第五章 城市与区域大气扩散

第三章大气污染的气象过程小尺度大气边界层自由大气1大气边界层的特征1.1、大气边界层定义1.2 大气边界层垂直分层结构粘性副层（微观层）近地边界层（=近地面层+冠层，常通量层）Ekman层（上部摩擦层、外部边界层）层流、紊流1.3 边界层发展的日变化海洋陆地大气边界层的分类与特征1.4 大气边界层特征：温度、风和湍流空气的增热和冷却大气中的非绝热过程传导：贴地气层辐射（主要长波）：地面与空气间对流与乱流：气层之间由于地表性质差异受热不均等引起的空气大规模有规则的升降运动，称对流。

（高低层）小规模不规则的涡旋运动称乱流，又称湍流。

（近地层大气热量交换的重要方式）水相变化：潜热交换蒸发吸热，蒸发所带水分多于凝结，大气获得热量，热带（对流层下半部）大气中的绝热过程没有热量交换，由于压力的变换（1）干绝热过程干空气或未饱和的湿空气块，进行垂直运动时，与外界没有热量交换，只因体积膨胀（或收缩）作功引起内能增减和温度变化过程，称为干绝热过程。

气块绝热上升单位距离时的温度降低值，称绝热垂直减温率，简称绝热直减率干空气或未饱和的湿空气，绝热上升单位距离时的温度降低值，称干绝热直减率，r d据计算：r d=0.98℃／100 m≌1℃／100 m。

（2）湿绝热过程饱和湿空气作垂直湿绝上升运动时的绝热变化过程，称湿绝热过程饱和湿空气绝热上升单位距离时的温度降低值，称湿绝热直减率，用γm表示。

γm＜γd（上升时水汽凝结所放出热量补偿了部分气块膨胀消耗的内能）γm是一个变量，它随气温升高和气压降低而减小。

高温时的γm比低温时的γm小（气温高时，空气达到饱和时的水汽含量较大）气压高的饱和空气块的γm大于气压低的（气压高时空气密度大，释放的潜热所起的补偿增温作用要小一些）低层大气温度的垂直分布日变化气温直减率的大小与太阳辐射、云况、风速和土壤热性质有关，具有明显的日变化。

低层大气温度的垂直分布（1）大气的绝热过程（2）干绝热直减率rd=-(dT i/dZ)d=g/C pｇ－重力加速度ｇ＝9.81 m／s2C p－干空气定压比热，C p＝1005 J／(kg．K)下标i--表示空气块下标d--表示干空气一干空气块绝热升降到标准气压（1000hPa）处所具有的温度称为它的位温。

第五章大气环境影响预测与评价第一节大气环境影响预测方法与内容概述大气环境影响预测，即正确推断各种条件下污染物浓度分布及其随时间的变化，是大气环境影响评价所要解决的核心问题。

通常采用模式预测法即大气扩散模式进行大气环境影响预测。

所谓大气扩散模式，就是以大气扩散理论和实验研究结果为基础，将各种污染源、气象条件和下垫面条件模式化，从而描述污染物在大气中输送、扩散、转化的数学模式。

按经典的划分法，数学方法可分三大类：第一类是基于Taylor理论的“统计理论”；第二类是假设湍流通量正比于平均梯度的所谓“梯度理论”；第三类是基于量纲分析的“相似理论”。

上述方法通常都是需要进行数值计算，因此，在工程上尚未达到普遍应用的地步。

但是三大理论中的有关内容，却经常在工程中应用。

例如，利用“统计理论”确定扩散参数或利用“相似理论”确定参数化公式中的相似参数等。

主要的大气扩散模式有高斯模式、赫一帕斯奎尔模式、萨顿模式等。

在工程和环评实践中最普遍应用是基于统计理论而建立起来的正态模式(即Gauss模式)。

正态扩散模式的前提是假定污染物在空间的概率密度是正态分布，概率密度的标准差亦即扩散参数通常用“统计理论”方法或其他经验方法确定。

正态扩散模式之所以一直被应用，主要因为它有以下优点：①物理上比较直观，其最基本的数学表达式可从普通的概率统计教科书或常用的数学手册中查到；②模式直接以初等数学形式表达，便于分析各物理量之间的关系和数学推演，易于掌握和计算；③对于平原地区、下风距离在10km以内的低架源，预测结果和实测值比较接近；④对于其他复杂问题(例如，高架源、复杂地形、沉积、化学反应等问题)，对模式进行适当修正后，许多结果仍可应用。

