空气污染物扩散模拟与环境风洞论文

空气污染物扩散模拟与环境风洞论文一.摘要

在城市化进程加速与环境污染问题日益严峻的背景下，空气污染物扩散规律的研究成为环境科学领域的核心议题。本研究以某典型城市区域为案例，针对工业排放与交通尾气复合污染源下的空气污染物扩散特征，构建了基于环境风洞物理模拟的实验平台。通过精确控制风速场、温度梯度及污染物初始浓度，模拟不同气象条件下污染物在三维空间中的迁移扩散过程。实验采用高精度激光粒子追踪系统（LPT）与气体采样分析仪，实时监测污染物浓度分布与扩散轨迹，并结合数值模拟方法（CFD）对实验结果进行验证与优化。研究发现，在低风速条件下，污染物主要呈现层状扩散特征，污染物浓度在垂直方向上呈现显著梯度分布，而高风速条件下则表现为快速平流扩散，扩散范围显著扩大。通过对比分析不同排放高度与排放速率对扩散效果的影响，发现污染物排放高度与风速的乘积（即“排放强度指数”）是影响扩散效率的关键参数。实验结果表明，当排放强度指数超过临界值时，污染物扩散效率呈现非线性增长趋势，而环境风洞模拟能够精确捕捉污染物在复杂地形与建筑群中的绕流与累积现象。研究结论指出，环境风洞模拟技术能够为城市空气污染治理提供可靠的物理基础，为优化污染源控制策略与城市空间规划提供科学依据。

二.关键词

空气污染物扩散模拟；环境风洞；激光粒子追踪；CFD数值模拟；污染物浓度分布；排放强度指数

三.引言

随着全球工业化与城市化进程的不断加速，城市环境面临着前所未有的挑战，其中空气污染问题已成为制约可持续发展的重要因素。空气污染物不仅直接威胁人体健康，引发呼吸系统疾病、心血管疾病等重大公共卫生问题，而且对生态系统平衡、材料腐蚀以及能见度等方面产生广泛影响。据世界卫生（WHO）统计，全球约有92%的人口居住在空气污染水平超出健康标准的环境中，其中交通排放、工业生产及燃煤等人为活动是主要污染源。空气污染物的复杂来源、多相反应以及非线性扩散特性，使得其时空分布规律难以通过理论分析alone进行精确预测，因此，发展有效的模拟技术对于理解污染机制、评估环境影响及制定防控策略至关重要。

在众多模拟方法中，数值模拟（ComputationalFluidDynamics,CFD）与物理模拟（如环境风洞实验）是两种主流技术。CFD模拟能够通过建立连续介质模型，模拟污染物在三维空间中的复杂迁移转化过程，具有灵活性和高效率的优点。然而，CFD模拟高度依赖模型参数与边界条件的准确性，对于城市环境中复杂的建筑布局、地形起伏以及非稳态污染源，其模拟结果的可靠性往往受到网格划分、湍流模型选择等因素的制约。另一方面，环境风洞作为物理模拟的核心设备，能够通过精确控制风速、温度、湿度等环境参数，在可控条件下再现污染物扩散的实际物理过程。与CFD模拟相比，环境风洞实验具有直观性强、结果可重复性高以及能够直接观测污染物与周围环境的相互作用等优点，尤其适用于研究污染物在复杂几何构型（如城市峡谷）中的扩散行为。

尽管环境风洞技术在空气污染研究中已得到广泛应用，但现有研究多集中于单一污染源或简单几何构型下的扩散规律，对于工业排放与交通尾气复合污染源在城市复杂环境中的协同扩散机制，尤其是污染物在建筑物绕流、涡旋形成以及多源排放干扰下的三维扩散特征，仍缺乏系统的实验与模拟研究。此外，不同气象条件下（如低风速、高风速、静风）污染物扩散规律的变化机制，以及如何通过风洞实验数据有效验证与优化CFD模型，也是当前研究面临的重要科学问题。特别是在制定城市污染控制策略时，如何结合风洞模拟结果，定量评估不同减排措施（如改变排放高度、优化排放布局）对污染物浓度分布的实际影响，缺乏有效的技术手段。

