论文部分内容阅读
随着中国工业化进程的加快,作为首都,北京的变化更是日新月异,机动车保有量已增长到590.9万辆,交通拥堵以及尾气排放污染等问题也日益严重,在大气污染问题上,PM2.5为首要污染物且极易进入人体呼吸道从而严重危害人类的身体健康。PM2.5的主要来源中,移动源占高达45%,因此,深入分析在不同气象条件及交通条件下的颗粒物浓度及其分布,估算交通来源PM2.5排放因子,搭建交通与环境之间的桥梁,具有理论和现实意义。近年来,交通来源的污染物排放量迅速上升。本文建立在交通和环境两大学科之上,应用激光散射法颗粒物浓度监测设备KOALA监测空气中PM2.5及CO浓度,并基于质量守恒理论,结合实时采集的气象信息和交通状态信息,建立能够估算交通来源颗粒物排放因子的模型。本文研究主要分为以下三个部分。首先,本文通过搭建标定实验平台,选取中国环境科学研究院(CRAES)使用的Beta射线法颗粒物监测仪作为参考仪器,参考仪器与颗粒物监测设备同时采集的PM2.5和CO浓度数据,考虑温度、湿度对颗粒物浓度测量的影响,建立多元回归总体模型,对颗粒物监测设备进行本地化校准。然后,本文搭建实际路况下的颗粒物监测实验平台,选取北京市北五环快速路带有防噪挡板的路段作为实验场地,通过对实验路段监测得到的PM2.5和CO浓度数据进行相关性分析及K-S检验,基于质量守恒理论建立估算交通来源颗粒物排放因子的双箱体模型并确定模型参数。最后,对论文中双箱体模型的输入数据,包括颗粒物浓度数据的实测值与背景值、温度与湿度数据以及交通流量与速度数据进行采集、清洗及整合,从时间分布、气象分布、交通分布三个方面分析PM2.5排放特征,估算在一定的行驶速度范围内,即稳态条件下交通来源PM2.5排放因子并将模型计算结果与已有文献研究成果进行对比分析,能够为宏观排放模型提供依据。