| 标题 | PM2.5相关因素分析及其演变预测 |
| 范文 | 李伟+姜志平+李俊坡+刘皞 摘 要： 采用统计学方法对西安地区监测点空气质量指数AQI包含的6个基本监测指标进行相关性分析。得出了PM2.5与其余5项监测指标的具体关系。由于PM2.5污染源具有分散性，通过监测数据求得当量污染源位置及相关参数，并基于瞬时高斯模型和杜哈梅积分建立了描述区域PM2.5浓度及其演变的数学模型。根据《环境空气质量标准》（GB3095?2012）动态地给出随时间变化的重度污染区域以及安全区域。 关键词： PM2.5； 相关性分析； 高斯模型； 当量污染源； 杜哈梅积分 中图分类号： TN919?34； TP319 文献标识码： A 文章编号： 1004?373X（2014）18?0063?04 Analysis of factors related to PM2.5 and prediction for its evolution LI Wei1， JIANG Zhi?ping1， LI Jun?po1， LIU Hao2 （1. College of Aerospace Engineering， Nanjing University of Aeronautics and Astronautics， Nanjing 210016， China； 2. College of Science， Nanjing University of Aeronautics and Astronautics， Nanjing 211106， China） Abstract： Correlation analysis of AQI （air quality index） including the six basic monitoring indicators was conducted with statistical method. The specific relationship between PM2.5 and the other five indicators was achieved. As the dispersivity of pollution sources of PN2.5， the location and its relevant parameters of the equivalent pollution source were calculated according to monitoring data. Besides， the math model describing the PM2.5 concentration and its evolution was established based on the instantaneous Gauss model and Duhamel integral. According to the “Ambient Air Quality Standards” （GB3095—2012）， the seriously polluted and safe areas changing with time are illustrated dynamically. Keywords： PM2.5； correlation analysis； Gauss model； equivalent pollution source； Duhamel integral 0 引 言 大气中直径小于或等于2.5 μm的颗粒物（以下简称PM2.5）对人体健康和环境的危害逐渐引起人们的关注。PM2.5与粒径较大的大气颗粒物相比，在大气中停留时间长、输送距离远、可吸入肺部等，对人体健康和大气质量影响更大，其危害性逐渐引起人们的关注。雾霾天气严重影响着人们的健康。近年来突发性大气污染逐渐成为各国关注的安全问题[1?2]。引起大气污染的两个基本要素是大气气溶胶和气态大气污染物[3?4]。2012年2月，环境保护部公布了新修订的《环境空气质量标准》 （GB3095?2012），与新标准同步还实施了《环境空气质量指数（AQI）技术规定（试行）》 （HJ633?2012），新标准中，首次将产生灰霾的主要因素——对人类健康危害极大的PM2.5的浓度指标作为空气质量监测指标。因此，了解导致PM2.5产生的因素以及其扩散规律对于减轻其危害和制定防治策略是很必要的。