大气污染物扩散高斯模型模拟
高斯扩散模式-大气污染控制工程
20
一、烟气抬升高度的计算
（2）Briggs公式：适用不稳定及中性大气条件
当QH 21000kW时 x 10 H s x 10 H s H =0.362QH x u
1/3 2/3 1/3 2/3 1 1
和 z
26
1.P－G曲线法的应用
地面最大浓度估算
由 H 和
H z |x xcmax z 2
由 z ~ x 曲线（图4-5）反查出 xcmax 由 y ~ x 曲线（图4-4）查 y 由式（4-10）求出Cmax
H———σz———X———σy———Cmax 式4-11 图4-5 图4-4 式4-10
max
z
x x c
H 2
14
四、地面连续点源扩散模式
由高架连续点源模式，令其有效源高H=0而得，即:
15
五、颗粒物扩散模式
粒径小于15μm的颗粒物可按气体扩散计算 大于15μm的颗粒物：倾斜烟流模式
(1 a )q y2 ( H vt x / u ) 2 c( x, y ,0, H ) exp( 2 ) exp[ ] 2 2 y 2 z 2πu y z
2
湍流扩散理论
梯度输送理论、湍流统计理论 1.梯度输送理论
研究方法：利用欧拉提出的方法，在充满流体的空 间固定多个点，测量各固定点上的各个参数的变化。 理论基础：质量守恒定律，把扩散类似分子扩散，
脉动值用平均值代替。
3
湍流扩散理论
2.湍流统计理论
研究方法：拉格朗日方法，空间有一微团，跟 随微团流动时各个流动点的规律。 理论基础：解决扩散参数时用二元相关理论： 方差、概率。
高斯烟羽模型课件
温度和湿度影响大气稳定度和湍流强 度，进而影响污染物的扩散。这些数 据可以通过气象观测站获取。
排放参数的估算方法
源强
源强表示污染物的排放速率。根据工厂或设施的工艺流程、设备运行状况等因素进行估算。
排放高度
排放高度决定了烟羽在垂直方向上的扩散范围。根据工厂或设施的建筑高度、排放设备的位置等因素进行估算。
案例一：城市空气质量预测
总结词：动态模拟
详细描述：高斯烟羽模型能够模拟城市空气质量的动态变化过程，揭示不同气象条件和地形地貌对空气质量的影响。
案例一：城市空气质量预测
总结词
可视化展示
详细描述
通过可视化技术，高斯烟羽模型能够将预测结果以直观的方式呈现出来，便于分析和理 解。
案例二：工业区污染物扩散模拟
特点
高斯烟羽模型适用于污染物在大气中扩散的情况，特别是对 于低空污染物的扩散，如工厂排放、汽车尾气等。该模型能 够考虑气象条件、地形等因素对污染物扩散的影响，提供较 为准确的预测结果。
模型的应用领域
环境评估
高斯烟羽模型广泛应用于环境评 估领域，用于评估工厂、交通工 具等污染源对周围环境的影响， 为环境管理和污染控制提供依据。
z
垂直距离，表示烟 羽扩散的垂直方向 上的距离。
公式的应用场景
高斯烟羽模型适用于描述烟羽 在大气中的扩散情况，特别是
在稳定气象条件下。
该模型广泛应用于环境科学、 大气污染控制等领域，用于 预测烟羽的扩散范围、浓度 分布等。
通过高斯烟羽模型，可以评估 烟羽对周围环境和居民的影响，
为制定相应的污染控制措施提 供科学依据。
03
高斯烟羽模型的参数估算
扩散参数的估算方法
扩散系数
高斯扩散模型假设名词解释
高斯扩散模型假设名词解释
高斯扩散模型是一种用来描述空气污染物在大气中传播和扩散
的数学模型。
它是基于高斯分布的假设，即空气污染物在水平方向上的传播服从正态分布。
在高斯扩散模型中，假设空气污染物在垂直方向上的传播是均匀的，即空气污染物在垂直方向上的浓度是恒定的。
这是基于大气中存在的湍流现象，使得空气混合均匀，污染物被均匀分散在大气中。
另外，高斯扩散模型还假设空气污染物在水平方向上的传播是径向对称的，即从污染源点开始，污染物浓度随着距离的增加呈现出高斯分布的特征。
这是因为在大气中存在着各种影响空气传播的因素，如风速、大气稳定度等，这些因素使得空气污染物向各个方向扩散。
高斯扩散模型可以通过一系列的数学公式来计算空气污染物在不同
位置的浓度分布。
这些公式考虑了污染源的排放强度、环境因素（如风速、大气稳定度等）以及地形特征等因素的影响。
通过模拟和计算，可以预测不同条件下空气污染物的传播范围和浓度分布，从而为环境管理和污染控制提供科学依据。
除了以上提到的假设，高斯扩散模型还可以考虑其他因素的影响，如地形地貌、建筑物的阻挡效应等，以更加准确地描述污染物在大气中
的传播过程。
它是环境科学领域中常用的一种模型，能够帮助我们更好地理解和管理空气污染问题。
AE_大气扩散模型算法
步骤2：在“大气污染扩散分析”窗口类中对
相关参数进行初始化。
using ESRI.ArcGIS.Geometry; //相关接口所在的命名空间 using ESRI.ArcGIS.Carto; //窗口类中定义的相关全局变量 public DiffusedParameter[] diffusedParameter50; //定义大气扩散参数结构体， 该结构体是自己编写的，这里放在初始化函数后 public DiffusedParameter[] diffusedParameter100; public DiffusedParameter[] diffusedParameter180; const double PI = 3.1415926; private 主窗口 parentForm; private int radius = -1; //辐射等级
