空气质量模型是用数学方法来模拟影响大气污染物的扩散和反应的物理和化学过程。基于输入的气象数据和污染源信息如排放率，烟囱高度等，这些模型可以模拟直接排入大气的一次污染物和由于复杂的化学反应形成的二次污染物。这些模型对空气质量管理是非常重要的，因为他们被许多机构用来测算源分担率，同时帮助制定有效的削减污染物排放的政策。例如空气质量模型可以用来预测一个新的污染源会不会达标排放，如果超标的话，还可以给出适当的控制
措施
《全国民用建筑工程设计技术措施》规划•建筑•景观全国民用建筑工程设计技术措施》规划•建筑•景观软件质量保证措施下载工地伤害及预防措施下载关于贯彻落实的具体措施
。此外，空气质量模型还可以预测未来新的政策法规实施后的污染物的浓度。可以估计政策法规的有效性以及减少人类和环境暴露。最常用的控制质量模型包括以下3类：一。扩散模型。这些模型主要用来模拟污染源附近接收点的污染物浓度。扩散模型运用数学公式可描绘污染物扩散过程，基于源强和气象数据，扩散模型可以用来预测下风向接收点的浓度。这些模型用来评估NationalAmbientAirQualityStandards(NAAQS),andotherregulatoryrequirementssuchasNewSourceReview(NSR)andPreventionofSignificantDeterioration(PSD)regulations的有效性。扩散模型主要包括：模型系统是稳态大气扩散模式，适用于地面源和抬升源，简单和复杂地形。模型系统是非稳态大气扩散模式，适用于大范围传输和复杂地形。BLp是一个高斯烟流模型，适用于处理烟气抬升和下洗来自于固定线源CALINE3是一个稳定的高斯扩散模型，用来预测不是很复杂地形的区域的高速路下风向接收点的浓度CAL3QHCRCAL3QHC基于CALINE3开发，适用于十字路口的延误和排队等待。CAL3QHCR是CAL3QHC的精简版本ComplexTerrainDispersionModelPlusAlgorithmsforUnstableSituations(CTDMPLUS)是一个精简的点源高斯空气质量模型，适用于稳定气象条件和复杂地形，这个模型完全涵盖了稳定和中性气象条件。CTSCREEN是一个thescreeningversionofCTDMPLUS.OffshoreandCoastalDispersionModelVersion5(OCD)海岸扩散模型是一个线性高斯模型，用来预测海岸线附近点源，面源，线源排放引起的排放，该模型融入了烟流传输和扩散，需要输入小时气象数据二。光化学模型。这些模型主要用在大空间的多种污染源作用下的污染物浓度及其惰性污染物和非惰性污染物的沉降。大气光化学模型分两类：一类是拉个朗日法，该法计算简单，但是大气物理过程描述不全面，一类是欧拉法能更好的刻画大气物理化学过程。(Communitymulti-scaleairquality)EPA'sCMAQ模型系统包括includesstate-of-the-sciencecapabilitiesforconductingurbantoregionalscalesimulationsofmultipleairqualityissues,包括O3，PM，空气毒物，酸沉降，能见度下降等。(comprehensiveairqualitymodelwithextensions)模型可以处理大量的惰性和化学活性物质，包括臭氧，颗粒物，有机，无机的PM10,汞等有毒有害物质，该模型还可以源分配功能和plume-in-grid功能。(Regionalmodelingsystemforaerosolsandedposition)REMSAD通过预测一定区域内的大气物理和化学过程来计算惰性的和化学活性物质的浓度，可以处理地区灰霾，颗粒物，及其他外来传输的大气污染物，包括可溶性的酸和汞。(Urbanairshedmodelvariablegrid)UAM-V光化学模型系统主要用来研究臭氧，它是一个3维的光化学网格模型，模型可以处理大量的惰性和化学活性物质，这个模型主要应用在计算不利气象条件下臭氧浓度。三。接收点模型这些模型运用观测技术，通过对接收点和源的排放污染物的的测量来衡量源对接收点的污染的贡献。不像光化学模型和扩散模型，接收点模型不用源强，气象数据，化学传输机理来预测污染源对接收点的污染贡献率。而是用源和接收点气体或者颗粒物的理化特征来鉴别污染源对接收点的浓度贡献率.(ChemicalMassBalance)用源信息和空气质量数据来界别源分担率，理化特征相同的源排放物质该模型不能将其区别开来.模型不用源的化学数据，而是使用大气监测数据通过该模型来给出源的化学特征，利用数学公式进行因子分析，源解析，对一个特定的污染物，该模型可以估计源的数量，源的组成和源的分担率。(PostiveMatrixFactorization
浙公网安备 33021202002483