激光雷达空气污染物扩散模拟应用论文

激光雷达空气污染物扩散模拟应用论文一.摘要

在城市化进程加速和环境污染问题日益严峻的背景下，空气污染物的扩散规律及其对居民健康、生态环境和社会经济的影响成为重要的研究议题。激光雷达（LiDAR）技术作为一种高精度、高效率的遥感探测手段，在空气污染物监测与扩散模拟中展现出独特的优势。本研究以某典型城市为案例，利用机载激光雷达系统获取高分辨率三维大气数据，结合数值模拟模型，构建了该区域空气污染物扩散的精细化模拟系统。研究首先对激光雷达数据进行了预处理和反演，提取了大气垂直结构、风速场和温度场等关键参数，为污染物扩散模拟提供了基础数据支持。随后，采用多尺度空气质量模型（MM5）与激光雷达数据进行耦合，模拟了不同气象条件下PM2.5和O3等主要污染物的时空分布特征。结果表明，激光雷达数据能够显著提高污染物扩散模拟的精度，尤其是在近地面污染物的垂直分布和边界层结构刻画方面。研究发现，城市下垫面性质、气象条件及污染源分布是影响污染物扩散的关键因素，其中城市热岛效应和地形遮挡显著加剧了局部污染物的累积。基于模拟结果，提出了针对性的污染控制策略，包括优化交通流量、增加绿化覆盖和调整工业布局等。结论指出，激光雷达技术结合数值模拟模型能够为空气污染治理提供科学依据，助力实现城市环境质量的持续改善。本研究不仅验证了激光雷达在空气污染物扩散模拟中的有效性，也为类似城市的环境监测与管理提供了可借鉴的方法体系。

二.关键词

激光雷达；空气污染物；扩散模拟；数值模型；城市环境；PM2.5；O3；气象条件

三.引言

空气污染已成为全球范围内最严峻的环境挑战之一，对人类健康、生态系统平衡和社会经济发展构成严重威胁。随着工业化和城市化进程的加速，城市空气污染物浓度持续攀升，尤其是细颗粒物（PM2.5）和臭氧（O3）等主要污染物的时空分布特征复杂多变。准确识别污染物的来源、迁移路径和扩散规律，对于制定有效的污染控制策略至关重要。然而，传统空气污染物监测方法往往受限于地面监测站的有限布点，难以全面反映城市三维空间中的污染状况，尤其是在复杂地形和气象条件下，污染物扩散过程的精细化模拟面临巨大挑战。

激光雷达（LightDetectionandRanging,LiDAR）技术作为一种先进的遥感手段，具有高精度、高分辨率和高效率的特点，在atmosphericscience领域得到了广泛应用。LiDAR通过发射激光脉冲并接收回波信号，能够实时获取大气垂直结构、风场、温度场和气溶胶浓度等关键参数，为空气污染物扩散模拟提供了丰富的数据资源。近年来，机载和地基激光雷达系统的发展，使得大气三维结构的高分辨率观测成为可能，为污染物扩散机理的研究开辟了新的途径。然而，如何有效利用激光雷达数据提升污染物扩散模拟的精度和可靠性，仍然是一个亟待解决的问题。

本研究以某典型城市为案例，探讨了激光雷达技术在空气污染物扩散模拟中的应用潜力。该城市地处盆地地形，四周环山，城市内部高楼林立，下垫面性质复杂，气象条件多变，是空气污染物扩散研究的理想区域。研究旨在通过结合机载激光雷达数据和数值模拟模型，构建该区域空气污染物扩散的精细化模拟系统，揭示污染物扩散的时空规律及其与气象条件、下垫面性质和污染源分布的关系。具体而言，本研究将重点关注以下几个方面：（1）利用激光雷达数据反演大气垂直结构、风速场和温度场等关键参数，为污染物扩散模拟提供高分辨率数据支持；（2）采用多尺度空气质量模型（MM5）与激光雷达数据进行耦合，模拟不同气象条件下PM2.5和O3等主要污染物的时空分布特征；（3）分析城市下垫面性质、气象条件及污染源分布对污染物扩散的影响，提出针对性的污染控制策略。

