基于LES的建筑物周围监测站点代表性的研究

文章通过利用大涡模拟的方法,研究了不同建筑物高度和不同风速对建筑物周围流场的影响,并结合国控监测站点实测数据分析,探讨建筑物对监测点代表性的影响。结果表明:(1)在建筑物侧面和顶部区域风速明显增大,空腔区内流速明显降低,在建筑物背风侧尾流区随着气流逐渐远离建筑物,速度值与来流风速一致。(2)建筑物影响的绕流区范围与来流风速基本无关,主要受建筑高度影响;空腔区向下方向延伸的范围和横向范围分别是建筑物高度2.0~3.0倍和2.7~4.0倍,垂直向范围约是建筑物高度的1.3~1.6倍。(3)建筑物建成后监测点附近的流场和污染物浓度分布均发生明显变化,建筑物建成后局地风速明显降低、污染物浓度显著增加,使得监测点观测的监测数据不能代表该地区的空气质量水平,影响其代表性。     

甘肃省冬季颗粒物浓度的数值模拟

颗粒物浓度的数值模拟能够反映颗粒物的空间分布特征,对于防治大气颗粒物污染具有一定意义.利用MEIC清单和第二次全国污染源普查（简称“二污普”）数据统计的甘肃省工业源、电力源、农业源、民用源和交通源五类源的主要污染物排放量,分析了污染源排放的空间分布特征,利用WRF-Chem模式模拟了甘肃省2019年1月PM₁₀和PM_2.5浓度,将模拟结果与甘肃省33个环境空气质量国控监测点颗粒物日均监测数据进行对比,检验WRF-Chem模式模拟的性能,进一步分析了甘肃省颗粒物浓度的空间分布特征.结果表明:①甘肃省SO₂、NO_x、PM₁₀、PM_2.5、VOCs、NH₃和CO在1月的排放量分别为2.12×104、2.96×104、2.97×104、2.43×104、3.18×104、1.27×104和3.04×105 t,除NH₃外,其他污染物排放高值主要分布在兰州市、嘉峪关市等工业发达地区.②33个环境空气质量国控监测点模拟与监测的PM₁₀和PM_2.5浓度的相关系数分别为0.544和0.597,颗粒物的模拟值与监测值有较好的相关性;WRF-Chem模式模拟结果显示,PM₁₀和PM_2.5浓度高值分布在兰州市,次高值分布在天水市和庆阳市,甘南藏族自治州以及河西地区颗粒物浓度较低,这是甘肃省工业布局、扩散条件和地形条件综合作用的结果.研究显示,WRF-Chem模式可以较好地模拟甘肃省区域颗粒物浓度时空分布特征.      

基于WRF-Chem模拟验证的天水市主城区大气污染源排放清单

通过部门调研、现场调查和遥感解译等方法获取天水市主城区大气污染源活动水平数据,采用排放因子法估算了天水市主城区 10类污染源的9种污染物排放量,构建了2019年天水市主城区高分辨率排放清单,并采用横向比较法和模式验证法评估了排放清单的合理性.结果表明:(1)2019年天水市主城区 SO2、NOx、CO、VOCs、NH3...