{
featureLyr = (IFeatureLayer)lyr; } catch (Exception e)
{
featureLyr = null; } //当图层为点图层时，即将其对应的图层名添加到 comboBox_layer组合框中
if (featureLyr != null && featureLyr.FeatureClass.ShapeType == esriGeometryType.esriGeometryPoint)
表1 太阳辐射等级数
云量 总云量/ 低云量 <=4/<=4 5~7/<=4 太阳辐射等级数 15°<h0<= 35°<h0<=6 35° 5° +1 +1 +2 +2
大气污染扩散及浓度估算模式概述
大气污染扩散及浓度估算模式概述大气污染是指空气中某些物质或能量的浓度超过了一定的标准，对人类健康、生态系统和环境产生一定危害的现象。
而大气污染扩散及浓度估算模式则是一种基于数学、物理学原理的模拟工具，用来描述和预测大气污染物在大气中的扩散传播过程及其浓度分布情况。
扩散模式的基本原理大气污染物的扩散传播是受到气象条件、地形地貌、大气污染物排放源等多种因素的影响。
因此，扩散模式一般包括了以下几个基本原理：1.对流扩散：大气中的对流运动是造成大气污染物扩散的主要因素之一。
通过对流运动，大气中的污染物会随着空气的流动在近地层逐渐扩散。
2.湍流扩散：湍流是大气中涡动和乱流的运动形式，对大气污染物的扩散传播起着重要作用。
湍流扩散模式一般基于大气边界层内的湍流动力学理论建立。
3.稳定度影响：大气的稳定度会影响大气污染物的扩散情况。
在稳定的大气层中，扩散较小，而不稳定的大气层则容易形成污染物下沉和较大范围的扩散。
4.地形地貌影响：地形地貌会对大气污染物的扩散产生重要的影响，如山脉、山谷等地形特征会对污染物传播产生局部影响。
浓度估算模式的发展随着大气环境科学的发展和计算机技术的进步，大气污染扩散及浓度估算模式得到了长足的发展。
目前，常用的大气污染扩散及浓度估算模式主要包括了以下几种：1.高斯模型：高斯模型是最简单的扩散模型之一，假设大气污染物的传播呈现高斯分布。
其适用于平坦地形、均匀排放源的情况。
2.拉格朗日模型：拉格朗日模型是一种基于粒子运动轨迹的扩散模式，可以更准确地描述污染物的扩散传播路径。
3.欧拉模型：欧拉模型是一种基于流体动力学方程的扩散模型，适用于描述大气边界层内的湍流扩散过程。
4.数值模拟模型：数值模拟模型是最常用的大气污染扩散及浓度估算模式之一，利用数值计算方法对复杂的大气扩散传播过程进行模拟。
应用及展望大气污染扩散及浓度估算模式在环境保护、城市规划、应急响应等领域具有重要的应用意义。
通过对大气污染物的扩散传播过程进行模拟和预测，可以帮助政府及相关部门制定合理的环境政策和控制措施。
大气污染物迁移与扩散模拟模型
大气污染物迁移与扩散模拟模型近年来，随着工业化的迅猛发展，大气污染问题成为世界各国共同面临的挑战。
大气污染物的迁移与扩散模拟模型的研究，对于理解和预测大气污染物的传播路径和浓度分布具有重要意义。
大气污染物的迁移与扩散过程受到多种因素的影响，包括气象条件、地形地貌和污染源的特征等。
为了将这些复杂情况模拟并预测大气污染物的迁移与扩散，研究者们开发了各种模拟模型。
在大气污染物迁移与扩散模拟模型中，气象条件起着重要的作用。
气象因素如风速、风向和大气稳定度可以直接影响污染物的传播路径和浓度分布。
通过使用气象数据，可以对大气污染物的迁移与扩散进行预测和模拟。
此外，地形和地貌也对大气污染物的传播具有重要影响。
地形中的山脉、山谷和河流等地貌特征会影响风的流动，从而改变污染物的传播路径和浓度分布。
通过对地形和地貌的建模，并与气象数据结合，可以更准确地模拟大气污染物的迁移与扩散过程。
污染源的特征也是影响大气污染物迁移与扩散的重要因素。
不同污染源的类型和排放强度将影响污染物在大气中的浓度分布。
对于不同类型的污染源，研究者们利用不同的排放模型进行模拟和预测。
通过与实际监测数据进行对比验证，可以提高模拟模型的准确性。
在大气污染物迁移与扩散模拟模型的研究中，数学模型和计算机模拟技术起着核心作用。
利用数学和物理方程来描述气象条件、地形地貌和污染源的特征，再结合计算机模拟技术进行模拟计算和预测。
这些模型可以提供各种研究大气污染问题的工具和方法。
近年来，随着计算机性能的提升和数据获取的便捷，大气污染物迁移与扩散模拟模型的研究也得到了迅猛发展。
研究者们不断改进和完善模型，提高其预测准确性和适用性。
同时，也将模型与实际监测数据相结合，对模拟结果进行验证和修正，以提高模拟模型的可靠性。
大气污染物迁移与扩散模拟模型的研究对于环境管理和政策制定具有重要意义。
通过预测和模拟大气污染物的传播路径和浓度分布，可以为各国政府提供科学依据，制定相关政策和措施来减少大气污染。
高斯扩散模型
（二）高斯模式的四点假设
❖a．污染物浓度在y、z风向上分布为正态 分布
❖b．在全部空间中风速均匀稳定 ❖c．源强是连续均匀稳定的 ❖d．扩散中污染物是守恒的（不考虑转化）
（三）高架连续点源扩散模式
C(x,
y,
z)
Q