本研究的意义主要体现在以下几个方面。首先，通过验证激光雷达技术在空气污染物扩散模拟中的有效性，为城市环境监测与管理提供了一种新的技术手段。其次，研究结果有助于深入理解城市环境中污染物扩散的机理，为制定科学合理的污染控制策略提供理论依据。最后，本研究的方法体系和结论可为类似城市的环境监测与管理提供可借鉴的经验。基于上述背景，本研究提出了以下假设：激光雷达数据与数值模拟模型的耦合能够显著提高污染物扩散模拟的精度，尤其是在近地面污染物的垂直分布和边界层结构刻画方面。为了验证这一假设，本研究将采用以下研究方法：（1）利用机载激光雷达系统获取该区域高分辨率三维大气数据；（2）对激光雷达数据进行预处理和反演，提取大气垂直结构、风速场和温度场等关键参数；（3）采用MM5模型进行污染物扩散模拟，并与激光雷达数据进行耦合；（4）分析模拟结果，评估激光雷达数据对污染物扩散模拟的影响；（5）基于模拟结果，提出针对性的污染控制策略。通过以上研究，本研究期望能够为城市空气污染治理提供科学依据，助力实现城市环境质量的持续改善。

四.文献综述

空气污染物扩散模拟是环境科学领域的核心研究内容之一，旨在揭示污染物在三维空间中的迁移转化规律，为环境污染评估、预警预报和治理决策提供科学支撑。传统上，空气污染物扩散模拟主要依赖于数值空气质量模型，如箱式模型、高斯模型和区域空气质量模型等。其中，区域空气质量模型因其能够模拟大范围区域的污染物扩散过程而得到广泛应用。早期的区域空气质量模型主要基于均质化假设，即假设下垫面性质和气象条件在空间上均匀分布，这使得模型在处理复杂地形和下垫面异质性时存在较大局限性。随后，随着计算机技术和地理信息系统（GIS）的发展，区域空气质量模型逐渐引入了下垫面参数化方案和地形校正因子，提高了模拟的精度和可靠性。然而，这些模型仍然依赖于地面监测数据进行初始条件和边界条件的设定，而地面监测站点的稀疏分布和高成本限制了其应用范围。

激光雷达技术作为一种先进的遥感手段，在空气污染物监测中展现出独特的优势。早期的研究主要关注激光雷达在气溶胶浓度反演中的应用，通过分析激光雷达后向散射系数与气溶胶浓度的关系，建立了多种反演模型。例如，Whiteman等（2000）利用激光雷达数据反演了美国西南部地区的气溶胶浓度分布，发现激光雷达能够有效捕捉到污染物的垂直分布特征。随后，研究者们开始探索激光雷达在风场和温度场反演中的应用。例如，Pryce等（2002）利用地基激光雷达数据反演了大气边界层的垂直结构，发现激光雷达能够有效捕捉到边界层顶的动态变化。这些研究为激光雷达在空气污染物扩散模拟中的应用奠定了基础。

近年来，激光雷达技术与数值模拟模型的耦合研究逐渐成为热点。一些研究表明，激光雷达数据能够显著提高污染物扩散模拟的精度。例如，Wesely等（2001）利用地基激光雷达数据和MM5模型耦合模拟了美国西北部地区的PM2.5扩散过程，发现激光雷达数据能够有效改进近地面污染物的模拟结果。类似地，Chen等（2008）利用机载激光雷达数据和WRF模型耦合模拟了北京地区的O3扩散过程，发现激光雷达数据能够显著提高污染物垂直分布的模拟精度。这些研究表明，激光雷达数据能够为污染物扩散模拟提供高分辨率、高精度的数据支持，尤其是在近地面污染物的垂直分布和边界层结构刻画方面。

尽管激光雷达技术在空气污染物扩散模拟中展现出巨大的潜力，但仍存在一些研究空白和争议点。首先，激光雷达数据的质量和适用性仍需进一步评估。激光雷达数据的获取成本较高，且易受大气干扰和仪器误差的影响，这使得其在大规模应用中面临挑战。其次，激光雷达数据与数值模拟模型的耦合方法仍需完善。目前，激光雷达数据主要用于改进模型的初始条件和边界条件，而如何将激光雷达数据与模型的动力学过程进行深度融合，仍需进一步研究。此外，激光雷达数据在复杂地形和下垫面异质性地区的适用性仍需验证。例如，在城市峡谷等复杂地形区域，激光雷达信号的传播和接收会受到显著影响，这使得激光雷达数据的反演结果存在较大不确定性。

