空气质量模型培训
室内空气质量安全培训要点
室内空气质量安全培训要点室内空气质量在我们日常生活中扮演着重要的角色。
无论是在家、学校还是办公场所，我们都需要呼吸到清新、健康的室内空气。
然而，由于封闭环境、污染源和通风不畅等因素，室内空气质量往往不容忽视。
因此，进行室内空气质量安全培训，提高人们对室内空气质量的认知和保障健康，是一项至关重要的工作。
本文将对室内空气质量安全培训的要点进行详细的分析说明。
首先，室内空气质量安全培训的重点之一是了解污染源。
污染源是室内空气质量下降的主要原因之一。
常见的室内空气污染源包括装修材料释放的有害气体、家具和地毯上的甲醛、空调和通风系统中的灰尘和细菌等。
通过对这些污染源的了解，人们可以采取相应的预防和控制措施，减少空气污染对健康带来的负面影响。
其次，室内通风是室内空气质量安全培训中的重要一环。
通风可以有效地将室内的污染物排除，保持空气的新鲜。
不同场所的通风方式有所不同，但常见的方法包括自然通风和机械通风。
在培训中，人们需要了解如何合理地利用窗户、通风设备以及空调系统来实现室内空气的流通与更新，从而改善空气质量，提高居住和工作环境的舒适度。
此外，室内空气质量安全培训也需要着重强调室内环境的卫生与整洁。
保持室内环境的清洁可以减少灰尘和细菌的滋生，避免室内空气的二次污染。
在培训中，人们需要学习日常的清洁方法和技巧，如正确使用吸尘器、清洗空调过滤器和定期更换床上用品等。
通过这些措施，人们可以在提高空气质量的同时，营造一个更加整洁和健康的室内环境。
最后，在进行室内空气质量安全培训时，人们也需要了解如何降低室内污染物的浓度。
除了加强通风和保持环境的清洁外，人们还可以通过室内植物的种植来改善空气质量。
植物通过吸收二氧化碳并释放氧气，不仅可以净化空气，还能增加室内湿度和美化环境。
培训中的参与者可以学习到哪些植物适合室内种植以及如何正确养护室内植物。
综上所述，室内空气质量安全培训是提高人们对室内空气质量重视程度的必要手段。
通过对污染源、通风、卫生与整洁以及污染物浓度降低等要点的详细分析和说明，培训中的参与者可以更好地认识到室内空气质量的重要性，并掌握相应的预防和改善措施。
空气质量模型和治理策略研究
空气质量模型和治理策略研究随着工业化和城市化的不断发展，我国的空气质量日益恶化，成为影响人们健康的重要问题之一。
空气污染主要来源于人类的工业活动、交通运输以及生活中的燃煤、燃气等活动。
为了解决这一问题，国内外研究人员提出了各种空气质量模型和治理策略，本文将对其进行探讨。
一、空气质量模型空气质量模型是指将各种气体、颗粒等空气污染物的浓度和污染物的传输过程用数学模型表现出来的方法。
通过这种方法，可以更加全面地了解不同污染来源对城市空气质量的影响，更好地进行治理和预测。
1.化学模型化学模型是一种基于化学反应的模型，通过确定不同污染物的氧化和反应程度，来预测各种气体在大气中的浓度。
这种方法可以预测各种同化反应和解同化反应，从而更加全面地了解城市空气质量中的气体成分和浓度。
2.传输模型传输模型是一种将空气污染物的传输过程模拟为物理过程的方法。
该模型可以计算空气污染物在大气中的扩散和输送，预测污染物在城市中的分布和排放范围。
通过这种方法可以更准确地估计不同城市污染物的传输效应。
二、空气治理策略为了改善城市空气质量，针对不同污染来源提出了不同的治理策略。
1. 工业治理工业污染是城市污染主要来源之一，因此控制工业污染，实行同步减排和污染治理，是保障市民健康的重要措施。
实现工业减排的方法有多种，例如改进工艺技术、装置监控、污染治理技术等。
2. 交通治理交通污染是城市空气污染的另一个主要来源，因此控制车辆排放量、提高公共交通使用率等措施也是保障城市空气质量的重要途径。
3. 生活治理生活垃圾是城市垃圾污染的主要来源之一，因此增强生活垃圾的处理能力和运输较为重要。
除此之外，城市居民还可以适度节约资源，降低污染排放。
例如，加强节水措施、推广清洁能源、提高生活污染物处理水平等。
