城市路网系统大气污染物多耦合驱散分析模型.pdf

国土与自然资源研究66TERRITORY&NATURALRESOURCESSTUDY7 Ferretti A,Prati C,Rocca F.Nonlinear subsidence rate estimationusing permanent scatters in differential SAR interferometryJ.IEEETransactions on Geoscience and Remote Sensing,2000,38(5):2202-2212.8 Berardino P,Fornaro G,Lanari R,et al.A new algorithm forsurface deformation monitoring based on small baseline differentialSAR interferogramsJ.IEEE Transactions on Geoscience and RemoteSensing,2003,40(11):2375-2383.9刘琦,岳国森，丁孝兵，等.佛山地铁沿线时序InSAR形变时空特征分析J.武汉大学学报（信息科学版），2 0 19，44（7）：1099-1106.10 范军,左小清,李涛,等.应用升降轨 SBAS-InSAR 技术监测昆明市地面沉降J.地理信息世界，2 0 18,2 5（3)：6 4-7 0.11范军,左小清,李涛,等.PS-InSAR和SBAS-InSAR技术对昆明主城区地面沉降监测的对比分析J.测绘工程，2 0 18,2 7(6)：53-61.12谈树成,薛传东,赵筱青，等.昆明盆地地下热水资源可持续利用研究J.云南大学学报（自然科学版）,2 0 0 1,2 3（4)：310-315.作者简介：陈辆（19 9 6-），男，硕士研究生，研究方向为国土资源遥感。（2 0 2 2-11-14收稿袁海峰编辑）国土与自然资源研究作者投稿须知1标题简明，题文相符。附英文标题、中英文摘要、3 5个中英文关键词。获得基金资助产生的文章要注明基金项目名称（项目编号）。2作者署名最好不超过3位，附所在单位、省、市（县）邮政编码和作者单位的英文译名。文末附第一作者简介。3来稿中的动植物名、数学公式及参考文献中的外文字母注意文种、正斜体、大小写、上下角等写法。4文中插图、表格务必精炼。地图要有线段比例尺、经纬度等地理要素，中国地图必须使用自然资源部标准地图底图，所用底图边界要完全无修改（包括南海诸岛位置），并在图题下注明“注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)号的标准地图制作,底图无修改。”5引用他人已发表文献，须在文中作角注并在参考文献中列出，不得引用非公开出版的文献。6编辑部将对拟用稿件作必要的修正和删节，若需较大改动，则与作者协商。如作者有特殊要求，请在投稿时声明。7来稿一般不退，请自留底稿。本刊已被中国期刊网、中国学术期刊（光盘版）;中国知网（CNKI);北京万方数据股份有限公司、万方数据电子出版社；维普网数据中心；超星期刊域出版平台收录。来稿采用后将以多种方式发表,若作者有异议，请勿投稿。8投稿邮箱：。2023No.5文章编号：10 0 3-7 8 53(2 0 2 3)0 5-0 0 6 6-0 7基金项目：国家自然科学基金项目（7 18 7 4134);陕西省自然科学基础研究计划一重点项目（2 0 19 JZ-30);陕西省社会科学基金项目(2 0 18 S49)。城市路网系统大气污染物多耦合驱散分析模型黄光球，张嘉蓉*,马蒙，陆秋琴（西安建筑科技大学管理学院，陕西西安7 10 0 55）摘要：为揭示路网系统中大气污染物在多因素耦合作用下的自然驱散特征，采用去趋势互相关分析法（DCCA、对象Petri网和双枝模糊理论相结合的方法，提出了一种新型的城市路网系统中大气污染物多耦合驱散分析模型，简称BBOPNM。该模型运用DCCA刻画各因素对污染物驱散的作用程度，并辨识其作用极性。然后基于对象Petri网抽象处理实际路网系统驱散状态，引入双枝模糊理论定义驱散度，揭示多耦合驱散过程的逻辑因果关系，结合多耦合驱散机理，给出模型更新规则及算法。最后，以西安市路网为例对模型进行验证分析。结果表明，该模型可以准确揭示城市路网系统中的大气污染物在多因素耦合作用下的驱散能力及其变化情况。