CN105403664B - 一种基于wrf‑chem的大型点污染源大气环境影响评价方法 - Google Patents
一种基于wrf‑chem的大型点污染源大气环境影响评价方法 Download PDFInfo
- Publication number
- CN105403664B CN105403664B CN201510679336.XA CN201510679336A CN105403664B CN 105403664 B CN105403664 B CN 105403664B CN 201510679336 A CN201510679336 A CN 201510679336A CN 105403664 B CN105403664 B CN 105403664B
- Authority
- CN
- China
- Prior art keywords
- data
- wrf
- chem
- scheme
- scale point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于WRF‑CHEM的大型点污染源大气环境影响评价方法,所述方法包括以下步骤:获取气象资料和地形资料,设置模拟区域并对气象资料和地形资料进行预处理;对模拟具有较大影响的不同参数化方案组合,设计对比实验方案;获取人为源排放和天然源排放清单,并进行空间、时间、排放高度和物种划分等预处理;运行WRF‑CHEM模型,对不同参数化方案组合的模拟结果与观测资料进行比较,获取最佳模拟方案;处理大型点污染源排放资料,在最佳模拟方案下加入模型中再次运行WRF‑CHEM;对比考虑大型点污染源后的模拟结果与最佳模拟方案下的结果,评价大型点污染源对周边大气环境影响的程度和范围;可视化展示模拟结果,为环境影响评价报告提供管理决策依据。
Description
技术领域
本发明涉及大气环境影响评价技术领域,尤其涉及一种大型点污染源的大气环境影响评价方法。
背景技术
随着我国经济水平的快速发展,城市化进程的不断提高,城市机动车的快速增长,能源消费需求日益增大,我国城市大气污染已由煤烟型污染转变为以高浓度PM2.5为特征的复合型大气污染,雾霾问题成为困扰人类发展的严峻问题。
环境影响评价制度是我国的一项基本环境保护法律制度,是指对规划和建设项目实施后可能造成的环境影响进行分析、预测和评估,提出预防或者减轻不良环境影响的对策和措施,进行跟踪监测的方法与制度。为开发建设活动的决策、经济建设的合理布局、制定环境保护对策和进行科学的环境管理提供科学依据,对确定经济发展方向和保护环境等一系列重大决策上都有重要作用。
在我国,对于建设项目的大气环境影响评价,主要采用了《环境影响评价技术导则-大气环境》(HJ2.2-2008)中推荐的三种模式:大气扩散模式AERMOD(Air DispersionModeling)、稳态大气扩散模式ADMS和非稳态拉格朗日烟团模式CALPUFF。AERMOD是一个稳态烟羽扩散模式,可基于大气边界层数据特征模拟点源、面源、体源等排放出的污染物在短期和长期的浓度分布,适用于农村或城市地区、简单或复杂地形,评价范围小于等于50km的一级、二级评价项目。ADMS是一个三维高斯模型,以高斯分布公式为主计算污染浓度,烟羽扩散的计算使用了当地边界层的参数,化学模块中使用了远处传输的轨迹模型和箱式模型,可计算各取值时段的浓度值,适用于评价范围小于等于50km的一级、二级评价项目。CALPUFF是一个烟团扩散模型***,可模拟三维流场随时间和空间发生变化时污染物的输送、转化和清除过程,适用于从50公里到几百公里范围内的模拟尺度,包括了近距离模拟和长距离模拟的计算功能。这些模式方法可以较好的模拟建设项目对于常规气态污染物和颗粒物浓度的影响,是大气环境影响评价工作中重要的技术手段。
由于2013年以来我国频繁爆发了大范围的严重雾霾事件,PM2.5成为建设项目环境影响评价中关注的新增指标。而现有的三种模式中,AERMOD和ADMS模式***均无法提供PM2.5的模拟预测,虽然CALPUFF模式可以计算PM2.5浓度,但是由于模式中化学机理过于简单,对PM2.5的模拟效果较差,尤其是对排放量大、对周边环境有较大影响的大型点污染源项目的模拟误差可能更大,同时该模式对小于50公里的中小尺度环境影响描述能力不足。
现有的第三代空气质量模式包括多尺度空气质量模型MODEL-3/CAMQ(CommunityMultiscale Air Quality Modeling Sysem)、大气化学传输模式CAMx(CommunityAtmosphere Model)和WRF-CHEM模式,第三代模式包含复杂完善的气相化学和气溶胶化学机理,对PM2.5有较好的模拟能力。其中,WRF-CHEM是一种气象过程和化学过程同时发生,完全在线耦合的大气化学模式,与MODEL-3/CMAQ和CAMx相比,它的化学和气象过程使用相同的坐标体系和参数化方案,不存在时间上的插值,并且能够在线反映化学过程和气象过程之间的反馈作用,从而能够模拟再现一种更加真实的大气环境。由于模式在区域模拟的效果与物理化学参数化方案密切相关,需要针对辐射、陆面过程、边界层、微物理、云物理、气相化学、气溶胶化学等方案参数化来完善***模拟的效果,而目前环境影响评价工作中缺少使用WRF-CHEM开展的相关工作,没有能够适应环境影响评价的参数化方案和方法体系。
