基于水气界面气体扩散速率的模型参数相关性与模拟结果比较
气体分子扩散的蒙特卡罗模拟
气体分子扩散的蒙特卡罗模拟
晋宏营
【期刊名称】《井冈山大学学报》
【年(卷),期】2012(033)002
【摘要】使用蒙特卡罗方法,对气体分子在背景气体中扩散的过程进行了计算机模拟,背景气体均匀分布于三维无界空间中。
模拟结果显示,气体分子的扩散是各向同性的,扩散经历的时间越长,分子分布的范围越大,分子扩散的方均位移与时间成正比关系。
使用本文的模拟方法还可估算气体扩散系数的数量级,对1标准大气压下、15°C时氧气的自扩散系数,以及氧气在氮气中的互扩散系数进行了估算,得到的扩散系数数量级与实验测量结果符合得很好。
【总页数】4页(P27-30)
【作者】晋宏营
【作者单位】榆林学院能源工程学院,陕西榆林719000
【正文语种】中文
【中图分类】O552.2
【相关文献】
1.多孔介质高温高压多组分气体-原油分子扩散系数研究 [J], 叶安平;郭平;王绍平;徐艳梅;程忠钊
2.借助化学现象巧做气体分子扩散实验 [J],
3.气体分子扩散的蒙特卡罗模拟 [J], 晋宏营
4.页岩纳米孔隙气体流动的分子扩散效应研究 [J], 王小迪;江山;李昊晟
5.气体–原油分子扩散系数实验研究进展 [J], 叶安平;沈晓英;郭平;王绍平;程忠钊;;;;;因版权原因，仅展示原文概要，查看原文内容请购买。
燃气扩散模型
燃气扩散模型燃气扩散模型是一种数学模型，用于预测燃气泄漏后在空气中的扩散情况。
该模型可以帮助人们评估和控制燃气泄漏对周围环境和人类健康的影响。
本文将从以下几个方面详细介绍燃气扩散模型。
一、燃气扩散模型的基本原理1.1 扩散过程燃气扩散是指在不断地分子碰撞作用下，由高浓度区域向低浓度区域传递的过程。
在这个过程中，分子会不断地向四周运动，直到达到平衡状态。
1.2 燃气泄漏当管道或储罐中的燃气泄漏时，会形成一个高浓度区域。
这个高浓度区域会随着时间的推移逐渐向周围扩散。
1.3 扩散模型扩散模型是通过数学公式描述扩散过程的规律。
它可以根据环境条件和泄漏源特征来预测燃气在空气中的传播情况。
二、燃气扩散模型的构建方法2.1 基于物理模型基于物理模型的燃气扩散模型通常是通过对扩散过程中的物理规律进行建模来实现的。
这种模型需要考虑多个因素，如气体密度、温度、湿度、风速等。
2.2 基于统计学模型基于统计学模型的燃气扩散模型通常是通过对大量实验数据进行分析和拟合来实现的。
这种模型不需要考虑太多物理因素，只需要根据实验数据进行预测即可。
2.3 基于计算流体力学（CFD）模拟基于CFD模拟的燃气扩散模型可以更加准确地描述燃气在空气中传播过程。
这种方法需要将空间分割成小块，并对每个小块内部的流动进行数值求解。
三、燃气扩散模型中常用的参数3.1 气体密度气体密度是指单位体积内所含有的质量。
它通常会随着温度和压力变化而变化。
3.2 温度温度是指物体内部分子运动所具有的能量大小。
它会影响气体分子的速度和碰撞频率，从而影响扩散过程。
3.3 湿度湿度是指空气中水蒸气所占的比例。
它会影响气体分子的速度和密度，从而影响扩散过程。
3.4 风速风速是指空气运动的速度。
它会对燃气扩散产生很大的影响，因为它可以将燃气迅速地带走。
四、燃气扩散模型在实际应用中的局限性和改进方法4.1 局限性燃气扩散模型通常只考虑了燃气在空气中的传播情况，而没有考虑到其他因素，如地形、建筑物等。
气体扩散模拟实验报告
气体扩散模拟实验报告工程力学1001 陈金刚3100104568一．实验背景：要求用matlab编程模拟分子碰撞，演示气体扩散情况。
本实验中的模型采用简化形式，所发生碰撞均为完全弹性碰撞。
壁面压强产生的原因是大量气体分子对容器壁的持续的、无规则撞击产生的。
各个壁面所受力和压强为单位时间内的平均值来代替。
由Ft=mv-（mv）=2mv，四个壁面在经历相同时间t的情况下，所受的平均压力F与2mv成正比。
又四个壁面长度S一样，所以由P=F/S 可知，壁面所受压强P与所受平均压力成正比。
因此，只需统计分析在相同时间内，四个壁面所受碰撞的总的2mv 即可知道各个壁面所受压力和压强的情况。
二．实验基本情况说明：区域尺寸：2维空间，200*200粒子数目：N个，N可变化粒子半径：各不相同，根据实验情况在一定范围内随机产生粒子质量：各不相同，与粒子半径的平方成正比初始位置：随机分布在左半区域初始速度：随机大小三．实验结果分析：（所有运行时间都一致）由表格数据分析可知：对于不同粒子数目，在运行足够长时间下，区域内分子运动会近似稳定，各个壁面所受压力，趋向稳定，在误差允许范围内，各个壁面所受压强可认为近似相同。
四．源代码：N=50;%球数，可变rad=rand(N,1)*2+4;%球半径，[4，6]pos=[rand(N,1)*90+5 rand(N,1)*190+5];%初始位置：左半边区域vel=rand(N,2)*20-10;%各球初始速度color=rand(N,3);%各球颜色，随机产生mass=5*rad.^2;%各球质量，与半径的平方成正比Left=0; %左边界，下同Right=200;Up=200;Down=0;figure;axis manual;axis equal square; %固定坐标axis([0 200 0 200]);hold on;%===============画不重叠的N个小球====for i=2:Nindex=0;while index==0index2=0;for j=1:i-1pp(j,:)=[pos(i,1)-pos(j,1),pos(i,2)-pos(j,2)];rr(j)=rad(i)+rad(j);ppp(j)=norm(pp(j,:));if ppp(j) <rr(j)+sqrt((vel(i,1)-vel(j,1))^2+(vel(i,2)-vel(j,2))^2)*0.1;%修正一开始若球相切时，后面判断可能误认为相撞index2=1;break;endendif ~index2index=1;else pos(i,:)=[rand()*90+5 rand()*190+5];endendend%==================================================================== couleft=0;%左壁面撞击的总mv，以下类似couright=0;couup=0;coudown=0;dt=0;%最小时间qq=0;%用于循环次数控制while qq<200%=========以下各球两两碰撞最小时间计算k=1;for i=1:Nfor j=i:Ndis=[pos(j,1)-pos(i,1),pos(j,2)-pos(i,2)];vv=[vel(j,1)-vel(i,1),vel(j,2)-vel(i,2)];dist=norm(dis);rr=rad(i)+rad(j);cosAlpha =abs( sqrt(1-(rr/dist)^2));cosTheta=(dot(dis,vv)/norm(vv)/dist);if cosTheta>=cosAlpha && cosTheta<1dd=dist*cosTheta-sqrt(rr^2-(dist*sqrt(1-cosTheta^2))^2);time(k)=dd/norm(vv);k=k+1;endendendtball=min(time);%================各球碰墙最小时间计算for i=1:Nif