城市大气污染预报模式的研究进展
城市环境空气污染预报研究进展
任万辉
城市环境空气污染预报研究进展
Ｒｅ ｅ ｒ ｈ Ｐｒ ｇ ｅ ｓ ｏ ｒＰ ｌ ｔ ｎ Ｆ ｒｃ ｓ ｉｇ ｉ ｂ ｎ Ａｒ ａ ｓ ａ ｃ ｏ ｒ ｓ ｆ ｏ ｌ ｉ ｏ ｅ ａ ｔ ｎ Ｕｒ ａ ｅ Ａｉ ｕｏ ｎ
任 万辉 苏枞 枞 赵宏德
Ｋ ｙ ｗｏ ｄ Ａｍｂｅ ｔ ｒ Ｐ ｌ ｔ ｎ Ｆ ｒ ｃ ｓｉｇ Ｒ ｓ ａ ｃ ｒ ｇ ｅ ｓ ｅ ｒｓ ｉｎ ｏｌ ｉ ｏ ｅ ａ ｔ ｅ ｅ ｒ ｈ Ｐ ｏ ｒ ｓ Ａｉ ｕｏ ｎ
１ 引 言
开展 空 气 污 染 预 报 工 作 是 加 强 空 气 污 染 防 治， 实现 环境综 合 管理 和决 策 科 学 化 的重 要 手 段 ，
对 大气 物 理 和 化 学 过 程 的理 解 ， 用 数 学 方 法 建 利
２ 空气污染预报分类
空气 染 预报是 根据 前 一 天 城 市 污染 物 排 放 立 大气 污 染 浓 度 在 空 气 中 的 稀 释 扩 散 的 数 值 模 亏 通过 计 算 机 高 速 计 算 来 预报 大 气 污 染 物 浓 度 情 况 以及 第二 天 的气 象 条件 、 大气 扩 散 状 况 、 理 型 ， 地 地貌 等 因素 ， 预 测 次 １该 地 区 的空 气 污染 程 度 在 空气 中的动态 变 化 。数 值 预报 包 括 气 象 要 素预 来 ３ 它 对公众 １常活动 的影 响 和危 害 ， 及 时 做 出预 报 。 报 和污染 物 浓 度 预 报 两 个 方 面 ， 与 一 般 的数 值 ３ 并 有 空气 污染预 报 分 为空 气 污染 气 象 条 件预 报 和空 气 天气预 报 不 同 ， 着 许 多 独 有 的特 征 。数 值 预 报
大气污染模拟与预测技术研究
大气污染模拟与预测技术研究随着城市化的不断加速，大气污染也越来越成为我们社会中不可忽视的问题，影响到人们的生态健康及生活质量。
因此大气污染监测和预测技术研究一直在得到广泛关注。
本文将介绍大气污染模拟和预测技术研究的相关情况。
一、大气污染模拟技术大气污染模拟技术是一种基于计算机模型，对空气质量的变化进行模拟和预测的技术。
该技术的核心是大气分布模型，它可以模拟和预测大气中的污染物在空气中的传输和转化过程，对于实现大气污染的快速监测和处理具有重要的意义。
早期的大气污染模拟技术基本上是基于经验公式和统计分析法，处理精度和容错率较低，并且容易出现误差。
随着计算机技术的发展和模型参数的完善，基于计算机模型的大气污染模拟技术得到了迅速的发展。
和早期的经验公式比较，采用计算机模型可以更加准确地模拟和预测污染物在不同气象条件下的分布状况。
现在常见的大气污染模拟技术包括高斯模型、拉伸的高斯模型和复合高斯模型。
其中，复合高斯模型能够更好地模拟污染物在不同气象条件下的分布规律，因此在实际应用中得到了广泛的应用，提高了大气污染防治的效果。
除了以上三种模型，最近几年，由于人工智能的发展和气象大数据的丰富，深度学习在污染物模拟中也开始得到应用。
二、大气污染预测技术大气污染预测技术是指根据大气状态、气象条件和人类活动等各种因素，将当前和未来的空气质量变化趋势进行预测的技术。
通常，大气污染预测技术可分为短时预报和长时预报。
短时预测与长时间预测都需要大气污染模拟技术的支持，也就是说，大气污染预测技术具有高度的先验性。
基于现有监测数据和气象数据，我们可以利用数学模型来判断环境污染的发生频率和发生概率，以便为政府决策部门、公众、环保部门和各大企业等提供科学依据，进而推动国家和企业在大气污染防治方面取得重要进展。
大气污染预测技术的主要目标是判断污染物浓度的发生频率和发生程度。
准确的大气污染预测技术可以预测空气质量恶化的时间、空间和程度，以便制定有效的污染物控制和防治策略。
大气污染模拟与预测技术研究
大气污染模拟与预测技术研究引言近年来，全球大气污染问题越来越受到人们的关注。
大气污染已成为全球性的环保问题。
在中国，对于大气污染的治理已成为一项紧迫而重要的任务。
为了掌握大气污染状况，制定科学的环境政策，需要运用大气污染模拟与预测技术。
本文将结合国内外最新科研进展，讨论大气污染模拟与预测技术的研究进展，包括数值模拟、空气动力学模拟和机器学习等方面。
第一章数值模拟技术数值模拟技术是利用数学模型模拟环境污染物输移和转化过程的一种手段。
数学模型能够精确地描述环境系统的运动、输运和转化规律，通过计算机数值模拟方法，可以预测和分析环境污染物在空气中的分布规律。
数值模拟技术的最新研究表明，适当的边界条件和数值稳定性是取得模拟精度的关键因素。
在确定边界条件时，需要考虑气象条件、污染源位置和排放强度等因素。
同时，数值模拟技术需要在计算机程序设计中排除数值误差、舍入误差和稳定性误差等问题，以提高模型的精确度。
在数值模拟方面，研究人员还探索了如何利用扩散模型和气流模型来模拟和预测大气污染物的扩散和排放。
扩散模型利用统计学理论讨论环境污染物在自然界中的传输过程，特别是环境污染物在空气中的扩散和沉降。
气流模型研究的是大气流动现象，它分析了空气的动力学性质，如流速、流向、压力和温度等，以模拟和预测大气污染物的扩散和排放。
数值模拟技术作为一种强有力的手段，对大气污染的预测和控制产生了积极的影响。
第二章空气动力学模拟技术空气动力学模拟技术是一种以空气动力学原理为基础，模拟大气污染物在空气中运动规律的技术。
空气动力学模拟技术结合了计算机科学、数学和物理学等知识，通过模拟大气流动和污染物扩散的过程，预测和评估大气污染的影响。
空气动力学模拟技术与数值模拟技术相比，具有更高的精确度和更好的实时性。
空气动力学模拟技术可以模拟和预测大气中不同高度和速度的气流的运动情况，这有助于更好地理解空气质量的变化趋势。
同时，在空气动力学模拟技术中，大气污染物的传输速度、传输距离和下降速度也可以被准确地估计出来。
大气污染预测与防治技术研究
大气污染预测与防治技术研究近年来，随着工业化和城市化的快速发展，大气污染问题日益严重，给人们的健康和生活环境带来了巨大的影响。
因此，研究大气污染预测与防治技术显得尤为重要。
通过对大气污染的准确预测和科学有效的防治，可以有效地改善人们的生活质量，促进可持续发展。
大气污染预测是确定大气污染程度和分布的过程。