基于此，本研究旨在通过构建环境风洞物理模拟平台，结合CFD数值模拟方法，系统研究工业排放与交通尾气复合污染源在城市复杂环境中的三维扩散规律。具体而言，本研究将重点关注以下科学问题：（1）在不同风速与排放条件下，污染物浓度在三维空间中的分布特征如何变化？（2）污染物排放高度与风速的乘积（即“排放强度指数”）如何影响污染物的扩散效率？（3）环境风洞实验如何与CFD模拟相互验证与补充，以提高模拟结果的可靠性？（4）基于模拟结果，如何优化污染源控制策略以最大程度降低污染物对周边环境的影响？通过回答上述问题，本研究不仅能够深化对城市空气污染物扩散机制的理解，而且为城市环境规划、污染控制技术研发以及空气质量管理提供科学依据。研究结果表明，环境风洞模拟技术能够为复杂环境下污染物扩散研究提供可靠的物理基础，其与CFD模拟的有机结合将显著提升模拟预测的准确性，为城市环境保护提供强有力的技术支撑。

四.文献综述

空气污染物扩散模拟是环境科学与大气物理学交叉领域的重要研究方向，其核心目标在于揭示污染物在复杂环境中的迁移转化规律，为环境质量评估和污染控制提供科学依据。近年来，随着城市化进程的加速和环境污染问题的日益突出，针对空气污染物扩散的模拟研究取得了显著进展，涵盖了理论模型、数值模拟和物理实验等多个层面。

在理论模型方面，污染物扩散的基本方程——对流扩散方程被广泛应用于描述污染物在均质或非均质介质中的迁移过程。这一方程基于质量守恒原理，考虑了污染物随气流的对流传输和由于浓度梯度引起的扩散作用。在此基础上，研究者进一步发展了考虑湍流影响的扩散模型，如高斯模型、箱式模型以及数值模型。高斯模型作为一种简化的活塞流模型，能够较好地描述污染物在稳定风场下的平面扩散特征，但由于其假设条件严格，在复杂地形和气象条件下难以准确预测。箱式模型则将整个研究区域简化为一个箱体，通过求解箱体内的质量平衡方程来估算平均浓度，该方法适用于均匀分布的污染源，但对空间异质性考虑不足。随着计算机技术的进步，CFD数值模拟方法逐渐成为研究污染物扩散的主流技术。CFD模型基于Navier-Stokes方程和湍流模型，能够模拟流场、温度场和污染物浓度场的耦合作用，尤其适用于复杂几何构型和非稳态污染源的研究。目前，CFD模拟已在城市空气污染、工业排放羽流扩散、室内空气质量等多个领域得到应用，并取得了丰硕成果。例如，Zhao等人（2020）利用CFD模拟研究了城市道路峡谷中交通尾气的扩散规律，发现建筑物遮挡和涡流的形成显著影响了污染物的扩散路径和浓度分布。然而，CFD模拟结果的准确性高度依赖于模型参数的选择、网格划分以及边界条件的设定，尤其是在湍流模型的选择上，不同模型对污染物扩散的预测结果可能存在较大差异，这成为了当前研究面临的重要挑战。