2 uyz
exp
y2
2 2 y
z2
2 2 z
有界大气扩散：高架源须考虑到地面对扩散的影响。
2
2 z
)
地面轴线浓度模式：再取y=0代入上式
c( x, 0, 0,
H
)
q
πu y
z
exp(
H2
2
2 z
)
地面源高斯模式（令H＝0）：
c( x,
y,
z, 0)
q
πu y z
exp[
(
y2
2
2 y
z2
2
2 z
)]
相当于无界源的2倍（镜像垂直于地面，源强加倍）
例题：
❖ 1、设有某污染源由烟囱排入大气的SO2 源强为90mg/s，有效源高为60m，烟囱 出口处平均风速为5m/s，当时气象条件 下，正下风向500m 处的δy＝18.1m， δz＝35.3m，计算x=500m，y=50m 处 的SO2 浓度。
❖ 高斯模式是一类简单实用的大气扩散模式。在均 匀、定常的湍流大气中污染物浓度满足正态分布， 由此可导出一系列高斯型扩散公式。
（一） 高斯模式的坐标系
右手坐标系
（食指—x轴；中指—y轴；拇指—z轴）， 原点：为无界点源或地面源的排放点，或 者高架源排放点在地面上的投影点；x为 主风向；y为横风向；z为垂直向
p点在以像源为原点的坐标系中的垂直坐标为zh3实际浓度1设有某污染源由烟囱排入大气的so2源强为90mgs有效源高为60m烟囱出口处平均风速为5ms当时气象条件下正下风向500m处的y181mz353m计算x500my50m的so2浓度
aermod 模型原理及应用
aermod 模型原理及应用AERMOD模型原理及应用一、引言AERMOD（Atmospheric Dispersion Modeling System）是一种用于大气扩散模拟和空气质量评估的模型系统。
它是美国环保署（EPA）开发的一种大气扩散模型，被广泛用于评估工业过程和排放源对周围环境的影响。
本文将介绍AERMOD模型的原理和应用，并探讨其在环境管理和规划中的作用。
二、AERMOD模型原理AERMOD模型基于高斯扩散理论，通过计算源排放物的浓度分布来评估空气质量。
它考虑了大气稳定度、风速、源特征和地形等因素对污染物扩散的影响。
1. 大气稳定度大气稳定度是指大气中温度和湿度的垂直分布情况。
AERMOD模型使用稳定度分类系统将大气分为多个稳定度类别，如非常不稳定、中度稳定等。
这些稳定度类别反映了大气中污染物扩散的能力，从而影响了模型的计算结果。
2. 风速风速是影响污染物扩散的重要因素之一。
AERMOD模型考虑了地面风速和垂直风速剖面的变化，并通过计算源排放物的有效排放高度来估计污染物的扩散。
3. 源特征AERMOD模型考虑了源排放物的特征，如排放速率、温度和高度等。
这些参数对污染物扩散和浓度分布都有重要影响，并被用于计算模型中的各种系数和参数。
4. 地形地形对风速和风向的分布有显著影响，从而影响了污染物的传输和扩散。
AERMOD模型通过引入地形因子来考虑地形的影响，以提高模型的准确性。
三、AERMOD模型应用AERMOD模型在环境管理和规划中有广泛的应用，包括以下几个方面：1. 环境影响评价AERMOD模型可以用于评估工业过程、电厂、道路交通等排放源对周围环境的影响。
通过模拟污染物的扩散和浓度分布，可以预测潜在的环境影响，并为环境管理和规划提供科学依据。
2. 空气质量管理AERMOD模型可以用于评估空气质量，并帮助制定相应的环境管理措施。
通过模拟不同情景下的污染物浓度，可以确定污染源的贡献程度，并制定减排政策和控制措施。
大气湍流传输与扩散模型的建立与验证
大气湍流传输与扩散模型的建立与验证一、引言大气湍流传输与扩散模型是研究大气环境中污染物传输和扩散规律的重要工具。
通过建立准确可靠的模型，可以对大气污染物的排放和浓度分布进行预测和评估，为环境管理和保护提供科学依据。
本文将探讨大气湍流传输与扩散模型的建立与验证方法，以及在实际应用中的一些案例。
二、模型的建立大气湍流传输与扩散模型的建立需要考虑多种因素，包括湍流结构、扩散机制、地形条件等。
一般而言，有两种常用的模型：高斯模型和非高斯模型。
1. 高斯模型高斯模型是最常见和简单的模型之一，它基于高斯分布理论，假设大气污染物传输过程符合正态分布。
在建立高斯模型时，需要确定源强、风向、风速、层流距离等参数。
此外，还需要考虑地表条件和大气稳定度对湍流传输与扩散的影响。
高斯模型适用于大气排放源较高、地形较简单的情况。
2. 非高斯模型非高斯模型则考虑了更多的因素，如大气湍流的非均匀性、地表粗糙度、地形起伏等。
其中，最常用的是K模型和E模型。
（1）K模型K模型是一种基于湍流动力学理论的非高斯模型，它通过考虑湍流发展的参数来描述污染物的扩散。
K模型假设湍流动能垂直分布均匀，可以更好地描述复杂地形条件下的大气污染物传输。
（2）E模型E模型是一种基于湍流粘度理论的非高斯模型，它考虑了湍流传输受到大气稳定度和地表条件的影响。
E模型适用于大气排放源较低且存在地形起伏的情况。
三、模型的验证模型的验证是确保模型可靠性和准确性的重要环节。
常用的验证方法包括观测数据对比、敏感性分析和误差分析等。
1. 观测数据对比将模型模拟结果与实际观测数据进行对比是验证模型的一种常用方法。
通过比较模型预测结果与观测值的吻合程度，可以评估模型的准确性和可靠性。
需要注意的是，观测数据应具有一定的时空分辨率和代表性，以保证对模型进行有效的验证。