综上,国内现有的大气环境影响评价技术方法对于大型点污染源的环境PM2.5影响模拟效果较差,不能适用大型点污染源的环境影响评价工作;现有的第三代空气质量模型缺少在环境影响评价领域的工作,没有相适应的方法体系。因此,急需在新一代空气质量模型的基础上开发建立可准确评估大型点污染源对环境影响的方法(特别是严重污染气象条件下对PM2.5影响的评估方法)。本发明为解决该问题提供了一套新的思路和方法。
发明内容
本发明的目的在于填补上述大气环境影响评价中PM2.5准确评价方法的空白,提出一种基于WRF-CHEM的大型点污染源大气环境影响评价方法,以实现模拟更准确和适用范围更大的优点。
为实现上述目的,本发明是采用以下技术手段实现的。
一种基于WRF-CHEM的大型点污染源大气环境影响评价方法,包括:数据预处理子***、最佳方案选择子***、污染源大气环境影响预测子***和可视化展示子***;包括以下步骤:
1.获取模拟时间内,美国国家环境预报中心(NECP)全球气象场分析资料FNL(Final Operational Global Analysis data)数据和美国国家海洋和大气管理局(NOAA)全球海面温度场SST(sea surface temperature)数据,作为驱动WRF-CHEM运行的气象资料;
2.获取模拟时间内,中分辨率成像光谱仪(Moderate-resolution ImagingSpectroradiometer,简称MODIS)地表利用类型数据和地面高程数据,作为驱动WRF-CHEM运行的地形资料;
3.根据评估项目的地理位置和评估范围设定评估区域,对气象资料和地形资料进行预处理,获得与WRF-CHEM模式设定网格分布一致的输入数据。
进一步的,在模式的网格设置上,水平方向采用兰勃特(Lambert)投影方式,设定四层嵌套网格,水平网格距分别为81km、27km、9km和3km,其中第一层范围为15~55°N,70~140°E,包括了东亚的大部分地区,第二、三、四层的范围根据具体项目进行设定,在垂直方向上采用eta坐标系,共分为30层,其中距地表1km包含8层,模式顶为20hpa;
4.选择对空气质量模拟具有较大影响的不同参数化方案组合,设计对比实验方案,其中对空气质量模拟具有较大影响的不同参数化方案组合具体为:辐射过程、陆面过程、边界层过程、微物理过程和云物理等物理过程,气相化学和气溶胶化学等化学过程。辐射过程包括RRTMG方案和Dudhia方案,陆面过程包括Noah方案和RUC方案,边界层过程包括YSU方案和MYJ方案,微物理过程包括Lin方案和WSM-3方案,云物理过程包括Grell 3D方案和KF方案,气相化学模拟包括RADM2方案和CBM-Z方案,气溶胶化学模拟包括MADE/SORGAM和MOSAIC方案,具体方案组合参见下表:
5.获取人为源排放和天然源排放清单,人为源排放主要包括了电力、工业、交通、居民和农业等人类活动所排放的SO2、NOx、NH3、VOCs、一次PM2.5、一次PM10、BC和OC等污染物,天然源排放主要包括了各类植被所排放的VOCs和森林、草原火灾等生物质燃烧排放的各类污染物,对排放数据进行预处理,获得与WRF-CHEM模式区域设定一致的具有时间、水平和垂直分布的输入数据。
进一步的,对不同排放源的数据预处理包括:
1)四层嵌套网格对应的人为源排放数据分别来自:第一层取自全球排放数据库EDGAR,第二层取自中国多尺度排放清单模型MEIC,第三层和第四层来自模拟区域更为详细的污染源普查数据,各层网格对应区域的排放需要满足质量守恒;天然源排放来自天然源气体颗粒物排放模型MEGAN2.1;森林、草原火灾等生物质燃烧排放来自全球大火排放数据库GFED4;
2)根据不同类型人为排放源的特点,结合排放谱分布进行时间插值,获得模拟月份及模拟日每小时的排放分布;
3)根据不同类型排放源排放高度的特点,设定不同的排放高度,其中电厂和工业排放根据烟囱高度归入不同的垂直层,其他排放源归入地表层;
4)对于VOCs排放,根据第4步中选择的气相化学反应方案,进行物种划分;
6.根据步骤4设定的模拟方案分别运行WRF-CHEM,将每一次积分时段分成两部分,第一天00时开始到第六日00时为预积分时段,而从第六日00时开始之后的时间为正式积分时段,经过预积分时段内物理状态和化学物质背景的充分调整,保证模式在正式积分时段有良好表现;
