集群污染源颗粒物允许排放量调控

 以包钢工业园区采暖期颗粒物排放清单为基础,利用CALPUFF大气扩散模型进行集群污染源允许排放量动态调控,其模拟调控结果可为污染物排放控制对策、措施的制定提供一定的理论指导,有助于实现包钢工业园区大气环境稳定达标.模拟结果表明,集群污染源单位排污量对控制点浓度贡献随着污染源高度的增加而降低,低矮点源和面源应作为控制重点.在采暖期气象条件不利于污染物扩散的条件下,集群污染源最大允许排放量减少到现有排放量的8.82%,而在气象条件有利于污染物扩散的条件下,其最大允许排放量减少到现有排放量的12.03%,可以实现控制区大气环境质量达标.     

AERMOD与CALPUFF模拟复杂地形空气质量的对比

根据兰州新区总体规划的产业布局,通过污染源识别出对兰州新区空气质量产生影响的污染源主要为石化园区与燃煤电厂,分别利用AERMOD与CALPUFF模拟了兰州新区SO_2小时平均、日平均和年平均质量浓度的空间分布,探讨了两种模式模拟结果的差异.结果表明,两种模式模拟的污染物质量浓度高值区均集中在石化园区附近,AERMOD模拟结果影响范围较小,主要与该模式只采用单点气象数据代表模拟范围内的气象场有关;两种模式模拟的峰值差异较大,CALPUFF模拟的污染物质量浓度普遍高于AERMOD,主要原因是CALPUFF扩散模型在复杂下垫面考虑烟团遇障碍物回流造成质量浓度叠加,从而导致污染物质量浓度较大.     

基于主成分分析法的京津冀空气质量研究

针对京津冀空气质量问题,利用SPSS软件,建立主成分分析的数学模型,提取主成分,得出影响京津冀空气质量水平的三大污染物是NO_2,SO_2,PM2.5.高斯点源模型计算出每小时分散在相同空间位置的污染物的浓度和,得出该点上的污染物浓度;多污染源扩散模型利用坐标变换的方法和GIS技术,模拟污染物扩散,实验结果表明,污染物减少的浓度越大,污染梯度变化越大.     

兰州市空气污染与气象条件关系分析

利用20012003,20072008年兰州市环境保护局环境监测站SO2,NO2,PM10逐日质量浓度监测资料及同期兰州市气象局的常规气象观测资料,分析了兰州市空气污染的变化特征,探讨了SO2,NO2和PM10质量浓度与气象条件的关系.结果表明:兰州市空气质量以良和轻微污染天气状况为主,空气污染状况呈现冬季加重夏季减轻的年变化特征.吹东北风不利于污染物稀释扩散,吹西北风有利于污染物稀释扩散,降水、相对湿度和风速等气象条件对空气污染状况有显著影响,另外该市城市热岛效应与空气污染状况有明显相关关系.     

基于GIS的厦门市区机动车尾气扩散模拟

通过实测,确定机动车排放因子,计算道路线源污染源强.结合GIS技术,应用HIWAY2、CALINE4模型模拟厦门市区机动车尾气NOx、PM10的扩散,并验证与分析模拟结果.研究表明,选取的扩散模型对PM10的模拟值比实测值平均偏低4.03%,对NOx的模拟值比实测值平均偏高1.98%,即所用模型能较准确地定量模拟厦门市区机动车尾气污染扩散状况.     

