CN115062870A - 气体污染源扩散模拟预测算法 - Google Patents

气体污染源扩散模拟预测算法 Download PDF

Info

Publication number
CN115062870A
CN115062870A CN202210940934.8A CN202210940934A CN115062870A CN 115062870 A CN115062870 A CN 115062870A CN 202210940934 A CN202210940934 A CN 202210940934A CN 115062870 A CN115062870 A CN 115062870A
Authority
CN
China
Prior art keywords
data
model
prediction algorithm
pollution source
source diffusion
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.)
Pending
Application number
CN202210940934.8A
Other languages
English (en)
Inventor
王光峻
张梦圆
王捷
冯晨
邢永超
张骏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Hengtianyi Information Technology Co ltd
Original Assignee
Qingdao Hengtianyi Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Hengtianyi Information Technology Co ltd filed Critical Qingdao Hengtianyi Information Technology Co ltd
Priority to CN202210940934.8A priority Critical patent/CN115062870A/zh
Publication of CN115062870A publication Critical patent/CN115062870A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种气体污染源扩散模拟预测算法，属于环境预测领域；该算法针对高污染性场所进行定向设计，包括以下步骤：（1）利用MM5模拟中尺度高空资料、地面气象资料以及大气流边界层参数作为原始数据；（2）利用AERMOD模型进行污染浓度值以及扩散面积的预测，并在AERMOD模型的基础上建立GIS耦合模型，该GIS耦合模型面向不同的应用场景提供了四个细节层次的数据服务，分别为体块模型、基础模型、标准模型和精细模型。本发明的优点是：对AERMOD模型进行改进并集成了大气流边界参数和MM5高空资料，提升了污染预测精度，并将输出结果与GIS耦合建模，提升了预测灵敏性。

