云量數據選用對AERMOD模式預測結果影響的差異性分析

張瑞欣， 仝紀龍， 潘 峰， 杜 超

（蘭州大學大氣科學學院， 甘肅 蘭州 730000）

0 引言

為提高環境影響預測結果的準確性HJ 2.2—2008《環境影響評價技術導則—大氣環境》[1]在推薦模式清單中引入了較高精度的大氣環境影響預測模式—AERMOD模式。由于空氣中污染物濃度的時空分布和變化與氣象條件密切相關[2]，因此，在使用AERMOD模式進行環境影響預測時需輸入評價地的地面氣象觀測數據，模式運行需要5個必須的氣象要素，包含風向、風速、總云量、低云量、干球溫度[3]，這些最基本的氣象要素將直接影響到污染物的擴散方向和擴散參數，其中總云量與低云量必須輸入實測值數據[4-6]。而中央氣象局最新頒布的《地面氣象觀測業務調整技術規定》對氣象觀測業務進行了調整，即一般站取消云量、云高、云狀觀測。基準站、基本站保留云量、云高觀測，取消云狀觀測[7]。目前，我國基準站和基本站雖可提供云量觀測資料，但因各測站之間距離相隔較遠，布站密度并不完全能滿足導則對于地面氣象站距項目所在地小于50 km的要求[8]，一般自動站云量觀測數據缺失，這就給環評工作的開展帶來了不便。在使用AERMOD進行環境影響預測過程中，模式所需的總云量數據可以通過衛星數據的反演獲得，劉健等[9]利用自行研發的云檢測算法及云量計算方法，計算得到的衛星總云量與地面觀測總云量的月間平均相關系數大于0.70。劉瑞霞等[10]將ISCCP與常規觀測資料進行對比，發現7月二者具有較好的一致性，同時，7月ISCCP總云量精度高于1月。上述研究均表明：盡管觀測手段和資料處理方法不同，但衛星數據反演得到的總云量與常規觀測的總云量之間有很好的一致性，可以反映當地的總云量特征。相較于總云量數據評價地的低云量數據獲取難度較大，李傳豐[11]分析了地表氣象參數、高空氣象參數對AERMOD運行結果的影響，結果表明：低云量發生變化時，顯熱通量、地面摩擦速度、對流速度、對流高度城市邊界層高度層、湍流高度生成邊界層高度層和長度也會隨著變化。因此，研究低云量數據對AERMOD模式預測結果的影響具有重要的現實意義。

針對目前一般地面氣象站低云量觀測數據獲取難度的問題，本文以云量數據的選取為研究對象,采用單因子分析法，在源強參數和地形條件一定的情況下，使用地面氣象觀測站逐日逐次的氣象觀測數據，分別在有低云量數據和無低云量數據2種情形下，利用AERMOD模式預測模擬點源和面源的環境影響，并定量化的說明云量數據的選取對模式預測結果的影響程度，為今后在低云量觀測數據不易獲取的情況下使用AERMOD模式開展環境影響預測工作提供一些參考。

1 實驗設置

采用單因子分析法，在復雜地形條件下，給定模式其他參數主要研究云量數據選取對AERMOD模式點源和面源預測結果的影響，具體預測方案及模式參數設計見表1～表4。

1.1 預測方案

本次研究共設置4種方案，詳見表1。

表1 預測方案設置

其中方案1為方案3的對比方案，方案2為方案4為對比方案。

1.2 AERMOD 模式參數選取

1.2.1 污染源參數

選取SO2和NO2為污染因子，污染源排放基本參數見表2和表3。方案1與方案3，方案2與方案4的污染源參數設置相同。

表2 點源排放參數

表3 面源排放參數

1.2.2 地面氣象數據

地面氣象數據采用距污染源最近氣象站2015年全年逐日逐次的氣象觀測數據，主要包含每日8次（02，05，08，11，14，17，20，23 時）地面風速、風向、總云量、低云量、干球溫度觀測資料，經AERMOD模式氣象處理預模塊插值成每日24次的地面氣象數據。其中，春（3，4，5 月）、夏（6，7，8 月）、秋（9，10，11月）、冬(12，1，2月)低云量與總云量平均比例分別為：0.25，0.52，0.41 和 0.37，由此可知，低云量在一年四季中與總云量的比例存在較為顯著的差異。另外，該氣象站距污染源的距離小5 km,氣象站所在地地表特征與預測點基本一致，數據具有良好的代表性。