王风林等针对已知污染源空间位置的情况探讨了突发性环境污染事故中危险品的大气扩散在泄露和爆炸两种条件下的扩散模型，对于类似PM2.5污染源分散的情况没有研究[5]。胡二邦等定量测算了不同天气条件下扩散参数的不确定度，研究了大气污染扩散参数的不确定性以及其对扩散因子的影响，研究表明在同一地点，同一天气类型，扩散参数实测值相差两个数量级[6]。周顺武等利用二氧化硫、二氧化氮、可吸入颗粒物三项指标，分析了污染物浓度的分布特征[7]。由于影响PM2.5扩散的因素很多，与当地气象要素场密切相关[8]。针对不同因素建立的模型其适用范围受到限制。高斯扩散模型[9]以其模型简单、易于理解、运算量小等特点，是目前应用最广泛的气体扩散模型之一[10]。该模型基于污染物浓度分布符合正态分布的假设。本文分析了各监测指标（二氧化硫、二氧化氮、可吸入颗粒物、PM2.5、臭氧和一氧化碳等6项）之间的相关性，并根据监测点数据给出了等价污染源的确定方法，通过综合考虑浓度梯度、风向、风速等要素的PM2.5高斯扩散模型，预测了其浓度和演变过程，给出了各个时间段重度污染区域和安全区域，该结果可以为污染的预防、人员的疏散、城市布局规划等提供理论支持。 1 监测指标的统计学分析 1.1 监测指标相关性分析 各个监测指标之间的联系与差别比较复杂，为了定量分析它们之间的关联性与独立性，采用Pearson相关系数[11]建立任意两个监测指标之间的联系。 Pearson相关系数定义为： [λ=Nxiyi-xiyiNx2i-（xi）2Ny2i-（yi）2] （1） 式中：[λ]表示Person相关系数[λ∈-1，1]，且[λ]绝对值越大，相关性越强；[x]，[y]分别表示两组分析指标对应的数据列。运用软件SPSS容易获得6个监测指标的相关系数矩阵，如表1所示。 由表1可见，PM2.5与二氧化硫、二氧化氮、可吸入颗粒物、一氧化碳均有强正相关性，而与臭氧具有较弱的负相关性。臭氧与其余的各个监测指标均为不同程度的负相关，可知一定浓度的臭氧对于防止PM2.5的产生具有积极的作用，除臭氧外，其余监测指标均会促使PM2.5的产生。 表1 监测指标相关系数 1.2 PM2.5与监测指标线性分析 由表1中的Pearson相关系数可以看出，PM2.5与除臭氧外的其他四项监测指标均有强相关性，且都大于0.72。为此可采用线性回归的方法并用偏相关理论对其进行分析验证，建立PM2.5与该5个监测指标的关系。定义二氧化硫[x1]、二氧化氮[x2]、可吸入颗粒物[x3]、一氧化碳[x4]、臭氧[x5]的权重系数分别为[w1，w2，???，w5]，调整常数项[c]。即PM2.5表达式为： [y=w1x1+w2x2+w3x3+w4x4+w5x5+c] （2） 监测到的PM2.5的浓度与式（2）中得出的PM2.5的浓度误差平方和最小（最小二乘法），即满足如下关系： [min=j=1myj-i=15wi?xij+c2] （3） 式中：[m]为（本文中[m]取238）监测数据组数；[x1j，x2j，][x3j，x4j，x5j，yj] 分别表示第[j]组时二氧化硫、二氧化氮、可吸入颗粒物、臭氧、一氧化碳和PM2.5的监测浓度。 以式（3）为约束条件，将监测数据代入式（3），运用运筹学规划软件Lingo可得出各指标的权重系数和调整常数项，即细颗粒物PM2.5的关系式为： [y=0.179x1+0.443x2+0.881x3+2.210x4-0.332x5-33.413] （4） 采用偏相关理论进行分析验证，结果见表2。 表2 偏相关分析 分析数据显示二氧化硫的显著性水平大于0.05，说明其与PM2.5不是线性关系。但二氧化硫的权重是最小的，因此其对PM2.5的产生影响较小。 2 扩散模型建立 本文分析的数据包括了不同时间、温度、季节、风向、地形6个监测参数的测量值，对于数据缺失的情况，采用径向基函数插值法[12]将数据补充完整。为了深入分析各变量对监测参量的影响，采用限制变量的方法，观察个别变量对监测参量的统计规律，然后再进行综合评价。 2.1 监测数据分析 PM2.5的数据为一段时间内的平均值，影响因素较多，包括天气、温度、风向、风速等变量，以长安区、小寨、纺织城等三个地区监测数据采用分布Q?Q图对原始数据进行初步分析，分析结果如图 1所示。数据点基本落在直线上，PM2.5浓度大致符合正态分布规律。 