CN108229092B - 增加液相化学和湿沉降过程的大气污染模拟预测算法 - Google Patents
增加液相化学和湿沉降过程的大气污染模拟预测算法 Download PDFInfo
- Publication number
- CN108229092B CN108229092B CN201810019607.2A CN201810019607A CN108229092B CN 108229092 B CN108229092 B CN 108229092B CN 201810019607 A CN201810019607 A CN 201810019607A CN 108229092 B CN108229092 B CN 108229092B
- Authority
- CN
- China
- Prior art keywords
- wet
- liquid phase
- concentration
- sedimentation
- cloud
- 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
- 239000007791 liquid phase Substances 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004062 sedimentation Methods 0.000 title claims abstract description 38
- 230000008569 process Effects 0.000 title claims abstract description 22
- 238000004088 simulation Methods 0.000 title claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 title abstract description 15
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 25
- 239000000126 substance Substances 0.000 claims abstract description 25
- 231100000719 pollutant Toxicity 0.000 claims abstract description 24
- 238000009792 diffusion process Methods 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims abstract description 18
- 238000001311 chemical methods and process Methods 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 150000003863 ammonium salts Chemical class 0.000 claims abstract description 10
- 229910002651 NO3 Inorganic materials 0.000 claims abstract description 8
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims abstract description 8
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims abstract description 8
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 39
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 38
- 238000001556 precipitation Methods 0.000 claims description 15
- 239000000356 contaminant Substances 0.000 claims description 14
- 239000007789 gas Substances 0.000 claims description 13
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 claims description 9
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 9
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 claims description 8
- 239000012071 phase Substances 0.000 claims description 7
- 239000013626 chemical specie Substances 0.000 claims description 6
