空氣污染建模的目的是估計由工業生產過程、意外排放或交通等造成的室外污染物濃度。 空氣污染模型用於確定污染物的總濃度，以及找出異常高水平的原因。 對於規劃階段的項目，可提前估算對現有負擔的額外貢獻，並可優化排放條件。
圖 1. 全球環境監測系統/空氣污染管理
根據為相關污染物定義的空氣質量標準，年平均值或短時峰值濃度值得關注。 通常必須在人們活躍的地方確定濃度 - 即在離地面約兩米高的地表附近。
影響污染物擴散的參數
影響污染物擴散的參數有兩類：源參數和氣象參數。 對於源參數，濃度與排放的污染物量成正比。 如果涉及粉塵，則必須知道顆粒直徑以確定材料的沉降和沈積 (VDI 1992)。 由於堆高越大，表面濃度越低，因此也必須知道該參數。 此外，濃度取決於廢氣的總量，以及它的溫度和速度。 如果廢氣的溫度超過周圍空氣的溫度，則氣體將受到熱浮力的影響。 其排氣速度可根據煙囪內徑和排氣量計算得出，會引起動力動量浮力。 經驗公式可用於描述這些特徵（VDI 1985；Venkatram 和 Wyngaard 1988）。 必須強調的是，造成熱動量浮力的不是所討論污染物的質量，而是總氣體的質量。
影響污染物擴散的氣象參數是風速和風向，以及垂直熱分層。 污染物濃度與風速的倒數成正比。 這主要是由於加速運輸。 此外，湍流混合隨著風速的增加而增加。 由於所謂的反轉（即溫度隨高度增加的情況）阻礙了湍流混合，在高度穩定的分層過程中觀察到最大表面濃度。 相反，對流情況會加強垂直混合，因此顯示出最低的濃度值。
空氣質量標準——例如，年度平均值或 98 個百分位數——通常基於統計數據。 因此，需要相關氣象參數的時間序列數據。 理想情況下，統計數據應基於十年的觀察。 如果只有較短的時間序列可用，則應確定它們在較長時期內是否具有代表性。 例如，這可以通過分析來自其他觀測站點的較長時間序列來完成。
所使用的氣象時間序列也必須代表所考慮的地點——也就是說，它必須反映當地特徵。 這對於基於分佈峰值分數（如 98 個百分位數）的空氣質量標準特別重要。 如果手頭沒有這樣的時間序列，可以使用氣象流量模型從其他數據中計算出一個時間序列，如下所述。
國際監測計劃
世界衛生組織 (WHO)、世界氣象組織 (WMO) 和聯合國環境規劃署 (UNEP) 等國際機構已製定監測和研究項目，以澄清空氣污染所涉及的問題，並促進採取措施防止公共衛生以及環境和氣候條件進一步惡化。
全球環境監測系統 GEMS/Air（WHO/UNEP 1993）由 WHO 和 UNEP 組織和讚助，並製定了一個綜合計劃來提供合理的空氣污染管理工具（見圖 55.1.[EPC01FE] 該計劃的核心是二氧化硫、懸浮顆粒物、鉛、氮氧化物、一氧化碳和臭氧等城市空氣污染物濃度的全球數據庫。然而，與該數據庫同樣重要的是提供管理工具，例如快速排放清單指南、程序用於擴散模型、人口暴露估計、控制措施和成本效益分析。在這方面，GEMS/Air 提供方法審查手冊（WHO/UNEP 1994、1995），對空氣質量進行全球評估，促進評估的審查和驗證, 作為數據/信息經紀人，製作支持空氣質量管理各個方面的技術文件，促進建立監測部門，進行和廣泛分發年度審查，並建立或確定區域合作中心和/或專家，以根據區域的需要協調和支持活動。 (WHO/UNEP 1992, 1993, 1995)全球大氣監視網 (GAW) 計劃（Miller 和 Soudine 1994）提供有關大氣化學成分和相關物理特性及其趨勢的數據和其他信息，目的是了解不斷變化的大氣成分與全球氣候變化之間的關係和區域氣候、潛在有害物質在陸地、淡水和海洋生態系統中的遠距離大氣傳輸和沈積，以及全球大氣/海洋/生物圈系統中化學元素的自然循環，以及對其的人為影響。 GAW 計劃包括四個活動領域：全球臭氧觀測系統（GO3OS）、全球背景大氣成分監測，包括背景空氣污染監測網絡（BAPMoN）； 大氣污染物在不同時間和空間尺度上在陸地和海洋上的擴散、輸送、化學轉化和沈降； 大氣和其他環境部分之間的污染物交換； 和綜合監控。 GAW 最重要的方面之一是建立質量保證科學活動中心，以監督 GAW 產生的數據的質量。
空氣污染建模的概念
如上所述，污染物的擴散取決於排放條件、運輸和湍流混合。 使用描述這些特徵的完整方程稱為歐拉色散建模 (Pielke 1984)。 通過這種方法，必須在虛擬空間網格上的每個點和不同的時間步長中確定所討論污染物的收益和損失。 由於該方法非常複雜，耗費計算機時間，通常無法常規處理。 但是，對於許多應用程序，可以使用以下假設對其進行簡化：
