文/范斯娜

摘  要：在工业生产、汽车尾气等多种因素的影响下，我国城市空气质量水平明显下降，对人民群众的生活质量会产生明显的影响。为了缓解上述现象，现代监测技术以及智能技术得到广泛应用。文章针对城市空气污染源与解析以及生态环境影响评估模型的构建进行研究。首先，基于目前城市污染的主要来源，提出了建立城市空气污染源清单以及空气质量模型具体的要点，并根据某地的实际监测结果，对于评估模型的应用效果进行验证以及判断。通过相关分析、研究，希望为相关部门提供理论参考，进而有效解决城市空气污染问题。

关键词：城市空气污染；污染源解析及生态环境影响评估模型；应用效果

工业生产及汽车尾气会产生PM_2.5、PM₁₀、二氧化硫、氮氧化物、一氧化碳和VOCs（挥发性有机物）等污染源，不仅会污染城市空气，还会损害人体健康。为缓解上述现象，我国越发重视城市空气污染控制工作，在此过程中，现代监测技术及智能技术得到广泛应用。基于此，对城市空气污染源与生态环境影响评估模型的构建进行研究，以期为相关部门提供理论参考，有效解决城市空气污染问题，推动现代城市可持续发展。

1城市空气污染模型概述

1.1常见空气污染模型

当前，Eulerian模型、Lagrangian模型和统计模型等在我国空气污染预防工作中的应用频率较高。Eulerian模型主要以流体力学领域知识为基础，能够在空间网格上对空气污染物质量浓度分布进行计算及分析，且在长期及固定区域内的空气污染评估及预测中发挥重要作用^[1]。Lagrangian模型能对污染物的移动路径进行跟踪式监测，模拟空气污染的传输路径，在污染物源头排放及风险评估方面发挥重要作用。统计模型能够根据已有的历史数据和相关的统计方法形成较为完善的污染物关联模型，能够在短时间内预测空气污染物浓度及其变化趋势等，为污染防控提供可靠依据。上述模型在不同的应用场景中各具优势，相关部门应根据实际状况进行组合应用或调整优化。

1.2空气污染源与生态环境影响评估模型构建方法

目前，城市空气中较为常见的污染物包括颗粒物、二氧化硫、一氧化碳、臭氧和VOCs等，在空气污染因素建模过程中需要以当地的气象条件、监测数据为基础，并综合分析污染物源头、大气扩散或化学反应等相关因素，进而客观评估污染物对生态环境产生的负面影响^[2]。

2城市空气污染源与生态环境影响评估模型构建要素

2.1数据质量与准确性

城市空气污染源与生态环境影响评估模型的可靠性对城市空气治理效果有显著影响，而模型结果的有效性及应用范围，主要受数据质量和准确性等因素影响，数据质量则主要受数据收集方法、采集频率等因素的影响，最终反映到数据的真实性及代表性方面^[3]。数据的时效性和完整性是评价模型准确性的重要指标，准确、完善的数据集合能够客观、准确地评价某一时段内城市的空气质量及变化情况，进而显著提升模型的预测能力及可信度。同时，数据质量对评估模型结果也会产生直接影响，如果存在数据监测误差或缺失等问题，会显著降低模型输出结果的精确性，导致最终形成的空气质量改善决策无法解决实际的环境问题。

2.2模型结构与参数敏感性

模型结构及其参数设置对模型的可靠性有显著影响，因此建立评估模型时，需综合分析模型结构组成及相关参数，提高模型可靠性，确保能够满足日常监测等要求。首先，由于模型结构的核心因素是算法与建模方法，因此在设置模型参数的过程中，关键参数的质量对整个模型的评估结果会产生直接影响，模型整体结构组成及参数水平则直接影响模型的稳定性和实用性。其次，由于当前城市空气质量及污染源类型存在显著差异，最终的模型结构也会存在显著差异。因此，在建立评估模型的过程中，需要确保其具备一定的适应性和灵活性，以便根据实际的空气污染情况灵活调整模型参数，确保将模型最终的输出结果与实际观测值的差距控制在合理范围内，保证最终给出的数据结果具备预测性特征。最后，在参数敏感性分析中，规划人员需要测试关键参数指标，最终找出影响模型输出结果的关键参数，进而对参数进行合理的配置、调整及优化^[4]。

2.3模型验证及验证结果解释

在模型验证工作中，误差分析和统计学方法的应用较为广泛，这些方法能够在模型输出数值后，将之与实际观测数值间的差距进行量化分析。一方面，规划人员在研究模型的可信度时，需要对模型给出的验证结果进行解释，且要对模型数据最终的误差来源进行分析，进而综合分析模型建立时所采用的基本假设的合理性及不确定性等。另一方面，在对验证结果进行深入解释及分析的基础上，规划人员需合理判断模型自身的局限性及潜在误差，确定误差对结果的实际影响，从而形成针对性的生态环境决策^[5]。

