AERMOD-EIA模型參數在港口粉塵污染預測中的敏感性分析

何澤慧，彭士濤

（交通運輸部天津水運工程科學研究所水路交通環境保護技術交通行業重點實驗室，天津300456）

大氣環境影響預測是環境影響評價的一項重要內容，為準確評價項目實施后對周圍大氣環境的影響，需采用合適的大氣預測模型。但在模型的應用過程中，由于不同的應用人員在參數的來源、理解和分析程度等方面存在差異，導致參數的選擇不同，并致使預測結果不一致［1］。因此，對模型中的參數進行敏感性分析，能夠把復雜模型中的參數按重要性排列，了解參數變化對預測結果的影響程度，是正確使用模型的前提條件。而目前有關預測模型的參數敏感性分析研究較少［2］，為此本文以區域污染面積和TSP 日均濃度最大值作為研究對象，以散貨中轉碼頭為應用實例，研究EIAProA2008 軟件中AERMOD 模型的污染物粒徑分布、地面粗糙度、地表濕度3 個參數的敏感性［3］，并確定了區域污染面積和TSP 日均濃度最大值相對最大時所對應的參數條件，為模型的應用、預測復核及技術評估提供參考。

1 AERMOD 模型及參數敏感性分析方法

1.1 AERMOD 模型

本次應用實例為散貨中轉碼頭，按照實際排放情況設定無組織排放源，選擇顆粒物TSP 作為預測污染物，使用《環境影響評價技術導則——大氣環境》（HJ2.2-2008）［4］中推薦的AERMOD 模式進行預測計算，應用計算軟件為EIAProA2008。

AERMOD 適用于定場的煙羽模型，是一個模型系統，包括三方面的內容：AERMOD（AERMIC 擴散模型）、AERMAP（AERMOD 地形預處理）和AERMET（AERMOD 氣象預處理）。

AERMOD 功能包括對垂直非均勻的邊界層的特殊處理，不規則形狀的面源的處理，對流層三維煙羽模型的處理，在穩定邊界層中垂直混合局限性和對地面反射的處理，在復雜地形上的擴散處理和建筑物下洗的處理。

AERMOD 模型考慮了地形（包括地面障礙物）對污染物濃度分布的影響，在計算中AERMOD 模型使用了分界流線的概念，即將擴散流場分為兩層結構，下層的流場保持水平繞過障礙物，而上層的流場則抬升躍過障礙物。這兩層的流場以分界流線高度Hc來劃分。由此，AERMOD 模型認為障礙物上的污染物濃度值取決于煙羽的兩種極限狀態，一種極限狀態是在非常穩定的條件下被迫繞過障礙物的水平煙羽，另外一種極限狀態是在垂直方向上沿著障礙物抬升的煙羽，任何一個網格點的濃度值就是這兩種煙羽濃度加權之后的和。

1.2 AERMOD 模型參數

在AERMOD 模型中，除需要輸入常規氣象參數及污染源排放參數外，還需輸入的系統參數有污染物粒徑分布情況（P）、地面粗糙度（Z）、地表濕度（H）；另外模型還可考慮地形與建筑物以及干濕沉降對污染物擴散的影響。本次參數敏感性分析的目的在于判定模型輸入參數對輸出結果的影響，故不考慮復雜地形，因此敏感性分析的參數確定為污染物粒徑分布情況、地面粗糙度和地表濕度3 個參數。

1.3 AERMOD 模型參數的敏感性分析方法

參數敏感性分析就是研究和分析由于參數的變化，而引起計算模型輸出結果發生變動的程度。如果某些不確定性參數在一定范圍內的變化使輸出結果產生很大的變化幅度，則說明模型對這些參數的敏感性很強，反之則不強。參數敏感性分析就是找出敏感性較強的輸入參數，從而為分析輸出結果、減少人為不當選擇參數的風險、快速調試模型以及技術評估等提供依據［5-6］。

為減少計算的工作量，提高計算精度，本次研究采用正交試驗法分析參數敏感性。正交試驗方法是處理多因素試驗的一種科學的試驗方法［7］，它利用規格化的正交表，合理安排試驗，只需做較少次的試驗便可判斷出較優的條件，將試驗方案帶入模型計算，對計算結果進行簡單的統計分析，便可以更全面、更系統地掌握計算結果，做出正確的判斷。

