新冠期間河北省典型鋼鐵企業大氣污染影響

陳 雷 ,王 鵬 ,伯 鑫 ,薛曉達 ,王成鑫 ,楊朝旭 ,賈 敏 ,劉健佑 ,尤 倩 ,桑敏捷 0,淡 默 (.陜西省環境科學研究院,陜西 西安 00；.北京化工大學數理學院,北京000；3.生態環境部環境工程評估中心,北京 000；.北京航空航天大學經濟管理學院,北京 00；.四川大學建筑與環境學院,四川 成都 00；.中科三清科技有限公司,北京 0000；.北京化工大學經濟管理學院,北京 000；.西安九派數據科技有限公司,陜西 西安 00；.首都經濟貿易大學管理工程學院,北京 0000；0.河北科技大學環境科學與工程學院,河北 石家莊 000；.北京市勞動保護科學研究所,北京 000)

2020年我國新冠疫情爆發期間,各省市先后啟動重大突發公共衛生事件一級響應.大氣污染物排放方面,來自生活源、交通源以及中小企業工業源的排放降低顯著[1],但新冠疫情期間中國鋼鐵行業生產未受較大影響.河北省是中國粗鋼產量大省,國家統計局數據顯示,2019年粗鋼產量占全國總產量 24.25%,并且其大氣污染物排放占比最大,2018年平均占比達 20.51%[2].在新冠疫情管控期間:2020年第1季度中國和河北省粗鋼產量同比分別增長1.46%和0.16%.在全面復工復產后:2020年第2季度全國粗鋼產量同比增長2.97%,河北省粗鋼產量同比減少2.39%;第3季度全國和河北省粗鋼產量保持穩定增長[3-4].相關研究[5]指出,新冠防疫期間唐山市交通流量減少、餐飲企業關停,但唐山市鋼鐵企業未受影響,鋼鐵大氣排放特征突顯,2020年2月9日～13日污染過程唐山市空氣質量受鋼鐵工業排放影響顯著,說明新冠疫情對中國鋼鐵企業生產影響較小.

在鋼鐵行業大氣環境影響方面,現有研究無法精準反映單個鋼鐵企業大氣排放對國控站點的貢獻.已有研究主要采用 CAMx等區域大尺度模型和AERMOD、CALPUFF等小尺度模型模擬鋼鐵行業空氣質量影響[6-9].例如,文獻[10-13]采用 CAMx等模型模擬不同年份不同區域鋼鐵行業大氣污染影響.然而,受生活源和交通源等污染源排放清單不確定性影響,現有模擬結果無法精準反映中國單個或者多個典型鋼鐵企業排放對大氣環境影響水平.相關研究[14-15]采用小尺度空氣質量模型,模擬鋼鐵行業單部門的空氣質量貢獻水平,未考慮生活源和交通源等其他排放源的貢獻和影響,無法對數值模擬結果與空氣質量監測數據進行驗證,進一步增加模擬結果不確定性.

針對上述問題,本文以河北某典型長流程鋼鐵廠為例,利用國家氣象局2020年2～10月氣象預報數據,建立基于 AERMOD 鋼鐵企業污染預報模型,模擬新冠疫情管控期(2～3月)及解封后期(4～10月)鋼鐵企業對大氣污染的影響,并結合當地 3個國控點的空氣質量監測數據進行驗證.由于河北省鋼鐵企業生產活動受疫情影響較小,且生活源和交通源等其他污染源排放大幅減少,在考慮不利風向下,模擬結果能更加精確地反映鋼鐵企業污染物排放對空氣質量的影響,為典型鋼鐵企業污染預報研究提供新的思路.同時,可為鋼鐵企業排放管控和優化布局等提供數據支持.

1 研究方法

1.1 研究區域與對象

選取鋼鐵廠屬于典型長流程鋼鐵企業,位于河北省某平原城市,周圍地勢平坦.2018年,該企業燒結機共 5臺,高爐總容積達 14600m3,粗鋼年產量達1122.84萬t,占該市粗鋼總產量的27.23%.2020年第1季度,該企業粗鋼產量為 220.10萬 t,環比下降0.45%,說明該企業鋼鐵生產受新冠疫情爆發影響程度較小.2020年2月,該市發布公共衛生事件一級響應[16],要求盡量減少公共交通和自駕出行及公眾聚集活動,說明該市交通源、生活源排放減少.