三、结论随着近年来工业污染和交通排放等污染源的加强，城市空气质量问题凸显，各方面亟需加强治理。
尽管存在治理难度大、投入成本高等难题，但通过科学模拟和社会共治的方式，我们可以逐步实现污染治理，为人民群众创造健康宜居的城市环境。
空气质量实训 python
空气质量实训 python空气质量实训简介空气质量实训是一个利用 Python 编程语言对空气质量数据进行分析和可视化的项目。
本项目包括数据预处理、探索性数据分析、数据建模和可视化等多个阶段。
数据预处理第一步是预处理原始空气质量数据。
这包括清理数据、处理缺失值和将数据转换为合适的格式。
Python 提供了诸如 Pandas 和NumPy 等库，可以简化这些任务。
探索性数据分析数据预处理后，我们进行探索性数据分析。
这包括使用 Python 中的绘图和统计功能可视化和汇总数据。
例如，我们可以创建散点图来检查不同污染物之间的相关性，或使用箱线图来比较不同地区的空气质量。
数据建模探索性数据分析后，我们可以开始建立数据模型。
此阶段旨在使用统计模型或机器学习算法从数据中识别模式和趋势。
Python 中的 Scikit-learn 库提供了各种此类算法。
可视化最后，我们将使用 Python 中的绘图库，例如 Matplotlib 和Seaborn，将我们的分析结果可视化。
我们可以创建交互式图表、热力图和其他可视化工具，以清楚地展示我们的发现并有效传达我们的结论。
技术栈本项目使用以下 Python 库：Pandas：数据处理和分析NumPy：科学计算Matplotlib 和 Seaborn：数据可视化Scikit-learn：机器学习项目产出完成本实训后，您将能够：使用 Python 对空气质量数据进行分析应用数据预处理技术使用探索性数据分析技术发现数据中的模式使用数据建模技术预测空气质量通过清晰有效的方式可视化您的发现扩展本实训可以进一步扩展以包括以下内容：实时数据流分析地理空间可视化机器学习模型优化移动应用程序开发通过这些扩展，您可以将本项目转化为更全面的空气质量监测和预测系统。
空气质量分析与预测模型研究
空气质量分析与预测模型研究近年来，随着环境污染的加剧，空气质量越来越受到人们的关注。
不仅国内，国际上也纷纷出台相关政策和规定，要求控制污染、改善空气质量。
在此背景下，对于空气质量的监测、分析和预测变得十分重要。
本文将从以下几个方面进行探讨。
一、空气污染物的种类和特征空气污染物可分为氧化物、酸性气体、有害气体、颗粒物等。
其中，二氧化硫、二氧化氮、一氧化碳、臭氧、细颗粒物（PM2.5）和可吸入颗粒物（PM10）是主要指标。
这些污染物的来源包括工业排放、交通尾气、燃煤和油等。
它们的特征是在大气中存在时间较长、扩散速度较慢、对健康影响大等。
二、空气质量预测模型的分类空气质量预测模型通常可分为统计模型和物理模型两种。
统计模型是根据历史数据进行预测，如统计回归分析、时间序列模型等。
物理模型则是基于物理原理理论建立，并用计算机进行模拟，如数值模拟模型等。
这两种模型均有优缺点，可根据实际情况选择使用。
三、空气质量预测模型的应用空气质量预测模型广泛应用于环境保护、城市规划、交通管理等领域。
其中，基于气象条件和污染物排放量等因素的统计模型被广泛应用于短期预测，而基于数值模拟的物理模型可用于长期预测和模拟实验。
四、空气质量预测模型的发展趋势目前，空气质量预测模型还存在一些问题，比如准确性、时效性、实时性等。
未来，随着数据获取技术和计算能力的不断提高，人工智能、深度学习等技术可望被更广泛地应用于空气质量预测模型中，为提高预测精度和实时性提供更好的支持。
以上是空气质量分析与预测模型研究的主要内容，希望能够对大家有所启示和帮助。
在未来，我们应该以更积极的姿态面对环境问题，并不断探索有效的解决方案，为创造更美好的生活环境贡献一份力量。
环境影响评价中空气质量模型综述及其效果评估