7.将步骤6正式积分阶段的PM2.5模拟结果与观测站点的PM2.5监测结果进行对比验证,其中观测资料是第三层嵌套网格内观测站点的逐时监测结果,模拟结果采用双线性内插法将与观测资料时间对应的网格结果插值到观测站点的位置;对不同方案模拟能力采用如下统计指标进行综合评估:相关系数Correlation Coefficient(R),平均偏差Mean Bias(MB),平均绝对总误差Mean Absolute Gross Error(MAGE),均方根误差Root Mean SquareError(RMSE),平均归一化偏差Mean Normalized Bias(MNB)和归一化平均偏差NormalizedMean Bias(NMB);相关指标定义如下表所示,
8.根据步骤7与观测资料的比对结果,从所有方案中选择模拟效果最好的方案为最佳模拟方案,并保存该方案下的模拟结果,至此完成最佳方案选择子***相关步骤;如果所有方案模拟结果均无法达到预期设定效果,则返回第4步重新调整模拟方案组合,直至选出满足预期的最佳模拟方案及模拟结果;
9.获取评价目标大型点污染源的各项污染物排放资料,根据企业的地理坐标、逐月逐时的生产信息和烟囱高度,确定评价目标排放的空间、时间和垂直分布特征;
10.结合步骤5中人为源、天然源排放资料和步骤8中最佳模拟方案,再次运行WRF-CHEM,模拟时间和方式与步骤6一致;
11.比较步骤10中的模拟结果与步骤8中最佳方案模拟结果,两者差值即为所评价大型点污染源对大气环境的影响,统计大型点污染源在模拟时间内对周边地区SO2、NOx、PM2.5和PM10等污染物的平均和最大影响程度,统计重污染天气下大型点污染源的影响特征;
12.根据步骤11中的影响结果,通过地理分析工具Arcgis和基于Google Earth的可视化平台,展示评价对象点污染源对不同污染物的影响程度和范围,为环境影响评价报告提供管理决策依据。
附图说明
图1为本发明提供的一种基于WRF-CHEM的大型点污染源大气环境影响评价方法的流程图。
具体实施方式
附图用来对本发明提供进一步理解,并构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本实施例基于WRF-CHEM的大型点污染源大气环境影响评价方法流程图,本实施例主要模拟河北某拟建电厂对京津冀地区大气环境的影响,模拟时间包括两部分:一是以连续5年的全年各个月份,通过5年模拟结果平均来消除气候年际差异的影响,二是冬季典型重污染天气条件下的一段时间,例如11月17日至12月2日为京津冀地区重污染事件频发时段。
参见图1,一种基于WRF-CHEM的大型点污染源大气环境影响评价方法,包括以下步骤:
步骤100:获取模拟时间内驱动WRF-CHEM运行的气象资料,NCEP全球气象场分析资料FNL数据和NOAA全球海面温度场SST数据;
步骤101:获取模拟时间内驱动WRF-CHEM运行的地形资料,MODIS地表利用类型数据和地面高程数据;
步骤102:根据评估项目的地理位置和评估范围设定评估区域,对气象资料和地形资料进行预处理,在模式的网格设置上,水平方向采用Lambert投影方式,设定四层嵌套网格,水平网格距分别为81km、27km、9km和3km,其中第一层范围为15~55°N,70~140°E,包括了东亚的大部分地区,第二层范围为30~50°N,100~130°E,第三层范围为35~45°N,110~120°E,第四层范围为38~40°N,115~118°E,在垂直方向上采用eta坐标系,共分为30层,其中距地表1km包含8层,模式顶为20hpa;
步骤103:选择对空气质量模拟具有较大影响的不同参数化方案组合,设计对比实验方案,其中重点考虑的过程包括:辐射、陆面过程、边界层、微物理和云物理等物理过程,气相化学和气溶胶化学等化学过程,辐射过程包括RRTMG方案和Dudhia方案,陆面过程包括Noah方案和RUC方案,边界层过程包括YSU方案和MYJ方案,微物理过程包括Lin方案和WSM-3方案,云物理过程包括Grell 3D方案和KF方案,气象化学模拟包括RADM2方案和CBM-Z方案,气溶胶化学模拟包括MADE/SORGAM和MOSAIC方案;
步骤104:获取人为源排放和天然源排放清单,人为源排放来自全球排放数据库EDGAR、中国多尺度排放清单模型MEIC以及第三层嵌套区域内详细的污染源普查数据,主要包括了电力、工业、交通、居民和农业等人类活动所排放的SO2、NOx、NH3、VOCs、一次PM2.5、一次PM10、BC和OC等污染物,天然源排放主要包括了各类植被所排放的VOCs,来自天然源气体颗粒物排放模型MEGAN2.1,以及森林、草原火灾等生物质燃烧排放的各类污染物,来自全球大火排放数据库GFED4;对排放数据进行预处理,获得与WRF-CHEM模式区域设定一致的具有时间、水平和垂直分布的输入数据;