vel(i,1)>0tx(i)=(Right-pos(i,1))/vel(i,1);elsetx(i)=(Left-pos(i,1))/vel(i,1);endif vel(i,2) >0ty(i)=(Up-pos(i,2))/vel(i,2);elsety(i)=(Down-pos(i,2))/vel(i,2);endendtwall=min(tx,ty);%====tBallWall=min(tball,twall);dt=dt+tBallWall;%与墙相撞改变速度for i=1:Nif pos(i,1)-rad(i)<=Left && vel(i,1)~=0pos(i,1)=rad(i);%修正边couleft=couleft+mass(i)*abs(vel(i,1));vel(i,1)=-vel(i,1);elseif pos(i,1)+rad(i)>=Right && vel(i,1)~=0 pos(i,1)=200-rad(i);%修正边couright=couright+mass(i)*abs(vel(i,1));vel(i,1)=-vel(i,1);endif pos(i,2)-rad(i)<=Down && vel(i,2)~=0pos(i,2)=rad(i);coudown=coudown+mass(i)*abs(vel(i,2));vel(i,2)=-vel(i,2);elseif pos(i,2)+rad(i)>=Up && vel(i,2)~=0pos(i,2)=200-rad(i);couup=couup+mass(i)*abs(vel(i,2));vel(i,2)=-vel(i,2);endend%两球碰撞改变速度for i=1:Nfor j=i+1:NtwoBall=[pos(i,1)-pos(j,1),pos(i,2)-pos(j,2)];D=norm(twoBall);if D-rad(i)-rad(j)<sqrt((vel(i,1)-vel(j,1))^2+(vel(i,2)-vel(j,2))^2)*0.1;if D<rad(i)+rad(j) %修正碰撞误差pos(j,1)=pos(j,1)-vel(j,1)*0.05;pos(j,2)=pos(j,2)-vel(j,2)*0.05;endc=((mass(i)-mass(j))*vel(i,1)+2*mass(j)*vel(j,1))/(mass(i)+mass(j));vel(j,1)=((mass(j)-mass(i))*vel(j,1)+2*mass(i)*vel(i,1))/(mass(i)+mass(j)); vel(i,1)=c;c=((mass(i)-mass(j))*vel(i,2)+2*mass(j)*vel(j,2))/(mass(i)+mass(j));vel(j,2)=((mass(j)-mass(i))*vel(j,2)+2*mass(i)*vel(i,2))/(mass(i)+mass(j)); vel(i,2)=c;endendend%===============每隔一段时间画图while dt>0.05cla;for i=1:Nalpha=0:pi/20:2*pi;xx=pos(i,1)+rad(i)*cos(alpha);yy=pos(i,2)+rad(i)*sin(alpha);plot(xx,yy,'k-','LineWidth',2);fill(xx,yy,color(i,:));enddt=0;drawnowendpos=pos+0.1*vel;qq=qq+1;end%输出各个统计量clc;disp(['LeftSide=',num2str(couleft),' ','RightSide=',num2str(couright),' ',...'UpSide=',num2str(couup),' ','DownSide=',num2str(coudown)]);。
气体扩散浓度计算模型介绍(1)
E~F
472 1985年
相似模型介绍
相似模型主要是针对HEGADAS以及以HEGADAS为基 础开发的模型。相似模型是对箱模型概念的扩展， 考虑了气云内部浓度和速度的分布，并采取了湍 流扩散系数而非空气卷吸速度的方法。 壳牌公司HEGADAS模型是HGSYSTEM系统软件包的重 要组成部分，HEGADAS模型即有处理稳定连续释放 的定常态版本，也有预报来自液化气液池蒸发在 中等或高风下扩散的瞬间版本。 DEGADIS模型是在HEGADAS模型基础上作的改进， 是美国海岸警卫队和气体研究院开发的。
第三类 浅层模式模型
浅层模式模型，是对重气扩散的控制方程 加以简化来描述其物理过程，是对于三维 模式模型和简单箱模型的折衷。它是基于 浅层理论（浅水近似）推广得到的，模型 采用了厚度平均变量来描述流场特征，有 利于考虑复杂地形的重气扩散情况。
浅层模式模型思想
该模型需要计算气云的宽度和高度，是拟三维的。 侧风浓度分布应用相似分布确定，气云与环境大 气的混合运用卷吸概念处理。不少专家对浅层模 型进行了进一步开发，Wheatley & Webber对卷吸 和热量传递的浅层模型进行了推导。Errnak等将 浅层模型发展为SLAB模型，包括求解质量、组分、 下风动量、侧风动量和能量的侧风平均守恒方程， 以及气云宽度方程和理想气体状况方程。
相似模型特点与适用
箱及相似模型具有概念清晰、计算量 较小等优点，可为危险评价、应急救 援、制定控制措施等提供指导。但其 自身也存在着局限性，如假定速度和 浓度的相似分布，模拟的精度较差， 重气云团向非重气云团过渡也存在着 很大的不确定性。
已开发的相似模型简介
SAFER、TRACE模型 （在Kaiser和Walker提出模型的基础上开发的） CONSEQ、PHAST、WHAZAN、SAFETI模型 （在Cox和Carpenter提出模型的基础上开发的） DENZ、DRIFT、CIGALE 2、SLOPEFMI模型 （在Fryer和Kaiser提出模型的基础上开发的） HEGADAS、HEGABOX、HGSYSTEM模型（Colenbrander） ⅡT HEAVY GAS MODELS模型（MANJU MOHAN , T. S. PANWAR 和M. P. SINGH） CHARM、ELOE模型（Eidsvik） 等等
受限空间内气体扩散的数值模拟及分析共3篇
受限空间内气体扩散的数值模拟及分析共3篇受限空间内气体扩散的数值模拟及分析1受限空间内气体扩散的数值模拟及分析随着城市化进程的不断加快和人口数量的不断增加，人们在日常生活中的接触和接触到的气体种类也越来越多，从而引发了关于受限空间内气体扩散的安全问题。
为了预防和解决空气质量污染的问题，科学家们研究了一些方法，其中数值模拟技术的应用受到了广泛的关注。
本文旨在介绍受限空间内气体扩散的数值模拟及分析的相关内容。
一、数值模拟的基本方法数值模拟是利用计算机方法对物理现象进行建模和仿真，即将真实的物理空间通过数学方法离散化处理，并在计算机程序中求解得出目标物理量的变化规律。
数值模拟问题的求解可以基于有限元、有限差分和有限体积等方法，其中最为常用的是有限体积法。
有限体积法即将求解区域划分为许多小的体积单元，体积单元内的物理量被认为是常数，将整个求解区域按照时间分为若干个时间步进并求解出每个时刻各个体积单元内的物理量。
二、气体扩散数值模拟的建模对于受限空间内气体扩散的数值模拟，其建模步骤包括初值条件设置、边界条件设置、状态方程描述、物性参数选取和求解方法选择等内容。
1.初值条件设置设想一个较小的房间，假设这个房间内的气体密度是均匀的，而气体质量是随机分布的，因此每个空间位置的初始密度和初始质量都应被考虑。
