大气扩散原理：湍流机制、模型内核与工程边界

一、原理概述

大气扩散（atmospheric diffusion）指含污染物的气体排入大气后，在大气湍流混合、分子热运动以及重力沉降等作用下，随气流迁移并逐步分散、稀释的过程。由于扩散本身的速度远小于气流输运的速度，污染物总是先随气流离开源区，再在下风向逐渐“摊开”和“摊薄”。如果迁移过程中浓度能降到容许浓度以下，排放对受体点的影响就可以控制在可接受范围内。

对气体而言，湍流混合比分子扩散高出数个量级，重力沉降作用微弱，因此可以说：湍流决定“摊得多开”，平均风决定“送得多远”，二者共同决定任一位置的浓度。

本文解释的核心原理包括三个问题：

• 扩散为什么能降低浓度：湍流、平流与沉降之间的分工；
• 哪些因子如何改变稀释效率：风向、风速、气温、稳定度、逆温层、地形与天气系统；
• 工程上如何计算扩散：高斯模式、K 模式、CFD 与拉格朗日粒子模型等方法的原理，以及各自的边界条件。

二、背景问题：为什么必须研究大气扩散

1. 排放达标判断：源强相同的排放，能否达标取决于气象条件和源的空间关系。
2. 风险预测与应急：事故性释放可在数十分钟内影响下风向数公里，需要快速预测影响范围、到达时间和峰值浓度。
3. 规划与选址：城市形态（建筑高度、通风廊道）、工厂与核电厂选址，决定了污染物被稀释的条件。
4. 静稳条件下的污染防控：高压系统控制期间扩散条件差，排放不变时浓度也会明显累积。

其底层逻辑是：大气既是污染物迁移的通道，又是稀释的场所。扩散计算的实质是在源强与气象条件之间建立“浓度场”映射，并据此判断何时、何地的浓度会超过约束。

三、核心概念

概念	含义	在扩散中的作用
湍流	速度、温度等要素随机脉动的三维涡旋运动	主要稀释机制，决定扩散参数的大小
分子扩散	分子热运动引起的物质输运	量级很小，对气体基本可忽略
平流	平均气流携带污染物整体迁移	决定迁移方向与速度
重力沉降	重力和阻力平衡下粒子的末速度沉降	对气体微弱，对较大颗粒物才重要
有效源高	实际排放口高度与烟流抬升高度之和	决定地面浓度高低的关键几何量
大气稳定度	层结抑制或促进湍流的能力	决定扩散参数随距离的增长速率
逆温层	气温随高度增加的气层	像“盖子”一样限制垂直扩散
混合层	湍流充分发展的近地面气层	污染物垂直稀释的空间上限

补充说明：

• 扩散（diffusion）与弥散（dispersion）：二者常被混用。严格来说，扩散指湍流脉动造成的微观混合，弥散指由此产生的浓度分布展宽和峰值衰减。
• 源类型：
  • 连续点源：烟囱、排气筒；
  • 瞬时点源（烟团）：事故泄漏的短时释放；
  • 面源与体源：居民燃烧、城市交通；
  • 线源：道路。
• 稳定度与混合层：稳定度反映层结对湍流的抑制程度，混合层反映湍流能够发展的空间。两者共同决定污染物的垂直稀释能力。
• 扩散参数：常用标准差 σy、σz 描述污染物浓度分布相对于轴线的横向、垂直宽度。

四、底层机制：污染物为什么会被“摊开”

4.1 湍流扩散：涡旋“折叠—拉伸”带来的稀释

从拉格朗日视角看，每个“污染物微团”都随所在位置的瞬时风速运动。湍流使相邻气块的速度方向各不相同：有的偏左、有的偏右，有的向上、有的向下。微团被拉伸成细丝和薄片，在更大尺度上与周围空气混合。整体浓度剖面由许多这样的随机轨迹统计叠加而成，因此湍流充分发展后接近正态分布，这正是高斯模式成立的理论前提。

