空气中颗粒物的分布及预测
- 格式:doc
- 大小:1009.50 KB
- 文档页数:16
大气颗粒物PM2.5及其源解析大气颗粒物PM2.5及其源解析一、引言随着工业化和城市化进程的加快,空气污染成为全球各地关注的重大环境问题。
大气颗粒物PM2.5是其中最为严重的一种污染物,它不仅对人类健康造成严重威胁,还对气候变化、生态系统和能源消耗等方面产生深远影响。
本文旨在对PM2.5的组成、来源及其与环境的关系进行解析,以期为空气污染治理提供科学依据。
二、PM2.5的定义和特点PM2.5,即可吸入颗粒物,指大气中直径小于或等于2.5微米的固体或液体颗粒物。
与较大颗粒物相比,PM2.5更易穿透呼吸系统进入人体内部,对人体健康的影响更大。
此外,PM2.5还具有很强的持久性,能够悬浮在空气中较长时间,其传播距离相对较远。
三、PM2.5的组成PM2.5的组成复杂多样,主要包括有机物、无机物、重金属、以及细菌和病毒等。
其中,有机物是PM2.5中最主要的成分,包括挥发性有机物(VOCs)和元素有机碳(EC)。
无机物包括硫酸盐、硝酸盐、铵盐等,这些盐类是气溶胶的重要组成部分。
此外,PM2.5中还含有一些健康风险较高的重金属元素,如铅、汞等。
四、PM2.5的来源PM2.5的来源基本可以分为自然源和人为源两大类。
自然源主要包括植被的挥发物、土壤颗粒、海盐颗粒等。
人为源主要包括工业活动、交通运输、建筑施工、生物质燃烧等。
这些人为源释放出的颗粒物经过大气的输送和转化作用,最终形成PM2.5。
五、PM2.5的影响与预防措施PM2.5对人体健康的影响主要表现为呼吸系统疾病、心血管系统疾病、免疫力下降等。
此外,PM2.5还对大气能见度、气候变化等产生负面影响。
为了减少PM2.5污染,需要采取一系列的预防措施。
首先,对于工业和交通源的控制,应加强排放标准和监管,推动清洁生产和可持续交通。
其次,可使用燃煤减排和清洁燃烧技术,减少生物质燃烧排放,提高能源利用效率。
同时,提倡绿色出行,鼓励使用公共交通工具和非机动车出行,减少汽车尾气排放。
(完整)大气环境影响预测方法编辑整理:尊敬的读者朋友们:这里是精品文档编辑中心,本文档内容是由我和我的同事精心编辑整理后发布的,发布之前我们对文中内容进行仔细校对,但是难免会有疏漏的地方,但是任然希望((完整)大气环境影响预测方法)的内容能够给您的工作和学习带来便利。
同时也真诚的希望收到您的建议和反馈,这将是我们进步的源泉,前进的动力。
本文可编辑可修改,如果觉得对您有帮助请收藏以便随时查阅,最后祝您生活愉快业绩进步,以下为(完整)大气环境影响预测方法的全部内容。
注意:一、《环境空气质量标准》修改单内容:1、取消氮氧化物指标;2、二氧化氮的二级标准的年平均浓度限值由0。
04改为0。
08,日平均浓度限值由0.08mg/l改为0。
12mg/l,小时平均浓度限值由0。
12mg/l改为0.24mg/l;3、臭氧的一级标准的小时平均浓度限值由0。
12mg/l改为0。
16mg/l,,二级标准的小时平均浓度限值由0.16mg/l改为0。
20mg/l。
4、《大气污染物综合排放标准》中要求,排放氯气、氰化氢、光气的排气筒高度不低于25米。
二、估算模式所需输入的基本参数如下:1、点源参数(5项):排气筒几何高度、排气筒出口内径、排气筒出口处烟气温度、排气筒出口处排放速度、点源排放速率;2、面源参数(4项):面源排放高度、面源长度、面源宽度、面源排放速率【g/(s.m2)】;3、体源参数(4项):体源排放高度、初始横向扩散参数、初始垂直扩散参数、体源排放速率(g/s);4、复杂地形参数(2项):主导风向下风向的计算点与源基底的相对高度、主导风向下风向的计算点与源中心的距离;5、建筑物参数(3项):建筑物长度、宽度、高度;6、项目污染源位于海岸或宽阔水体岸边可能导致岸边熏烟的,提供排放源到岸边的最近距离;7、其他参数:计算点的离地高度、风速仪的测风高度。