2.边界条件设置受限空间的初始宏观性质还未考虑到，然而大多数空间是以室内为主的，其通风排气和外部条件也会对气体扩散数值模拟造成影响。
3.状态方程描述气体的状态方程反映了气体内能和其它物质性质的表达方式。
它是描述气体态压力、温度和密度之间关系的数学表达式。
4.物性参数选取物性参数选取是气体扩散数值模拟中十分重要的一步，物性参数必须与实验中使用的具体气体相对应。
同时，应注意物性参数的变化对计算结果的影响。
5.求解方法选择对于气体扩散的数值模拟，有限体积法是目前被广泛使用的数值方法。
此方法处理复杂几何形状的有限体积，并在其内部换算平均宏观性质，将有限体积划分为若干个小单元，逐渐递推更新其内部的宏观性质。
大气扩散模型验证与比对的工具和方法
辐射防护通讯
2004 年 10 月
大气扩散模型验证与比对的工具和方法
M ethodolog ies for Comparison of A tmospheric Dispersion M odels
邹 敬 曲静原 曹建主 ( 清华大学核能与新能源技术研究院, 北京, 100084) Zou Jing Qu Jingy uan Cao Jianzhu
示踪实验的观测器都分布在距离源点一定距
范围内, 实验主要在白天进行, 实验的气象条件包 括各种不同的稳定度和风速。 3. 2. 3 MV K 中的主要程序[ 9]
离的弧线上, 在同一个弧上得到的最大观测值称 为弧最大浓度, 并用它来代表烟羽中心浓度, M VK 中就是用弧最大浓度来和预测值做比较。 但有时监测器并不能在给定的地方捕捉到烟羽浓
Abstract T he at mospheric disper sion model com parison is a very crucial par t of t he development and research w ork in t he nuclear em er gency decision support and accident consequence assessment sy st ems, and also a very challenging t ask. T his paper sum marizes t he main dif ficult ies and counterm easures in the wo rk o f t he at mospheric dispersion m odel ralidat ion and t hen int ro duces t w o so ft w are t oo ls fo r model comparison, including t he relat ed dataset s. Final ly, it il lustr ates some act ual exam ples of mo del comparison. Key words: Atmospheric dispersion model Model comparison Model validati on
大气污染扩散模型Calpuff
02
03
计算效率
AERMOD计算效率较高，适用于快速 评估，而Calpuff计算效率较低，但结 果更为精确。
与CAMx模型比较
空间分辨率
Calpuff具有较高的空间分辨率，可以更好地模拟污染物 的空间分布，而CAMx则空间分辨率较低。
化学机制
CAMx包含了详细的化学机制，可以模拟复杂的化学反应 过程，而Calpuff则简化了化学机制，主要关注物理传输 过程。
预警系统建立
基于浓度分布图和风险评估结果，可以建立大气污染预警 系统，及时向公众发布污染预警信息，提醒公众采取必要 的防护措施。
污染源贡献分析
污染源识别
通过分析浓度分布图和排放清单数据，可以 识别出主要的污染源及其排放特征。
污染源贡献量评估
利用模型模拟结果和相关分析方法，可以定量评估 不同污染源对污染物浓度的贡献量。
突发大气污染事件应急响应案例分析
案例背景
某地区发生突发大气污染事件， 需要快速响应并制定应急措施。
01
03 应急响应措施制定
基于模型模拟结果和实时监测数 据，制定针对性的应急响应措施 ，如疏散受影响人群、实施交通 管制等。
Calpuff模型应用
02 利用Calpuff模型模拟突发大气污 染事件的扩散情况，预测污染物 的浓度分布和影响范围。
03
Calpuff模型计算过程
气象场模拟
1 2
气象数据输入
读取地面观测站、探空气球、卫星遥感等多源气 象数据。
气象场插值
采用空间插值方法，生成高分辨率的气象场，包 括风速、风向、温度、湿度等参数。
3
气象场模拟
运用中尺度气象模型（如MM5或WRF）模拟大 气边界层结构，提供Calpuff模型所需的气象场 。
气体扩散过程的数值模拟与分析
气体扩散过程的数值模拟与分析随着科技的发展和工业的进步，气体扩散过程的数值模拟与分析变得越来越重要。
气体扩散涉及到很多领域，如化工、环保、安全等，因此对于气体扩散过程的研究和掌握，对于我们的生活和工作具有重要意义。
一、气体扩散过程的定义气体扩散是指气体分子在压力差或浓度梯度的作用下，从高浓度区域向低浓度区域的传输过程。
气体扩散是一种无需介质（如流体）的传输方式，因此它与传统的流体传输方式有所不同。
而气体扩散过程的数值模拟与分析可以推算出气体扩散规律，更好地理解气体扩散的机制。
二、气体扩散过程的机制气体扩散的机制主要有两种，一种是分子扩散，另一种是对流扩散。
1. 分子扩散分子扩散是指气体分子在浓度梯度作用下，自由移动并和周围分子相互碰撞传输的过程。
气体分子在高浓度区域与周围分子相互碰撞的次数较多，因此相对速度较小；而在低浓度区域，气体分子之间的碰撞次数较少，相对速度也较大。
分子扩散是一种相当自由度高的传输方式，但也存在一定的局限性，如直接关系到气体分子的性质和大小等。
2. 对流扩散对流扩散是指气体在流体中的扩散过程，即气体随着液体或气体的流动而传播。
在对流扩散中，气体的扩散速率与气体分子的速度、流体的流速和其他因素都有关系。
对流扩散通常发生在工业、环保、药品等领域。
三、数值模拟与分析的重要性数值模拟与分析是研究气体扩散过程的重要方法之一。
通过数值模拟和分析，可以有效地模拟和分析气体扩散的过程和规律，预测气体扩散的变化趋势，提供相关的参考和指导意见。
此外，数值模拟还可以减少实验的成本和时间，并能够更好地控制操作和管理。
四、常用的数值模拟方法目前，常用的数值模拟方法包括有限元法、有限差分法、有限体积法等。
这些数值模拟方法都能够通过计算机程序模拟出气体扩散的过程和规律，为研究和开发气体扩散相关的产品和设备提供可靠的依据。
总的来说，气体扩散过程的数值模拟和分析是一个非常重要的研究领域，通过模拟和分析可以更好地掌握气体扩散规律，为相关领域的研究和开发工作提供有力的支撑。
气体扩散代理模型
气体扩散代理模型
气体扩散代理模型是一种描述气体在多孔介质中扩散过程的物理模型。
它基于Fick第一定律，即扩散通量与浓度梯度成正比。
在多孔介质中，气体的浓度在不同区域之间存在差异，这种浓度梯度驱动气体从高浓度区域向低浓度区域扩散。
扩散系数是描述气体在多孔介质中扩散能力的重要参数，它与气体的物理性质、多孔介质的特性以及温度等因素有关。
气体扩散代理模型的数学表达通常采用偏微分方程，描述了气体浓度随时间和空间的变化。
在稳态条件下，扩散方程为：$\nabla·(D(x)·∇C(x))=0$，其中，$D(x)$是扩散系数，$C(x)$是气体浓度，$\nabla$表示梯度算子。