关键词：城市路网系统；大气污染物；多耦合驱散;Petri网中图分类号：X51doi:10.16202/ki.tnrs.2023.05.014Multi-coupling Dispersion Analysis Model ofAir Pollutants in Urban Road Network SystemHuang Guangqiu,Zhang Jiarong,Ma Meng,Lu Qiuqin(School of Management,Xian University of Architecture andTechnology,Xian Shaanxi 710055,China)Abstract:In order to reveal the natural dispersal characteristics ofair pollutants in urban road network system under the action ofmultiple factors coupling,a new multi-coupling dispersal analysismodel of air pollutants in urban road network system,calledBBOPNM,was proposed by using the method of Detrended Cross-Correlation Analysis Method(DCCA),object Petri net and double-branch fuzzy theory.DCCA was used to characterize the effects ofvarious factors on pollutant dispersal and identify their polarity.Then,based on the object Petri net,the dispersal state of theactual road network system was abstracted,the dual-branch fuzzytheory was introduced to define the dispersal degree,and thelogical causality of the multi-coupling dispersal process wasrevealed.Combined with the multi-coupling dispersal mechanism,the model updating rules and algorithms were given.Finally,taking Xi an road network as an example,the model is verifiedand analyzed.The results show that the model can accuratelyreveal the dispersing ability and variation of air pollutants inurban road network system under the action of multiple factorscoupling.Key words:urban road network system;air pollutants;文献标识码：Amulti-coupling dispersion analysis;Petri net黄光球等城市路网系统大气污染物多耦合驱散分析模型0引言1BBOPNM构建城市路网中污染物排放到大气中后，会在街谷形1.1大气污染物驱散相关分析方法态1-2、风3、湍流4等因素的综合作用下,经历迁移、稀由于城市路网中各项污染物与其影响因素，如气释、转化和沉降等一系列复杂的过程。因此城市路网象等随季节或相关趋势呈时间序列式变化且非平稳。污染水平，即暴露在城市路网上空的污染物浓度，不故文章采用DCCA方法来描述这两个非平稳时间序列仅取决于污染源的实际排放，更取决于其在气象等多在特定时间尺度上的互相关性，其利用DCCA方法中因素耦合作用下的即时驱散,即城市路网系统中大互相关分析系数pDCA来具体量化两序列间的互相关气污染物的浓度分布是污染源排放和多耦合驱散共程度,计算式如(1)所示。同作用的结果。