三、附图、附表、附件要求:(一)附图:1、污染源点位和环境空气敏感区分布图:包括评价范围底图、评价范围、项目污染源、评价范围内其他污染源、主要环境空气敏感区、地面气象站、探空气象站、环境监测点;2、基本气象分析图:年、季风向玫瑰图;3、常规气象资料分析图:包括年平均温度月变化曲线图、温廓线;年平均风速月变化曲线图、季小时平均风速日变化曲线图、风廓线;4、复杂地形的地形示意图:5、污染物浓度等值线分布图:评价范围内出现区域浓度最大值(小时平均和日平均值)时所对应的浓度等值线分布图、长期气象条件下浓度等值线分布图。
大气污染源监测与预测方式综述近年来,全球气候变化和环境污染问题引起了很大的关注。
其中大氧化物、细颗粒物、二氧化硫和挥发性有机物等大气污染物对健康、社会和经济产生巨大的影响。
因此,大气污染源监测和预测已成为一个全球性的热点话题。
大气污染源监测基础首先,大气污染源监测是了解空气污染物释放和传播情况的重要手段。
目前,大气污染源监测备受欢迎且越来越成熟。
大气污染源监测主要有以下方法:1.传输路径浓度分析法传输路径浓度分析法是测定污染物在拍摄和传输的路径上浓度分布的一种方法。
首先,使用遥感、气象和地形数据来建立三维地图。
然后,采集污染物数据并将其输入计算机模型。
该模型基于碰撞、沉积和稀释的过程来计算污染物的浓度。
在最后一步,使用测量的数据和模型数据将该方法用于监测大气污染源的排放。
2.空气污染物浓度测量法用于测量空气中的污染物浓度的方法是大气污染源监测的首要方法。
这里重点介绍主要监测方法:2.1.常规监测点监测该方法是将监测仪器放置在人们生活和工作的区域内,并用于测量环境空气污染物的有效方法。
根据监测时间和监测数据可有效了解该地区空气污染物的情况。
常见的监测污染物包括二氧化硫、一氧化氮、二氧化氮、臭氧、PM10和PM2.5等。
2.2.移动测量车监测移动测量车监测是使用高精度仪器和现代技术对环境空气污染物进行实时监测的方法。
该方法可以对空气中的污染物进行实时监测和数据记录,可以更准确地了解空气污染物的分布情况。
2.3.卫星遥感监测卫星遥感监测是通过遥感探测器监测所搭载的卫星对大气污染的来源、空气质量等进行监测。
这种技术已逐渐成为现代环境监测技术中一种重要的新型监测方法。
例如,欧洲空间局的卫星监测项目能够捕捉到全球范围内的大气污染源和相关参数数据,有助于跨国区域之间的监测和信息共享。
二、大气污染源预测1.物理模型物理模型(如WRF-Chem、CAMx、AERMOD)是根据大气化学原理、模型参数和输入数据开发的数学模型。
大气颗粒物粒径分布特性和来源解析研究近年来,大气颗粒物污染问题备受关注。
为了更好地了解大气颗粒物的粒径分布特性和来源,科研人员进行了一系列的研究。
首先,我们需要了解大气颗粒物的来源。
大气颗粒物主要分为自然源和人为源两大类。
自然源包括沙尘、火山喷发和植物花粉等,而人为源则涵盖了工业废气、机动车尾气以及煤燃烧等。
通过对这些源的分析,可以更好地了解不同粒径的颗粒物在空气中的浓度分布。
其次,我们需要探究大气颗粒物的粒径分布特性。
根据研究发现,大气颗粒物主要分为可吸入颗粒物(PM10)和细颗粒物(PM2.5)两个主要类别。
可吸入颗粒物指的是直径小于等于10微米的颗粒物,而细颗粒物则是指直径小于等于2.5微米的颗粒物。
这两个类别的颗粒物都会对人体健康产生负面影响,但是细颗粒物对呼吸系统的危害更甚。