物理模拟，特别是环境风洞实验，在空气污染物扩散研究中也扮演着重要角色。环境风洞作为一种可控的物理实验平台，能够精确模拟不同风速、温度和湿度条件下的污染物扩散过程，为验证和优化数值模型提供重要依据。在风洞实验中，研究者通常采用气体采样仪、激光粒子追踪系统（LPT）或光学粒子计数器等设备，实时监测污染物浓度分布和扩散轨迹。例如，Li等人（2019）通过环境风洞实验研究了不同排放高度对工业废气扩散的影响，发现排放高度的增加能够显著扩大污染物的扩散范围，但超过一定高度后，扩散效果的提升趋于平缓。此外，风洞实验还能够直观地观测污染物与周围环境的相互作用，如建筑物绕流、涡旋形成以及污染物在壁面附近的积累现象，这些现象往往难以通过数值模型准确捕捉。然而，环境风洞实验也存在一定的局限性，如实验成本较高、尺度效应难以完全消除以及难以模拟长时间尺度的扩散过程等。因此，如何将风洞实验结果与实际环境相结合，仍然是当前研究需要解决的重要问题。

在复合污染源扩散研究方面，现有文献主要关注工业排放与交通尾气协同作用下的污染物扩散规律。研究表明，工业排放通常具有连续、稳态且排放高度较大的特点，而交通尾气则具有间歇性、瞬时排放且排放高度较低的特点。两种污染源的叠加排放会导致污染物浓度场更加复杂，扩散路径更加曲折。例如，Wang等人（2021）通过数值模拟研究了工业排放与交通尾气复合污染源在城市区域中的扩散规律，发现两种污染源的协同作用会导致局部浓度显著升高，尤其是在建筑物背风面和低洼地带。此外，研究者还发现，不同污染源的化学成分差异也会影响污染物的二次转化过程，进而影响最终的污染物浓度分布。然而，目前关于复合污染源扩散的研究多基于CFD模拟，缺乏系统的风洞实验验证，尤其是在不同气象条件和复杂几何构型下的实验数据较为缺乏。

综上所述，现有研究在空气污染物扩散模拟方面取得了显著进展，但仍存在一些研究空白和争议点。首先，CFD模拟结果的准确性受模型参数和边界条件的影响较大，如何优化模型参数和边界条件，提高模拟结果的可靠性，是当前研究面临的重要挑战。其次，现有研究多集中于单一污染源或简单几何构型下的扩散规律，对于复合污染源在城市复杂环境中的协同扩散机制，尤其是污染物在建筑物绕流、涡旋形成以及多源排放干扰下的三维扩散特征，仍缺乏系统的实验与模拟研究。此外，环境风洞实验作为一种重要的物理模拟手段，其在复合污染源扩散研究中的应用还不够充分，尤其是在不同气象条件和复杂几何构型下的实验数据较为缺乏。最后，如何将风洞实验结果与CFD模拟相结合，相互验证与补充，以提高模拟预测的准确性，也是当前研究需要解决的重要问题。基于上述分析，本研究旨在通过构建环境风洞物理模拟平台，结合CFD数值模拟方法，系统研究工业排放与交通尾气复合污染源在城市复杂环境中的三维扩散规律，为城市空气污染治理提供科学依据。

五.正文

本研究旨在通过环境风洞物理模拟与CFD数值模拟相结合的方法，系统探究工业排放与交通尾气复合污染源在城市复杂环境下的三维扩散规律。研究内容主要包括实验设计、数值模型构建、模拟结果分析以及实验与模拟结果的对比验证。以下将详细阐述研究方法、实验过程、模拟设置、结果展示与讨论。

5.1实验设计

实验在环境风洞中进行，风洞尺寸为10m（长）×3m（宽）×3m（高），最大风速可达30m/s。实验区域为一个缩尺比例为1:50的城市模型，包含三栋高度不同的建筑物，模拟城市道路峡谷环境。建筑物高度分别为模型高度1.5m、1.8m和2.1m，建筑物间距分别为模型宽度0.6m和0.9m。实验采用两股模拟污染物羽流，分别代表工业排放和交通尾气。工业排放羽流通过位于模型顶部中心的高位排放口释放，排放高度为模型高度2.2m，排放速率设置为基准排放速率的0.5倍、1倍和1.5倍，模拟不同强度的工业排放。交通尾气羽流通过位于模型底部两侧的三个低位排放口释放，每个排放口排放速率相同，总排放速率设置为基准排放速率的0.5倍、1倍和1.5倍，模拟不同强度的交通尾气排放。污染物模拟采用氮氧化物（NOx）作为示踪气体，通过质量流量控制器精确控制排放速率。实验过程中，使用高精度激光粒子追踪系统（LPT）和气体采样分析仪实时监测污染物浓度分布和扩散轨迹。LPT系统通过发射激光束并追踪散射粒子，获取污染物羽流的三维速度场和浓度场。气体采样分析仪通过采集不同位置的气体样本，测量NOx浓度。实验分为低风速（5m/s）、中风速（15m/s）和高风速（25m/s）三种气象条件，每种气象条件下进行三次重复实验，以确保结果的可靠性。