环境影响评价中空气质量模型综述及其效果评估目录1. 内容概括 (2)1.1 研究背景 (3)1.2 研究意义 (4)1.3 研究内容 (5)2. 空气质量模型概述 (6)2.1 空气污染物种类 (7)2.2 空气质量模型种类 (9)2.2.1 物理性模型 (10)2.2.2 数值模拟模型 (12)2.2.3 半经验模型 (13)2.3 模型选择原则 (15)2.4 模型应用领域 (15)3. 常用空气质量模型介绍 (17)4. 环境影响评价中空气质量模型应用案例 (18)4.1 项目类型及所用模型 (20)4.2 模型输出及分析 (21)4.3 典型案例应用分析 (22)5. 空气质量模型效果评估 (24)5.1 评估指标体系 (25)5.1.1 模型准确度 (27)5.1.2 模型可靠度 (28)5.1.3 模型适用性 (29)5.2 评估方法 (30)5.3 评估结果分析 (32)6. 未来发展趋势 (33)6.1 模型精度提升 (34)6.2 数据融合与智能化 (36)6.3 可视化与用户交互 (38)1. 内容概括环境影响评价（EIA）作为环境保护的基石，其核心目的在于评估建设项目对生态和人居环境可能造成的影响，并采取相应的预防或缓解措施。
在众多环境要素中，空气质量尤为关键，它直接影响人群健康和社会经济活动，因此空气质量模型成为EIA中不可或缺的工具。
本综述旨在系统回顾当前主要的空气质量模型，它们能够在复杂的气象条件下定量分析污染物在环境中的扩散与转移，以及对人体健康的影响。
我们评估了这些模型在评估排放源、预测污染物浓度分布、模拟大气化学反应、以及评估风险等方面所表现出的能力与局限性。
通过对比不同类型的模型及其在实际EIA项目中的应用效果，本综述不仅有助于选择最合适的模型以应对特定的项目需求，还能为模型比较、优化和未来研究提供基础。
我们将探讨模型选择的标准，如模拟空间的细致程度、预测准度、对复杂气象现象的适应能力等，以及如何在EIA实践中综合多个模型结果，以获取更为全面和可靠的环境影响预测信息。
空气质量指数预报模型讨论
空气质量指数预报模型讨论近年来，随着城市化进程的加速和工业生产的快速发展，环境污染问题越来越引起人们的关注。
空气质量成为了我们生活中不可忽视的一个重要因素。
为了更好地了解和预测空气质量状况，科研人员开发了各种各样的空气质量指数预报模型，这些模型可以帮助我们及时采取措施，减轻污染的影响。
一、常见的空气质量指数预报模型1.统计模型统计模型是一种基于历史数据的预测方法，通过分析历史数据的规律来推测未来的空气质量情况。
该方法主要通过回归分析等统计方法，利用过去的环境数据来预测未来的空气质量。
这种模型适用于短期预测，可以提供一定的准确度，但对于长期预测来说，预测结果可能会有一定的偏差。
2.物理模型物理模型是通过建立空气质量的数学模型，使用物理规律和数学方法来模拟和预测空气质量的变化。
这种方法的核心是通过建立气象非线性数学模型，模拟大气污染物的扩散和化学反应，从而预测未来的空气质量。
物理模型的准确性较高，但建模和计算难度较大，对计算资源和专业知识要求较高。
3.人工智能模型人工智能模型是近年来发展的一种新型预测方法，该方法通过机器学习和深度学习等算法，利用大量的历史数据进行自动学习和训练，形成一个能够预测未来空气质量的模型。
人工智能模型具有较高的准确性和预测能力，但在实际应用中需要大量的训练数据来提高模型的稳定性和可靠性。
二、空气质量指数预报模型的应用场景1.城市规划与环境管理空气质量指数预报模型可以帮助城市规划者和环境管理者评估城市的发展方向和环境政策的效果。
通过对不同城市和地区的空气质量进行预测，可以及时采取相应的政策和措施，减轻环境污染问题，提高居民的生活质量。
2.健康保护与疾病预防高空气污染对人体健康有着重要的影响，尤其是对呼吸系统和心血管系统的影响更为严重。
空气质量指数预报模型可以帮助医疗机构和公共卫生部门及时预警和预防相关疾病的发生，提供精确的空气质量预测数据，指导人们在高污染的环境下采取适当的防护措施。
空气质量模型建立及预测研究
空气质量模型建立及预测研究一、前言大气污染成为当代社会的一个严重问题，特别是在工业化和城市化进程加速的中国，大气污染日渐严重。