步骤105:根据步骤103设定的模拟方案分别运行WRF-CHEM,将每一次积分时段分成两部分,前一天00时开始到第六日00时为预积分时段,而从第六日00时开始之后的时间为正式积分时段;
步骤106:将步骤105中各方案组合正式积分阶段的PM2.5模拟结果与观测站点的PM2.5监测结果进行对比验证,其中观测资料是第三层嵌套网格内观测站点的逐时监测结果,模拟结果采用双线性内插法将与观测资料时间对应的网格结果插值到观测站点的位置;对不同方案模拟能力采用如下统计指标进行综合评估:相关系数CorrelationCoefficient(R),平均偏差Mean Bias(MB),平均绝对总误差Mean Absolute Gross Error(MAGE),均方根误差Root Mean Square Error(RMSE),平均归一化偏差Mean NormalizedBias(MNB)和归一化平均偏差Normalized Mean Bias(NMB);
步骤107:根据步骤106与观测资料的比对结果,从所有方案中选择模拟效果最好的方案为最佳模拟方案,并保存该方案下的模拟结果;如果所有方案模拟结果均无法达到预期设定效果,则返回步骤103重新调整模拟方案组合,直至选出满足预期的最佳模拟方案及模拟结果;
步骤108:获取评价目标大型点污染源的各项污染物排放资料,根据企业的地理坐标、逐月逐时的生产信息和烟囱高度,确定评价目标排放的空间、时间和垂直分布特征;
步骤109:结合步骤104中人为源、天然源排放资料和步骤107中最佳模拟方案,再次运行WRF-CHEM,模拟时间和方式与步骤105一致;
步骤110:比较步骤109中的模拟结果与步骤107中最佳方案模拟结果,两者差值即为所评价大型点污染源对大气环境的影响,统计大型点污染源在2014年四季代表性月份内对周边地区SO2、NOx、PM2.5和PM10等污染物的平均和最大影响程度,统计2014年11月下旬重污染天气下大型点污染源的影响特征;
步骤111:根据步骤110中的影响结果,通过地理分析工具Arcgis和基于GoogleEarth的可视化平台,展示评价对象点污染源对不同污染物的影响程度和范围,结束评估。
Claims (8)
1.一种基于WRF-CHEM的大型点污染源大气环境影响评价方法,包括:数据预处理步骤、最佳参数方案选择步骤、污染源大气环境影响预测步骤和可视化展示步骤;其特征在于,包括以下步骤:
(1)获取模拟时间内的气象资料和地形资料,设置评估区域并对气象资料和地形资料进行预处理;
(2)选择对模拟具有较大影响的不同参数化方案组合,设计对比实验方案,运行WRF-CHEM,筛选出最佳参数方案;
(3)在最佳参数方案下加入大型点污染源排放资料,再次运行WRF-CHEM,将模拟结果与最佳参数方案下的结果进行对比;
(4)将大型点污染源对周边大气环境影响的程度和范围可视化展示。
2.根据权利要求1所述的基于WRF-CHEM的大型点污染源大气环境影响评价方法,其特征在于,步骤(1)中还包括:
1)获取模拟时间内,美国国家环境预报中心全球气象场分析资料数据和美国国家海洋和大气管理局全球海面温度场资料数据,作为驱动WRF-CHEM运行的气象资料;获取模拟时间内,中分辨率成像光谱仪地表利用类型数据和地面高程数据作为驱动WRF-CHEM运行的地形资料;根据评估项目的地理位置和评估范围设定评估区域,对气象资料和地形资料进行预处理,获得与WRF-CHEM模式设定网格分布一致的输入数据,水平方向采用兰勃特(Lambert)投影方式,设定四层嵌套网格,水平网格距分别为81km、27km、9km和3km,在垂直方向上采用阶梯地形垂直坐标(eta坐标),共分为30层,模式顶为20百帕;
2)模拟时间包括两部分,一是以连续5年的全年各个月份,通过5年模拟结果平均来消除气候年际差异的影响,二是冬季典型重污染天气条件下的一段时间。
3.根据权利要求1所述的基于WRF-CHEM的大型点污染源大气环境影响评价方法,其特征在于,所述步骤(2)中对空气质量模拟具有较大影响的不同参数化方案组合,包括辐射过程方案、陆面过程方案、边界层过程方案、微物理过程方案、云物理过程方案、气相化学方案和气溶胶化学方案。
4.根据权利要求3所述的基于WRF-CHEM的大型点污染源大气环境影响评价方法,其特征在于,步骤(2)中还包括获取人为源排放和天然源排放清单,对排放数据进行预处理,获得与WRF-CHEM模式区域设定一致的具有时间、水平和垂直分布的输入数据:
1)四层嵌套网格对应的人为源排放数据分别来自:第一层取自全球排放数据库(EDGAR),第二层取自中国多尺度排放清单模型(MEIC),第三层和第四层来自模拟区域更为详细的污染源普查数据,各层网格对应区域的排放需要满足质量守恒;天然源排放来自天然源气体颗粒物排放模型(MEGAN2.1);森林、草原火灾等生物质燃烧排放来自全球大火排放数据库(GFED4);