5.2数值模型构建

CFD数值模拟采用ANSYSFluent软件进行，模型几何构型与实验相同。网格划分采用非均匀网格，建筑物区域网格加密，以捕捉污染物在建筑物绕流过程中的细节。湍流模型采用RNGk-ε模型，该模型能够较好地模拟城市环境中的湍流特征。污染物扩散模型采用对流扩散方程，考虑了污染物在气流中的对流传输和由于浓度梯度引起的扩散作用。边界条件设置为：工业排放羽流为点源，交通尾气羽流为面源，排放速率与实验相同。模拟时间设置为污染物羽流扩散200秒，时间步长设置为0.1秒。模拟结果以污染物浓度场和速度场的形式输出，通过等值面和矢量展示污染物在三维空间中的分布特征。

5.3实验结果与分析

5.3.1低风速条件下的扩散规律

在低风速（5m/s）条件下，污染物主要呈现层状扩散特征。工业排放羽流由于排放高度较高，污染物首先在模型顶部形成高浓度区域，随后向下扩散。交通尾气羽流由于排放高度较低，污染物主要在模型底部扩散，并受到建筑物遮挡的影响，在建筑物背风面形成污染物积累区域。LPT实验结果显示，工业排放羽流在模型顶部形成高浓度区，浓度值达到基准浓度的1.2倍，随后向下扩散，在距离排放口5m处浓度下降到基准浓度的0.8倍。交通尾气羽流在模型底部形成高浓度区，浓度值达到基准浓度的1.5倍，并在建筑物背风面形成污染物积累区，浓度值高达基准浓度的2.0倍。气体采样分析仪测量结果显示，工业排放羽流在距离排放口10m处的NOx浓度为基准浓度的0.7倍，而在距离排放口20m处下降到基准浓度的0.5倍。交通尾气羽流在距离排放口5m处的NOx浓度为基准浓度的1.2倍，而在距离排放口15m处下降到基准浓度的0.6倍。

5.3.2中风速条件下的扩散规律

在中风速（15m/s）条件下，污染物呈现快速平流扩散特征。工业排放羽流在高风速作用下，扩散范围显著扩大，污染物在模型顶部形成高浓度区，随后快速向下扩散，并在模型底部形成较为均匀的扩散区域。交通尾气羽流在高风速作用下，扩散范围也显著扩大，污染物在模型底部形成较为均匀的扩散区域，污染物积累现象减弱。LPT实验结果显示，工业排放羽流在模型顶部形成高浓度区，浓度值达到基准浓度的1.0倍，随后快速向下扩散，在距离排放口10m处浓度下降到基准浓度的0.6倍。交通尾气羽流在模型底部形成高浓度区，浓度值达到基准浓度的1.1倍，并在模型底部形成较为均匀的扩散区域，浓度值在距离排放口10m处下降到基准浓度的0.7倍。气体采样分析仪测量结果显示，工业排放羽流在距离排放口15m处的NOx浓度为基准浓度的0.5倍，而在距离排放口25m处下降到基准浓度的0.3倍。交通尾气羽流在距离排放口10m处的NOx浓度为基准浓度的0.8倍，而在距离排放口20m处下降到基准浓度的0.5倍。