通过准确的预测，可以帮助政府和相关部门制定针对性的防治策略，以最小化大气污染对人类健康和环境的影响。
传统的大气污染预测主要依赖于监测站点的数据收集和分析，然而这种方法存在着覆盖面不广、时效性滞后等问题。
为此，研究人员开始探索利用先进的技术手段来提高大气污染预测的准确性和及时性。
一种常用的大气污染预测方法是基于气象模型的数值模拟。
这种方法通过建立数学模型，模拟和预测大气污染物的扩散和转化过程。
通过获取气象和污染物浓度的数据，结合气象模型，可以准确地预测大气污染的时空分布。
然而，气象模型的准确性和计算复杂度是该方法的局限性，目前仍需要进一步提高。
另一种提高大气污染预测的技术是基于遥感数据的空间分析。
遥感技术可以通过卫星或飞机对地球表面进行观测，获取大气质量的相关信息。
这些数据可以用于推测大气污染来源和传输路径，从而预测大气污染的扩散情况。
这种方法具有广泛的覆盖面，可以提供详细的区域和全球尺度的大气污染情况。
然而，遥感数据的分辨率和精度仍然需要进一步改善，以提高预测的准确性。
除了大气污染预测，防治大气污染也是非常重要的。
在大气污染防治方面，中国已经制定了一系列政策和措施，以减少大气污染的排放和改善空气质量。
例如，实施了大气污染源的清洁化、建立了排放监管和减排机制等。
同时，加强工业和交通领域的污染物减排措施也是关键。
在大气污染防治技术方面，控制大气污染源是首要任务。
采用洁净燃烧技术是减少燃煤造成大气污染的重要方法。
除此之外，发展新能源替代传统能源也是改善大气环境的有效途径。
此外，加强监管和执法力度、鼓励市民采取环保行为等也是防治大气污染的重要手段。
大气污染气象监测及预测研究
大气污染气象监测及预测研究：提高空气质量空气污染是全球面临的重要环境问题，也是影响公众健康的主要因素之一。
随着气候变化、工业化、城市化的加速进行，空气污染问题变得越来越严重。
因此，对大气污染的监测和预测研究变得至关重要。
大气污染监测大气污染监测是指对大气污染的来源、成分、浓度和传输过程进行实时的、连续的、准确的监测，从而提供了解空气质量变化情况的数据支撑。
大气污染监测可分为空气质量监测、大气环境监测、排放监测等。
其中，空气质量监测主要是对大气环境中六种主要市区大气污染物的浓度进行监测，并提供相应的空气质量级别。
大气污染预测大气污染预测是指在实时监测和分析基础上，利用一定的模拟方法对未来一段时间内的大气污染状况进行预测，以便对大气污染防治工作提供决策支持。
大气污染预测有机会对环境保护部门和公众提供风险提醒和预警信息，有助于采取合理的控制措施，促进环境质量改善。
大气污染监测和预测方法传统的大气污染监测方法主要是利用大气环境监测站点进行的现场监测。
而新式的大气污染监测和预测技术已经在国内外得到广泛应用，具有更高可靠性和更高时空分辨率的特点。
其中，卫星遥感技术、地面站点网络等是常用的监测方法。
卫星遥感技术是通过用于监测大气污染浓度的卫星传感器获得干预区域内的高分辨率图像，以了解污染浓度的时空分布情况。
相对于传统的站点监测和采样方法，卫星遥感技术具有实时性强、时空分辨率高、监测成本低等特点。
美国、欧洲、加拿大等国家已经通过建立气溶胶和气体注入追踪监测技术，实现了卫星遥感与传统监测方法结合，对全球或区域性大气污染实时监测和研究成果。
地面站点网络也是大气污染监测和预测的一种重要方法。
地面站点网络主要是利用分布在全国各地的气象站点，如掌盟空气站，通过自动化测量仪器获取污染物浓度、气象等实时数据，并形成省、市级污染物浓度的实时监测报告。
通过将数据整合到大气数值预测模型中，可实现未来24~72小时的大气污染预测。
结语目前，各国家不断加强空气质量监测和预测研究，为治理大气污染提供了有效手段。
大气污染预报研究取得新进展
大气污染预报研究取得新进展 胡 非 郭亚曦 (大气物理研究所LAPC 北京 100029) (中国科学院资环局 北京 100864)关键词 大气环境,大气污染预报,研究成果1 引言中国科学院“九五”重大项目“大气污染预测的理论和方法研究”系由中国科学院大气物理研究所负责的一项前瞻性应用基础研究和社会公益性研究项目,参加本项目研究的单位还有中国科学院寒区旱区环境与工程研究所(原兰州高原大气物理研究所)和中国科学技术大学。
本项目的科学目标是在深入认识大气污染扩散等过程的规律的基础上,运用国际上先进的数值预报方法预测污染物浓度的时空分布,就象预报天气一样预报空气污染。
研究内容主要包括大气污染动力学、大气污染的气象条件、大气污染预测模式和大气污染预测试验。
本项目研究工作的关键问题和难点是污染物输送扩散过程中所发生的非线性物理、化学过程;造成严重大气污染的气象条件;高分辨率的中尺度气象模式和大气边界层模式;科学性和实用性有机结合的城市和区域尺度大气污染浓度预报模式。
具体预报对象是二氧化硫(SO2)、氮氧化物(NO x)、总悬浮颗粒物(T SP)以及臭氧(O3)、一氧化碳(CO)等,预报时效以短期(24—48小时)为主。
两年多来,本项目不仅在大气污染预测理论上取得了较大进展,而且已率先在国内研制出一套城市和区域大气污染预报模式系统。
为验证和改善预报理论及模式,提高模式的可信度,积累实践经验,该项目从开始就坚持了边研究边进行预报试验的技术路线。
利用研制的模式系统与国家环境监测总站和北京、天津及沈阳的有关部门合作,成功地进行了实际的大气污染预报,并获准在电视、电话等媒体上公布,社会反映良好,特别是沈阳区域气象中心利用本项目研制的预报模式开通污染预报“121”电话服务后,还取得了一定的经济效益。
目前本项目正在与南京市和广州市商讨签订开展大气污染预报合作的协议,并获得了研究所知识创新工程项目的进一步支持。
2 具体研究内容和研究成果以下分四个方面介绍本项目的主要研究内容和阶段性成果,其中许多实验研究和数值模 大气物理研究所研究员 收稿日期:1999年12月19日拟结果在国内都是首次得到的,有些还达到了国际先进水平。
大气污染治理技术的研究进展与应用前景
大气污染治理技术的研究进展与应用前景空气污染是人类生存面临的重大环境问题之一。
根据世界卫生组织数据显示，全球每年因空气污染所致的早逝人数超过700万人。
同时，大气污染也导致着全球各地的环境问题。
为了解决这一问题，各种大气污染治理技术也应运而生。