1.2.3 高空氣象數據

高空氣象數據采用美國懷俄明州大學站點提供的距污染源最近探空站的探空數據。主要包括2015年全年逐日0和12時的探空數據層數、氣壓、離地高度、干球溫度、露點溫度、風速、風向等項。探空站點與預測點間距離小于50 km，探空數據滿足HJ 2.2—2008《環境影響評價技術導則—大氣環境》要求。

1.2.4 地形數據

本次預測模擬采用USGS(美國地質調查局)DEM地形高程數據，地形數據精度為90 m×90 m。

1.3 計算點選取

為更準確的得到低云量數據對AERMOD模式預測結果的影響，本次研究共選取了12個計算點，分布在污染源的不同方位，且距污染源的距離有顯著差異。計算點具體方位及參數見表4。

表4 計算點參數

2 模式預測結果對比

本研究采用占標率的變化幅度和柱狀圖對比的方法，將2組實驗的結果進行對比分析，再利用符合度指數說明2組實驗預測結果的符合程度。

2.1 占標率變化幅度

式中：Pi為方案 3，4的預測值；Qi為對比方案 1，2的預測值。

本次實驗對比所用的標準值均取GB 3095—2012《環境空氣質量標準》中的二級標準限值。

2.1.1 實驗1占標率的變化幅度

實驗1各計算點SO2，NO2小時、日均、年均濃度最大值占標率變化幅度見表5。

表5 實驗1各計算點SO2，NO2小時、日均、年均濃度最大值占標率變化幅度%

由表5可知，2種污染物在各個計算點的小時、日均、年均濃度最大值占標率的變化幅度均很小,除計算點5 h濃度占標率變化幅度外，其余占標率變化幅度均在1%以內，說明無云量數據對點源預測結果幾乎沒有影響。其中：①SO2，NO2小時濃度占標率變化幅度除計算點5外均在-0.02%～0.16%范圍之內。在計算點5處SO2，NO2小時濃度的變化幅度分別為 4.58%，4.71%； ②SO2，NO2日均濃度占標率變化幅度范圍分別為 0% ～ 0.06%，0% ～ 0.09%；2 種污染物年均濃度占標率變化幅度范圍分別為0%～0.09%，0% ～ 0.05%。

2.1.2 實驗2占標率的變化幅度

實驗2各計算點SO2，NO2小時、日均、年均濃度最大值占標率變化幅度見表6。

表6 實驗2各計算點SO2，NO2小時、日均、年均濃度最大值占標率變化幅度%

由表6可知，除計算點6 NO2年均濃度占標率變化幅度為4.05%外，2種污染物在各個計算點的小時、日均、年均濃度最大值占標率的變化幅度均在3%以內,因此，有低云量數據對面源預測結果的影響不大。其中：①SO2，NO2小時濃度占標率變化幅度均在-0.33% ～ 0.09%，-1.04% ～ 0.17%范圍之內；SO2，NO2日均濃度占標率變化幅度范圍分別為-1.08% ～ 1.37%，-2.59% ～ 2.47%；SO2，NO2年均濃度占標率變化幅度范圍分別為-2.76%～1.25%，-4.05%～1.82%；②結合表5分析可知，無低云量數據時，面源預測濃度在各個計算點占標率的變化幅度比點源更顯著，這是由于面源多為無組織排放，排放高度較低，受近地面層影響較大，而AERMET氣象預處理模塊在近地面層利用云量數據計算近地面層擴散參數[12]，從而對模式的面源預測結果影響較大。

2.2 預測結果柱狀圖對比

2.2.1 實驗1預測結果柱狀圖對比

方案1與方案3預測結果對比見圖1。

圖1 方案1與方案3預測結果對比

通過方案1和方案3預測結果的對比，我們可以看出對于點源的預測，計算點5 SO2小時濃度最大值變化最為顯著，約為0.02 mg/m3。其余各點無低云量數據時SO2，NO2小時、日均、年均濃度最大值均無顯著變化。