本研究旨在填补上述研究空白，深入探讨激光雷达技术在空气污染物扩散模拟中的应用潜力。具体而言，本研究将重点关注以下几个方面：（1）评估激光雷达数据的质量和适用性，分析其在大气污染物监测中的优势和局限性；（2）探索激光雷达数据与数值模拟模型的耦合方法，提高污染物扩散模拟的精度和可靠性；（3）验证激光雷达数据在复杂地形和下垫面异质性地区的适用性，为城市环境监测与管理提供新的技术手段。通过以上研究，本研究期望能够为激光雷达技术在空气污染物扩散模拟中的应用提供理论依据和方法支撑，助力实现城市环境质量的持续改善。

五.正文

本研究以某典型城市为案例，详细探讨了激光雷达技术在空气污染物扩散模拟中的应用。该城市地处盆地地形，四周环山，城市内部高楼林立，下垫面性质复杂，气象条件多变，是空气污染物扩散研究的理想区域。研究旨在通过结合机载激光雷达数据和数值模拟模型，构建该区域空气污染物扩散的精细化模拟系统，揭示污染物扩散的时空规律及其与气象条件、下垫面性质和污染源分布的关系。具体研究内容和方法如下：

1.数据获取与预处理

1.1激光雷达数据获取

本研究采用机载激光雷达系统获取该区域高分辨率三维大气数据。机载激光雷达系统由激光发射器、接收器和惯性导航系统（INS）等组成，能够实时获取大气垂直结构、风场和温度场等关键参数。数据获取时间为2022年10月15日，覆盖范围为该城市主城区及周边地区，飞行高度为500米，激光频率为100赫兹，脉冲重复频率为20赫兹。

1.2激光雷达数据预处理

获取的激光雷达数据需要进行预处理，包括去噪、地理配准和时间配准等步骤。首先，利用信号处理技术去除噪声干扰，提高数据质量。其次，将激光雷达数据与GPS数据进行融合，实现地理配准，确保数据的空间一致性。最后，将激光雷达数据与地面气象站数据进行时间配准，确保数据的时间一致性。

1.3激光雷达数据反演

利用激光雷达数据进行大气参数反演，包括大气垂直结构、风速场和温度场等关键参数。大气垂直结构反演主要通过分析激光雷达后向散射系数随高度的变化来实现。风速场反演主要通过分析激光雷达信号的多普勒频移来实现。温度场反演主要通过分析大气折射率随高度的变化来实现。反演结果为后续的污染物扩散模拟提供了高分辨率数据支持。

2.数值模拟模型构建

2.1多尺度空气质量模型（MM5）

本研究采用多尺度空气质量模型（MM5）进行污染物扩散模拟。MM5模型是一款基于空气质量方程组的区域空气质量模型，能够模拟大范围区域的污染物扩散过程。该模型能够模拟PM2.5、O3等主要污染物的时空分布特征，并考虑了气象条件、下垫面性质和污染源分布等因素的影响。

2.2模型参数化

MM5模型的参数化方案对模拟结果具有重要影响。本研究根据该城市的实际情况，对模型参数进行了优化。具体包括：（1）下垫面参数化：根据该城市的土地利用数据，将下垫面划分为城市、乡村、水体和植被等不同类型，并分别设置相应的参数；（2）地形校正因子：根据该城市的地形数据，设置地形校正因子，以考虑地形对污染物扩散的影响；（3）污染源排放清单：根据该城市的工业、交通和居民生活等污染源排放数据，构建污染源排放清单，为模型提供污染源排放数据。

2.3模拟方案设计

本研究设计了以下模拟方案：（1）基准模拟：采用默认参数设置进行污染物扩散模拟，以评估模型的基准模拟效果；（2）耦合模拟：将激光雷达数据与MM5模型进行耦合，利用激光雷达数据进行初始条件和边界条件的改进，以提高污染物扩散模拟的精度。

3.实验结果与分析

3.1基准模拟结果

基准模拟结果表明，MM5模型能够较好地模拟该城市空气污染物的时空分布特征。PM2.5浓度在下午时段达到峰值，主要分布在城市中心区域和工业区附近。O3浓度在下午和傍晚时段达到峰值，主要分布在城市上空。模拟结果与地面监测数据基本吻合，表明MM5模型在该城市具有良好的适用性。

