Calpuff高斯烟团大气扩散模型入门指南：从基础原理到环境模拟实战

共计 1261 个字符，预计需要花费 4 分钟才能阅读完成。

为什么选择 Calpuff 模型？

1. 复杂地形适应性强 ：能精确处理山区、海岸线等非均匀下垫面的扩散问题
2. 多尺度模拟能力 ：从厂区级（百米）到区域级（百公里）均可覆盖
3. 法规认可度高 ：被 HJ2.2-2018 等国内外标准列为推荐模型

高斯烟团 vs 点源模型核心差异

– 扩散形态 ：
– 烟团模型：瞬时释放的污染物呈三维椭球体扩散
– 点源模型：连续排放形成稳定烟羽
– 计算维度 ：
– 烟团：时间 + 空间四维计算（x,y,z,t）
– 点源：稳态三维计算（x,y,z）
– 适用场景 ：
– 烟团：事故排放、间歇性污染源
– 点源：持续运行的烟囱、排气筒

核心实现三步走

气象数据预处理

1. 风速修正 ：

   # 将 10m 高度风速修正到排放高度
   u_z = u_10 * (z/z_10)**0.15  # 幂律公式 

2. 稳定度分类 ：
3. 使用 Pasquill-Gifford 分类法
4. 中国地区需特别关注 D 类（中性）稳定度

Python 浓度场计算（矢量化优化）

import numpy as np

def gauss_plume(Q, u, sig_y, sig_z, H, x, y, z=0):
    """
    Q: 源强 (g/s)  
    H: 有效排放高度 (m)  
    sig_y/sig_z: 横向 / 垂直扩散参数 (m)
    """
    term1 = Q / (2*np.pi*u*sig_y*sig_z)
    term2 = np.exp(-0.5*(y/sig_y)**2)
    term3 = np.exp(-0.5*((z-H)/sig_z)**2) + np.exp(-0.5*((z+H)/sig_z)**2)
    return term1 * term2 * term3  # 浓度 (g/m³)

# 受体点矩阵计算示例
x_grid, y_grid = np.meshgrid(np.linspace(0,1000,100), np.linspace(-500,500,100))
C = gauss_plume(Q=100, u=3, sig_y=50, sig_z=20, H=80, x=x_grid, y=y_grid)

地形数据处理技巧

1. DEM 归一化 ：
2. 统一采用 WGS84 坐标系
3. 网格间距建议取模拟区域边长的 1 /50~1/100
4. 高程修正 ：

   H_eff = H_stack + (h_receptor - h_stack) * 0.5  # 地形抬升修正 

生产环境避坑指南

网格分辨率选择

• 城市区域：100-500m
• 农村区域：500-2000m
• 计算量估算公式：

   内存占用 ≈ 网格数 × 气象场数 × 8 字节 

中国地区参数推荐

可视化常见误区

• 等值线锯齿 ：
• 优先使用 griddata 插值
• 避免直接使用 matplotlib 的 contourf
• 颜色标尺 ：
• 建议采用对数刻度
• 超标区域用红色醒目标注

留给读者的思考题

1. 如何验证模型在 CBD 建筑群中的适用性？建议尝试：
2. 对比实测站数据
3. 引入城市冠层参数化方案
4. 长期模拟时需特别注意：
5. 边界层高度的日变化
6. 污染物化学转化模块
7. 对比 CFD 的优势场景：
8. 大区域计算效率
9. 法规符合性要求

延伸学习建议

推荐结合《大气污染控制工程》教材 +EPA 官方文档实操，下次可以聊聊如何用 WRF-Calm 耦合提升气象场精度~