但是在应用时应当注意，常用的正态羽扩散模式实质上已假定流场是定常，不随时间变化的；同时在空问是均匀的。

均匀意味着：平均风速、扩散参数随下风距离的变化关系到处都一样，在空间是常值。

这一条件加上正态分布的前提，限制了正态扩散模式的应用与发展。

陕西省大气污染防治条例（2023年修正）文章属性•【制定机关】陕西省人大及其常委会•【公布日期】2023.11.30•【字号】陕西省人民代表大会常务委员会公告〔14届〕第14号•【施行日期】2023.11.30•【效力等级】省级地方性法规•【时效性】现行有效•【主题分类】大气污染防治正文陕西省大气污染防治条例（2013年11月29日陕西省第十二届人民代表大会常务委员会第六次会议通过根据2017年7月27日陕西省第十二届人民代表大会常务委员会第三十六次会议《关于修改<陕西省大气污染防治条例>等七部地方性法规的决定》第一次修正根据2019年7月31日陕西省第十三届人民代表大会常务委员会第十二次会议《关于修改<陕西省产品质量监督管理条例>等二十七部地方性法规的决定》第二次修正根据2023年11月30日陕西省第十四届人民代表大会常务委员会第六次会议《关于修改<陕西省专利条例>等六部地方性法规的决定》第三次修正）目录第一章总则第二章一般规定第三章防治措施第一节城市和区域大气污染防治第二节工业大气污染防治第三节交通运输大气污染防治第四节有毒有害物质大气污染防治第五节扬尘污染防治第四章法律责任第五章附则第一章总则第一条为防治大气污染，保护和改善大气环境，保障人体健康，促进经济社会可持续发展，根据《中华人民共和国大气污染防治法》等有关法律、行政法规，结合本省实际，制定本条例。

第二条本条例适用于本省行政区域内的大气污染防治活动。

第三条大气污染防治按照预防为主、防治结合的方针，坚持统筹兼顾、突出重点、分类指导的原则，合理规划布局，优化产业结构，推动科技进步，促进清洁生产，发展低碳经济和循环经济，保护和改善大气环境。

第四条县级以上人民政府对本行政区域内的大气环境质量负责，根据本条例规定和大气污染防治要求制定大气污染防治规划，并将大气污染防治工作纳入国民经济和社会发展规划，保证投入，加强环境执法、监测能力建设，建立和完善大气污染防治工作目标责任考核制度，并将考核结果向社会公示。