南宁市PM2.5浓度与气象因素的关系研究

摘 要 空气污染主要与污染源的排放、气象条件、地形地貌三方面因素有关。对南宁市空气质量指数与气象因素的关系进行研究,进一步探究空气污染的主要污染源PM2.5与气象因素之间的关系,分析了促进空气污染发生的气象条件。并在此基础上建立多元线性模型对空气污染物PM2.5的浓度值进行预测。结果表明预测模型拟合度R2值最大达到了0.747,说明了该模型预测效果良好并能够适用于南宁市空气污染物PM2.5的监测和预报。     

2000-2004年山东中西部五城市大气污染变化特征

以2000-2004年山东省中西部五城市(济南、济宁、德州、淄博、泰安)的主要大气污染物SO2、NO2、PM10的浓度资料为依据,分析了2000-2004年五城市主要大气污染物的季节变化特征以及年际变化趋势.根据2004年五城市主要大气污染物SO2、NO2、PM10的日均浓度值,分析了2004年五城市的空气质量现状.结果显示:2004年五城市的空气质量,济南市最差,其次是淄博、德州、济宁,泰安市最好.大气污染物浓度呈明显的季节变化特征,冬季污染最严重,夏季空气质量最好;总体来说,2000-2004年大气污染物SO2、PM10浓度呈逐年下降趋势,NO2浓度没有明显的变化趋势,到2004年,PM10污染浓度依然较高,是最主要的大气污染物.同时分析了引起大气污染物浓度变化的原因,表明大气污染物浓度的变化是地形、污染源和气象条件等因素共同作用的结果.     

重庆主城区边界层气象条件对PM10质量浓度影响分析

对雾天、晴天和阴天3种不同天气背景下边界层气象条件对PM10质量浓度影响进行了分析,结果表明:夜 间到早上,由于3种天气均出现有逆温且高低空风速较小,PM10向高空扩散能力弱,在污染源排放明显减弱的情 况下PM10质量浓度呈现自然下降态势,雾天由于相对湿度大,水汽的吸附作用,PM10质量浓度下降速度比晴天和 阴天快;上午,阴天升温不及雾天和晴天快且高低空风速也比较小,导致PM10质量浓度上升速度比雾天和晴天快; 午后,由于晴天增温快,温度高,高低空风速大,PM10质量浓度下降速度快,雾天温度增速不及晴天且地面风速变 化不大,PM10质量浓度下降速度要低于晴天,阴天增温速度明显比晴天和雾天慢,高低空风速较小,PM10质量浓 度降低速度慢,相对质量浓度高.     

基于有限体积法的土壤重金属污染物运移模拟

针对重金属污染物在土壤中的运移扩散问题,采用有限体积法对二维稳态水流中污染物运移的基本方程进行离散,获得污染物在饱和土壤中运移的有限体积法计算模型.运用Matlab模拟不同条件下重金属污染物运移的动态过程,研究污染物运移规律.研究表明,当污染源始终存在时,随着时间的推移,质量浓度等值线近似由中心抛物线形渐变为外围椭圆形,水平向和竖直向浓度均不断减小;当污染源存在10天后移除时,随着时间的推移,质量浓度等值线呈椭圆形,污染范围逐渐变大,浓度不断减小,椭圆中心处浓度最大.     

利用GRAPES-UCM模式对广州典型污染天气过程的数值模拟研究

利用城市冠层加强观测资料对GRAPES-UCM模式进行了多个例的模拟分析与效果检验,表明:城市冠层效应使城市平均气温升高1.2℃,感热通量增加163%,热岛效应增强近1.3℃;城区风速减小16%,而风速的脉动增大;GRAPES-UCM模式对城市地表温度、风速、向下短波辐射、向上长波辐射、感热通量等的模拟结果与实际观测更为接近.近地面静小风、稳定的近地面层结(逆温)及风向的辐合导致污染物的局地堆积,容易造成高PM2.5浓度与低能见度的灰霾天气;与台风外围下沉气流相联系的高温有利于高臭氧事件的发生.城市冠层模式的引入对GRAPES模式在城市下垫面的模拟效果有显著的提升作用,能更好模拟出不利于污染物扩散的气象条件.     