2. 敏感性分析敏感性分析是评估模型响应程度对输入参数的变化的方法。
通过改变模型输入参数，如风速、风向、源强等，观察模型输出结果的变化情况，可以了解模型对不同参数的敏感性。
大气污染物扩散传输过程的仿真模拟方法研究
大气污染物扩散传输过程的仿真模拟方法研究近年来，大气污染问题引起了广泛关注。
随着城市化进程的加快和工业化的不断发展，大气污染物的排放量不断增加，对空气质量和人民健康产生了严重的影响。
为了更好地理解和控制大气污染物的扩散传输过程，研究人员广泛应用仿真模拟方法，以获取关键的数据和模型参数。
一种常用的仿真模拟方法是数值模拟。
通过建立大气流动方程、扩散传输方程和反应动力学方程，可以计算和模拟大气中污染物的扩散和转化过程。
数值模拟方法可以根据实际情况灵活地选择不同的模型和参数，对不同的大气污染事件进行精确的模拟。
在进行数值模拟之前，研究人员首先需要收集基础数据，如大气气象数据、污染物排放数据等。
这些数据对于建立模型和确定模拟方法至关重要。
通过现场观测、监测设备和遥感技术，可以获取与大气污染相关的各种数据。
而这些数据的准确性和全面性对于模拟结果的准确性也具有决定性的影响。
除了数值模拟方法，研究人员还常常利用物理模型进行仿真模拟。
物理模型是对大气污染物扩散传输过程现象的物理逻辑和规律的概括和描述。
通过观察和实验，研究人员可以建立各种物理模型，进而对大气污染物的扩散传输过程进行仿真。
物理模型不仅可以为研究人员提供直观的结果，还能够帮助他们理解大气污染物的行为和影响因素。
此外，计算机模拟也是研究大气污染物扩散传输过程的常用方法之一。
通过编写计算机程序，并结合相关的模型和参数，可以对大气污染物的扩散和传输进行模拟。
计算机模拟方法具有高度的可重复性和灵活性，可以模拟不同情境下的大气污染物扩散传输过程，并对结果进行分析和比较。
在进行大气污染物扩散传输仿真模拟时，研究人员还需要考虑区域特征和环境因素。
由于不同地区的气候、地形、人口密度等因素的差异，大气污染物的扩散传输也存在很大的差异。
因此，在进行模拟研究时，需要综合考虑这些因素，以获取更准确和适用的模拟结果。
总之，大气污染物扩散传输过程的仿真模拟方法研究对于更好地理解和控制大气污染具有重要的意义。
calpuff模型概述
calpuff模型概述
CALPUFF模型是一种大气扩散模型，用于评估大气污染物在空气中的传输和扩散情况。
它可以模拟气象条件下污染物的空气传播路径、浓度分布和沉降。
CALPUFF模型是美国环境保护署（EPA）开发的一种广泛使用的模型，用于评估源点或区域性空气污染物的影响范围。
CALPUFF模型基于高斯模型，采用了复杂的数学算法和气象数据，包括地表和大气条件、风速风向、大气稳定度等。
模型通过将大气污染源的排放数据结合气象数据，计算出污染物在大气中的传输路径和浓度。
CALPUFF模型具有以下特点：
1. 非定常模型：CALPUFF模型可模拟非定常条件下的大气传输，考虑到气象条件的时变性和变化。
2. 复杂地形处理：模型可以有效处理复杂地形、山脉和流动的地形条件，考虑地形对风速和风向的影响。
3. 高空气体通量处理：模型允许模拟和分析大气层中的气体通量，包括边界层混合和大气稳定度的影响。
4. 大范围传输：CALPUFF模型可模拟大范围的传输，从局部到区域尺度，适用于评估大型源点或复杂排放情况下的污染物传输情况。
CALPUFF模型在环境影响评价、空气质量管理和风险评估等领域得到广泛应用。
它可以用于评估工业排放源、交通排放、大气污染事件等对周围环境和人体健康的影响，为决策制定提供科学依据。
然而，模型的应用需要准确的输入数据和参数，并且需要经过合理的验证和验证，才能得到可靠的结果。
空气污染学高斯扩散基本公式课件
05
高斯扩散模型与其他模型的 比较
与其它空气质量模型的比较
模型选择依据
高斯扩散模型在空气污染学中应用广泛，选择该模型主要基 于其简单易懂、易于计算的特点。与其它复杂的空气质量模 型相比，高斯扩散模型能够提供快速且准确的污染物浓度预测。
适用范围
高斯扩散模型适用于中低强度、平稳气象条件下的污染物扩 散。对于强风、湍流等复杂气象条件，可能需要更复杂的模型。
由于气象条件在空间和时间上都 是变化的，因此使用高斯扩散模 型计算出的结果与实际结果存在
误差。
湍流的影响
由于模型假设大气流动为层流，忽 略了湍流的影响，这也会导致计算 结果与实际结果存在误差。
障碍物的影响
由于模型中假设下风向没有障碍物， 而实际情况中下风向往往存在障碍 物，这也会导致计算结果与实际结 果存在误差。
公式的应用场景
01
02
03
点源污染
适用于单个污染源产生的 污染物扩散情况，如烟囱 排放。
线源污染
适用于较长线状污染源产 生的污染物扩散情况，如 道路交通排放。
面源污染
适用于较大面积的污染源 产生的污染物扩散情况， 如农田施肥。
03
高斯扩散模型的应用实例
实例一：城市空气质量预测
总结词
利用高斯扩散模型预测城市空气质量，需要考虑气象 条件、地形地貌、污染物排放等多种因素。
详细描述