针对不同粒径的颗粒物,科研人员进行了一系列的研究,以了解它们的粒径分布特性。
通过在不同环境条件下采集颗粒物样本,并运用先进的分析仪器对其进行分析,科研人员发现颗粒物的粒径分布呈现多峰分布。
即使是同一地区的颗粒物样本,在不同季节和不同时间段也会出现不同的粒径分布特征。
这表明颗粒物的来源和空气环境条件都会对其粒径分布产生影响。
随着科技的不断进步,科研人员还开展了大气颗粒物来源解析的研究。
通过运用多种技术手段,如元素分析、同位素分析和化学开放源解析等,科研人员可以更准确地区分大气颗粒物的来源。
例如,通过分析其中的元素含量和同位素组成,可以判断颗粒物是否来自于工业污染或是自然源。
这些研究成果有助于我们更好地了解大气颗粒物的来源,从而采取相应的措施减少污染。
除了对大气颗粒物的来源和粒径分布特性进行研究外,科研人员还关注颗粒物对人体健康的影响。
通过对不同粒径的颗粒物进行生物学实验和流行病学研究,科研人员发现,细颗粒物对呼吸系统和心血管系统的危害更大。
这些研究结果为制定空气污染防治政策提供了科学依据。
综上所述,大气颗粒物的粒径分布特性和来源解析研究不仅对于解决空气污染问题具有重要意义,还有助于保护人体健康。
大气扬尘颗粒物粒径分布特性研究近年来,随着工业化进程的加快和城市化进程的推进,大气扬尘颗粒物的污染问题逐渐引起人们的关注。
大气扬尘颗粒物是指悬浮在空气中的固体和液体颗粒物的总称,包括灰尘、烟尘、悬浮微粒等。
这些颗粒物不仅破坏了空气质量,还对人体健康和环境产生了不良影响。
了解大气扬尘颗粒物的粒径分布特性,对于制定合理的环境保护政策和采取有效的控制措施具有重要意义。
大气扬尘颗粒物的粒径分布是指颗粒物在空气中的直径大小的分布情况。
一般来说,大气扬尘颗粒物的粒径范围较广,从纳米级别到微米级别都有。
根据粒径的不同,大气扬尘颗粒物可以分为PM10、PM2.5和PM0.1等不同级别。
其中PM10是指直径小于等于10微米的颗粒物,PM2.5是指直径小于等于2.5微米的颗粒物,PM0.1是指直径小于等于0.1微米的颗粒物。
由于粒径不同,这些颗粒物的运移、沉降和对人体的危害程度也不同。
在城市中,源自工业排放、交通尾气、建筑施工、道路扬尘等活动的大气扬尘颗粒物严重污染空气。
根据相关研究表明,大气中的颗粒物主要集中在PM2.5级别以下,这些细小的颗粒物对人体的吸入和沉积能力更强。
PM2.5颗粒物可以悬浮在空气中较长时间,进入人体后容易附着在呼吸道黏膜上,并进一步进入肺部,导致呼吸系统疾病的发生。
此外,PM10和PM2.5级别的颗粒物还经常被检测到超标,这给人们的生活和健康带来了很大的威胁。
为了更好地了解大气扬尘颗粒物的粒径分布特性,科研人员进行了一系列的研究和观测。
他们通过采集空气中的颗粒物样本,使用仪器设备对样本进行测试和分析。
研究表明,大气扬尘颗粒物的粒径分布呈现出一定的规律性。
在空气中,大气扬尘颗粒物的粒径分布不仅与排放源的不同有关,还与气象条件、地理位置等因素密切相关。
在不同地理位置,大气扬尘颗粒物的粒径分布存在明显的差异。
例如,在城市边缘地区,由于工业活动的较少和车辆尾气排放的减少,大气扬尘颗粒物的粒径主要分布在粗颗粒物范围内。
颗粒物污染物的来源和变化特征分析近年来,空气污染开始成为全球性的难题,其中最常见、也是最具害处的污染物之一就是颗粒物。
颗粒物污染物主要指空气中直径小于10微米或2.5微米的固体和液体颗粒,其来源繁多,污染物的成分、来源和变化特征对于推动环保工作和治理具有重要的指导意义。
因此,本文将重点分析颗粒物污染物的来源与变化特征。
一、颗粒物污染物的来源颗粒物污染物的来源可以分为天然源和人为源两个方面。
