不同土地利用參數下CALPUFF模型的敏感性分析*

郭雯雯 畢淑琪 李 冰 戴安國 韓豐磊#

(1.中國石油大學(華東)化學工程學院，山東 青島 266580；2.哈里伯頓(中國)能源服務有限公司，天津 300450；3.青島中石大環境與安全技術中心有限公司，山東 青島266580)

隨著國家經濟的快速發展，大氣環境問題日益嚴重。目前，環境影響評價(簡稱環評)工作是實施可持續發展的必要環節，也是找到資源與環境協調平衡點的必要手段之一[1]。其中，大氣環評是環評工作的重要分支，而大氣環境影響預測與評價則是大氣環評的核心內容[2]。在近些年發展中，大氣質量模型已逐漸成為模擬研究區域大氣環境問題乃至各種復雜空氣質量問題的重要手段之一，在大氣污染防治過程中起著非常重要的作用[3]。目前，國內外建立了多種大氣質量預測模型，其中CALPUFF模型是適用于城市尺度的大氣擴散模型，在區域范圍較廣和復雜地形條件下具有突出優勢[4]。

目前，國內的研究主要集中在不同地表參數對AERMOD、ADMS等模型預測結果的影響方面。譚娟等[5]采用AERMOD模型分析了選取不同地表參數的情況下各污染物最大落地濃度占標率的變化程度，表明了地表參數的選取會對大氣環境預測結果產生一定的影響。郭彥[6]采用ADMS模型分析了地表粗糙度、緯度和最小M-O長度的敏感性對區域污染物最大濃度的影響，最終發現，地表粗糙度的影響最大。以上研究均表明，若改變模型的輸入參數，將對模擬的結果產生巨大的影響。但國內卻鮮有不同地表參數對CALPUFF模型運行結果影響的研究。

本研究通過對比不同土地利用參數揭示CALPUFF模型參數設置的重要性，進一步提出參數設置的合理性建議，為模型的進一步實際應用提供技術支撐。

1 CALPUFF模型簡介

CALPUFF模型是三維非穩態拉格朗日煙團擴散模型，其本質是高斯煙團模型，但因使用拉格朗日煙團的概念，使得其模式系統比高斯煙羽模式應用更廣泛，適用于預測范圍在幾千米至幾百千米的項目[7]。CALPUFF模型可模擬不同排放類型，不同污染源類型，不同污染物的排放、擴散、遷移、轉化、干濕沉降等變化過程，還可跟蹤指定點在時間和空間上的濃度變化[8]。

CALPUFF模型由預處理、氣象處理、煙團擴散模式和后處理組成[9]。在氣象處理模塊中，常用的土地利用參數包括：正午反射率、波文比、地表粗糙度、土壤熱通量、人為熱通量和葉面積指數。

2 CALPUFF模型參數的選取

2.1 地面氣象參數

本研究選取的項目位于海南省東方市工業園某廠區內，距離此項目較近的地面氣象站為東方站、昌江站和白沙站。收集了3個氣象站2018年全年逐時氣象資料，收集的氣象要素包括風速、風向、總云量等，對缺失的氣象要素，采用觀測數據進行插值。氣象站基本信息見表1。

表1 氣象站基本信息

2.2 高空氣象參數

高空氣象數據采用大氣環評數值模式WRF模擬生成。模式計算過程中把全國共劃分為189×159個網格，分辨率為27 km。采用美國地質勘探局的地形高程、土地利用、陸地-水體標志等原始數據，獲得2018年一天早晚兩次不同等壓面上的氣壓、離地高度、干球溫度、風向及風速，其中離地高度3 000 m以內的有效數據層數不少于10層。

高空氣象數據選3個氣象網格點，模擬氣象數據信息見表2。

表2 模擬氣象數據信息

2.3 地理數據

地理數據參數包括地形數據和土地利用類型。地形數據采用航天飛機雷達拓撲測繪(SRTM)的90 m分辨率數據。預測范圍為以該廠區中心點為中心(坐標為(251 757 m，2 110 277 m))、10 km×10 km的矩形區域。

土地利用類型采用GLCC V2.0數據庫中歐亞大陸的亞洲部分，并根據實際規劃情況進行了調整，分辨率約1 km，包含14種土地利用類型。

2.4 計算點設置

在預測范圍內設置計算點，為方便實驗忽略環境空氣敏感點，只保留預測范圍內網格點。預測網格點以該廠區中心點為中心，設置間距為500 m的20×20的直角坐標系受體網格，再設置加密度網格，加密度網格為40×40的直角坐標系，間隔50 m。

3 實驗設計

3.1 實驗方案設計

保持污染源和氣象數據不變的情況下，本研究僅選取2018年2月19日時段改變土地利用參數進行模擬實驗。首先，按照相同的變化比例對所有土地利用參數進行賦值，觀察SO2最大小時落地濃度(簡稱最大值)的變化情況，確定敏感性參數；再通過單因素實驗考察敏感性參數對最大值的影響；然后，通過正交實驗確定敏感性參數的敏感程度；最后，采用SPSS軟件對敏感性參數進行交互作用分析。

3.2 污染源及氣象數據的選取

污染源基本情況：煙筒底座坐標為(251 728 m，2 110 262 m)，基座海拔為7 m，煙筒幾何高度為20 m。污染源排放參數：SO2排放速率0.055 g/s，排煙溫度100 ℃，排氣筒內徑1 m，煙氣流速10 m/s。

