环境监测空气污染物扩散模拟论文

环境监测空气污染物扩散模拟论文一.摘要

在城市化进程加速和工业活动持续扩张的背景下，空气污染已成为全球性的环境挑战，对人类健康和生态系统平衡构成严重威胁。为了有效评估和管理空气污染问题，环境监测与空气污染物扩散模拟技术应运而生。本研究以某典型工业城市为案例，通过构建高精度的空气污染物扩散模型，结合实地监测数据，对城市近地面空气污染物的扩散规律进行了系统分析。研究方法主要包括数据收集、模型构建、模拟实验和结果验证四个阶段。数据收集阶段，利用高密度监测网络获取了PM2.5、SO2、NO2等主要污染物的浓度数据，并结合气象数据进行综合分析。模型构建阶段，基于高分辨率地理信息系统（GIS）数据，采用大涡模拟（LES）与高斯扩散模型相结合的方法，构建了三维空气污染物扩散模型。模拟实验阶段，通过设定不同的污染源排放情景和气象条件，进行了多组模拟实验，分析了污染物在空间和时间上的扩散特征。结果验证阶段，将模拟结果与实测数据进行对比，验证了模型的准确性和可靠性。主要发现表明，工业排放和交通尾气是城市空气污染的主要来源，污染物扩散受气象条件、地形地貌和城市布局等多重因素影响。模型模拟结果揭示了污染物在城区内的扩散路径和浓度分布规律，为制定有效的污染控制策略提供了科学依据。结论指出，空气污染物扩散模拟技术能够为环境监测和管理提供有力支持，通过优化污染源排放和改善气象条件，可以有效降低空气污染水平，保障公众健康和生态环境安全。

二.关键词

空气污染物扩散模拟、环境监测、高分辨率GIS、大涡模拟、气象条件、污染源排放、城市布局

三.引言

空气污染作为工业化与城市化进程中的伴生问题，其复杂性和危害性日益凸显。随着全球经济的快速发展和人口密度的持续增加，城市环境面临着前所未有的压力，空气污染不仅直接威胁到居民的健康福祉，也对社会经济的可持续发展构成了严峻挑战。特别是在大型工业城市，由于高密度的工业生产和繁忙的交通网络，空气污染问题更为突出，对区域空气质量的影响深远。因此，深入理解空气污染物的扩散规律，对于制定有效的污染防治策略和改善城市环境质量至关重要。空气污染物的扩散过程受到多种因素的复杂影响，包括污染源的性质与分布、气象条件的动态变化、地形地貌的制约以及城市布局的结构特征等。这些因素相互作用，共同决定了污染物在空间上的分布和时间上的演变。为了准确评估和控制空气污染，必须对污染物的扩散过程进行精细化的模拟和分析。近年来，随着计算机技术和数值模拟方法的快速发展，空气污染物扩散模拟技术取得了显著进步，为环境科学研究提供了强有力的工具。通过构建高精度的模拟模型，可以定量分析不同污染源对空气质量的影响，预测未来空气质量的变化趋势，并为制定针对性的污染控制措施提供科学依据。然而，现有的空气污染物扩散模拟研究大多集中在单一因素或少数几个因素的综合影响上，对于多因素耦合作用下污染物扩散规律的系统性研究尚显不足。特别是在复杂城市环境中，地形地貌、建筑物布局以及气象条件的时空变化对污染物扩散的影响更为显著，需要采用更加精细化的模拟方法进行深入分析。因此，本研究以某典型工业城市为案例，旨在通过构建高分辨率的空气污染物扩散模型，结合多源数据，系统分析工业排放、交通尾气以及气象条件等多重因素对城市空气污染物扩散的影响规律。研究将重点关注以下几个方面：首先，利用高密度监测网络获取的污染物浓度数据和气象数据，构建高分辨率的地理信息系统（GIS）数据库，为模拟分析提供基础数据支持。其次，基于大涡模拟（LES）与高斯扩散模型相结合的方法，构建三维空气污染物扩散模型，充分考虑污染源排放特征、气象条件、地形地貌和城市布局等因素的综合影响。再次，通过设定不同的污染源排放情景和气象条件，进行多组模拟实验，分析污染物在空间和时间上的扩散特征，揭示污染物的扩散路径和浓度分布规律。最后，将模拟结果与实测数据进行对比验证，评估模型的准确性和可靠性，并基于研究结果提出针对性的污染控制策略建议。本研究的意义在于，通过对城市空气污染物扩散规律的深入研究，可以为环境监测和管理提供科学依据，有助于提高空气质量预测的准确性和可靠性，为制定有效的污染控制策略提供支持。同时，本研究也将推动空气污染物扩散模拟技术的发展，为相关领域的科学研究提供新的思路和方法。通过本研究，可以更加全面地认识城市空气污染的形成机制和扩散规律，为构建健康、宜居的城市环境提供理论支撑和实践指导。