2.2.2 實驗2預測結果柱狀圖對比

方案2與方案4預測結果對比見圖2。

圖2 方案2與方案4預測結果對比

從方案2和方案4預測結果的對比中可以看出，對于面源的預測，無低云量數據時12個計算點的小時濃度最大值均無顯著變化，從日均濃度最大值的變化來看，無低云量數據時計算點4的SO2，NO2日均濃度最大值變化較大，分別約為 0.03，0.04 mg/m3；從年均濃度最大值的變化來看，無低云量觀測數據時計算點10的SO2，NO2年均濃度最大值變化較大，分別約為 6.0 × 10-5， 2.0 × 10-5mg/m3。

2.3 符合度指數

為進一步說明有無低云量數據對模式預測結果的影響，引入符合度指數的概念。符合度指數（d）由（2）式定義,其值在 0.0 與 1.0 之間變化,d越接近于1.0表明模式的預測結果越吻合[13]。

式中：Pi為方案 3，4 的預測值；Qi為對比方案 1，2 的預測值；為對比方案的平均值；N為為計算點總數，12。

在本次研究中，分別利用實驗1與實驗2在12個敏感點處得到的預測值計算符合度指數，結果見表7。d越小說明有低云數據和無低云數據2種情形下模式估算值之間的差異越小，低云量數據對模式預測結果的影響越小。

表7 不同情形下的d值

由表7可知，對于點源，除SO2小時濃度符合度指數為0.967 7外，其余情形下，符合度指數均大于0.99，進一步說明無低云量數據時，AERMOD模式對點源的預測結果基本無影響。SO2小時濃度符合度指數相對較低是因為受到計算點5的影響。

對于面源，模式預測的2種污染物小時、日均、年均濃度符合度指數均大于0.99，低云量對面源的預測結果影響很小。但從點源與面源符合度指數整體的對比上來看，低云量數據對面源預測結果的影響略大于點源。

3 結論

本文采用單因子分析法，選取SO2和NO22種污染物,設計了2組實驗分別探討了云量數據的選取對AERMOD模式點源和面源預測結果的影響。通過對實驗1與實驗2結果的分析，可以看出：

（1）對于點源，從柱狀圖可以看出，無低云量數據與有低云量數據2種情形下，SO2和NO2在12個計算點的小時、日均、年均濃度最大值均沒有明顯差別。結合2種情形下占標率變化幅度的分析，2種污染物的小時、日均、年均濃度占標率變化幅度均在1%以內，無顯著變化，其中，SO2小時濃度占標率變化幅度在計算點5處分別為4.58%，4.71%。另外，2種污染物在有低云量觀測資料與無低云量觀測資料情況下預測結果的符合度指數分別在0.967 7～0.999 9，0.991 9 ～ 0.999 9 范圍之內，預測結果符合程度很高。

（2）對于面源，從預測結果柱狀圖上的對比上可以看出無低云量數據與有低云量數據時，除計算點6 NO2年均濃度占標率變化幅度為4.05%外，2種污染物在各個計算點的小時、日均、年均濃度最大值占標率的變化幅度均在3%以內。從符合度指數來看，SO2和NO2模式預測結果的符合度指數分別在0.998 4～0.999 8，0.998 4 ～ 0.999 6 范圍之內，因此，低云量數據對模式面源預測結果影響不大。

（3）從方案1與方案3，方案2與方案4各計算點小時、日均、年均濃度最大值占標率變化幅度和符合度指數來看，整體上無低云量數據對面源的影響大于點源，這是由于面源多為無組織排放，排放高度較低，受近地面層影響較大，而模式氣象預處理模塊在近地面層是利用云量數據推導邊界層擴散參數的，從而導致了低云量數據的缺失對面源的預測結果影響較為顯著。

綜上所述，運用AERMOD模型進行點源和面源預測時，在保證使用總云量數據的情況下，無低云量數據對模式預測結果的影響很小，可以忽略不計。