中国城市空气污染的大气扩散条件与研究方法中国是世界上人口最多的国家之一，同时也是空气污染最严重的国家之一。

城市空气污染已成为严重影响人民健康和经济发展的问题。

了解城市空气污染的大气扩散条件和研究方法，对于应对和解决空气污染问题具有重要意义。

本文将就中国城市空气污染的大气扩散条件以及研究方法进行探讨。

一、城市空气污染的大气扩散条件城市空气污染的形成和传播与大气扩散条件密切相关。

了解大气扩散条件，有助于揭示城市空气污染的传输规律，为采取相应的防治措施提供科学依据。

1. 气象条件气象条件是城市空气污染扩散的重要因素。

主要包括风速、风向、稳定度和温度等。

风速大于2.0 m/s时，有利于空气污染物的扩散和稀释，减少污染物的浓度。

风向决定了污染物的传播方向，当风向适宜时，污染物会迅速扩散。

大气稳定度越低，对空气污染的扩散越不利。

温度的变化会影响大气的密度和稳定度，从而影响空气污染的扩散。

2. 地理条件地理条件也对城市空气污染的扩散起到重要影响。

地形的起伏、地形高度、河流和湖泊的分布等都会影响风的流动和空气污染物的扩散。

相对较平坦的地区，空气污染物更易扩散，而山区和狭长河谷地区，空气污染物的扩散则受到限制。

3. 气氛稀薄度气氛稀薄度是衡量大气中所含污染物浓度的重要参数。

一般情况下，大气稀薄度越高，所含污染物浓度就越低，扩散条件越好。

二、城市空气污染的研究方法为了更好地了解和应对城市空气污染问题，科学准确的研究方法至关重要。

下面将介绍一些常用的城市空气污染研究方法。

1. 监测数据分析通过对城市空气污染物的监测数据进行分析，可以了解不同城市的空气质量状况以及时间和空间上的变化趋势。

监测数据的分析有助于确定主要污染物种类和来源，评估污染物的浓度分布和控制效果，并为制定相关政策和措施提供依据。

2. 数值模拟方法数值模拟方法是通过建立数学模型，以模拟城市内空气污染物的输运、扩散和化学反应过程。

通过对大气环流、气象条件和排放源的输入，结合模型的计算和模拟，可以预测污染物的浓度分布和空气质量，揭示污染物的来源和传播途径。

城市大气扩散模型研究与应用近年来，随着城市化进程的加速，城市空气质量的问题越来越受到人们的关注。

城市大气扩散模型的研究与应用成为解决城市空气污染问题的重要手段。

本文将就城市大气扩散模型的研究意义、基本原理以及在城市规划和环境管理中的应用进行探讨。

首先，城市大气扩散模型的研究对于评估城市空气质量具有重要意义。

城市的复杂建筑形态、交通系统以及活动密集度，使得城市空气质量的分布呈现出一定的时空异质性。

通过精确建模和模拟，可以了解空气污染物扩散的规律，准确评估城市不同区域的空气质量状况。

这一研究成果有助于政府及时采取有针对性的措施，改善城市环境质量，保护市民的身体健康。

其次，城市大气扩散模型主要基于流体动力学和污染物的物质传输原理。

模型的基本原理是根据城市特定的环境因素，通过一系列的方程和假设，描述空气运动和污染物传输过程。

具体而言，可以分为高斯模型、拉格朗日模型和欧拉模型等不同类型。

高斯模型基于污染物浓度的高斯分布，适用于简单地理条件下的短期扩散预测。

拉格朗日模型以污染物的轨迹为基础，适用于多源排放和过程耦合的复杂情况。

欧拉模型则是通过将城市划分为网格，研究网格内的污染物输运行为，适用于长时间尺度的模拟。

城市大气扩散模型的应用领域广泛。

首先，它在城市规划中的应用有助于提高建筑群落的布局和设计。

通过模拟不同布局和高度的建筑，可以评估不同场景下的空气质量分布情况，为规划者提供科学依据。

其次，它在环境管理中的应用有助于制定污染物的控制策略。

模型可以模拟不同污染源的排放情况及其对环境的影响，预测污染物浓度的分布，为环境管理者提供有效的空气质量管控策略。

最后，它在突发污染事件的应急响应中也发挥着重要作用。

通过模型的预测和模拟，可以指导相关部门及时采取措施，保障市民的生命安全。

然而，值得注意的是，城市大气扩散模型也存在一些限制与挑战。

首先，模型的建立需要大量的空气质量监测数据作为基础。