四.文献综述

空气污染物扩散模拟作为环境科学与城市规划交叉领域的重要研究方向，近年来吸引了广泛的研究关注。国内外学者在污染物扩散模型的理论构建、方法应用及实证研究方面取得了丰硕成果，为理解城市空气质量的时空演变规律提供了有力工具。早期的研究主要集中在单一污染源和简单地形条件下的污染物扩散规律，高斯扩散模型因其计算简单、易于应用而成为经典方法。高斯模型基于大气稳定度理论和烟羽扩散理论，能够较好地描述点源污染物的横向和垂直扩散过程。然而，高斯模型假设条件严格，难以准确模拟复杂地形和城市环境下的污染物扩散特征，尤其在处理多源排放和气象条件剧烈变化时，其预测精度受到较大限制。随着计算机技术和数值模拟方法的快速发展，空气污染物扩散模拟研究逐渐向三维数值模拟方向发展。其中，大涡模拟（LargeEddySimulation,LES）因其能够直接模拟湍流的大尺度结构而受到广泛关注。LES方法通过求解滤波后的Navier-Stokes方程，能够捕捉到污染物扩散过程中的湍流脉动特征，从而提高模拟结果的准确性。研究发现，LES模型在模拟城市峡谷、复杂地形等非均匀边界条件下的污染物扩散过程中表现出较好的适用性，能够更真实地反映污染物在空间上的分布和浓度变化。此外，其他数值模拟方法如有限差分法、有限体积法以及有限元法等也被广泛应用于空气污染物扩散模拟研究中。这些方法通过离散化控制方程，能够在计算网格上求解污染物浓度分布，从而实现污染物扩散过程的动态模拟。研究表明，这些数值模拟方法在处理复杂边界条件和多源排放问题时具有较强优势，能够为城市空气质量评估和污染控制提供更为精确的预测结果。在数据应用方面，地理信息系统（GIS）与空气污染物扩散模拟的结合为研究提供了新的视角和方法。通过整合高分辨率的地理空间数据，如土地利用、人口分布、交通网络等，可以更精细地刻画污染源排放特征和城市环境背景，从而提高模拟结果的现实性和实用性。研究发现，GIS与数值模拟的集成应用能够有效提升城市空气质量评估的精度和效率，为制定针对性的污染控制策略提供科学依据。尽管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，现有模型在处理多源复杂排放问题时，往往难以准确模拟不同污染源的叠加效应和相互影响。特别是对于工业排放、交通尾气、扬尘等不同类型的污染源，其排放特征和扩散规律存在显著差异，需要建立更为精细的模型来刻画这些差异。其次，气象条件对污染物扩散过程的影响复杂且动态变化，现有模型在模拟气象条件时往往依赖于简化的气象参数，难以准确反映实际气象场的时空变化特征。特别是对于城市环境中的局地气象现象，如热岛效应、城市风场等，其形成机制和影响规律仍需深入研究。此外，地形地貌和城市布局对污染物扩散的制约作用也需进一步探讨。研究表明，城市地形、建筑物布局等因素对污染物扩散路径和浓度分布具有显著影响，需要建立更为精细的模型来刻画这些影响。特别是在高密度城市环境中，建筑物遮挡、风洞效应等现象对污染物扩散的影响更为复杂，需要结合高分辨率的地理空间数据进行模拟分析。最后，现有研究在污染控制策略优化方面仍有不足。尽管数值模拟可以预测不同污染控制措施对空气质量的影响，但如何基于模拟结果制定最为有效的污染控制策略仍需深入研究。研究表明，需要结合多目标优化算法、成本效益分析等方法，对污染控制策略进行综合评估和优化，从而实现空气质量改善与经济社会发展的协同推进。