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 229910017604 nitric acid Inorganic materials 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 2
- 238000005137 deposition process Methods 0.000 claims 5
- 239000005022 packaging material Substances 0.000 claims 1
- 229910052757 nitrogen Inorganic materials 0.000 abstract description 5
- 229910052717 sulfur Inorganic materials 0.000 abstract description 5
- 239000003738 black carbon Substances 0.000 abstract description 3
- 230000004044 response Effects 0.000 abstract description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 2
- 229910052799 carbon Inorganic materials 0.000 abstract description 2
- 238000003912 environmental pollution Methods 0.000 abstract 1
- 239000013618 particulate matter Substances 0.000 description 16
- 241000894007 species Species 0.000 description 7
- 239000000443 aerosol Substances 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 244000179970 Monarda didyma Species 0.000 description 2
- 235000010672 Monarda didyma Nutrition 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 101100323157 Arabidopsis thaliana LAP1 gene Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003916 acid precipitation Methods 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000000926 atmospheric chemistry Substances 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000006552 photochemical reaction Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Crystallography & Structural Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Treating Waste Gases (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种增加液相化学和湿沉降过程的大气污染模拟预测算法，其基于CALGRID的化学模式，在考虑大气化学反应、大气输送与扩散、沉降、地面面源和高架排放源的影响的前提下，继续引入液相化学过程和湿沉降过程造成的污染物浓度变化项，从而增加了云雨化学过程的CALGRID不仅较好地模拟了包括SO2、NO2、PM10、PM2.5等的常规一次污染物，二次污染物，硫酸盐、硝酸盐、铵盐、黑碳、有机碳等，还很好地模拟出了S、N的湿沉降量。改进后的CALGRID模式具有高分辨率、高时效性，能够方便快捷地给出源和受体之间的响应关系，结果可靠。
Description
技术领域
本发明属于大气环境污染物检测技术领域，尤其涉及中尺度大气光化学污染的改进型预测模型。
背景技术
空气质量模式，是在对污染物排入大气环境后传输、扩散、转化和清除等一系列物理和化学过程的认识基础上，利用气象、环境、物理、化学等学科的研究方法和计算机技术，实现模拟和预报不同空间尺度上空气污染物浓度分布状况及变化趋势的方法，在空气质量预报、大气污染控制、环境规划与管理、城市建设及公共卫生等方面均有重要的实际应用价值，具有广阔的发展前景。
CALGRID是由美国加州的ARB(Air Resources Board)开发的，是欧拉型的中尺度大气光化学模式，针对二次污染物如臭氧的模拟具有较好效果，主要适用于晴空条件下的光化学反应的模拟，包含了大气输送与扩散、气相化学反应、人为排放的点面线源、干沉降等过程。