从统计理论看，扩散参数可由湍流强度近似估计：

• σy ≈ σv · t = σv · x / u
• σz ≈ σw · t = σw · x / u

式中 σv、σw 分别为横向、垂直脉动速度，x 为下风向距离，t 为输运时间，u 为平均风速。由此可得两点结论：

• 湍流越强（σv、σw 越大），单位距离的扩散增量越大；
• 风速越大，污染物被“拉走”得越快，在同样的下风向距离上停留时间越短，侧向和垂向展开的幅度越小。

从工程近似看，梯度输送理论（即 K 理论）把湍流引起的污染物通量写成与浓度梯度成正比：

F = −K · ∂C/∂z

式中 K 为湍流扩散系数。大气边界层内 K 约为 1～10² m²/s 量级，气体分子扩散系数 D 约为 10⁻⁵ m²/s 量级，两者相差约 6～7 个数量级。这就从根本上解释了为什么气体扩散以湍流为主、分子扩散可以忽略。

4.2 平流输送：平均风决定“送到哪里”

湍流混合只能把污染物“摊开”，无法决定它被送往何处。平流作用由平均风场完成，据此可以回答：

• 污染影响的方向（下风向扇区）；
• 污染物到达受体点的时间（距离 ÷ 风速）；
• 单位时间被稀释的空气体积。

对于有效源高为 H 的排放，污染物要落地，必须在垂直方向上至少展开到 H 的量级。地面轴线上浓度最大的位置大致出现在 σz ≈ H/√2 处，这意味着：

• 源越高，最大落地浓度出现得越远、越低；
• 源越低，近场浓度越高。

4.3 沉降与清除：次要但不可忽视

• 重力沉降：沉降末速度由重力与空气阻力平衡决定，量级较小。气体分子几乎不存在有效沉降，因此对气体作用微弱；颗粒物的沉降量则随粒径显著增大。
• 干沉降：湍流把污染物送到下垫面后，地表（植被、土壤、水面）通过吸附、吸收和化学作用将其“捕获”。
• 湿沉降：降水把污染物“冲刷”到地面，并在云中、云下两个过程中清除。
• 转化与衰变：如放射性核素的物理衰变、化学物质的氧化分解。

工程上，沉降和衰变通常近似为指数衰减：浓度沿程乘以 exp(−λx/u)。λ 越大、风速越小，污染物在停留期间被清除的比例越高。

小结：浓度变化取决于“稀释”与“清除”的竞争。对气体而言，湍流稀释占主导；对颗粒物或长期累积效应而言，沉降和湿清除的影响更为显著。

五、影响因子机制：为什么风向、风速、气温、稳定度会改变结果

影响因子	作用机制	对扩散/浓度的影响
风向	决定污染影响扇区，并受风切变、海陆风、山谷风调制	下风向出现高浓度带
风速	决定输运速度、稀释体积流量和停留时间	风速增大通常降低落地浓度；σy、σz 反而变小
气温层结	决定层结稳定还是不稳定	不稳定层结湍流强；稳定层结湍流弱
大气稳定度	综合辐射、风速与云量，表征湍流强度	A 类扩散快，F 类扩散慢
逆温层	抑制垂直运动，形成“盖层”	污染物被封闭在近地层，浓度累积
地形与下垫面	改变流场、粗糙度和热力结构	复杂地形下分布严重偏离简单模式

5.1 风向：决定影响范围的方向与形状

• 主轴方向：污染物主要沿平均风向输送，在下风向形成扇形的污染带。
• 风切变：风向随时间和空间变化，使羽流像折线一样摆动。在 D、E、F 等稳定条件下，风向变化通常较小，羽流摆动小，轴线浓度更高，但影响范围更窄。σy 同时体现横向湍流和风切变两部分贡献。
• 局地环流：海陆风、山谷风、城市热岛环流会使污染物在不同时段被“来回输送”，污染物甚至返回原地，形成高浓度的反复累积。