图1 正态分布检验 2.2 模型的建立与分析 由于诱导PM2.5产生的因素较多，污染源分布分散，为了简化计算，在保证精度的前提下，做出如下假设： （1） 测量点所在的高度一致，根据气象部分的数据，为1.5 m； （2） 风的平均流场稳定，风速均匀，风向平直； （3） 污染物在输送扩散中遵守质量守恒定律； （4） 污染源的源强均匀、连续。 点污染源的高斯模型中，污染物分布满足式（5）。[C（x，y，z）=Q（2π）32·σx·σy·σze-x22σ2x·e-y22σ2y·（e-（z-h）22σ2z+e-（z+2H+h）22σ2z）] （5） 式中[C（x，y，z）]为当量污染源浓度；[Ci]为各个监测点污染物浓度；[Q] 为污染源场强；[σx，σy，σz]为扩散系数；[H]表示混合层高度；[h]为有效污染源高度，假设[x]轴与风向一致，[z]轴铅直向上。 采用如式（6）所示为约束条件： [min=1ni=1nC（x，y，z）-Ci] （6） 式中[n]为监测点个数，可求出当量污染源的场强[Q]以及相对位置[（x0，y0）]等参数。 为了计算方便，将13个监测点编号1～13，以1（长安区）为坐标原点，各监测点的相对位置可在地图上的位置得出，如图2所示，当量污染源坐标位置及参数如表3所示。 图2 当量污染源以及各监测点位置示意图 表3 当量污染源坐标位置及参数 从瞬间点源排放的污染物，其转换和扩散主要受以下几个要素影响：污染物浓度及浓度梯度、当地风速以及风向、污染物的转化和耗散、地形等。无界瞬时点源的污染物浓度函数[13]为： [C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-ut）22σ2x·e-（y-vt）22σ2y· （e-（z-h-wt）22σ2z+e-（z+2H+h-wt）22σ2z）] （7） 式中：[Q]表示源强；[υ]，[ω] 均为零。其解具有以下形式： [C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-ut）22σ2x·e-y22σ2y·（e-（z-h）22σ2z+e-（z+H）22σ2z）] （8） 若瞬间污染源排放不是作用在[t]=0时刻，而是在[t=τ]，则其污染物传播也将滞后时间[τ]。[C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-u（t-τ））22σ2x·e-y22σ2y· （e-（z-h）22σ2z+e-（z+H）22σ2z）， t≥τ] （9） 通过式（8）可以求解瞬态污染源排放特定时间下的扩散。 [Q（x，y，z，t）=t1t2C（x，y，z，t-τ）dτ] （10） 式中：[t1]，[t2]分别为瞬态污染源排放的开始和截止时间。[σy] 和[σz] 对计算结果影响较大[6，14?15]，在保证计算精度的前提下，为方便计算，对[σx]，[σy]和[σz]采用经验公式，即布里吉斯扩散参数，大气稳定度划分采用较成熟的帕斯奎尔稳定度分类法[16]。高斯公式中，城市和开阔地的布里吉斯以烟云的宽度和高度来表示横方向和垂直方向的扩散。积分结果为： [Q（x，y，z，t）=Φut2-（ut-x）σx-Φut1-（ut-x）σx2πσxAu] （11） 式中：[Φ（x）] 表示标准正态分布函数，积分结果由标准正态分布得到，[A]为： [A=Q（2π）32σxσyσz·ey22σ2y（e-（z-h）22σ2z+e-（z+H）22σ2z）] （12） 计算机仿真得出该地区在当量污染源喷发2 h，刮西风，风速为4 m/s的情况下，13个监测地点PM2.5的浓度随时间的变化情况，如图3所示。从图3可看出，受风向和与假想污染点源距离的影响，各地浓度变化速率呈现比较大的差异。其中高压开关厂污染物达到的峰值最高，约为1 000 μg/m3，达到峰值后，浓度维持峰值附近，高压开关厂、市人民体育场、临潼区以及纺织城峰值持续时间超过1 h，约70 min，此阶段PM2.5浓度很高，对人健康造成的负面影响将很大，此时应该避免外出活动，并关闭门窗。与图2中看到的各个测量点和虚拟污染源的相对位置可以看出，分析结果符合事实情况。 图3 PM2.5浓度随时间变化情况 图4为在瞬时污染源排放1.5 h、2 h、4 h以及4.5 h PM2.5的分布情况。该处忽略各区域原先含有的PM2.5。1.5 h后，在西风作用下，PM2.5快速扩散，靠近污染源的高压开关厂首先进入其影响范围，浓度逐渐增大。