随着城市化的进程加快和社会经济的快速发展，以酸雨、光化学污染、灰霾污染物相互耦合叠加为特征的大气复合污染成为了我国越来越突出的大气环境问题。近些年，对京津冀、长江三角洲、珠江三角洲等重点城市群的区域大气复合污染的形成机制和综合防治的研究是我国环境保护研究的热点问题。因此，要求空气质量模式能对多种大气污染物(痕量气体、气溶胶等)在不同尺度下(区域、城市等)的不同类型污染过程(气相、液相、非均相)进行模拟。为了更好的利用CALGRID模型认识和理解痕量气体的气相化学过程、气溶胶微物理化学过程和液相化学过程，为大气复合污染调控与治理提供了理论支持，需要CALGRID不仅要能模拟解决与气相化学反应有关的臭氧污染问题，还要能合理描述气溶胶的物理化学过程，云雨水中的液相化学过程，以及与降水有关的湿沉降过程。
CALGRID模式缺少对云雨水中的液相化学过程，以及与降水有关的湿沉降过程的描述。大气中的液相化学和湿清除是大气化学的重要组成部分，都与云和降水有关。云和降水对大气中的微量气体和悬浮粒子在大气中的输送、转化和清除的循环过程起重要的作用，主要表现在：(1)积云中存在强烈的上升和下沉气流，使污染物在云内有效地混合；(2)云滴和雨滴对气态污染物的吸收以及对气溶胶粒子的清除产生湿沉积；(3)污染物被云滴和雨滴吸收后将在其中发生一系列的溶解、电离和液相氧化反应。CALGRID要准确地模拟大气中污染气体和颗粒物成分的浓度，就需要包含上述云和降水化学过程。
发明内容
针对现有技术存在的问题，本发明提供了一种增加液相化学和湿沉降过程的大气污染模拟预测算法。
为解决上述技术问题，本发明采用了以下技术方案：一种增加液相化学和湿沉降过程的大气污染模拟预测算法，包括以下步骤：
步骤1：基于CALGRID的化学模式，考虑大气化学反应、大气输送与扩散、沉降、地面面源和高架排放源的影响，并引入液相化学过程和湿沉降过程造成的污染物浓度变化项，得到化学物种浓度变化方程如式(1)，
式(1)右侧多项式中，第一项为二阶湍流扩散项，第二项/>为扩散项，第三项(P-L)GAS为气相化学变化项，第四项CHEMaq为液相化学过程造成的污染物浓度变化项，第五项EANT为人为污染源排放项，第六项/>为由干沉降引起的物种浓度变化，第七项/>为由湿沉降引起的湿沉降量；其中，C是化学物种平均浓度，V是三维风矢量的平均量，K是湍流扩散系数，式中，二阶湍流扩散项/>通过湍流扩散系数K理论闭合转化得到；
步骤2：对一氧化氮、二氧化氮、二氧化硫三种物质考虑其云内液相化学过程，n+1时刻物质在云内液相的物质浓度通过式(2)求解：
Cn+1,i＝(1-Δt×Nz×Ka)×Cn (2)
Cn为n时刻时物质在云内液相的物质浓度，Δt为积分时步，Nz为总云量，Ka为液相化学转化率；
步骤3：对于湿沉降引起的物种浓度变化，考虑的物种包括一氧化氮、二氧化氮、二氧化硫、硝酸、硫酸、PM10、硫酸盐、硝酸盐、铵盐、OC、EC、SOA，首先通过经验公式(3)获得湿清除速率Kw：
式(3)中，Pr为降水率，a和b为经验常数；
然后，通过式(4)获得n+1时刻的物种在湿清除过程后的浓度：
Cn+1,i＝(1-Δt×Kw)×Cn (4)
式中，Cn+1表示当前时刻的云内液相的物质浓度，Cn表示上时刻的云内液相的物质浓度，Δt表示积分时步，Kw为湿清除速率；
而降水中，各污染物的湿清除量通过式(5)求取：
式(5)中，为n+1时刻时步的湿沉降量，/>为n时刻时步的湿沉降量，Kw为湿清除速率，Cn表示上时刻的污染物浓度，ΔZ表示有降水的模式层次。
进一步的，步骤3中湿清除速率的求解式(3)中的经验常数a和b的取值如下：
对于SO2，当处于夏季时，a和b的取值分别为0.14和0.12；当处于春季或秋季时，a和b的取值分别为0.036和0.53；当处于冬季时，a和b的取值分别为0.009和0.70；
对于SO4 2-，当处于夏季时，a和b的取值分别为0.39和0.06；当处于春季或秋季时，a和b的取值分别为0.091和0.27；当处于冬季时，a和b的取值分别为0.021和0.70。
进一步的，对于NO和NO2的湿清除速率的取值，为SO2的湿清除速率的四分之一。
进一步的，对于HNO3湿清除速率的取值，为SO2的湿清除速率的二分之一。
进一步的，对于NO3 -、NH4 +的湿清除速率的取值，与SO4 2-的湿清除速率相等。
进一步的，对于PM10湿清除速率的求取，式(3)中经验常数a和b取值分别为1.26和0.79。
进一步的，对于OC、EC和SOA的湿清除速率的值，取为PM10湿清除速率的值的二分之一。
图说明
图1为本发明实施例模拟区域及其地形图；
图2为应用本发明模拟预测算法获得的2006年珠江三角洲地区臭氧的地面浓度图；
图3(a)为应用本发明模拟预测算法获得的2006年珠江三角洲地区的PM25颗粒物的地面浓度分布图；
图3(b)为应用本发明模拟预测算法获得的2006年珠江三角洲地区的硫酸盐颗粒物的地面浓度分布图；
图3(c)为应用本发明模拟预测算法获得的2006年珠江三角洲地区的硝酸盐颗粒物的地面浓度分布图；
图3(d)为应用本发明模拟预测算法获得的2006年珠江三角洲地区的铵盐颗粒物的地面浓度分布图；
图4(a)为应用本发明模拟预测算法获得的2006年珠江三角洲地区的N沉降量图；
图4(b)为应用本发明模拟预测算法获得的2006年珠江三角洲地区的S沉降量图。
具体实施方式
下面结合附图并以具体实施例，进一步阐明本发明。应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
增加液相化学和湿沉降过程的大气污染模拟预测算法，包括以下步骤：