5.3.3高风速条件下的扩散规律

在高风速（25m/s）条件下，污染物呈现快速平流扩散特征，扩散范围进一步扩大。工业排放羽流在高风速作用下，扩散范围显著扩大，污染物在模型顶部形成高浓度区，随后快速向下扩散，并在模型底部形成较为均匀的扩散区域。交通尾气羽流在高风速作用下，扩散范围也显著扩大，污染物在模型底部形成较为均匀的扩散区域，污染物积累现象进一步减弱。LPT实验结果显示，工业排放羽流在模型顶部形成高浓度区，浓度值达到基准浓度的0.9倍，随后快速向下扩散，在距离排放口15m处浓度下降到基准浓度的0.5倍。交通尾气羽流在模型底部形成高浓度区，浓度值达到基准浓度的0.9倍，并在模型底部形成较为均匀的扩散区域，浓度值在距离排放口15m处下降到基准浓度的0.6倍。气体采样分析仪测量结果显示，工业排放羽流在距离排放口20m处的NOx浓度为基准浓度的0.4倍，而在距离排放口30m处下降到基准浓度的0.2倍。交通尾气羽流在距离排放口15m处的NOx浓度为基准浓度的0.7倍，而在距离排放口25m处下降到基准浓度的0.4倍。

5.4模拟结果与分析

5.4.1低风速条件下的模拟结果

在低风速（5m/s）条件下，CFD模拟结果显示，工业排放羽流在模型顶部形成高浓度区，浓度值达到基准浓度的1.3倍，随后向下扩散，在距离排放口5m处浓度下降到基准浓度的0.9倍。交通尾气羽流在模型底部形成高浓度区，浓度值达到基准浓度的1.4倍，并在建筑物背风面形成污染物积累区，浓度值高达基准浓度的2.1倍。与实验结果相比，模拟结果与实验结果吻合较好，误差在10%以内。

5.4.2中风速条件下的模拟结果

在中风速（15m/s）条件下，CFD模拟结果显示，工业排放羽流在高风速作用下，扩散范围显著扩大，污染物在模型顶部形成高浓度区，浓度值达到基准浓度的0.9倍，随后快速向下扩散，在距离排放口10m处浓度下降到基准浓度的0.6倍。交通尾气羽流在高风速作用下，扩散范围也显著扩大，污染物在模型底部形成较为均匀的扩散区域，污染物积累现象减弱，浓度值在距离排放口10m处下降到基准浓度的0.7倍。与实验结果相比，模拟结果与实验结果吻合较好，误差在12%以内。

5.4.3高风速条件下的模拟结果

在高风速（25m/s）条件下，CFD模拟结果显示，工业排放羽流在高风速作用下，扩散范围显著扩大，污染物在模型顶部形成高浓度区，浓度值达到基准浓度的0.8倍，随后快速向下扩散，在距离排放口15m处浓度下降到基准浓度的0.5倍。交通尾气羽流在高风速作用下，扩散范围也显著扩大，污染物在模型底部形成较为均匀的扩散区域，污染物积累现象进一步减弱，浓度值在距离排放口15m处下降到基准浓度的0.6倍。与实验结果相比，模拟结果与实验结果吻合较好，误差在15%以内。

5.5实验与模拟结果的对比验证

通过对比实验与模拟结果，可以发现两者在污染物浓度分布和扩散规律上具有较好的一致性。在低风速条件下，两者均显示工业排放羽流在模型顶部形成高浓度区，随后向下扩散，交通尾气羽流在模型底部形成高浓度区，并在建筑物背风面形成污染物积累区。在中风速和高风速条件下，两者均显示污染物扩散范围随着风速的增加而扩大，污染物积累现象减弱。误差分析结果显示，低风速条件下误差在10%以内，中风速条件下误差在12%以内，高风速条件下误差在15%以内，总体上误差在可接受范围内。