- 排放條件不隨時間變化
- 運輸途中氣象條件無變化
- 風速超過 1 m/s。
在這種情況下，上述方程可以解析求解。 所得公式描述了具有高斯濃度分佈的羽流，即所謂的高斯羽流模型 (VDI 1992)。 分佈參數取決於氣象條件和下風距離以及煙囪高度。 它們必鬚根據經驗來確定（Venkatram 和 Wyngaard 1988）。 高斯煙團模型 (VDI 1994) 可以描述排放和/或氣象參數在時間和/或空間上變化相當大的情況。 在這種方法下，不同的煙團以固定的時間步長發出，每個煙團根據當前的氣象條件遵循自己的路徑。 在途中，每一團煙團都根據湍流混合而增長。 同樣，描述這種增長的參數必鬚根據經驗數據確定（Venkatram 和 Wyngaard 1988）。 然而，必須強調的是，為了實現這一目標，輸入參數必須在時間和/或空間上具有必要的分辨率。
關於意外釋放或單個案例研究，拉格朗日或粒子模型（VDI 指南 3945, 第 3 部分) 被推薦。 因此，概念是計算許多粒子的路徑，每個粒子代表固定數量的相關污染物。 各個路徑由平均風的傳輸和隨機擾動組成。 由於隨機部分，路徑並不完全一致，而是通過湍流描述混合物。 原則上，拉格朗日模型能夠考慮複雜的氣象條件——尤其是風和湍流； 通過下述流動模型計算的場可用於拉格朗日擴散建模。
複雜地形中的色散建模
如果必須在結構化地形中確定污染物濃度，則可能需要在建模中包括地形對污染物擴散的影響。 例如，此類影響是沿地形結構的運輸，或像海風或山風這樣的熱風系統，它們會在一天中改變風向。
如果這種影響發生在比模型區域大得多的範圍內，則可以使用反映當地特徵的氣象數據來考慮這種影響。 如果沒有此類數據，則可以使用相應的流動模型來獲得地形對流動的三維結構。 基於這些數據，擴散建模本身可以假設水平均勻性來執行，如上文在高斯羽流模型的情況下所述。 然而，在模型區域內風況變化較大的情況下，擴散建模本身必須考慮受地形結構影響的三維流動。 如上所述，這可以通過使用高斯粉撲或拉格朗日模型來完成。 另一種方法是執行更複雜的歐拉建模。
為了根據地形結構地形確定風向，可以使用質量一致或診斷流模型（Pielke 1984）。 使用這種方法，通過盡可能少地改變初始值並保持其質量一致來使流量適應地形。 由於這是一種可以快速得出結果的方法，如果沒有可用的觀測數據，它也可以用於計算某個站點的風統計數據。 為此，使用了地轉風統計數據（即來自 rawinsondes 的高空數據）。
然而，如果必須更詳細地考慮熱風系統，則必須使用所謂的預測模型。 根據模型區域的規模和陡度，流體靜力或更複雜的非流體靜力方法是合適的 (VDI 1981)。 這種類型的模型需要強大的計算機能力，以及豐富的應用經驗。 一般而言，這些模型無法根據年度平均值確定濃度。 相反，可以通過僅考慮一個風向以及導致最高表面濃度值的那些風速和分層參數來執行最壞情況研究。 如果這些最壞情況下的值沒有超過空氣質量標準，則沒有必要進行更詳細的研究。
圖 2. 模型區域的地形結構
圖 2、圖 3 和圖 4 展示了污染物的傳輸和分佈如何與地形和風氣候的影響相關，這些影響是從地表和地轉風頻率中得出的。
圖 3. 根據地轉頻率分佈確定的地表頻率分佈
圖 4. 根據異質風場的地轉頻率分佈計算的假設區域的年平均污染物濃度
低源情況下的擴散建模
考慮到由低源造成的空氣污染（即煙囪高度與建築物高度或道路交通排放的量級相當），必須考慮周圍建築物的影響。 道路交通排放物將被困在一定數量的街道峽谷中。 已經發現經驗公式可以描述這一點（Yamartino 和 Wiegand 1986）。
從位於建築物上的低煙囪排放的污染物將在建築物背風側的循環中被捕獲。 這種背風環流的範圍取決於建築物的高度和寬度，以及風速。 因此，在這種情況下，僅根據建築物的高度來描述污染物擴散的簡化方法通常是無效的。 背風環流的垂直和水平範圍已從風洞研究（Hosker 1985）中獲得，並且可以在質量一致性診斷模型中實施。 一旦確定了流場，就可以用它來計算排放污染物的傳輸和湍流混合。 這可以通過拉格朗日或歐拉分散建模來完成。
更詳細的研究——例如，關於意外釋放——只能通過使用非流體靜力學流動和擴散模型而不是診斷方法來進行。 由於這通常需要很高的計算機能力，因此建議在完整的統計建模之前採用上述最壞情況的方法。