Description

气体污染源扩散模拟预测算法
技术领域
本发明涉及一种气体污染源扩散模拟预测算法，属于环境预测领域。
背景技术
化工园区内产业分布复杂，部分工业企业排放的大气污染物和储存的有毒有害的危险品存在着潜在危险性，一旦发生大气污染事故，将严重影响园区及周边居民的安全。因此，研究不同危险品泄露情况下污染物浓度分布与变化特征，对化工园区突发性大气污染事故风险的评估、企业实际管理政策的制定、化工园区和周边大气环境的安全防护及事故的风险应急都能提供重要的支持作用。
国外监测预报系统应用 AERMOD 的已有成效，得到了较精确的预测结果。其应用领域不仅局限在炼油厂、钢铁厂、核电站和交通枢纽带等传统污染源，还应用在火山等自然源的预测当中。该模型不仅对大气气态污染物和颗粒态污染物浓度范围进行预测，同时对Pb、Hg 等重金属浓度进行预测，其预测对象较为广泛。但也存在缺陷，主要表现在以下几个方面∶
（1）气象收集系统进展不健全或所得气象数据不精确，会使预测结果偏差增大。由于气象资料收集不完善，该模型不能精确的表示稳定边界层的湍流特征，在大气预测过程中由于湍流不稳定的特性，导致模型预测偏差。
（2）AERMOD 在空间集中和综合预测分析相对薄弱，可用 GIS软件对AERMOD预测结果进行叠置分析，增加模型预测灵敏性。
发明内容
为克服现有技术的缺陷，本发明提供一种气体污染源扩散模拟预测算法，本发明的技术方案是：
一种气体污染源扩散模拟预测算法，该算法针对高污染性场所进行定向设计，包括以下步骤：
（1）利用MM5模拟中尺度高空资料、地面气象资料以及大气流边界层参数作为原始数据；
（2）利用AERMOD模型进行污染浓度值以及扩散面积的预测，并在AERMOD模型的基础上建立GIS耦合模型，该GIS耦合模型面向不同的应用场景提供了四个细节层次的数据服务，分别为体块模型、基础模型、标准模型和精细模型。
所述的大气边界层参数由地表特性决定，包括不稳定层结的边界层参数和稳定层结的边界层参数；当地表显热通量大于零时，大气为不稳定层结，形成不稳定层结的边界层参数，出现在日出后至日落前的白天，地表受太阳辐射加热，形成向上的热量传输；显热通量H由能量平衡方程表示：
Figure DEST_PATH_IMAGE001
，式中
Figure 368344DEST_PATH_IMAGE002
为潜热通量，G为土壤热通量，
Figure DEST_PATH_IMAGE003
为净辐射率；计算出显热通量
Figure 472435DEST_PATH_IMAGE004
后，再采用迭代法计算出莫宁长度：
Figure DEST_PATH_IMAGE005
，式中k=0.4为卡曼常数；
Figure 517751DEST_PATH_IMAGE006
为干空气密度，单位为kg/m³；C为空气定压比热容，单位为j/（kg·k）；T为环境气温，单位为K；u为谢才系数；g为重力加速度，单位为m/s2；H为高度，单位为m；稳定层结的边界层参数直接由云量、风速和气温计算地表摩擦速度和温度尺度。
所述的地面气象资料包括近5年内化工园区每日逐时气象监测站监测的风向、风速、总云量、低云量、气温、相对湿度、露点温度和气压，以及气象观测站观测的探空资料，该探空资料包括化工园所属地区气象观测站近5年每日07时和19时，地面至2000m高空的气压、风向风速、干球温度和露点温度，每间隔50m设置一层观测点，共41层观测点。
所述的气象监测站在无人值守的恶劣环境下全天候全自动正常运行，每一个气象监测气象站作为子站，向中心站传送数据。
所述的MM5模拟中尺度高空资料为化工园有毒有害气体监测点的经度、纬度和海拔高度，模式计算区为双重嵌套：第一重网格精度 2km，16×16个网格；第二重网格精度为5km，38×38个网格；其中边界层物理过程参数化使用Mellor&Yamada的level2.5闭合方案和MRF方案；地形地表资料包括30'水平分辨率的SRTM3资料和USGS资料；气象资料为北京时间08时与 20时化工园所在地境内地面气象监测站的观测资料和探空站的观测资料，以每天世界时12:00时的NCEP再分析资料为初始时刻，输出高空资料为地面至1050m 共 21层中，每层的气压、干球温度、露点温度、风速和风向。
所述的AERMOD模型进行污染浓度值的预测值为：
Figure DEST_PATH_IMAGE007
，该预测值由三种污染源的质量浓度组成，
Figure DEST_PATH_IMAGE009
；
Figure DEST_PATH_IMAGE010
为因下沉气流直接扩散到地面的直接源的质量浓度单位为g/m3；
