心城区工业污染源排放的数值模拟 总被引:6,自引:3,他引:3
以广东省佛山市中心城区为研究区域,在分析城区工业污染源排放与分布特征的基础上,应用中尺度气象模式MM5耦合空气质量模式CALPUFF的方法,模拟了中心城区工业污染源排放SO2的扩散传输过程. 在考虑周边污染源及本地污染物的情况下,发现ρ(SO2)模拟值与实测值的变化趋势一致,表明模拟方案可较好地反映ρ(SO2)的时空分布特征. 分析中心城区工业源排放时空分布模拟结果发现,工业污染源排放与分布特征和气象环境是影响城区工业源排放SO2的时空分布的重要因素. 相似文献
38.
街道峡谷型交叉口内气态污染物扩散的数值模拟 总被引:2,自引:1,他引:1
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. 相似文献
39.
建立了PM2.5扩散模型和应急污染扩散评估方法。模型考虑了风向、风速、温度等影响,根据监测点位置和PM2.5浓度信息反推虚拟污染源位置及浓度信息;采用高斯扩散模型,得到稳定风向、风速、温度下的任意时间、接收点的PM2.5扩散衰减模型;突发情况下,用时间变量替换速度项,得到该地区时态变化的PM2.5变化规律。根据西北某城市PM2.5监测数据,建立了其四季PM2.5扩散衰减模型,并对其空气质量进行分级表征,同时对某监测点突发情况下PM2.5时空变化进行了预测评估。结果表明,该模型合理可行。 相似文献
40.
基于气象相似准则的城市空气质量预报模型 总被引:1,自引:0,他引:1
为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。 相似文献