从图中PM2.5的浓度分布情况反应出来风力以及风向对其传播的巨大影响，与前面的分析相一致。2 h后，污染物继续在风传播方向上快速传播，受其影响，高压开关厂、市人民体育场以及兴庆小区最高浓度超过了[300 μg/m3]，为严重污染。为了居民健康，除了主动避免外出外，相关部门应当实施紧急应对措施，以使污染物浓度快速下降。 图4 污染区域随时间变化图 4 h后，PM2.5的污染团整体向东移动，其影响范围进一步扩大。图中所示的处在风经过的地区，PM2.5浓度继续维持高位，而此时最先受到污染的高压开关厂处于严重污染的边缘，其浓度处于下降阶段。到4.5 h以后，绝大部分所示地区均已处于浓度相对较小的区域，此时PM2.5浓度较高的区域已经快速移动到东南方向，而且其浓度也有了一定程度的减小。当在污染源排放约5 h后，所给13个监测地点其污染物浓度全部接近于[0 μg/m3]，人群可以安全活动。 3 结 论 本文通过对[AQI]监测指标的分析，确定了当量污染源的位置，基于高斯扩散模型对当量污染源喷发两小时、刮西风的情况进行了分析。该模型能基本反映和预测污染物PM2.5随时间以及空间的扩散规律，而且该方法也可以对于核污染、有毒有害气体泄漏、生化恐怖袭击等问题的防治具有借鉴意义。该模型较好地解决了西安市地区PM2.5当量污染源处浓度突然增至2倍，持续2 h后该区域的污染状况，但是该模型也存在着以下问题：实验数据有限，无法充分反映该地区的污染物浓度；忽略了地形对污染物扩散的影响；当量污染源的位置存在误差。在今后的研究中该模型需要进一步完善。 参考文献 [1] 金银龙，赵宝新.中国煤烟型大气污染对人群健康危害的定量研究[J].卫生研究，2002，31（5）：342?348. [2] 陈伟，吴介军，段渭军.基于小波分解和 SVM 的城市大气污染浓度预测[J].现代电子技术，2011，34（13）：145?148. [3] 王玮，汤大钢，刘红杰.中国 PM2. 5污染状况和污染特征的研究[J].环境科学研究，2000，13（1）：1?5. [4] 李中愚.颗粒物污染特性分析[J].环境科学与技术，1990（1）：4?6. [5] 王凤林，毕彤，刘振山，等.突发性环境污染事故大气扩散数学模型初探[J].辽宁城乡环境科技，2000，20（2）：35?37. [6] 胡二邦，王寒，马红友.扩散参数的不确定性及其对扩散因子的影响[J].环境科学，1998（1）：69?72. [7] 周顺武，黄琼中.拉萨市空气污染物浓度的统计分析及其可能的天气原因[J].西藏科技，2002（5）：39?42. [8] 周丽，徐祥德，丁国安，等.北京地区气溶胶 PM2.5粒子浓度的相关因子及其估算模型[J].气象学报，2003，61（6）：761?768. [9] 黄金杰，杨桂花，马骏驰.基于高斯的大气污染评价模型[J].计算机仿真，2011，28（2）：101?104. [10] 何宁，吴宗之，郑伟.一种改进的有毒气体扩散高斯模型算法及仿真[J].应用基础与工程科学学报，2010，18（4）：571?580. [11] LEE R J， NICEWANDER W A. Thirteen ways to look at the correlation coefficient [J]. The American Statistician， 1988， 42（1）：59?66. （上接第66页） [12] 魏义坤，杨威，刘静.关于径向基函数插值方法及其应用[J].沈阳大学学报，2008，20（1）：7?9. [13] 邬毅敏.基于 GIS 的大气点源污染高斯烟羽扩散模拟研究[D].上海：华东师范大学，2010. [14] 郑飞，张镭，朱江，等.复杂地形城市冬季边界层气溶胶扩散和分布模拟[J].高原气象，2008，26（3）：532?540. [15] 黄倩，陈长和.几种大气稳定度分类方法和相应扩散参数的比较[J].兰州大学学报：自然科学版，1996，32（3）：143?150. [16] DRAXLER R R. Determination of atmospheric diffusion parameters [J]. Atmospheric Environment， 1976， 10（2）： 99?105. 若瞬间污染源排放不是作用在[t]=0时刻，而是在[t=τ]，则其污染物传播也将滞后时间[τ]。