本文将围绕大气污染治理技术的研究进展与应用前景进行阐述。
一、大气污染治理技术的研究进展随着科技的不断进步，大气污染治理技术在近年来得到了一定的进展。
其中，主要表现在以下三个方面：1. 治理方法多样化大气污染治理技术的研究不断拓展，涌现出了各种新兴的治理方法。
例如，利用生物技术可以降解对环境造成危害的化学物质，包括二氧化硫、二氧化氮等。
此外，还有利用气相催化和电催化技术来降解有机污染物的新技术。
这些研究为大气污染治理提供了更为多样化的选择。
2. 治理效果逐渐提升针对大气污染治理技术的反馈效果，国内外的研究人员不断探索寻找新的技术。
例如，在常规技术的基础上，研究人员开发了大气污染源感知技术，利用无人机等设备对空污点位进行实时的监测和图像识别。
这项技术可为抑制工业排放、交通尾气、城市扬尘等多种大气污染源提供技术支撑。
通过这种手段，在治理大气污染问题上，制定更为具体的策略，趋于科学化，治理效果也逐渐得以提升。
3. 治理技术平台化为了构建一个更为稳定可靠的大气污染治理技术，国家将工程治理技术和应用技术相结合，将大气环境污染的细节、特征通过大数据处理软件平台进行数字化，以便对污染源进行准确定位及污染物排放量、浓度进行追踪管理。
也就是说，大气污染治理技术已日趋平台化，以大数据、区块链的技术手段对治理效果进行科学分析、评估及实施。
这带来的不仅是部分污染物的减排，同时也降低了大气环境治理的成本。
二、大气污染治理技术的应用前景随着大气污染治理技术的不断全面升级，相应的应用前景也日益广阔。
1. 应用前景具备政策推动作为环保工作的重点，大气污染治理得到了各国政府的高度重视。
例如，在2018年，“蓝天保卫战”成为了我国治理大气污染的重要行动计划，旨在到2020年使全国74个地级及以上城市达到优良空气质量站点占比达到80%，部分重点区域空气质量改善显著。
《2024年西安市大气污染气象条件分析及空气质量预报方法研究》范文
《西安市大气污染气象条件分析及空气质量预报方法研究》篇一一、引言近年来，随着社会经济的快速发展和城市化进程的加快，大气污染问题已成为国内许多城市共同面临的挑战。
西安市作为我国西部重要的经济和文化中心，其大气污染问题尤其值得关注。
对西安市的大气污染气象条件进行深入研究，并探索有效的空气质量预报方法，对于改善城市环境质量、保障人民健康具有重要意义。
二、西安市大气污染气象条件分析1. 气象条件概述西安市位于我国西北部，气候以暖温带半湿润为主，四季分明。
冬季因供暖排放增加及风速较小，容易形成静稳天气，不利于污染物扩散；夏季高温、强降水天气对污染物也有一定的稀释作用。
2. 气象因素对大气污染的影响（1）风速与风向：风速较大时，有利于污染物的扩散和稀释；而风速较小或静风状态时，污染物难以有效扩散，导致空气质量恶化。
（2）温度与湿度：温度高时有利于污染物排放，而湿度高时易形成气溶胶颗粒物，增加大气污染程度。
（3）降水与大气污染：降水对大气中的颗粒物有明显的清除作用，有利于改善空气质量。
三、空气质量预报方法研究1. 数值模拟模型通过引入高分辨率的气象数据和污染物排放数据，运用空气质量数值模拟模型，如嵌套式网格模型（NEQMS），模拟和预测未来一段时间的空气质量变化情况。
2. 卫星遥感技术利用卫星遥感技术监测大范围的空气污染情况，结合地面观测数据，为预报模型提供准确的大气成分信息。
3. 人工智能预测模型结合机器学习和深度学习技术，建立基于历史数据的预测模型，通过分析气象、交通等多方面因素，提高空气质量预报的准确性。
四、研究进展与展望目前，西安市已建立了较为完善的空气质量监测网络和预报系统。
通过不断引入新技术和新方法，如数值模拟、卫星遥感及人工智能等手段，空气质量预报的准确性和时效性得到了显著提高。
然而，仍需在模型精细化、数据共享等方面进一步加强研究，以更好地服务于城市的环境管理和大气污染防治工作。
五、结论通过对西安市大气污染气象条件的分析及空气质量预报方法的研究，我们了解到气象因素对大气污染的重要影响以及预报技术的发展趋势。
城市空气质量模式研究进展
城市空气质量模式研究进展摘要：大气污染物扩散模式的应用受到物理化学特征、污染源特征等多种因素的制约，综述了不同的大气污染物扩散模式适用的范围，分别阐述了ISC、AERMOD、ISCST、ADMS等适用于中小尺度的和CALPUFF等应用于大尺度的不同大气污染扩散模式的研究进展。
关键词：大气污染；扩散模式；空气质量中图分类号：X3文献标识码：A文章编号：1672-3198（2011）13-0248-021引言工业污染源的排放对大气环境质量有直接的影响，同时也直接影响了周围居民的身体健康及生活。
但由于高成本和相关实验的难度，对污染物浓度进行准确的动态分布监测不是十分可行，因此大气污染物扩散模式被广泛用来模拟预测污染物的扩散分布情况，评估大气环境质量。
大气污染物扩散模式结合污染物浓度和气象资料定量分析污染物在大气中输送、扩散特征。
最初，模式的研究理论核心是高斯扩散理论，应用范围是小尺度。
随着研究的逐渐深入和计算机的发展，开始利用计算机进行数值计算，突破了高斯扩散理论均匀平稳湍流的限制，可以求解非均匀、非定常的污染物扩散问题，且模式的适用范围向中尺度、大尺度扩展。
目前，数值计算已经成为研究的主流方法，研究范围也在逐步扩大。
大气污染物扩散模式的应用受到地形、气象、大气污染物的物理化学特征、污染源特征等多种因素的制约，不同的扩散模式都有各自不同的考虑因素和适用范围，选择恰当的扩散模式能够较为准确地模拟污染物的扩散及分布，用于城市环境空气质量预报。
目前，己经有许多发展成熟的污染物扩散模式应用于不同尺度的污染物扩散研究，其中不少模式经过验证都获得了较好的结果，国内的相关研究中尤其以高斯类模式的应用最为广泛。
2大气污染物扩散模式的类型近年来针对工业点源的大气污染物扩散模式的应用，结合模式的理论核心以及应用特征，目前常用的扩散模式以高斯公式、拉格朗日方法、欧拉方法为基础。
高斯模式是半经验型扩散模式，假定下风向的污染物浓度符合正态分布，是很多实用模式发展的基础。
城市空气质量模式研究进展