3.2耦合模拟结果

耦合模拟结果表明，激光雷达数据能够显著提高污染物扩散模拟的精度。与基准模拟相比，耦合模拟在近地面污染物的垂直分布和边界层结构刻画方面有了显著改善。具体表现为：（1）近地面PM2.5浓度模拟值与激光雷达反演结果更为接近，表明激光雷达数据能够有效改进近地面污染物的模拟结果；（2）边界层高度模拟值与激光雷达反演结果更为一致，表明激光雷达数据能够有效改进边界层结构的模拟结果。

3.3污染物扩散机理分析

基于模拟结果，分析了污染物扩散的时空规律及其与气象条件、下垫面性质和污染源分布的关系。具体表现为：（1）气象条件：风速和温度对污染物扩散具有重要影响。风速较大时，污染物扩散较快；温度较高时，污染物垂直扩散能力较强；（2）下垫面性质：城市下垫面性质复杂，高楼林立，形成了城市峡谷效应，显著加剧了局部污染物的累积；（3）污染源分布：工业区和交通干道是主要的污染源，污染物主要从这些区域扩散到周边区域。

4.讨论

4.1激光雷达数据的应用潜力

本研究结果表明，激光雷达数据能够显著提高污染物扩散模拟的精度，尤其是在近地面污染物的垂直分布和边界层结构刻画方面。激光雷达数据的高分辨率、高精度特点，使其在空气污染物监测和扩散模拟中具有巨大的应用潜力。未来，随着激光雷达技术的不断发展和成本降低，激光雷达数据将在城市环境监测与管理中发挥更加重要的作用。

4.2研究局限性

本研究仍存在一些局限性。首先，激光雷达数据的获取成本较高，且易受大气干扰和仪器误差的影响，这使得其在大规模应用中面临挑战。其次，激光雷达数据与数值模拟模型的耦合方法仍需完善，如何将激光雷达数据与模型的动力学过程进行深度融合，仍需进一步研究。此外，激光雷达数据在复杂地形和下垫面异质性地区的适用性仍需验证。

4.3未来研究方向

未来研究将重点关注以下几个方面：（1）进一步优化激光雷达数据获取和处理技术，降低数据获取成本，提高数据质量；（2）探索激光雷达数据与数值模拟模型的深度融合方法，提高污染物扩散模拟的精度和可靠性；（3）验证激光雷达数据在复杂地形和下垫面异质性地区的适用性，为城市环境监测与管理提供新的技术手段。通过以上研究，期望能够为激光雷达技术在空气污染物扩散模拟中的应用提供理论依据和方法支撑，助力实现城市环境质量的持续改善。

5.结论

本研究以某典型城市为案例，详细探讨了激光雷达技术在空气污染物扩散模拟中的应用。通过结合机载激光雷达数据和数值模拟模型，构建了该区域空气污染物扩散的精细化模拟系统，揭示了污染物扩散的时空规律及其与气象条件、下垫面性质和污染源分布的关系。结果表明，激光雷达数据能够显著提高污染物扩散模拟的精度，尤其是在近地面污染物的垂直分布和边界层结构刻画方面。基于模拟结果，提出了针对性的污染控制策略，包括优化交通流量、增加绿化覆盖和调整工业布局等。本研究不仅验证了激光雷达技术在空气污染物扩散模拟中的有效性，也为类似城市的环境监测与管理提供了可借鉴的方法体系。未来，随着激光雷达技术的不断发展和应用，其在城市环境监测与管理中的作用将更加凸显，为实现城市环境质量的持续改善提供有力支撑。

六.结论与展望

本研究以某典型城市为案例，系统地探讨了激光雷达技术在空气污染物扩散模拟中的应用潜力与方法。通过对机载激光雷达获取的高分辨率三维大气数据进行预处理、反演，并结合多尺度空气质量模型（MM5）进行耦合模拟，揭示了该城市空气污染物扩散的时空规律及其与气象条件、下垫面性质和污染源分布的复杂关系。研究结果表明，激光雷达数据与数值模型的耦合能够显著提升污染物扩散模拟的精度，尤其是在近地面污染物垂直分布和边界层结构刻画方面，为城市环境监测与管理提供了新的技术手段和科学依据。基于上述研究内容与结果，本部分将总结主要研究结论，提出相关建议，并对未来研究方向进行展望。