(一)天然源天然源主要是指在大气中自然产生的颗粒物,例如树木、土壤、灰尘、海水的飞沫或者海浪激荡都会产生大量的海盐粒子。
此外,火山喷发、沙尘暴等自然灾害也会造成大量的颗粒物污染,许多地中海地区的空气质量受到沙尘暴影响极大。
(二)人为源人为源的正常活动会排放多种污染物,并且随着经济的发展和城市化进程加速,人为活动对大气质量的影响越来越大。
1、交通运输影响大气污染的交通运输主要为机动车,它的尾气中含有大量的颗粒物,如碳黑、二氧化硫等,其中颗粒物是交通运输中排放最多的一种污染物。
2、工业生产许多工业废气中含有大量的颗粒物,包括雾霾、沉降性颗粒物、粉尘等,它们对空气质量的影响不可忽视。
3、建筑施工建筑施工会引起大量的扬尘,当扬尘落在建筑物、道路及植被上时,很难清除干净,特别是施工现场附近的居民或工厂环保是不可避免的。
4、家庭生活在家庭中用火做饭、采暖冬季时烧煤等都会排放大量的酸雾颗粒物和二氧化碳,严重影响人们的健康。
二、颗粒物污染物的变化特征(一)粒径分布及其影响颗粒物数量较多,尺寸分布也非常广泛,其中大部分仍保持在0.1-1微米范围内,但浓度较低,对人体影响较小。
而二氧化硫、二氧化氮等气体经过一系列反应形成毒性高的二次颗粒物,其中的直径在0.1-2.5微米的颗粒物容易进入人体,对人体健康的危害非常大。
(二)季节性变化不同的季节对颗粒物的生成和消失有着不同的影响。
一般来说,冬季的空气污染比其他季节更为严重,因为冬季空气稳定,风速较小,排放源污染物停滞时间较长,更容易形成雾霾天气。
《呼和浩特市大气细颗粒物组分特征及来源解析》篇一一、引言随着工业化和城市化的快速发展,大气污染问题日益突出,其中细颗粒物(PM2.5)的污染已成为国内外关注的焦点。
呼和浩特市作为内蒙古自治区的省会城市,其大气环境质量直接关系到当地居民的生活质量和健康状况。
因此,对呼和浩特市大气细颗粒物组分特征及来源进行解析,对于制定有效的空气质量改善措施具有重要意义。
二、研究区域与数据采集呼和浩特市位于内蒙古自治区中部,地处黄河河套之中。
本文所采用的数据来源于该市多个监测点的大气细颗粒物组分及气象数据。
数据采集时间覆盖了一个完整的季节变化周期,以充分反映不同气候条件下的PM2.5变化情况。
三、呼和浩特市大气细颗粒物组分特征通过对所采集的PM2.5样本进行组分分析,发现其主要成分包括硫酸盐、硝酸盐、有机碳、元素碳、地壳元素等。
其中,硫酸盐和硝酸盐的含量较高,表明二次反应对PM2.5的形成具有重要影响。
此外,有机碳和元素碳的含量也不容忽视,它们主要来源于机动车尾气排放和生物质燃烧等。
四、PM2.5来源解析1. 自然因素:风沙、土壤扬尘等自然因素是PM2.5的重要来源之一。
在春季风大、气候干燥的情况下,自然因素对PM2.5的贡献尤为突出。
2. 工业排放:钢铁、化工、电力等行业的生产过程中会产生大量的细颗粒物。
这些颗粒物在未经有效治理的情况下直接排放到大气中,对PM2.5的浓度产生重要影响。
3. 交通排放:机动车尾气排放是城市PM2.5的主要来源之一。
呼和浩特市作为一座交通枢纽城市,交通排放对PM2.5的贡献尤为显著。
4. 生活污染:居民生活过程中产生的烟尘、烹饪油烟等也是PM2.5的重要来源。
五、结论与建议通过对呼和浩特市大气细颗粒物组分特征及来源的解析,我们发现该市PM2.5的主要来源包括自然因素、工业排放、交通排放和生活污染等。
为改善呼和浩特市的大气环境质量,建议采取以下措施:1. 加强工业排放治理,严格落实环保法规,减少工业生产过程中的细颗粒物排放。
大气环境中颗粒物迁移与扩散模型研究近年来,随着城市化进程的加快和工业化水平的提高,大气污染问题日益凸显,其中颗粒物污染是一大挑战。