根據AERMOD 模型的影響因素，結合各因素的取值范圍，選用三因素三水平的正交設計，因素水平如表1 所示。

其中，散貨種類根據風洞實驗篩分結果選取顆粒物粒徑分布層次較分明的3 種，作為本次研究的代表貨種，分布編號為A、B、C，由A 到C 粉塵顆粒細小化，具體粒徑分布見表2；地面粗糙度分別選取0.01（草地）、0.1（農作地）和1（城市）三種；地表濕度選取干燥、中等濕度和潮濕三種。本次研究忽略試驗各影響因素之間的交互作用，三因素三水平的正交試驗最少試驗次數為9 次，故對所選的3 個因素3 個水平按正交分析表L9（33）安排試驗。

表1 各因素水平表Tab.1 Parameters of various factors and levels

2 應用實例

2.1 實例的基本參數

表2 散貨種類粒徑分布情況Tab.2 Particle size distribution

（1）氣象參數。采用國內某地2008 年全年逐日逐時的風向、風速、總云、低云、氣溫等氣象資料。根據其地面氣象資料統計，主導風向為SSE 風，頻率14.58%，年平均風速為4.81 m/s；次主導風向為NNW風，頻率13.97 %，年平均風速為4.79 m/s；全年靜風頻率為0.25 %；全年平均風速為4.08 m/s。

（2）污染源參數。本文以國內某散貨中轉碼頭為例，其年吞吐量為3 000 萬t（其中進港1 500 萬t，采用卸船機作業；出港1 500 萬t，采用裝船機作業），有效堆垛總面積為49.26 萬m2。該項目廢氣污染物主要是堆場和各類裝卸設備在運行過程中由于風力的作用而產生的粉塵，它與風速、貨種的粒徑、表層含水率和存貯量等因素有關。根據港口作業工藝，經計算，該項目在不采取任何抑塵措施的情況下，堆場堆存靜態源強為23 489 t/a，堆場作業動態源強為14 707 t/a，碼頭裝卸作業動態源強為10 618 t/a。為了考慮污染源強大小對擴散的影響，污染源強設置3 種工況，分別為該項目不采取任何抑塵措施時、該項目采取一定抑塵措施使源強消減30%時、該項目采取有效抑塵措施使源強消減達70%時。

（3）預測點位及輸出。預測點位為地面預測網格內（10 km×10 km）的日均最大落地濃度，網格步長為500 m，共計441 個計算點。將預測輸出的各點TSP 日均濃度值繪制為等值線圖，在不考慮本底值的情況下，統計超過國家空氣質量二級標準值（0.3 mg/m3）的污染面積，同時輸出TSP 日均濃度最大值，根據不同的源強，各自進行對比分析，以反映各參數對濃度貢獻值的敏感性。

2.2 模型計算結果與敏感性分析

2.2.1 模型計算結果

根據設計的正交試驗方案分別帶入模型進行計算，所得計算結果如表3 所示。由計算結果可知，根據不同源強，對于濃度高于0.3 mg/m3的污染面積值，試驗號為T313 的試驗方案為各方案中的最大值，其中不同參數方案計算出的預測結果相差平均最大達8.2 倍；對于TSP 日均濃度最大值，試驗號為T212 的試驗方案為各方案中的最大值，其中不同參數設置計算出的預測結果相差平均最大亦達7.5 倍。根據不同參數方案，預測結果相差較大，由此可見參數的設置對預測結果的影響巨大，通過參數敏感性分析得出各參數對預測結果的影響程度具有重要意義。

表3 正交試驗結果Tab.3 Experimental results of orthogonal tests

2.2.2 地面濃度對各參數的敏感性分析

根據模型計算結果，分別對3 個因素進行計算并做級差分析，確定污染面積和TSP 日均濃度最大值對各參數的敏感性（表4），分析如下：

表4 敏感性分析結果Tab.4 Sensitivity analysis results

TSP 日均濃度高于0.3 mg/m3的污染面積結果表明，不同的污染源強，其污染面積預測結果對各參數的敏感性均為地面粗糙度＞地表濕度＞粒徑分布；隨著抑塵措施的加強，源強逐步消減，污染物的擴散范圍縮小，地面濃度降低，模型的濃度預測結果對參數的敏感性也隨之降低。

TSP 日均濃度最大值結果表明，不同的污染源強，各參數的敏感性均為地面粗糙度＞粒徑分布＞地表濕度，與污染面積的敏感性程度有所不同，粒徑分布的敏感性略高于地表濕度。隨著抑塵措施的加強，源強逐步消減，TSP 日均濃度最大值逐漸降低，對參數的敏感性也隨之降低，其中地面粗糙度的敏感性下降程度最大，而地表濕度的敏感性下降程度最小。

