空气质量响应曲面模型在杭州市的应用

doi:10.7523/j.issn.2095-6134.2017.02.009

中国科学院大学学报 ›› 2017, Vol. 34 ›› Issue (2): 179-185.DOI: 10.7523/j.issn.2095-6134.2017.02.009

空气质量响应曲面模型在杭州市的应用

戴志翔, 胡诗玮, 罗坤, 高翔, 樊建人, 岑可法

浙江大学能源清洁利用国家重点实验室, 杭州 310027

收稿日期:2016-04-21 修回日期:2016-07-03 发布日期:2017-03-15
通讯作者: 罗坤,E-mail:zjulk@zju.edu.cn
基金资助:
环保部公益项目（201409008-4）和浙江省社会发展重大专项（2014C03025）资助

Application of air quality response surface model (RSM) in Hangzhou

DAI Zhixiang, HU Shiwei, LUO Kun, GAO Xiang, FAN Jianren, CEN Kefa

State Key Laboratory of Clean Energy Utilization, Zhejiang University, Hangzhou 310027, China

Received:2016-04-21 Revised:2016-07-03 Published:2017-03-15

摘要/Abstract

摘要： 基于CMAQ模拟结果，统计、归纳出各种污染物排放控制因子与污染物浓度之间的函数关系，建立空气质量响应曲面模型RSM，通过留一法交叉验证和外部验证对模型进行可靠性验证。使用RSM，研究不同污染物的PM_2.5响应值，评估现有政策不变（Ⅰ）和政策收紧（Ⅱ）两种减排情景，发现NO_X、SO₂、NH₃和VOC对PM_2.5浓度体现明显的非线性响应特征，情景Ⅱ的减排效果明显好于情景Ⅰ，夏季的减排效果好于冬季。

关键词: CMAQ, PM_2.5, 响应曲面模型, 减排情景

Abstract: Based on the CMAQ simulation results, we summarize the function relationships between various pollutant emission control factors and the concentrations of pollutants to establish air quality response surface model (RSM). The cross validation and external validation are used to evaluate the model reliability. In the study of the PM_2.5 response of different pollutants and the future emission control scenarios (Ⅰ and Ⅱ) in Hangzhou, we find that NO_X, SO₂, NH₃, and VOC have obvious nonlinear response characteristics to PM_2.5 emissions and that the effect of scenario Ⅱ is stronger than that of scenario Ⅰ and the effect in summer is stronger than in winter.

Key words: CMAQ, PM_2.5, RSM(response surface model), emission control scenarios

中图分类号:

戴志翔, 胡诗玮, 罗坤, 高翔, 樊建人, 岑可法. 空气质量响应曲面模型在杭州市的应用[J]. 中国科学院大学学报, 2017, 34(2): 179-185.

DAI Zhixiang, HU Shiwei, LUO Kun, GAO Xiang, FAN Jianren, CEN Kefa. Application of air quality response surface model (RSM) in Hangzhou[J]. , 2017, 34(2): 179-185.