大气颗粒物对人类健康和环境影响巨大,因此对其迁移与扩散模型的研究变得非常重要。
一、颗粒物的来源与特性颗粒物的来源多样,包括工业排放、交通尾气、农业活动等,它们具有不同的物理化学特性和粒径分布。
颗粒物大致可分为可吸入颗粒物(PM10)和细颗粒物(PM2.5),其中PM2.5对人体的影响更为严重。
这些颗粒物中有机物、金属元素、重金属离子等成分可以对人体健康产生有害影响。
二、颗粒物迁移与扩散模型的意义颗粒物的迁移与扩散模型可以帮助我们了解颗粒物在大气中的输运规律,揭示其影响因素和迁移途径,从而有针对性地制定治理措施。
模型可以模拟颗粒物源排放、大气传输、沉积和浓度分布等过程,为科学决策提供参考和支持。
三、颗粒物迁移与扩散模型的研究方法研究颗粒物迁移与扩散模型的方法主要有数学建模和实验观测两种。
数学建模是基于物理模型、数学模型和计算机模拟,通过建立方程组来模拟颗粒物的迁移和扩散过程,并运用各种数值计算方法求解。
实验观测则通过野外观测和实验室模拟来获取数据,如风速、温度、湿度、浓度等,以验证模型的可靠性。
四、常用的颗粒物迁移与扩散模型常见的颗粒物迁移与扩散模型包括Lagrangian模型和Eulerian模型。
Lagrangian模型追踪颗粒物的运动轨迹,重点考虑了颗粒物的个体运动和涡旋扩散,适用于较小尺度和复杂环境。
Eulerian模型以网格为基础,通过求解空气动力学方程来模拟颗粒物的输运和扩散,适用于中高尺度和相对简单的环境。
五、颗粒物迁移与扩散模型的挑战与未来发展颗粒物迁移与扩散模型的研究还面临一些挑战,如粒径分布、气象条件、大气细观结构等因素的复杂性。
未来的发展需要更加准确和细致的模型,以适应不同区域和不同尺度的需求。
同时,研究者还应关注颗粒物的来源治理、排放监测等与模型研究相结合的工作,以全面解决大气颗粒物污染问题。
常⽤的环境空⽓质量预测模式及其适⽤条件:4.1有风时点源正态烟⽻扩散模式:点源在距地⾯10m⾼平均风速U10≥1.5m/s情况下,平坦地形、⽓态污染物,在模拟的单元时间段⾥风向、风速、稳定度基本不变,污染物通过某种装置排放。
需调查两类资料,⼀类是污染源的资料(包括污染源位置、源强及排放⽅式),另⼀类是⽓象资料(包括风向、风速、稳定度和混合层的⾼度)。
4.2⼩风和静风时点源扩散模式:是⼀种简化的烟团模式,适⽤于地⾯10m⾼处平均风速U10<1.5m/s情况下,平坦地形、⽓态污染物,在模拟的单元时间段⾥风向、风速、稳定度基本不变,污染物通过某种装置排放。
需调查两类资料,⼀类是污染源的资料(包括污染源位置、源强及排放⽅式),另⼀类是⽓象资料(包括风向、风速、稳定度)。
4.3颗粒物排放模式:即倾斜烟⽻扩散模式,适⽤于排⽓筒排放的颗粒物粒径>15µm的污染物、地⾯10m⾼平均风速U10>1.5m/s,平坦地形,在模拟的单元时间段⾥风向、风速、稳定度基本不变,污染物通过某种装置排放。
需调查两类资料,⼀类是污染源的资料(包括污染源位置、源强及排放⽅式,以及颗粒物的直径和密度分布),另⼀类是⽓象资料(包括风向、风速和稳定度)。
4.4熏烟模式:主要⽤以计算⽇出以后,贴地逆温从下⽽上消失,逐渐形成混合层时,原来积聚在这⼀层的污染物所造成的⾼浓度污染预测。
4.5⾯源扩散模式:⾯源或⽆组织排放源的地⾯浓度预测;4.6体源扩散模式:当⽆组织排放源为体源时的浓度预测;4.7线源扩散模式:通常采⽤点源求和法求取,把线园画成⽆限多⼩点源,应⽤点源扩散模式进⾏计算,最后对⼩点源进⾏积分。
适⽤条件同点源各种模式。
4.8⽇平均浓度模式:⽇平均浓度⽅法有保证率法、典型⽇法、换算法等。
4.9长期平均浓度模式:长期浓度预测包括计算年均浓度值,可利⽤联合频率的⽓象条件权重法或⽤全年⽓象资料逐次计算求平均法计算年均浓度值。
大气颗粒物PM2.5及其源解析近年来,随着环境污染问题的日益加剧,大气颗粒物PM2.5成为了人们关注的热点话题。
PM2.5,指的是直径小于或等于2.5微米的颗粒物,它们轻盈且悬浮在空气中,对人体健康和环境造成严重危害。
首先,我们来了解一下PM2.5的主要来源。
PM2.5的源头可以分为两类,一类是自然源,另一类是人为源。
自然源包括火山喷发、沙尘暴、森林火灾等自然活动,而人为源则包括工业排放、交通尾气、燃煤和燃油燃烧等人为活动。
这些源头会释放大量的气体和颗粒物,其中的细颗粒物PM2.5最为关注。
其次,PM2.5的成分也有所不同。
PM2.5主要由碳、硫、氮和金属元素等组成。
这些成分在大气中会经历复杂的变化过程,例如光化学反应、氧化反应等,并与其它大气污染物相互作用,形成复杂的污染物组合。
这些成分对人体健康的危害是多方面的,包括对呼吸系统的直接损害、致癌物质的吸入以及慢性疾病的发生。
PM2.5的空气质量影响因素也是多方面的。
首先,大气扩散能力是影响PM2.5浓度的重要因素之一。
当大气中的颗粒物较多时,空气的扩散能力会受到影响,导致PM2.5的浓度升高。
其次,天气条件也会对PM2.5的分布产生影响。
例如,稳定的气候条件会导致颗粒物在局部区域内逗留而不容易扩散。
再次,人类活动也是PM2.5浓度增加的原因之一。
工业和交通尾气排放、燃煤和燃油燃烧等都会释放大量的颗粒物到大气中。
那么,应该如何减少PM2.5的污染呢?首先,我们可以通过减少污染物排放来控制PM2.5的浓度。
例如,加强对工业和交通尾气排放的管控,推广清洁能源的使用。
其次,加强大气污染治理的科技支撑也是非常重要的。
我们可以利用先进的污染物治理技术,如颗粒物过滤器、脱硫装置等,来减少PM2.5的排放。
此外,个人也可以采取一些措施来减少PM2.5的暴露风险,如居家常备空气净化器、佩戴口罩、注意室外环境等。
总之,大气颗粒物PM2.5的问题需要我们关注和解决。
1 空气中颗粒物的分布及预测 摘 要 本文对空气中颗粒物的分布进行分析,通过Excel软件采集附件1、附件2中的数据,运用Matlab软件,对模型进行分析和求解. 针对问题一:根据数据筛选统计出2014年4月22日-2014年5月22日31天各个站点的平均PM2.5浓度和PM2.5浓度随纬度的变化(见附件1),发现相对来说纬度越低PM2.5平均浓度越高,根据PM2.5其在空气中含量浓度越高,就代表空气污染越严重,由PM2.5平均浓度和传播学原理找出35个监测站所在位置中PM2.5污染较严重的5个位置分别为30站点(经纬度116,39.58),29(116.3,39.52),28(116.783,39.712),10(116.297,39.863),13(116.136,39.742); 针对问题二:由问题一找出污染最严重的那个监测站所在位置为第30站点,根据所给数据求出第30个监测站20140422-20140522的日平均浓度变化,根据日平均浓度变化趋势,
利用atMlab曲线拟合工具箱cftool拟合可以发现拟合度较高的为Fourier函数(见图4),然后根据拟合出来的函数预测2014年6月1号的PM2.5平均浓度为82.3558,同样的建模思想,可以预测出2014年6月1号全天24小时各个时刻的PM2.5的平均浓度,以0时刻为例,由所给数据可以筛选出2014年4月22日-2014年5月22日31天的0时刻PM2.5
平均浓度变化,根据0时刻PM2.5平均浓度变化,利用atMlab曲线拟合工具箱cftool拟合出一条曲线并预测6月1号0时刻的平均浓度,其它23个时刻以相同的方法预测(见附
件3)。然后根据23,0,1,2231iijjouaai (公式),计算第i个时刻的指标值占全天总值的比例为iu,结合前面求出的6月1号的PM2.5平均浓度X,根据24* 2YXu(公式)可进一步精确6月1号全天24小时各个时刻的PM2.5的平均浓度为Y=(97.453,104.94,106.1,56.021,135,102.58,77.169,53.774,58.878,109.41,110.77,121.85,129.26,122.39,115.64,39.591,24.433,41.753,47.732,44.571,62.056,67.682,69.056,78.434) 针对问题三:由于空气质量受污染源排放、天气变化情况等诸多因素影响,污染物在大气中的扩散、转化、传输和沉降均受到气象条件的制约和影响,而气象条件、大气层结的日变化和季节变化明显,对准确预报污染物的日变化、区域分布带来很大的挑战。 所以要想改进模型就得知道该地区人口密集度、交通污染程度、地理位置与地形分布、城市热岛效应,当地政府治理力度,气象条件、当地污染源排放及传输规律等信息。
关键词:Excel软件;atMlab软件;傅里叶逼近模型;cftool软件 2
1、问题重述与问题分析 1.1 问题重述 可吸入颗粒物又称PM10, 通常是指直径小于等于 10.5 微米的颗粒物。细颗粒物又称PM2.5。细颗粒物指环境空气中直径小于等于 2.5 微米的颗粒物。PM10 和PM2.5它能较长时间悬浮于空气中,其在空气中含量浓度越高,就代表空气污染越严重。 颗粒物的直径越小,进入呼吸道的部位越深。10微米直径的颗粒物通常沉积在上呼吸道,5微米直径的可进入呼吸道的深部,2微米以下的可100%深入到细支气管和肺泡。细颗粒物进入人体到肺泡后,直接影响肺的通气功能,使机体容易处在缺氧状态。 附件1中给出某地区35个监测站 2014年4月22日-2014年5月22日每天24小时PM10和PM2.5和空气质量指数(AQI)的监测数据,附件2是35个监测站的位置。 (1) 根据附件所给数据和污染物传播的原理从35个监测站所在位置中找出PM2.5污染较严重的5个位置; (2) 建立模型,预测污染最严重的那个监测站所在位置的2014年6月1号全天24小时 PM2.5的值; (3)如果要改进你的模型,你还需要哪些方面的数据并说明理由。
1.2 问题分析 本题附件1中给出某地区35个监测站 2014年4月22日-2014年5月22日每天24小时PM10和PM2.5和空气质量指数(AQI)的监测数据,附件2是35个监测站的位置。 针对问题一:根据数据筛选统计出2014年4月22日-2014年5月22日31天各个站点的平均PM2.5浓度排名和PM2.5浓度随纬度的变化(见附件1),根据PM2.5平均浓度排名和传播学原理找出35个监测站所在位置中PM2.5污染较严重的5个位置; 针对问题二:由问题一找出污染最严重的那个监测站所在位置,由所给数据可以求出污染最严重的那个监测站20140422-20140522的日平均浓度变化,根据日平均浓度变化,利用
atMlab曲线拟合工具箱cftool拟合出一条曲线及函数,然后根据拟合出来的函数预测2014年6月1号的PM2.5平均浓度,同样的建模思想,可以预测出2014年6月1号全天24小时各个时刻的PM2.5的平均浓度,根据预测结果计算6月1号第i个时刻的指标值占全天总值的比例,则由各个时刻的指标值占全天总值的比例和前面求出的2014年6月1号的PM2.5平均浓度可进一步精确6月1号全天24小时各个时刻的PM2.5的平均浓度。 针对问题三:由于空气质量受污染源排放、天气变化情况等诸多因素影响,污染物在大 3
气中的扩散、转化、传输和沉降均受到气象条件的制约和影响,而气象条件、大气层结的日变化和季节变化明显,对准确预报污染物的日变化、区域分布带来很大的挑战。 所以要想改进模型就得知道该地区人口密集度、交通污染程度、地理位置与地形分布、城市热岛效应,当地政府治理力度,天气气候变化、当地污染源排放及传输规律等信息。
2、模型假设 (1) 假设所给数据都是可靠准确的; (2) 假设PM2.5的平均浓度可以代表污染程度; (3) 假设从5月22号到6月1号与之前的31天相比没有其他随机因素的影响; (4) 假设从5月22号到6月1号与之前的31天相比大气扩散条件不会明显改变; (5) 假设个别的某些异常的数据不影响整体的趋势;
3、符号说明 iu: 第i个时刻的指标值占全天总值的比例
ai : 第i个时刻的PM2.5的平均浓度
aj : 第j个时刻的PM2.5的平均浓度
u : 各个时刻的指标值占全天总值的比例
X : PM2.5日平均浓度
Y : 每个时刻的平均PM2.5浓度 fx
: Fourier函数
ai : Fourier函数的系数
ib : Fourier函数的系数
w : Fourier函数的系数 4
4、模型的建立与求解 4.1 问题一的模型建立与求解 根据数据筛选统计出2014年4月22日-2014年5月22日31天各个站点的平均PM2.5浓度排名和PM2.5浓度随纬度变化表(见附件1),由所给数据作图1可看出纬度越低相对来说污染的越厉害,所给数据作图2可看出PM2.5污染的位置分布,根据平均PM2.5浓度排名和传播学原理找出35个监测站所在位置中PM2.5污染较严重的5个位置见表1
图1 PM2.5浓度随纬度的变化图 5 图2 PM2.5污染的位置分布 排名 1 2 3 4 5 所在站点 30 29 28 10 13 经 纬度 116, 39.58 116.3, 39.52 116.783,39.712 116.297,39.863 116.136,39.742 表1 PM2.5污染较严重的5个位置
4.2 问题二的模型建立与求解 由问题一找出污染最严重的那个监测站为第30个监测站,由所给数据可以筛选出第30个监测站2014年4月22日-2014年5月22日31天的日平均浓度变化,如图3 6
图3 第30监测站日平均浓度变化图 根据日平均浓度变化,利用atMlab曲线拟合工具箱cftool拟合可以发现拟合度较高的为Fourier函数(见图4)
fx =a0 + a1*cosx*w + b1*sinx*w+ a2*cos2*x*w + b2*sin2*x*w + a3*cos3*x*w + b3*sin3*x*w + a4*cos4*x*w + b4*sin4*x*w + a5*cos5*x*w + b5*sin5*x*wa0 =116.595.08, 137.9a1 = 57.527.25, 87.76b1 = 12.65-21.,,
78, 47.08a2 =34.032.969, 65.08b2 =-24.65 -61.9, 12.6a3 =54.7616.15, 93.37b3 = -39.65-82.67, 3.373a4 = 3.633 -26.51, 33.78a5 = 2.803-26.95, 32.55b5 = 0.8508-29.07, 30.78w =0.23810.2256, 0.2506,,,,,, ,,
然后根据拟合出来的函数预测2014年6月1号(在模型中代表时间为41)的PM2.5平均浓度X为 82.3558,见图4.