3城市空气污染源与生态环境影响评估模型的构建

3.1建立城市污染源清单

建立城市污染源清单对于城市空气污染源与生态环境影响评估模型的构建至关重要。在数据收集阶段，需要全面且细致地获取各类污染源信息。工业污染源方面，要深入企业内部调研。化工企业需详细记录各类化学反应过程，包括产生的废气成分及排放量；钢铁厂则要明确燃料燃烧产生的颗粒物、二氧化硫等污染物的排放数据。同时，借助环保部门对企业固定污染源的实时或定期监测结果，掌握污染物浓度、排放速率等关键信息。对于流动污染源，通过交通管理部门获取不同车型、车龄的车辆保有量数据，利用路边尾气监测站收集不同时段、路段的车辆尾气污染物浓度等。针对公交车、货车等大型运输车辆，还需考虑行驶路线、运营时间等因素对排放的影响。面源数据收集涵盖居民生活排放、餐饮行业排放以及建筑施工扬尘等。统计城市人口数量、能源使用类型及使用量，估算居民取暖、烹饪等活动产生的污染物。调查餐厅数量、规模、烹饪方式，估算油烟及挥发性有机物的排放量。收集施工场地面积、施工周期、土方作业量等数据，结合扬尘排放系数，估算扬尘产生量。

收集到数据后，需进行科学的分类整理。一方面按污染源类型，分为工业源、流动源、面源。工业源再细分冶金、化工、电力等行业类别；流动源按机动车类型细分；面源按生活源、餐饮源、施工源等分类，明确各类污染特征。另一方面按污染物种类，对 PM_2.5、PM₁₀、二氧化硫等分别建立数据子集，统计每种污染物在不同污染源中的排放占比。由于城市污染源情况随时间变化，需定期更新清单数据。每年复查工业企业生产规模、环保设施运行情况，根据城市交通状况变化更新流动污染源数据，依据城市建设进度和居民生活习惯变化调整面源数据。同时建立数据审核机制，检查数据完整性，核实准确性，通过对比不同来源数据、实地核查等纠正错误数据，并采用科学统计方法进行不确定性分析，为生态环境影响评估模型提供可靠数据支持 。

3.2 AERMOD空气质量模型构建

AERMOD空气质量模型属于稳态烟羽模型的一种，在空气污染评测观察中，该模型可以基于稳定边界层的假设，将污染物在水平和垂直方向上的浓度视为高斯烟羽分布，为相关人员提供预测和评估依据。在点、面、体污染物的排放源浓度及范围模拟过程中，AERMOD模型的应用较为普遍，且能够适应不同环境、地形、排放位置等多方面的污染源排放扩散模拟要求。

具体而言，该模型可通过分界流线概率，有效解决地形因素对污染物分布浓度的影响，该模型在使用过程中能将污染物扩散流程划分为上、下两层。其中，下层污染物在气流水平基本保持稳定的状况下，能够绕过障碍物进行扩散，上层污染物则可以借助抬升作用越过障碍物进行扩散。AERMOD空气质量模型能够通过对上、下两层的烟羽浓度进行加权处理，得到结果总和，进而对不同网格中的污染物浓度数值进行合理估算。

3.3模拟的结果及其验证

在某城市的空气监测工作中，规划人员结合不同区域的居民、商业和公共污染区域所产生的污染源特征，科学设置污染源参数，并将点源和面源污染物参数作为核心内容。同时，将经纬度坐标、高程、风向、风速等相关指标同时输入模型，经过24h检测风向、风速等指标后，计算出观测结果的平均值，总云量则是通过落实5次观测工作取其平均数值。

表1为监测关注点位置数据。规划人员根据当地的环境空气质量要求及具体位置要求，共设置5个监测点，模拟监测工作总时长为20d。

表1 监测关注点位置数据

该模拟以排放源清单数据为主要的大气污染物排放数据，同时将已经得到处理的地形气象及研究监测位置等相关数据输入模拟模型，借助该模型对监测点VOCs污染物浓度进行计算，结果如表2所示。

表2 监测点的VOCs浓度

相关人员可利用直接比较法对比监测、预测数据之间的差异。根据表2数据可知，区域内中学监测点的预测浓度数值相对较高，郊区浓度则明显下降，监测站比值控制为0.5~1.3。这种误差不仅受系统自身偏差的影响，且与不同监测点的背景浓度和污染源参数等密切相关。中学监测点的预测数值相对较高，主要是由于周边存在一定的污染源工厂，且不同阶段的人口变化较为明显；郊区预测结果较低与附近居民的煤炭燃烧和生物质燃烧密切相关，其与监测点的监测结果较为接近，表明该模拟在城市污染源与生态环境影响评估工作中可起到一定的作用。

4结语

根据我国某地质量监测结果，城市污染源与生态环境影响评估模型（AERMOD空气质量模型）在空气质量监测中整体稳定性较好，能够对不同区域的污染物来源及模拟扩散状况进行分析，合理判断空气质量及污染物对生态环境的影响，可推广应用。未来，随着我国对城市空气质量改善的高度重视，应不断加深城市污染与生态环境影响评估模型对不同污染源浓度及生态环境实际影响的研究，在综合分析数据质量、准确性、模型结构参数敏感性等相关要素的前提下，不断完善相关模型，为城市污染控制工作提供可靠依据。

参考文献

[1]杨武霖,杨昊,周航,等.基于深度学习的空气污染多城市联合预测模型[J].软件导刊,2024(11):107-115.

[2]傅昂毅,林安辉,陆德生.空气污染模型在城市环保规划决策中的可靠性研究[J].皮革制作与环保科技,2024(14):196-198.

[3]张虹,李超骕,曾献君.基于空间计量模型的城市用地结构与空气质量关联性研究——以粤闽浙三省市县为例[J].现代城市研究,2024(2):9-16.

[4]毛雯娟.基于空间杜宾模型的四川省空气污染研究[D].成都:西南财经大学,2023.

[5]王骥,朱丹,单璐璐,等.基于支持向量回归机的城市空气污染浓度预报模型研究[J].环境科学与管理,2022(2):78-82+87.

（作者单位：深圳市艾科尔特检测有限公司）