基于CALINE4模型的城市机动车尾气CO扩散模拟研究——以太原市快速道滨河东路为例

采用MOBILE6.2模型,在收集太原市机动车保有量、车况、气象等数据的基础上,得到太原市机动车污染排放因子.以太原市快速道滨河东路为例,采用CALINE4模型对滨河东路机动车尾气CO的扩散进行模拟计算.同时分别在冬季和夏季进行了车流量统计和CO监测分析,比较模型模拟结果与实际监测浓度之间的差异,探讨模型的适用性和准确性.研究结果表明:MOBILE6.2及CALINE4模型能够很好地应用于太原市快速路机动车尾气CO的扩散模拟,对于其他城市类似地形的街道机动车污染模拟也有一定的参考价值.     

石家庄市采暖期空气质量特征及其与气象条件的关系

为确定石家庄市采暖期易引发大气污染的气象条件,通过对石家庄市2016—2018年采暖期的空气质量逐日监测数据,以及同期气象观测资料进行研究,分析了石家庄市采暖期的空气质量变化特征,探讨了影响环境数据变化的主要气象要素,筛选并确定了PM_(10)、PM_(2.5)、AQI的污染气象指标。结果表明:石家庄市采暖期内所有天数均为非一级天,其中污染日较多,占69.58%,以PM_(2.5)为首要污染物的天数最多,其次是PM_(10);PM_(10)、PM_(2.5)、SO_2、NO_2、CO浓度与气温、变压、风速和混合层高度负相关,与相对湿度正相关(SO_2除外),O_3与气象要素的相关性和上述五种污染物相反;气象要素对大气环境影响的排序为:相对湿度风速混合层高度水汽压变压气温;确定的三种污染气象指标准确率分别是70.37%、70.37%、72.97%。     

基于变风向高斯烟团混合模型的污染物扩散研究

对气态污染物连续泄漏扩散问题,利用时间分段处理和坐标转换的方法对高斯烟团模型进行了改进,使其能够计算点源连续泄漏和风向变化的情况。基于Python开发了模拟计算程序,模拟分析了风速和大气稳定度对污染物扩散的影响。结果表明：该模型实现了风况变化和连续泄漏扩散场景下,污染物扩散的浓度分布计算;各级危险区域的面积都随着扩散时间的增加先增大,而后趋于稳定,达到稳定所需时间以及稳定后危险区域的面积都随着风速的增加而降低,随着大气稳定度的变差而降低;在各风速以及各大气稳定度下,中度危险区面积都高于其他区域,应重点防护。     

长三角典型城市PM2.5浓度变化特征及与气象要素的关系

利用长三角地区4个典型城市南京、上海、杭州、合肥2014年4月1日~2015年3月31日的PM2.5监测数据,以及同期MICAPS地面气象要素的观测资料,对该地区PM2.5浓度的变化规律及其与气象要素的关系进行了分析和讨论。结果表明:长三角地区PM2.5浓度总达标率总体表现为夏季最高,冬季最低的态势。4个城市中,上海全年总达标率最高,杭州其次,合肥最低。上海和杭州达标率月变化特征相近,南京和合肥相近;PM2.5逐小时浓度日变化曲线呈现两峰一谷型分布,最大值均出现在早晨,最小值均出现在下午16~17时之间;月平均浓度具有明显的季节变化特征,冬季最高,夏季最低;PM2.5浓度与风速呈现显著现负相关关系,受地面风向影响明显,污染物在主导风的作用下从上游污染源扩散至下风区域;与气温呈现负相关关系;从全年来看,PM2.5浓度与相对湿度呈现负相关关系,高湿度状态更有利于降水从而增加PM2.5湿清除;各个城市PM2.5浓度与气压相关性很弱,并且未通过显著性检验,可见气压是影响PM2.5浓度变化的次要因素;降水对PM2.5清除作用明显。不同城市PM2.5的变化特征及其受气象要素的影响存在差异,主要是由不同城市的地理环境、产业布局以及污染源等因素造成的。     