这个方程描述了气体浓度在多孔介质中变化的规律，通过求解该方程可以获得不同时刻、不同位置的气体浓度分布。
气体扩散代理模型在许多领域都有应用，例如石油、天然气、环境科学等。
在石油和天然气开采过程中，它可以用于描述天然气从储层到井筒的运移规律，指导开采策略的制定。
在环境科学中，它可以用于描述污染气体在土壤和地下水中的扩散过程，为污染治理提供依据。
使用扩散模型数值模拟二维湍流气固两相流
使用扩散模型数值模拟二维湍流气固两相流
杨瑞昌;赵磊;巨泽建;刘若雷
【期刊名称】《工程热物理学报》
【年(卷),期】2005()z1
【摘要】本文从描述多维湍流气固两相流的两流体模型出发,导出了计算湍流气固两相流中固体颗粒扩散速度的计算模型,进而基于在一维流场中颗粒的终端速度是重力加速度gi的函数,提出在多维流场中颗粒相处于一个修正的加速度场g'i的作用下,该修正的加速度g'i包含了包括重力在内的各种力的作用,这些力对颗粒的加速作用与重力对颗粒的加速作用没有区别。
根据这种观点,提出了用于模拟多维湍流气固两相流的改进的扩散模型。
本文使用改进的扩散模型对台阶后方的气固两相流进行了数值模拟,并将数值计算结果与实验结果进行了比较,结果表明,改进的扩散模型的预报结果与实验结果符合得相当好。
【总页数】4页(P113-116)
【关键词】湍流气固两相流;改进的扩散模型;数值模拟
【作者】杨瑞昌;赵磊;巨泽建;刘若雷
【作者单位】热能动力工程与热科学重点实验室清华大学热能工程系
【正文语种】中文
【中图分类】TB120
【相关文献】
1.木纤维脉冲-旋流气流干燥气固两相流分析及数值模拟 [J], 陈峰;高珣;程万里
2.旋转,弯曲,扩散流道中流固两相流场的数值模拟及其分析 [J], 袁丹青;刘天宝
3.扩散式旋风分离器气固两相流场的数值模拟 [J], 操波;高广德
因版权原因，仅展示原文概要，查看原文内容请购买。
水汽扩散过程的数值模拟研究
水汽扩散过程的数值模拟研究随着工业化、城市化的发展，人类对水的需求也越来越高，然而水的资源却越来越紧张，尤其是水资源不均衡的问题更为严重，世界各地的干旱、水荒、洪涝灾害等问题层出不穷。
因此，对各种水文变量的模拟和预测是极其重要的。
在水资源的含量方面，气象因素中的水汽含量起着十分重要的作用，因此对水汽的扩散过程的研究非常重要。
而在对水汽扩散的过程进行研究时，数值模拟功不可没。
水汽扩散是指在气体状态下，水分子经过分子碰撞而扩散到其他气体分子之中。
通过数值模拟，可以解析出大气环流和水汽的扩散规律，以及海陆边际上海气界面交互的机理，其结果为水文变量预测提供了依据。
同时也提高了防灾减灾预警系统的能力。
水汽扩散的数值模拟主要依赖于数值模式。
数值模式在水汽扩散的研究中起着关键的作用，其对水汽扩散过程进行了深入的研究，可以达到精细度较高的模拟结果。
常用的数值模式有基于欧氏坐标系和基于拉格朗日坐标系的两种类型。
欧氏坐标系数值模式主要基于格子点（网格）的数值计算，其通过将区域内的三维空间由离散的格点组成，从而表示不同物理量的分布情况。
欧氏坐标系模式由于网格分辨率较小，在计算距离和扩散的物理模型时，存在误差。
而基于拉格朗日坐标系的数值模式运用不同物质的示踪器直接模拟水汽运动，可以更加准确地显示水汽扩散过程的实际运动情况。
因此，在水汽扩散数值模拟中，拉格朗日坐标系模式更加精确。
同时，水汽扩散数值的模型与算法也会对数值模拟结果产生影响。
在传统模型和算法的基础上，新的模型和算法被开发，比如，自适应无网格正交法和梯度重构法等等，这些方法可以提高数值模拟的准确性和模拟效率。
此外，水汽扩散数值模拟的结果还可以被应用在其他方面，比如汽车排放模拟、空气污染模拟、建筑物通风等方面。
因此，水汽扩散数值模拟技术不仅有助于水资源的预测和保护，还能为其他领域的研究提供帮助。
总之，对水汽扩散过程的数值模拟研究是一项十分重要的工作。
利用数值模拟技术，可以实现对水汽扩散过程的精准监测和预报，为各种水资源管理提供依据，同时也可以帮助其他领域的研究工作。
气体输运系数的导出——扩散系数及实验对比
气体输运系数的导出气体的扩散系数气体的扩散系数1气体的扩散系数2与实验结果的比较一、气体的扩散系数类似地可证明理想气体的扩散系数13D λ=v ,λv 33/223πk T D m p σ=⋅1221m m D D =ηu 讨论（1）利用 公式可将上式化为 这说明刚性分子气体的D 与 、 不同，它在p 一定时与T 3/2成正比，在温度一定时，又与p 成反比。
（2）由上式可看到，在一定的压强与温度下，扩散系数D与分子质量的平方根成反比。
κ自己推导二、与实验结果的比较[例]试估计标准状况下空气的黏性系数、热导率及扩散系数。
m 109.68-⨯=λ1446m s -=⋅v 3-330.029kg mol 1.29kg m 22.410m mol ρ-==⋅⨯6211310N s m 3ηρλ--==⨯⋅⋅v 062031115212017.110N s m382710J m s O 1.7810m sC C KD ηκ--------⨯⋅⋅⨯⋅⋅⋅-⨯⋅⋅空气,311119.510J m s 3V m m C K M κρλ----==⨯⋅⋅⋅v 5211 1.010m s 3D λ--==⨯⋅v [解]:标准状况下空气的 而空气密度为1.主要用于估计数量级；2.前面所介绍的仅是关于输运过程微观分析的初级理论，它还存在相当大局限性。
说明Ø采用不同近似程度的各种推导方法的实质是相同的。
6n Γ≅v )(00λλ-+z z 或)32(3200λλ-+z z 或4n Γ=v 上面的推导中采用了如下近似:①② 平均说来从上（或下）方穿过z 0平面的分子都是在处经受一次碰撞的；③ 未考虑分子从上（或下）方穿过z 0平面时的碰撞概率。
若进一步考虑碰撞概率，可证明：平均说来从上（或下）方穿过z 0平面的分子都是在 处遭受上一次碰撞的，而单位时间内从上（或下）方穿过z 0平面上单位面积的分子数是 个，由此仍可求得/3ηρλ=v 思考：4n Γ=v 0022()?33z z λλ+-或1. 即使是这种较为严密细致的推导，其中仍有一定的近似，其结果与实验仍有一定差别，更深层次的讨论要利用非平衡态统计，其数学处理要复杂得多。
大气湍流传输与扩散的观测与模拟比较研究
大气湍流传输与扩散的观测与模拟比较研究在大气科学领域中，大气湍流传输与扩散的观测和模拟比较研究是一个重要的课题。
通过对大气湍流传输与扩散过程的深入研究，可以更好地理解大气现象和气候变化，为气象预报、污染控制等方面提供有效的理论和技术支持。
一、简介大气湍流传输与扩散是指空气中气体、热量、能量等物理量在湍流场中的传输和扩散过程。
湍流是指流体中存在着无规则、不稳定的流动，具有随机性和不可预测性的特点。
湍流的存在使得大气中的物质和能量在空间和时间上呈现出高度混杂和不稳定的状态。
二、观测方法1. 传感器观测：利用传感器和仪器来实时观测湍流场的物理参数。
例如，通过风速风向传感器和温度湿度传感器等，可以测量风场、温场等参数的变化。
2. 激光雷达观测：激光雷达技术可以通过测量大气中气溶胶的散射信号，进而反演湍流的结构和性质。
激光雷达观测具有高精度、高时空分辨率等优点，是研究大气湍流传输与扩散的重要手段。
三、模拟方法1. 数值模拟：通过计算流体力学、大气动力学模型等数值方法，利用数学模型对湍流场的演化和传输过程进行模拟和预测。
数值模拟方法可以根据大气物理参数的初始条件和边界条件，计算得到湍流场在不同时间和空间尺度上的演化情况。
2. 模拟实验：在实验室环境中，利用风洞、水槽等实验设备模拟大气的湍流场，通过测量和观测实验数据，研究湍流传输与扩散现象。