5.2 风速：决定稀释速度

取一段长为 dx、横向和垂向尺度分别为 σy、σz 的“薄片”，其中空气体积通量约为 u·σy·σz·dx。风速越大，单位时间内进入的清洁空气越多，浓度越低。所以多数情况下风速增大会降低地面浓度。

• 弱风：σy、σz 因停留时间长而增大，但可稀释的空气量有限。
• 强风：σy、σz 较小，羽流窄而高，但在轴线上被高速稀释。

5.3 气温与温度层结：稳定度的物理根源

气温随高度的变化用温度递减率 γ 表示，并与干绝热递减率 γd（约 0.98 ℃/100 m）比较：

• γ > γd：超绝热，绝对不稳定。 抬升气块比环境更暖，浮力使其继续上升，湍流旺盛。典型情况是晴日正午的地面附近。
• γ = γd：中性层结。 气块既不加速也不减速，湍流主要来自机械作用。常见于大风时的阴天或夜间。
• γ < γd：稳定层结。 抬升气块比环境更冷，浮力使其回落，湍流受到抑制。其中 γ < 0（逆温）是稳定层结的极端情形。

这一判据解释了“同样排放，不同时间、不同地点的浓度差异”。

5.4 大气稳定度：湍流强弱的工程分类

按帕斯奎尔—吉福德（Pasquill–Gifford）分类，稳定度依据地面 10 m 风速、白天太阳辐射强弱或夜间云量划分为 A（极不稳定）、B、C、D（中性）、E、F（较稳定）等级：

地面风速	白天：强日照	白天：中等日照	白天：弱日照	夜间：薄云或云量≥4/8	夜间：云量≤3/8
< 2 m/s	A	A–B	B	—	—
2～3 m/s	A–B	B	C	E	F
3～5 m/s	B	B–C	C	D	E
5～6 m/s	C	C–D	D	D	D
> 6 m/s	C	D	D	D	D

注：风速小于 2 m/s 时的夜间类别，表中未给出明确判据，需要结合局地条件判断，或采用专用的小风速稳定度判据。

稳定度的实际作用是：它决定 σy、σz 随距离的增长曲线。可以把它理解为决定“扩散参数增长曲线”的档位——同一距离下，A 类的 σz 可能比 F 类大数倍到十倍以上，因此近场地面浓度差异显著。

5.5 逆温层：垂直扩散的“盖子”

逆温层中，上升气块不断被浮力“压回”，湍流难以向上穿透，污染物因此被限制在逆温层底面以下的浅层中。常见类型如下：

• 辐射逆温：晴朗、微风的夜间，地面强烈辐射冷却，近地面气温低于上层；日出后逆温逐渐消失；
• 下沉逆温：高压区内空气下沉增温，在中低空形成暖盖，可持续数天；
• 平流逆温：暖空气平流到冷下垫面之上；
• 湍流逆温：低层湍流混合使上层气温趋于均匀，在混合层顶部形成逆温。

其中下沉逆温与天气系统的关系最为密切（见第六章）。逆温层的影响随源与逆温层的相对位置而不同：

1. 封闭型扩散：源位于逆温层之下。污染物只能横向扩散和沿地面反射扩散，垂直方向无法发展，地面浓度明显高于无逆温时。
2. 抬升型扩散：源位于逆温层之上。污染物落到地面之前可充分稀释，但容易在逆温层内累积，并随下沉气流带到远处。
3. 熏烟型扩散：清晨逆温层被日出后的地面加热自下而上破坏，原先封存其中的污染物被“夹卷”进新生湍流层并迅速带到地面。此时地面浓度会出现短时骤升，远高于此前封闭期间，也高于逆温完全破坏之后。

5.6 地形与下垫面：流场重构器

• 山区：白天谷风、夜间山风，污染物在山谷内往复累积。
• 沿海：海风与陆风交替。
• 城市：
  • 建筑群使地表粗糙度大幅增加。近地面风速降低，机械湍流增强，局部扩散加快；但空气“换气”速度减慢，街区污染物也更易滞留。
  • 街道峡谷内可能形成涡旋，污染物在迎风、背风面形成高浓度区。
  • 城市热岛环流也会改变区域输送格局。

这就是通风廊道规划的原理基础：保留与主导风向一致的开放空间，降低粗糙度、减少高层建筑群的阻挡，以维持城区整体通风能力。

六、系统与流程：一次扩散计算如何完成

6.1 输入与输出

• 输入：
  • 源信息：位置、源高、出口直径与流速、温度、源强、时间变化（连续或事故瞬时）；
  • 气象信息：风速风向、温度廓线、辐射或云量、混合层高度、降水、湿度；
  • 下垫面与地形：地表类型、粗糙度、建筑或地形几何；
  • 污染物属性：分子扩散系数、沉降速度、衰变常数。
• 处理：源项表征 → 气象场构建 → 稳定度与扩散参数确定 → 浓度场计算 → 浓度统计与风险评估。
• 输出：浓度或浓度因子（χ/Q）的空间场、时间变化曲线、最大落地浓度及其位置、超标范围、到达时间、累计剂量。

6.2 模块划分与协作关系

以文字描述的通用分层结构如下：

• 数据接入层：接入气象观测与预报、探空资料、排放在线监测数据、地形与建筑数据，统一格式，并完成质量控制、缺测插补和单位换算；
• 预处理层：计算稳定度、混合层高度、扩散参数；依据地形与建筑数据生成计算网格或城市冠层几何；
• 计算内核层：根据场景选择模型，完成浓度场求解；
• 评估层：进行浓度统计、累积剂量计算、超标判定和最大落地点定位；
• 应用层：输出风险地图、到达时间、预警信息；
• 支撑层：
  • 数据存储：业务数据可持久化在云上对象存储或数据库中，结果归档为时空网格数据；
  • 任务调度：由容器平台或批处理调度系统编排，借助消息队列实现计算任务与结果通知的解耦；
  • 监控与运维：通过日志服务与监控告警跟踪作业状态。

6.3 状态变化

• 任务状态：排队 → 初始化 → 气象预处理 → 计算 → 后处理 → 完成/失败；
• 数据状态：原始观测 → 质控数据 → 派生气象参数 → 浓度场 → 风险评估结果 → 归档；
• 情景状态：每个网格点的污染物浓度随时间连续演化，在事故模拟中还会随烟团位置不断更新。

6.4 处理链路（通用伪代码）

for each source in sources:                      # 源项表征
    effective_height = stack_height + plume_rise(...)
for t in time_steps:                             # 按时间推进
    met = read_and_qc(meteorology, t)
    stability, sigma_curves = classify_stability(met)
    mixing_height = estimate_mixing_layer(met)
    u = adjust_wind_for_terrain(met.wind, grid)
    if u < CALM_THRESHOLD:                       # 分支：静风或小风
        model = calm_model                         # 经验/统计型扩散模型
    elif terrain_complex or near_buildings:
        model = cfd_or_lagrangian                  # 数值求解或粒子追踪
    else:
        model = gaussian                             # 解析型高斯烟羽/烟团
    for x in grid:
        for y in grid:
            C[x, y] += model.concentration(source, met, stability, x, y)
        C[x, y] *= exp(-lambda * x / u)          # 沉降、转化、衰变（指数衰减近似）
    cap_vertical(C, mixing_height)               # 逆温或混合层封顶
    assess(C)                                    # 最大浓度、超标范围、到达时间、累积剂量
output(C, risk_report)

