Aermod学习资料-理论基础

AERMOD（American Meteorological Society/U.S. Environmental Protection Agency Regulatory Model）是一种用于预测大气污染物浓度分布的数学模型，属于大气扩散模型的一种，其主要用于环境影响评价中。本篇讲解资料详细地介绍了Aermod模型的相关理论基础，包括大气污染物扩散模型的发展历程，第一代和第二代模式的特点，以及高斯分布的应用。 大气扩散模型的发展历程表明，随着科学研究的深入和技术的进步，大气扩散模型经历了几个主要发展阶段。最初是在20世纪70年代，以物理输送算法为基础，计算污染物浓度时采用高斯分布假设，构成了第一代模型，例如：ISC3与EKMA模式。这些模式以点源、线源、面源、体源等模型为基础，使用离散化经验分类方法的湍流分类和扩散参数。第一代模式在计算大气污染物浓度分布时，采用高斯分布假定和稳定度分类法，如Pasquill和Grifford根据实验数据绘制的曲线，存在一定的局限性，如难以准确预测不稳定条件下的地面浓度值和无法反映实际的扩散过程。 进入第二代模式，科学家们开始将更为复杂的气象参数和化学反应机制引入模式中，从而可以模拟二次污染物的化学过程。这类模型包括ADMS、AERMOD、CAMx、UAM、calpuff等。第二代模型的提出背景是基于对流条件下，污染源的浓度中心在不同高度上随风向距离的变化而变化的新发现。与第一代模式相比，第二代模式在理论上更为先进，能够更贴近真实情况地模拟大气污染物的扩散过程。 高斯分布，也称为正态分布，是概率论中最重要的一种连续概率分布。在大气扩散模型中，高斯分布用于描述污染物浓度在空间中的分布情况。高斯分布的特点是其概率密度函数呈钟形曲线，其数学表达式为N（μ，σ2），其中μ为均值，σ为标准差。高斯分布最早由棣莫佛、拉普拉斯以及高斯等人研究得到，是大气扩散模型中用于估算污染物浓度的基础数学工具。 在第一代空气质量模型中，空气污染在水平方向和垂直方向上的浓度计算都采用高斯分布假设，湍流分类和扩散参数采用离散化的经验分类方法。但这种方法存在缺陷，例如，无法准确预测不稳定条件下地面浓度值，以及未考虑实际的浮力烟羽抬升到混合层顶部附近的扩散过程。第二代模式改进了这些问题，通过耦合大气边界层研究的最新进展，提高了模式的准确性和实用性。 AERMOD模型是第二代空气质量模式中的一种，它结合了大气边界层研究的最新进展，摒弃了传统的离散稳定度分类方法，能够更准确地模拟污染物在大气中的扩散过程，预测一次和二次污染物的浓度分布。AERMOD模型的特点是能够模拟不同高度排放源的污染物扩散，包括其受地面和大气边界层影响的复杂行为，适用范围广泛，能够用于各种类型的污染源和环境条件。 Aermod模型理论基础涵盖了大气扩散模型的发展历程、高斯分布的数学原理、以及第一代和第二代模式的特点和局限性。通过理解和掌握这些理论知识，能够更好地运用Aermod模型进行大气污染物扩散预测，为环境保护和控制决策提供科学依据。