利用數值模式和示蹤試驗確定某廠址地區大氣擴散參數

楊宗甄，鮑昕杰，陶乃貴，張曉峰

(蘇州熱工研究院有限公司，江蘇 蘇州 215004)

低層大氣中氣態污染物的擴散本質上是一種湍流擴散，大氣擴散參數可以用來描述大氣湍流特征。通過研究確定一定區域范圍內的大氣擴散參數可分析該區域氣載污染物的大氣擴散能力，進而評估區域氣載污染物的擴散條件。同時，大氣擴散參數作為氣態污染物擴散模型的參數輸入，在大氣環境影響評價中起到關鍵性的作用。國內核電廠環境影響評價領域，通常采用高斯煙羽模式對核電廠正常運行期間的年均大氣擴散因子進行估算[1]，其模式所用的擴散參數則成為反映廠址區域大氣擴散分布特征的關鍵因素，因此，獲得具有區域代表性的大氣擴散參數作為模型的資料輸入對最終模擬計算獲得的濃度場結果有直接的影響。

國內在獲取大氣擴散參數方面已開展了大量的工作，尤其是圍繞電廠等大型氣態排污工程項目，往往采用多種研究分析手段，如平衡球試驗[2]、湍流觀測試驗[3]、大氣擴散示蹤試驗[4-5]、風洞試驗[6]及數值模擬研究[7-8]等。由于平衡球試驗、大氣擴散示蹤試驗以及風洞試驗受天氣不確定因素的影響和試驗條件的限制，往往不能獲得較為全面的試驗結果，有一定的局限性，而基于歐拉理論的湍流觀測試驗獲得的大氣擴散特征往往具有局地性，對遠距離區域大氣擴散特征的代表性較差。數值模擬研究較上述試驗手段具備不受試驗條件以及不確定天氣條件限制的特點，使得利用數值模擬試驗開展大氣擴散參數的研究工作成為一項十分重要的手段。

在利用數值模擬試驗開展研究工作時，驗證所用數值模式適用性及有效性是一項十分重要的工作，通常采用野外示蹤試驗的成果對數值模式的模擬結果進行比對分析，通過比對分析研究驗證模式的適用性和有效性。如康凌、蔡旭暉等人在福建沿海和陳曉秋在廣東沿海某核電廠址開展過野外示蹤試驗對隨機游走模式的驗證研究工作[7-8]；胡二邦、辛存田等人[9-10]采用福建沿海核電廠址野外示蹤試驗對高斯煙羽模式進行驗證研究；王博、欒海燕等人[11]采用流體力學(CFD)軟件對某濱海核電廠址的大氣擴散特征進行模擬，并與野外示蹤試驗結果進行比對驗證；朱好、張宏升、蔡旭輝等人及崔慧玲、姚仁太等人[12-14]采用內陸復雜地形條件的廠址野外示蹤試驗成果對CALPUFF模式性能進行研究。但上述研究開展的示蹤試驗由于技術手段等原因僅反映出中性或不穩定類天氣條件下的擴散特征，這一方面對數值模式驗證工作帶來了一定局限性；一方面因缺少各類天氣條件下的示蹤試驗結果不能完整給出各類穩定度條件下的大氣擴散參數。

本研究采用WRF(weather research and forecasting model)預報模式和CALPUFF三維非穩態拉格朗日擴散模式相結合的技術手段獲得核電廠廠址區域大氣擴散參數。WRF模擬結果可作為CALPUFF擴散模式的初始氣象場。WRF模式能很好的反映廠址所在區域中小尺度風場特征，可為擴散模式提供性能良好的氣象輸入資料[15-18]。CALPUFF是美國環保局(USEPA)長期支持開發的法規導則模型，2008年我國環保部《環境影響評價技術導則——大氣環境》(HJ 2.2—2008)中以推薦模式清單方式引進CALPUFF，在國內環評工作中得到了廣泛的應用，獲得了良好的效果。2018年生態環境部發布的《環境影響評價技術導則——大氣環境》(HJ 2.2—2018)中，CALPUFF模式再次被列入推薦模式清單中。目前已經有100多個國家在使用CALPUFF，并被多個國家作為法規模型。

利用基于物聯網智能化自動采樣平臺開展的示蹤試驗成果對數值模擬結果進行比對分析，以此驗證擴散模型適用性和模擬結果可靠性。上述示蹤試驗采樣技術在國外已有相關應用[19]，但在國內核電廠大氣擴散試驗研究領域應用相對較少。上述示蹤試驗成果在數值模式驗證方面具備先進的技術條件和全面的數據支撐。