模拟实验可以通过控制实验条件和参数，更加精确地重现大气中的湍流场。
四、观测与模拟的比较研究观测与模拟是研究大气湍流传输与扩散的两种主要方法，二者可以相互验证和补充。
观测方法可以提供实际的湍流场数据，具有直接、准确的特点；而模拟方法可以通过数学模型对湍流过程进行理论推演和预测，具有灵活性和可控性。
在观测与模拟的比较研究中，可以通过对观测数据和模拟结果的对比分析，评估模拟方法的准确性和可行性。
同时，也可以通过观测数据对模拟结果进行修正和校准，提高模拟的精度和可信度。
五、应用与展望大气湍流传输与扩散的观测与模拟比较研究在气象学、环境科学等领域具有重要的应用价值。
大气中湍流和扩散过程的模拟和参数化方案研究
大气中湍流和扩散过程的模拟和参数化方案研究大气中湍流和扩散过程是大气动力学和气候系统中重要的物理过程，对于预测天气、气候变化以及空气质量具有重要意义。
近年来，随着计算机技术的进步，大气中湍流和扩散过程的模拟和参数化方案研究取得了很大进展。
本文将从模拟方法和参数化方案两个方面，对大气中湍流和扩散过程的研究进行综述。
在湍流和扩散模拟方法方面，目前主要有两种方法，一种是直接数值模拟（DNS），另一种是雷诺平均Navier-Stokes方程（RANS）。
DNS方法是基于直接求解流体运动方程和湍流模型，可以精确地模拟湍流和扩散过程，但由于计算复杂度较高，只适用于小尺度和短时间尺度的模拟。
RANS方法则是基于对湍流流场进行时间平均和空间平均，并引入湍流模型来描述湍流的统计性质，可以模拟更大尺度和长时间尺度的湍流。
在参数化方案研究方面，主要是针对湍流和扩散过程的物理机制进行建模和参数化。
其中最常用的是K方程（K-ε）模型和雷诺应力模型。
K方程模型基于湍流能量方程和湍流耗散率方程，通过求解这两个方程，计算湍流动能和湍流耗散率的分布，并根据物理机制和实验数据来确定湍流模型的各个参数。
雷诺应力模型则是基于雷诺平均Navier-Stokes方程，并引入湍流应力来描述湍流的效应，根据物理机制和观测数据来确定模型的参数。
此外，还有一些新的模型和参数化方案正在发展中，如拉格朗日-爱欧拉（Lagrangian-Eulerian）模型、大涡模拟（LES）和湍流混合模型等，这些方法在湍流和扩散模拟方面具有一定的优势。
比如，拉格朗日-爱欧拉模型可以更准确地模拟气溶胶和化学物质的传输和化学反应过程；LES方法可以模拟大尺度和中尺度的湍流运动，具有更高的计算效率和更好的数值稳定性；湍流混合模型则在湍流过程的模拟和参数化中综合了不同的方法和理论。
总之，大气中湍流和扩散过程的模拟和参数化方案研究是一个复杂而关键的问题，目前已取得了一些进展。
水—气界面温室气体扩散的薄边界层模型研究与应用
水—气界面温室气体扩散的薄边界层模型研究与应用
水—气界面温室气体扩散的薄边界层模型研究与应用，是指对温室气体在水—气界面上扩散过程进行建模研究，并应用于实际情境中。
薄边界层模型是一种用于描述气体在液体表面上扩散的物理模型。
在温室气体扩散的研究中，薄边界层模型可以用来分析气体在水面上的扩散速度、浓度分布及扩散通量等参数。
研究水—气界面温室气体扩散的薄边界层模型的目的主要有两个方面。
首先，可以通过建立模型来深入理解温室气体在水—气界面上扩散的机理，揭示影响因素及其相互关系。
其次，可以利用模型预测和评估温室气体的扩散特性，为相关应用提供科学依据。
应用方面，水—气界面温室气体扩散的薄边界层模型可以应用于温室气体的减排和治理工程中。
通过建立模型，可以优化温室气体排放口的设计和管理，提高温室气体的收集效率和减排效果。
此外，模型还可以用于评估温室气体扩散对环境和人体健康的影响，为相关决策提供科学依据。
总之，水—气界面温室气体扩散的薄边界层模型研究与应用，对于深入理解和有效应对温室气体问题具有重要意义。
通过建立和优化模型，可以为相关领域的科学研究和工程实践提供支持。
气体扩散速率实验与分析
气体扩散速率实验与分析气体扩散速率实验是一种测量气体在不同条件下扩散速度的重要方法。
通过分析实验结果，可以了解气体扩散的规律和影响因素，进而应用于相关领域的研究和实践中。
一、实验装置和原理在气体扩散速率实验中，通常采用一根长而细的玻璃管作为实验装置。
试管中加入一定量的气体，然后在一端点燃，形成火焰。
利用气体分子的热运动以及浓度差异，气体将从火焰处扩散到试管另一端。
晶体管放大器连接到火焰上的阳极，在阴极产生的电流信号可以被放大并记录。
通过测量火焰与不同位置的电流信号强度，可以推算出气体扩散的速率。
二、实验步骤1. 准备实验装置。
将玻璃管固定在台架上，保证其处于水平状态。
将一端点燃形成火焰，并连接晶体管放大器。
2. 控制实验条件。
在实验过程中，需要控制温度、压力、气体浓度等参数。
可以通过调节环境温度、改变气体浓度或者改变火焰高度来控制这些参数。
3. 进行实验记录。
通过不断移动电极位置并记录相应的电流信号强度，可以得到不同位置下的信号强度数据。
4. 数据处理和分析。
根据实验数据，可以计算出不同位置处的气体扩散速率，并进一步分析其规律和影响因素。
三、实验结果与分析根据实验数据和对实验装置的控制，可以得到不同条件下的气体扩散速率。
分析结果显示，在相同温度和压力下，气体扩散速率与气体分子的质量成反比。
这是因为较重的气体分子在相同温度下，具有较小的平均速度，扩散速率相对较慢。
而较轻的气体分子则具有较大的平均速度，扩散速率较快。
此外，实验结果还表明，扩散速率与温度和压力呈正相关关系。
在相同气体质量下，提高温度或压力，将导致分子的平均速度增加，从而加快扩散速率。
这是因为在较高的温度或压力下，气体分子间的相互碰撞频率增加，扩散速率也随之增加。
四、应用领域气体扩散速率实验在科学研究和工程应用中具有重要价值。
在环境科学中，了解气体在大气中的扩散速率，有助于预测污染物的传播范围和影响区域。
在材料科学中，研究气体在材料中的扩散速度，可以评估材料的渗透性能和防护性能，用于设计更高效的材料。
大气扩散模型模拟结果验证与评估
大气扩散模型模拟结果验证与评估近年来，大气污染成为全球环境科学领域的重要研究课题。
大气扩散模型是一种重要的工具，能够模拟和预测大气污染物的传输和扩散过程。
然而，模型的准确性与可靠性一直备受关注。
本文将讨论大气扩散模型模拟结果的验证与评估方法。
首先，验证模型结果的准确性是非常重要的。
传感器网络和实地观测能够提供实际的大气污染浓度数据，这些数据可以用来与模型模拟结果进行对比。
通过对比模型结果与实际观测数据的差异，可以评估模型的预测能力。
此外，还可以使用统计学方法，如相关系数和均方根误差等，对模型结果进行数值评估。
其次，模型的灵敏度分析也是验证和评估模型结果的重要手段。
灵敏度分析可以评估不同输入参数对模型结果的影响程度，进而确定哪些参数对模型输出结果具有主导作用。
通过对模型进行灵敏度分析，可以确定需要重点关注和进一步优化的参数，提高模型的准确性和可靠性。
此外，模型的比对分析也是一种常用的验证方法。
通过与其他独立开发的模型进行对比，可以评估模型结果的一致性和稳定性。
如果不同模型的结果趋势和范围相似，那么可以认为这些结果具有较高的可信度和可靠性。
除了以上方法，模型结果验证与评估还可以采用敏感性分析和误差分析等手段。
敏感性分析可以评估模型对初始条件和边界条件的敏感程度，进一步优化模型输入参数和模型结构。
误差分析可以评估模型模拟结果与实际观测数据之间的偏差，帮助改善模型的准确性。
这些方法的综合应用，可以提高对模型模拟结果的信任度和可靠性。
而在大气扩散模型模拟结果的评估方面，可以采用诸如柱状图、等值线图和时空图等可视化工具，直观地展示模型结果的分布和变化趋势。
这些图形可以帮助研究人员和决策者更好地理解和分析模拟结果，并作出相应的措施和决策。
需要指出的是，大气扩散模型本身是一种简化的数学模型，对真实大气环境的复杂性和不确定性只能进行近似和简化。
因此，在验证和评估大气扩散模型模拟结果时，我们应该牢记模型的局限性和不确定性，不要过分依赖模型模拟结果，而是应该结合实际观测数据和其他科学手段进行综合分析和评估。
气液两相流动的数值模拟及优化
气液两相流动的数值模拟及优化气液两相流是指以气体和液体为基本流态的双相流动。
它在化工、石油、食品、环保、海洋等工业领域都有着广泛的应用。
然而，由于气体和液体的物理特性存在巨大差异，二者间的相互作用机理非常复杂，使得气液两相流的研究和优化变得非常复杂。
为了更好地掌握气液两相流的流动规律和优化方法，数值模拟已成为了研究气液两相流的重要手段之一。
一、气液两相流的数值模拟数值模拟是利用计算机对流体运动进行模拟的过程。
对于气液两相流，其流动过程较为复杂，主要体现在以下几个方面：1. 两相界面与相互作用由于气体和液体的物理性质差异巨大，二者在接触面产生了两相界面。
而且，两相之间的相互作用将使得两相之内的运动耗散能量，并导致流动现象的不稳定。
在数值模拟中，需要通过界面跟踪和动态网格剖分等方法来模拟两相界面和相互作用的影响。
2. 相变和凝结在气液两相流过程中，由于双相流态的物理性质差异，可能会产生相变和凝结现象，例如水蒸气在被冷却时会转化成水滴，而气泡在合并时也会释放出蒸汽。
为了精确模拟相变和凝结的过程，需要研究物质的传递机制和热力学特性。
3. 浊度和泡沫气液两相流中常常会出现较强的浊度和泡沫现象，这大大增加了数值模拟的复杂性。
对于浊度问题，需要借助散射、反射和透过光线的特性来研究颗粒的行为。
对于泡沫问题，需要建立虚拟的界面来模拟气孔的形成和气泡的形态变化。
基于上述特点，气液两相流的数值模拟方法又可以分为欧拉模拟和拉格朗日模拟两种方法。
欧拉模拟是一种基于控制方程的数值模拟方法，主要着眼于气液两相流的宏观特性，例如密度、速度和压力等参数。
在建立数学模型时，欧拉模拟将液体和气体混合视为一个介质，使用相应的控制方程来描述两相混合流动的宏观特性。
欧拉模拟虽然模拟效率高，但无法精确模拟相变、凝结等微观过程，因此在处理复杂气液两相流时表现出的不足较多。
拉格朗日模拟则是一种基于粒子法的数值模拟方法。
该方法将液体和气体视为无数不同的小球，根据它们各自的质心、半径和速度等参数，建立一个模拟系统。
大气工程中的水汽输送通量模拟与评价方法研究
大气工程中的水汽输送通量模拟与评价方法研究引言：大气工程是研究地球大气和天气现象的一门学科，其中水汽输送通量模拟与评价方法是大气工程中十分重要的一部分。
水汽是大气中的一种重要成分，对于地球上的气候、降水和气象现象具有重要影响。
因此，了解和研究水汽的输送通量模拟与评价方法对于准确预测天气变化、降雨分布以及水资源管理具有重要意义。
一、水汽的输送通量模拟方法在大气工程中，水汽的输送通量模拟是通过建立数学模型来模拟水汽从一个地点向另一个地点的输送过程。
这里介绍一种常用的模拟方法：利用大气模式模拟。
大气模式是通过数学方程组来描述大气中各个物理场（如温度、压强、水汽等）随时间和空间的变化，进而模拟大气的运动规律。
通过调整模型的参数和边界条件，可以模拟不同时间和空间尺度下的水汽输送通量。
二、水汽输送通量评价方法水汽输送通量评价方法是对模拟结果进行定量分析和验证的过程。
这里介绍一种常用的评价方法：利用观测数据比对。
观测数据是通过气象观测站点、卫星等手段收集的实际气象数据，包括气温、湿度、风向风速等。
将模拟结果与观测数据进行对比，可以评价模拟结果的准确性和可靠性。
三、水汽输送通量模拟与评价的应用水汽输送通量模拟与评价方法在大气工程中有着广泛的应用。
首先，它可以用于天气预测。
通过模拟水汽的输送过程，可以得到不同地区的水汽含量和输送通量，从而更准确地预测降雨分布和天气变化。
其次，它可以用于水资源管理。
水汽是地球上水循环的重要组成部分，了解水汽的输送通量对于合理规划和管理水资源具有重要意义。
再次，它还可以用于气候变化研究。
水汽的输送通量与气候变化密切相关，通过模拟和评价水汽的输送过程，可以研究气候演变规律和未来气候变化趋势。
结论：水汽输送通量模拟与评价方法在大气工程中具有重要意义。
通过建立合适的模型和评价方法，可以准确模拟水汽的输送通量，并对模拟结果进行准确评价。
这对于天气预测、水资源管理和气候变化研究等领域具有重要的应用价值。
基于不同模型的大型湖泊水气界面气体传输速率估算
!#$%'((湖泊科学），2018，！0(%):790-801D O I10. 18307/2018.0321©2018b y Journal o f Lake Sciences基于不同模型的大型湖泊水一气界面气体传输速率估算*肖启涛、张弥2，%!，胡正华%，肖薇2，%，王伟2，%，刘寿东2，%，段洪涛、李旭辉2(1 $中国科学院南京地理与湖泊研究所，中国科学院流域地理学重点实验室，南京210008"(2:南京信息工程大学大气环境中心，南京210044)(%:南京信息工程大学应用气象学院，南京210044)摘要：气体传输速率是湖泊水一气界面温室气体交换通量的重要驱动因子，但其估算具有不确定性.本研究选择3种不同的参数化方程估算大型（面积2400k m2)浅水（平均水深19m)湖泊一太湖水一气界面的气体传输速率，探讨大型湖泊气体传输速率的控制因子和变化范围，为估算模型的选取提供参考.结果表明，气体传输速率的两个重要参数风应力和水体对流混合速率存在夜间高、白天低的变化特征，因此气体传输速率也存在夜间高、白天低的变化特征.总体上太湖气体传输速率主要由风力控制，可以通过风速函数估算得到.太湖水一气界面气体传输速率的年均值为127 ~ 1.46m/d.因气体传输速率存在空间变化，单一站点参数化的模型可能不适合其他区域湖泊水一气界面气体传输速率的估算，但湖泊的面积可能是一个有效的预测因子.关键词：气体传输速率;风应力对对流混合;时间变化;太湖Estimateof gas transfer velocity between water-air interface" alargelakebased on different models: Acase study of Lake TaihuX I A O Q i t a o1，Z H A N G M i2,3”，H U Z h e n g h u a3，X I A O W e i2,3，W A N G W e i2,3，L I U S h o u d o n g2,3，D U A NH o n g t a o1&L I X u h u i2(1：Key Laboratory of Watershed G eographic Science，Nanjing Institute of Geography and Limnology，Chinese Academy of Sciences，Nanjing 210008，P.R. China)(2:Yale-NUISTCenter on Atmospheric Environment，Nanjing University of Information Science and Technology，Nanjing 210044, P.R.China)(3:College of A pplied Meteorology，Nanjing University of Information