高分辨率中尺度模式在樂平工業園區的污染預報試驗

陳鮑發，詹思玙

(1. 江西景德鎮市氣象局，333000，江西，景德鎮； 2. 中科院大氣物理研究所，100029，北京)

0 引言

大氣污染通常是指由于人類活動或自然過程引起某些物質進入大氣達到足夠的濃度， 并對人類生活環境、生產和身體健康等方面產生危害的現象[1]。大氣污染會影響植物生理機能，造成植被產量下降，品質變壞，甚至枯萎，還會降低能見度，破壞大氣臭氧層，減少太陽輻射，加速全球變暖，形成酸雨，從而腐蝕物體等。最重要的是，大氣污染嚴重威脅人體健康，它會刺激皮膚和眼睛，引起呼吸道疾病與生理機能障礙(例如哮喘)，濃度高時會造成急性污染中毒，或使病情惡化。因此，防治大氣污染是目前主要科學問題之一。

工業作為最重要的大氣污染源之一，其污染防治效率直接關系到大氣污染物的去除和大氣環境質量[2]。數值模式預報具有科學性強、信息豐富等優點，是大氣污染預報的發展方向[3]。發展大氣污染的數值預報模式，是有效預防污染產生，預報污染產生方向，及時治理大氣污染的必然趨勢[4-9]。因此，把高分辨率中尺度模式應用于樂平市工業園區污染氣象保障中，完全符合時下對環境污染治理的要求和目標。

高時空分辨率的中尺度天氣模式WRF已經被國內外廣泛地應用于城市污染氣象的預報工作中。因此，試驗在借鑒這些工作的基礎上，采用WRF模式對樂平工業園及周邊地區進行污染氣象的預報服務。考慮到景德鎮面積約為5 270 km2，樂平市約為1 973 km2，而樂平工業園的面積約為30 km2，試驗使用最高分辨率為600 m的三重嵌套網格，其中第3重嵌套網格的分辨率為600 m，其范圍涵蓋了整個景德鎮市以及南昌的東部地區。為了有效地預報邊界層的風場和湍流活動，模式的垂直層在邊界層內進行加密。此外，考慮到WRF模式系統自帶的地形數據和土地利用數據跟樂平工業園及其周邊地區的真實情況有著特別顯著的差異，不能真實地給出下墊面的狀況，且影響到邊界層各種通量的預報，利用最新的GIS(Geographic Information System)資料修正預報區域內的這部分特征，從而更加有效地實現高分辨和高精度地預報氣象場預報。

試驗的預報基于NCEP(National Centers for Environmental Prediction)預報產品作為背景場開展預報，使用WRF的3DVAR變分同化系統同化進我國的探空觀測資料，常規和加密的地面站點觀測資料，以及樂平工業園的氣象觀測塔資料，用于改善預報。在基于對大量歷史個例回報試驗以及評估的條件下，設計出模式最優的參數化方案(微物理方案、邊界層方案、輻射方案等)配置，用于實時的高分辨率高精度預報。由于中小尺度天氣系統的可預報時效較短，所以試驗的600 m網格的預報時效為3 d左右。但模式的第2重和第1重網格對于天氣形勢場的預報，時效可以達到5 d左右。得到高分辨率的WRF預報結果后，結合CALPUFF污染物輸送模式對預報區域內的污染物輸送、擴散、濃度分布和沉降進行預報，從而得到高精度的樂平工業園及其周邊地區的污染物預報。

1 WRF-CALPUFF污染預報模型模式介紹

1.1 RAPS系統介紹

RAPS是基于美國國家環境預報中心(NCEP)的業務快速同化循環更新預報系統(Rapid Refresh，簡稱RAP)以及業務高分辨率快速同化循環更新預報系統 (High-Resolution Rapid Refresh，簡稱HRRR)，水平分辨率為13 km，是一個循環同化預報系統，每個時刻首先以上一個時次的預報場為背景場，同化(GSI HYbrid)最近1 h窗口內的所有觀測資料(PrepBUFR格式)，包括地面、探空、飛機、船舶等；HRRR的水平分辨率為3 km，可向內嵌套分辨率更精細的指定區域以獲得更高精度的預報結果。

1.2 三重嵌套設計及方案配置

步驟1：近幾十年來，東亞區域的土地利用發生了很大的變化，因此，在模擬的時候有必要選擇對應時段的土地利用數據，減小由于靜態數據不準確所帶來的不確定性。利用MODIS提供的1 km分辨率的逐年土地利用數據替換WRF模式默認的2001年的土地利用數據，生成新的Geog地形文件。

步驟2：選擇模擬區域。使用RAPS模式進行三重嵌套的天氣預報試驗。其中RAP的13 km分辨率覆蓋以我國為中心的東亞區域和西太平洋部分海域(圖1)，為第1重區域。HRRR的3 km分辨率覆蓋了我國東部以及渤海、黃海、東海和南海的部分海域(圖2)，為第2重區域。向下嵌套一個600 m分辨率的區域，覆蓋了景德鎮市和南昌市(圖3)。

圖1 RAP(13 km分辨率)覆蓋區域

圖中的方框為600 m分辨率的預報區域

圖3 HRRR(600m分辨率)覆蓋區域

步驟3：以全球數值預報模式(NCEP)預報結果作為RAP的驅動數據，并通過GSI模式將2170加密觀測資料、國際非交換站資料和探空資料同化進RAP模式，生成72 h預報結果。以RAP的預報結果作為HRRR的驅動場，生成初邊界條件，同化上述觀測資料，驅動模式進行預報，最終得到水平分辨率為600 m，預報時效為72 h的景德鎮及南昌地區的預報結果。

1.3 CALPUFF污染模式簡介

大氣擴散模型CALPUFF是由西格瑪研究公司(Sigma Research Corporation)開發，是美國環保局(USEPA)支持開發的法規模型，也是我國環境保護部頒布的《環境影響評價技術導則 大氣導則》推薦的模式之一。CALPUFF模型主要由氣象模塊CALMET、煙團擴散模塊CALPUFF和后處理模塊CALPOST組成，具體流程見圖4，各模塊具體功能如下。

圖4 CALPUFF模型計算流程

CALMET：用于網格的三維氣象場模擬，以中尺度氣象模型WRF計算得到的氣象診斷數據作為初始猜想場，考慮地形和土地利用類型分布特點的影響，在計算區域生成逐時的風場和溫度場，作為CALPUFF模塊的輸入條件。

CALPUFF：用于模擬污染物擴散，將CALMET模塊生成的逐時風場和溫度場作為輸入條件，根據區域內污染源(點源、面源、線源和體源等各種源)的排放情況，確定環境保護目標和區域網格受體，模擬污染物煙團在區域內的擴散、輸送和轉化過程。

CALPOST：用于數據的后處理，CALPUFF模塊的輸出文件經其計算和處理，得到所需的濃度和干濕沉降通量等結果。

然后基于Linux系統，移植了WRF模式結果向CALMET輸入結果轉換的工具CALWRF。該工具可以實現WRF結果向CALMET所需輸入氣象數據格式的實時轉換，實現了預報時效為72 h的景德鎮及南昌地區的高分辨率數值預報系統與CALPUFF模式預報系統的無縫銜接。

1.4 污染模式排放源設置

為了方便模擬效果的對比驗證，以污染來源較為單一大氣污染物SO2為例，以區域內典型排放行業(藥廠)的實際空間分布、排氣筒高度、口徑、煙氣量、煙氣溫度、年排放小時數及SO2排放強度等排放源資料作為污染來源，研究污染過程預報情況。為了更好檢驗預報系統的模擬效果，選取SO2污染過程轉折特征較為顯著的時段(2019年4月15日00:00—4月18日00:00)進行分析(圖5)，開展模擬預報研究。預報模式中共納入排放源個數總計35個(如圖6中圓圈所示)。模式中輸入的排放源具體參數由各個藥廠提供，具體信息參見表1。

圖中為樂平市國土局觀測站觀測到的SO2/μg·m-3

圖6 CALPUFF污染模式的預報范圍(方框)及其中心點10 km半徑范圍(圓圈)

2 WRF-CALPUFF污染預報模型的實際應用

由圖5所示，2019年4月15日00:00—2019年4月18日00:00樂平市國土局觀測站觀測到了一次嚴重的污染事件，大約1 d的時間內污染物由谷底迅速攀升至峰值，SO2是主要的污染物之一。根據對樂平藥廠周邊環境觀測站的觀測結果以及對藥廠主要污染物的分析結果，SO2是本地區最主要的污染物之一，因此將以之為代表進行72 h的逐小時預報試驗。從2019年4月15日00:00起報的72 h SO2污染物逐小時分布及地面風場(圖7)可知，本試驗所建立的WRF-CALPUFF污染預報模型對污染物(以SO2為例)的預報結果符合污染物常規的傳輸與擴散規律。其中，排放源附近，SO2的濃度達到極值，地面盛行風向是污染物傳輸的主要方向，沿著地面主導風向，污染物存在側向的擴散，但其傳輸速度遠遠慢于沿主導風向的傳輸速度。此外，預報結果顯示，20 h由于風向的轉變，污染影響范圍開始由中心點西側轉為東南側，25 h開始轉為南部，緊接著在28 h又轉為偏南風向的影響。可見，模式能較好地反映氣象條件的影響，模擬的污染物影響較顯著的范圍并不是對藥廠的周邊地區全部覆蓋，主要位于藥廠與盛行風向的下游，這與樂平地區污染檢測資料所體現的規律是一致的。因此設計的天氣預報系統驅動下的空氣污染預報，對于精細化捕捉典型污染過程中污染物的顯著影響區域及最大地面濃度所在位置具有重要意義。

以管委會所在地的SO2實時監測數據為準(圖8中深色實線)，本試驗所建立的WRF-CALPUFF污染預報模型能夠有效地抓住本次污染事件的主要特征，包括SO2濃度的峰值大小、峰值時間、發展過程、持續過程、轉折時刻等。然而，對比部分的峰值也存在高估(如第34 h附近的預報結果)或低估(如第61 h和71 h附近的預報結果)的情況。根據相關系數的計算結果，預報結果與觀測結果的相關系數可達0.8以上，且超過95%的信度，平均濃度預報偏差低于10 μg/m3。因此，本試驗所建立的WRF-CALPUFF污染預報模型具有較優的預報性能，可以用于實際的污染物預報。

表1 輸入模式的排放源參數

t=1-9 h、20 h、25 h、28 h；陰影是SO2的小時平均地面濃度(單位：μg/m3)，箭頭代表地面風場

深色實線，淺色實線(單位：μg/m3)

逐小時平均濃度填色圖表征的是隨著氣象條件的變化，35家企業排放源對地表SO2濃度值的實時影響情況，所反映的是35家企業對環境空氣質量的實時影響狀況。由72 h實時回報結果(圖7)可見，精細化的氣象場模擬資料所驅動的大氣擴散模式模擬結果，能實時給出污染物的主要影響范圍、最大影響濃度所在位置以及發生時間等信息，對于評估企業大氣污染物排放的實時環境影響具有重要意義，可為大氣污染防治提供有效預報參考。

進一步，通過對72 h回報結果的統計分析發現(圖8)，35家企業在這3 d(2019年4月15—17日)內對地面濃度的最大貢獻值約為7.8 μg/m3，根據樂平市2個監測站(老環保局站和國土局站)的平均監測結果可知，3 d平均的SO2日均濃度值約為12.3 μg/m3(圖9)，因此，35家企業地面SO2日均濃度對本地的最大貢獻率約為63.4%，因而35家企業的SO2污染防控不容忽視。但從影響范圍來看，最大濃度貢獻點位于企業聚集區內，即處于可控范圍內。

圖9 2019年4月15日00:00—4月18日00:00平均的SO2最大24 h平均地面濃度空間分布/μg·m-3

3 結論

本文介紹了高分辨率中尺度模式在樂平工業園區污染氣象保障中預報試驗，主要結論如下。

1)試驗采用高時空分辨率的中尺度天氣模式WRF，最新的GIS(Geographic Information System)資料及3DVAR變分同化系統，實現高分辨率和高精度地氣象要素預報場。結合CALPUFF污染物輸送模式，得到高精度的樂平工業園及其周邊地區的污染物預報。

2)選取SO2污染過程轉折特征較為顯著的時段開展模擬預報研究，結果符合污染物常規的傳輸與擴散規律：排放源附近，SO2的濃度達到極值，地面盛行風向是污染物傳輸的主要方向，沿著地面主導風向，污染物存在側向的擴散，污染物影響較顯著的范圍主要位于藥廠與盛行風向的下游，與樂平地區污染檢測資料所體現的規律是一致的。

3)精細化的氣象場模擬資料所驅動的大氣擴散模式模擬結果，能實時給出污染物的主要影響范圍、最大影響濃度所在位置以及發生時間等信息，對于評估企業大氣污染物排放的實時環境影響具有重要意義。預報結果與觀測結果的相關系數可達0.8以上，且超過95%的信度，平均濃度預報偏差低于10 μg/m3，35家企業地面SO2日均濃度對本地的最大貢獻率約為63.4%，但從影響范圍來看，最大濃度貢獻點位于企業聚集區內，即處于可控范圍內。