步骤1：基于CALGRID的化学模式，考虑大气化学反应、大气输送与扩散、沉降、地面面源和高架排放源的影响，并引入液相化学过程和湿沉降过程造成的污染物浓度变化项，得到化学物种浓度变化方程如式(1)，
式(1)右侧多项式中，第一项为二阶湍流扩散项，第二项/>为扩散项，第三项(P-L)GAS为气相化学变化项，第四项CHEMaq为液相化学过程造成的污染物浓度变化项，第五项EANT为人为污染源排放项，第六项/>为由干沉降引起的物种浓度变化，第七项/>为由湿沉降引起的物种浓度变化；其中，C是化学物种平均浓度，V是三维风矢量的平均量，K是湍流扩散系数，式中，二阶湍流扩散项/>通过湍流扩散系数K理论闭合转化得到。以下主要对液相化学过程造成的污染物浓度变化项CHEMaq和由湿沉降引起的物种浓度变化项/>进行求解说明：
CHEMaq的采用了简化的方法，对一氧化氮(NO)、二氧化氮(NO2)、二氧化硫(SO2)，考虑其云内液相化学过程：若有云，则按一定比例转化。其中，二氧化硫的液相化学转化率取为10％每小时，氮氧化物(一氧化氮和二氧化氮)的液相化学转化率白天取为10％每小时，夜间取2％每小时。这样，大气中一氧化氮(NO)、二氧化氮(NO2)、二氧化硫(SO2)的浓度变化可表示成：
Cn+1＝(1-Δt×Nz×Ka)×Cn (2)
(2)式中，Cn+1表示当前时刻的污染物(NO、NO2和SO2)浓度，Cn表示上时刻的污染物浓度，Δt表示积分时步，Nz表示总云量，Ka代表液相化学转化率。
对于湿清除，考虑一氧化氮、二氧化氮、二氧化硫、硝酸(HNO3)、硫酸(H2SO4)、PM10、硫酸盐(SO4 2-)、硝酸盐(NO3 -)、铵盐(NH4 +)、OC、EC、SOA等的湿清除过程，采用简化的处理方法，引入湿清除速率Kw。按经验公式表示有：
Kw＝a×Prb (3)
(3)式中，Pr为降水率(mm/hr)，由气象模式输出。a、b为经验常数，对于SO2和SO4 2-，a、b值见表1。NO和NO2的湿清除速率取为SO2的湿清除速率的四分之一,HNO3取SO2的二分之一，NO3 -、NH4 +取与SO4 2-相等。PM10的a、b值取1.26和0.79。OC、EC和SOA的湿清除速率取为PM10的二分之一。
表1SO2和SO4 2-的湿清除速率计算公式中的a、b值
则，大气中一氧化氮、二氧化氮、二氧化硫、硝酸、硫酸、PM10、硫酸盐、硝酸盐、铵盐、OC、EC、SOA等经由湿沉降过程后的浓度可由下式计算，
Cn+1＝(1-Δt×Kw)×Cn (4)
(4)式中，Cn+1表示当前时刻的污染物浓度，Cn表示上时刻的污染物浓度，Δt表示积分时步，Kw为湿清除速率。而降水中，各污染物的湿清除量为：
(5)式中，分别表示当前时步和下一时步的湿沉降量，Kw为湿清除速率，Cn表示上时刻的污染物浓度，ΔZ表示有降水的模式层次。以下为应用本发明算法的具体实施例：
CALGRID中应用了上述简化的液相化学和湿沉降的算法，对2006年珠江三角洲地区的主要污染物以及S、N沉降进行模拟，检验了模型长时间运行的稳定性以及结果的有效性。选取的模拟时段为2006年全年。选取的模拟区域(21.8N～24N 112.16E～114.82E)包括广东省广州、深圳、佛山、珠海、东莞、中山、惠州、清远、肇庆、江门等10个地区和中国香港、中国澳门两个特别行政区。气象场由中尺度气象模式WRF提供，共有四层嵌套，最内层的嵌套区域是空气质量模式的模拟区域。其中D4为最内层嵌套区域，参见表a。所使用的源排放清单是Zhang Qiang和D.G.Streets等的2006年东亚地区源排放资料，空间分辨率为0.5°。
表a
图2是模拟的O3的年均浓度，可见大部分地区的浓度在45μg/m3左右，大值区浓度超过70μg/m3，浓度较大的区域在广州佛山一带。比较2006年珠江三角洲空气质量观测报告可知，区域源-受体响应模型模拟的浓度大小与观测结果相近(大部分地区浓度值在40～50μg/m3左右，大值在70μg/m3左右)。
图3给出了模拟的颗粒物的地面浓度分布，可见浓度较大的区域分布在广州、佛山一代，与2006年珠江三角洲空气质量观测报告中的PM10的分布相似。表2给出了监测站和模式模拟的各站点各月份的平均值，GZ1指麓湖公园(广州)，GZ2指万顷沙(广州)，GZ3指天湖(广州)，ZH指唐家(珠海)，FS1指顺德党校(佛山)，FS2指惠景城(佛山)，ZQ指城中(肇庆)，HZ指下埔(惠州)，HK指荃湾(中国香港)。可见模拟和观测之间误差较小。
表2-1粤港珠江三角洲区域空气监控网络部分站点PM10监测资料
表2-2CALGRID模式查表法部分格点PM10浓度
图4是模拟的S、N沉降的空间分布，可见其分布对应了SO2，NH3以及硫酸盐、硝酸盐、铵盐的空间分布。CALGRID模拟的结果较好得反应了S和N化物的沉降。
总的来讲，增加了云雨化学过程的CALGRID不仅较好地模拟了常规一次污染物(SO2、NO2、PM10、PM2.5等)，二次污染物(O3等)，硫酸盐(SO4 2-)、硝酸盐(NO3 -)、铵盐(NH4 +)、黑碳(BC)、有机碳(OC)等，还很好地模拟出了S、N的湿沉降量。改进后的CALGRID模式具有高分辨率、高时效性，能够方便快捷地给出源和受体之间的响应关系，结果可靠。
Claims (7)
1.一种增加液相化学和湿沉降过程的大气污染模拟预测方法，其特征在于包括以下步骤：