七、关键机制一：数学模型的原理与边界

7.1 高斯烟羽模式

基本方程（连续点源、y 方向地面轴线）：

C(x, y, z) = Q / (2·π·u·σy·σz)
           × exp(−y² / (2·σy²))
           × { exp[−(z − H)² / (2·σz²)] + exp[−(z + H)² / (2·σz²)] }

• Q：源强（质量/时间）；
• u：释放高度处的平均风速；
• σy、σz：下风向距离 x 处的横向、垂向扩散参数；
• H：有效源高，即实际源高加烟流抬升高度；
• 花括号中的两项：前者是“真实烟羽”，后者是由地面全反射形成的“镜像烟羽”。

地面浓度（z = 0）时，两项相等，合并后得到：

C(x, y, 0) = Q / (π·u·σy·σz) × exp(−y² / (2·σy²)) × exp(−H² / (2·σz²))

• 横风向：浓度沿 y 服从正态分布，轴线（y = 0）浓度最高，向两侧按 exp(−y²/(2σy²)) 衰减。这与原始资料中“正态分布假设”一致。
• 高斯模式的物理内核：一次项 Q/(π·u·σy·σz) 代表稀释，指数项代表“是否落地”。

隐含假设与适用边界：

• 源强稳定，平均风均匀定常，风向变化可忽略；
• 污染物保守，不发生沉降、转化和衰变；
• 地形平坦，建筑物影响可忽略；
• σy、σz 随 x 有确定的经验关系，可查阅帕斯奎尔—吉福德扩散参数曲线或 Briggs 等参数化公式；
• 浓度近似服从正态分布。

烟流抬升：热浮力与出口动量使烟流上升，抬升量与烟气与环境温差、出口动量、风速及大气稳定度有关。稳定层结抑制抬升，不稳定层结则促进抬升。工程上常用 Briggs 类公式描述：浮力通量越大抬升越高，风速越大越易被“吹弯”。

典型适用场景：平坦地形、连续排放、单源或少量源、开阔地常规排放评估；估算快速，常用于初步评价。

7.2 K 模式与数值求解

基本方程：

∂C/∂t + u·∂C/∂x + v·∂C/∂y + w·∂C/∂z
     = ∂/∂x(Kx·∂C/∂x) + ∂/∂y(Ky·∂C/∂y) + ∂/∂z(Kz·∂C/∂z) − λC

与高斯模式相比，K 模式有三个进步：

1. 允许风速随高度和时间变化；
2. 允许扩散系数随空间变化；
3. 可加入沉降、衰变和化学反应项。

封闭性问题：K 是从雷诺平均应力中衍生出来的参数，只用平均量梯度描述湍流输运。它可以模拟宏观分布，但难以再现湍流的结构和瞬时脉动。

近距离局限：源附近污染物来不及按梯度分布，用局部梯度 K 计算会产生较大误差。因此 K 模式更适用于中远距离和区域尺度。

常见误区：K 模式与 K 理论不是同一事物。K 理论是“梯度—扩散”的近似框架，而 K 模式是直接用扩散方程数值求解的方法。拉格朗日统计理论和大涡模拟正是为了克服梯度假设的不足而提出的。

7.3 拉格朗日粒子/烟团模型

原理：释放大量示踪粒子，每个粒子位置按下式推进：

x(t + Δt) = x(t) + [u + u′]·Δt
u′(t + Δt) = R(Δt)·u′(t) + (1 − R²)^0.5 · σu · ξ

• u′：湍流脉动速度分量；
• R：拉格朗日自相关系数，表示速度记忆随时间衰减；
• σu：脉动速度标准差；
• ξ：标准正态随机变量。

为什么能解决问题：

• 不依赖梯度输送假设，适合源附近和湍流非均匀区域；
• 天然适合可变风向和复杂流场；
• 静风时平均风速趋近于零，粒子仅靠脉动运动，仍可正常模拟。

代价：计算量随粒子数线性增长，结果带有统计涨落，需要足够多的粒子和样本。

7.4 CFD 数值模拟

原理：数值求解描述流体运动的 Navier–Stokes 方程，以及耦合其中的污染物浓度输运方程。工程上常用两类做法：

• RANS（雷诺平均）：引入 k–ε 等湍流模型描述平均湍流效应，计算量较小；
• LES（大涡模拟）：解析大涡、模型化小涡，能刻画非定常涡旋，计算量更大。

处理链路：

1. 几何建模：建筑物、地形、排气筒；
2. 网格划分：源附近加密，近壁面做边界层处理；
3. 设定边界条件：入口风廓线（风速、湍流度）、出口、壁面、温度；
4. 求解流场，收敛后再求解污染物输运方程；
5. 后处理：提取浓度场、通风效率等指标。

为什么在复杂地形中更接近实测：高斯模式假设风均匀、地形平坦、浓度正态分布，这些在山区、街区、建筑群中都不成立。CFD 能直接刻画下列现象：

• 绕流与尾涡；
• 街谷涡旋；
• 背风面滞留；
• 热浮力驱动；
• 建筑物下洗。

建筑物下洗：当排放口高度低于建筑物高度加上一定倍数的建筑宽度时，建筑尾涡会把烟羽“拉”向地面，地面浓度显著升高。因此当“高斯模式加上经验下洗修正”也不够时，就需要 CFD。

代价与边界：

• 计算量大，实时预警需要预计算情景库或降阶模型；
• 结果依赖网格质量、湍流模型和边界条件；
• 对入口条件敏感，需要用实测数据校验。

7.5 静风与弱风：高斯模式的失效与修正

当 u 趋近于 0 时，高斯模式分母中的 u 使浓度发散，风向也无法定义，因此需要专用模型。

• 小风专用模型：以风速小于某阈值为适用条件，用与风向无关的轴对称形式表达浓度，并由湍流脉动和浮力共同驱动扩散。
• 基于场地实验的参数修正：有研究者通过专门场地实验修正了静风条件下的扩散参数。其计算结果呈钟形分布特征：靠近源处浓度较高，随距离增大先快速下降，然后趋于平缓，形成峰区加尾部的类钟形曲线。这与湍流充分发展时浓度随距离单调下降的高斯型结果明显不同。
• 静风并不意味着“无扩散”：实测中静风条件下污染物仍存在垂直脉动运动，混合层内脉动速度约为 0.46～0.63 m/s，垂直扩散范围可达 500 m。这说明“静风 = 不扩散”是错误直觉，但小风时稀释体积流量小，近地浓度仍可能较高。

7.6 模型选型对照

维度	高斯模式	K 模式	拉格朗日粒子模型	CFD
原理	正态分布的解析解	数值求解扩散方程	随机轨迹统计	数值求解流体与输运方程
典型适用尺度	局地到中尺度	中尺度到区域	局地到区域	建筑、街谷、复杂地形
地形适应性	弱	中	较强	强
静风处理	差	一般	好	好
计算量	很小	中等	较大	大
主要局限	假设多	梯度输送近似	统计涨落	网格与模型依赖、需校验

八、关键机制二：实例剖析与规划应用

8.1 冷却塔热羽与核电厂大气弥散

核电厂大气弥散研究既要评估正常运行下惰性气体等少量排放的持续影响，也要评估事故工况下的短时高浓度影响。

• 常规排放：常用长期平均浓度因子 χ/Q，即把各风频、各稳定度下的风向频率、风速分布与扩散参数组合起来，计算受体点的长期平均浓度与源强的比值。
• 事故释放：关注烟团或烟羽的短时峰值浓度、到达时间、剂量累积。