在城市环境中，由于建筑物密集、气象条件复杂，污染 物在大气中的扩散受到多种因素的影响。高斯扩散模型 能够综合考虑这些因素，对城市空气质量进行较为准确 的预测。例如，在预测PM2.5浓度时，需要考虑风向、 风速、温度、湿度等气象条件，以及地形地貌特征，如 山脉、河流等对气流的影响。同时，还需要考虑城市中 不同功能区的污染物排放情况，如工业区、商业区、居 民区的排放差异。
高斯扩散模式在瞬间排放空气污染物模拟中的应用
高斯扩散模式在瞬间排放空气污染物模拟中的应用摘要：在文章中提出应用高斯模式模拟和预测在瞬间排放状况下空气污染等级，用FORTRAN 语言编写的高斯模式程序还可应用于区域污染影响评价中，模式不仅可以从GIS 中输入数据而且还可以应用GIS 格式输出结果。
关键词：高斯模式 空气污染 地理信息系统 瞬时污染源 浓度场瞬间排放是指工业企业或电厂的事故性污染物排放，如贮油罐或输油管道发生事故等。
排放的污染物污染了空气、土壤、地面及地下水，影响植被和影响环境。
模拟瞬间空气污染要求得到污染区域面积、污染浓度和等级、污染预测等。
本文提出用高斯模式的解析解来模拟和预测瞬间排放空气污染状况。
基于烟羽扩散上的解析公式求解的高斯模式非常广泛的应用于评价区域污染状况。
高斯数学模式作为一个污染物扩散的基础模式被国际原子能机构广泛推广。
从瞬间点源污染源排放的污染物，其转换和扩散可以用以下的扩散方程来表示：tC∂∂+div(CV )=∆(K ∆C )+Ri +Q δ(t −t 0)δ(x −x 0)δ(y −y 0)δ(z −z 0) (1) 式中：C(x, y, z, t)为污染物浓度 V 为风速 K 为扩散系数R 为污染物光化学转化率 Q 为污染物排放量x 0, y 0, z 0为污染源相对坐标在一定的风速和扩散系数条件下，公式（1）有其高斯扩散模式的解析解。
因此，污染物浓度值C 由点源污染源的高度H 决定。
H 在高斯扩散模式中由下述公式计算：C （x,y,z,t ）=)()2(222222222/)2(2/)(2/)(2/)(2/3zzyxwt h H z wt h z vt y ut x zy x e e ee Q σσσσσσσπ-++--------+ (2)式中：t 为时间 Q 为排放量u ，v ，w 为风速分别在x ，y ，z 方向的分量 σx , σy , σz 分别在x ，y ，z 方向的扩散系数 h 为点源高度 H 为混合层高度高斯模式中，假设X 轴与风向方向一致，Z 轴铅直向上，V=W=0。
大气扩散模型与预测方法研究
大气扩散模型与预测方法研究近年来，大气污染对人们的生活质量和健康造成了严重的影响，因此，对大气质量的监测和预测显得尤为重要。
大气扩散模型与预测方法的研究正是为了解决这一问题而展开的。
大气扩散模型是基于物理、统计和数学等原理建立的一种数学模型，用于模拟大气中污染物的传输和扩散过程。
通过模型，我们可以预测污染物的浓度分布、影响范围以及持续时间等重要参数。
其中，最常用的模型是高斯模型和Eulerian模型。
高斯模型是一种简化的二维模型，适用于预测近源污染物的传输和扩散。
该模型基于高斯分布法则，将污染物的浓度分布假设为呈钟形曲线，主要考虑了地形、风向、风速等因素的影响。
然而，高斯模型的适用范围有限，只能用于预测短距离、平坦地形下的扩散情况。
与高斯模型相比，Eulerian模型更为复杂，可以模拟大气中污染物的传输过程，并考虑了地形、气象等多种因素的综合影响。
Eulerian模型将大气分为网格，通过对每个网格的物理过程建立方程，来描述污染物的传输和扩散。
这样，我们可以更精确地预测大气中各个位置的污染物浓度。
然而，无论是高斯模型还是Eulerian模型，它们都需要准确的输入数据，如污染源排放量、地形地貌、气象条件等。
因此，在模型预测中，准确而全面的数据采集显得尤为重要，这也是大气扩散模型研究的一个关键环节。
除了大气扩散模型，我们还可以利用数据驱动的方法来预测大气污染。
数据驱动的方法基于大量的观测数据和相关的统计模型，通过分析数据的关联，来建立预测模型。
这种方法不依赖于物理原理，减少了对输入数据的要求，并可以更好地预测复杂实际情况下的大气污染。
例如，近年来兴起的机器学习方法在大气污染预测中得到了广泛应用。
通过对历史观测数据进行训练，机器学习模型可以准确预测未来污染物浓度，并且能够自动调整模型参数以适应不同的环境条件。
这种方法的优势在于可以处理大量的数据，并且可以在实时或近实时的情况下进行预测，为及时采取控制措施提供了便利。
大气污染物扩散高斯模型模拟
9.2.2大气污染物扩散的高斯模型模拟：可视化模拟点源大气污染的扩散9.2.2 Gaussian Atmospheric Dispersion Model突发性大气污染事故时有发生，对大气污染扩散进行模拟和分析，有利于减小事故的危害，减轻人员伤亡和财产损失。
高斯扩散模型是国际原子能机构(IAEA)推荐使用于重气云扩散模拟的数学模型,该模型在非重气云扩散的应用日益广泛。
高斯扩散模型是描述大气对有害气体的输移、扩散和稀释作用的物理或数学模型,是进行灾害预测和救援指挥的有力手段之一。
9.2.2.1高斯扩散模型高斯模型又分为高斯烟团模型和高斯烟羽模型。
大气污染物泄漏分为瞬时泄漏和连续泄漏，瞬时泄漏是指污染物泄放的时间相对于污染物扩散的时间较短如突发泄漏等的情形，连续泄漏则是指污染物泄放的时间较长的情形。
瞬时泄漏采用高斯烟团模型模拟，而连续泄漏采用高斯模型烟羽模型模拟。
