基于空氣質量模型的化工園區VOCs 排放影響評估方法研究

項雅靜，張嘉偉，王東方

（上海建科環境技術有限公司，上海 200000）

揮發性有機物（Volatile Organic Compounds，VOCs）組分眾多，來源復雜，且多數組分活性較強，是PM2.5和O3二次形成的重要前體物之一。化工業是VOCs 污染的主要排放行業，化工園區內化工企業聚集發展，異味投訴頻發但企業排放責任不清，企業污染源的VOCs 排放影響評估對厘清責任、VOCs 減排具有重要意義。

空氣質量模型采用數值方法模擬大氣中污染物的物理擴散和化學反應[1]，可用于不同尺度和不同環境條件的VOCs 排放影響評估，具有成本低、時空分辨率高等優點，至今已發展出上百種的模型[2]。但由于大氣污染物擴散自身機制的復雜性，目前仍存在待改進的地方[3]，且多年的實驗數據證實并沒有哪一個模式比其他模式有明顯的優越性[4]。

目前，化工園區等復雜排放條件下的VOCs 擴散模擬的適用性研究較少，且模型參數參量缺乏較為系統的本地化方法，有必要在典型園區開展VOCs 擴散模擬，進行排放影響評估方法的探索研究。

LPDM 和ADMS 兩種模型[5]較為先進，在模擬小尺度污染物的擴散和遷移方面應用較多，可用于污染物的濃度分布和污染擴散的模擬。本研究以LPDM 和ADMS 兩種模型為模擬應用工具，梳理模型所需的輸入參數，以化工園區為研究區域，深入探討了模型所需的本地化VOCs排放清單的構建方法，并對模型模擬結果進行驗證和比對，為今后的同類型大氣擴散模擬影響研究提供有力的技術手段和保障。

1 研究區域概況

東南沿海某典型化工集中區匯集精細化工區、石化化工區和石化產業園等多個產業園區，全區域陸地面積約為40 km2，區內地勢低平，交通十分便利，其中精細化工區包含企業一百余家，形成新型表面活性劑、功能性涂料、合成新材料和生物醫藥等主要產業集群；石化化工區為煉油化工一體化的高度綜合性石化化工企業，主要生產石油產品、化工產品、合成樹脂及合纖聚合物、合成纖維等產品；石化產業園為區域新興發展園區，目標形成從基本無機原料、有機原料到合成材料、化工新能源和高新技術化工產品（含生物醫藥化工）等配套的石化產品生產園。

研究區域為嚴控VOCs 污染，實現企業清潔生產、污染精準溯源及政企協調配合，通過環保上的硬投入，區域陸續建設了10 多個大氣自動監測站（如圖1 所示），其中：JSSJ、FJ、XL、YN 和GM 為精細化工區園區點位，W2、W3、W4、W6 和W8 為石化化工區園區點位，DS1、DS2、DS3 為石化產業園園區點位，JSC、ZQ、JSXC、JSWZ 和SHJD 為周邊環境點位；初步形成了以GC-FID 為基礎，以GC-MS 為支撐，以光學監測為輔助，結合快速質譜等技術協同監測的一體化多功能工業區監測體系，初步實現生產區域及周邊環境的VOCs 自動監測、報警、日常評估、應急和溯源等功能。

圖1 某沿海化工集中區區位圖

2 模型及應用方法介紹

2.1 模型介紹

LPDM（Lagrangian Particle Distribution Model）通過計算氣塊群的運動軌跡，實現對大氣污染物質的輸送和擴散過程的模擬[6]。該模型可模擬點、線、面和體源等大氣源排放的大氣示蹤物質的中小尺度輸送、擴散、干濕沉降及其輻射衰減過程，其前向和后向軌跡模擬分別可以用來模擬排放源的擴散，以及確定排放源的影響區域。模擬需要氣象資料和排放清單等數據，當氣象場網格嵌套層數越多，區域氣象場的模擬將更精準。目前，結合地理高程數據，通過插值可輸出110 m×110 m 水平分辨率的足跡，滿足小尺度的模擬需求。

ADMS（Atmospheric Dispersion Modelling System）是一個模擬污染源在大氣中連續擴散的大氣模型[7]，可模擬點、線、面、體和網格源等污染源的連續或間斷排放，并能進行復雜的化學反應模擬，適用范圍涵蓋街道尺度到大型城市尺度。已廣泛應用于城市、路網、工業基地等復雜條件的空氣質量評價、交通污染管理和空氣質量預測等。模型模擬所需參數包括氣象變量、背景濃度及詳細的排放清單等。LPDM 和ADMS 空氣質量模型異同比較見表1。