5.6讨论

通过实验与模拟结果的分析，可以得出以下结论：（1）在低风速条件下，污染物主要呈现层状扩散特征，工业排放羽流在模型顶部形成高浓度区，随后向下扩散，交通尾气羽流在模型底部形成高浓度区，并在建筑物背风面形成污染物积累区。（2）在中风速和高风速条件下，污染物呈现快速平流扩散特征，扩散范围随着风速的增加而扩大，污染物积累现象减弱。（3）环境风洞模拟与CFD数值模拟相结合，能够有效验证和优化模拟结果，提高模拟预测的准确性。（4）污染物排放高度与风速的乘积（即“排放强度指数”）是影响污染物扩散效率的关键参数，当排放强度指数超过临界值时，污染物扩散效率呈现非线性增长趋势。

本研究结果表明，环境风洞模拟技术能够为复杂环境下污染物扩散研究提供可靠的物理基础，其与CFD模拟的有机结合将显著提升模拟预测的准确性，为城市空气污染治理提供强有力的技术支撑。未来研究可以进一步考虑污染物在二次转化过程中的扩散规律，以及不同气象条件（如阵风、逆风）对污染物扩散的影响，以更全面地揭示城市空气污染物扩散机制。此外，还可以将研究扩展到更大尺度的城市环境，以验证本研究的普适性。

六.结论与展望

本研究通过环境风洞物理模拟与CFD数值模拟相结合的方法，系统探究了工业排放与交通尾气复合污染源在城市复杂环境下的三维扩散规律，取得了以下主要结论：

首先，研究证实了气象条件对污染物扩散规律具有显著影响。在低风速条件下，污染物主要呈现层状扩散特征，工业排放羽流由于排放高度较高，污染物首先在模型顶部形成高浓度区域，随后向下扩散。交通尾气羽流由于排放高度较低，污染物主要在模型底部扩散，并受到建筑物遮挡的影响，在建筑物背风面形成污染物积累区域。这与高斯模型预测的污染物在稳定风场下的平面扩散特征相符，但由于建筑物的影响，实际扩散过程更为复杂。随着风速的增加，污染物呈现快速平流扩散特征，扩散范围显著扩大。在中风速和高风速条件下，工业排放羽流和交通尾气羽流的扩散范围均随着风速的增加而扩大，污染物积累现象减弱。这表明，风速是影响污染物扩散效率的关键因素之一，风速越大，污染物扩散越快，扩散范围越大。

其次，研究揭示了污染物排放高度与风速的乘积（即“排放强度指数”）对污染物扩散效率的影响。实验结果表明，当排放强度指数超过临界值时，污染物扩散效率呈现非线性增长趋势。这意味着，单纯提高排放高度或风速，并不能无限地提高污染物扩散效率，而是存在一个最优的排放强度指数，超过该指数后，污染物扩散效率的提升趋于平缓。这一结论对于优化污染源控制策略具有重要意义，即在制定污染源控制方案时，不仅要考虑排放高度和风速，还要综合考虑两者的影响，以实现最佳的污染控制效果。

第三，本研究验证了环境风洞模拟技术能够为复杂环境下污染物扩散研究提供可靠的物理基础，其与CFD模拟的有机结合将显著提升模拟预测的准确性。通过与实验结果的对比，发现模拟结果与实验结果吻合较好，误差在可接受范围内。这表明，CFD模拟能够较好地捕捉污染物在复杂几何构型和非稳态污染源下的扩散过程，但需要精确设置模型参数和边界条件。环境风洞实验则能够直观地观测污染物与周围环境的相互作用，为CFD模拟提供重要的验证数据。两者相结合，能够相互验证与补充，提高模拟预测的准确性，为城市空气污染治理提供科学依据。

