论文部分内容阅读
雾霾的频繁爆发已严重影响了人们的生活,威胁人们的身体健康,引起了政府和广大群众的广泛关注。对PM2.5的扩散进行模拟预测,当发生突发性的大气污染事故时,人们就可以通过提前模拟预测的采取相应的措施来预防与治理,从而减小了事故的危害。空气质量研究相继研究出高斯烟羽模型、高斯烟团模型、箱式模型等大气扩散模型对空气污染扩散进行定量预测。同时,众多学者也将GIS与大气污染模型相结合,将影响大气污染扩散的气象等因素结合地形、建筑密度及用地类型等空间地理要素,分析大气污染扩散的时空分布规律及对城市的影响。这样的交叉研究不仅使得GIS技术得到拓展与应用,也增强了大气污染扩散模拟研究手段。研究成果对政府部门的环境规划设计和有效的控制和降低突发环境污染应急方案具有一定的现实指导意义。本文以成都市双流区PM2.5扩散研究为例,首先分析PM2.5扩散途径和影响扩散的因素,选取主要影响因子(主要为气象因子,如风速、温度和压强)建立回归方程,分析与PM2.5浓度值的相关性。随之从高斯扩散模型入手,引入气象因子,对扩散系数进行修正,利用ArcGIS中的Python脚本功能,编写高斯烟羽模型代码,建立扩散模型。将双流区污染点源数据(X、Y坐标与排放量)作为基础数据带入该扩散模型,考虑在不同风速(风向)、温度和压强下,对研究区PM2.5污染物进行模拟扩散研究,得到模拟扩散结果,并利用模拟扩散后的浓度进行克里金插值得到浓度时空变化情况,分析其变化规律。将同一时刻PM2.5地面监测站数据插值得到的浓度与高斯模型模拟扩散插值结果进行对比分析,求出二者偏差值并计算得到模型中误差,得到高斯模型模拟扩散精度,并分析模拟扩散出现偏差的原因。本文主要研究成果如下:(1)PM2.5浓度扩散受到众多因素影响,气象因子为主要影响因素之一。研究中首先分析气象因子与PM2.5浓度之间的相关性。通过建立气象影响因子与PM2.5浓度一元一次回归方程,得到温度与PM2.5拟合优度R~2为0.72,风速与PM2.5拟合优度R~2为0.79,压强与PM2.5拟合优度R~2为0.77。研究结果表明气象因子与PM2.5之间具有较强的相关性,气象因子对PM2.5扩散具有较大影响,PM2.5浓度扩散模拟模型建立必须考虑气象因子参数。(2)研究区选用高斯烟羽模型在一定假设条件下对污染点进行扩散模拟研究,并基于ArcGIS中的Python脚本功能编写高斯烟羽模型代码,在考虑温度、风速(风向)、压强的条件下,对扩散系数进行修正,建立扩散模型,模拟排放到大气中的污染物沿下风向扩散的扩散分布。以污染点源数据(X、Y坐标与排放量)为基础数据利用高斯模型得到PM2.5大气污染物模拟扩散结果。(3)通过对PM2.5扩散浓度时空变化特征分析,可得在时序上,由于受温度、风速的影响,PM2.5浓度的变化随季节更替依次递增,3个季节PM2.5模拟浓度值由大到小依次为:冬季>秋季>夏季;在空间上,区域浓度的高低与污染点源数量有一定关系,由于受风速风向影响,三个季节浓度变化规律趋势具有一致性,浓度值均呈现以西北区域向东南区域依次递减。(4)将模型扩散结果与监测站PM2.5浓度监测值插值结果进行一致性对比与相关性分析,得到二者变化规律趋势上具有较高的一致性,其拟合优度R~2为0.72,计算得到模型误差为33.7592?g/m~3。偏差原因可能来源于气象因子测量获取时产生的误差与模型中未考虑其他影响因子产生的误差。通过分析发现未考虑的土地利用因子与PM2.5浓度扩散具有相关性,模型后续改进应加入土地利用因子,提高模拟精度。