步骤1：基于CALGRID的化学模式，考虑大气化学反应、大气输送与扩散、沉降、地面面源和高架排放源的影响，并引入液相化学过程和湿沉降过程造成的污染物浓度变化项，得到化学物种浓度变化方程如式(1)，
式(1)右侧多项式中，第一项为二阶湍流扩散项，第二项/>为扩散项，第三项(P-L)GAS为气相化学变化项，第四项CHEMaq为液相化学过程造成的污染物浓度变化项，第五项EANT为人为污染源排放项，第六项/>为由干沉降引起的物种浓度变化，第七项为由湿沉降引起的污染物浓度变化量；其中，C是化学物种平均浓度，V是三维风矢量的平均量，K是湍流扩散系数，式中，二阶湍流扩散项/>通过湍流扩散系数K理论闭合转化得到；
步骤2：对一氧化氮、二氧化氮、二氧化硫三种物质考虑其云内液相化学过程，n+1时刻在云内液相的污染物浓度Cn+1,cloud通过式(2)求解：
Cn+1,cloud＝(1-Δt×Nz×Ka)×Cn,cloud (2)
Cn,cloud为n时刻时在云内液相的污染物浓度，Δt为积分时步，Nz为总云量，Ka为液相化学转化率；
步骤3：对于湿沉降引起的物种浓度变化，考虑的物种包括一氧化氮、二氧化氮、二氧化硫、硝酸、硫酸、PM10、硫酸盐、硝酸盐、铵盐、OC、EC、SOA，首先通过经验公式(3)获得湿清除速率Kw：
式(3)中，Pr为降水率，a和b为经验常数；
然后，通过式(4)获得n+1时刻的在湿清除过程后的污染物浓度Cn+1,wet：
Cn+1,wet＝(1-Δt×Kw)×Cn,wet (4)
式中，Cn+1,wet表示当前时刻的污染物浓度，Cn,wet表示上时刻的污染物浓度，Δt表示积分时步，Kw为湿清除速率；
而降水中，由湿沉降引起的各污染物浓度变化量通过式(5)求取：
式(5)中，为n+1时刻由湿沉降引起的各污染物浓度变化量，/>为n时刻由湿沉降引起的各污染物浓度变化量，Kw为湿清除速率，ΔZ表示有降水的模式层次。
2.根据权利要求1所述增加液相化学和湿沉降过程的大气污染模拟预测方法，其特征在于：步骤3中湿清除速率的求解式(3)中的经验常数a和b的取值如下：
对于SO2，当处于夏季时，a和b的取值分别为0.14和0.12；当处于春季或秋季时，a和b的取值分别为0.036和0.53；当处于冬季时，a和b的取值分别为0.009和0.70；
对于SO4 2-，当处于夏季时，a和b的取值分别为0.39和0.06；当处于春季或秋季时，a和b的取值分别为0.091和0.27；当处于冬季时，a和b的取值分别为0.021和0.70。
3.根据权利要求2所述增加液相化学和湿沉降过程的大气污染模拟预测方法，其特征在于：对于NO和NO2的湿清除速率的取值，为SO2的湿清除速率的四分之一。
4.根据权利要求2所述增加液相化学和湿沉降过程的大气污染模拟预测方法，其特征在于：对于HNO3湿清除速率的取值，为SO2的湿清除速率的二分之一。
5.根据权利要求2所述增加液相化学和湿沉降过程的大气污染模拟预测方法，其特征在于：对于NO3 -、NH4 +的湿清除速率的取值，与SO4 2-的湿清除速率相等。
6.根据权利要求2所述增加液相化学和湿沉降过程的大气污染模拟预测方法，其特征在于：对于PM10湿清除速率的求取，式(3)中经验常数a和b取值分别为1.26和0.79。
7.根据权利要求6所述增加液相化学和湿沉降过程的大气污染模拟预测方法，其特征在于：对于OC、EC和SOA的湿清除速率的值，取为PM10湿清除速率的值的二分之一。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810019607.2A CN108229092B (zh) | 2018-01-09 | 2018-01-09 | 增加液相化学和湿沉降过程的大气污染模拟预测算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810019607.2A CN108229092B (zh) | 2018-01-09 | 2018-01-09 | 增加液相化学和湿沉降过程的大气污染模拟预测算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108229092A CN108229092A (zh) | 2018-06-29 |
| CN108229092B true CN108229092B (zh) | 2023-09-12 |
Family
ID=62641593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810019607.2A Active CN108229092B (zh) | 2018-01-09 | 2018-01-09 | 增加液相化学和湿沉降过程的大气污染模拟预测算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108229092B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111157038B (zh) * | 2018-11-08 | 2022-06-21 | 中国石油化工股份有限公司 | 测量待测区域内的污染物排放量测算方法 |
| CN112036036B (zh) * | 2020-08-31 | 2021-03-02 | 中国科学院西北生态环境资源研究院 | 冰川黑碳浓度变化过程的获取方法 |