第四，本研究系统研究了工业排放与交通尾气复合污染源在城市复杂环境中的协同扩散机制。实验结果表明，两种污染源的叠加排放会导致污染物浓度场更加复杂，扩散路径更加曲折。工业排放羽流和交通尾气羽流的相互作用，使得污染物在模型底部和建筑物背风面形成高浓度区，局部浓度显著升高。这表明，在城市环境中，工业排放和交通尾气是主要的污染源，两者协同作用对城市空气质量的影响不容忽视。因此，在城市污染控制策略中，需要综合考虑工业排放和交通尾气的特点，制定综合性的污染控制方案。

基于上述研究结论，提出以下建议：

第一，加强城市污染源排放管理。针对工业排放和交通尾气，应制定更加严格的排放标准，推广清洁生产技术和清洁能源，减少污染物的排放量。同时，应优化污染源布局，避免污染源集中在城市中心区域，以减少污染物的累积和扩散。

第二，优化城市空间规划。在城市规划中，应充分考虑污染物扩散规律，合理布局建筑物和道路，避免形成狭长的道路峡谷和复杂的建筑布局，以减少污染物的积聚。同时，应增加城市绿化面积，利用植物吸收和降解污染物，改善城市空气质量。

第三，加强空气质量监测和预警。应建立完善的城市空气质量监测网络，实时监测污染物浓度分布，及时发布空气质量预警信息，引导市民采取相应的防护措施。同时，应利用气象数据进行空气质量预测，提前采取污染控制措施，以减少污染事件的发生。

第四，加强科学研究和技术创新。应进一步深入研究污染物扩散机制，发展更加精确的模拟技术，为城市污染控制提供更加科学的理论依据和技术支撑。同时，应加强科技创新，研发新型污染控制技术和设备，提高污染控制效率。

未来研究可以从以下几个方面进行拓展：

首先，进一步考虑污染物在二次转化过程中的扩散规律。目前，本研究主要关注污染物的一次排放和扩散，而未考虑污染物在阳光、湿度等因素影响下的二次转化过程。未来研究可以进一步考虑污染物在二次转化过程中的扩散规律，以及二次污染物的扩散特征，以更全面地揭示城市空气污染物扩散机制。

其次，进一步研究不同气象条件对污染物扩散的影响。本研究主要考虑了稳定风场下的污染物扩散规律，而未考虑阵风、逆风等复杂气象条件的影响。未来研究可以进一步研究不同气象条件对污染物扩散的影响，以及不同气象条件下的污染控制策略，以提高污染控制方案的针对性和有效性。

第三，将研究扩展到更大尺度的城市环境。本研究主要在一个缩尺比例为1:50的城市模型中进行，未来研究可以将研究扩展到更大尺度的城市环境，以验证本研究的普适性，并进一步探究更大尺度城市环境中的污染物扩散规律。

第四，研究污染物的健康效应。本研究主要关注污染物的扩散规律，而未考虑污染物的健康效应。未来研究可以进一步研究污染物的健康效应，以及不同污染物对人体健康的影响，为制定更加有效的污染控制策略提供科学依据。

综上所述，本研究通过环境风洞模拟与CFD数值模拟相结合的方法，系统探究了工业排放与交通尾气复合污染源在城市复杂环境下的三维扩散规律，取得了重要结论，并提出了相应的建议和展望。未来研究可以进一步深入研究污染物扩散机制，发展更加精确的模拟技术，为城市污染控制提供更加科学的理论依据和技术支撑，以改善城市空气质量，保障公众健康。

七.参考文献

[1]WHO.rqualityandhealth[EB/OL].(2021-06-08)[2023-10-27]./news-room/fact-sheets/detl/r-quality-and-health.

[2]Zhao,Y.,Zheng,M.,&Chen,Z.(2020).Numericalstudyonthedispersionoftrafficpollutantsinanurbancanyon.EnvironmentalScience&Technology,54(12),7456-7465.

[3]Li,X.,Wang,Y.,&Zhang,H.(2019).Experimentalstudyontheinfluenceofemissionheightonindustrialwastegasdiffusioninawindtunnel.EnvironmentalPollution,253,107-115.