基于MIV-BP神经网络的公交场站污染物暴露水平测评

为了研究城市居民在公交场站污染物暴露水平下的影响程度, 分析交通、公交场站、气象条件及周边环境对污染物浓度的影响, 本文通过测量早晚高峰以及平峰期间的PM2.5浓度、CO浓度、风速、温度、车流量等10个因素, 采用平均影响值（MIV）与BP（back propagation）神经网络相结合的方法, 确定公交场站污染物暴露水平的主要影响因素, 并在此基础上建立MIV-BP神经网络测评模型。评估结果表明：公交场站PM2.5的暴露浓度与公交停靠站类型、车流量、小车流量、大车流量、风速、湿度、降雨量有关;CO的暴露浓度与瞬时停靠车辆数、公交停靠站类型、湿度、风速、温度、车流量有关;改进后的MIV-BP神经网络模型较BP神经网络具有更高的预测精度和准确度, 可有效对公交场站污染物暴露水平进行测评。     

太原地区空调系统若干设计问题的探讨

太原地区的气候条件给空调系统设计带来了一些与常规设计有所区别的特点,如在负荷计算,冷热源选择,风量确定,风和水系统设计等方面,掌握这些特点可以在空调系统设计中带来方便。     

北京市大气静稳型重污染的印痕分析

2004年10月1-10日,北京出现了一次典型的大气静稳型重污染过程。利用印痕(footprint)分析方法,结合主要污染物PM10的逐时浓度监测数据,对这次静稳型重污染过程及其影响源地进行分析。结果表明： 1 重污染过程中PM10浓度的日变化特征有明显改变,下午和晚上出现高浓度; 2 北京地区PM10浓度的水平分布总体呈“南高北低”形势; 3 重污染发展阶段伴随着印痕分布区域不断朝偏西南方向延伸的过程,延伸区域达100～200 km,反映西南方向源区对这次重污染的明显贡献。     

PM2.5的时间分布与演变扩散研究

最初利用时间序列——指数平滑法来分析PM2.5的时间分布情况.考虑到在分析过程中不确定PM2.5与时间之间存在怎样的关系,所以分别建立了一次、二次及三次指数平滑模型,通过对比分析最终确定PM2.5与时间的具体关系.为了更好的控制和治理PM2.5污染物,则需要对其扩散规律进行分析,基于此,本文建立了基于高斯扩散模型的PM2.5污染物扩散模型,建模过程中,首先建立了大气稳定状态下的基本模型,然后在此基础上又进一步建立了能够反映风速、温度以及湿度对PM2.5扩散产生影响的基本模型,具有一定的适用性.     

拉萨市几种空气污染物浓度变化与气象要素之间的关系分析

文章利用2000年6月至2005年12月拉萨市几种主要污染物SO2、NO2及PM10的浓度逐日监测数据,以及风速、风向、降水、水平能见度及太阳总辐射量等资料,分别对拉萨市几种主要污染物浓度与同期气象要素之间的关系进行了分析,并针对冬夏气候特点,分析了夏半年、冬半年拉萨市NO2污染物浓度与太阳总辐射量的相互关系。结果表明：拉萨市空气质量总体上保持良好水平;三种污染物浓度与降水强度呈显著负相关;SO2和NO2浓度与风速呈负相关,与风向变化不大,而PM10与风速、能见度呈正相关关系;在干（冬）季时,NO2的浓度值要比湿季时略高,且NO2浓度值与太阳总辐射量之间呈负相关。     

兰州市供暖期PM10浓度与气象因子分析

为研究兰州市供暖期内PM10浓度变化及其与气象因子的关系,于2007、2008年供暖期在兰州市4个典型城区,用Dust Trak Model 8530采集了303个PM10样品并收集同期3种（风速、相对湿度、气温）气象数据。运用数据统计分析方法,描述了供暖期PM10浓度的月变化和日变化趋势,同时分析了PM10日均浓度与气象因子的相关性。结果表明：（1）兰州市供暖期PM10污染十分严重,2007、2008年PM10的超标率分别为78.5%、54.5%,最大超标倍数分别达到2.27、2.81,PM10浓度日变化呈“双峰双谷”型;（2）PM10日均浓度与风速呈典型的二次函数关系,与相对湿度呈显著的负相关线性关系,而其与气温相关性不显著。