冷却塔热羽如何改变区域流场：

1. 热力抬升：大量温热水汽排出，产生强浮力羽流，抬升高度大，形成明显的上升气流。
2. 尾流扰动：塔体阻挡气流，形成尾涡，改变局地风场。
3. 降低扩散参数稳定度级别：热羽与尾流相当于局地热源和粗糙源，使局地湍流增强，等效稳定度向不稳定方向移动。例如等效类别由 D 级降为 C 级，σy、σz 随之增大。
4. 后果具有双面性：
   • 污染物被更强的湍流稀释，距离较远的受体点浓度可能下降；
   • 抬升改变有效源高；若抬升不足或出现下洗，近场地面浓度反而升高。

因此热羽分析必须与源扩散评估一起考虑，不能简单认为“热羽使扩散变好，风险一定降低”。

8.2 天气系统：区域尺度扩散的总开关

• 低压系统：伴随上升运动、云量和湍流增强，常形成不稳定层结和较大的混合层，扩散条件好，污染物不易累积。
• 高压系统：盛行下沉气流，低层增温形成下沉逆温；天气晴朗、微风时，夜间又叠加辐射逆温。逆温像盖子一样限制垂直扩散，静稳小风又使水平输送缓慢，污染物在浅层大气中不断累积。多数区域性持续污染过程都发生在高压系统控制期间。

判据与经验规律：

• 通风系数：混合层高度与层内平均风速的乘积。通风系数大，污染物垂直空间和水平清除都充分。
• 混合层高度与风速同时偏小时：区域尺度上污染累积最明显，这也是静稳天气预警的主要依据。

8.3 规划应用：通风廊道

• 目的：在城市空间格局中保留通风通道，维持城区整体换气能力，缓解热岛，改善污染物的输送与稀释条件。
• 机制：廊道方向与主导风向一致，空间上避免高层、高密度建筑群连续遮挡，减少粗糙度增幅和气流阻挡。
• 误区：“稀释越快越好”并不总是成立。稀释只是把浓度降低，总量并未消失。如果下风向存在敏感受体，稀释反而会把污染送到更远的地方。通风廊道规划应结合主导风向、受体分布和区域输送格局综合评估。

九、示例说明：一次高斯烟羽估算

场景设定：

• 连续点源 Q = 0.1 g/s，有效源高 H = 20 m；
• 中性条件（D 类），风速 u = 3 m/s；
• 平坦地形，不计沉降与衰变；
• 采用简化参数：σy = 0.08x、σz = 0.06x（单位 m）。

第一步：估计最大落地距离。 σz = H/√2 ≈ 14.1 m，得 x ≈ 14.1 / 0.06 ≈ 236 m，此时 σy ≈ 18.9 m。

第二步：计算最大地面轴线浓度。

• 1/(π·u·σy·σz) ≈ 1 / (π × 3 × 18.9 × 14.1) ≈ 3.97 × 10⁻⁴ s/m³；
• exp(−H²/(2σz²)) = exp(−1/2) ≈ 0.607；
• Cmax ≈ 0.1 × 3.97 × 10⁻⁴ × 0.607 ≈ 2.4 × 10⁻⁵ g/m³，即约 24 µg/m³。

第三步：比较情景。

• 若稳定度变为 E 类（σy、σz 更小），轴线浓度上升、落地距离缩短；
• 若抬升使 H 增至 60 m，地面最大浓度按约 1/H² 下降（同一距离、扩散参数不变时）；
• 若 u 增至 6 m/s，浓度大致减半。

第四步：判读结果。 把浓度与健康或环境限值比较。超过限时，可改变源强、源高、排放时段，或调整布局。需强调，这是基于简化假设的示意计算；工程应用应使用规范化的扩散参数曲线，并经过实测校验。

十、工程落地：性能、稳定性与安全机制

10.1 性能机制

• 分层并行：
  • 气象场计算按区域分块，扩散计算按源、时间步、下风向距离或情景并行；
  • CFD 按网格区域分解，通过消息传递交换边界数据。
• 降阶与预计算：对固定受体点预先算好浓度因子库，预警时实时查表插值；对 CFD 建立情景库，采用代理模型加速。
• 缓存与批处理：地形、建筑、粗糙度等静态数据只做一次处理，后续复用；结果按时空网格批量写入，避免逐点写入。
• 异步与流式处理：用消息队列解耦数据接入与计算，平滑峰值流量。
• 弹性扩展：在云上按需伸缩计算资源。大规模 CFD 或情景库构建时横向扩容，日常运行按小规格服务，从而控制成本。

10.2 稳定性机制

• 输入校验：对气象数据做范围检查、时间一致性检查、缺测插补和异常值剔除，避免错误输入导致错误结果；
• 数值稳定：
  • 控制时间步长以满足 CFL 条件，即 u·Δt/Δx ≤ 1；
  • 通量守恒格式保证质量守恒；
  • 对极小负浓度进行截断；
  • 监控残差收敛。
• 降级策略：观测数据中断时，切换到预报数据或历史气候统计；
• 容错：
  • 任务失败重试；
  • 超时控制；
  • 关键计算结果多点备份；
  • 发布前回算历史个例，验证一致性。

10.3 安全与审计

• 访问控制：身份认证和最小权限，按角色区分排放源数据、气象数据、结果发布权限；
• 传输与存储加密：传输过程加密，敏感数据静态加密存储；
• 审计：完整记录数据接入、参数调整、模型版本和结果发布，保证结论可追溯、可复现。

十一、技术优势与限制

维度	优势	限制
理解决策	把气象条件与排放条件定量联系起来	结果依赖输入质量与模型假设
分析效率	高斯模式计算快，适合大量情景	假设多，复杂场景下误差大
复杂场景	CFD 与拉格朗日模型可刻画建筑、地形影响	计算成本高，需要校验
静风场景	小风专用模型可以计算	经验参数外推能力有限
监测结合	与在线监测联动，实现溯源和预警	源项不确定性会直接传递到结果

十二、常见误区

1. “扩散得快，污染物就消失了”：扩散只是稀释，总量不变，下风向远处仍可能超标。
2. “逆温层一定使浓度升高”：源在逆温层之上时是抬升型扩散，地面浓度可能更低；逆温层破坏时还会出现熏烟型短暴。
3. “风速越大，浓度一定越低”：多数情况如此，但强风时机械湍流使 σy、σz 变小，羽流窄而高，轴线浓度未必按比例下降。
4. “静风等于不扩散”：垂直脉动依然存在，静风条件下仍有明显扩散，只是水平输送几乎停止。
5. “CFD 比高斯模式更先进，结果一定更准”：CFD 精度依赖网格、湍流模型和边界条件，缺少实测校验时误差可能更大。
6. “K 模式中的 K 就是分子扩散系数”：K 是湍流扩散系数，量级与分子扩散系数相差数个数量级。
7. “烟囱越高越好”：过高排放口会减少近场落地，但污染物仍会在远处落地；抬升还受稳定度和风速影响，静风时抬升效果差。

十三、总结

大气扩散的本质，是湍流脉动把污染物在三维空间中不断“折叠—拉伸—混合”，平均风场决定迁移方向与速度，沉降和转化则在途中有选择地清除污染物。其底层逻辑可以归纳为三个关系：

• 浓度与稀释体积流量（风速 × 扩散参数）成反比；
• 扩散参数由湍流强度和稳定度决定；
• 垂直扩散被逆温层和混合层“封顶”。

理解这一逻辑后，工程上的核心任务就是根据场景选择正确的模型：开阔地常规评估用高斯模式，静风或小风用小风专用模型，复杂地形与建筑群用 CFD，长距离区域尺度用 K 模式或拉格朗日模型。

在工程实践中，还要注意以下几点：

• 输入数据质量决定结果上限；
• 数值稳定性决定结果是否可信；
• 用实测校验模型；
• 在规划、排放控制和环境应急中，把扩散预测与监测、预警和评估结合起来，形成完整闭环。