度 、 尺度 扩 展 。 目前 ， 大 数值 计 算 已经 成 为 研 究 的 主 流 方 范 围 的 空 间 和 时 间 尺 度 。 当 研 究 现 象 受 多 种 尺 度 影 响 时 需 要 同 时 模 拟 几 个 不 同 尺 度 ， 此 有 必 要 构 建 一 个 基 于 一 系 因 法 ， 究 范 围也 在 逐 步 扩 大 。 研 大气 污染物 扩散模式 的应用 受到 地形 、 气象 、 气 污染 列 嵌套模式 的模 拟系统来 表示 不 同现象 和尺 度 。构 建这 种 大 物的物理 化学特征 、 污染源特 征等 多种 因素 的制 约 ， 同的 模 拟 系 统 有 两 种 可 能 的 方 法 。第 一 种 是 基 于 单 个 三 维 欧 拉 不 嵌 该 扩 散 模 式 都 有 各 自不 同 的 考 虑 因 素 和 适 用 范 围 ， 择 恰 当 选 模 式的 使 用 ， 套 在 几 个 不 同 尺 度 中 ， 方 法 被 采 用 到 ＴＰ Ｍｓ 。第二 种方法 是 以不 同类型 的模 的扩 散 模 式 能 够 较 为 准 确 地 模 拟 污 染 物 的 扩 散 及 分 布 ， 用 ＭＥ ＨＯＭＯＤ和 ＲＡ 选择 模 式来 表 示特 定 于城 市环境空 气 质量 预 报 。 目前 ， 己经 有 许多 发 展成 熟 的 式 在不 同时 间尺度 上 的应 用 为 基础 ， 污染 物 扩 散 模 式 应 用 于 不 同 尺 度 的 污 染 物 扩 散 研 究 ， 中 其 尺 度 下 的主 要 物 理 过 程 。以 第 二 种 方 法 构 建 的 模 拟 系 统 在
散模 式适 用的范 围， 别 阐述 了 ＩＣ、 Ｒ Ｄ、Ｓ Ｓ ＡＤＭＳ等适 用于 中小尺 度的和 Ｃ Ｐ Ｆ等应 用于大尺 度的 不 同 分 Ｓ ＡＥ ＭＯ ＩＣ Ｔ、 ＡＬ ＵＦ
大气污染治理技术的研究进展与应用前景
大气污染治理技术的研究进展与应用前景近年来，全球大气污染日益严重，对人类健康和环境造成了严重的威胁。
为了应对这一挑战，各国不断加强大气污染治理技术的研究，不断探索创新的解决方案。
本文将对大气污染治理技术的研究进展与应用前景进行探讨。
1. 大气污染治理技术的研究进展1.1. 大气污染源的排放控制技术大气污染源的排放是大气污染的主要原因之一。
通过采用先进的排放控制技术，可以显著减少污染物的排放。
例如，电除尘技术和脱硫脱硝技术可以有效地降低燃煤电厂的大气污染排放量。
此外，采用低氮燃烧技术和催化转化技术可以降低汽车尾气中氮氧化物的排放。
1.2. 大气污染治理工艺的改进大气污染治理工艺的改进也是研究的重点。
例如，对于煤炭燃烧产生的二氧化硫和氮氧化物，可以采用湿法烟气脱硫和选择性催化还原等技术进行治理。
此外，光触媒技术和等离子体催化技术等也在大气污染治理中得到了广泛应用。
1.3. 大气污染模拟与预测技术大气污染模拟与预测技术可以帮助研究人员理解大气污染的来源和传输规律，为大气污染的治理提供科学依据。
目前，数值模拟和遥感监测技术在大气污染模拟与预测中得到了广泛应用。
通过这些技术，可以对大气污染的时空分布进行准确预测，进一步优化治理策略。
1.4. 大气污染监测与评估技术大气污染监测与评估技术可以帮助我们了解大气污染的程度和分布情况，为制定治理措施提供参考。
传统的大气污染监测手段主要包括采样分析和在线监测。
而近年来，随着传感器技术的发展，智能传感器网络已经成为大气污染监测的新趋势。
2. 大气污染治理技术的应用前景2.1. 技术的推广应用随着大气污染治理技术的不断发展，各国政府和环保部门正积极推广这些技术的应用。
例如，将先进的排放控制技术和治理工艺在燃煤电厂、工业企业和交通运输等领域得到广泛应用，以降低污染物的排放。
2.2. 技术的集成创新未来的大气污染治理将会更加注重技术的集成创新。
通过将不同的治理技术进行组合和优化，可以实现更高效的污染物减排。
空气质量预报技术的研究
空气质量预报技术的研究近几十年来，随着工业和交通的快速发展，以及气候变化等因素的影响，空气质量成为了人们关注的焦点。
而空气质量预报技术的研究则是应对这一问题的重要手段之一。
本文将从监测、建模和预报三个方面介绍空气质量预报技术的研究。
一、监测空气质量监测是空气质量预报的基础。
目前，城市空气质量监测使用的测站设有多种传感器，可以检测二氧化硫（SO2）、氮氧化物（NOx）、臭氧（O3）、颗粒物（PM）等多种有害物质的浓度。
而非正式监测的方法也有不少，例如利用卫星遥感技术等。
此外，由于城市内的微环境差异较大，监测点的选择也很有讲究，如何合理地选取监测点是一个问题。
监测得到的数据需要进行质控，以保证数据的准确性。
在质控过程中，需要对数据进行筛选、插补和对比等操作，以及通过贝叶斯方法等模型进行误差分析，进一步提高数据的可靠性和精度。
二、建模建立准确的空气质量预报模型是实现空气质量预报的关键。
由于空气质量受到多种因素的影响，建模涉及的因素非常复杂。
其中，气象因素、污染源、地形地貌、人类活动等因素是影响空气质量的主要因素。
而如何从海量的数据中提取有效的信息，快速构建可靠的模型，是研究空气质量预报的重要挑战之一。
目前，建模主要采用数学统计方法和数据挖掘方法。
其中，数学统计方法包括线性回归、多元回归、主成分分析等模型；而数据挖掘方法包括人工神经网络、支持向量机、决策树等模型。
这些模型可以根据不同的数据类型和需要进行选择。
三、预报空气质量预报的主要目的是提前预警和预测空气质量状况，从而采取相应措施，减轻对人体健康和环境的影响。
预报可以分为短时作业预报和长时序列预报两种类型。
短时作业预报是指对当天或下一天的空气质量进行预报。
这种类型的预报一般基于实时的监测数据，结合气象局发布的天气预报和流动性模型，预报当日和下一日的污染物扩散与浓度分布情况。
长时序列预报是指对未来几天、甚至更长时间的空气质量进行预报。
这种类型的预报需要考虑更多的因素，如气象、污染源等因素的变化趋势，常用的预报方法是时间序列分析和ARIMA模型等。
城市大气污染监测预警系统研究
城市大气污染监测预警系统研究城市大气污染是现代城市发展的必然产物，长期以来，大气污染被认为是城市中最大的环境问题之一。
为了解决这一问题，全球范围内的城市管理者和研究人员都在努力寻找有效的解决方案。
城市大气污染监测预警系统就是其中之一，下面我们一起探究一下这一领域的研究现状。