[C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-u（t-τ））22σ2x·e-y22σ2y· （e-（z-h）22σ2z+e-（z+H）22σ2z）， t≥τ] （9） 通过式（8）可以求解瞬态污染源排放特定时间下的扩散。 [Q（x，y，z，t）=t1t2C（x，y，z，t-τ）dτ] （10） 式中：[t1]，[t2]分别为瞬态污染源排放的开始和截止时间。[σy] 和[σz] 对计算结果影响较大[6，14?15]，在保证计算精度的前提下，为方便计算，对[σx]，[σy]和[σz]采用经验公式，即布里吉斯扩散参数，大气稳定度划分采用较成熟的帕斯奎尔稳定度分类法[16]。高斯公式中，城市和开阔地的布里吉斯以烟云的宽度和高度来表示横方向和垂直方向的扩散。积分结果为： [Q（x，y，z，t）=Φut2-（ut-x）σx-Φut1-（ut-x）σx2πσxAu] （11） 式中：[Φ（x）] 表示标准正态分布函数，积分结果由标准正态分布得到，[A]为： [A=Q（2π）32σxσyσz·ey22σ2y（e-（z-h）22σ2z+e-（z+H）22σ2z）] （12） 计算机仿真得出该地区在当量污染源喷发2 h，刮西风，风速为4 m/s的情况下，13个监测地点PM2.5的浓度随时间的变化情况，如图3所示。从图3可看出，受风向和与假想污染点源距离的影响，各地浓度变化速率呈现比较大的差异。其中高压开关厂污染物达到的峰值最高，约为1 000 μg/m3，达到峰值后，浓度维持峰值附近，高压开关厂、市人民体育场、临潼区以及纺织城峰值持续时间超过1 h，约70 min，此阶段PM2.5浓度很高，对人健康造成的负面影响将很大，此时应该避免外出活动，并关闭门窗。与图2中看到的各个测量点和虚拟污染源的相对位置可以看出，分析结果符合事实情况。 图3 PM2.5浓度随时间变化情况 图4为在瞬时污染源排放1.5 h、2 h、4 h以及4.5 h PM2.5的分布情况。该处忽略各区域原先含有的PM2.5。1.5 h后，在西风作用下，PM2.5快速扩散，靠近污染源的高压开关厂首先进入其影响范围，浓度逐渐增大。从图中PM2.5的浓度分布情况反应出来风力以及风向对其传播的巨大影响，与前面的分析相一致。2 h后，污染物继续在风传播方向上快速传播，受其影响，高压开关厂、市人民体育场以及兴庆小区最高浓度超过了[300 μg/m3]，为严重污染。为了居民健康，除了主动避免外出外，相关部门应当实施紧急应对措施，以使污染物浓度快速下降。 图4 污染区域随时间变化图 4 h后，PM2.5的污染团整体向东移动，其影响范围进一步扩大。图中所示的处在风经过的地区，PM2.5浓度继续维持高位，而此时最先受到污染的高压开关厂处于严重污染的边缘，其浓度处于下降阶段。到4.5 h以后，绝大部分所示地区均已处于浓度相对较小的区域，此时PM2.5浓度较高的区域已经快速移动到东南方向，而且其浓度也有了一定程度的减小。当在污染源排放约5 h后，所给13个监测地点其污染物浓度全部接近于[0 μg/m3]，人群可以安全活动。 3 结 论 本文通过对[AQI]监测指标的分析，确定了当量污染源的位置，基于高斯扩散模型对当量污染源喷发两小时、刮西风的情况进行了分析。该模型能基本反映和预测污染物PM2.5随时间以及空间的扩散规律，而且该方法也可以对于核污染、有毒有害气体泄漏、生化恐怖袭击等问题的防治具有借鉴意义。该模型较好地解决了西安市地区PM2.5当量污染源处浓度突然增至2倍，持续2 h后该区域的污染状况，但是该模型也存在着以下问题：实验数据有限，无法充分反映该地区的污染物浓度；忽略了地形对污染物扩散的影响；当量污染源的位置存在误差。在今后的研究中该模型需要进一步完善。 参考文献 [1] 金银龙，赵宝新.中国煤烟型大气污染对人群健康危害的定量研究[J].卫生研究，2002，31（5）：342?348. [2] 陈伟，吴介军，段渭军.基于小波分解和 SVM 的城市大气污染浓度预测[J].现代电子技术，2011，34（13）：145?148. [3] 王玮，汤大钢，刘红杰.中国 PM2. 5污染状况和污染特征的研究[J].环境科学研究，2000，13（1）：1?5. [4] 李中愚.颗粒物污染特性分析[J].环境科学与技术，1990（1）：4?6. [5] 王凤林，毕彤，刘振山，等.