根據污染面積和TSP 日均濃度最大值對各參數的敏感性結果繪制趨勢圖（圖1），并分析如下：

粒徑分布。隨著粉塵顆粒的細小化，TSP 擴散面積增大，但貨種C 的TSP 日均濃度高于0.3 mg/m3的污染面積卻又相對減少，是由于粒徑小于l0 μm 的大氣污染物擴散時，碰到下墊面的地面、水面、植物與建筑物等，會因碰撞、吸附、靜電吸引或動物呼吸等作用而被逐漸清除出來，隨風可以快速擴散稀釋，降低大氣中污染物濃度；而TSP 日均濃度最大值隨著粉塵顆粒的細小化呈上升趨勢，隨著源強的消減，粒徑分布變化引起的濃度變化逐漸變小。

地面粗糙度。當地面粗糙度從0.01 m 變化到0.1 m 時，TSP 擴散面積增大，而當粗糙度變化為1 m 時，污染面積隨之減小；而TSP 日均濃度最大值成幾何倍數變化，隨著地表粗糙度的加大，TSP 日均濃度最大值的預測結果呈遞減趨勢，結果相差4.8 倍。

地表濕度。隨著空氣濕度的增加，污染面積和TSP 日均濃度最大值均呈遞減趨勢，隨著抑塵率的增加，模型的預測濃度結果對參數的敏感性也隨之降低。

圖1 各參數對日均濃度的影響Fig.1 Influence of parameters on daily mean concentration

2.3 TSP 日均濃度最大值對應的參數組合

根據地面濃度對各參數敏感性的分析結果可以確定，當污染物粒徑25～35 μm 占TSP 總量比重較大時，且參數設置為地表粗糙度為0.1 m、地表濕度為干燥時，TSP 日均濃度高于0.3 mg/m3的污染面積最大；當污染物粒徑越細小顆粒占TSP 總量比重越大時，且參數設置為地表粗糙度為0.01 m、地表濕度為干燥時，TSP 日均濃度最大值相對最大。

3 結論

（1）對于TSP 日均濃度高于0.3 mg/m3的污染面積，預測結果對各參數的敏感性均為地面粗糙度＞地表濕度＞粒徑分布，各參數的變化對區域濃度的影響較大。隨著抑塵措施的加強，源強的逐步消減，污染物的擴散范圍縮小，地面濃度降低，模型的濃度預測結果對參數的敏感性也隨之降低。

（2）對于TSP 日均濃度最大值，各參數的敏感性均為地面粗糙度＞粒徑分布＞地表濕度。隨著抑塵措施的加強，源強的逐步消減，TSP 日均濃度最大值逐漸降低，對參數的敏感性也隨之降低，其中地面粗糙度的敏感性下降程度最大，而地表濕度的敏感性下降程度最小。

（3）當污染物粒徑25～35 μm 占TSP 總量比重較大時，且參數設置為地表粗糙度為0.1 m、地表濕度為干燥時，TSP 日均濃度高于0.3 mg/m3的污染面積最大；當污染物粒徑越細小顆粒占TSP 總量比重越大時，且參數設置為地表粗糙度為0.01 m、地表濕度為干燥時，TSP 日均濃度最大值相對最大。

［1］丁峰，李時蓓，趙曉宏.大氣環境影響預測與評價編寫及技術復核要點分析［J］.環境監測管理與技術，2008，20（6）:65-68.DING F，LI S B，ZHAO X H. Analysis of atmospheric environmental impact prediction and evaluation of writing and technical review points［J］. Environmental monitoring management and technology，2008，20（6）:65-68.

［2］胡剛，王里奧，張軍，等.ADMS 在復雜地形地區的應用［J］.重慶大學學報：自然科學版，2007，30（12）:42-46.HU G，WANG L A，ZHANG J.ADMS in the areas of complex terrain［J］.Journal of Chongqing University：Natural Science，2007，30（12）:42-46.

［3］何澤慧，張永楠.AERMOD-EIA 模型在煤炭碼頭粉塵污染預測中的應用［J］.水道港口，2012，33（S1）：74-77.

［4］HJ2.2-2008，環境影響評價技術導則——大氣環境［S］.

［5］劉朝榮.工業技術應用數理統計方法［M］.湖北:湖北科學技術出版社，1995.

［6］王輝，李莉.高邊坡錨固參數敏感度分析［J］.公路，2006，4（4）:165-167.WANG H，LI L. High Slope Anchorage parameter sensitivity analysis［J］. Highway，2006，4（4）:165-167.

［7］姜同川.正交試驗設計［M］.山東：山東科學技術出版社，1985.