基于数据挖掘算法和数值模拟技术的大气污染减排效果评估.pdf
近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM2.5浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14-17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM2.5日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM2.5峰值浓度却显著下降,平均浓度明显降低,PM2.5小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM2.5日均浓度的变化趋势,2018年3月11-14日,在减排和不减排情景下PM2.5日均值分别为171和229μg·m3,减排使得污染过程PM2.5平均浓度下降了25.3％.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM2.5浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.
作者：熊亚军 徐敬 孙兆彬 李梓铭 吴进 尹晓梅 乔林 赵秀娟
作者单位：京津冀环境气象预报预警中心,北京100089中国气象局北京城市气象研究所,北京100089
母体文献：第五届经济快速发展地区空气质量改善国际学术研讨会论文集
会议名称：第五届经济快速发展地区空气质量改善国际学术研讨会
会议时间：2017年11月19日
会议地点：广州
主办单位：暨南大学,清华大学
语种：chi
分类号：
关键词：大气污染治理 减排效果 数据挖掘 数值模拟
在线出版日期：2019年11月20日
基金项目：
相似文献
相关博文
- 文件大小:
- 3.37 MB
- 下载次数:
- 60
-
高速下载
|
|