Science and Technology，Nanjing210044，P.R.CJhina)A b s t r a c t: Gas tra n sfe r v e lo c ity(k) is a fa c to r d riv in g G reenhouse gases exchange betw een w a te r-a ir in te rfa ce.B u t the estim ate o f kshowed great u n c e rta in ly. T o explore th e c o n tro l factors and va ria tio n o f k，and select su ita b le k estim ate m odel in large la k e，threed iffe re n t param eterized equ ations were chosen fo r e stim a tin g k in L a ke T a ih u. R e sults in d ic a te d th a t v e lo c ity scalesand co n ve ctio n(u* and w*，re s p e c tiv e ly) show ed d iu rn a l cycle w ith h ig h values d u rin g n ig h ttim e and lo w v a lu e s d u rin g d a y，w h ic h w ere tw o im p o rta n t param eters in k estim ate. A s a r e s u lt，k showed s im ila r va ria tio n. In the largedom in a te d b y w in d s h e a r，and w in d speed was u se fu l fo r e s tim a tin g k T he a n n u a l m ean value o f k ranged fro m1.27to 146m/d inL a ke T a ih u. Because o f the sp a tia l h e te ro g e n e ity，the param eterized m odels in sin g le site m aybe n o t su ita b le fo r e stim a tin g ke r la kes. H o w e v e r，the l a ke area m ay be u se fu l p re d ic to r fo r k.K e y w o r d s:Gas tra n sfe r v e lo c ity; w in d sh e a r; w a tersid e c o n v e c tio n; te m p o ra l v a ria tio n; L a k e T a ih u 近年来诸多研究均表明内陆湖泊在全球温室气体循环中的作用不容忽视[13]，因此正确评估湖泊水一气*国家自然科学基金项目（41575147, 41475141，41671358)、教育部长江学者和创新团队发展计划项目（P C S IR T) 和江苏普通高校研究生科研创新计划项目（K Y Z Z15—0246)联合资助.2017-05-11收稿;2017-08-21收修改稿.肖启涛（1988 〜），男，博士；E-m a il:q tx ia o@n ig la s.a c.c n.* * 通信作者；E-m a il: zh a n g m.80@n u is t. e d u.c n.肖启涛等:基于不同模型的大型湖泊水一气界面气体传输速率估算791界面温室气体的交换通量具有重要意义[M].湖泊水一气界面温室气体交换量主要取决于温室气体在表层 水与大气中的浓度差以及水4界面气体传输速率（％[56]. 1可以通过野外观测精确得到'71°]，但％的估算则存在不确定性，给评估湖泊水一气界面温室气体交换量带来了很大的挑战[1#1112].最新研究也表 明，％计算模型的选择对湖泊水一气界面温室气体交换通量的估算有显著影响[1!].%是描述水体水一气边界层过程的重要参数，但不同的研究给出不同的参数化方程.实验室风浪槽数据 以及开阔洋面和湖面示踪剂实验数据等均表明其受风速驱动，因此通常情况用风速数据参数化％5，1315].但 相关研究表明因辐射和风力等外力作用诱发的水体对流混合能够改变溶解气体在垂直方向的输送力度，进 而影响％1)17].因昼夜温差的作用，夜间水体的对流混合较强，引起％的增强，进而导致湖泊等水体温室气体 通量出现日变化特征[11，1819].因忽略了水体对流混合的作用，相关研究表明基于风速函数估算得到的％可能 偏低，从而给水一气界面温室气体通量的估算带来偏差[2，11]，因此近几年同时考虑水一气边界层气侧的风应 力（+ * )和水体湍流混合速率(4* )的表面更新模型（surface renewal model)被用于％的估算[4,2°21].但表面 更新模型中的拟合系数变化范围较大，具有较大的不确定性[222%].受湖泊面积[21，M]、形状[25a]、生态环境[2)]以及风速[)，27]等的影响，湖泊水一气界面％值存在空间变化，主要受，和4!的控制.随着湖泊面积的增加，，和4!均呈现增加趋势[21]，％也呈显著增加趋势[22]，但4!对％的影响力度呈现递减趋势[21].因此在大型湖泊中％可能主要受风力驱动.在全球尺度上，大中型湖泊在 湖泊的面积和数量中均占主导地位[2$]，因此研究大型湖泊水一气界面％的控制因素及其量级大小对湖泊温 室气体通 的有重要 义.太湖是典型的大型（面积为24°° km2)浅水（平均水深1.9 m)湖泊，也是我国第三大淡水湖泊.受人为 活动的影响，太湖外源营养负荷输入水平较高，相关研究表明其水体溶解温室气体的浓度较高[29].另外湖 泊水体的对流混合一般具有明显的季节性变化特征[3°'1]，但受水深较浅的影响，太湖水体对流混合的昼夜 变化可能更加明显[3233].本研究基于太湖中尺度通量网的观测数据[%4]，选择不同的参数化方程估算该大型 浅水湖泊水一气界面的％值，通过对不同模型估算的％进行比较，量化其变化范围，研究其控制因素，选择出 合适的估算模型，为相关研究工作提供参考.1材料与方法1.1研究区域太湖（30。
- 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)。
7 21.0பைடு நூலகம் 18.78 7.84
8 19.82 18.78 7.15
wald 溶解度系数采用 Wanninkho（f 1992）的经验公式估算：
α = β/Tk. 式中：β 为 Bunsen 溶解度系数，Tk 为水的凯尔文温度 . 1.2 经验算法模型
经验算法模型估算气体通过淡水水气界面的通量，其气体扩散速率通过基于风速的气体经验扩散速率
公式估算：
k = k600(Sc/600)n. 式中：600 为 CO2于 20 ℃淡水中的 Schmidt 数；Sc 为气体的 Schmidt 数，其通过 Wanninkho（f 1992）的经验公式 估算 . 淡水中 CO2、CH4和 N2O 气体的 Schmidt 数：
1 方法与原理
水气界面温室气体通量通过气体在水气界面的浓度梯度与相应的气体扩散速率进行估算，气体通量 F = k(Cw - αCa).