突发性环境污染事故大气扩散数学模型初探[J].辽宁城乡环境科技，2000，20（2）：35?37. [6] 胡二邦，王寒，马红友.扩散参数的不确定性及其对扩散因子的影响[J].环境科学，1998（1）：69?72. [7] 周顺武，黄琼中.拉萨市空气污染物浓度的统计分析及其可能的天气原因[J].西藏科技，2002（5）：39?42. [8] 周丽，徐祥德，丁国安，等.北京地区气溶胶 PM2.5粒子浓度的相关因子及其估算模型[J].气象学报，2003，61（6）：761?768. [9] 黄金杰，杨桂花，马骏驰.基于高斯的大气污染评价模型[J].计算机仿真，2011，28（2）：101?104. [10] 何宁，吴宗之，郑伟.一种改进的有毒气体扩散高斯模型算法及仿真[J].应用基础与工程科学学报，2010，18（4）：571?580. [11] LEE R J， NICEWANDER W A. Thirteen ways to look at the correlation coefficient [J]. The American Statistician， 1988， 42（1）：59?66. （上接第66页） [12] 魏义坤，杨威，刘静.关于径向基函数插值方法及其应用[J].沈阳大学学报，2008，20（1）：7?9. [13] 邬毅敏.基于 GIS 的大气点源污染高斯烟羽扩散模拟研究[D].上海：华东师范大学，2010. [14] 郑飞，张镭，朱江，等.复杂地形城市冬季边界层气溶胶扩散和分布模拟[J].高原气象，2008，26（3）：532?540. [15] 黄倩，陈长和.几种大气稳定度分类方法和相应扩散参数的比较[J].兰州大学学报：自然科学版，1996，32（3）：143?150. [16] DRAXLER R R. Determination of atmospheric diffusion parameters [J]. Atmospheric Environment， 1976， 10（2）： 99?105. 若瞬间污染源排放不是作用在[t]=0时刻，而是在[t=τ]，则其污染物传播也将滞后时间[τ]。[C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-u（t-τ））22σ2x·e-y22σ2y· （e-（z-h）22σ2z+e-（z+H）22σ2z）， t≥τ] （9） 通过式（8）可以求解瞬态污染源排放特定时间下的扩散。 [Q（x，y，z，t）=t1t2C（x，y，z，t-τ）dτ] （10） 式中：[t1]，[t2]分别为瞬态污染源排放的开始和截止时间。[σy] 和[σz] 对计算结果影响较大[6，14?15]，在保证计算精度的前提下，为方便计算，对[σx]，[σy]和[σz]采用经验公式，即布里吉斯扩散参数，大气稳定度划分采用较成熟的帕斯奎尔稳定度分类法[16]。高斯公式中，城市和开阔地的布里吉斯以烟云的宽度和高度来表示横方向和垂直方向的扩散。积分结果为： [Q（x，y，z，t）=Φut2-（ut-x）σx-Φut1-（ut-x）σx2πσxAu] （11） 式中：[Φ（x）] 表示标准正态分布函数，积分结果由标准正态分布得到，[A]为： [A=Q（2π）32σxσyσz·ey22σ2y（e-（z-h）22σ2z+e-（z+H）22σ2z）] （12） 计算机仿真得出该地区在当量污染源喷发2 h，刮西风，风速为4 m/s的情况下，13个监测地点PM2.5的浓度随时间的变化情况，如图3所示。从图3可看出，受风向和与假想污染点源距离的影响，各地浓度变化速率呈现比较大的差异。其中高压开关厂污染物达到的峰值最高，约为1 000 μg/m3，达到峰值后，浓度维持峰值附近，高压开关厂、市人民体育场、临潼区以及纺织城峰值持续时间超过1 h，约70 min，此阶段PM2.5浓度很高，对人健康造成的负面影响将很大，此时应该避免外出活动，并关闭门窗。与图2中看到的各个测量点和虚拟污染源的相对位置可以看出，分析结果符合事实情况。 图3 PM2.5浓度随时间变化情况 图4为在瞬时污染源排放1.5 h、2 h、4 h以及4.5 h PM2.5的分布情况。该处忽略各区域原先含有的PM2.5。1.5 h后，在西风作用下，PM2.5快速扩散，靠近污染源的高压开关厂首先进入其影响范围，浓度逐渐增大。