国内外研究主要应用大气扩散模型来评估风、大气流等因素对大气污染物浓度分布的影响，针对城市路网系统中的大气污染物问题主要分为点源（街道峡谷及交叉口道路）、线源（开阔道路）及面源（综合扩散)三个层次，其对应的大气扩散模型主要有CALINE、HIWAY、G M、A ER MO D 等0。由于城市街道峡谷较为封闭，不易污染物扩散，交叉口怠速下机动车污染物排放贡献率较高，学者主要针对此区域开展城市路网微尺度的大气污染物扩散研究7-8,其主要通过利用CFD数值模拟模式对流场及污染物浓度场进行数值模拟，同时结合风洞实验和现场实地测量进行验证的方式进行复杂路网机动车尾气污染物流动和扩散的研究，如Li等9 通过现场实测长沙某隧道内污染物（CO,NO,和PM2.5）浓度和交通等数据研究隧道内交通力量对污染物驱散的影响；Wangl!和张云伟等耦合拉格朗日方法分别量化城市树木和行驶车辆诱导空气流动及瑞流对路网污染物扩散的影响;Dingl12采用数值模拟研究二维理想城市街道峡谷和复杂3D交通系统中的污染物扩散情况，并利用风洞实验证明其模拟结果。但现有研究中实现流场及污染物浓度场的精细化数值模拟的处理难度大，且将各类影响因素进行耦合叠加分析的较少，而城市路网中污染物浓度分布受到排放源强及气象、地形等因素的共同影响。路段车型结构、排放因子、能耗结构及机动车流量从排放源强角度影响城市路网污染物的累积效应，而风、气温、降水等气象因素和地理地形（路网结构形态）、地表扬尘等因素对污染物驱散有很大影响,且这种影响为周期性作用过程。因此,本文基于双枝对象Petri 网13-14和去趋势互相关分析方法（Detrended Cross-Correlation AnalysisMethod,DCCA)15,结合半经验式驱散数据建立一种新型的动态多耦合驱散模型（Multi-CoupledDispersion based on Both-Branch Object Petri Net Model,MCDBBOPNM），简称BBOPNM，来分析城市路网大气污染物的多耦合驱散特征。该模型具有如下特点：（1）利用DCCA刻画各因素对污染物驱散的周期性作用程度，利用Petri网的并行分析计算来描述污染物驱散的动态变化过程；（2)摒弃单因素或静态分析方法，综合考虑和分析多因素耦合作用对污染物驱散的影响，是一种驱散因素相互耦合叠加的污染物综合驱散分析模型。67(1)式中,X=x;(t),i=1,2,N)和 Y=y;(t)j=1,2,Ny,(t=1,2,N)分别表示量化指标,其中N.和N,表示指标个数;Nr为时间序列长度;时间序列中的 Focca(n,)可由式(2)计算得到;ni表示可重叠子序列段长度;单一时间序列中的 Faea 计算方法和 Foca(n)相同,特别地,当 Rr=R,时,Fica(n,)=Fpa(n)。2DCCA(n(N,-n,)1式中,ioca(am,)为残差序列消除趋势后的协方差，可通过式（3）算得其值。Z(R,-R.,Ri-R.)F+7DCCA(n;+1)k=r式中,合成信号R.-(),Ri-(),R和R.分别为用最小二乘法(OLS)拟合出的序列局部趋势。其中,DCCA 互相关系数ppcA 的取值范围为-1,1,其大小反映序列之间的互相关性，lppccAI越大,互相关性作用越强。若ppcCA=0,表明两时间序列之间不存在互相关关系,反之则存在;若0 ppcc1,表明两序列间呈正相关,且当 ppCA=1 时,严格正相关;若-1ppCA0,表明两序列间呈负相关,且当ppoA=-1 时,严格负相关。1.2多耦合驱散Petri网建模方法因城市密集路网内污染物主要沿街道峡谷的分布呈线源式驱散，且不同道路交叉口处的污染情况明显严重于道路上其它点，故多耦合驱散Petri网将不同交叉口间路段的驱散状态抽象处理为库所节点，其次以该对象库所面对响应的状态和行为为基础，筛选能表征驱散状态的指标及实现该行为的功能，将其抽象处理为相应的对象库所的属性和函数，两者的抽象关系如图1所示。城市路网系统大气污染物的多耦合驱散Petri网可定义为一个七元组结构：BBOPN=(1)有限非空库所集 P=(PI,P2,Pm)表示路段对象的驱散状态,m为对象库所数。VP;P,P=是一个属性-方法二元组结构,属性集P.A=A1,A2,Ai)N.