式中：Cw 为气体在水中的浓度，Ca 为气体在大气中的浓度，参数Cw 与Ca 可通过实验直接测得 . α 为 Ostwald 溶 解度系数 . k 为气体扩散速率，薄层模型估算气体扩散速率假设气体通过水气界面的水-薄层和气-薄层，经 验算法模型气体扩散速率主要为关于风速的经验公式 . 1.1 薄层模型
2017 年 3 月 第 11 卷 第 1 期
伊 犁 师 范 学 院 学 报（自 然 科 学 版） Journal of Yili Normal University（Natural Science Edition）
Mar.2017 Vol.11 No.1
基于水气界面气体扩散速率的模型参数 相关性与模拟结果比较
李昌辉
（重庆交通大学 河海学院，重庆 400074）
摘 要：通过对水气界面气体扩散速率的薄层模型参数的相关性分析，薄层模型的水-薄层与 气-薄层气体扩散速率两个参数可用一个参数简化，优化模型结构 . 通过比较薄层模型与经验算法 模型估算的水气界面气体扩散速率结果，可知薄层模型与经验算法模型存在的差异大，为未来研 究水气界面气体通量提供参考 .
ScCO2 = 1911.1 - 118.11t + 3.4527t2 - 0.041320t3； ScCH4 = 1897.8 - 114.28t + 3.2902t2 - 0.039061t3； ScN2O = 2055.6 - 137.11t + 4.3173t2 - 0.054350t3. 式中：t 为水温 . k600 采用 Cole 和 Caraco（1998）的关于风速的经验公式[4]：
气体通过水气界面的水-薄层和气-薄层，气体在水体和大气之间进行交换，薄层模型气体扩散速率
k
=
é1 ëêkw
+
kαaùûú-1.
式中：kw 和 ka 分别为气体通过水-薄层和气-薄层的扩散速率 . kw 常用 Nightingale 等（2000）的经验公式估
算［3］：
kw =(0.222u102 + 0.333u10)(Scw/600)-0.5. 式中：u10 为水面上 10 m 处的风速；600 为 CO2于 20 ℃淡水中的 Schmidt 数；Scw 为气体在水中的 Schmidt 数：
ka
=
1
×
10-3
+
u*
/(13.3Sc
1 a
2
+
C -1/2 D
-5
+
ln(Sc 2κ
a)
).
式中：κ 为卡曼系数，淡水中等于 0.41；u*和CD 均可通过风速u10 估算；Sca 为气体在空气中的 Schmidt 数：
Sca =
ηa ρaD
a
.
式中：空气的动力学黏度 ηa、空气密度 ρa 和气体在空气中的扩散系数 Da 均为水面上空气温度Ta 的函数 . Ost⁃
收稿日期：2016-10-11 作者简介：李昌辉（1991—），男，江西赣州人，硕士研究生，研究方向：水资源利用与保护 .
第1期
李昌辉：基于水气界面气体扩散速率的模型参数相关性与模拟结果比较
61
Scw =
ηw ρwD
w
.
式中：水的动力学黏度 ηw、水密度 ρw 和气体在水中的扩散系数 Dw 均通过水温计算 . 气-薄层内气体扩散速率
表 1 Xiao 等与 Wang 等对水温Tw、空气温度Ta 和风速u10 的实验结果
Ta/℃ Tw/℃ u10/m/s
1
2
29.4 19.9
31.07 19.8
0.11 0.52
3 22.84 20.34 0.73
4 16.42 18.79 0.27
5 7.74 11.45 2.35
6 22.58 18.78 10.9
关键词：气体扩散速率；薄层模型；经验算法模型；相关性 中图分类号：X-5 文献标识码：A 文章编号：1673—999X（2017）01—0060—05
0 引言
地球表面 70%以上都是水，准确估算水气界面温室气体通量对于评估大气中的温室气体的源与汇、温 室效应及保护生态环境意义重大 . 薄层模型估算水气界面气体通量，其假设气体通过水气界面需要通过气薄层和水-薄层［1］；经验算法模型估算水气界面气体通量，其为基于理论与实验结合的气体扩散速率关于风 速等环境因素经验公式［2］. 本文依据文献中的淡水环境的水温、大气温度和相应的风速实验结果，仅以含盐 度为 0 的淡水水体的 CO2、CH4和 N2O 三种主要温室气体的通量为例，分析薄层模型参数之间的相关性，将薄 层模型模拟的结果与经验算法模型模拟结果进行对比分析 . ①
k600 = 2.07 + 0.215u101.7. 式中：u10 为水面上 10 m 处的风速，其实验风速u10 范围为 0～9 m/s. 1.3 薄层模型参数相关性分析
本文只研究淡水水体的气体通量模型，选择 Xiao 等于宜昌市郊区水塘实验和 Wang 等于 Michigan 湖实
验测得的水温Tw、水面上空气的温度Ta 和相应的风速 u10 为基础［5，6］，分析薄层模型参数的相关性，比较其模 拟结果与经验算法模型模拟结果的差异 . Xiao 等和 Wang 等的实验测得的Tw、Ta 和 u10 值结果如表 1 所示，1、 2、3、4 列为 Xiao 等于水塘的实验结果，5、6、7、8、9、10 列为 Wang 等于 Michigan 湖的实验结果 .