| CN112861327B (zh) * | 2021-01-21 | 2022-09-23 | 山东大学 | 一种面向大气超级站的大气化学全过程在线分析*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102701252A (zh) * | 2012-05-23 | 2012-10-03 | 贵州红星发展股份有限公司 | 碳酸钡、其制备方法以及碳化塔 |
| KR101382507B1 (ko) * | 2012-10-19 | 2014-04-10 | 사단법인대기환경모델링센터 | 대기질 예측 및 관리 시스템 |
| CN105512485A (zh) * | 2015-12-14 | 2016-04-20 | 中国科学院大气物理研究所 | 一种估算细颗粒物及其前体物环境容量的新方法 |
| CN106290163A (zh) * | 2016-07-21 | 2017-01-04 | 中国科学院化学研究所 | 一种大气中五氧化二氮和硝酸浓度在线监测***及监测方法 |
| CN107064029A (zh) * | 2017-02-14 | 2017-08-18 | 中国科学院化学研究所 | 一种亚硝酸和硝酸浓度在线测量***及测量方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004110582A2 (en) * | 2003-06-10 | 2004-12-23 | Jones Kenneth M | Method for neutralizing acid rain |
| US20080108122A1 (en) * | 2006-09-01 | 2008-05-08 | State of Oregon acting by and through the State Board of Higher Education on behalf of Oregon | Microchemical nanofactories |
-
2018
- 2018-01-09 CN CN201810019607.2A patent/CN108229092B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102701252A (zh) * | 2012-05-23 | 2012-10-03 | 贵州红星发展股份有限公司 | 碳酸钡、其制备方法以及碳化塔 |
| KR101382507B1 (ko) * | 2012-10-19 | 2014-04-10 | 사단법인대기환경모델링센터 | 대기질 예측 및 관리 시스템 |
| CN105512485A (zh) * | 2015-12-14 | 2016-04-20 | 中国科学院大气物理研究所 | 一种估算细颗粒物及其前体物环境容量的新方法 |
| CN106290163A (zh) * | 2016-07-21 | 2017-01-04 | 中国科学院化学研究所 | 一种大气中五氧化二氮和硝酸浓度在线监测***及监测方法 |
| CN107064029A (zh) * | 2017-02-14 | 2017-08-18 | 中国科学院化学研究所 | 一种亚硝酸和硝酸浓度在线测量***及测量方法 |
Non-Patent Citations (1)
| Title |
|---|
| 区域空气质量模拟中查表法的应用研究;谢旻;环境科学;第1409-1417页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108229092A (zh) | 2018-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Geng et al. | Chemical composition of ambient PM 2. 5 over China and relationship to precursor emissions during 2005–2012 | |
| Gibson et al. | Dispersion model evaluation of PM2. 5, NOx and SO2 from point and major line sources in Nova Scotia, Canada using AERMOD Gaussian plume air dispersion model | |
| Wang et al. | Impact of meteorological parameters and gaseous pollutants on PM2. 5 and PM10 mass concentrations during 2010 in Xi’an, China | |
| CN108229092B (zh) | 增加液相化学和湿沉降过程的大气污染模拟预测算法 | |
| Li et al. | Satellite-based prediction of daily SO2 exposure across China using a high-quality random forest-spatiotemporal Kriging (RF-STK) model for health risk assessment | |
