在环评中，最大落地浓度预测是评估污染源对周围环境空气质量影响的重要步骤。这一过程通常涉及对污染物在大气中扩散行为的模拟和预测，以确定污染物在地面上的最大浓度及其出现的位置。以下是对最大落地浓度预测的一些关键点和方法的概述：
高斯模型：
应用：高斯模型是大气扩散模型中最为常用的方法之一，特别适用于点源扩散的预测。
原理：基于物质守恒原理和浓度梯度传输理论，通过假设大气流动稳定、有主导方向，且污染物在大气中只有物理运动而无化学和生物变化等条件，来模拟污染物在大气中的扩散过程。
计算：通过高斯公式计算不同位置上的污染物浓度，从而找到最大落地浓度及其出现距离。
数值模式：
对于复杂地形、气象条件或多点源影响的情况，可能需要采用更复杂的数值模式进行预测。
这些模式通常基于计算流体动力学（CFD）原理，能够更准确地模拟大气流动和污染物扩散过程。
数据收集：
收集污染源的基本信息，如排放强度、排放高度、排放速率等。
收集当地的气象数据，如风速、风向、稳定度等。
收集地形地貌数据，以了解地形对污染物扩散的影响。
模型选择：
根据实际情况选择合适的预测模型，如高斯模型或数值模式。
参数设置：
在模型中设置相关的参数，如扩散参数、风速、风向等。
模拟计算：
运用模型进行模拟计算，得到不同位置上的污染物浓度。
结果分析：
分析模拟结果，找出最大落地浓度及其出现距离。
评估预测结果是否符合环保标准和要求。
模型假设：
高斯模型等预测方法都基于一定的假设条件，这些假设条件可能与实际情况存在一定的差异。
因此，在预测过程中需要充分考虑这些假设条件对预测结果的影响。
数据准确性：
数据的准确性对预测结果具有重要影响。
在数据收集过程中需要确保数据的准确性和可靠性。
气象条件：
气象条件对污染物扩散具有重要影响。
在预测过程中需要充分考虑气象条件的变化对预测结果的影响。
多点源影响：
在存在多个污染源的情况下，需要考虑多点源的共同影响。
这可能需要采用更复杂的模型或方法进行预测。
综上所述，环评中的最大落地浓度预测是一个复杂而重要的过程。通过选择合适的预测方法、收集准确的数据、设置合理的参数并进行模拟计算，可以得到较为准确的预测结果。这些结果对于评估污染源对周围环境空气质量的影响以及制定环保措施具有重要意义。