1 數值模擬方案

氣態污染物的擴散分布很大程度受到局地地形、地表類型及中小尺度大氣環流等相關氣象過程的影響,在開展數值模擬工作之前，獲取足夠精細的下墊面資料，以及大量準確反映局地風場的氣象數據是關鍵。WRF模式利用時間分辨率為6小時、空間分辨率為1.0°×1.0°的NCEP-FNL分析資料作為模式模擬廠址區域中小尺度氣象場的初始和邊界條件，在通過模式內構的動力學方程框架及多種可選的物理參數過程開展數值計算獲取精細化的空間網格氣象場。為了更精確的反映廠址中小尺度風場特征，模式模擬區域采用雙向反饋四重嵌套網格，以廠址為中心，第一層(d01)模擬范圍1 215 km×1 215 km，水平網格距27 km；第二層(d02)模擬范圍405 km×405 km，水平網格距9 km；第三層(d03)模擬范圍135 km×135 km，水平網格距3 km；第四層(d04)模擬范圍45 km×45 km，水平網格距1 km。地形數據選擇USGS30″分辨率資料，地表類型數據選用MODIS數據集1 km×1 km分辨率資料。模式微物理過程參數方案選擇WSM3方案，模式長波和短波輻射方案為rrtm方案，地表物理過程為ETA相似理論近地面層方案，陸面模式為Noah模式，邊界層模式為YSU方案，積云參數化方案為Kain-Fritsch機制。模擬示蹤試驗期間小時平均濃度分布結果。

CALPUFF模式以釋放源為中心20 km×20 km作為模擬范圍，網格水平分辨率100 m，垂直層高度為CALMET氣象模塊默認的10層不等距設置，CALPUFF垂直分辨率10 m，模擬至400 m高度。氣象數據選擇WRF模式輸出的網格數據與廠址氣象觀測站點資料。釋放源與示蹤試驗釋放源強保持一致，擴散方案選用網格化微氣象擴散方案。地形高程數據為STRM-90 m分辨率資料，地表類型數據為30 m高分辨率資料。圖1給出了模擬范圍地形和下墊面類型情況。

圖1 CALPUFF模擬區范圍地形及下墊面類型情況Fig.1 The terrain and surface categories nearby site in CALPUFF model

2 示蹤試驗概況

示蹤試驗現場工作安排在廠址地區秋季進行，試驗期間盛行風向主要以偏北、偏東北風為主。廠址一定范圍內地形主要以陸地低矮丘陵和海洋為主，地形相對平坦。釋放點位于廠址氣象塔30 m高度處，利用高精度減壓閥及連接軟管將示蹤氣體牽引至釋放平臺，在平臺氣體出口處布設高精度氣體流量表、電磁閥門及數據傳輸模塊，可實時在線監測SF6示蹤氣體的勻速釋放狀態。由于釋放裝置口徑較小，可忽略煙氣抬升影響。采樣布點方案綜合考慮主導風向、地形條件、交通情況等因素，在試驗區域內以釋放點為中心由近及遠布設5條采樣弧線共計68個采樣點，各弧線距釋放點大致距離約為1、2、3、5、7 km左右。圖2給出了廠址區域一定范圍內示蹤試驗采樣點分布。采樣系統采用基于物聯網的智能化自動采樣平臺，可實現采樣工作智能化判斷、采樣終端遠程控制及多通道自動化采樣等功能。每次試驗釋放SF6的總質量為30～40 kg，每次試驗完成三次采樣，每次采樣10 min，間隔5 min。示蹤氣體分析采用氣相色譜-電子捕獲檢測(GC-ECD)方法。定義釋放每單位示蹤氣體在下風向某處造成的示蹤氣體濃度為大氣彌散因子，其量綱為s·m-3，為方便各次試驗的比較分析，示蹤試驗和數值模擬試驗濃度結果均歸一化為大氣彌散因子進行分析。為了驗證數值模式結果的可靠性和適用性，廠址地區共開展了19次現場大氣示蹤試驗，利用廠址氣象塔獲取的風溫數據，根據溫度梯度風速法對試驗期間的天氣穩定度類型進行判斷，其中B類1次、C類3次、D類13次、F類2次，覆蓋了典型的不穩定類、中性類、穩定類天氣條件。每次試驗具體情況列于表1。