空氣質量監測數據來自企業周圍3個空氣質量監測站點(國控站),相對位置見圖 1,1號監測點離企業最近,為2.82km,2號和3號分別離企業4.05km和6.83km.

圖1 鋼鐵企業、空氣質量監測點位關系Fig.1 The location relationship between the iron and steel plant and air quality monitoring stations

1.2 模擬模型參數

預報模型來自研究團隊開發的企業大氣污染預報系統[17],該系統采用 AERMOD 作為污染預報模型.AERMOD是美國環保署和中國生態環境部推薦的法規模型之一,廣泛應用于工業排放源(包括火電、鋼鐵等)擴散模擬[18-23],適用于平坦地形條件下模擬.

獲取了國家氣象局2020年2月1日～10月31日預報數據,該預報資源融合了多種全球數值模式產品 GRAPES(中國氣象局)/GFS、T639(中國氣象局)/GMF等,使用數據為每天預測未來1d的連續數據,經處理后轉換成AERMOD模型可讀取的預報氣象數據.預報期間風玫瑰圖見圖 2,主導風向為南風(S)和北風(N).

圖2 2020年2月1日～10月31日預報風玫瑰Fig.2 Wind rose maps from February 1st to October 31 th in 2020

鋼鐵企業排放信息來自研究團隊全國高分辨率鋼鐵排放清單(HSEC),污染物因子包括SO2、NOx和 PM10,模擬范圍 15.2km×15.2km,水平分辨率200m,東西向76個格點,南北向76個格點,3個國控點作為敏感點,計算時間步長按 1h考慮,研究時間段為2020年2月1日～10月31日,地表參數(表1)來自研究團隊開發的 AERSURFACE在線服務系統[19].

表1 地表參數Table 1 Surface parameters

由于模擬期間主導風向為南風(S)和北風(N)(圖2),而三個國控站點基本位于鋼鐵企業的東北方向(圖1),該情況下,鋼鐵企業對3個國控站點的影響較小,模擬結果的代表性不好,很難反映該企業真實的環境影響.因此,本文選取鋼鐵廠對國控點影響的不利風向下(200°～290°),分析 SO2、NOx和 PM10的模擬值和實測值的占比及相關性.且在該不利風向條件下,模擬區域范圍內,沒有其他鋼鐵廠對國控點造成影響.

1.3 模擬模型評估

參考國內外文獻的評估方法[24-26],利用統計學方法計算鋼鐵企業大氣污染物排放預報值(包括SO2、NOx和PM10)和國控點實際監測值的相關系數,驗證模型的模擬效果.

2 結果與討論

2.1 鋼鐵企業大氣環境影響分析

不利風向條件下,在新冠疫情管控期(2020年2～3月),該鋼鐵廠排放對3個國控點SO2、NOx和PM10的濃度貢獻占比分別為 20.19%～33.81%,17.49%～23.46%和 2.02%～2.69%(圖 3).在解封后期(2020年 4～10月),該鋼鐵廠大氣污染物排放對3個國控點SO2、NOx和PM10的濃度貢獻占比分別為 13.43%～21.01%,11.09%～20.92%和 1.20%～2.22%.由于在新冠疫情管控期,居民封閉在家,道路源、生活源等污染源的干擾較小,導致該鋼鐵企業排放的3種污染物對國控站點的貢獻占比均顯著增加(P＜ 0.1).同時,鋼鐵廠排放對國控點1的貢獻占比最大,對國控點3的占比最小(圖 3).表明距離鋼鐵廠越近,其排放對環境的影響越大;因此優化和調整鋼鐵廠布局,要充分考慮風向、距敏感點距離等因素.