2)根据不同类型人为排放源的特点,结合排放谱分布进行时间插值,获得模拟月份及模拟日每小时的排放分布;
3)根据不同类型排放源排放高度的特点,设定不同的排放高度,其中电厂和工业排放根据烟囱高度归入不同的垂直层,其他排放源归入地表层;
4)对于挥发性有机物(VOCs)排放,根据权利要求3中选择的气相化学反应方案,进行物种划分。
5.根据权利要求3所述的基于WRF-CHEM的大型点污染源大气环境影响评价方法,其特征在于,根据权利要求3设定的模拟方案分别运行WRF-CHEM,将每一次模拟积分时段分成两部分,从第一天00时开始到第六日00时为预积分时段,而从第六日00时开始之后的时间为正式积分时段。
6.根据权利要求5所述的基于WRF-CHEM的大型点污染源大气环境影响评价方法,其特征在于,将权利要求5正式积分阶段的PM2.5模拟结果与观测站点的PM2.5监测结果进行对比验证,其中观测资料是第三层嵌套网格内观测站点的逐时监测结果,模拟结果采用双线性内插法将与观测资料时间对应的网格结果插值到观测站点的位置;对不同方案模拟能力采用多种统计指标进行综合评估;根据对比结果从所有方案中选择模拟效果最好的方案为最佳参数方案,如果所有方案模拟结果均无法达到预期设定效果,则返回重新调整模拟方案组合,直至选出满足预期的最佳参数方案及模拟结果。
7.根据权利要求1-6任一项所述的基于WRF-CHEM的大型点污染源大气环境影响评价方法,其特征在于,所述步骤(3)还包括获取评价目标大型点污染源的各项污染物排放资料,具体为:根据企业的地理坐标、逐月逐时的生产信息和烟囱高度,确定评价目标排放的空间、时间和垂直分布特征。
8.根据权利要求1所述的基于WRF-CHEM的大型点污染源大气环境影响评价方法,其特征在于,所述步骤(3)中还包括将模拟结果与最佳参数方案下的结果进行对比,具体为:比较加入大型点污染源后的模拟结果与最佳参数方案模拟结果,两者差值即为所评价大型点污染源对大气环境的影响,统计大型点污染源在五年模拟期内各个季节对周边地区SO2、NOx、PM2.5和PM10污染物的平均和最大影响程度,统计重污染天气下大型点污染源的影响特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510679336.XA CN105403664B (zh) | 2015-10-19 | 2015-10-19 | 一种基于wrf‑chem的大型点污染源大气环境影响评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510679336.XA CN105403664B (zh) | 2015-10-19 | 2015-10-19 | 一种基于wrf‑chem的大型点污染源大气环境影响评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105403664A CN105403664A (zh) | 2016-03-16 |
CN105403664B true CN105403664B (zh) | 2017-12-15 |
Family
ID=55469279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510679336.XA Active CN105403664B (zh) | 2015-10-19 | 2015-10-19 | 一种基于wrf‑chem的大型点污染源大气环境影响评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105403664B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110824110A (zh) * | 2019-10-30 | 2020-02-21 | 山东大学 | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源*** |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021892B (zh) * | 2016-05-12 | 2018-11-09 | 广东电网有限责任公司电网规划研究中心 | 基于pm2.5形成贡献率确定火电厂建设空间的方法和装置 |
CN107145668A (zh) * | 2017-05-05 | 2017-09-08 | 国网冀北电力有限公司电力科学研究院 | 发电厂烟气污染物排放对区域大气雾霾的评价方法及装置 |
CN107229796A (zh) * | 2017-06-05 | 2017-10-03 | 东北大学 | 一种燃煤电厂大气污染物排放仿真方法 |