-m(2)(3)VP:ET-T68交叉间路段驱散状态固有的初始指标特征驱散等动态变化指标功能L图1结构化特征的对象库所和节点的抽象关系用来描述对象库所的状态信息，主要包括静态AS和动态AD属性，前者主要记录对象库所固有的或不变的状态信息，如地理信息、道路几何结构（长、宽、高）等，后者主要对应气象和污染及相关性指标、交通流量、驱散度等动态属性，ASUAD=A，A Sn A D=,库所P属性 P.A;(t)=-1,1,是一个双枝模糊区间数。F是对象库所 P,上封装的动态属性更新函数,F=f(t,ad),ad eAD,t为迭代次数或时间;(2)有限变迁集T=T,T,T)表示对象节点之间的关联关系,对应驱散的触发，n0为变迁个数；(3)I=(8)为对象库所到变迁的前弧，表示驱散触发条件的命题集合，它是由各因素叠加耦合后状态和变迁阈值组成的IF集合，如8:|a;|;1);(4)0=%为变迁到对象库所的后弧，表示变迁的趋势方式,其取值有“+”“_ 两种形式，“+”表示该变迁对污染物的驱散起正向促进作用，“_”则表示起反向抑制作用;(5)V=u1,U2,n)为驱散速率，与变迁一一对应,是污染物驱散至对象库所的平均时间的倒数;(6)入=(1,2,n)为变迁阐值，一般为常数,表示驱散过程发生的最小可能性;(7)集合M=M(P),M(P2),M(P)表示每个对象库所的托肯个数,其与前弧共同决定变迁是否被触发。2BBOPNM规则及算法流程2.1 BBOPNM 规则2.1.1 变迁规则路网污染物驱散是一个多因素协同叠加作用且相互转化的过程，由实际路网的多耦合驱散过程可得，影响因素对污染物的作用既存在驱散促进作用（如风速增大等），也存在驱散抑制作用（如风向垂直于街道等),且正反向周期性交替作用。因此,变迁 T，T;T的发生不仅取决于其前向库所集T中各对象库所的托肯状态，还取决于对象库所中各属性的耦合作用程度。针对该项驱散触发机理，可得多耦合驱散Petri网的变迁规则如下：规则 1。当对象库所 P:中各属性 P:.A;(t)耦合叠加后的托肯个数超过对象库所允许的阐值时触发变迁，即对于VP:eT,若存在|M(P)P.AI|,I,则表示变迁T,具有发生权,记为MTM,M为新产生的系统标识,其产生规则如式(4)所示。黄光球等城市路网系统大气污染物多耦合驱散分析模型状态对象库所静态属性动态属性函数行为M(Pil)=1M(P.)其它规则1的Petri网形式化描述如图2 所示（以正向驱散为例）。P图2 多耦合驱散Petri网变迁触发规则2.1.2属性更新规则Petri网触发规则常采用“AND”“OR及两者的复合结构16-18 来表达实际问题的逻辑化（系统化)更新机理，结合城市路网大气污染物的多耦合驱散过程及BBOPNM模型的定义可得多耦合驱散过程的主要推理规则如图3所示。P82TPi2Pmt耦合结构Tj+P+2Tj+2*0j+2图3多耦合Petri网驱散机理BBOPNM通过库所中属性和函数的更新来描述污染物的动态驱散过程，而各库所P中包含促进、抑制等多个属性,且各正反向因素叠加协同作用,其耦合程度可通过趋向方式0 来表示。当对象库所P,触发相应变迁时，可根据其趋向方式，通过函数F来完成动态属性AD的状态更新。BBOPNM多耦合驱散Petri网主要包括变迁非相关性 irrelevant_T和相关性relevant_T两种动态属性。规则2。变迁非相关性属性的更新：即对象库所状态的变化与上一变迁无关,其仅随时间的变化而变化，满足时序规则,如各气象属性，属内因性属性，通过对象库所的内在原因驱动更新；变迁非相关性属性更新表达式如式（5）所示。Pn.A;(t+1)=Pn.Ak(t)规则3。变迁相关性属性的更新：对于VPmeP,当与该库所有关的变迁触发时，库所P,对应的属性值，不仅要叠加当次变迁带来的影响，还要叠加不同变迁带来的影响，此影响也可称为影响增量，可将其定义为Pn.A(t+1),变迁相关性属性动态更新式如(6)所示。IoPmlPr.Ak(t+1)=Pm.Ai(t)+,wp,P.A;M(P)VP;E To-T;TPm+27+1(4)S:P.P2(5)(6)黄光球等城市路网系统大气污染物多耦合驱散分析模型式中，w;为各变迁对应的权重系数，对于图3中的两种复杂驱散机理，“OR”型驱散结构，w,取值为1，“AND”型驱散结构,w;则要根据后继库所中的相关性指标进行分权计算，其计算式如(7)所示。IP.A;WFTT2IP.A112.1.3驱散度的定义BBOPNM中定义动态属性驱散度D来度量污染物驱散能力，反映气象等外力要素对污染物驱散的周期性作用程度包括正向迁移淡化与反向抑制累积两种作用效果，引人双枝模糊概念来表示这两种趋向作用，计算方法如式(8)所示。