参考文献

[1] Sheehan P, Cheng E, English A, et al. China's response to the air pollution shock[J]. Nature Climate Change, 2014, 4(5):306-309.
[2] Chen R, Zhao Z, Kan H. Heavy smog and hospital visits in Beijing, China[J]. American Journal of Respiratory and Critical Care Medicine, 2013, 188(9):1170-1171.
[3] Pope Ⅲ C A, Burnett R T, Thun M J, et al. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution[J]. Jama, 2002, 287(9):1132-1141.
[4] Byun D, Schere K L. Review of the governing equations, computational algorithms, and other components of the Models-3 community multiscale air quality (CMAQ) modeling system[J]. Applied Mechanics Reviews, 2006, 59(2):51-77.
[5] Wang L T, Wei Z, Yang J, et al. The 2013 severe haze over southern Hebei, China:model evaluation, source apportionment, and policy implications[J]. Atmos Chem Phys, 2014, 14(6):3151-3173.
[6] Zhang Y, Liu X H, Olsen K M, et al. Responses of future air quality to emission controls over North Carolina. Part Ⅱ:Analyses of future-year predictions and their policy implications[J]. Atmospheric Environment, 2010, 44(23):2767-2779.
[7] Khayet M, Seman M N A, Hilal N. Response surface modeling and optimization of composite nanofiltration modified membranes[J]. Journal of Membrane Science, 2010, 349(1):113-122.
[8] 严茹莎, 李莉, 安静宇, 等. 夏季长三角地区臭氧非线性响应曲面模型的建立及应用[J]. 环境科学学报, 2016, 36(4):1383-1392.
[9] 劳苑雯,朱云,Jang C,等. 基于响应面模型的区域大气污染控制辅助决策工具研发[J]. 环境科学学报,2012,32(8):1913-1922.
[10] Ba? D, Boyac? i H. Modeling and optimization I:Usability of response surface methodology[J]. Journal of Food Engineering, 2007, 78(3):836-845.
[11] Hanna S R, Chang J C, Fernau M E. Monte Carlo estimates of uncertainties in predictions by a photochemical grid model (UAM-IV) due to uncertainties in input variables[J]. Atmospheric Environment, 1998, 32(21):3619-3628.
[12] Moore G E, Londergan R J. Sampled Monte Carlo uncertainty analysis for photochemical grid models[J]. Atmospheric Environment, 2001, 35(28):4863-4876.
[13] 吴小芳. 基于区域多尺度空气质量模型对杭州市大气污染的模式研究[D].杭州:浙江大学,2014.
[14] Iman R L. Latin hypercube sampling. Encyclopedia of quantitative risk analysis and assessment[M]. New Jersey:John Wiley & Sons, 2008:408-411.
[15] 邢佳. 大气污染排放与环境效应的非线性响应关系研究[D].北京:清华大学,2011.
[16] 魏巍. 中国人为源挥发性有机化合物的排放现状及未来趋势[D].北京:清华大学,2009.

空气质量响应曲面模型在杭州市的应用

Application of air quality response surface model (RSM) in Hangzhou

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	杨昆昊, 夏赞宇, 何芃, 吴丽, 龚玲玲, 钱越英, 侯琰霖, 何裕建. 机动车燃油质量及尾气排放与北京市大气污染的相关性[J]. 中国科学院大学学报, 2017, 34(3): 304-317.
[2]	王占山, 李云婷, 董欣, 孙瑞雯, 孙乃迪, 潘丽波. 北京城区大气污染物“周末效应”分析[J]. 中国科学院大学学报, 2015, 32(6): 843-850.
[3]	李英红, 段菁春, 郑乃嘉, 谭吉华, 饶志国, 马永亮, 贺克斌. 兰州大气细颗粒物中有机碳与元素碳的污染特征[J]. 中国科学院大学学报, 2015, 32(4): 490-497.
[4]	张小玲, 唐宜西, 熊亚军, 张仁健, 孟伟, 曹晓彦. 华北平原一次严重区域雾霾天气分析与数值预报试验[J]. 中国科学院大学学报, 2014, 31(3): 337-344.
[5]	徐薇, 修光利, 陶俊, 朱梦雅, 蔡婧, 王丽娜, 张仁健. 上海市大气气溶胶散射系数的季节变化特征[J]. 中国科学院大学学报, 2014, 31(3): 345-350.
[6]	高丽娜, 张仁健, 韩志伟, 符淙斌, 颜鹏, 洪盛茂, 焦荔. 2011年冬季长江三角洲气态污染物的模拟分析[J]. 中国科学院大学学报, 2014, 31(3): 380-388.
[7]	杨飞, 杨凌霄, 孟川平, 朱艳红, 姚兰, 芦亚玲, 袁琦, 隋潇, 王文兴. 济南市PM_2.5中多环芳烃的季节变化特征及健康风险评价[J]. 中国科学院大学学报, 2014, 31(3): 389-396.
[8]	李婷苑, 范绍佳, 邓雪娇, 张旭斌, 邓涛, 李菲. 广州地区PM_2.5区域输送影响分析[J]. 中国科学院大学学报, 2014, 31(3): 403-409.
[9]	张智胜, 陶俊, 龙颖贤, 林泽健. 成都城区PM_2.5中有害微量元素的污染特征[J]. 中国科学院大学学报, 2014, 31(3): 426-430.
[10]	宋丹林, 陶俊, 张普, 周子航, 李从庆, 周来东. 成都城区颗粒物消光系数特征及其与PM_2.5的关系[J]. 中国科学院大学学报, 2013, 30(6): 757-762.
[11]	王静, 杨复沫, 王鼎益, 贺克斌. 北京市MODIS气溶胶光学厚度和PM_2.5质量浓度的特征及其相关性[J]. 中国科学院大学学报, 2010, 27(1): 10-16.