氣象條件選取該市2018年全年地表及高空氣象數據。

4 結果與討論

4.1 敏感性參數的確定

首先對常用的土地利用參數在一定范圍內的數值進行修改，對有明顯影響的參數進一步進行敏感性分析。土地利用數據采用美國地質調查局數據庫中的亞洲部分，分辨率約為1 km，具體見表3。敏感性驗證實驗結果見表4。

表3 土地利用類型和數據

由表4可知，地表粗糙度、正午反射率、波文比的變化會引起預測范圍內最大值的顯著變化。因此，確定地表粗糙度、正午反射率、波文比為敏感性參數。

表4 敏感性驗證實驗

4.2 敏感性參數單因素實驗

4.2.1 地表粗糙度

由于研究區域的土地利用類型為農田(未灌溉)，因此一般情況下本研究保持正午反射率為0.15、波文比為1.0、地表粗糙度為0.250，單因素實驗時改變相應變量。

從地形學角度出發，將地面凹凸不平的程度稱為地表粗糙度。地表粗糙度可影響地表對風速減弱作用，因此地表粗糙度會引起污染物濃度的變化[10]。地表粗糙度敏感性分析結果見圖1。在保證正午反射率和波文比不變的情況下，隨著地表粗糙度增大，預測區域的最大值先緩慢增大；當地表粗糙度大于1.000時，最大值指數級上升，在地表粗糙度為1.500時達到峰值(33.40 ng/m3)，之后略有下降。這與前人研究中隨著地表粗糙度的增大，最大值先增大后減小的趨勢[11]49基本相同?？赡茉蛉缦拢寒數乇泶植诙刃∮?.000時，地表情況近似于光滑平面，因而對風速阻擋作用較小，此時污染物擴散能力最強，最大值變化非常小；當地表粗糙度從1.000增大到1.500時，地表對風速阻擋作用快速增強并達到最大，此時污染物擴散能力迅速減弱，最大值迅速變大。當地表粗糙度大于1.500后，地表情況近似于墻體，因而對風速阻擋作用最大且變化不明顯，此時污染物擴散能力最弱，最大值維持在峰值基本不變。

圖1 地表粗糙度敏感性分析結果

4.2.2 正午反射率

正午反射率的不同會造成太陽光加熱不均勻的結果，在溫度不同的氣團間，造成不同壓力的結果，發展成為壓力系統。系統從高壓流向低壓，可影響污染物氣團的流動。本研究進行了12組正午反射率單因素實驗，結果見圖2。當正午反射率從0.10增大至0.35時，最大值明顯上升；當正午反射率大于0.35后，最大值上升幅度減小，并在正午反射率為0.50時到達峰值(25.02 ng/m3)，之后緩慢下降至24.97 ng/m3。這與前人研究中隨著正午反射率的增大，最大值先增大后減小的趨勢[11]51基本相同。可能原因如下：隨著正午反射率的升高，反射到大氣中的太陽輻射增加，使得地面吸收的太陽輻射減少，地面溫度較低，大氣對流相對較小，導致地面污染物的濃度增加。

圖2 正午反射率敏感性分析結果

4.2.3 波文比

大氣運動主要來源于地表熱量輸送(即地表的潛熱和湍流熱輸送)產生的能量。波文比是地面與大氣層之間的湍流熱通量和蒸發、凝結水分的熱量交換之比，受降水、氣溫等因素的影響，因此可影響污染物的輸送[12]。當波文比高時，空氣溫度高，有利于SO2反應，從而SO2濃度較低。本研究進行了10組波文比單因素實驗，結果見圖3。隨著波文比逐漸增大，最大值持續降低。當波文比從0.1增大到2.0時，最大值快速下降；當波文比大于2.0時，最大值緩慢下降，并逐漸趨于穩定。可能原因如下：當波文比較高時，即顯熱通量與潛熱通量之比較高，空氣溫度也會升高，有利于空氣中SO2和NO2在空氣中的反應，因此隨著波文比的升高，近地面的污染物濃度會有所降低[13]。

圖3 波文比敏感性分析結果

4.3 敏感性參數正交分析

3個敏感性參數由于常用的數據范圍不同，只根據回歸曲線無法辯證分析敏感程度高低，因此采用正交分析法比較其敏感程度。根據前期研究結果，在單因素實驗數據中等間距地選取3組數據，正交分析水平設計見表5，正交分析結果見表6。地表粗糙度、正午反射率、波文比的極差分別為10.20、0.04、0.12。因此，敏感程度依次為地表粗糙度>波文比>正午反射率，這與前人研究中地表粗糙度的影響最大[14]相吻合。

表5 正交分析水平

表6 正交分析結果

4.4 敏感性參數交互作用分析

三因素主體間效應檢驗結果見表7。三因素交互項對應的P=0.881，大于0.05，這說明3個敏感性參數之間并無顯著的交互作用。

表7 三因素主體間效應檢驗結果

5 結 論

(1) 地表粗糙度、正午反射率、波文比的變化會引起預測范圍內最大值的顯著變化，因此確定為敏感性參數。

(2) 隨著地表粗糙度的增加，最大值呈現先緩慢增加、后指數級上升、最后略下降的趨勢；隨著正午反射率的升高，最大值逐漸變大；隨著波文比的升高，最大值逐漸下降。

(3) 敏感程度依次為地表粗糙度>波文比>正午反射率，且3個敏感性參數之間無顯著的交互作用。