Nj=1式中,N为对污染物驱散起正反向作用的属性总数；P:.A,(t)表示库所P:的A,(t)个属性;g为第i个库所对象中的第j个属性的权重，量化i库所中j属性对路段驱散状态的影响程度，为正，代表其对应的属性对驱散起正向促进作用，反之则起反向抑制作用。2.2BBOPNM算法流程根据前面描述的多耦合驱散Petri网的构造和驱散机理，可得模型BBOPNM的算法流程如下所示。2.2.1驱散相关性分析BBOPNM通过DCCA分析各气象要素和地表扬尘强度对污染物浓度分布的相关性影响，主要包括计算累加信号、划分重叠窗口、最小二乘拟合局部趋势、计算协方差及互相关系数等步骤,其具体分析步骤如下所述：CalculateRelativity()For k=1 To Nr计算时间序列X和Y的合成信号R和RNextFor1ToNr-n/将R和R,划分为Nr-n个重叠窗口For k=r To r+ni利用最小二乘法拟合局部趋势R，和R，根据式(3)计算子序列去趋势协方差focca(m,r)Next根据式(2)计算不同窗口长度的去趋势协方差Fica(n)基于上述过程计算单序列X和 Y 的去趋势方差 FprA根据式(1)计算不同窗口长度的互相关系数poca(n,)根据p。验证互相关ppca(n,)是否显著NextEnd2.2.2构造多耦合驱散Petri网根据式(1)的相关性分析结果，构建路网多耦合驱散69Petri网逻辑因果关系，然后在此基础上，根据对多耦合Petri网中各要素的定义，选取合适的库所节点，建立各库所之间的变迁关系，构造多耦合驱散Petri网，并初始化各项模型参数。2.2.3更新驱散度(7)从初始库所出发，遍历多耦合驱散Petri网中的每个库所节点，根据BBOPNM规则更新整个多耦合驱散因果逻辑关系Petri网,计算驱散度等动态属性，其具体操作如下所述：For t=1ToG/G为污染物驱散时段数(迭代时间)ForP;=BBOPNM/遍历多耦合驱散模型BBOPNM中的每个库所对象ForVPi.A,Pi.Aj+IEP.ACalculateRelativity（）1/根据式（1)计算耦合相(8)关性P:.ANext根据式(8)计算库所P:的驱散度计算每一个对象的驱散度If M(P)P.Az/|,/ThenMT;MII 触发变迁 T;If T,=irrelevant_T Then/按照非相关变迁方式更新根据式(5)更新非相关变迁下的属性值Elself T,=relevant_T Then I/按照相关变迁方式更新根据式（6)更新相关变迁下的属性值End IfEnd IfNextNext3西安市路网系统大气污染物多耦合驱散实例分析3.1研究区域概况以西安市部分路网为例进行污染物多耦合驱散分析。西安北倚黄土高原南坡，南靠秦岭北麓，西临太白山地和黄土塬,东邻源山地,形成了四周高中间低的地形，易因热力和风速不均导致局部环流，从宏观上影响大气污染物的扩散和稀释，特别地，对于城市密集路网，街谷几何形态的影响程度则相对较为显著，短宽型或上升型街谷更利于污染物的驱散，反之，则易发生污染物堆积,不利于污染物的驱散。除此之外，西安市属2大陆性季风气候，冷暖干湿四季分明，冬春气温低降水少，夏秋气温高降水较多，且年主导风向差异较大，这就导致冬春季节大气层结分布稳定，垂直流运动较弱，大量排向大气的污染物（气态）因无法向上扩散而聚积在低空，且降水量少导致聚集的污染物无法通过雨水达到沉降和净化作用，同时冬春季节扬尘大颗粒污染物增多，会将大量沉积在大气中的细小级颗粒物重新卷人运动，更加剧了局部地区的污染程度。水，大雾天气居多，扬尘等大颗粒物居多，导致大气对703.2污染相关性分析为了利用多耦合驱散Petri网揭示路网污染物的动态多耦合驱散特征，首先对气象和地表扬尘等因素进行相关性分析。分析的气象数据来自于西安市气象局，污染数据来自于西安市2 0 17 年和2 0 18 年9 个环境监测站点实时测得的日均浓度，如图4所示，主要包括NOx,CO,PM2.5,PMio 4 项污染物。120100NO日均浓度ug/m88402003月6 月9 月12 月3月6 月9 月12 月0百期（a）NO x 日均浓度分布500400PMasm均斑斑ugm300201000图4的浓度分布呈明显的峰形变化趋势和非平稳特征。根据算法流程，选取2 0 17 年的气象和污染数据进行长期互相关性分析，取N为36 5，根据大气污染物驱散相关分析方法可算得窗口ni(4niN/4)下，由地表扬尘强度、5项气象因素和3种污染物浓度构成的18 对指数的互相关系数ppcCA,如图 5 所示。1.11.0DCCAR0.90.8系0.7数0.60.50.40.30(a)NOX、CO、PMz.s 与 PM互相关性1.1.Co/T.CO/WS1.00CO/P0.9CO/H.CO/R180.980.8系0.6数0.50.40.30.2050100150200250300n(c）CO 与名气象要素互相关性图5西安市路网污染物分布与气象因素的互相关系数变化曲线黄光球等城市路网系统大气污染物多耦合驱散分析模型4833月6 月9月12 月3 月6 月9 月12 月日期d（b c o 日均浓度分布60050054002001003月6 月9 月12 月3月6 月9 月12 月03月6 月9 月12 月3月6 月9 月12 月日期d日期d(c）PM2.5日均浓度分布（d）PM%日均浓度分布图4西安市路网污染物日均浓度分布PMPM.1.1-NO.JPM.o-CO/PMo80.9系0.7数0.60.50.450100n从图5的互相关曲线可得，西安市各项污染物的浓度分布与地表扬尘强度、各气象因素的互相关系数ppc均为正数且值均大于pc,表明其构成的18 对指数在时间尺度上具有显著的互相关性。3.3驱散模拟与结果分析本节以文献19 提出的西安市部分路网为例对模型BBOPNM进行实例模拟与分析。基于图5的相关性结果，根据对多耦合驱散Petri网的定义，选取污染较为严重的路段进行抽象，将所有变迁方向取机动车流动方向，并按BBOPNM算法流程进行Petri网的构造，构造出的多耦合驱散Petri网，如图6 所示。P图6 多耦合驱散对象Petri网图6 中各库所对象来源于对路网机动车流动及污染物驱散逻辑关系的提取。针对不同库所对象，可整合出其统一的属性描述如表1所示。根据表1中的取值方法初始化多耦合Petri网的各项属性，然后，设置合适的时段区间（1天为一时间单位），并根据BBOPNM算法流程动态更新整个Petri网，计算出的时段驱散度如图7 所示。图7 详细揭示了西安市路网污染物在多因素耦合NO/T作用下驱散能力的变化情况，从图7 可以看出：-NO.WS1.0NO.PNO/HNO./R150200250 3000.3050100n(b）NO x 与各气象要索互相关性1.21.11.0系0.7数0.60.5元0.40.3050100150 200250300n（d）PMe.s 与各气象要索互相关性P(1)各污染物均在第150 2 50 天之间达到一年内的平稳期，在0 50 天和30 0 350 天左右波动起伏比较大，且出现最低值，表明此时污染物驱散程度极弱。这是因为该段时间属冬春季节，气温、气压较低，干燥缺150200250300PM/TPM/WS-PMa/PPM./HPM.JR流不强烈，瑞流运动减弱，也无法通过雨水达到沉降和净化作用，更加剧了城市上空的污染程度。而第150250天平稳期则正好与该段时间相反，夏秋季节，温压高，雨水足，易促进污染物的迁移、驱散与沉降作用。因此,对比图4、图7 可看出城市路网系统中污染物驱散在多因素耦合作用下季节差异明显。(2)根据文献2 0 中对西安市6 处监测点交通流量的数据统计及现场实测数据可得：路网日交通流量分布呈明显规律的“早、晚高峰”特征，即在上午8 9点和下午16 18 点车流量最大（除节假日流量突增外)。同时，路网车型组成和能耗结构，因政府的干预黄光球等城市路网系统大气污染物多耦合驱散分析模型表1图6 中库所对象属性描述属性属性名称A1地理位置A2路段结构A3风向WDA4风速WSAs温度TA6湿度HA7气压PA8降水RAg地表扬尘强度A10污染物浓度A1l排放源强A12驱散度42NOx驱散度-2-4-6050100150元2 0 0250300350单位时间t(a)NO,驱散指数变化21PMa0 71属性描述取值方法及类别路段始末经纬度坐标道路统计资料；街谷长宽比L/W、高宽比H/W、对称性HL/HWAS属性风与街谷夹角大小（0 36 0）污染物水平输送速率（m/s）空气平均温度（）大气干燥程度，相对湿度(%)压力梯度差(Pa)降水量(mm)大颗粒污染物PMio分布程度（g/m）NO、CO、PM2.s 浓度水平(g/m)机动车污染物排放强度（g/km），累积量衡量污染物驱散能力的量化指标1.0-0.5-0.080.5散-1.0度-1.5-2.0-4PM%聚教度2气象局气象数据；AD属性污染数据，道路实测；AD属性利用文献19 