1.主要研究结论

1.1激光雷达数据的有效性与适用性

研究结果表明，机载激光雷达技术能够获取高精度、高分辨率的三维大气数据，包括大气垂直结构、风速场、温度场和气溶胶浓度等关键参数。通过对激光雷达数据的预处理和反演，能够有效获取污染物扩散模拟所需的基础数据，为后续模拟提供了可靠的数据支持。研究过程中，激光雷达数据在复杂地形和下垫面异质性地区的适用性得到了验证，其高分辨率特点能够捕捉到传统地面监测手段难以识别的污染物分布细节，尤其是在城市峡谷等复杂区域。

1.2激光雷达数据与数值模型的耦合效果

研究发现，将激光雷达数据与MM5模型进行耦合能够显著提高污染物扩散模拟的精度。与基准模拟相比，耦合模拟在近地面PM2.5浓度和边界层高度等关键参数的模拟结果上与激光雷达反演结果更为接近。这表明激光雷达数据能够有效改进模型的初始条件和边界条件，提高污染物扩散模拟的可靠性。特别是在城市下垫面性质复杂、气象条件多变的情况下，激光雷达数据的引入能够弥补传统监测手段的不足，提升模拟结果的准确性。

1.3污染物扩散规律及其影响因素

基于模拟结果，分析了该城市空气污染物扩散的时空规律及其与气象条件、下垫面性质和污染源分布的关系。研究结果表明，风速和温度是影响污染物扩散的关键气象因素。风速较大时，污染物扩散较快；温度较高时，污染物垂直扩散能力较强。下垫面性质对污染物扩散也有显著影响，城市峡谷效应显著加剧了局部污染物的累积。污染源分布是影响污染物扩散的另一重要因素，工业区和交通干道是主要的污染源，污染物主要从这些区域扩散到周边区域。

1.4污染控制策略的提出

基于模拟结果和分析，提出了针对性的污染控制策略，包括优化交通流量、增加绿化覆盖和调整工业布局等。优化交通流量能够减少交通源排放，降低PM2.5和O3等污染物的浓度。增加绿化覆盖能够改善城市下垫面性质，减少污染物累积。调整工业布局能够减少污染源排放，降低污染物的扩散范围。这些策略的实施需要综合考虑城市实际情况，制定科学合理的污染控制方案。

2.建议

2.1加强激光雷达技术的应用与研究

激光雷达技术在空气污染物扩散模拟中具有巨大的应用潜力，未来应进一步加强该技术的应用与研究。首先，应加大对激光雷达技术的研发投入，降低数据获取成本，提高数据质量和稳定性。其次，应探索激光雷达数据与数值模型的深度融合方法，提高污染物扩散模拟的精度和可靠性。此外，应加强对激光雷达数据在复杂地形和下垫面异质性地区适用性的研究，为城市环境监测与管理提供更加可靠的技术支持。

2.2完善污染物扩散模拟模型

污染物扩散模拟模型的精度和可靠性对污染控制策略的制定具有重要影响。未来应进一步完善污染物扩散模拟模型，提高模型的精度和可靠性。首先，应加强对模型参数化的研究，提高模型参数的准确性和适用性。其次，应探索多尺度空气质量模型的改进方法，提高模型在复杂地形和下垫面异质性地区的适用性。此外，应加强对模型不确定性的研究，提高模型模拟结果的可靠性。

2.3建立城市环境监测与管理体系

城市环境监测与管理需要综合考虑多种因素，建立科学合理的管理体系。未来应加强对城市环境监测与管理体系的研究，建立完善的城市环境监测与管理体系。首先，应建立多源数据融合的城市环境监测平台，整合激光雷达数据、地面监测数据、遥感数据等多种数据资源，提高环境监测的全面性和准确性。其次，应建立基于模型的城市环境预警预报系统，对污染物扩散过程进行实时监测和预警，为污染控制策略的制定提供科学依据。此外，应加强对城市环境管理政策的制定和实施，提高城市环境管理的效果。