| Chen et al. | GNAQPMS-Hg v1. 0, a global nested atmospheric mercury transport model: Model description, evaluation and application to trans-boundary transport of Chinese anthropogenic emissions | |
| Wang et al. | Wintertime N2O5 uptake coefficients over the North China Plain | |
| Li et al. | An integrated process rate analysis of a regional fine particulate matter episode over Yangtze River Delta in 2010 | |
| CN107145668A (zh) | 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 | |
| Sha et al. | Exploring the influence of two inventories on simulated air pollutants during winter over the Yangtze River Delta | |
| Liu et al. | Accessing the impact of sea-salt emissions on aerosol chemical formation and deposition over Pearl River Delta, China | |
| Kwok et al. | Tracking emission sources of sulfur and elemental carbon in Hong Kong/Pearl River Delta region | |
| Jo et al. | A case study of heavy PM2. 5 secondary formation by N2O5 nocturnal chemistry in Seoul, Korea in January 2018: Model performance and error analysis | |
| CN113156395B (zh) | 气溶胶激光雷达数据融合方法及*** | |
| Yang et al. | Impact of high PM2. 5 nitrate on visibility in a medium size city of Pearl River Delta | |
| Osada et al. | Impact of Chinese anthropogenic emissions on submicrometer aerosol concentration at Mt. Tateyama, Japan | |
| Rojas et al. | Interannual variability of estimated monthly nitrogen deposition to coastal waters due to variations of atmospheric variables model input | |
| Li et al. | Spatial mismatch between pollutant emission and environmental quality in China—A case study of NOx | |
| Lazaridis et al. | Mesoscale modeling of combined aerosol and photo-oxidant processes in the Eastern Mediterranean | |
| Yorkor et al. | The role of meteorology for seasonal variation in air pollution level in Eleme, Rivers State, Nigeria | |
| Kovács et al. | Online coupled modeling of weather and air quality of Budapest using the WRF-Chem model | |
| Shi et al. | Contributors to ozone episodes in three US/Mexico border twin-cities | |
| CN111177982A (zh) | 一种应急决策指挥***及方法 | |
| CN112836363B (zh) | 一种适用于中国的高架点源一次硫酸盐生成量估算方法 | |
| ULAVI et al. | Regression modelling for predicting visibility in a tropical urban environment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |