ADMS-EIA和AERMOD模型在沿海項目環評中的應用對比

李朝飛

ADMS-EIA和AERMOD模型在沿海項目環評中的應用對比

李朝飛

福建省金皇環保科技有限公司

針對《環境影響評價技術導則 大氣環境》（HJ2.1-2008）中推薦的ADMS和AERMOD模型，結合沿海項目環境影響評價預測及監測驗證分析，比較兩種模型預測值與監測值的偏差，為沿海項目環境影響評價中大氣預測模型選用提供參考和借鑒。

環境影響評價 ADMS-EIA模型 AERMOD模型 沿海項目

ADMS-EIA和AERMOD模型同為《環境影響評價技術導則 大氣環境》（HJ2.1-2008）中推薦的大氣預測模型，兩個模型均適用于評價范圍小于50km的工業型項目環境影響評價預測，但兩個模型預測濃度有所差別。本文以福建省漳州市古雷開發區為例，結合開發區內已運行企業污染源及跟蹤監測資料，通過對比兩個模型預測濃度與實測濃度之間的偏差，比較兩個模型在沿海項目的環評中適用性，為沿海項目大氣環境影響評價提供參考。

1 模型介紹

1.1 AERMOD模型簡介

AERMOD是在20世紀90年代初期，由美國國家環保局聯合美國氣象學會組建法規模式改善委員會選擇以ISC3模型框架為突破口進行擴散模型開發，旨在取代舊的ISC3 模型，而開展的新法規模型改善工作，新模型將應用最新的擴散理論以及計算機技術。

AERMOD 是一種穩定狀態的煙羽擴散模型。在穩定邊界層(SBL)上，垂直和水平方向上的濃度分布遵循高斯分布。在對流邊界層上，則只有水平方向上的分布是高斯分布，垂直方向上的分布則考慮用概率密度函數進行描述。此外，在對流邊界層中，AERMOD 還考慮“煙羽抬舉”現象：從浮力源釋放出的部分煙羽物質，先是升到邊界層頂部附近，并在那里停留一段時間，然后再混合到對流邊界層內部中。AERMOD 計算穿透進入穩定層的那部分煙羽，允許它在某些情況下重新返回邊界層內。AERMOD 對于穩定邊界層及對流邊界層中的擴散都考慮了彎曲煙羽導致的水平擴散加強現象。

AERMOD模式系統包括AERMET氣象前處理、AERMAP 地形前處理和AERMOD擴散模型三個模塊。將監測的氣象數據或由國家氣象局生成的常規的地面和探空氣象資料直接輸入到AERMET氣象預處理模塊中，以生成模型模擬所需要的邊界層廓線數據和尺度參數數據。將下載的地形數據輸入到AERMAP中生成AERMOD運行所能夠使用的地形數據類型。邊界層廓線數據在AERMOD 的處理下進行內差。最后，向擴散模式中輸入平均風速、溫度梯度/、水平和垂直方向湍流量脈動(,)等數據，結合AERMAP 地形前處理得到的地形數據計算出質量濃度。

1.2 ADMS模型簡介

ADMS系列模型由英國劍橋環境研究公司(CERC)與英國氣象局和Surrey大學等機構合作開發。ADMS大氣擴散模型軟件分為ADMS—評價、ADMS—工業、ADMS—城市等獨立系統。ADMS—EIA大氣擴散模型系統是ADMS系列中最復雜的一個系統。ADMS—EIA與其他用于區域的大氣擴散模型的一個顯著區別是：ADMS模型應用了Moniu-Obukhov 長度( M-O長度) 和邊界結構的最新理論，精確地定義邊界層特征參數，在這種最新的辦法中，邊界層結構被可直接測量的物理參數確定，這使得隨高度變化而變化的擴散過程可以更真實地表現出來，所獲取的污染物濃度的預測結果更精確可信。

ADMS模式的一個重要特點是它所預測的地面濃度分布，能估算輻射影響、化學反應影響以及進入凸起地形后的影響。在邊界層內，濃度分布屬于考慮地表面和逆溫層底反射的高斯型煙羽。

ADMS—EIA和AERMOD模型適用條件對比如表1所示。

2 模型預測污染源概況

本文就福建省漳州市古雷開發區為研究對象，該開發區呈南北狹長分布，東西兩面臨海（如圖1所示）。開發區污染源數據較易獲取，區內原居民主要以種植農產品和海產養殖為生，無其他工業面源干擾。

表1 ADMS-EIA和AERMOD模型適用特點比較

本次采用2014年8月12日~18日在項目所在地的環境空氣質量現狀中SO2監測數據作為模型驗證數據，監測期間通過對開發區內已建企業調查，有排放廢氣污染物的企業僅有騰龍芳烴（漳州）有限公司80萬噸/年對二甲苯工程及整體公用配套工程原料調整項目，除此以外無其他集中式排放污染源。其SO2污染源見表2所示。