表1 LPDM 和ADMS 空氣質量模型異同比較[8-14]

2.2 模型應用方式

空氣質量模型的應用流程（如圖2 所示）具體為：（1）首先確定模擬區域和受體點位，以3 個化工園區所在區域為研究范圍，區域監測網站點分布位置為受體點位；（2）結合模型特點，收集模擬所需的氣象資料和地形資料等基礎參數；（3）梳理研究區域主要污染源的大氣污染排放數據，即排放清單，為確保污染源排放信息的準確性，排放清單的編制具有時效性要求，有必要形成本地化參數方案（見第3 小節），為將來同類型區域構建準確、完整、更新及時的小尺度區域大氣污染物排放清單提供技術支撐；（4）實現模型模擬，通過模擬結果與實測結果對比以及不同模型之間的對比等方式，驗證模擬結果理想與否，進一步調整基礎參數調試模型。理想的模擬結果將有助于化工園區等小尺度區域污染排查和污染溯源等區域環境管理工作，為實現大氣污染精準治理、精細治理提供技術支撐。

圖2 空氣質量模型污染擴散模擬流程圖

3 數據收集及參數計算

通過協調收集、實地調研以及現場采樣等方式，本文獲得典型化工集中區的各項數據資料。該化工集中區覆蓋3 個大型產業園，管理機構各有不同，由于階段性、技術性以及其他經濟和人為因素等影響，產業園間各項業務數據的存儲方式和表達方式等均有不同，構成了企業的異構數據源。為了得到供模型模擬使用的源排放清單，首先要確保各個產業園具有相同統計方式的排放數據，并且能夠進行標準化處理（如圖3 所示）。研究區域VOCs排放數據涵蓋各類企業和污染源的地理信息、中小企業的VOCs 排放量、大型企業各部門生產環節VOCs 排放量以及重點VOCs 企業委托監測數據等。數據轉換的主要方法如下：（1）有組織源的排放總量轉換為排放速率；（2）把無組織源的排放攤分到空間網格中；（3）耦合委托監測數據及排放總量，獲得具體污染物質的排放速率。

圖3 多源異構數據標準化技術流程

3.1 地理數據

首先獲取大區域環境的行政區劃地理文件，通過ArcGIS軟件對收集到的各類地理信息進行數據匯總和展示：（1）根據環境統計表等文件中的企業經緯度坐標，新建企業shp圖層文件；（2）化工園區規劃文件（CAD 格式），通過地圖校準建立規劃圖的shp 圖層文件；（3）shp 格式文件統一投影坐標系；（4）綜合各圖層污染源信息，當出現相同名稱的企業位置具備非唯一位置信息等情況時，通過向相關管理部門確認、查詢網絡地圖或實地勘察等方式確定地理信息。

3.2 中小企業

重點統計和梳理有組織源排放信息，如有條件也可匯總無組織源排放信息。一般無法獲得各家企業所有排口的經緯度坐標，由于中小企業的占地面積小于現有模型的空間分辨率水平，可以假設所有企業僅有1 個排口，位置信息由校準過的企業經緯度替代，該簡化過程將不會對區域大氣擴散模擬造成明顯的影響。整理環統數據、企業一廠一策、項目環評報告和排口委托監測等多種類型的數據，摘錄企業各個排口的相關參數（高度、直徑和排氣溫度等）。

3.3 大型企業

充分了解大型企業VOCs 排放所涉及的具體部門、所有主要排口及生產環節。現已知大型企業各個部門的各個環節統計有VOCs 排放量，包括采樣環節、事故環節和檢修環節等，涉及無組織和有組織排放；企業所有排口統計有排氣量、工時和排口參數等數據。

有組織排放：匯總各部門（A）有組織排放環節（工藝有組織、火炬和燃燒煙氣等）的VOCs 排放總量（αA）；已知單個排口的排氣量（δai），匯總部門所有排口排氣量得到部門總排氣量（δA），得到單個排口占比系數（δai/δA），可求得該排口的VOCs 排放量αai=（δai/δA）×αA；排口VOCs排放量除以排口正常生產工時，求得對應的排放速率；單位換算根據使用的模型需要進行調整。

無組織排放：匯總各部門（A）無組織排放環節（儲罐、裝卸、廢水、設備泄露等）的VOCs 排放總量（βA）；根據涉及無組織排放環節的部門在地圖上的位置分布，簡要劃分面源網格（aj）；結合部門的占地面積、儲罐物料周轉量（儲運部儲罐環節）和廢水面源的VOCs 濃度實測值（環水部廢水環節）等參數設置網格的歸一化加權參數（Xaj）；網格攤分得VOCs 無組織排放量βai=Xaj×βA；通過向企業確認或者工藝過程估算各個環節無組織排放的時間，進而得到排放速率。