计算得到;AD属性根据式（8）计算；AD属性50100150200,250300350单位时间t(b)co驱散指数变化-10-2-3-4050100150200250300350单位时间(c）PMe.s 驱散指数变化图7 西安市路网各污染物驱散度指数变化情况性操作，短期内基本处于稳定状态，因此，机动车排放行分析，通过对其结果分析可知，西安市路网污染物源强虽在基量水平影响了污染物的驱散，但由于其不驱散受多因素耦合影响下的季节差异明显，所以在城同日期同一时段车流量、车型组成和能耗结构变化较市路网系统大气污染防控管理中需根据季节特点提小，而图7 中驱散度变化显示驱散度呈现夏秋季节趋出针对性污染防控措施，此模型可以为研究大气污染于稳定、春冬季节波动较大且驱散抑制程度较大，可物的多耦合协同叠加效应提供科学的分析方法。知机动车排放源强虽然在基量水平上影响了污染物参考文献：浓度，但并不是多因素耦合驱散过程中污染加重的主1陈扬骏，陈宏.城市街谷形态对污染物扩散机理影响模拟研要因素。究A.全国高等学校建筑学专业教育指导分委员会建筑数字4结论技术教学工作委员会.共享协同一2 0 19 全国建筑院系建筑数文章针对城市路网系统中大气污染物驱散过程，字技术教学与研究学术研讨会论文集C.全国高等学校建筑学专业教育指导分委员会建筑数字技术教学工作委员会：全国高从多耦合视角出发，在污染驱散领域结合DCCA方校建筑学学科专业指导委员会建筑数字技术教学工作委员会，法，构建了一种全新的城市路网污染物驱散模型，揭2019:295-301.示了城市路网中大气污染物的多耦合驱散特征。该模2 Mei Shuojun,Luo Zhiwen,Zhao Fuyun,et al.Street canyon型通过DCCA方法量化各因素与污染物之间在特定ventilation and pollution dispersion:2-D versus 3-D CFD时间尺度上的互相关程度，融合对象Petri网和双枝模simulationsJ.Sustainable Cities and Society,2019(50):101700.糊理论给出了多耦合驱散Petri网模型，同时给出了多3 Rodriguez L M,Bieringer P E,Warner T.Urban transport and耦合Petri网运行规则和模型算法。实例研究运用dispersion model sensitivity to wind direction uncertainty and sourceBBOPNM对西安市部分路网大气污染物驱散过程进locationJJ.Atmospheric Environment,2013,64(JAN.):25-39.24050100150200250300350单位时间t(d）PM驱散指数变化国土与自然资源研究72TERRITORYNATURALRESOURCESSTUDY4 Zhang Hao,Xu Tiantian,Zong Yuzhao,et al.Influence ofMeteorological Conditions on Pollutant Dispersion in Street CanyonJ.Procedia Engineering,2015(121):899-905.5 Madrazo J,Clappier A.Low-cost methodology to estimate vehicleemission factorsJ.Atmospheric Pollution Research,2018,9(2):322-332.6张朝能,邱飞,宁平，等.机动车尾气扩散模型研究进展.环境工程学报,2 0 16,10(2)：517-52 3.7郝伟娜,郭幸运，李家文，等.城市信号交叉口机动车尾气扩散特性研究J.浙江工业大学学报，2 0 17,45（1）：9 4-9 8.8黄远东，侯人玮，崔鹏义.道路路障对街道峡谷内污染物扩散的影响J.环境工程学报，2 0 18,12(4：1135-1147.9 Li Q,Chen C,Deng Y,et al.Influence of traffic force onpollutant dispersion of CO,NO and particle matter(PM2s)measured inan urban tunnel in Changsha,ChinaJ.Tunnelling and UndergroundSpace Technology,2015,49(jun.):400-407.10 Wang Chenghao,Li Qi,Wang Zhihua.Quantifying the impact ofurban trees on passive pollutant dispersion using a coupledlarge-eddy simulation-Lagrangian stochastic modelJ.Building andEnvironment,2018(145):33-49.11张云伟.行驶车辆对城市街谷内空气流动与污染物扩散的影响一基于拉格朗日模型的数值模拟A.中国颗粒学会气溶胶专业委员会.十一届全国气溶胶会议暨第十届海峡两岸气溶胶技术研讨会摘要集C.中国颗粒学会气溶胶专业委员会：中国颗粒学会气溶胶专业委员会，2 0 13：57 5-58 4.12 Ding Shuo,Huang Yuandong,Cui Pengyi,et al.Impact ofviaduct on flow reversion and pollutant dispersion in 2D urban streetcanyon with different roof shapes-Numerical simulation and windtunnel experimentJ.Science of the Total Environment,2019(671):976-991.13史开泉.双枝模糊集（I)J.山东工业大学学报,19 9 8(2)：47-52.14袁崇义.Petri网原理与应用M.北京：电子工业出版社，2005.15 Boris P,Eugene S H.Detrended cross-correlation analysis:anew method for analyzing two nonstationary time seriesJ.Physicalreview letters,2008,100(8):1-4.16方平.基于Petri网的知识表示方法研究D.武汉理工大学，2 0 13.17 Su Jia,Huang Guangqiu.Simulation and analysis of ecosystemvulnerability with cascading spread caused by dust migration basedon object function GeoPetri netJ.Ecological Modlling,2018(379):54-72.18汪惠芬,梁光夏,刘庭煜,等.基于改进模糊故障Petri网的复杂系统故障诊断与状态评价.计算机集成制造系统，2 0 13,19(12):30493061.19黄光球,马蒙，陆秋琴.城市路网系统大气污染物排放量计算方法J.系统工程理论与实践，2 0 2 0,40(7)：18 56-18 6 9.20葛晓燕.城市典型街谷道路中污染物扩散特征模拟D.西安建筑科技大学，2 0 18.作者简介：黄光球（19 6 4-），男，湖南桃源人，博士，教授，研究方向为城市大气污染分析与控制。通信作者：张嘉蓉（19 9 5-），女，陕西渭南人，硕士，研究方向为城市大气污染分析与控制。（2 0 2 2-10-16 收稿刘晓佳编辑）2023 No.5文章编号：10 0 3-7 8 53(2 0 2 3)0 5-0 0 7 2-0 5基金项目：国家自然科学基金（319 6 0 6 31)。武汉市大气中主要污染物浓度季节变化特征及成因分析魏楠欣1,韩国君*,何明珠,杜志恒2（1.甘肃农业大学资源与环境学院，甘肃兰州7 30 0 0 0；2.中国科学院西北生态环境资源研究院，甘肃兰州7 30 0 0 0）摘要：用统计学和HYSPLIT模型对2 0 16 一2 0 2 0 年武汉市大气中主要污染物的季节变化特征及相关性进行分析研究。结果表明，20162020年武汉市大气中NOz、PM1o、PM2.5 SO,浓度整体呈现下降趋势,但CO和O,的浓度先降低后上升。PM2.5与SO2、NO 2和 CO之间相关性系数从大到小顺序依次为 CONO2SO2。其中,O,与温度,NO,与风速,SO,与相对湿度,PM2.5与温度有着明显的相