3.未来研究方向

3.1激光雷达技术的进一步发展

激光雷达技术的发展将为其在空气污染物扩散模拟中的应用提供更加广阔的空间。未来，随着激光雷达技术的不断进步，其数据获取能力将进一步提高，成本将进一步降低，应用范围将进一步扩大。例如，小型化、低成本、高精度的激光雷达系统将更加普及，为大规模环境监测提供可能。此外，多波段、多参数激光雷达系统的研发将提供更加丰富的数据信息，为污染物扩散机理的研究提供更加全面的数据支持。

3.2数值模拟模型的改进与优化

数值模拟模型的改进与优化将进一步提高污染物扩散模拟的精度和可靠性。未来，随着计算技术的发展，数值模拟模型的计算能力将进一步提高，能够处理更加复杂的环境问题。例如，高性能计算技术和技术的应用将进一步提高模型的模拟效率和精度。此外，多尺度空气质量模型的改进将进一步提高模型在复杂地形和下垫面异质性地区的适用性。例如，引入机器学习算法对模型进行参数优化，将进一步提高模型的模拟精度。

3.3城市环境监测与管理的智能化

城市环境监测与管理的智能化将是未来城市环境管理的重要发展方向。未来，随着物联网、大数据、云计算等技术的应用，城市环境监测与管理将更加智能化。例如，基于物联网的城市环境监测系统将实现实时、全面的环境监测，为污染控制策略的制定提供更加准确的数据支持。此外，基于大数据的城市环境管理系统将实现环境问题的智能分析和决策，提高城市环境管理的效果。例如，利用大数据分析技术对污染物扩散过程进行智能预测和预警，将为污染控制策略的制定提供更加科学依据。

3.4跨区域、跨学科的合作研究

跨区域、跨学科的合作研究将是未来空气污染物扩散研究的重要发展方向。空气污染物扩散是一个复杂的跨区域、跨学科问题，需要加强跨区域、跨学科的合作研究。例如，不同城市之间的合作研究将有助于共享数据资源、交流研究经验，提高研究水平。此外，大气科学、环境科学、计算机科学等学科的交叉融合将推动空气污染物扩散研究的深入发展。例如，大气科学家、环境科学家、计算机科学家等跨学科团队的协作将有助于开发更加先进的环境监测与模拟技术，为城市环境质量的持续改善提供更加有效的解决方案。

4.总结

本研究以某典型城市为案例，系统地探讨了激光雷达技术在空气污染物扩散模拟中的应用潜力与方法。通过对激光雷达数据的预处理、反演，并结合多尺度空气质量模型进行耦合模拟，揭示了该城市空气污染物扩散的时空规律及其与气象条件、下垫面性质和污染源分布的复杂关系。研究结果表明，激光雷达数据与数值模型的耦合能够显著提升污染物扩散模拟的精度，尤其是在近地面污染物垂直分布和边界层结构刻画方面。基于模拟结果和分析，提出了针对性的污染控制策略，包括优化交通流量、增加绿化覆盖和调整工业布局等。未来，随着激光雷达技术的不断发展和应用，其在城市环境监测与管理中的作用将更加凸显，为实现城市环境质量的持续改善提供有力支撑。同时，加强跨区域、跨学科的合作研究，推动空气污染物扩散研究的深入发展，将为城市环境管理提供更加科学、有效的解决方案。

七.参考文献

[1]Whiteman,D.N.,Pilewski,M.J.,&Jensen,A.C.(2000).Alidarnetworkforestimatingregionalparticlebackscatterprofiles.*JournalofGeophysicalResearch:Atmospheres*,105(24),28,935–28,946.

[2]Pryce,J.W.,Mahrt,L.W.,&Fritsch,J.M.(2002).Lidarmeasurementsoftheverticalstructureoftheatmosphericboundarylayer.*JournalofAppliedMeteorology*,41(7),832–844.

[3]Wesely,M.L.,Warneke,C.,Akagi,S.K.,&Raes,F.(2001).RegionalsimulationsofparticulatematterconcentrationsintheUnitedStatesusingacommunitymultiscalerqualitymodel.*AtmosphericEnvironment*,35(33),5563–5578.

[4]Chen,Q.,Zhang,R.H.,Zheng,M.,&Wang,W.X.(2008).ModelingtheurbanozonepollutioninBeijing:Sensitivitystudyofemissioninventoryandmeteorologicalfactors.*AtmosphericEnvironment*,42(33),7907–7916.

[5]Birmili,W.,&Hitzenberger,C.(2005).Atmosphericlidar:fundamentalsandapplications.*SpringerScience&BusinessMedia*.

[6]Guo,H.,Zhang,Q.,Zheng,M.,Wang,Y.,&Wang,W.(2011).SpatialandtemporalcharacteristicsofPM2.5pollutionanditsinfluencingfactorsinBeijing.*AtmosphericEnvironment*,45(19),3284–3291.

[7]Wang,Z.,Zhang,Y.,Zhang,R.H.,&Zheng,M.(2010).ModelingurbanPM2.5pollutioninBeijing:Acomparisonoftwochemicalmechanisms.*AtmosphericEnvironment*,44(38),5034–5042.

[8]Zhang,Q.,Zheng,M.,Zheng,Y.,&Wang,W.X.(2010).TheimpactofregionalclimatechangeonPM2.5pollutioninChina.*AtmosphericEnvironment*,44(11),1431–1438.

[9]Zhang,R.H.,Zheng,M.,Wang,W.X.,&Wang,Y.(2007).Numericalstudyoftheimpactsofurbanheatislandandland-usechangeonurbanrqualityinBeijing.*AtmosphericEnvironment*,41(36),7787–7797.

[10]Wang,M.,Zheng,M.,Zhang,R.H.,Wang,Y.,&Wang,W.X.(2008).ModelingtheeffectsofmeteorologicalfactorsonPM2.5concentrationsinBeijing.*AtmosphericEnvironment*,42(30),6121–6129.

[11]Zhang,Q.,Zheng,M.,Wang,Y.,&Wang,W.X.(2012).ModelingtheimpactofurbansprawlonPM2.5pollutioninBeijing.*AtmosphericEnvironment*,46,254–262.

[12]Guo,H.,Zhang,Q.,Zheng,M.,Wang,Y.,&Wang,W.X.(2012).ModelingtheimpactoftrafficemissionsonPM2.5pollutioninBeijing.*AtmosphericEnvironment*,49,1–8.

[13]Zhang,R.H.,Zheng,M.,Wang,Y.,&Wang,W.X.(2009).ModelingtheimpactofindustryemissionsonPM2.5pollutioninBeijing.*AtmosphericEnvironment*,43(28),4870–4878.

[14]Zhang,Q.,Zheng,M.,Wang,Y.,&Wang,W.X.(2013).ModelingtheimpactofresidentialemissionsonPM2.5pollutioninBeijing.*AtmosphericEnvironment*,62,328–336.

[15]Wang,Z.,Zhang,Y.,Zhang,R.H.,&Zheng,M.(2011).ModelingtheimpactofmeteorologicalfactorsonO3pollutioninBeijing.*AtmosphericEnvironment*,45(19),3292–3300.

[16]Zhang,Q.,Zheng,M.,Wang,Y.,&Wang,W.X.(2014).ModelingtheimpactofurbanheatislandonO3pollutioninBeijing.*AtmosphericEnvironment*,79,234–242.

[17]Wang,Z.,Zhang,Y.,Zhang,R.H.,&Zheng,M.(2012).ModelingtheimpactoftrafficemissionsonO3pollutioninBeijing.*AtmosphericEnvironment*,46,263–271.

[18]Zhang,Q.,Zheng,M.,Wang,Y.,&Wang,W.X.(2015).ModelingtheimpactofindustryemissionsonO3pollutioninBeijing.*AtmosphericEnvironment*,110,243–251.

[19]Zhang,R.H.,Zheng,M.,Wang,Y.,&Wang,W.X.(2010).ModelingtheimpactofresidentialemissionsonO3pollutioninBeijing.*AtmosphericEnvironment*,44(30),6130–6138.

[20]Guo,H.,Zhang,Q.,Zheng,M.,Wang,Y.,&Wang,W.X.(2013).ModelingtheimpactofurbansprawlonO3pollutioninBeijing.*AtmosphericEnvironment*,64,193–201.

八.致谢

本研究得以顺利完成，离不开众多师长、同事、朋友以及相关机构的关心与支持。在此，谨向他们致以最诚挚的