Figure DEST_PATH_IMAGE011
为上升气流扩散到混合层顶层的间接源的质量浓度，单位为g/m3，其计算公式与直接源最大的区别是模拟浮力烟羽的滞后反射；
Figure DEST_PATH_IMAGE012
为穿透进入混合层上部稳定层中的穿透源质量浓度，单位为g/m3，其在稳定和对流条件下均满足高斯分布。
所述的体块模型的基底轮廓线基于获取的1：500、1：1000、1：2000的比例尺地形图中，建筑物的基底轮廓线直接生成，并与地形图保持一致；体块模型依据地形、道路、水系、建筑物基底的几何形状及建筑高度生成几何模型，材质使用单色表示。
所述的基础模型选择仿真贴图或者公开渠道获取的影像进行贴图，三维建模增加真实感，版本数据只负责数据加工建模，不保证原始数据采集的真实性和现势性。
所述的标准模型用于生产的原始几何数据来自目标区域CAD格式的竣工图纸，纹理数据来自现场采集，可真实、准确的反映物体的各部位几何特征、样式、高度、分布、位置、质地、色彩及纹理等。三维建模对于图纸和现状不一致的部分会进行现场核实修正，可反映地形起伏特征、地表形态，对于山体可以采用真实影像贴图。
所述的精细模型根据现场空间的CAD竣工图纸和外业采集的纹理信息精细建模，真实并准确地反映物体的各部位几何特征、样式、高度、分布、位置、质地、色彩及纹理，纹理贴图细节清晰，三维建模高度精度不低于模型自身高度的5％；精细模型精确反映建筑的立面和屋顶结构，尤其是针对附属设施以及工业生产的设备都进行细节的建模。
本发明的优点是：针对化工园等高污染性场所进行定向设计，采用AERMOD模式进行大气污染预测，利用MM5模拟中尺度气象资料在大气污染预测评价中的适用性，提升预测精准度，以及基于GIS（GeographicInformation Sys-tem）平台建立污染源扩散耦合模型，提升预测机敏性。解决现阶段我国部分地区气象资料不足难猎取的问题和解决简单气候条件下无法预测的难题。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。
参见图1，本发明涉及一种气体污染源扩散模拟预测算法，该算法针对高污染性场所进行定向设计，包括以下步骤：
（1）利用MM5模拟中尺度高空资料、地面气象资料以及大气流边界层参数作为原始数据；
（2）利用AERMOD模型进行污染浓度值以及扩散面积的预测，并在AERMOD模型的基础上建立GIS耦合模型，该GIS耦合模型面向不同的应用场景提供了四个细节层次的数据服务，分别为体块模型、基础模型、标准模型和精细模型。
所述的大气边界层参数由地表特性决定，包括不稳定层结的边界层参数和稳定层结的边界层参数；当地表显热通量大于零时，大气为不稳定层结，形成不稳定层结的边界层参数，出现在日出后至日落前的白天，地表受太阳辐射加热，形成向上的热量传输；显热通量H由能量平衡方程表示：
Figure 539059DEST_PATH_IMAGE001
，式中
Figure 25535DEST_PATH_IMAGE002
为潜热通量，G为土壤热通量，
Figure 379156DEST_PATH_IMAGE003
为净辐射率；计算出显热通量
Figure 380610DEST_PATH_IMAGE004
后，再采用迭代法计算出莫宁长度：
Figure 235302DEST_PATH_IMAGE005
，式中k=0.4为卡曼常数；
Figure 435340DEST_PATH_IMAGE006
为干空气密度，单位为kg/m³；C为空气定压比热容，单位为j/（kg·k）；T为环境气温，单位为K；u为谢才系数；g为重力加速度，单位为m/s2；H为高度，单位为m；稳定层结的边界层参数直接由云量、风速和气温计算地表摩擦速度和温度尺度。
所述的地面气象资料包括近5年内化工园区每日逐时气象监测站监测的风向、风速、总云量、低云量、气温、相对湿度、露点温度和气压，以及气象观测站观测的探空资料，该探空资料包括化工园所属地区气象观测站近5年每日07时和19时，地面至2000m高空的气压、风向风速、干球温度和露点温度，每间隔50m设置一层观测点，共41层观测点。
所述的气象监测站在无人值守的恶劣环境下全天候全自动正常运行，每一个气象监测气象站作为子站，向中心站传送数据。
所述的MM5模拟中尺度高空资料为化工园有毒有害气体监测点的经度、纬度和海拔高度，模式计算区为双重嵌套：第一重网格精度 2km，16×16个网格；第二重网格精度为5km，38×38个网格；其中边界层物理过程参数化使用Mellor&Yamada的level2.5闭合方案和MRF方案；地形地表资料包括30'水平分辨率的SRTM3资料和USGS资料；气象资料为北京时间08时与 20时化工园所在地境内地面气象监测站的观测资料和探空站的观测资料，以每天世界时12:00时的NCEP再分析资料为初始时刻，输出高空资料为地面至1050m 共21层中，每层的气压、干球温度、露点温度、风速和风向。
所述的AERMOD模型进行污染浓度值的预测值为：
Figure 835228DEST_PATH_IMAGE007
，该预测值由三种污染源的质量浓度组成，
Figure DEST_PATH_IMAGE013
；
Figure 543552DEST_PATH_IMAGE010
为因下沉气流直接扩散到地面的直接源的质量浓度单位为g/m3；
Figure 14985DEST_PATH_IMAGE011
为上升气流扩散到混合层顶层的间接源的质量浓度，单位为g/m3，其计算公式与直接源最大的区别是模拟浮力烟羽的滞后反射；
Figure 335108DEST_PATH_IMAGE012
为穿透进入混合层上部稳定层中的穿透源质量浓度，单位为g/m3，其在稳定和对流条件下均满足高斯分布。
所述的体块模型的基底轮廓线基于获取的1：500、1：1000、1：2000的比例尺地形图中，建筑物的基底轮廓线直接生成，并与地形图保持一致；体块模型依据地形、道路、水系、建筑物基底的几何形状及建筑高度生成几何模型，材质使用单色表示。
所述的基础模型选择仿真贴图或者公开渠道获取的影像进行贴图，三维建模增加真实感，版本数据只负责数据加工建模，不保证原始数据采集的真实性和现势性。
所述的标准模型用于生产的原始几何数据来自目标区域CAD格式的竣工图纸，纹理数据来自现场采集，可真实、准确的反映物体的各部位几何特征、样式、高度、分布、位置、质地、色彩及纹理等。三维建模对于图纸和现状不一致的部分会进行现场核实修正，可反映地形起伏特征、地表形态，对于山体可以采用真实影像贴图。
所述的精细模型根据现场空间的CAD竣工图纸和外业采集的纹理信息精细建模，真实并准确地反映物体的各部位几何特征、样式、高度、分布、位置、质地、色彩及纹理，纹理贴图细节清晰，三维建模高度精度不低于模型自身高度的5％；精细模型精确反映建筑的立面和屋顶结构，尤其是针对附属设施以及工业生产的设备都进行细节的建模。
在我国 SO2是大气中主要污染物之一，是衡量大气是否遭到污染的重要标志。化工园区锅炉烟囱是最主要大气污染排放源之一，主要排放污染物为SO2、CO等。利用化工园观测站近5年地面气象资料和探空资料、MM5 模拟中尺度气象资料，分别采用AERMOD模式对化工园电气锅炉烟囱SO2排放进行污染扩散模拟预测，并对预测结果进行对比分析。
Figure DEST_PATH_IMAGE014
Figure DEST_PATH_IMAGE015
Figure DEST_PATH_IMAGE016
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种气体污染源扩散模拟预测算法，其特征在于，该算法针对高污染性场所进行定向设计，包括以下步骤：
（1）利用MM5模拟中尺度高空资料、地面气象资料以及大气流边界层参数作为原始数据；
（2）利用AERMOD模型进行污染浓度值以及扩散面积的预测，并在AERMOD模型的基础上建立GIS耦合模型，该GIS耦合模型面向不同的应用场景提供了四个细节层次的数据服务，分别为体块模型、基础模型、标准模型和精细模型。
2.根据权利要求1所述的气体污染源扩散模拟预测算法，其特征在于，所述的大气边界 层参数由地表特性决定，包括不稳定层结的边界层参数和稳定层结的边界层参数；当地表 显热通量大于零时，大气为不稳定层结，形成不稳定层结的边界层参数，出现在日出后至日 落前的白天，地表受太阳辐射加热，形成向上的热量传输；显热通量H由能量平衡方程表示：
Figure 812267DEST_PATH_IMAGE001
，式中
Figure 260566DEST_PATH_IMAGE002
为潜热通量，G为土壤热通量，
Figure 571462DEST_PATH_IMAGE003
为净辐射率；计算出显热通量
Figure 232250DEST_PATH_IMAGE004
后，再采用迭代法计算出莫宁长度：
Figure 577781DEST_PATH_IMAGE005
，式中k=0.4为卡曼常数；
Figure 931402DEST_PATH_IMAGE006
为干空 气密度，单位为kg/m³；C为空气定压比热容，单位为j/（kg·k）；T为环境气温，单位为K；u为 谢才系数；g为重力加速度，单位为m/s2；H为高度，单位为m；稳定层结的边界层参数直接由 云量、风速和气温计算地表摩擦速度和温度尺度。
3.根据权利要求1或2所述的气体污染源扩散模拟预测算法，其特征在于，所述的地面气象资料包括近5年内化工园区每日逐时气象监测站监测的风向、风速、总云量、低云量、气温、相对湿度、露点温度和气压，以及气象观测站观测的探空资料，该探空资料包括化工园所属地区气象观测站近5年每日07时和19时，地面至2000m高空的气压、风向风速、干球温度和露点温度，每间隔50m设置一层观测点，共41层观测点。
4.根据权利要求3所述的气体污染源扩散模拟预测算法，其特征在于，所述的气象监测站在无人值守的恶劣环境下全天候全自动正常运行，每一个气象监测气象站作为子站，向中心站传送数据。
5.根据权利要求1所述的气体污染源扩散模拟预测算法，其特征在于，所述的MM5模拟中尺度高空资料为化工园有毒有害气体监测点的经度、纬度和海拔高度，模式计算区为双重嵌套：第一重网格精度 2km，16×16个网格；第二重网格精度为5 km，38×38个网格；其中边界层物理过程参数化使用Mellor&Yamada的level2.5闭合方案和MRF方案；地形地表资料包括30'水平分辨率的SRTM3资料和USGS资料；气象资料为北京时间08时与20时化工园所在地境内地面气象监测站的观测资料和探空站的观测资料，以每天世界时12:00时的NCEP再分析资料为初始时刻，输出高空资料为地面至1050 m共21层中，每层的气压、干球温度、露点温度、风速和风向。
6.根据权利要求1所述的气体污染源扩散模拟预测算法，其特征在于，所述的AERMOD模 型进行污染浓度值的预测值为：
Figure 464015DEST_PATH_IMAGE007
，该预测值由三种污染源的质量浓度组成，
Figure 194073DEST_PATH_IMAGE008
；
Figure 128531DEST_PATH_IMAGE009
为因下沉气流直接扩散到 地面的直接源的质量浓度单位为g/m3；
Figure 653053DEST_PATH_IMAGE010
为上升气流扩散到混合层顶层的间接源 的质量浓度，单位为g/m3，其计算公式与直接源最大的区别是模拟浮力烟羽的滞后反射；
Figure 938541DEST_PATH_IMAGE011
为穿透进入混合层上部稳定层中的穿透源质量浓度，单位为g/m3，其在稳定和 对流条件下均满足高斯分布。
7.根据权利要求1所述的气体污染源扩散模拟预测算法，其特征在于，所述的体块模型的基底轮廓线基于获取的1：500、1：1000、1：2000的比例尺地形图中，建筑物的基底轮廓线直接生成，并与地形图保持一致；体块模型依据地形、道路、水系、建筑物基底的几何形状及建筑高度生成几何模型，材质使用单色表示。
8.根据权利要求1所述的气体污染源扩散模拟预测算法，其特征在于，所述的基础模型选择仿真贴图或者公开渠道获取的影像进行贴图，三维建模增加真实感，版本数据只负责数据加工建模，不保证原始数据采集的真实性和现势性。
9.根据权利要求1所述的气体污染源扩散模拟预测算法，其特征在于，所述的标准模型用于生产的原始几何数据来自目标区域CAD格式的竣工图纸，纹理数据来自现场采集，可真实、准确的反映物体的各部位几何特征、样式、高度、分布、位置、质地、色彩及纹理等；
三维建模对于图纸和现状不一致的部分会进行现场核实修正，可反映地形起伏特征、地表形态，对于山体可以采用真实影像贴图。
10.根据权利要求1所述的气体污染源扩散模拟预测算法，其特征在于，所述的精细模型根据现场空间的CAD竣工图纸和外业采集的纹理信息精细建模，真实并准确地反映物体的各部位几何特征、样式、高度、分布、位置、质地、色彩及纹理，纹理贴图细节清晰，三维建模高度精度不低于模型自身高度的5％；精细模型精确反映建筑的立面和屋顶结构，尤其是针对附属设施以及工业生产的设备都进行细节的建模。
CN202210940934.8A 2022-08-08 2022-08-08 气体污染源扩散模拟预测算法 Pending CN115062870A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210940934.8A CN115062870A (zh) 2022-08-08 2022-08-08 气体污染源扩散模拟预测算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210940934.8A CN115062870A (zh) 2022-08-08 2022-08-08 气体污染源扩散模拟预测算法

Publications (1)

Publication Number Publication Date
CN115062870A true CN115062870A (zh) 2022-09-16

Family

ID=83207353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210940934.8A Pending CN115062870A (zh) 2022-08-08 2022-08-08 气体污染源扩散模拟预测算法

Country Status (1)

Country Link
CN (1) CN115062870A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881546A (zh) * 2015-06-01 2015-09-02 中国科学院上海高等研究院 一种提高大气污染模型预测效率的方法
CN106650158A (zh) * 2016-12-31 2017-05-10 中国科学技术大学 一种基于cfd及多数据源的城市实时全局环境估计方法
CN107229834A (zh) * 2017-06-27 2017-10-03 国网江苏省电力公司电力科学研究院 一种复杂地形应急响应空气污染扩散预测方法
CN110020448A (zh) * 2017-11-24 2019-07-16 南京大学 边界层气象参数改进型中尺度大气光化学污染模拟预测算法
CN111537023A (zh) * 2020-05-13 2020-08-14 浙江大学 一种工业园区大气污染物扩散模拟与溯源方法
CN113191096A (zh) * 2021-04-13 2021-07-30 中南建筑设计院股份有限公司 基于WRF和XFlow耦合的多精细度融合污染物扩散分析方法
CN114491927A (zh) * 2021-12-15 2022-05-13 水利部南京水利水文自动化研究所 城市生态环境气土水耦合模拟预报方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881546A (zh) * 2015-06-01 2015-09-02 中国科学院上海高等研究院 一种提高大气污染模型预测效率的方法
CN106650158A (zh) * 2016-12-31 2017-05-10 中国科学技术大学 一种基于cfd及多数据源的城市实时全局环境估计方法
CN107229834A (zh) * 2017-06-27 2017-10-03 国网江苏省电力公司电力科学研究院 一种复杂地形应急响应空气污染扩散预测方法
CN110020448A (zh) * 2017-11-24 2019-07-16 南京大学 边界层气象参数改进型中尺度大气光化学污染模拟预测算法
CN111537023A (zh) * 2020-05-13 2020-08-14 浙江大学 一种工业园区大气污染物扩散模拟与溯源方法
CN113191096A (zh) * 2021-04-13 2021-07-30 中南建筑设计院股份有限公司 基于WRF和XFlow耦合的多精细度融合污染物扩散分析方法
CN114491927A (zh) * 2021-12-15 2022-05-13 水利部南京水利水文自动化研究所 城市生态环境气土水耦合模拟预报方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘海涵 等: "基于GIS的AERMOD大气扩散模型在环保领域中的应用", 《三峡环境与生态》 *
吴耀光 等: "AERMOD模型在工业园区大气环境容量计算中的应用研究", 《科技创新导报》 *
朱廷曜 等: "《农田防护林生态工程学》", 31 August 2001, 中国林业出版社 *
李城镐等: "AERMOD模型在大气环境评价中的应用进展", 《科技风》 *
杜世勇等: "城市尺度空气质量及总量控制模型研究进展", 《环境科学与技术》 *

Similar Documents

Publication Publication Date Title
Ribeiro et al. Highly resolved WRF-BEP/BEM simulations over Barcelona urban area with LCZ
Bahi et al. Review of methods for retrieving urban heat islands
Kamal et al. Impact of urban morphology on urban microclimate and building energy loads
Batchvarova et al. Modelling internal boundary-layer development in a region with a complex coastline
Balázs et al. Simulation of the mean urban heat island using 2D surface parameters: empirical modelling, verification and extension
CN104897853A (zh) 基于塔式扩散模型的火电厂污染物排放监测显示方法
Fung et al. Observational and modeling analysis of a severe air pollution episode in western Hong Kong
Lyons et al. Modeling impacts of mesoscale vertical motions upon coastal zone air pollution dispersion
Srinivas et al. A numerical study of sea breeze circulation observed at a tropical site Kalpakkam on the east coast of India, under different synoptic flow situations
Hamdi et al. Validation of Martilli's urban boundary layer scheme with measurements from two mid-latitude European cities
Struzewska et al. Impact of urban parameterization on high resolution air quality forecast with the GEM–AQ model
Varentsov et al. Observations of the urban boundary layer in a cold climate city
Bueno et al. Urban weather generator: A method to predict neighborhood-specific urban temperatures for use in building energy simulations
Nitis et al. The effects of basic flow and topography on the development of the sea breeze over a complex coastal environment
Al-Rashidi et al. Investigation of the efficiency of existing air pollution monitoring sites in the state of Kuwait
Ainslie et al. The use of an atmospheric dispersion model to determine influence regions in the Prince George, BC airshed from the burning of open wood waste piles
CN115062870A (zh) 气体污染源扩散模拟预测算法
Araújo et al. An approach to simulate wind fields around an urban environment for wind energy application
Jamima et al. Numerical simulation of sea breeze characteristics observed at tropical coastal site, Kalpakkam
Wang et al. A city-scale inverse modelling method for air pollutant source determination
Rodríguez-Álvarez Surface urban heat island and buildings energy: visualization of urban climatic flows
Kastendeuch et al. Mesoscale simulations of thermodynamic fluxes over complex terrain
Bourikas Microclimate adapted localised weather data generation: Implications for urban modelling and the energy consumption of buildings
CN112016738B (zh) 一种吸入性有毒物质的危害预测方法
하태환 Development of 3D CFD models and observation system design for wind environment assessment over a clear-cut in mountainous region

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220916

RJ01 Rejection of invention patent application after publication