CN107677777B (zh) * | 2017-10-13 | 2020-09-18 | 深圳博沃智慧科技有限公司 | 一种大气重污染过程智能分析*** |
CN108133514B (zh) * | 2017-11-21 | 2022-11-18 | 中国核电工程有限公司 | 核电厂液态放射性流出物气载排放的大气影响评价方法 |
CN108595456B (zh) * | 2017-12-29 | 2021-08-17 | 航天科工智慧产业发展有限公司 | 一种calpuff模型模拟结果可视化的方法 |
CN108319808A (zh) * | 2018-01-09 | 2018-07-24 | 南京大学 | 增加无机盐气溶胶化学过程的大气污染模拟预测算法 |
CN108318622A (zh) * | 2018-01-09 | 2018-07-24 | 南京大学 | 增加有机气溶胶化学过程的大气污染模拟预测算法 |
CN108182343A (zh) * | 2018-01-09 | 2018-06-19 | 南京大学 | 增加甲烷化学自然源排放的大气污染模拟预测算法 |
CN108829642B (zh) * | 2018-04-24 | 2022-11-22 | 中国环境科学研究院 | 一种利用特征雷达图分析环境质量数据的方法 |
CN110648036A (zh) * | 2018-06-27 | 2020-01-03 | 北京低碳清洁能源研究所 | 一种决定燃煤电厂的污染物排放量的方法和装置 |
CN109060617B (zh) * | 2018-07-06 | 2021-06-01 | 南京信息工程大学 | 不同农业氨排放情景对pm2.5浓度影响的模拟与分析方法 |
CN109118129A (zh) * | 2018-11-02 | 2019-01-01 | 孙扬 | 一种大气污染物精准溯源识别***及方法 |
CN109376443A (zh) * | 2018-11-02 | 2019-02-22 | 唐山华洋环保科技有限公司 | 区域大气污染环境仿真动态模拟*** |
CN110018280B (zh) * | 2019-05-17 | 2021-08-17 | 北京市环境保护科学研究院 | 一种大气污染源排放综合表征方法及装置 |
CN110298108B (zh) * | 2019-06-27 | 2023-02-10 | 西安麟云数据科技有限公司 | 一种模拟人工强大气流对逆温层扰动的方法 |
CN110569528A (zh) * | 2019-07-15 | 2019-12-13 | 北京工业大学 | 跨界地区大气边界层以下pm2.5传输通量数值模拟量化的方法 |
CN110472782A (zh) * | 2019-08-01 | 2019-11-19 | 软通动力信息技术有限公司 | 一种数据确定方法、装置、设备及存储介质 |
CN110738367B (zh) * | 2019-10-12 | 2022-06-28 | 东北大学秦皇岛分校 | 一种基于深度残差网络的交通尾气排放量预测方法 |
CN110910963B (zh) * | 2019-10-29 | 2022-03-29 | 暨南大学 | 气溶胶光学厚度的三维变分同化方法、***和存储介质 |
CN111178786B (zh) * | 2020-01-08 | 2023-04-25 | 中科宇图科技股份有限公司 | 一种保障区域空气质量的排放源位置确定方法及*** |
CN111382506A (zh) * | 2020-03-02 | 2020-07-07 | 苏州工业园区洛加大先进技术研究院 | 气溶胶及辐射相互作用对雾化效果影响的评估方法 |
CN111475960A (zh) * | 2020-04-21 | 2020-07-31 | 成都信息工程大学 | 基于meic大气污染源清单的窗口化环境空气质量模式预处理方法 |
CN112084231A (zh) * | 2020-08-03 | 2020-12-15 | 武汉区域气候中心 | 一种大气温室气体在线观测数据的本底筛分方法 |
CN112418512A (zh) * | 2020-11-19 | 2021-02-26 | 中国环境科学研究院 | 一种基于pm2.5的空气质量预测方法 |
CN112445856B (zh) * | 2020-12-01 | 2023-04-21 | 海南长光卫星信息技术有限公司 | 一种海面高度影响关联分析方法和装置 |
CN113254498B (zh) * | 2021-05-20 | 2021-11-30 | 安徽环境科技研究院股份有限公司 | 基于观测数据的改进活性VOCs源强计算方法及*** |
CN113326624A (zh) * | 2021-06-07 | 2021-08-31 | 国网河南省电力公司电力科学研究院 | 一种沙漠地区大气边界层高度的预测方法及*** |
CN114841438B (zh) * | 2022-05-07 | 2023-02-03 | 中科三清科技有限公司 | 预评估排放源对空气质量影响的方法、装置和电子设备 |
CN115356440A (zh) * | 2022-08-12 | 2022-11-18 | 信阳师范学院 | 一种用于定量人为排放和气象条件对大气污染物浓度贡献的***和方法 |
CN118013769B (zh) * | 2024-04-10 | 2024-06-14 | 南京气象科技创新研究院 | 一种基于WRF-Chem的大气污染物浓度预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628852B (zh) * | 2012-03-13 | 2014-12-31 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
CN103500363B (zh) * | 2013-09-18 | 2016-07-06 | 浙江大学 | 基于模式预测方法的工业源二恶英排放的环境影响评价***及方法 |
-
2015
- 2015-10-19 CN CN201510679336.XA patent/CN105403664B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110824110A (zh) * | 2019-10-30 | 2020-02-21 | 山东大学 | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源*** |
Also Published As
Publication number | Publication date |
---|---|
CN105403664A (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105403664B (zh) | 一种基于wrf‑chem的大型点污染源大气环境影响评价方法 | |
Daniel et al. | Benefits of explicit urban parameterization in regional climate modeling to study climate and city interactions | |
Good et al. | Comparing tropical forest projections from two generations of Hadley Centre Earth System models, HadGEM2-ES and HadCM3LC | |
Whitley et al. | Challenges and opportunities in land surface modelling of savanna ecosystems | |
Mearns | Climatic change and variability. | |
Betts et al. | Evaluation of the diurnal cycle of precipitation, surface thermodynamics, and surface fluxes in the ECMWF model using LBA data | |
Misenis et al. | An examination of sensitivity of WRF/Chem predictions to physical parameterizations, horizontal grid spacing, and nesting options | |
Forthofer et al. | A comparison of three approaches for simulating fine-scale surface winds in support of wildland fire management. Part II. An exploratory study of the effect of simulated winds on fire growth simulations | |
Riley et al. | Where do fossil fuel carbon dioxide emissions from California go? An analysis based on radiocarbon observations and an atmospheric transport model | |
Göckede et al. | Sensitivity of a subregional scale atmospheric inverse CO2 modeling framework to boundary conditions | |
Carrer et al. | Incoming solar and infrared radiation derived from METEOSAT: Impact on the modeled land water and energy budget over France | |
Moreira et al. | Coupling between the JULES land-surface scheme and the CCATT-BRAMS atmospheric chemistry model (JULES-CCATT-BRAMS1. 0): applications to numerical weather forecasting and the CO 2 budget in South America | |
Ma et al. | Multiple satellite‐based analysis reveals complex climate effects of temperate forests and related energy budget | |
Huntingford et al. | IMOGEN: an intermediate complexity model to evaluate terrestrial impacts of a changing climate | |
Fiechter et al. | A data assimilative, coupled physical–biological model for the Coastal Gulf of Alaska | |
Mengoli et al. | Ecosystem photosynthesis in land‐surface models: a first‐principles approach incorporating acclimation | |
Rahman et al. | Forest fire occurrence and modeling in Southeastern Australia | |
Landsberg et al. | Modeling forest productivity across large areas and long periods | |
Tai et al. | Representations of precipitation diurnal cycle in the amazon as simulated by observationally constrained cloud‐system resolving and global climate models | |
Bezyk et al. | Evaluation of the CALPUFF model performance for the estimation of the urban ecosystem CO2 flux | |
Patwardhan et al. | Impact of climate change on the characteristics of Indian summer monsoon onset | |
Jaw et al. | Evaluation for Moroccan dynamically downscaled precipitation from GCM CHAM5 and its regional hydrologic response | |
Zhang et al. | A New Post‐Hoc Method to Reduce the Energy Imbalance in Eddy Covariance Measurements | |
Ménégoz et al. | How does the atmospheric variability drive the aerosol residence time in the Arctic region? | |
Glagolev et al. | The development and implementation of a multidimensional relational database of fire danger metrological data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |