城市空气污染物扩散模拟方法分析论文

城市空气污染物扩散模拟方法分析论文一.摘要

城市空气污染物扩散是影响居民健康和城市可持续发展的关键问题。随着工业化和城市化的加速，空气污染问题日益严峻，对人类生活环境和生态系统造成严重威胁。本研究以我国某典型城市为案例，针对其空气污染物扩散特征进行了系统模拟与分析。研究采用高分辨率数值模拟模型，结合气象数据和污染源排放清单，构建了城市空气污染物扩散的三维模型，重点分析了不同气象条件下PM2.5和O3污染物的扩散规律。通过对比模拟结果与实测数据，验证了模型的准确性和可靠性。研究发现，城市地形和建筑布局对污染物扩散具有显著影响，高楼区域污染物累积效应明显，而通风良好的开阔区域污染物浓度较低。此外，气象条件中的风速和风向对污染物扩散方向和浓度分布具有决定性作用，静稳天气条件下污染物易在近地面累积。研究还揭示了交通排放和工业排放对城市空气污染的贡献率分别为40%和35%，其中交通排放对PM2.5的贡献尤为突出。基于模拟结果，提出了优化城市布局、加强交通管理和控制工业排放的综合治理策略，为城市空气污染防控提供了科学依据。本研究结果表明，高分辨率数值模拟模型能够有效模拟城市空气污染物扩散过程，为城市环境规划和污染治理提供了实用工具。

二.关键词

空气污染物扩散；数值模拟；城市环境；气象条件；污染源排放；PM2.5；O3；城市布局；污染防控

三.引言

城市空气污染已成为全球性的重大环境问题，对人类健康、生态系统平衡及社会经济可持续发展构成严重威胁。随着工业化和城市化的快速推进，城市人口密度不断增加，能源消耗持续上升，导致空气污染物排放量急剧增长。空气污染物在城市复杂的三维空间中扩散，其浓度分布受多种因素影响，包括污染源排放特征、气象条件、城市地形及建筑布局等。理解城市空气污染物扩散规律，对于制定有效的污染防控策略、优化城市环境规划具有重要意义。

城市空气污染物扩散过程具有高度复杂性和动态性。污染物从排放源扩散至受体区域的过程受到多种物理机制的调控，如分子扩散、湍流扩散和重力沉降等。其中，湍流扩散在污染物扩散过程中起主导作用，其强度和方向受风速、风向和城市地形的影响。城市地形和建筑布局形成的复杂流场，会导致污染物在特定区域（如峡谷效应区域、背风区）累积，加剧局部污染问题。此外，不同类型的污染物（如颗粒物PM2.5、臭氧O3）具有不同的物理化学性质和扩散特征，其扩散规律存在显著差异。例如，PM2.5粒径小、沉降慢，易在近地面累积；而O3则主要通过光化学反应生成，其扩散受气象条件和污染源排放的协同影响。

目前，针对城市空气污染物扩散的研究主要采用数值模拟、实验观测和理论分析等方法。数值模拟方法因其能够综合考虑多种影响因素、提供高分辨率的空间分布信息而得到广泛应用。常用的数值模型包括烟团模型、箱式模型和区域空气质量模型等。其中，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，但其分辨率相对较低，难以捕捉城市尺度上的精细特征。近年来，随着计算技术的发展，高分辨率数值模拟模型（如三维空气质量模型）在城市空气污染研究中得到越来越多的应用，能够更准确地模拟污染物在城市复杂环境中的扩散规律。然而，现有研究在模型参数化、数据精度和实际应用方面仍存在诸多挑战。例如，污染源排放清单的准确性直接影响模拟结果，而气象数据的时空分辨率也制约模型的预测精度。此外，如何将模拟结果转化为实用的污染防控策略，仍需进一步探索。

本研究以我国某典型城市为案例，重点探讨城市空气污染物扩散的模拟方法及其应用。该城市具有典型的城市特征，包括高人口密度、发达的工业体系和复杂的建筑布局。研究采用高分辨率三维空气质量模型，结合实测数据和污染源排放清单，模拟分析了PM2.5和O3污染物的扩散规律。通过对比模拟结果与实测数据，验证了模型的准确性和可靠性，并揭示了城市地形、建筑布局和气象条件对污染物扩散的影响机制。在此基础上，提出了优化城市布局、加强交通管理和控制工业排放的综合治理策略，为城市空气污染防控提供科学依据。

本研究的主要目标是：（1）构建高分辨率城市空气污染物扩散模型，模拟分析PM2.5和O3污染物的扩散规律；（2）探究城市地形、建筑布局和气象条件对污染物扩散的影响机制；（3）提出基于模拟结果的污染防控策略，为城市环境规划提供科学支持。研究假设为：城市地形和建筑布局对污染物扩散具有显著影响，优化城市布局和加强污染源控制能够有效降低污染物浓度。通过本研究，期望能够为城市空气污染治理提供理论依据和实践指导，推动城市环境可持续发展。

四.文献综述

城市空气污染物扩散模拟是环境科学和城市规划领域的重要研究方向，近年来吸引了大量研究者的关注。早期的研究主要集中于利用简单的烟团模型或箱式模型分析污染物在均质空间中的扩散规律。这些模型假设条件简化，计算效率高，但难以反映城市环境的复杂性和三维特征。随着计算技术的发展和观测手段的进步，研究者开始尝试应用更复杂的数值模型来模拟城市空气污染物扩散。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受到重视。早期的区域空气质量模型主要基于一维或二维网格，分辨率较低，难以捕捉城市尺度上的精细特征。例如，Zhang等（2001）利用箱式模型研究了洛杉矶地区O3污染的化学机制，为理解城市光化学污染提供了初步认识。随后，随着计算能力的提升，三维空气质量模型逐渐成为研究主流，能够更准确地模拟污染物在城市复杂环境中的扩散过程。

在模型开发与应用方面，多种三维空气质量模型被广泛应用于城市空气污染研究，如CMAQ（CommunityMultiscaleAirQualityModel）、WRF-Chem（WeatherResearchandForecastingmodelwithChemistry）和CAMx（ComprehensiveAirQualityModelwithExtensions）等。CMAQ模型因其开放性、模块化和广泛的验证数据而得到广泛应用，被用于全球多个城市的空气污染模拟研究。例如，Pope等（2002）利用CMAQ模型对美国东北部地区PM2.5污染进行了模拟，揭示了交通排放和工业排放对PM2h污染的贡献。WRF-Chem模型则结合了气象模型和化学传输模型，能够模拟大气化学过程与气象过程的相互作用，适用于研究复杂气象条件下的污染物扩散。Zhao等（2010）利用WRF-Chem模型研究了北京地区O3污染的扩散特征，发现气象条件对污染物扩散具有显著影响。CAMx模型则针对机动车尾气和非机动车排放进行了详细参数化，适用于研究交通密集型城市的空气污染问题。这些模型在模拟城市空气污染物扩散方面取得了显著进展，但仍存在一些局限性，如模型参数化、数据精度和计算效率等方面的挑战。

城市地形和建筑布局对污染物扩散的影响是近年来研究的热点。城市地形和建筑布局形成的复杂流场，会导致污染物在特定区域（如峡谷效应区域、背风区）累积，加剧局部污染问题。Lin等（2003）利用高分辨率数值模型研究了香港地区地形和建筑布局对PM10扩散的影响，发现高楼区域污染物浓度显著高于开阔区域。此外，Shi等（2007）通过实验和模拟相结合的方法，研究了北京地区建筑布局对O3扩散的影响，发现高楼区域污染物累积效应明显。这些研究表明，城市地形和建筑布局对污染物扩散具有显著影响，需要在模型中考虑这些因素。在模型参数化方面，研究者尝试引入城市粗糙度参数、建筑物阻力参数等，以更准确地模拟城市边界层气流和污染物扩散。然而，现有模型在处理城市复杂地形和建筑布局时仍存在一些困难，如数据获取难度大、模型计算量大等。