空气质量模型作为空气质量预测及治理的重要工具，已经成为当前开展大气环境质量研究的重要手段。
本文将介绍空气质量模型的建立及预测研究，并结合实例详细阐述空气质量模型的建立、输入变量选择、模型优化、模型评价以及预测方法等。
二、空气质量模型的建立空气质量模型是指通过对大气的物理、化学和气象过程的描述，综合评价污染物排放对空气质量影响的模型。
空气质量模型通常可以分为三类：（1）物理模型：基于大气物理学原理以及污染物传输的数学模型，如格点化全球气候模型（GCM）、雾霾分布模型、流场-输运模型、扩散模型等；（2）化学模型：在所建立的传输模型中加入污染物化学反应的描述，如空气质量模拟模型（CMAQ）、三维空气质量模型（CAMx）等；（3）统计模型：基于大量的实测数据建立经验模型，如时间序列模型、回归模型、神经网络模型等。
在模型建立过程中，需要考虑模型的精度、可靠性和适用性，因此，模型的优化和精度提高是至关重要的一环。
三、输入变量选择模型的输入变量是建立空气质量模型的关键因素之一。
正确选择输入变量可以提高模型的精度和可信度。
空气质量模型的输入变量通常包括以下四个方面的变量：（1）气象因素：如温度、湿度、风速、风向、气压等；（2）排放源因素：如烟囱高度、排放通量、排放浓度、管道长度等；（3）地理环境因素：如地形起伏、建筑高度、交通密度等；（4）污染物浓度因素：如各类重污染物的浓度、光化学反应物质浓度等。
当然，在考虑输入变量时，还需要考虑变量之间的相关性程度和可获得性。
同时，不同的空气质量模型输入变量的选择也不尽相同。
四、模型优化模型的优化是指在现有模型的基础上，通过寻找模型的最优组合，获得最佳的预测结果的过程。
模型优化通常需要对模型参数进行调整或算法进行更新。
优化的目标是提高模型的稳健性、精度和可靠性。
CALPUFF高级培训教程
介绍CALPUFF模型与其他环境模型的耦合 应用，如气象模型、化学传输模型等，以 扩展模型的应用范围。
02 CALPUFF模型概述
模型原理和特点
01
原理：CALPUFF是一个三维非静力平衡欧拉模型，用于 模拟大气中污染物的输送、扩散、干沉降、湿沉降和化学 转化过程。
02
特点
03
适用于复杂地形和气象条件
地形影响参数化
通过参数化方法考虑地形对气象场 和污染物扩散的影响，如山谷风、 地形遮挡效应等。
大气化学过程模拟
详细化学机制
CALPUFF模型内置了详细的大气化学机制，包括多种污染物（如 O3、NOx、VOCs、PM等）的生成、转化和去除过程。
光化学反应模拟
模型能够模拟光化学反应过程，考虑太阳辐射、温度、湿度等气象 条件对光化学反应速率的影响。
准备相应的化学机制文件，用 于描述污染物在大气中的化学
转化过程。
模型配置文件
根据研究需求和模型要求，配 置相应的模型参数和运行选项
。
04 CALPUFF模型运行与结 果输出
模型运行步骤和注意事项
准备输入文件
包括气象文件、地形文件、排放源文 件等。
配置模型参数
设置模型运行的时间、空间范围、物 理和化学过程等参数。
区域联防联控策略制定
基于区域大气污染传输模拟结果，提出区域联防 联控策略，优化资源配置，降低污染物排放强度 。
工业污染源对环境影响评估
工业污染源识别
通过调查和数据收集，识别工业污染源及其排放特征。
工业污染源对环境影响模拟
利用CALPUFF模型，输入工业污染源数据，模拟工业污染物在环 境中的扩散和影响过程。
区域化学传输模拟
室内空气质量检测培训教程
常见污染物来源及危害
■氨
氨气极易溶于水 ，对眼、喉、上呼吸道作用快 ，刺激性强 ， 轻者引起充血和分泌物增多 ，进而可引起肺水肿 。长时间接触低 浓度氨 ，可引起喉炎、声音嘶哑。
写字楼和家庭室内空气中的氨 ，主要来自建筑施工中使用的 混凝土外加剂 。混凝土外加剂的使用有利于提高混凝土的强度和 施工速度 ，但是却会留下氨污染隐患 。另外，室内空气中的氨还 可来自室内装饰材料 ， 比如家具涂饰时用的添加剂和增白剂大部 分都用氨水 ，氨水以成为建材市场的必备。