圖2 示蹤試驗采樣點分布圖Fig.2 Diagram of sampling points for tracer test

表1 各次試驗天氣條件Tab.1 Weather conditions for each tracer test

3 數值模擬結果及驗證

數值模式模擬結果為小時平均值，由于試驗起止時間通常不在整點，因此，選取釋放初始時間及結束時間時最接近試驗起止時間的整點進行模擬計算。為了較全面分析數值模擬的可靠性，選取的比對時次基本上覆蓋了各類穩定度條件下的大氣擴散結果。圖3給出了數值模擬在各采樣點位的模擬結果與現場示蹤試驗典型時次(D01表示第一次試驗，以此類推)采樣點分析結果的大氣彌散因子比較曲線。由圖3可知，在示蹤試驗過程中，采樣點模擬濃度與觀測濃度在數值上基本相當。由于采用環形布點法，基本上都捕捉到了峰值濃度。盡管因模擬期間個別時次風向在采樣期間有變化導致模擬濃度峰值與實際觀測濃度峰值存在方位偏差，但總體上模擬結果與采樣結果相比偏差不大，結果證實擴散模擬接近真實擴散過程。

圖3 示蹤試驗與數值模擬各采樣點大氣彌散因子典型個例對比Fig.3 Simulated surface diffusion factors pattern in comparison to tracer test results

圖4給出了數值模擬濃度分布與現場示蹤試驗獲得濃度結果的采樣點分布的比較。由圖看出，數值模擬試驗得到的煙羽范圍大部分覆蓋了示蹤試驗獲取到采樣結果的采樣點位，無論在煙羽方向還是煙羽寬度上，兩者均保持了較高的一致性。

圖4 示蹤試驗采樣點與數值模擬濃度場分布形態典型個例對比Fig.4 Simulated surface concentration pattern in comparison to tracer test results

為了進一步驗證模式模擬結果與實際觀測值的差異，采用小數偏差分離(FB)、歸一化均方誤差(NMSE)、協相關系數(R)、2倍差值比例(FAC2)四個指標進行定量分析。各指標的定義如下(Co表示觀測結果、Cs表示模擬結果)：

(1)

(2)

(3)

(4)

其中，式(1)經轉化可表示為平均偏差占平均值比例：

(5)

根據每次示蹤試驗各采樣點觀測值與模擬值結果，利用上述評估方法得出FB:0.439、NMSE:2.781、R:0.64、FAC2:33%、平均偏差占平均值比例36%。環境影響評價中重點關注地面峰值濃度，采用各次試驗中不同下風向距離的峰值濃度為評估變量，其評估指標結果則為FB:0.09、NMSE:0.395、R:0.73、FAC2:66.7%、平均偏差占平均值比例8.29%。FB值絕對值范圍在0～2之間，越靠近0表明模擬值與觀測值越接近。NMSE值越接近0越好，R越接近1越好。對于非空間對應數據的比較，模擬值與實測值在兩倍范圍內的百分率(FAC2)在50%左右，平均偏差占平均值的30%以內表示該模擬結果較好[20]。上述結果表明，數值模式與示蹤試驗在各點位的匹配度上相對較好、峰值濃度結果吻合度較高，數值模擬結果一定程度上能反映試驗范圍內擴散特征，較好的反映不同下風距離處的峰值濃度。

4 擴散參數

根據CALPUFF擴散模式獲得的濃度結果開展廠址區域擴散參數的統計分析研究。假定試驗區域內的氣態污染物分布服從高斯擴散形態：

(6)

式中，He為有效釋放高度，σy和σz分別為垂向和縱向擴散參數，Q為釋放源強，u為風速，z和y分別為垂向和縱向距離。

擴散參數σy和σz的表達式以冪次律表達：

σy=pyxqyσz=pzxqz

(7)

確定py、qy、pz、qz，即可給出σy和σz。

在傳統的求解擴散參數時，多采用如高斯牛頓法、梯度法、共軛法等解析解法[9]。雖然其方程是可導函數，但本質上方程較為復雜，用傳統的解析解法將導致復雜的求導公式運算，極易出錯，且在最優化過程也極易掉入局部極小值內，甚至一直找不到符合條件的下一代值，令收斂條件遲遲無法達到，導致偏差較大的結果產生。因此，本次試驗采用當前較為先進的直接搜索算法中的網格自適應直接搜索算法(mesh adaptive direct search，MADS)[21-22]，以此確定擴散系數py、qy、pz、qz的最優解。