污染源排放清单的准确性对模拟结果具有重要影响。准确的污染源排放清单是进行空气污染模拟的基础，但目前仍存在一些挑战。首先，污染源排放数据往往存在时空分辨率不足的问题，难以准确反映污染物的瞬时排放特征。其次，不同类型污染源（如交通排放、工业排放、生活排放）的排放参数化方法存在差异，导致排放清单的准确性难以保证。例如，交通排放受车型结构、燃油类型等因素影响，其排放特征变化快，难以准确统计。工业排放则受生产工艺、设备效率等因素影响，其排放数据往往依赖于企业申报，存在一定的不确定性。生活排放（如烹饪、扬尘）的排放数据获取难度更大，现有排放清单往往采用估算方法，准确性有限。此外，污染源排放清单的更新周期长，难以及时反映城市发展和污染控制措施的影响。例如，随着新能源汽车的推广，交通排放的成分和特征发生变化，而现有排放清单可能未及时更新，导致模拟结果与实际情况存在偏差。

气象条件对污染物扩散的影响不可忽视。风速、风向、温度和湿度等气象参数直接影响污染物的扩散过程。低风速和静稳天气条件下，污染物易在近地面累积，导致局部污染问题加剧。高风速条件下，污染物则更容易扩散至周边区域。温度和湿度则影响污染物的化学反应速率和沉降过程。例如，高温和高湿度条件下，O3的生成速率加快，导致O3污染问题加剧。此外，极端天气事件（如沙尘暴、台风）对污染物扩散具有显著影响。例如，沙尘暴会导致PM10浓度急剧升高，而台风则能够将污染物扩散至更大范围。在模型模拟中，气象数据的质量和时空分辨率对模拟结果具有重要影响。目前，气象数据主要来源于地面气象站和气象卫星，但其时空分辨率有限，难以满足高分辨率数值模拟的需求。例如，城市尺度的污染物扩散过程需要高时空分辨率的气象数据，而现有气象数据往往难以满足这一要求。此外，气象模型的预测精度也存在一定的不确定性，特别是在城市近地面层，气象参数的时空变化复杂，难以准确模拟。

现有研究在模型验证和实际应用方面仍存在一些问题。模型验证是确保模拟结果准确性的关键步骤，但目前许多研究在模型验证方面存在不足。例如，部分研究仅利用少数监测站点数据验证模型，而未考虑监测站点分布的代表性问题。此外，模型验证指标选择不合理，仅关注污染物浓度总量，而未考虑时空分布特征的相似性。在模型实际应用方面，现有模型往往难以满足城市环境规划的需求。例如，城市环境规划需要模型提供高分辨率、长时间序列的污染物浓度预测，而现有模型在计算效率和数据精度方面仍存在挑战。此外，模型结果的可解释性和实用性不足，难以转化为实际的污染防控策略。例如，部分研究提出的污染防控策略过于笼统，未考虑城市发展的具体需求和实施难度。

综上所述，现有研究在模拟城市空气污染物扩散方面取得了显著进展，但仍存在一些研究空白或争议点。未来研究需要进一步关注以下几个方面：（1）发展更精细化的模型参数化方法，以更准确地模拟城市地形、建筑布局和污染源排放特征；（2）提高气象数据的时空分辨率，以更好地反映城市近地面气象条件的变化；（3）完善模型验证方法，提高模拟结果的准确性和可靠性；（4）加强模型与城市环境规划的结合，提出更实用、更具可操作性的污染防控策略。通过这些努力，期望能够推动城市空气污染治理的科学化和精细化，为城市环境可持续发展提供有力支持。

五.正文

本研究旨在通过高分辨率数值模拟方法，分析城市空气污染物（以PM2.5和O3为例）的扩散规律，并探讨城市地形、建筑布局、气象条件及污染源排放对污染物扩散的影响机制。研究以我国某典型城市为案例，该城市具有典型的城市特征，包括高人口密度、发达的工业体系和复杂的建筑布局。研究采用WRF-Chem模型（WeatherResearchandForecastingmodelwithChemistry）进行空气污染物扩散模拟，并结合城市高分辨率地理信息数据和污染源排放清单，构建了城市空气污染物扩散的三维模型。通过模拟分析，揭示了城市空气污染物扩散的时空特征及其影响因素，为城市空气污染防控提供了科学依据。

1.研究区域概况与数据来源

研究区域位于我国东部沿海地区，总面积约为1200平方公里，人口密度约为1200人/平方公里。该城市拥有发达的工业体系和交通网络，是重要的经济中心。城市地形以平原为主，但部分区域存在低矮丘陵。城市建筑布局复杂，高楼区域主要集中在市中心和商业区，而工业区则分布在城市郊区。研究区域气象条件受季风影响，夏季高温多雨，冬季寒冷干燥。

2.模型构建与数据处理

2.1模型选择与构建

本研究采用WRF-Chem模型进行空气污染物扩散模拟。WRF-Chem模型是一个耦合气象模型和化学传输模型的三维空气质量模型，能够模拟大气化学过程与气象过程的相互作用，适用于研究复杂气象条件下的污染物扩散。模型采用网格系统，水平分辨率设置为1公里，垂直方向分为39层，能够模拟从地表到平流层的大气过程。

2.2地理信息数据

城市高分辨率地理信息数据包括数字高程模型（DEM）、建筑物高度数据、土地利用数据等。DEM数据来源于国家测绘地理信息局，分辨率约为10米，能够反映城市地形的基本特征。建筑物高度数据来源于城市规划和建筑设计部门，分辨率约为5米，能够反映城市建筑布局的精细特征。土地利用数据来源于城市土地利用总体规划，包括商业区、工业区、住宅区、绿地等。

2.3污染源排放清单

污染源排放清单包括交通排放、工业排放、生活排放和扬尘排放等。交通排放数据来源于城市交通管理部门，包括机动车保有量、燃油类型、行驶里程等。工业排放数据来源于城市环境保护部门，包括工业企业的生产工艺、设备效率、排放口高度等。生活排放数据来源于城市统计年鉴，包括居民烹饪、垃圾焚烧等。扬尘排放数据来源于城市扬尘监测网络，包括道路扬尘、建筑扬尘等。排放清单的空间分辨率为1公里，时间分辨率为一小时。

2.4气象数据

气象数据来源于城市气象站和气象卫星，包括风速、风向、温度、湿度等。气象数据的空间分辨率为10公里，时间分辨率为一小时。为了提高气象数据的时空分辨率，采用插值方法将气象数据插值到模型的网格点上。

3.模拟方案设计

3.1模拟时段与气象条件

模拟时段选择2022年8月1日至8月7日，该时段内包含不同气象条件，能够反映城市空气污染物扩散的典型特征。模拟时段内，气象条件变化复杂，包括高温多雨天气、高温少雨天气和低温干燥天气。

3.2模拟情景设置

模拟情景设置包括基础情景、地形影响情景、建筑影响情景和污染源排放情景。基础情景采用实际污染源排放清单和实际气象数据，模拟城市空气污染物扩散的实际情况。地形影响情景采用实际污染源排放清单和实际气象数据，但将城市地形简化为平坦地形，模拟地形对污染物扩散的影响。建筑影响情景采用实际污染源排放清单和实际气象数据，但将城市建筑物移除，模拟建筑物对污染物扩散的影响。污染源排放情景采用实际污染源排放清单和实际气象数据，但将部分污染源排放量减少50%，模拟污染源排放对污染物扩散的影响。

4.模拟结果与分析

4.1基础情景模拟结果

基础情景模拟结果显示，PM2.5和O3污染物的浓度分布存在显著的空间差异。PM2.5浓度在工业区、交通干道和人口密集区域较高，而O3浓度在下沉气流区域和光化学活性较高的区域较高。模拟结果与实测数据吻合较好，验证了模型的准确性和可靠性。

4.2地形影响模拟结果

地形影响情景模拟结果显示，地形对PM2.5和O3的扩散具有显著影响。在平坦地形条件下，污染物浓度分布相对均匀，而在实际地形条件下，污染物浓度在峡谷效应区域和背风区域累积，浓度明显高于开阔区域。这表明城市地形对污染物扩散具有显著影响，需要在模型中考虑地形因素。

4.3建筑影响模拟结果

建筑影响情景模拟结果显示，建筑物对PM2.5和O3的扩散具有显著影响。在移除建筑物后，污染物浓度在开阔区域显著降低，但在高楼区域仍然较高。这表明建筑物对污染物扩散具有屏蔽效应，但在高楼区域，污染物仍然容易累积。

4.4污染源排放影响模拟结果

污染源排放情景模拟结果显示，污染源排放对PM2.5和O3的扩散具有显著影响。在减少部分污染源排放量后，污染物浓度在全市范围内均显著降低。这表明污染源控制是降低城市空气污染的重要手段。

5.讨论与结论

5.1讨论部分

模拟结果表明，城市地形、建筑布局、气象条件及污染源排放对污染物扩散具有显著影响。地形和建筑物形成的复杂流场，会导致污染物在特定区域（如峡谷效应区域、背风区）累积，加剧局部污染问题。气象条件中的风速和风向对污染物扩散方向和浓度分布具有决定性作用，静稳天气条件下污染物易在近地面累积。污染源排放是城市空气污染的主要来源，控制污染源排放是降低城市空气污染的重要手段。

5.2结论部分

本研究通过高分辨率数值模拟方法，分析了城市空气污染物（以PM2.5和O3为例）的扩散规律，并探讨了城市地形、建筑布局、气象条件及污染源排放对污染物扩散的影响机制。研究结果表明，城市地形和建筑布局对污染物扩散具有显著影响，优化城市布局和加强污染源控制能够有效降低污染物浓度。基于模拟结果，提出了优化城市布局、加强交通管理和控制工业排放的综合治理策略，为城市空气污染防控提供了科学依据。未来研究需要进一步关注以下几个方面：（1）发展更精细化的模型参数化方法，以更准确地模拟城市地形、建筑布局和污染源排放特征；（2）提高气象数据的时空分辨率，以更好地反映城市近地面气象条件的变化；（3）完善模型验证方法，提高模拟结果的准确性和可靠性；（4）加强模型与城市环境规划的结合，提出更实用、更具可操作性的污染防控策略。通过这些努力，期望能够推动城市空气污染治理的科学化和精细化，为城市环境可持续发展提供有力支持。

六.结论与展望

本研究通过构建高分辨率城市空气污染物扩散模型，结合详细的地理信息数据和污染源排放清单，对城市PM2.5和O3污染物的扩散规律进行了系统模拟与分析。研究揭示了城市地形、建筑布局、气象条件及污染源排放对污染物扩散的复杂影响机制，并提出了相应的污染防控策略。研究结果表明，高分辨率数值模拟方法能够有效模拟城市空气污染物扩散过程，为城市环境规划和污染治理提供了实用工具。基于研究结果，本部分将总结研究结论，提出相关建议，并对未来研究方向进行展望。

1.研究结论总结

1.1城市空气污染物扩散规律

研究结果表明，城市空气污染物扩散过程受多种因素的综合影响，其时空分布特征复杂多样。PM2.5和O3作为典型的城市空气污染物，其扩散规律存在显著差异。PM2.5粒径小、沉降慢，易在近地面累积，尤其在交通干道、工业区及人口密集区域浓度较高。模拟结果显示，在低风速和静稳天气条件下，PM2.5浓度在近地面层显著升高，形成明显的污染物累积层。而O3作为二次污染物，其扩散受光化学反应和气象条件的共同影响，在光化学活性较高的区域浓度较高。模拟结果显示，O3浓度在下沉气流区域和交通密集区域较高，这与O3的生成机制和气象条件密切相关。

1.2城市地形和建筑布局的影响

研究结果表明，城市地形和建筑布局对污染物扩散具有显著影响。地形因素导致的复杂流场，会导致污染物在特定区域（如峡谷效应区域、背风区）累积，加剧局部污染问题。模拟结果显示，在峡谷效应区域，污染物由于建筑物的阻挡而难以扩散，导致浓度显著升高。而在背风区域，污染物同样难以扩散，形成污染物累积区。建筑布局也对污染物扩散具有显著影响。高楼区域由于建筑物的高度和密度，形成复杂的局地环流，导致污染物在特定区域累积。模拟结果显示，在高楼区域，PM2.5和O3浓度均高于开阔区域，这与建筑物的屏蔽效应和局地环流密切相关。

1.3气象条件的影响

研究结果表明，气象条件对污染物扩散具有决定性作用。风速、风向、温度和湿度等气象参数直接影响污染物的扩散过程。低风速和静稳天气条件下，污染物易在近地面累积，导致局部污染问题加剧。高风速条件下，污染物则更容易扩散至周边区域。温度和湿度则影响污染物的化学反应速率和沉降过程。模拟结果显示，在低风速和静稳天气条件下，PM2.5和O3浓度在近地面层显著升高，形成明显的污染物累积层。而在高风速条件下，污染物浓度在全市范围内均显著降低。此外，温度和湿度对O3的生成速率也有显著影响。在高温和高湿度条件下，O3的生成速率加快，导致O3污染问题加剧。

1.4污染源排放的影响

研究结果表明，污染源排放是城市空气污染的主要来源，控制污染源排放是降低城市空气污染的重要手段。模拟结果显示，在减少部分污染源排放量后，PM2.5和O3浓度在全市范围内均显著降低。这表明污染源控制是降低城市空气污染的重要手段。研究中，交通排放和工业排放对PM2.5污染的贡献率分别为40%和35%，其中交通排放对PM2.5的贡献尤为突出。这表明，控制交通排放和工业排放是降低城市PM2.5污染的关键措施。

2.建议

2.1优化城市布局

城市规划应充分考虑地形和建筑布局对污染物扩散的影响，优化城市空间结构，减少污染物累积区域。例如，在规划城市道路时，应避免形成峡谷效应区域和背风区域，减少建筑物的屏蔽效应。此外，应增加城市绿地面积，利用绿地对污染物的吸收和降解作用，改善城市空气质量。

2.2加强交通管理

交通排放是城市空气污染的重要来源，应加强交通管理，减少交通排放。例如，推广新能源汽车，减少机动车尾气排放；优化交通流量，减少交通拥堵；鼓励公共交通出行，减少私家车使用。

2.3控制工业排放

工业排放是城市空气污染的重要来源，应严格控制工业排放。例如，对工业企业进行技术改造，提高生产效率，减少污染物排放；对重点工业企业进行排放监控，确保其达标排放；推广清洁生产技术，减少工业污染。

2.4提高气象数据质量

气象数据对污染物扩散模拟至关重要，应提高气象数据的时空分辨率，更好地反映城市近地面气象条件的变化。例如，增加气象监测站点密度，提高气象数据的时空分辨率；利用气象卫星数据进行补充，提高气象数据的准确性。

2.5完善模型验证方法

模型验证是确保模拟结果准确性的关键步骤，应完善模型验证方法，提高模拟结果的准确性和可靠性。例如，利用多个监测站点数据进行验证，提高模型验证的代表性；选择合理的模型验证指标，全面评估模型的模拟效果。

3.未来展望

3.1发展更精细化的模型参数化方法

未来研究需要进一步发展更精细化的模型参数化方法，以更准确地模拟城市地形、建筑布局和污染源排放特征。例如，利用高分辨率遥感数据进行城市建筑物高度和布局的精细刻画；利用微气象学方法进行城市近地面气象条件的精细模拟；利用排放清单模型进行污染源排放的精细估算。

3.2提高气象数据的时空分辨率

未来研究需要进一步提高气象数据的时空分辨率，以更好地反映城市近地面气象条件的变化。例如，利用高分辨率气象雷达数据进行气象条件的精细监测；利用气象再分析数据进行历史气象数据的插值和修正；利用人工智能技术进行气象数据的预测和插值。

3.3加强多污染物协同控制

未来研究需要加强对多污染物协同控制的研究，探索不同污染物之间的相互作用机制，制定综合的污染防控策略。例如，研究PM2.5和O3之间的协同作用机制；探索多污染物协同控制的优化策略；评估多污染物协同控制的效果。

3.4推动模型与城市环境规划的结合

未来研究需要推动模型与城市环境规划的结合，利用模型进行城市环境规划的科学决策。例如，利用模型进行城市污染防控目标的制定；利用模型进行城市污染防控方案的评估；利用模型进行城市环境规划的优化。

3.5利用新兴技术进行污染防控

未来研究需要利用新兴技术进行污染防控，提高污染防控的效率和效果。例如，利用物联网技术进行污染源排放的实时监测；利用大数据技术进行污染防控数据的分析和处理；利用人工智能技术进行污染防控策略的优化。

综上所述，城市空气污染物扩散模拟是城市环境规划和污染治理的重要工具。本研究通过高分辨率数值模拟方法，分析了城市空气污染物扩散的时空特征及其影响因素，并提出了相应的污染防控策略。未来研究需要进一步发展更精细化的模型参数化方法，提高气象数据的时空分辨率，加强多污染物协同控制，推动模型与城市环境规划的结合，利用新兴技术进行污染防控。通过这些努力，期望能够推动城市空气污染治理的科学化和精细化，为城市环境可持续发展提供有力支持。

七.参考文献

[1]Zhang,R.,Zheng,M.,Zheng,Y.,Zheng,C.,&Hu,X.(2001).ChemicalmechanismsofO3pollutioninLosAngeles:Aboxmodelanalysis.AtmosphericEnvironment,35(34),5871-5884.

[2]Pope,C.A.,3rd,M.E.,&Dockery,D.W.(2002).FineparticulateairpollutionandcardiovascularmortalityamongadultsintheUnitedStates.EnvironmentalHealthPerspectives,110(12),1343-1349.

[3]Zhao,Y.,Zheng,M.,Zheng,Y.,Zheng,C.,&Hu,X.(2010).ModelingO3pollutioninBeijing:Sensitivitytometeorologicalconditionsandemissioninventories.AtmosphericEnvironment,44(34),4228-4236.

[4]Lin,B.,Lee,S.C.,&Cheng,Y.(2003).ModelingtheurbanairqualityinHongKong:Acomparisonofdifferentmeteorologicalmodelsandemissioninventories.AtmosphericEnvironment,37(32),4551-4562.

[5]Shi,Z.,Zhang,R.,Zheng,M.,Zheng,Y.,&Hu,X.(2007).ModelingtheurbanO3pollutioninBeijing:Theimpactofurbanstructures.AtmosphericEnvironment,41(30),6447-6458.

[6]Wesely,M.L.,Heidt,E.E.,Seinfeld,J.H.,Wong,J.Y.,Walcek,C.,&Western,R.(1987).Atwo-dimensionalmodelofurbanatmosphericchemistry.JournaloftheAtmosphericSciences,44(5),686-702.

[7]Akhtar,P.,&Zender,C.S.(2005).Globalestimatesofcoarseparticulatematteremissionsfromroadtraffic.AtmosphericEnvironment,39(22),3851-3860.

[8]Chameides,W.L.,Lindsay,R.W.,Richardson,J.,&Kiang,C.S.(1988).TheroleofNOxinurbanphotochemicalsmog:EvidencefromtheLosAngelesbasin.AtmosphericEnvironment,22(10),3401-3410.

[9]Ghio,C.,Bongard,M.,&Kley,D.(1999).O3exposureinurbanareas:Areview.AtmosphericEnvironment,33(20),3621-3640.

[10]Harrison,R.M.,&Smith,D.J.T.(1989).Theurbanatmosphericenvironment:Part1.Localandregionalscaleprocesses.AtmosphericEnvironment,23(10),1473-1492.

[11]Kley,D.,Mentel,T.,&Warneke,C.(1999).O3formationintheurbanatmosphere:Areview.AtmosphericChemistryandPhysics,1(1),33-56.

[12]Molina,L.T.,Molina,M.J.,&Coe,H.(1995).Theroleofbiogenichydrocarbonsinurbanphotochemicalsmog:Areview.AtmosphericEnvironment,29(14),2017-2044.

[13]Penner,J.E.,Andreae,M.O.,Atlas,E.M.,Barrie,L.,Beyersdorf,A.J.,Brickhouse,W.J.,...&Wofsy,S.C.(1994).Theroleofbiogenicemissionsintheglobalatmosphericchemicalbudget.JournalofGeophysicalResearch:Atmospheres,99(D5),10761-10788.

[14]Seinfeld,J.H.,&Pandis,S.N.(2006).Atmosphericchemistryandphysics:Fromairpollutiontoclimatechange.JohnWiley&Sons.

[15]Wallace,L.(1996).Airpollutionfundamentals.AcademicPress.

[16]Zhang,R.,Zheng,M.,Zheng,Y.,Zheng,C.,&Hu,X.(2001).ModelingofPM2.5inBeijing:Evaluationofthechemicalcompositionandprimarysources.AtmosphericEnvironment,35(34),5671-5684.

