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.     

基于土地利用回归模型的北京市2013-2019年大气污染时空变化分析

在近年来大力控制大气污染的背景下,通过历史观测数据分析污染物的时空变化特征,有助于总结以往控制的成效,并为制定下一阶段措施提供科学依据.本研究基于北京市大气环境质量监测站点2013—2019年数据,分析了6种常规大气污染物（PM_2.5、NO₂、O₃、PM₁₀、SO₂、CO）的时间变化趋势,并构建了2013和2019年PM_2.5、NO₂和O₃ 3种主要污染物的土地利用回归模型（Land use regression model, LUR）,对它们详细的空间分布及变化特征进行了分析.结果表明,污染物浓度在过去7年中发生了重大变化,除O₃增长,其余5种污染物下降明显.不同城区间的差异在迅速缩小,污染物浓度在空间上趋于均匀.PM_2.5呈明显的南高北低,城区NO₂浓度显著高于郊区和山区,O₃在主城区尤其是道路附近浓度较低.约50%的区域PM_2.5下降30 μg·m^-3以上,约40%的区域NO₂下降幅度为5~15 μg·m^-3,道路附近O₃升幅在20 μg·m^-3以内.研究结果揭示出北京市及其周边地区大气污染治理近年来取得了卓有成效的成绩,但同时也面临着O₃浓度升高的新挑战.     

SCS-CN模型中土壤参数的作用机制研究

土壤参数是地表径流模型中的关键参数,对径流过程模拟有重要影响,因此有必要明确土壤参数的作用机制。论文结合SWAT (Soil and Water Assessment Tool) 模型,以广泛应用的径流曲线数模型(SCS-CN) 为例,对土壤参数在SCS-CN模型中的作用进行了理论推导、分析和实例研究。分析表明,土壤饱和含水量参数与田间持水量参数的比值,是影响不同土壤湿度下地表产流能力的重要因素,两者比值越大,土壤含水量对地表产流能力的调节越弱,导致基于不同土壤模拟的地表径流量随土壤湿度的波动而上下反转。以实际流域为例,发现不同土壤数据模拟地表径流间差别的显著季节性特征;阐明该差别季节性变化的内在机制,验证了理论分析结论。为深入理解产流过程、合理选择土壤数据、模型参数优化及模拟结果解释提供了参考。