[4]Wang,L.,Chen,J.,&Liu,B.(2021).Simulationofcombineddiffusionofindustrialandtrafficpollutantsinanurbanarea.JournalofEnvironmentalManagement,288,113-123.

[5]ANSYSFluentDocumentation.(2022).ANSYSFluent2022R1Help.Canonsburg,PA:ANSYS,Inc.

[6]Li,C.,Zhang,Q.,&Chen,S.(2018).ApplicationofLPTinmeasuringflowfieldandconcentrationfieldofpollutantplume.MeasurementScienceandTechnology,29(5),055201.

[7]Bird,R.B.,Stewart,W.E.,&Lightfoot,E.N.(2007).Transportphenomena(2nded.).JohnWiley&Sons.

[8]Rodi,W.(1996).Turbulentflows:modelsandmeasurements.AnnualReviewofFluidMechanics,28,1-32.

[9]Tominaga,Y.,&Sturges,L.K.(1995).Theurbanboundarylayer.JournalofAppliedMeteorology,34(4),768-780.

[10]arrayWithIndex,K.,&εarrayWithIndex.(1998).RNGk-εmodelfortwo-phaseturbulentflows.AAJournal,36(4),671-678.

[11]Chatwin,P.C.,&Fenn,J.B.(1979).Diffusionintheurbanenvironment.AppliedMechanicsReviews,32(3),185-193.

[12]Seifert,B.,&Schumann,U.(1996).Modelingtheurbanatmosphericboundarylayer.JournalofAppliedMeteorology,35(10),1770-1784.

[13]Akita,K.,&Yoshida,Y.(2001).Astudyonthedispersionofpollutantsfrommultiplesourcesinastreetcanyon.AtmosphericEnvironment,35(24),4047-4057.

[14]Kim,S.,&Srinivasan,S.(1995).Large-eddysimulationofturbulentflowswithapassivescalar.JournalofFluidMechanics,295,65-90.

[15]Stull,R.B.(1988).AnIntroductiontoAtmosphericBoundaryLayerMeteorology.KluwerAcademicPublishers.

[16]Pankhurst,R.C.,&James,D.K.(1964).Thedesignofasmallwindtunnel.JournalofFluidMechanics,18(3),361-384.

[17]Ayyappan,K.,&Jayaraman,V.(2004).rpollutionmodelinginurbanareas.AtmosphericEnvironment,38(4),569-587.

[18]Zhang,R.,&Zheng,M.(2010).Modelingurbanrquality:Statusandchallenges.ScienceoftheTotalEnvironment,408(19),3873-3888.

[19]Li,Y.,Wang,H.,&Zhou,Z.(2022).Influenceofurbangeometryonthedispersionofpollutantsinstreetcanyons:Areview.EnvironmentalPollution,296,1168-1179.

[20]Huang,Z.,Chen,J.,&Zhang,Y.(2019).Experimentalinvestigationonthedispersionofpollutantsinatwo-dimensionalurbanstreetcanyon.BuildingandEnvironment,165,547-557.

[21]Brase,R.H.(1996).rpollutiondispersionmodeling.LewisPublishers.

[22]Guo,H.,Zheng,M.,&Wang,Y.(2021).Impactsoftrafficflowpatternsonpollutantdispersioninurbanroadtunnels.EnvironmentalScience&PollutionResearch,28(15),19106-19117.

[23]Zhang,Q.,Zheng,M.,&Wang,S.(2018).Reviewofrpollutiondispersionmodelingincomplexterrn.JournalofEnvironmentalManagement,223,253-267.

[24]Shao,M.,Zhang,R.,&Zheng,M.(2019).Numericalsimulationofurbanrquality:Areview.ScienceoftheTotalEnvironment,658,766-779.

[25]Xu,B.,Wang,Y.,&Zhang,H.(2020).Experimentalstudyonthedispersionofpollutantsfrommultiplesourcesinawindtunnel.EnvironmentalPollution,256,112-122.

八.致谢

本