室内环境的污染源
建筑材料和装修材料、室外污染物、燃烧产物和人的活动 ，具 体有以下几个方面： 1、室内装饰材料及家具的污染 ，这是造成室内空气污染的主 要因素 。如油漆、胶合板、内墙涂料等挥发出甲醛、苯、甲苯、 氯仿等有毒气体 ，具有相当的致癌性； 2、无机建筑材料的污染 。如石材、地砖、瓷砖中的放射性物 质释放的氡气污染 ，为肺癌的主要病因； 3、室外污染物的污染 。室外大气的严重污染和生态环境的破 坏 ，加剧了室内空气的污染。 4、燃烧产物造成的室内空气污染 ，做饭与吸烟是室内燃烧的 主要污染 ，厨房的油烟和香烟中的烟雾成分多具有致癌性。 5、人体自身的新陈代谢及各种生活废弃物的挥发成分也是造 成室内空气污染的一个原因。
➢ 具塞比色管： 10mL ➢ 分光光度计：在630nm测定吸光度
甲醛检测（酚试剂分光光度法）
甲醛检测（酚试剂分光光度法）
甲醛检测（酚试剂分光光度法）
甲醛检测（酚试剂分光光度法）
甲醛检测（酚试剂分光光度法）
0.005%酚试剂5mL→采气10L(0.5L/min) →0.4mL1%硫酸铁铵 →放置15min →630nm比色 →计算结果
主要来源于建筑涂料、胶粘剂、油漆、卷材地板等装修材料 。
我国城市环境空气质量预报主要模型及应用
我国城市环境空气质量预报主要模型及应用我国城市环境空气质量预报主要模型及应用一、引言随着我国城市化进程的加快，城市环境污染问题日益突出。
其中，空气质量问题成为影响居民身心健康的重要因素之一。
为了及时有效地预警和控制空气污染，我国不断完善城市环境空气质量预报系统，采用各种预报模型进行研究和应用。
本文将介绍我国城市环境空气质量预报主要模型及其应用。
二、主要模型及原理1. 线性回归模型线性回归模型是一种较为简单和常用的模型，其基本思想是通过建立气象、大气污染物浓度和其他可能影响空气质量的因素之间的线性关系，进行空气质量预报。
该模型的主要优点是计算速度快，但也存在着对数据分布假设较强、对气象和污染物之间关系的线性描述可能不准确等问题。
因此，在实际应用中，往往需要结合其他模型进行校正和优化。
2. 时间序列模型时间序列模型基于历史数据建立统计模型，利用时间维度的信息进行预测。
常用的时间序列模型有ARIMA（自回归综合移动平均模型）、VAR（向量自回归模型）等。
这些模型能够较好地捕捉空气质量的季节性、周期性和趋势性变化，并针对性地进行预测。
不过，时间序列模型对数据的平稳性要求较高，对于非平稳数据的预测效果可能较差。
3. 统计学模型统计学模型包括传统的回归模型、聚类模型和时间序列模型等。
这些模型通过对历史数据进行统计分析和建模，获取不同时段的变化规律，并进行预测。
这些模型尤其适用于长期变化较为缓慢的城市空气质量预报。
4. 机器学习模型机器学习模型是近年来在城市环境空气质量预报中得到广泛应用的一种方法。
这些模型通过大量的历史数据进行学习和训练，以获取数据特征之间的关系，并做出预测。
常用的机器学习模型包括支持向量机（SVM）、人工神经网络（ANN）、随机森林（Random Forest）等。
这些模型的优点是可以很好地应对非线性关系，能够更准确地预测空气质量。
三、模型应用我国城市环境空气质量预报主要用于预警和控制空气污染，保护居民身心健康。
中国城市空气质量改善培训计划
主要内容 Activities
能源基金会 Energy Foundation support:
起步课程 Starter course 继续课程 Advanced course
申请欧盟项目 EU Pro-Eco Asia:
培训网络建立 Training Network 专门培训课程 Specific courses
起步课程 Starter course
集成的空气质量管理课程，4个城市：贵阳、 洛阳、长沙、乌鲁木齐 1 training course delivered to four of the city members identified: Guiyang, Luoyang, Changsha, Urumuqi by end June 2006