然而，由于空气质量监测网络的不完善以及数据缺失等问题，模型的精确度和可靠性有一定局限性。

大气污染扩散路径分析及城市开发对策近年来，随着工业化和城市化的快速发展，大气污染成为困扰我国许多城市的严峻问题。

大气污染扩散路径分析及城市开发对策成为了亟待解决的难题。

本文将分析大气污染的扩散路径，并提出相应的城市开发对策，以期改善环境质量和提升居民生活质量。

首先，大气污染的扩散路径主要包括源头排放、气象条件、气体传输和环境扩散等方面。

源头排放是指污染物在生产、运输和能源消耗等过程中的直接排放，如工厂的排放口、车辆尾气等。

气象条件包括风向、风速、温度、湿度等因素，它们直接影响着污染物的传输和扩散。

气体传输是指污染物在大气中的传输过程，主要通过湍流和对流两种方式进行。

环境扩散是指污染物从源头排放后，经过湍流和对流等作用扩散到空气中的各个区域。

了解大气污染的扩散路径对于制定有效的对策具有重要意义。

针对大气污染的扩散路径，我们可以从多个方面进行城市开发对策，以减少大气污染的发生和扩散。

首先，要加强源头控制。

严格执行环境保护法律法规，对于高污染排放的企业要加大监管力度，实施更加严格的排污标准，推动企业进行清洁生产。

此外，应加强对机动车尾气的管控，限制高污染排放车辆的使用，并推广新能源汽车的使用，减少尾气排放对大气污染的贡献。

其次，改善城市交通状况也是减少大气污染的重要途径。

城市发展过程中，交通拥堵成为了普遍存在的问题，交通排放也成为主要污染源之一。

因此，要采取有效措施减少交通拥堵，提高道路运输效率。

例如，可以建设更多的公共交通设施，鼓励居民使用公共交通工具，减少私家车的使用。

同时，要着重发展非机动交通，提倡步行和骑行，减少汽车尾气排放。

此外，加强城市绿化也是降低大气污染的重要手段。

通过植物吸收二氧化碳和各种有害气体，不仅可以改善空气质量，还能减少温室气体的排放，缓解气候变化问题。

因此，可以在城市建设中增加绿地面积，加大植树造林力度，提高城市绿化覆盖率。

此外，要加强对绿地的管理和保护，避免滥伐滥砍，确保绿化效果的长期维持。

城市大气扩散模型的建立与应用近年来，随着城市化进程的加快和工业生产的不断增加，城市大气污染问题日益严重。

为了更好地了解和预测城市大气污染的情况，科学家们开发了城市大气扩散模型。

本文将探讨城市大气扩散模型的建立以及其在实际应用中的意义。

1. 城市大气扩散模型的建立城市大气扩散模型的建立是一个复杂而繁琐的过程，需要大量的观测数据和数学模型的支持。

首先，科学家们会收集城市不同地点的大气污染物浓度数据，并通过对这些数据的统计分析来确定城市大气污染物的排放源。

其次，为了考虑城市内部和外部的影响因素，需要建立一个包含城市地形、建筑物和气象条件等要素的数学模型。

最后，利用这些模型和数据，科学家们可以预测城市大气污染的扩散情况。

2. 城市大气扩散模型的应用2.1 环境监测与评估城市大气扩散模型可以用于实时监测和评估城市大气环境。

通过收集实时的气象数据和污染物排放数据，将其输入模型中进行计算和模拟，可以得到城市不同地点的污染物浓度分布图。

这样，相关部门可以根据这些数据及时采取措施，保护居民的健康和环境的安全。

2.2 污染物管控与治理城市大气扩散模型还可以用于污染物的管控与治理。

通过模拟不同的排放情况和治理方案，可以预测不同策略下的污染物浓度变化。

这样，决策者可以根据模型预测结果，科学合理地制定相关政策和措施，以降低污染物排放和改善城市大气环境。

2.3 突发事件应急响应城市大气扩散模型还可以用于突发事件的应急响应。

例如，发生化学品泄漏、工厂爆炸等情况时，科学家们可以利用模型预测有害物质的扩散范围和浓度分布，以便指导相关救援行动和疏散工作，最大限度地减少人员伤亡和财产损失。

3. 城市大气扩散模型的挑战与展望城市大气扩散模型虽然在环境监测和应急响应中起到了重要作用，但仍面临着一些挑战。

首先，模型的建立和参数确定需要大量的工作和数据支持，这对科学家们的研究能力和数据资源有一定要求。

其次，模型的精度和准确性也是一个难题，因为城市环境复杂多变，涉及到的因素众多。