从图中PM2.5的浓度分布情况反应出来风力以及风向对其传播的巨大影响，与前面的分析相一致。2 h后，污染物继续在风传播方向上快速传播，受其影响，高压开关厂、市人民体育场以及兴庆小区最高浓度超过了[300 μg/m3]，为严重污染。为了居民健康，除了主动避免外出外，相关部门应当实施紧急应对措施，以使污染物浓度快速下降。 图4 污染区域随时间变化图 4 h后，PM2.5的污染团整体向东移动，其影响范围进一步扩大。图中所示的处在风经过的地区，PM2.5浓度继续维持高位，而此时最先受到污染的高压开关厂处于严重污染的边缘，其浓度处于下降阶段。到4.5 h以后，绝大部分所示地区均已处于浓度相对较小的区域，此时PM2.5浓度较高的区域已经快速移动到东南方向，而且其浓度也有了一定程度的减小。当在污染源排放约5 h后，所给13个监测地点其污染物浓度全部接近于[0 μg/m3]，人群可以安全活动。 3 结 论 本文通过对[AQI]监测指标的分析，确定了当量污染源的位置，基于高斯扩散模型对当量污染源喷发两小时、刮西风的情况进行了分析。该模型能基本反映和预测污染物PM2.5随时间以及空间的扩散规律，而且该方法也可以对于核污染、有毒有害气体泄漏、生化恐怖袭击等问题的防治具有借鉴意义。该模型较好地解决了西安市地区PM2.5当量污染源处浓度突然增至2倍，持续2 h后该区域的污染状况，但是该模型也存在着以下问题：实验数据有限，无法充分反映该地区的污染物浓度；忽略了地形对污染物扩散的影响；当量污染源的位置存在误差。在今后的研究中该模型需要进一步完善。 参考文献 [1] 金银龙，赵宝新.中国煤烟型大气污染对人群健康危害的定量研究[J].卫生研究，2002，31（5）：342?348. [2] 陈伟，吴介军，段渭军.基于小波分解和 SVM 的城市大气污染浓度预测[J].现代电子技术，2011，34（13）：145?148. [3] 王玮，汤大钢，刘红杰.中国 PM2. 5污染状况和污染特征的研究[J].环境科学研究，2000，13（1）：1?5. [4] 李中愚.颗粒物污染特性分析[J].环境科学与技术，1990（1）：4?6. [5] 王凤林，毕彤，刘振山，等.突发性环境污染事故大气扩散数学模型初探[J].辽宁城乡环境科技，2000，20（2）：35?37. [6] 胡二邦，王寒，马红友.扩散参数的不确定性及其对扩散因子的影响[J].环境科学，1998（1）：69?72. [7] 周顺武，黄琼中.拉萨市空气污染物浓度的统计分析及其可能的天气原因[J].西藏科技，2002（5）：39?42. [8] 周丽，徐祥德，丁国安，等.北京地区气溶胶 PM2.5粒子浓度的相关因子及其估算模型[J].气象学报，2003，61（6）：761?768. [9] 黄金杰，杨桂花，马骏驰.基于高斯的大气污染评价模型[J].计算机仿真，2011，28（2）：101?104. [10] 何宁，吴宗之，郑伟.一种改进的有毒气体扩散高斯模型算法及仿真[J].应用基础与工程科学学报，2010，18（4）：571?580. [11] LEE R J， NICEWANDER W A. Thirteen ways to look at the correlation coefficient [J]. The American Statistician， 1988， 42（1）：59?66. （上接第66页） [12] 魏义坤，杨威，刘静.关于径向基函数插值方法及其应用[J].沈阳大学学报，2008，20（1）：7?9. [13] 邬毅敏.基于 GIS 的大气点源污染高斯烟羽扩散模拟研究[D].上海：华东师范大学，2010. [14] 郑飞，张镭，朱江，等.复杂地形城市冬季边界层气溶胶扩散和分布模拟[J].高原气象，2008，26（3）：532?540. [15] 黄倩，陈长和.几种大气稳定度分类方法和相应扩散参数的比较[J].兰州大学学报：自然科学版，1996，32（3）：143?150. [16] DRAXLER R R. Determination of atmospheric diffusion parameters [J]. Atmospheric Environment， 1976， 10（2）： 99?105. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。