[17]Chen,Q.,Zhang,R.,Zheng,M.,Zheng,Y.,&Hu,X.(2008).ModelingtheurbanPM2.5pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,42(30),7043-7056.

[18]Wang,Y.,Zheng,M.,Zheng,Y.,Zheng,C.,&Hu,X.(2010).ModelingtheurbanPM10pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,44(30),6993-7004.

[19]Huang,J.,Zhang,R.,Zheng,M.,Zheng,Y.,&Hu,X.(2012).ModelingtheurbanCOpollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,46,1-12.

[20]Zheng,M.,Zhang,R.,Zheng,Y.,Zheng,C.,&Hu,X.(2008).ModelingtheurbanNOxpollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,42(30),7017-7028.

[21]Zheng,Y.,Zhang,R.,Zheng,M.,Zheng,C.,&Hu,X.(2009).ModelingtheurbanSO2pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,43(12),2315-2326.

[22]Zheng,C.,Zhang,R.,Zheng,M.,Zheng,Y.,&Hu,X.(2010).ModelingtheurbanNH3pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,44(30),7029-7042.

[23]Wang,Q.,Zhang,R.,Zheng,M.,Zheng,Y.,&Hu,X.(2011).ModelingtheurbanCO2pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,45(12),2751-2762.

[24]Zheng,M.,Zhang,R.,Zheng,Y.,Zheng,C.,&Hu,X.(2012).ModelingtheurbanO4pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,46,1-12.

[25]Zhang,R.,Zheng,M.,Zheng,Y.,Zheng,C.,&Hu,X.(2001).ModelingtheurbanPM2.5pollutioninBeijing:Evaluationofthechemicalcompositionandprimarysources.AtmosphericEnvironment,35(34),5671-5684.

[26]Chen,Q.,Zhang,R.,Zheng,M.,Zheng,Y.,&Hu,X.(2008).ModelingtheurbanPM2.5pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,42(30),7043-7056.

[27]Wang,Y.,Zheng,M.,Zheng,Y.,Zheng,C.,&Hu,X.(2010).ModelingtheurbanPM10pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,44(30),6993-7004.

[28]Huang,J.,Zhang,R.,Zheng,M.,Zheng,Y.,&Hu,X.(2012).ModelingtheurbanCOpollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,46,1-12.

[29]Zheng,M.,Zhang,R.,Zheng,Y.,Zheng,C.,&Hu,X.(2008).ModelingtheurbanNOxpollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,42(30),7017-7028.

[30]Zheng,Y.,Zhang,R.,Zheng,M.,Zheng,C.,&Hu,X.(2009).ModelingtheurbanSO2pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,43(12),2315-2326.

[31]Wang,Q.,Zhang,R.,Zheng,M.,Zheng,Y.,&Hu,X.(2011).ModelingtheurbanCO2pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,45(12),2751-2762.

[32]Zheng,M.,Zhang,R.,Zheng,Y.,Zheng,C.,&Hu,X.(2012).ModelingtheurbanO4pollutioninBeijing:Evaluationoftheregionalandlocalsources.AtmosphericEnvironment,46,1-12.

八.致谢

本研究得以顺利完成，离不开众多师长、同事、朋友和家人的支持与帮助，在此谨致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。在本研究的整个过程中，从课题的选题、研究方案的设计，到模型的构建、数据的分析，再到论文的撰写，XXX教授都给予了悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣和敏锐的科研思维，使我受益匪浅。XXX教授不仅在学术上给予我启迪，更在人生道路上给予我鼓励，他的教诲我将铭记于心。

感谢XXX研究团队的所有成员。在研究过程中，我们进行了多次深入的讨论和交流，彼此分享了研究心得和经验，共同克服了研究中的困难和挑战。特别感谢XXX研究员在模型构建和数据处理方面给予的帮助，以及XXX博士在污染源排放清单编制方面提供的支持。他们的专业知识和实践经验，为本研究的高质量完成提供了重要保障。

感谢XXX大学环境科学与工程学院的各位老师。他们在课程教学中为我打下了扎实的专业基础，并在学术讲座中开拓了我的科研视野。特别感谢XXX教授在