表2 2014年8月12日監測期間實際運行項目污染源強一覽表

3 模型預測參數取值

3.1 地形參數

根據項目所在地地形，ADMS-EIA和AERMOD模型同時采用CGIAR-CSI提供的免費高程數據，分辨率為90m，通過http://srtm.csi.cgiar.org/網站下載獲取，數據范圍為以場址中心點為中心，邊長約20km×20km的矩形。區內高程最小值為-1m，高程最大值為古雷山頭259m。

3.2 地表利用參數

項目所在地周圍主要植被為農作地和防風林混合，參照環保部評估中心《大氣預測軟件系統AERMOD簡要用戶使用手冊》，地表反照率取0.23、BOWEN參數取0.3、地表粗糙度選擇0.3。

3.3 氣象數據

模型驗證期間，氣象觀測與監測同步開展，2014年8月12日~18日期間監測點氣象觀測數據如表3所示。

表3 2014年8月監測期間氣象觀測參數表

4 模型預測值與實測值對比分析

4.1實測項目貢獻值

為了解項目運行期對周圍敏感目標的貢獻值，本研究針對監測期間多數風向為東南風、西南風的特點，選取項目東南面10.8km的風動石（國家4A級景區，環境空氣質量一類區）監測點作為背景濃度參照點，以北面2.7km的監測點位監測值扣除參照點監測值作為項目對周邊環境的貢獻值。其SO2小時濃度貢獻值如表4所示。

表4 監測期間項目對監測點SO2小時濃度貢獻值 單位：mg·m-3

4.2 ADMS-EIA和AERMOD模型預測結果對比

4.2.1監測點對比分析

本研究選取監測期間氣象條件，分別采用ADMS—EIA和AERMOD模型預測計算污染源對監測點的污染物濃度貢獻值。預測計算結果和實際監測結果對比如表5及圖2所示。從預測數值對比分析，AERMOD預測值高于監測值，ADMS—EIA預測值略低于監測值，兩個模型預測值偏差幅度，AERMOD預測值偏差略大于ADMS—EIA預測值偏差。

以監測期間貢獻值為軸、ADMS—EIA和AERMOD模型預測值為軸，回歸方程如表6所示。根據相關性分析，ADMS-EIA和AERMOD模型預測值與實測貢獻值相關性均不大。主要原因為兩個模型均為單氣象站預測模型，而實際擴散過程中，相差1km的氣象觀測點其氣象參數都會出現較大偏差，單氣象站無法重現現實中復雜的污染物擴散場。相對比較而言，ADMS—EIA回歸方程2=0.3804，AERMOD回歸方程2=0.3586，ADMS—EIA模型預測值相關性略高于AERMOD預測值。

表5 ADMS-EIA和AERMOD模型預測值與實測值對比

表6 ADMS-EIA和AERMOD模型預測值對比回歸方程

4.2.2區域濃度分布對比

利用Surfer8.0繪制了ADMS—EIA和AERMOD模型最大小時濃度預測等值線分布如圖3所示。從等值線圖對比來看，AERMOD模型預測小時濃度最大值影響范圍均大于ADMS—EIA影響范圍。

5 結論

本文以福建沿海化工項目為案例，在相同的氣象等預測參數條件下，采用ADMS—EIA和AERMOD模型對實際監測點的SO2濃度做了對比預測分析。經對比得出：①AERMOD預測值高于監測值，ADMS—EIA預測值略低于監測值，在兩個模型的預測值偏差幅度方面，AERMOD預測值偏差略大于ADMS—EIA。②根據相關性分析，ADMS—EIA和AERMOD模型預測值與實測貢獻值相關性均不大。相比較而言，ADMS—EIA模型預測值相關性略高于AERMOD。③AERMOD模型預測小時濃度最大值影響范圍大于ADMS—EIA影響范圍，其預測結果偏保守。

[1] 杜世明. AERMOD和CALPUFF模型用于濟南地區空氣污染模擬效果的對比研究[D]. 濟南：山東師范大學, 2013.

[2] 牟真. ADMS-EIA模型在污水處理廠惡臭影響預測中的應用[J]. 環境化學, 2014, 1(6):1042-1043.

[3] 胡剛, 王里奧, 張軍,等. ADMS模型在復雜地形地區的應用[J]. 重慶大學學報, 2007, 30(12):42-46.

[4] 回蘊珉. AERMOD模式在大氣環境影響評價中的應用[D]. 天津：天津大學, 2012.

[5] 李傳豐. AERMOD模型參數敏感性分析[D]. 北京：中冶集團建筑研究總院, 2012.

[6] 胡瑩. 基于AERMOD模型的復雜地形下大氣工業源污染模擬與評估[D]. 長春：吉林大學, 2014.