一、城市大气污染监测的现状城市大气污染监测是指对城市大气环境中的多种污染物进行实时监测和分析，以了解空气质量状况，并对外发布污染物浓度数据。
目前，世界各地的城市都建立了大气污染监测网，以便更好地监测和控制城市大气污染。
在中国，城市大气污染监测系统的建设也在不断推进中。
自2013年以来，全国已建立垂直观测网络153项，监听点超过1000个，同时也建立了实时污染物监测和信息共享系统。
而在监测体系上，各地方政府也建设了大量的城市空气自动监测站，确保了城市空气质量信息的实时监测发布。
但是，目前的监测系统仍然存在着一些问题。
一方面，这些监测系统的覆盖范围和分辨率有限，不能真正反映城市全局空气质量的变化；另一方面，在监测设备的选型、维护和质量管理方面，也存在着诸多问题，使得监测数据的可靠性和准确性受到威胁。
二、城市大气污染预警的研究现状现在，随着大气污染监测技术不断发展，城市大气污染预警也越来越受到研究人员的关注。
城市大气污染预警是指利用大气污染监测的数据，运用模型预测大气污染发生的可能性，并提前给出警告和建议。
在中国，城市大气污染预警的研究也在不断深入和推进。
针对复杂的城市环境和污染物排放状况，研究人员利用模型对污染物的来源、传输和转化进行了深入分析，提出了一系列预警方法和模型，并在实际模拟应用中进行了验证。
目前，国内外的城市大气污染预警技术主要包括基于监测数据及时提供空气污染预报信息的预警模式、通过气象和污染模型计算预报污染物浓度的模型预警模式、基于监测、模型、风向预测、流量传输等多来源数据综合预报的智能预警模式。
三、城市大气污染监测预警系统的建立在城市大气污染监测预警系统的建立中，需要考虑两个关键因素：一是如何建立高质量的监测网络，二是如何建立稳定的预警模型。
西安市大气污染气象条件分析及空气质量预报方法研究
西安市大气污染气象条件分析及空气质量预报方法研究西安市大气污染气象条件分析及空气质量预报方法研究摘要：随着社会经济的快速发展，大气污染问题成为了全球范围内关注的焦点。
西安作为一个经济中心和历史文化名城，其大气污染程度也日益严重。
本文旨在通过对西安市大气污染气象条件的分析及对空气质量预报方法的研究，为西安市的大气污染治理提供科学依据。
一、引言大气污染对人类健康和生态环境造成了严重的威胁。
西安市位于中国大陆的西北部，受工业化和城市化进程的影响，大气污染问题日益突出。
因此，研究西安市大气污染气象条件及空气质量预报方法，具有重要的理论和实践意义。
二、西安市大气污染气象条件分析1. 气象要素与大气污染关系的分析在西安市的大气污染中，气象要素起到了至关重要的作用。
通过对西安市的气温、湿度、风速、风向等气象要素的监测与大气污染指标的相关性分析，可以发现其中的关联关系。
2. 高污染天气类型及形成机制分析通过对西安市高污染天气类型的分类，我们可以了解到不同类型的污染天气形成机理。
如霾天气形成的主要原因是大气稳定层高度低、湿度大、风速小等；夏季臭氧污染主要与高温、强日照、闪电活动相关。
三、西安市空气质量预报方法研究1. 基于统计模型的空气质量预报方法通过收集历史的气象和空气质量监测数据，结合气象因素和污染物排放情况，利用统计模型建立空气质量预报模型，以预测未来一段时间内的空气质量状况。
2. 基于数值模拟的空气质量预报方法利用数值模拟技术，结合气象数据和污染源分布，建立精细化的空气质量模型，通过对大气层流和污染扩散过程的模拟，预测未来一段时间内的空气质量状况。
四、结论通过对西安市大气污染气象条件的分析和研究空气质量预报方法，可以为西安市的大气污染治理提供科学依据。
通过了解气象条件与大气污染的关联性，可以有针对性地采取措施来减少污染物排放。
同时，建立科学可靠的空气质量预报方法，可以提前预知大气污染的发生，提供准确的预警信息，为市民做好防护措施，减少对健康和环境的危害。
大气污染控制技术研究进展
大气污染控制技术研究进展近年来，随着城市化进程的加速以及工业化的不断发展，大气污染问题日益突出，给人们的生活环境和健康带来了严重的影响。
为了应对这一问题，全球各地的科研机构和专家们不断致力于大气污染控制技术的研究与开发。
针对这些问题，本文将从氮氧化物控制、可燃性有机物控制和颗粒物控制三个方面，综述大气污染控制技术的研究进展，并展望未来的发展方向。
一、氮氧化物控制技术研究进展氮氧化物（NOx）是一类重要的大气污染物，对大气环境和人体健康带来严重影响。
为了减少NOx的排放量，研究人员提出了多种控制技术，例如选择性催化还原（SCR）技术、选择性非催化还原（SNCR）技术以及低氮燃烧技术。
SCR技术是目前应用最广泛的氮氧化物控制技术之一，它利用催化剂将NOx转化为无害的氮气和水。
而SNCR技术则是通过在高温下加入氨水或尿素来与NOx进行反应，将其转化为氮气和水。
此外，低氮燃烧技术是通过优化燃烧过程中的氧气和燃料比例，减少氮氧化物的生成。
二、可燃性有机物控制技术研究进展可燃性有机物（VOC）是大气污染的重要组成部分，包括挥发性有机物和可燃性气体。
这些物质不仅对空气质量有害，还与光化学烟雾等二次污染物的形成密切相关。
为了有效控制VOC的排放，科研人员开展了许多研究工作。
其中，膜分离技术、活性炭吸附技术以及催化氧化技术得到了广泛的应用。
膜分离技术通过将含有VOC的气体与聚合物膜进行接触，利用渗透和分离机理将VOC从气体中分离出来。
活性炭吸附技术则利用活性炭材料的吸附特性，将VOC从气体中吸附并固定在表面上。
而催化氧化技术则是利用催化剂将VOC转化为无害的水和二氧化碳。
三、颗粒物控制技术研究进展颗粒物是大气污染中重要的污染物之一，对人体的健康有着严重的影响，尤其是细颗粒物（PM2.5）。
为了减少颗粒物的排放，科研人员在传统的污染物控制技术基础上进行了许多改进和创新。
其中，静电捕集技术、湿式脱硫技术以及滤料脱除技术成为了颗粒物控制的主要手段。
城市空气质量预报方法研究综述
城市空气质量预报方法研究综述摘要随着城市化发展的进程和人们对居住环境的关注，城市空气质量也日益受到重视。
本文在参考大量文献的基础上，总结了国内空气质量研究的发展进程和空气质量预报的主要方法，探讨了空气质量预报未来的发展趋势，并提出了个人的见解。
关键词城市空气质量；预报；发展方向0 引言城市是人类的主要聚居地，也是生态系统中最为复杂的类型之一。