开发培训课程 Development of
Training Courses
技术方面，Technical focus
源解析 Source apportionment using monitoring data in combination with field studies and models
在11个会员城市中，增强决策人员 和相关技术人员对空气质量管理的 理解 Strengthen the understanding of AQM by both decision makers and technical staff supporting policy makers in the 11 city members of the CAIAsia PRC Project
开发培训课程 Development of
Training Courses
技术方面，Technical focus
空气质量持续改善行动计划 培训
空气质量持续改善行动计划培训下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!为了进一步提高城市空气质量，各级相关部门决定实施空气质量持续改善行动计划。
2024年空气污染治理培训资料
04
空气污染监测与评估
BIG DATA EMPOWERS TO CREATE A NEW
ERA
空气质量监测网络布局
监测站点选址原则
代表性、可比性、可达性、稳定性
监测网络设计
城市、区域、背景站点布局，形成覆盖全面的监 测网络
监测站点建设
站点基础设施建设、仪器设备配置、人员配备及 培训
监测指标及评价标准
企业应加大环保投入，引进先 进的治理技术和设备，提高治
理效率和水平。
企业应主动公开环境信息，接 受社会监督，积极履行社会责
任。
03
空气污染治理技术与方法
BIG DATA EMPOWERS TO CREATE A NEW
ERA
源头控制技术
01
02
03
清洁能源替代
推广使用太阳能、风能等 清洁能源，减少化石燃料 的使用，降低污染物排放 。
社会组织参与环保行动
支持环保社会组织发展，引导其积极参与空气污染治理工作，推动 形成政府、企业和社会共同参与的治理格局。
跨界合作与协同治理
加强跨界合作，推动政府、企业、科研机构和公众等各方力量共同 参与空气污染治理工作，形成协同治理的合力。
THANKS
感谢观看
BIG DATA EMPOWERS TO CREATE A NEW ERA
2024年空气污染治理培训
资料
汇报人：XX
2024-01-21
• 空气污染现状及危害 • 空气污染治理政策及法规 • 空气污染治理技术与方法 • 空气污染监测与评估 • 空气污染治理行业发展趋势 • 空气污染治理实践案例分享
新兴市场的崛起为空气污染治理行业 提供了新的增长点。
- 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)。
CMAQ、CAMx、 WRF-CHEM模式
多尺度嵌 套
IIASA-RAINS 模式
几百到几 千公里
可模拟二氧化硫、氮氧 化物及颗粒物的浓度及 沉降过程，主要侧重于 酸沉降模拟
可模拟多种大气污染问 题，适用于长三角、珠 三角及京津冀等区域性 大气环境模拟 可模拟多种大气污染问 题，适用于城市尺度大 气污染问题的模拟
原则3：淡化“绝对值”，注重“变化值及相对值”，同时充
分利
用现有监测数据；
原则4：模型模拟结果的验证应淡化“时间”序列验证，强化 “空间”点位的趋势性验证。
2、CMAQ模型在规划中的使用流程
2.1 为什么使用CMAQ模型
区域大气污染特征：一次污染二次污染复合、区域 间相互影响； CMAQ模型的特征 ：可一次性模拟多种大气环境问 题，特别是区域复合型大气污染，如：O3、PM2.5及酸 雨等环境问题。
（1）排放清单编制—模型模拟的关键所在！ 高化学分别率、高空间分辨率、高时间分辨率；