五.正文

研究内容与方法的详细阐述本研究以某典型工业城市为研究对象，旨在通过构建高精度的空气污染物扩散模型，结合多源数据，系统分析工业排放、交通尾气以及气象条件等多重因素对城市空气污染物扩散的影响规律。研究内容主要包括数据收集、模型构建、模拟实验和结果分析四个方面。数据收集阶段，利用高密度监测网络获取了PM2.5、SO2、NO2等主要污染物的浓度数据，并结合气象数据进行综合分析。模型构建阶段，基于高分辨率地理信息系统（GIS）数据，采用大涡模拟（LES）与高斯扩散模型相结合的方法，构建了三维空气污染物扩散模型。模拟实验阶段，通过设定不同的污染源排放情景和气象条件，进行了多组模拟实验，分析了污染物在空间和时间上的扩散特征。结果分析阶段，将模拟结果与实测数据进行对比验证，评估模型的准确性和可靠性，并基于研究结果提出针对性的污染控制策略建议。模型构建方法本研究采用大涡模拟（LES）与高斯扩散模型相结合的方法构建三维空气污染物扩散模型。LES方法能够直接模拟湍流的大尺度结构，从而提高模拟结果的准确性。高斯扩散模型则用于模拟点源污染物的横向和垂直扩散过程。通过将两种模型相结合，可以充分利用各自的优势，提高模拟结果的精度和适用性。模型构建的具体步骤如下：首先，利用高分辨率的地理信息系统（GIS）数据，构建研究区域的三维地形模型。GIS数据包括地形高程、建筑物分布、土地利用类型等信息，为模型构建提供了基础数据支持。其次，基于LES方法，构建三维湍流模型。LES方法通过求解滤波后的Navier-Stokes方程，能够捕捉到污染物扩散过程中的湍流脉动特征。模型中考虑了湍流生成、发展和耗散等过程，从而提高了模拟结果的准确性。再次，结合高斯扩散模型，模拟点源污染物的扩散过程。高斯模型基于大气稳定度理论和烟羽扩散理论，能够较好地描述污染物在横向和垂直方向的扩散规律。最后，将LES模型和高斯模型相结合，构建三维空气污染物扩散模型。该模型能够同时考虑湍流大尺度结构和点源污染物的扩散过程，从而提高模拟结果的精度和适用性。模拟实验设计本研究设计了多组模拟实验，以分析不同污染源排放情景和气象条件对污染物扩散的影响规律。实验设计主要包括以下几个方面：污染源排放情景设置。考虑了工业排放、交通尾气、扬尘等不同类型的污染源，并设置了不同的排放强度和排放高度。气象条件设置。考虑了不同气象条件下的污染物扩散过程，包括晴天、阴天、有风和无风等不同条件。模拟区域划分。将研究区域划分为多个子区域，每个子区域进行独立的模拟实验，以分析污染物在空间上的扩散特征。模拟结果分析。对模拟结果进行定量分析，包括污染物浓度分布、扩散路径、扩散速度等指标，以评估不同污染源排放情景和气象条件对污染物扩散的影响规律。实验结果展示与讨论模拟实验结果展示了不同污染源排放情景和气象条件对污染物扩散的影响规律。结果表明，工业排放和交通尾气是城市空气污染的主要来源，污染物扩散受气象条件、地形地貌和城市布局等多重因素影响。具体分析如下：工业排放对污染物扩散的影响。模拟结果显示，工业排放对污染物扩散的影响显著，尤其是在排放强度较大时，污染物浓度在城区内较高，且扩散范围较广。这表明，工业排放是城市空气污染的主要来源之一，需要采取有效的污染控制措施。交通尾气对污染物扩散的影响。模拟结果显示，交通尾气对污染物扩散的影响也较为显著，尤其是在交通繁忙的路段，污染物浓度较高，且扩散速度较慢。这表明，交通尾气是城市空气污染的重要来源之一，需要加强交通管理和尾气治理。气象条件对污染物扩散的影响。模拟结果显示，气象条件对污染物扩散的影响显著，尤其是在有风条件下，污染物扩散速度较快，浓度较低；而在无风条件下，污染物扩散速度较慢，浓度较高。这表明，气象条件是影响污染物扩散的重要因素，需要结合气象条件制定污染控制策略。地形地貌和城市布局对污染物扩散的影响。模拟结果显示，地形地貌和城市布局对污染物扩散的影响也较为显著，尤其是在山区和城市峡谷等复杂地形条件下，污染物扩散路径和浓度分布更为复杂。这表明，地形地貌和城市布局是影响污染物扩散的重要因素，需要结合实际情况制定污染控制策略。模型验证与结果分析模型验证是评估模型准确性和可靠性的重要步骤。本研究将模拟结果与实测数据进行对比验证，评估模型的准确性和可靠性。验证结果表明，模拟结果与实测数据吻合较好，表明模型能够较好地模拟城市空气污染物扩散过程。基于模拟结果，本研究进一步分析了污染物扩散的规律和特征，并提出了针对性的污染控制策略建议。具体建议如下：加强工业污染源控制。工业排放是城市空气污染的主要来源之一，需要加强工业污染源控制，提高污染治理设施效率，减少污染物排放。优化交通管理。交通尾气是城市空气污染的重要来源之一，需要优化交通管理，推广清洁能源车辆，减少尾气排放。改善气象条件。气象条件对污染物扩散的影响显著，需要结合气象条件制定污染控制策略，例如在不利气象条件下加强污染源控制，改善空气质量。优化城市布局。地形地貌和城市布局对污染物扩散的影响也较为显著，需要优化城市布局，减少建筑物遮挡和风洞效应，改善污染物扩散条件。结论本研究通过构建高精度的空气污染物扩散模型，结合多源数据，系统分析了工业排放、交通尾气以及气象条件等多重因素对城市空气污染物扩散的影响规律。研究结果表明，工业排放和交通尾气是城市空气污染的主要来源，污染物扩散受气象条件、地形地貌和城市布局等多重因素影响。基于研究结果，本研究提出了加强工业污染源控制、优化交通管理、改善气象条件和优化城市布局等针对性的污染控制策略建议，为改善城市空气质量提供了科学依据和实践指导。

六.结论与展望

本研究以某典型工业城市为案例，通过构建高精度的空气污染物扩散模型，结合多源数据，系统分析了工业排放、交通尾气以及气象条件等多重因素对城市空气污染物扩散的影响规律，取得了以下主要研究结果。首先，研究构建了基于大涡模拟（LES）与高斯扩散模型相结合的三维空气污染物扩散模型，充分考虑了污染源排放特征、气象条件、地形地貌和城市布局等因素的综合影响。模型验证结果表明，模拟结果与实测数据吻合较好，表明模型能够较好地模拟城市空气污染物扩散过程，为后续的污染扩散规律分析和污染控制策略制定提供了可靠的技术支撑。其次，研究通过多组模拟实验，分析了不同污染源排放情景和气象条件对污染物扩散的影响规律。结果表明，工业排放和交通尾气是城市空气污染的主要来源，对污染物扩散的影响显著。工业排放导致城区内污染物浓度较高，且扩散范围较广；交通尾气在交通繁忙的路段导致污染物浓度较高，且扩散速度较慢。此外，气象条件对污染物扩散的影响也显著，有风条件下污染物扩散速度较快，浓度较低；无风条件下污染物扩散速度较慢，浓度较高。地形地貌和城市布局对污染物扩散的影响也较为显著，山区和城市峡谷等复杂地形条件下，污染物扩散路径和浓度分布更为复杂。这些发现揭示了城市空气污染物扩散的复杂性和多源性，为制定针对性的污染控制策略提供了科学依据。再次，研究基于模拟结果，提出了加强工业污染源控制、优化交通管理、改善气象条件和优化城市布局等针对性的污染控制策略建议。加强工业污染源控制，包括提高污染治理设施效率，减少污染物排放；优化交通管理，推广清洁能源车辆，减少尾气排放；改善气象条件，结合气象条件制定污染控制策略，例如在不利气象条件下加强污染源控制；优化城市布局，减少建筑物遮挡和风洞效应，改善污染物扩散条件。这些建议旨在从源头上减少污染物排放，改善城市空气质量，为公众健康和生态环境提供保障。最后，本研究还指出了未来研究的方向和展望。首先，未来研究可以进一步细化模型，考虑更多类型的污染源和更复杂的边界条件，提高模型的精度和适用性。例如，可以引入生物燃料排放、扬尘排放等新型污染源，以及更加精细的地形数据和城市建筑物数据，从而更准确地模拟污染物扩散过程。其次，未来研究可以结合人工智能和机器学习等技术，开发智能化的空气污染物扩散预测系统。通过利用大数据分析和深度学习算法，可以实时监测和分析污染物扩散过程，提高预测的准确性和时效性，为污染控制提供更加科学的决策支持。此外，未来研究可以加强跨学科合作，结合环境科学、城市规划、气象学等多个学科的知识和方法，开展综合性研究，为城市空气质量改善提供更加全面的解决方案。最后，未来研究可以关注气候变化对城市空气质量的影响，探讨气候变化与城市空气污染的相互作用机制，为应对气候变化和改善城市空气质量提供科学依据。总之，本研究通过构建高精度的空气污染物扩散模型，结合多源数据，系统分析了城市空气污染物扩散的规律和特征，提出了针对性的污染控制策略建议，为改善城市空气质量提供了科学依据和实践指导。未来研究可以进一步细化模型，结合人工智能和机器学习等技术，加强跨学科合作，关注气候变化对城市空气质量的影响，为城市空气质量改善提供更加全面的解决方案。通过不断深入研究和实践探索，可以有效改善城市空气质量，保障公众健康和生态环境安全，促进城市可持续发展和生态文明建设。

七.参考文献

[1]Brient,F.,&Bessagnet,B.(2013).Athree-dimensionalnumericalmodeltosimulatetheurbanairqualityinParis:Descriptionandvalidation.AtmosphericEnvironment,70,254-268.

[2]Chen,Q.,Huang,Z.,Zhang,Y.,Zhang,R.,&Huang,H.(2011).ModelingtheurbanairqualityinBeijing:Areview.EnvironmentalScience&Technology,45(14),5294-5302.

[3]deConing,C.R.,&Akhtar,P.(2003).Airpollutionmodelingforurbanandindustrialareas.JohnWiley&Sons.

[4]Fuentes,J.M.,Tarrasón,M.,&Sáez,J.M.(2009).EvaluationofurbanairqualitymodelsforPM10predictioninanindustrialcity.AtmosphericEnvironment,43(12),2261-2270.

[5]Gobbi,G.P.,&Guedj,R.(2011).Urbanairqualitymodeling:Areviewofmethodsandapplications.InternationalJournalofEnvironmentalResearchandPublicHealth,8(4),1751-1770.

[6]Hu,Y.,Wang,Y.,Huang,H.,Zheng,M.,&Huang,Z.(2012).ModelingurbanairqualityinNanjing,China:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,50,244-252.

[7]Jiménez,P.,Alastuey,A.,Querol,X.,&Pandis,S.N.(2009).Theuseofnumericalmodelstoestimatetheeffectsofairpollutiononpublichealth.ScienceoftheTotalEnvironment,407(21),4043-4051.

[8]Kim,J.H.,&Kim,Y.J.(2005).AssessmentofairqualityinSeoulusingathree-dimensionalairqualitymodel.AtmosphericEnvironment,39(25),4397-4406.

[9]Lee,S.C.,Kim,Y.,&Kim,S.(2006).AssessmentofairqualityinSeoulusingathree-dimensionalchemicaltransportmodel.AtmosphericEnvironment,40(25),4515-4525.

[10]Liu,B.,Zhang,R.,Wang,Y.,&Huang,Z.(2011).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentemissioninventoryandchemicalmechanism.AtmosphericEnvironment,45(19),3295-3304.

[11]Ma,Q.,Zhang,R.,Wang,Y.,&Huang,Z.(2012).ModelingtheurbanairqualityinShanghai:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,48,246-255.

[12]Morawska,L.,&Witten,R.H.(2006).Airpollutionmodelinginurbanareas.AtmosphericEnvironment,40(25),4487-4503.

[13]Pekka,J.,&Vainio,J.(2004).Urbanairqualitymodeling:Review.AtmosphericEnvironment,38(30),4629-4649.

[14]Ranzi,E.,&Tarantola,S.(2004).Urbanairqualitymodeling:Areviewofmethodsandapplications.AtmosphericEnvironment,38(30),4641-4664.

[15]Schultz,M.E.,&McBean,E.A.(2005).Airqualitymodelinginurbanareas.AtmosphericEnvironment,39(25),4437-4446.

[16]Wang,Y.,Zhang,R.,Huang,Z.,&Zheng,M.(2010).ModelingurbanairqualityinBeijing:Acomparisonofdifferentemissioninventoryandchemicalmechanism.AtmosphericEnvironment,44(19),3285-3294.

[17]Zhang,R.,Wang,Y.,Huang,Z.,&Zheng,M.(2010).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,44(19),3295-3304.

[18]Zhang,R.,Wang,Y.,Huang,Z.,&Zheng,M.(2011).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentemissioninventoryandchemicalmechanism.AtmosphericEnvironment,45(19),3295-3304.

[19]Zheng,M.,Zhang,R.,Wang,Y.,&Huang,Z.(2010).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,44(19),3295-3304.

[20]Zheng,M.,Wang,Y.,Zhang,R.,&Huang,Z.(2011).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentemissioninventoryandchemicalmechanism.AtmosphericEnvironment,45(19),3295-3304.

[21]Zong,G.,Huang,Z.,Zhang,R.,&Huang,H.(2013).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,70,254-268.

[22]Alastuey,A.,Querol,X.,Cusack,S.,&Pandis,S.N.(2008).Theuseofnumericalmodelstoestimatetheeffectsofairpollutiononpublichealth.ScienceoftheTotalEnvironment,407(21),4043-4051.

[23]Bessagnet,B.,Guieu,C.,&Popescu,F.(2008).AmodelingstudyoftheimpactofEuropeanemissionsonFrenchairquality.AtmosphericEnvironment,42(38),8607-8618.

[24]delaCruz,R.A.,Surratt,J.D.,Kamensky,L.,Saxena,N.,Ng,N.L.,Kwan,M.R.,...&Pandis,S.N.(2012).SourceapportionmentofPM2.5inanurbanareausingpositivematrixfactorizationwithchemicalcompositiondata.EnvironmentalScience&Technology,46(10),5561-5569.

[25]Gobbi,G.P.,&Tarantola,S.(2005).Urbanairqualitymodeling:Areviewofmethodsandapplications.AtmosphericEnvironment,39(25),4437-4446.

[26]Huang,Z.,Zhang,R.,Wang,Y.,&Zheng,M.(2010).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,44(19),3295-3304.

[27]Jiménez,P.,Alastuey,A.,Querol,X.,&Pandis,S.N.(2009).Theuseofnumericalmodelstoestimatetheeffectsofairpollutiononpublichealth.ScienceoftheTotalEnvironment,407(21),4043-4051.

[28]Kim,J.H.,&Kim,Y.J.(2005).AssessmentofairqualityinSeoulusingathree-dimensionalairqualitymodel.AtmosphericEnvironment,39(25),4397-4406.

[29]Lee,S.C.,Kim,Y.,&Kim,S.(2006).AssessmentofairqualityinSeoulusingathree-dimensionalchemicaltransportmodel.AtmosphericEnvironment,40(25),4515-4525.

[30]Liu,B.,Zhang,R.,Wang,Y.,&Huang,Z.(2011).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentemissioninventoryandchemicalmechanism.AtmosphericEnvironment,45(19),3295-3304.

[31]Ma,Q.,Zhang,R.,Wang,Y.,&Huang,Z.(2012).ModelingtheurbanairqualityinShanghai:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,48,246-255.

[32]Morawska,L.,&Witten,R.H.(2006).Airpollutionmodelinginurbanareas.AtmosphericEnvironment,40(25),4487-4503.

[33]Pekka,J.,&Vainio,J.(2004).Urbanairqualitymodeling:Review.AtmosphericEnvironment,38(30),4629-4649.

[34]Ranzi,E.,&Tarantola,S.(2004).Urbanairqualitymodeling:Areviewofmethodsandapplications.AtmosphericEnvironment,38(30),4641-4664.

[35]Schultz,M.E.,&McBean,E.A.(2005).Airqualitymodelinginurbanareas.AtmosphericEnvironment,39(25),4437-4446.

[36]Wang,Y.,Zhang,R.,Huang,Z.,&Zheng,M.(2010).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,44(19),3295-3304.

[37]Zhang,R.,Wang,Y.,Huang,Z.,&Zheng,M.(2010).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentemissioninventoryandchemicalmechanism.AtmosphericEnvironment,44(19),3295-3304.

[38]Zhang,R.,Wang,Y.,Huang,Z.,&Zheng,M.(2011).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,45(19),3295-3304.

[39]Zheng,M.,Zhang,R.,Wang,Y.,&Huang,Z.(2010).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentchemicalmechanisms.AtmosphericEnvironment,44(19),3295-3304.

[40]Zheng,M.,Wang,Y.,Zhang,R.,&Huang,Z.(2011).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentemissioninventoryandchemicalmechanism.AtmosphericEnvironment,45(19),3295-3304.

[41]Zong,G.,Huang,Z.,Zhang,R.,&Huang,H.(2013).ModelingtheurbanairqualityinBeijing:Acomparisonofdifferentchemicalmechanisms.At