随着世界范围内城市化的迅速发展，人们在感受到城市化带来的丰富的物质和精神生活的同时，却又不得不为面对日益严峻的生态环境。
我国是一个人口大国，人口密集、交通拥挤、环境污染、绿地紧缺等问题与城市发展之间的矛盾显得愈加突出。
因此，研究生态与环境问题，探讨改善城市生态环境质量的途径与对策，促进城市的生态建设与可持续发展已经成为当今社会共同关注的焦点。
1 国内研究进程我国的环保事业起步于斯德哥尔摩“人类环境会议”之后的1973 年，而有关城市空气质量的研究起始于20世纪80年代末。
当时主要的研究内容是利用城市环境观测资料和对应的气象资料，通过统计方法建立空气质量预报模型来预测城市内空气质量[1]。
20世纪90年代，城市空气质量开始引起政府和民众的广泛关注，相关的研究也开始蓬勃地发展，内容涉及到改善空气质量的方法[2]、空气污染指数的分级及其计算方法[3]、城市空气质量的数值预报模型[4]。
2000年开始，中国环境监测总站根据国家环境保护总局的有关要求，组织47个环境保护重点城市开展城市环境空气质量日报和预报工作，监测项目为SO2、NO2和PM10，发布形式为空气污染物指数、首要空气污染物、空气质量级别和空气质量状况。
在我国城市空气质量业务开展的同时，相关的研究也开始兴起，内容主要涉及城市空气质量数据管理系统的开发与研究、城市空气质量预报的技术方法研究与预报模型、城市空气质量管理体系的监测技术及模式、城市空气质量的分布规律、影响因子及与气象条件的关系等方面。
2 空气质量预报的主要方法2.1 统计预报方法统计预报方法是目前国内各地普遍采用的方法。
城市大气污染预测与控制研究
城市大气污染预测与控制研究随着工业化和城市化的快速发展，城市大气污染已成为全球面临的重大环境问题之一。
城市大气污染对人类健康、生态系统和气候变化产生着严重影响。
因此，预测和控制城市大气污染已成为环境科学领域面临的紧迫任务之一。
城市大气污染预测是指利用气象学、大气物理学和环境科学等相关学科的方法和模型，对城市大气中的污染物进行定量预测和评估。
准确的大气污染预测可以帮助政府和决策者制定有效的环境保护政策，以减少污染物的排放和传输，降低污染对人类和生态系统的影响。
目前，城市大气污染预测主要依靠数值模型和监测数据。
数值模型是根据城市环境特征、污染物排放源和气象条件等因素构建的复杂数学模型，可以模拟和预测污染物在大气中的传输和扩散过程。
数值模型能够提供相对准确的污染物浓度分布和时空变化趋势，但需要大量的气象和地理数据作为输入，对计算资源要求较高。
另一方面，监测数据是通过在城市中设置气象观测站和污染物监测站，实时收集大气污染物的浓度和气象条件等数据。
监测数据通过统计和分析，可以揭示城市大气污染的污染源、传输路径和污染物的浓度分布情况。
监测数据准确性高，能够提供实时的污染物浓度信息，但监测网络的覆盖范围和密度需要进一步提高。
城市大气污染预测的关键问题是如何提高预测的准确性和可靠性。
首先，需要完善数值模型的参数和算法，并提高模型对城市地理和气象特征的适应性。
其次，需要加强监测网络的建设和管理，提高监测数据的时空分辨率和精确度。
此外，还需要加强数据处理和分析技术，提高预测模型的效能和稳定性。
城市大气污染的控制是指通过科学管理和技术手段，减少和防止城市大气污染的发生和传播。
城市大气污染的控制需要政府、企业和个人共同努力，采取一系列的措施来减少排放和改善城市环境。
主要的控制手段包括源头控制、排放减少、治理设施建设和环境管理等。
源头控制是通过改善工业生产过程和机动车排放标准，减少大气污染物的排放。
排放减少是通过使用清洁能源和高效能源技术，减少能源消耗和污染物排放。
大气污染监测与预报模型研究
大气污染监测与预报模型研究近年来，随着全球工业化进程的加速和人口增长的日益迅猛，大气污染问题已经成为全球关注的焦点。
为了解决这一问题，大气污染监测与预报模型的研究变得尤为重要。
本文将探讨大气污染监测与预报模型的研究现状、挑战和未来发展方向。
首先，我们来了解大气污染监测技术的发展。
随着科技的进步，越来越多的高精度大气污染监测设备被开发出来，如激光雷达、气象卫星和无人机等。
这些设备可以实时监测大气中的颗粒物、臭氧、二氧化氮等污染物的浓度和分布情况。
通过数据收集和分析，我们可以了解大气污染的来源和传播途径，从而制定相应的治理措施。
然而，大气污染监测还面临许多挑战。
首先，现有监测设备的覆盖范围有限，无法实现对整个地球表面的全面监测。
其次，监测数据的准确性和可靠性也需要进一步提高。
由于大气污染受到许多因素的影响，如气象条件和地形地貌，在数据分析过程中容易受到干扰。
而且，大气污染的空间和时间变化较大，对实时监测和预报能力提出了更高的要求。
为了应对这些挑战，研究人员提出了各种大气污染预报模型。
这些模型基于数理统计、数学建模和计算机模拟等方法，通过分析污染源、排放量和气象条件等因素，预测未来的大气污染状况。
这些模型可以帮助政府和环境管理部门制定相应的减排政策和应急措施，从而降低大气污染对人类健康和环境的影响。
然而，大气污染预报模型也存在一些问题。
首先，模型的建立需要大量的监测数据和气象数据作为输入，而这些数据的获取和处理成本很高。
其次，模型的精度和稳定性需要不断改进，以提高预报的准确度。
此外，由于大气污染涉及多个层面和多个区域，模型的跨区域和多尺度预报能力也是一个亟待解决的问题。
未来，大气污染监测与预报模型的研究将朝着多方面发展。
首先，研究人员应该进一步完善现有的监测设备，提高其监测精度和覆盖范围。
其次，应该加强数据共享和互联互通，提高监测数据的准确性和可靠性。
同时，应该加强对大气污染的基础研究，深入了解大气污染的形成机理和传输规律。
城市环境空气污染预报研究进展
城市环境空气污染预报研究进展
任万辉;苏枞枞;赵宏德
【期刊名称】《环境保护科学》
【年(卷),期】2010(036)003
【摘要】主要介绍了城市环境空气污染预报的方法,综述了城市环境空气污染预报的国内外研究现状,主要介绍了美国第三代Momdel-3 CMAQ模式系统和中国科学院大气所的嵌套网格空气质量预报系统(NAQPMS),以及最新的多模式污染预报技术,本文最后指出中国目前的大气环境形势比较严峻,城市环境空气污染预报模式还存在一些问题,并探讨了今后的发展方向.
【总页数】3页(P9-11)
【作者】任万辉;苏枞枞;赵宏德
【作者单位】沈阳市环境监测中心站,沈阳,110016;沈阳市环境监测中心站,沈阳,110016;沈阳市环境监测中心站,沈阳,110016
【正文语种】中文
【相关文献】
1.2017年除夕至初一期间湖南省城市环境空气污染特征分析 [J], 张琴;刘妍妍;彭庆庆;李蔚;罗岳平;曾钰;樊璠
2.城市环境空气污染特征及变化规律探析——以丰都县为例 [J], 代小华;曾庆娟
3.“城市空气污染评价及其预测预报方法研究”通过鉴定——在大气污染预报模式系统化和综合应用上已达国际水平 [J], 车夫
4."十三五"期间东北地区城市环境空气污染因素变化特征分析 [J], 马昭
5.人工神经网络在空气污染预报中的研究进展 [J], 白晓平;李红;张启
明;FRANCESCA Costabile;方栋
因版权原因，仅展示原文概要，查看原文内容请购买。
城市空气质量预测研究
城市空气质量预测研究大气污染十分严重，对人们健康产生不良影响。
在现代城市化进程中，城市空气污染是一项长期问题。
城市空气质量预测成为实现人民群众健康、促进生态文明建设的重要措施。
本文将介绍城市空气质量预测的研究现状以及发展趋势。
一、空气质量预测的研究现状目前，对城市空气质量进行预测的方法主要有数学模型、机器学习、深度学习以及神经网络等。
其中，数学模型是最早被用于空气质量预测的方法之一。
它依靠复杂的气象学模型、客观基础数据以及人工获取的进一步新数据，运用各种统计、气象、物理、化学等科学知识，并采用计算机仿真模拟方法进行数据处理和结果预报。
但是数学模型的复杂性很高，模型的参数量大，不易操作，对专业知识的要求比较高，结果的可靠性也有待提高。
在人工智能领域中，机器学习技术已经成为了很重要的技术之一，而在空气质量预测的应用中，机器学习也受到了广泛的关注。
机器学习的优势是可以自动地找到数据中的规律和趋势。
此外，机器学习的成功所需的前提是数据量大，所以它能够更准确地进行预测。
深度学习技术相对于机器学习技术具有更强的判断力和拟合能力，而且根据递归神经网络不断地改进，缓解了在玻利亚诺不等式证明中斯巴塞夫定理的执行困难等问题，所以同样受到了广泛的关注。
据此可以推断，深度学习递归神经网络与机器学习融合的空气质量预测方法将成为一种主流。
二、城市空气质量预测的难点城市空气质量预测涉及复杂的自然科学、社会科学及经济方面的知识，提高预报精度需要不断探索、研究和改进。
在空气质量传输过程方面，复杂多样的气象与地理因素对城市空气质量的影响程度、影响因素、分布特征及传递通道都需要进行研究与理解。
本着"基于事实，但不止于事实"的原则，空气质量预测模型要能够真实反映出城市的空气质量状况，同时针对可能发生的变化进行预测，并且拥有良好的可靠性和预报性能，仍然是空气质量预测的难点。
同时，空气质量预测需综合考虑煤炭、交通、化学工业和农业等多个领域的贡献，分析城市基础设施与环保产业、市政管理等多个方面的投资情况，提出环境治理方案，综合治理方向，从根本上控制和减少污染源是重要的环保工作，也是城市空气污染的治理难点之一。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第23卷 第4期西安科技学院学报Vol.23 No.4 2003年12月 JOURNAL OF XI ’AN UN IV ERSIT Y OF SCIENCE AND TECHNOLO GY Dec.2003文章编号:1671-1912(2003)04-0411-04城市大气污染预报模式的研究进展Ξ陈 柳1,2,马广大1,纪海维2(1.西安建筑科技大学环境与市政工程学院,陕西西安 710055;2.西安科技大学能源学院,陕西西安 710054)摘 要:介绍了城市大气污染预报模式的国内外研究现状,并对它们采用的预报系统及结果作了简要阐述。
美国目前已发展到第三代Momdel -3CMAQ 模式系统,中国已开发了3套较成熟的模式系统。
文中指出中国城市大气污染预报模式存在的问题,并对发展方向进行了探讨。
关键词:大气污染;预报模式;数值预报中图分类号:X 32 文献标识码:A大气污染预报是人们在对大气污染物排入大气环境后扩散、迁移和清除规律认识的基础上,利用科学的方法预测预报未来不同空间尺度上空气污染物浓度变化状况及趋势的过程。
它对城市环境管理、污染控制、环境规划、城市建设及公共卫生事业均有重要的实际应用价值,并能促进公众参与及提高城市居住环境意识。
大气污染预报的主要方法有潜势预报、统计预报和数值模式预报3种:潜势预报采用的基本方法是从已发生的多个污染事件着手,归纳总结发生污染事件时所有的气象条件、天气形势及气象指标;统计预报是在不了解事物变化机理的情况下,通过分析事物规律来进行预测的方法;数值预报可以定量描述空气中大气污染物的浓度,预报它们的变化。
数值预报需要掌握大气污染物在空气中的演变规律,即需了解污染物在空气中所经历的物理、化学和生物过程。
用于描述这些过程的定量数学方法系统被称为模式。
城市大气污染预报模式是大气污染数值预报的基础和核心。
城市大气污染预报模式实用性强,应用面广,其模式的好坏和精度高低对预报结果图1 Models -3CMAQ 模式流程图Fig.1 Flow chart of models -3CMAQ pattern有着直接的关系,因此,对大气污染预报模式的研究是极其重要的[1]。
下面介绍国内外大气污染预报模式的发展现状。
1 国外大气污染预报模式1.1 美国的预报模式美国大气污染预报模式研究已经从第一代Lagrange 模式进化成为第二代Euler 模式,现在又开发出第三代模式系统,命名为Models -3CMAQ 模式。
第一代Lagrange 模式主要采用的是高斯扩散模型。
最广泛使用的是第二代Euler 模式。
它主要包括城市大气质量模式(UAM )[2]、区域酸沉降模式(RADM1和RADM2)及区域氧化物模式(ROM )[3]。
第三代Models -3CMAQ 模式是由美国环保局(EPA )1998年完成的,并于1999～2000年作了进一步完善。
下面对Models -3CMAQ 模式作以简单介绍[4]。
Models -3CMAQ 模式区别于上两代模式的最大特点是它可以实现多种污染物、多范围的大气污染预报。
它由4大部分组成:污染源模式化模型,气象模式,输入、输出模式,浓度计算模式。
其流程图如图1。
浓度计算模式的基础是大气扩散方程,采用Byun (1999)提出的空气质量模型[6]。
浓度控制方程如下Ξ收稿日期:2002-11-06基金项目:西安市科技计划项目(SF200346)作者简介:陈 柳(1975-),女,新疆伊犁人,助教,在读博士,主要从事大气污染预报的研究.5φi 5t + ξ・[φi V ξ]+5(φi v 3)5x 3+ ξ[ργF qi ]+5(ργF 3qi )5x3= (a ) (b ) (c ) (d ) (e )γR φi (φ1,Λ,φN )+γS φi +5(φi )5t cld +5(φi )5t ping +5(φi )5t aero(1) (f ) (g ) (h ) (i ) (j )上式各项表示以下过程:(a )浓度变化过程;(b )水平对流过程;(c )垂直对流过程;(d )水平涡旋扩散过程;(e )垂直涡旋扩散过程;(f )气相化学变化引起浓度增长或减少过程;(g )污染源排放过程;(h )云雨及湿沉积过程;(i )烟羽过程;(j )气溶胶过程。