（2）mm5/wrf气象模型
基于Linux操作系统，模型为源码形式、无界面，需重
新编译，计算量及数据量大，且模拟参数复杂；
（3）CMAQ空气质量模型
基于Linux操作系统，模型为源码形式、无界面，需重
新编译；计算量及数据量大，需并行计算；海量模拟数据后 分析同样较为复杂。
识别重点控制单元
为确定环境质量目标提供依据
4.1 污染空间分布及区域传输特征—分区管理
污染严重的地区—敏感受体
哪些地方污染严重？这些地方的首要污染因子？采取怎
样有针对性的保护措施？—重点保护对象
贡献较大的地区—敏感源头 区域污染的主要来源？哪些城市是主要污染贡献者？对重 点单元提出限制新建重污染项目、划分禁燃区、实施煤
多种环 境问题
2.4 CMAQ模型在规划中使用的技术路线
模拟方案或控制情景 污染源普查 VOCs调研数据 其它研究数据 高解析度排放清单 高分辨率气象场 污染源排放数据 Mm5/wrf模型 NCEP再分析资料 本地气象观测数据 地形地貌数据
CMAQ模型
SO2
NO2
PM10
PM2.5
O3
环境质量模拟结果分析
炭总量控制等具体要求—重点控制区
区域污染传输通道—输送通道 识别区域内大气污染传输通道，输送规律，从区域整体角 度优化布局，优化监测点位。
4.2 识别重点控制单元—城市传输矩阵，区域 布局优化
行业 城市1 城市2 城市3 等等
城市1
城市贡献率 以国控监测点位进行 统计
城市2
城市3
等等
4.3 识别重点控制行业—行业传输矩阵，重点 行业重点控制
2009年污染源普查数据
VOCs实际调研数据
地方环保局
地方环保局 http://www.cgrer.uiowa .edu/EMISSION_DATA_new /index_16.html http://www.cgrer.uiowa .edu/EMISSION_DATA/ind ex_16.htm http://www.geiacenter. org/ 地方气象局 中国环境监测总站 中国环境监测总站
1.1 空气质量模型的定义
空气质量模型是运用气象学原理，用数学方法模 拟从污染源排放到环境空气中的污染物浓度。一般考
虑了以下大气过程：排放（人为和生物源排放）、输
送（水平平流和垂直对流）、扩散（水平和垂直扩 散）、化学转化（气相和液相化学反应）、清除机制 （干湿沉降）。
1.2 空气质量模型的作用
空气质量模型是确定“质量目标”与“控制措施”间定量
CALPUFF模式
几十到几 百公里
Aermod模式 adms模式
几公里到 几十公里
1.6 空气质量模型存在的不确定性
排放清单的不确定性：排放清单的不确定性是影响空气质
量模型的最主要因素。短期内尚无法全面、准确的掌握各 类污染源的排放信息及排放特征；
气象模型的不确定性
：气象模型是通过数学方法对大气
因此，选择CMAQ模型模拟区域大气环境污染特
征，为区域联防联控规划提供技术支撑。
2.2 CMAQ模型的技术框架
活动水平 气象观测数据
排放清单处 理模块 边值条件 边值模块 BCON 初值模块 ICON 光解速率模块 JPROC 化学输送模块 CCTM
MM5模型
初值条件 光解速率
气象-化学预处理模块 MCIP
及化学过程。
1.4 空气质量扩散模型的分类
按模拟尺度分：全球尺度、区域尺度、城市尺度、多尺度嵌 套； 按模型的应用分：单一要素模型（仅用于模拟某种环境问 题）、光化学模型（用于模拟光化学污染）、大气一体化模 型(CMAQ)；
按照计算方法分：统计、高斯、拉格朗日、欧氏模型、欧拉 模型；
按照发展阶段分：第一代、第二代、第三代（CMAx、 CMAQ）。
MODEL3/CMAQ模型在区域联防
联控规划中的应用及实例
薛文博 环境保护部环境规划院 2010年12月23日
提纲
科学认识并使用空气质量模型 CMAQ模型在规划中的使用流程 CMAQ模型所需输入数据
CMAQ模型应解决的主要问题 CMAQ应用实例—“举一反三” CALPUFF模型简要使用说明
1、正确认识空气质量模型
1.5 常用的空气质量模型/气象模型