圖3 不利條件下該鋼廠排放SO2、NOx和PM10對國控點占比Fig.3 Contribution of SO2, NOx and PM10emission from the iron and steel plant to three state-controlled monitoring stations under adverse conditions

鋼鐵廠排放的 PM10對國控站點貢獻占比最小,SO2貢獻占比最大,這是由于鋼鐵企業除塵技術成熟,可實現較低的排放濃度.因此,下一步要著重加強鋼鐵企業 SO2和 NOx排放的管控,提升脫硫和脫硝設備的覆蓋率和效率[10].

與現有文獻模擬結果相比[11],鋼鐵企業排放的SO2、NOx和PM10對當地大氣污染物貢獻比例的趨勢相同,其中PM10貢獻比例最低, SO2和NOx的貢獻比例較高(圖 4).由于本文只考慮不利風向下典型鋼鐵企業對國控站點的影響,本次模擬中 SO2和 NOx貢獻比例相對較高.

圖4 研究企業大氣環境影響文獻對比Fig.4 Comparison of the average contribution of main air pollutants from the plant under study

2.2 模型模擬效果分析

為控制氣象因素的影響,本文重點分析在不利風向下(200°～290°),SO2、NOx和 PM10的模擬值與實測值的相關性(圖 5).結果表明:模擬值與實測值的整體相關性較好,但在不同時段的相關系數有明顯差異.

圖5 研究企業排放對國控點月貢獻預測值和監測值相關系數Fig.5 Correlation coefficients between predicted and monitored value of monthly contribution of enterprise emission from the plant under study to three statecontrolled monitoring stations

在不利風向下,新冠疫情爆發以來(2020年2月～10月),該鋼鐵廠SO2、NOx和PM10模擬值與每個國控站點實測值進行對比,相關系數最高分別為0.43、0.40和0.11.

在不同時段中,模擬值與實測值的相關性在新冠疫情管控期(2020年 2～3月)高于解封后期(2020年4～10月);從各國控站點分析,距離鋼鐵廠越近,相關性越好;從不同污染物角度分析,NOx、SO2的相關系數好于PM10.在新冠疫情管控期,國控點1的SO2、NOx和PM10相關系數R最高,分別為0.43、0.48和0.29;在解封后期,同樣是國控點 1的 SO2、NOx和PM10相關系數 R最高,分別為 0.42、0.39和 0.07.在新冠疫情管控期,生活源和交通源等污染源排放的大幅減少,導致該鋼鐵企業排放對國控站點的影響程度較大,模擬值和監測值的相關系數更高.因此,在新冠疫情管控期,能更加精確地反映鋼鐵企業排放對國控站點的影響.對照美國EPA傳統的放示蹤劑SF6的方法,本文提出了一個新的模型驗證思路.

2.3 不確定性分析

本文存在幾個不確定因素:(1)鋼鐵源強不確定性,鋼鐵企業各個工序生產存在一定波動,大氣污染物排放核算存在不確定性[27].(2)預報氣象不確定性,氣象預報結果與實際氣象觀測結果有一定偏差,會導致模擬結果存在差異.(3)數值模型不確定性,AERMOD模擬未考慮SO2和NOx化學反應機制[28],使得PM10等模擬結果存在不確定性.

3 結論

3.1 在不利風向條件下,該鋼鐵廠大氣污染物排放對三個國控站點SO2、NOx和PM10的濃度貢獻占比和相關系數,在新冠疫情管控期(對單個站點最大貢獻占比為 33.81%、23.46%和 2.69%;最大相關系數為0.43、0.48和0.29)高于解封后期(最大貢獻占比為21.01%、20.92%和2.22%;最大相關系數為0.42、0.39和0.07).表明在新冠疫情管控期,受其他人為源干擾較少,開展鋼鐵企業污染貢獻模擬,在不利風向條件下,可精確地反映鋼鐵企業排放對國控站點的影響.

3.2 鋼鐵廠排放的SO2和NOx貢獻占比較高(2020年 2～10月,對單個站點最大貢獻占比為 20.90%和20.73%),與現有研究結果一致,下一步要著重控制其排放.同時,在優化和調整鋼鐵廠布局,要充分考慮風向、距敏感點距離等因素.