高斯模型适用于非重气云气体，包括轻气云和中性气云气体。
要求气体在扩散过程中，风速均匀稳定。
在高斯烟团模型中，选择风向建立坐标系统，即取泄漏源为坐标原点，x轴指向风向，y轴表示在水平面内与风向垂直的方向，z轴则指向与水平面垂直的方向，具体公式见式(9.1):(9.1)(mg/s); x、y、z轴上的扩散系数，需根据大气稳定度选择参数计算得到(m)；x、y、z表示x、y、z上的坐标值(m)；u表示平均风速(m/s)；t表示扩散时间(s)；H 表示泄漏源的高度(m)。
同理，高斯烟羽模型的表达式如：(9.2)9.2.2.2 技术方法若用高斯模型算出空间每一个点在一个时刻的污染浓度，这个计算量是很大的。
因此所设计的系统一般都是采用先进行图层网格化，由高斯模型计算出有限个网格点的上的污染物浓度，在进行空间内插得到面上每一个点的污染物浓度，并由此得到污染物浓度的等值线。
整个过程的示意图如图9.2.1所示图9.2.1 大气污染扩散的高斯模拟的步骤1) 图层网格化图层网格格式分为结构化网格、非结构化网格。
空气质量模拟和评价技术
空气质量模拟和评价技术随着城市化的不断加速，环境污染也成为了一个日益严重的问题。
其中，空气污染是人们最为关心的问题之一。
空气中的污染物对人体健康和环境造成的危害不可忽视。
因此，对于空气质量进行模拟和评价，成为了保障人类健康和生态安全的一项重要任务。
一、空气质量模拟技术空气质量模拟技术是利用数学公式和数值计算方法，模拟出空气污染物在空气中的扩散和传输过程。
通过模拟计算，可以预测大气污染的程度、分布范围和时间等参数。
目前常用的空气质量模拟技术主要包括：高斯模型、半经验模型和CFD 模型。
高斯模型是应用最广泛的一种空气质量模型。
它基于假设，认为污染物的扩散过程类似于高斯函数的分布规律。
利用测量得到的污染物的排放量、排放高度、环境气象和地形等因素，通过高斯方程计算出排放物在不同点的浓度分布，从而分析其扩散过程。
半经验模型是高斯模型的改进版。
该模型同时考虑了高斯模型和实测数据的因素，提高了模拟精度。
该模型根据现场观测资料和理论分析，建立了一个多因子数学模型，可预测大气污染物的扩散、沉降等参数。
CFD模型（Computational Fluid Dynamics）是基于流体力学的一种模拟技术。
该技术可根据不同空间具有不同的流体特性，如密度、压力、速度等，在计算机中建立空气质量模型，并模拟出各种交叉作用的流场。
CFD模型精度高，适用于需要较高模拟精度的场合。
二、空气质量评价技术空气质量评价是根据测量和观测数据，对某一地区空气质量进行综合评价的过程。
主要包括以下几个方面：1. 空气质量监测空气质量监测是评价空气质量的基本手段。
它通过检测和测量气溶胶、气体、大气降水等参数，以确定污染物的浓度、构成和分布特征。
目前，我国已建立了较为完善的空气质量监测体系，可对各类污染物进行有效监测和评价。
2. 空气质量评价指标根据各种污染物对人体健康和环境的危害程度不同，制定了一系列空气质量评价指标。
如PM2.5、PM10、SO2、NOx、O3等。
基于高斯模型的城市大气污染物溯源模拟
基于高斯模型的城市大气污染物溯源模拟作者：倪健王占益来源：《电脑知识与技术》2021年第29期摘要：针对邯郸市的大气污染物产生的雾霾天气问题，收集邯郸市18个环境监测站点位信息、日均IAQI 及天气数据并对数据进行预处理，考虑温度、风速、季风风向变化的影响建立坐标系并在此基础上建立高斯扩散模型。
利用信赖域算法对监测站的多项IAQI 数据进行拟合，在城市区域内根据不同的初始值模拟出数个污染源，得到污染源的污染物浓度以及具体位置。
分析所得多项大气污染物的模拟污染源的数量、浓度大小以及位置分布关系，用模拟的结果可以对邯郸市不同地区的不同污染情况采取针对性的治理方法。
关键词：高斯扩散模型;大气污染;MATLAB;污染源溯源;空间分布中图分类号：TP391.9 文献标识码：A文章编号：1009-3044（2021）29-0008-04Simulation of Air Pollution Dispersion in Handan City Based on Gaussian ModelNI Jian， WANG Zhan-yi（Hebei University of Engineering， Handan 056000， China）Abstract： Aiming at the haze weather problem caused by air pollutants in Handan City，collect the location information， daily aver⁃ age IAQI and weather data of 18 environmental monitoring stations in Handan City and preprocess the data， consider the impact of temperature，wind speed， and monsoon wind direction changes to establish coordinates System and build a Gaussian diffusion model on this