需注意,干沉积过程包括在垂直扩散过程中,作为边界条件引入。
以上各过程均对应有各自的程序计算模块,从方程(1)出发运用数值分析技术,求其数值解,就可以得到浓度场。
美国的Models -3CMAQ 模式利用最先进的计算机和通讯技术,实现由超级用户到一般用户多达9个层面的GU I 结构,利用地理信息系统(GIS )作为数据库的可视化载体。
Models -3CMAQ 模式可以在网络上运行并采用分布式平行计算技术。
总之,与第二代相比,Models -3CMAQ 模式功能更全面、性能更先进、控制方程更复杂、使用更方便、结构更合理、更开放。
1.2 其他国家加拿大国家研究委员会的污染预报模式MC 2-CAL GRID 模式[5],是由一个非静力平衡的半显示半拉格朗日中尺度气象模式和一个综合光化学模式结合而成的模式系统。
它综合了大气污染物的传输、沉降和化学转化的先进技术,有包括54个有机和无机物种的129个化学反应方程式。
挪威气象研究所的污染预报模式[6],是由EMEP MSC -W NO X 预报模式和Norwegian 轨迹模式组成的,其中考虑了污染物的扩散传输、干湿沉降和包括45个物种的100个化学反应方程式。
其他国家也多是从基于质量守恒大气扩散方程出发,求其数值解,但预报控制方程要比Models -3CMAQ 模式简单,预报污染物的种类要比Models -3CMAQ 模式系统少。
限于篇幅,其他国家的污染预报模式不再详细介绍。
图2 HRCM 模式流程图Fig.2 Flow chart of HRCN pattern 2 中国的预报模式中国目前已开发较成功的城市大气污染预报模式有3种:第一,中国科学院大气物理研究所开发的HRCM 模式系统;第二,中国科学院大气物理研究所开发的Monte -Carlo 模式系统;第三,中国气象科学研究院开发的CAPPS 模式系统。
2.1 HRCM 模式[7]HRCM 是Euler 型模式。
整个预报系统由以下几个部分组成:中尺度气象模式、PBL (行星边界层)湍流统计量参数化模式(PBLM )、污染源模式(SM )、干湿沉积模式(DSDM )、浓度计算模式(HRCM )。
其流程图如图2所示。
前4个模式提供输入参数、初始场和边界条件。
HRCM 模式是这个模式系统的核心。
HRCM 从求解以下化学物质守恒方程组出发5c 5t =-5(uc )5x -5(vc )5y -5(wc )5σ+55x (k x 5c 5y )+55y (k y 5c 5y )+g P L 255σ(ρ2k z 5c 5σ)+P c -L c +W t +D y +E s o (2)式中 c =c i P L ,c i 为化学物质体积混合比,P L =P s -P t ;w =d σd t;P c 和L c 是由化学反应引起的生成和消耗率;W t 是由于云的影响引起的物质浓度变化率;D y 是干沉积引起的浓度变化率;E s o 是污染源的排放源;σ=P -P z P s -P t,P 为气压,P t 为模式顶气压,P t =100hPa ,P s 为地面气压。
需输入到模式中的资料有逐时三维风场、温度场和湿度场、湍流扩散场、下垫面型、每小时地面降水量及污染源排放清单。
HRCM 已被用于预报重庆市32种污染物逐时浓度分布,预测结果与实测资料有较好的一致性。
如果以平均比值的大小作为预报的准确率,平均可达90%以上。
214西安科技学院学报 2003年 2.2 Monte -C arlo 多源模式[7]Monte -Carlo 多源模式为一个多源的,包括输送、扩散、迁移和转化过程的lagrange 模式。
预报系统组成类似于HRCM 系统,包括中尺度气象模式、干湿沉积模式、PBL 湍流统计量参数化关系、浓度计算模式(Monte -Carlo 多源模式)。
Monte -Carlo 多源模式事实上是从统计的角度出发,通过轨迹跟踪的结果可导出概率密度分布函数P.污图3 CAPPS 模式系统的流程图Fig.3 CAPPS pattern flow chart 染物的平均浓度为 c (r ,t )=Q ∫t0p (r ,t |r s ,t ′)d t ′(3)Monte -Carlo 多源模式需要输入的参数为时空范围与时空步长。
气象场采用中尺度-β气象模式预报的三维风温场、温度随高度变化、PBL 湍流统计量参数化、降水量的时空分布、下垫面类型及污染源资料。
2.3 CAPPS 模式系统[8～10]CAPPS 模式系统的流程图如图3所示。
污染物浓度预报模式采用大气平流箱格扩散模型。
大气平流箱格扩散模型是从不考虑化学反应的大气污染物的平流扩散方程出发的。
5c 5t+v ・ c =∑q i δ(r i )- ・(cv d )- ・(cv w )+ ・k →→・ c (4)式中 c 为大气污染物浓度;k →→为湍流交换系数;v d 为干沉降速度;v w 为湿沉降速度;∑q i δ(r i)是在体积τ内,若干位于r =(x i ,y i ,z i )源强分别为q i 源之和。
对上式在τ内积分,再对体积平均,即得到箱体内平均浓度预报方程τ5c t =Q -λsc (v +v t +vd +v w )d s (5)并对上式积分,再由污染潜势指数及污染指数定义即可推出其相应表达式。
CAPPS 模式系统对北京市和上海市预报试验数据结果进行分析,预报准确率平均可达60%。
该模式不需要污染源资料,目前该系统由于没有考虑化学转化过程,还不能预报臭氧。
中国的大气污染预报模式与国外模式相比,尤其是与Models -3CMAQ 模式相比,显得较为简单,对复杂的化学机制的描述过于简化,主要是以气态物质浓度预报为研究对象。
3 展望及讨论目前大气污染预报模式系统的研究得到了很大的发展,从过去的统计预报模式已发展到今天的中尺度气象预报模式与浓度预测模式相结合的大气污染预报系统。
但是由于大气污染预报的复杂性,与国外相比,中国城市大气污染预报模式目前存在的以下问题。
1)模式预报的准确率不够。
城市大气污染预报模式是涉及多介质、多层次、多物质之间相互作用和影响的多学科问题。
多介质是指在污染物的整个运动过程中,涉及到气、土、水、生物介质及其界面的交换、转化的理化生化全过程;多层次是指整个城市大气污染预报模式系统所涉及到的污染物、热量、水汽、辐射及其它们的通量大部分都来源于行星边界层,模式在整个行星边界层一般需分5～8层,整个对流层一般分10～12层,这样就构成了一个垂直方向高分辨率的模式结构;多物质是指预报的污染物主要是SO 2,NO X ,O 3,CO 及TSP (或PM 10),但是其中涉及到几十种化学物质及其化学反应。