3.4 單物質排放

4 模擬結果驗證

4.1 模擬與實測的比對

利用LPDM 模擬得到2019 年11 月17 日、18 日W4和YN 點位的苯濃度時序變化。與站點實測值相比較（如圖5 所示）：（1）W4 的苯實測值在17 日15 時出現峰值，苯模擬值在17 日16 時濃度最高，存在約1 h 的錯峰，高值持續時間與實測值相同；（2）YN 的苯實測值在17 日8時濃度最高，隨后逐漸降低，苯模擬值也呈現相同變化趨勢。W4 和YN 點位苯的實測值和模擬值的時序變化相對一致，皮爾遜相關系數分別為0.826 和0.833（P 值均小于0.01），說明模擬結果具有一定的準確性和可靠性；而模擬值與實測值存在1～2 h 的錯峰情況，可能是由于模型輸入的下墊面參數與實際存在差異造成的，高大建筑的拔起，地形的差異均會使地表摩擦力產生偏差。

圖5 2019 年11 月17 日8 時至18 日8 時期間各站點苯實測值與模擬值時序變化

應用ADMS 模擬得到JSXC 站2018 年5 月28 日至31 日及2019 年8 月16 日至17 日的VOCs 濃度時序變化（如圖6 所示），發現與VOCs 實測值的變化趨勢相似，皮爾遜相關系數分別為0.997 和0.716（P 值均小于0.01），說明模型的模擬值具有較好的準確性和可靠性。二者在絕對量值上的差異可能主要是由于以下幾個原因導致：（1）小企業使用的VOCs 總排放量不包括無組織排放；（2）大企業使用了部分無組織排放量，但不包括管道泄漏等無組織源；（3）未疊加區域環境的濃度背景值。

圖6 JSXC 點位VOCs 實測值與模擬值時序變化

4.2 模型之間的比對

在相同的區域VOCs 排放清單基礎上，通過調整模擬時間段（2019 年4 個季度），運用LPDM 與ADMS 模擬得到VOCs 的擴散分布情況。將污染源按照所屬園區分為3 個類別，根據VOCs 的擴散落點濃度值，可統計18個受體點位分別受到3 類污染源的污染影響大小（百分比），并且也可以統計出3 類污染源對3 個區域的影響大小（百分比）。兩個模型模擬得到3 類污染源對18 個受體點位及3 個區域的污染貢獻占比，站點貢獻及區域貢獻中，模型結果間的相關性系數r 均達到0.94（90%的置信區間內）（如圖7 所示）。說明在園區尺度，基于相同的排放清單，不同模型的模擬結果較為相近，互為驗證，兩種模型的VOCs 貢獻分析在實際應用中具備一定的參考價值。

圖7 污染源貢獻占比LPDM 與ADMS 模擬結果的相關性分析

5 結束語

以精細化工區、石化化工區和石化產業園等多個產業園區毗鄰的區域為研究范圍，應用LPDM 及ADMS 模擬VOCs 小尺度擴散情況。根據模型的參數參量要求，充分調研、實測和搜集得到地面氣象、地理信息以及企業類型、污染源類型的多源異構排放信息等基礎數據，建立了一套可拓展應用于其他工業園區的本地化參數方案，并對模擬結果進行驗證和比較。

圖4 企業多源異構數據關系示意圖

為了克服大型園區管理機構、階段性、技術性以及其他經濟和人為因素造成的企業VOCs 排放資料的差異，對園區之間的多源異構排放數據進行標準化處理：（1）將有組織源的排放總量轉換為排放速率；（2）把無組織源的排放分攤到空間網格中；（3）耦合委托監測數據及排放總量，獲得具體污染物質的排放速率。最終得到3 類園區、數據結構一致、能夠供模型模擬使用的源排放清單。

基于輸入相同的排放清單，LPDM 和ADMS 的模擬值與實測值均呈現相同變化趨勢，皮爾遜相關系數大于0.7（P 值均小于0.01）；模擬3 個園區之間的污染貢獻及對不同受體點位的污染貢獻，二者模擬結果相關性較好，90%的置信區間內，r 達到0.94，驗證兩種模型在化工園區情景下的應用較為可靠，說明兩種模型VOCs 擴散影響評估在實際中具有應用參考價值。