basis. The trust region algorithm is used to fit multiple IAQI data of the monitoring station， and several pollution sources are simulated according to different initial values in the urban area， and the pollutant concentration and specific location of the pollution source are obtained. Analyzing the number， concentration， and location distribution of the simulated pollution sources of multiple air pollutants， the simulation results can be used to take targeted treatment methods for different pollution situations in different areas of Handan City.Key words： gauss diffusion model; air pollutants; MATLAB; back stepping pollutant sources; spatial distribution1引言近年来，尽管雾霾天气在国家的密切关注和加强治理下较以往得到了明显改善，但在经济发展过程中由于交通运输、工业生产等途径导致的大气污染物排放造成的空气污染问题不可避免，大气污染仍然是当今社会需要关注的重点生态问题。
污染物扩散模型
污染物扩散模型概述污染物扩散模型是一种用于模拟和预测污染物在大气中的传播和扩散过程的数学模型。
它是环境科学和空气质量管理领域中重要的工具，被广泛用于评估污染物的来源、传输路径、浓度分布和对人类健康和环境的影响。
模型建立污染物扩散模型通常采用数值模拟方法建立，其中最常用的方法包括高斯模型、拉格朗日模型和欧拉模型。
高斯模型高斯模型基于高斯分布理论，通过假设污染物的扩散呈现高斯分布，来预测污染物在空间中的传播和浓度分布。
该模型适用于平坦地表和相对简单的地形条件下的污染物扩散预测。
拉格朗日模型拉格朗日模型基于污染物的运动轨迹来模拟扩散过程。
它采用随机模拟方法，将污染物的源点和初始速度作为输入，通过模拟污染物粒子的运动路径，来预测污染物在空间中的分布。
拉格朗日模型适用于地形复杂、污染源多变或移动的情况。
欧拉模型欧拉模型是一种基于流体动力学原理的模型，它通过对大气流场进行数值模拟，来预测污染物在空间中的传播。
欧拉模型适用于研究大气中较大尺度上的污染物扩散过程，能够考虑地形、气象因素和污染源的作用。
模型输入污染物扩散模型的输入包括以下几个方面：污染源数据污染源数据是指污染物在空间中的来源和排放信息，包括源位点、污染物排放速率、时间和空间分布等。
这些数据通过监测和测量获得，在模型中用于确定污染物的初始条件。
大气条件数据大气条件数据是指影响污染物传播和扩散的气象因素，包括风速、风向、温度、湿度和气压等。
这些数据通常通过气象站观测或数值模拟获得，在模型中用于确定污染物的传播路径。
地形和建筑物数据地形和建筑物数据是指地表和建筑物对污染物传播和扩散的影响。
地形数据包括地表高度、坡度和植被覆盖等，建筑物数据包括建筑物高度、密度和分布等。
这些数据通常通过遥感技术或测量获得，在模型中用于确定污染物的传播路径和浓度分布。
模型输出污染物扩散模型的主要输出包括以下几个方面：污染物浓度分布图污染物浓度分布图是模型预测的污染物浓度在空间上的分布情况。
- 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)。
大气污染物扩散的高斯模型模拟：可视化模拟点源大气污染的扩散Gaussian Atmospheric Dispersion Model
突发性大气污染事故时有发生，对大气污染扩散进行模拟和分析，有利于减小事故的危害，减轻人员伤亡和财产损失。
高斯扩散模型是国际原子能机构(IAEA)推荐使用于重气云扩散模拟的数学模型,该模型在非重气云扩散的应用日益广泛。
高斯扩散模型是描述大气对有害气体的输移、扩散和稀释作用的物理或数学模型,是进行灾害预测和救援指挥的有力手段之一。
高斯扩散模型
高斯模型又分为高斯烟团模型和高斯烟羽模型。
大气污染物泄漏分为瞬时泄漏和连续泄漏，瞬时泄漏是指污染物泄放的时间相对于污染物扩散的时间较短如突发泄漏等的情形，连续泄漏则是指污染物泄放的时间较长的情形。
瞬时泄漏采用高斯烟团模型模拟，而连续泄漏采用高斯模型烟羽模型模拟。
高斯模型适用于非重气云气体，包括轻气云和中性气云气体。
要求气体在扩散过程中，风速均匀稳定。
在高斯烟团模型中，选择风向建立坐标系统，即取泄漏源为坐标原点，x轴指向风向，y轴表示在水平面内与风向垂直的方向，z轴则指向与水平面垂直的方向，具体公式见式:
(mg/s); x、y、z轴上的扩散系数，需根据大气稳定度选择参数计算得到(m)；x、y、z表示x、y、z上的坐标值(m)；u