模型类型 mm5/WRF模式 适用尺度 多尺度嵌 套 应用领域 分析大气污染物传输路 径；为空气质量模型模 拟气象场资料 可系统模拟多种尺度、 多种大气污染问题，特 别适用于光化学污染过 程的模拟 优缺点 计算所需时间较长，技术难度较 大；可与大多数空气质量模型对 接 目前最先进的空气质量模型；所 需基础资料难获得；计算所需时 间长；多应用于科研领域，我国 在环境规划及管理中的应用案例 较少 所需资料易获得，计算时间较长， 应用较广泛；不能模拟光化学污 染过程 所需资料易获得，计算时间适中， 应用较广泛；对于光化学污染过 程模拟过于简化 所需资料易获得，计算时间适中， 广泛应用于城市尺度模拟；对于 光化学污染过程模拟过于简化
模拟内容：电力行业SO2、NOx、PM等污染物协同控制究竟 能取得多大的环境效益？评估指标包括“PM2.5浓度、N沉
降、S沉降”三项。
5.2 本案例技术路线
电力行业SO2、NOx、PM排放情景 基准情景 减排情景1 减排情景2 减排情景3 基准年工业源排放清单 各情景对应电力行业多污染物排放状况 基准年交通源排放清单 基准年生活源排放清单
机理
污 染 源
扩散模型 受体模型
环境 质量
统计
（1）受体模型-统计模型
利用统计学方法，分析污染源化学组分与空气质量化学 组分之间的关联性，从而建立“源”与“质量”之间的响 应关系—主要用于颗粒物源解析（如：CMB模型）。
（2）扩散模型-机理模型
基于大气物理、大气化学等理论，从而建立“源”与
“质量”之间的响应关系—主要用于模拟气态污染物的物理
行业 城市1 城市2 城市3 等等
行业1
行业贡献率
行业2
以国控监测点位进行统 计
行业3
等等
4.4 为确定环境质量目标提供依据
首先：依据模型模拟结果，有针对性的确定“十二五”区 域总量控制目标及减排项目清单；
其次：基于减排项目清单，预测环境质量改善幅度（百分
比）；依据2010年监测值推断2015年环境质量目标值；
空间分布特征
城市间传输关系
行业贡献率
控制区划分、分区管理
识别重点控制单元
识别重点控制行业
“十二五”总量减排 技术指南
区域总量控制目标分配方法 （重点突出、分区要求）
综合考虑环境质量、经 济、技术及产业政策要求
编制各地区、各行业工程项目清单 CMAQ模拟项目实施后的环境效果
为确定空气质量目标提供依据
2.5 技术流程中的难点—后续案例将详细阐述
3、CMAQ所需输入数据
3.1 CMAQ模型所需关键数据
污染源排放数据 气象场资料 环境质量监测数据
对于任何一个空气质量模型，上分类 主要数据 数据用途 编制SO2、NOx、PM排放清单 及机动车排放清单 编制人为源VOCs排放清单 编制人为源VOCs排放清单 数据来源
化关系，促使大气污染防治模式由“总量控制” 向“总量质
量双控制”模式过渡，采取“以空气质量改善为核心的大气污 染防治思路”的技术保障：
分析大气污染成因 、机制及特征 识别重点污染行业—基于浓度贡献率 识别重点污染区域 —基于浓度贡献率 环境规划情景分析
环境规划效益评估
1.3 空气质量模型类别—机理模型与统计模型
编制多污染物高 解析度排放清单 是模拟关键！
综合排放清单 （涵盖各行业、各污染物）
CMAQ区域复合型模型
Mm5中尺度气象模型
不同减排方案环境质量模拟结果
SO2浓度
NO2浓度
PM2.5浓度
N沉降
S沉降
对比、评估不同减排方案的环境效益
5.3 模拟情景设计—好的情景是前提
电力行业减排方案
情境方案 2008年（万t） 2015年（万t） 2020年（万t）
臭氧监测点位小时监测数据
年份 省份 城市 点位名称 经度 纬度 O3逐时监测值
PM2.5监测点位年均监测数据
年份 省份 城市 点位名称 经度 纬度 PM2.5 年均值
﹡注：提供2005年-2009年5年的监测数据
4、CMAQ模拟应解决的主要问题
各污染物浓度空间分布及传输特征
识别重点控制行业
环境质 量数据
3.2 污染源普查数据需求
工业源主要数据内容—数据特点：均有经纬度