基于航班运行规律的典型机场NOx浓度临近预测方法研究

针对天津机场区域考虑航班运行影响,应用广义加性模型（Generalized Additive Model,GAM）建立污染物浓度预测模型,对因子间的共线性问题和交互作用进行改进,得到最优的NO_x浓度预测模型.选取天津机场区域2019年11月—2020年3月环境、气象及航班数据,建立改进的GAM.结果显示：（1）改进的GAM预测效果优,可以更加准确地预测浓度峰值及变化趋势;（2）样本量会影响模型选择的因子数量及模型性能;（3）改进模型adj-R²为0.940,实测和预测NO_x浓度的相关系数为0.975,预测效果好;（4）航班活动对机场区域污染物浓度影响较大.改进的GAM考虑污染物浓度与影响因子之间的复杂非线性关系及影响因子之间交互作用对污染物浓度变化的影响,使模型精度进一步提升. GAM对污染物浓度的准确预测可为机场区域污染防治提供依据.     

京津冀机场群飞机LTO大气污染物排放清单

基于国际民航组织(ICAO)标准排放模型,调查搜集京津冀机场群9个机场实际航班情况,充分考虑了大气混合层高度的影响,采用EPA方法修正运行时间,精确估算了2018～2019航季年(364 d)京津冀机场群飞机起飞着陆循环(LTO)大气污染物排放清单.结果表明, 2018～2019航季年京津冀机场群飞机LTO循环NO_x、 CO、 SO_2、 HC和PM排放总量分别为10 720.5、 3 972.2、 407.8、 508.0和53.7 t.其中,冬春航季排放量分别为4 290.2、 1 646.7、 168.3、 220.1和22.4 t;夏秋航季排放量分别为6 430.3、 2 325.5、 239.5、 287.9和31.3 t.从空间分布来看,北京首都机场是该机场群大气污染物排放量最多的机场.从时间分布来看,07:00～08:00处于排放量最高峰, 12:00～20:00处于中等偏高排放水平, 21:00之后排放量相对较低.飞机在LTO循环中NO_x和CO排放量较多,PM排放量最少.各污染物不同工作模式下的排放情况差异明显.在该机场群起降所有机型中,B777单位LTO循环排放污染物最多,B737最少,B787单位LTO循环排放HC最低.     

天津机场区域大气NO2及O3影响因子研究

在紧邻天津机场跑道的点位对机场区域大气常规污染物开展连续监测,应用广义加性模型（GAM）,针对2017年3月1日~2018年2月28日间的NO₂及O₃,识别其影响因子,并确定因子贡献率.选取因子包括环境因子（SO₂、NO、NO₂、O₃、CO、PM_2.5、PM₁₀、前一小时NO₂/O₃浓度）,气象因子（风向、风速、温度、露点温度、修正海压）及航空活动因子（起飞、着陆）.结果显示：机场区域NO₂日均值为17.6~123.6μg/m³,超标天数共计38d,占比约13%;O₃日均值为1.0~276.1μg/m³,超标天数占比26%,污染主要集中在夏季;环境因子是主要影响因子,累积贡献率在56%~89%;航空活动作为区域重要污染源,对大气NO₂、O₃存在一定影响,最高贡献率可达20%;气象因子相对贡献较低.全部GAM的Adj-R²为0.85~0.96,筛选的影响因子能够有效解释区域环境空气污染物浓度的变化.