表示平均风速(m/s)；t表示扩散时间(s)；H 表示泄漏源的高度(m)。
同理，高斯烟羽模型的表达式如：
技术方法
若用高斯模型算出空间每一个点在一个时刻的污染浓度，这个计算量是很大的。
因此所设计的系统一般都是采用先进行图层网格化，由高斯模型计算出有限个网格点的上的污染物浓度，在进行空间内插得到面上每一个点的污染物浓度，并由此得到污染物浓度的等值线。
整个过程的示意图如图所示
图大气污染扩散的高斯模拟的步骤
1) 图层网格化
图层网格格式分为结构化网格、非结构化网格。
结构化网格是指网格中每个结点都有数量相同的相邻点，如正方形格网，而非结构化网格则不同。
由于结构化网格易于实现，便于进行插值处理，故多用于实际应用。
考虑到气体污染物质量浓度的空间变化频繁，采用固定的结构化网格，以事故发生中心地为整个区域的几何中心，采用等间距条件将图层的二维空间离散化，计算每个网格点上面的污染物浓度，自动生成反映大气污染物质量浓度分布的等间距网格。
2) 空间插值
空间插值常用于将离散点的测量数据转换为连续的数据曲面，以便与其他空间现象的分布模式进行比较，它包括了空间内插和外推两种算法。
空间插值的理论假设是空间位置上越靠近的点，越可能具有相似的特征值；而距离越远的点，其特征值相似的可能性越小。
空间插值的方法可以分为整体插值和局部插值两类。
整体插值方法用研究区所有采样点的数据进行全区特征的拟合，局部插值方法仅仅用邻近的数据点来估计未知的值。
整体插值方法一般包括边界内插方法、趋势面分析和变化函数插值。
局部插值方法只使用临近的数据
点来估计未知点的数值，一般包括最邻近点法(泰森多边形法) 、移动平均插值法(距离倒数插值法)、样条函数插值法和空间自协方差最佳法(克里金插值法)。
在ArcGIS中，有如下插值方法可供使用：全局多项式插值法，反距离权重法，含障碍的扩散插值法，含障碍的核插值法，局部多项式插值法，径向基函数插值法和移动窗口克里金法。
3) 系统实现
由于ArcGIS等软件无法直接实现大气污染物的高斯模拟，需要借助诸如MapX、ArcGIS Engine的二次开发实现气体浓度值在GIS平台上动态展示的技术方法。
这里以基于C#.NET 和GIS组件ArcGIS Engine的二次开发为例，介绍实现二三维模拟大气污染物高斯扩散的方案。
ArcGIS Engine是用于构建定制应用的一个完整的嵌入式GIS组件库。
本案例模拟共包括五个功能模块：空间数据库模块、地图基本操作模块、事故参数设置模块、事故模拟分析模块和文档保存输出模块。
各个模块的主要功能具体如下：
a. 空间数据库模块主要是指地图中各个图层中的空间数据库，包含安全数据、加气站、消火栓、避难场所等应急设施信息以及道路、铁路建筑物，居民点、桥梁、水系、湖泊等基础数据。
数据库采用Oracle10g作为有关数据库的开发与管理工具，在ArcGIS中通过Add Data 添加数据库中相关数据，并按一定的图层顺序存放，形成.mxd格式文档。
b. 地图基本操作模块中，可以对地图进行打开图形、保存图形、漫游、放大、缩小、全屏显示、地图窗口刷新、属性选择、距离量算、面积量算等地理信息系统中的基本操作，在程序中是通过ArcGIS Engine组件的IToolbarControl接口中AddItem来实现。
c. 事故参数设置模块，包括事发地点查询和定位、事发时间参数设置、泄漏参数设置、气象参数设置等信息。
d. 事故模拟分析模块，是在高斯烟羽模型和高斯烟团模型的基础上，利用ArcGIS Engine 组件在电子地图上模拟毒气连续泄漏或持续泄漏的扩散过程，主要功能有动态模拟扩散过程模拟、整个扩散过程的轨迹回放、某个时刻或者某个时间段气体的扩散范围并分析该时刻或者时间段受影响单位的统计信息。
e. 三维分析模块，利用ArcGIS 3D Analyst扩展模块提供的三维数据查看环境实现系统的三维可视化。
在ArcScene中导入城市三维数据，通过3D View Tools工具条实现对图层的放大、缩小、旋转等操作。
调用IScene-graph的Locate()方法实现建筑物的查询。
加载三维大气扩散表面图层，显示TIN要素中的三角面，设置要素图层的颜色、透明度等属性，显示大气扩散的三维区域。
f. 文档保存输出模块，是指将事故基本信息、警戒区域的扩散图形、受影响的重要单位、城乡道路、居民建筑、水域桥梁、行政区域、消防监控等信息保存输出在Word文档，为应急预案提供信息支持。
实例模拟
假设一辆装载液氯的槽罐车在城市郊区发生了车祸，造成了氯气泄露事故。
事故发生时间为2012年07月01日12时，气体泄漏方式为瞬时泄漏，泄漏气体总量为5 000 kg，云量为3成，晴天，3级西北风。
将上述信息输入模拟系统，包括时间参数、泄露参数和天气参数。
设置参数完毕后进入计算分析过程，将某时刻的计算结果导入基础地理图中进行污染影响范围绘制。
设定事故发生一小时后，对事故影响的范围进行模拟，得到一小时后影响范围和危害程度示意图如图所示。
图一小时后事故影响范围和危害程度
利用ArcGIS 3D Analyst扩展模块提供的三维数据查看环境实现系统的三维可视化。
如图所示，在ArcScene中导入城市三维数据和实时的污染物扩散情况，可以很直观形象地查看污染物的影响范围。
图污染物扩散的三维模拟。