同一穩定度個例所獲得的擴散系數可以差異很大，因此系數py、pz按幾何平均法取其平均值，對冪指數qy、qz按算術平均法取其均值，即

(8)

(9)

圖5給出了數值模擬獲得的擴散參數與P-G擴散參數的比較。廠址地區整體風速較大，地形總體較為平坦，數值試驗獲得的擴散參數較P-G擴散參數相對偏大。其中，側向擴散參數在1 km范圍內較P-G擴散參數提高了約三個穩定度等級，1～10 km范圍提高了近2個穩定度等級；垂向擴散參數總體分布形式與P-G擴散參數相似，1 km范圍內各類穩定度條件下的擴散參數較P-G擴散參數隨距離的變化均有不同程度的增強，提高范圍約在1～2個穩定度等級之間；隨著距離的變化(1～10 km范圍)不穩定(A、B、C)類的擴散參數變化率則小于P-G，中性層結比P-G總體略高且走勢較為一致，穩定層結情況則提高了1個穩定度等級。這說明在釋放條件(釋放源強、天氣條件)相同的假設下，利用CALPUFF模式模擬獲得的空間濃度與利用P-G擴散參數根據傳統高斯煙羽方程計算的濃度值相比整體偏小，側向濃度分布范圍較寬，近距離(1 km)范圍內垂向空間濃度稀釋能力較強。

圖5 數值模擬擴散參數與P-G擴散參數比較Fig.5 Horizontal and vertical diffusion parameters of simulated experimentsin comparison to P-G diffusion parameters

出現上述差異的主要原因與P-G擴散參數獲取的試驗基礎條件有關，根據對不同源高、地表粗糙度、采樣時間的擴散參數結果比較[23]，CALPUFF高架釋放源的擴散參數大于P-G近地面釋放源；廠址范圍大部分農業用地及樹林代表大粗糙度(0.25～1)大于P-G試驗(0.03)。同時，隨采樣時間增大，擴散參數也有一定程度的增大，P-G采樣時間為3分鐘，CALPUFF采樣計算時間為60分鐘。本文結合廠址實際情況通過CALPUFF模式計算的擴散參數結果與P-G擴散參數的比對符合上述一般規律。

考慮到廠址粗糙度及高架釋放(含地形高度約50 m)的特征，圖6給出數值模擬獲得的擴散參數與IAEA推薦的一組適用于大粗糙度(Z0≈1 m)50 m高架釋放擴散參數的比較。由圖6可知，側向擴散參數A類穩定度和D類穩定度與IAEA推薦值接近，B、C類較推薦值大，而穩定度E、F類偏小。垂向擴散參數F類與推薦值接近，其余各類穩定度條件下的擴散參數均較推薦值小。

圖6 數值模擬擴散參數與IAEA擴散參數比較Fig.6 Horizontal and vertical diffusion parameters of simulated experimentsin comparison to IAEA diffusion parameters

5 結論和討論

本文利用WRF中尺度預報模式和CALPUFF非穩態拉格朗日煙團擴散模式相結合對廠址區域大氣擴散參數進行了數值模擬和研究，獲得了各類天氣條件下的全面大氣擴散參數結果。通過CALPUFF模擬得出的濃度場結果與現場示蹤試驗結果對比發現，濃度模擬值無論在數量上還是在分布范圍上均有較好的一致性，由此可驗證采用WRF和CALPUFF數值模式相結合能較好的反映該地區大氣污染物擴散分布特征，其統計獲得的大氣擴散參數對廠址地區大氣擴散特征有很好的代表性。

本文在利用數值模擬結果確定的擴散參數與P-G擴散參數比較發現，采用P-G擴散參數獲取廠址地區氣載污染物濃度結果方面會過于保守，數值模擬試驗獲得的濃度分布較為真實的反映廠址地區污染物分布特征，這歸結于污染物擴散綜合考慮廠址地區實際下墊面及流場分布特征。

在未來的研究工作中，應重點關注CALAPUFF擴散模式中物理參數方案的本地特征化，特別是邊界層湍流擴散方案的優化分析，如提供廠址區域湍流實際觀測結果及空間分布特征等。數值模擬獲取的擴散參數與P-G擴散參數和IAEA推薦擴散參數的對比結果符合其與源高、地表粗糙度、采樣時間變化的一般規律，故需重點針對直接影響擴散參數大小的廠址特征參數進行深入分析，開展進一步參數敏感性及比對試驗研究。