雷暴強對流天氣下大氣污染物擴散風險精準預測研究

文章編號：1674-6139（2025）08-0189-06

中圖分類號：X51文獻標志碼：B

Accurate Prediction of Atmospheric Pollutant Diffusion RiskunderThunderstormandSevereConvectiveWeather

Ren Jian

（LuoyangMeteorological Bureau，Luoyang471OoO，China）

Abstract：Duetotecomplexityandsudennessofsevereconvectiveweather，turbulencewillaggravatethedifiultyofospric polutantdifusionprediction.Therefore，anacuratepredictionmethodoftmospericpolutantdifusionrisuderseverecovective thunderstormweatherisproposedTakingintoaccunttheconcentrationanddifusionrangeofamosphericpolutants，theisklevelof atmospericpollutantdifusionislasifedAftersimulatingthunderstoadsevereonvectiveweaterscenarios，thedifusionlawof atmosphericpolutantsiseterined，ndthedifusioriskvalueofmospericpolutantsiscalculatedTeurateprdictioofte difusionrisklevelofatmospericpllutantsisobtainedbycomparingteriskvauewithtesetiskcasficationstandards.Teeperimentaltestresultsshowthattheproposedmethodhasalowerpredictionbiasforatmosphericpolutantdifusionriskndicatingthatthe method has higher prediction accuracy.

Keywords：thunderstormweather；severeconvectiveweather；atmosphericpolutant；predictionofdifusionrisk；risklevel

前言

大氣環境的動態變化導致污染物遷移與擴散過程復雜多變，受氣象因子、地形地貌及湍流作用等多重因素影響。這一過程對人類健康、生態平衡及環境質量產生深遠影響，因此大氣污染擴散風險的識別與管理至關重要。為應對此挑戰，需探索精準的大氣污染物擴散風險預測技術。

現階段發展較為成熟的大氣污染物擴散風險預測方法中，文獻[1]提出的不同熱分層條件下污染物擴散風險預測方法在不同熱分層條件下效果良好，但難以應用于其他場景;文獻[2]的方法應對點源連續泄露及風向多變情況有效，但忽略了其他影響因素;文獻[3]的方法通過數據分解挖掘時間序列中蘊含的時頻信息，可以精準預測大氣污染物變化，進而實現對污染物擴散風險的預測，但數據量不足時預測結果難以保證。

鑒于傳統方法的不足，提出在雷暴強對流天氣下對大氣污染物擴散風險進行精準預測的方法。雷暴強對流天氣通過強烈的對流和降水作用加速污染物擴散，同時影響擴散方向和范圍。該方法通過模擬雷暴場景，綜合考慮氣象條件、地形條件及污染物排放方式，預測污染物在不同時空尺度的擴散路徑，進而計算風險值并劃分風險等級，為政策制定和公眾預警提供科學依據。

1大氣污染物擴散風險精準預測方法設計

此次優化設計的大氣污染物擴散風險精準預測方法以雷暴強對流天氣作為預測場景，綜合考慮雷暴強對流天氣在風、濕度等方面的變化，分析這些變化因素對大氣污染物擴散產生的影響，按照標準大氣環境下污染物擴散規律對雷暴強對流天氣下的污染物擴散現象進行模擬，以擴散模擬數據為處理對象，設置并計算污染物擴散風險指標，并利用主成分分析法得出該場景下大氣污染物擴散風險的精準預測結果。

1.1劃分大氣污染物擴散風險等級

大氣污染物擴散風險等級劃分主要依據大氣中污染物的擴散能力、氣象條件、地形條件以及污染物的種類和濃度等多個因素。綜合考慮大氣環境對空氣質量的要求，確定大氣污染物擴散風險的分級標準，見表1。

表1大氣污染物擴散風險等級標準表

通過對大氣污染物擴散風險等級的劃分，可以區分不同污染物的擴散特性、擴散范圍和擴散速度，為大氣污染物擴散風險的預測提供參考標準。

1.2模擬雷暴強對流天氣場景

在完成大氣污染物擴散風險等級的劃分后，模擬雷暴強對流天氣場景。在特定的大氣條件下，若高層大氣表現為干燥且寒冷，而低層則溫暖且濕潤，這種垂直方向上的溫度與濕度差異顯著，將大氣置于一種極不穩定的對流狀態。這種獨特的“冷上暖下”層結結構，為強對流天氣的形成提供了基礎條件。積雨云中的小水滴和冰晶相互碰撞摩擦，產生電荷進而發生雷電現象。暖濕空氣通過地表加熱上升，與高層冷空氣相遇，產生強烈的對流運動，進一步加劇大氣的不穩定狀態，促進雷暴強對流天氣的發展與演變，并產生多種極端天氣現象。雷暴強對流天氣的發生與發展原理見圖1。

圖1雷暴強對流天氣發生、發展原理圖

雷暴強對流天氣的威脅指數可以量化表示為式（1）：（20 ?=12T_dewpoint+20（p₁-49）+2v_wind+125（δ+0.2） 式（1）

其中， 為露點溫度， ??p₁ 和 δ 分別為雷暴發生概率和風向差的正弦值， ν_wind 為當前風速值4。式（1）的計算結果涵蓋了中低層的大氣濕度、溫度以及風場動態，同時關注了環境風在垂直層面上的旋轉特性。這一綜合考量揭示了不穩定能量與風速在垂直方向上的切變，以及風向的垂直切變影響風暴強度的方式。通過對目標區域溫度、風速等信息的檢測，確定雷暴強對流天氣的發生概率、威脅指數以及潛在強度的模擬結果，由此完成對雷暴強對流天氣場景的模擬，并得出任意時刻、任意位置上風速、降水量、濕度等參數的模擬結果。

1. 3 確定大氣污染物擴散規律

基于模擬的雷暴強對流天氣場景，確定大氣污染物擴散規律。在標準大氣環境下，大氣污染物的擴散過程滿足以下條件：

其中， κ_viscous 為運動學粘滯系數， P 為大氣污染物的氣壓值， ??ρ 為大氣污染物密度， ，μ，T_pollute 分別為熱擴散率和大氣污染物溫度， v_i 和 x_i 分別為 i 位置上大氣污染物的移動速度和移動位移[5]。在梯度輸送、湍流等自然影響因素作用下，大氣污染物分別以煙羽擴散、線源擴散以及面源污染三種形式進行擴散，擴散機理如式（3）：

其中， W 為大氣污染物的初始排放量， σ_xN_y 和σ_z 分別為大氣污染物在 x，y 和 z 三個方向上的擴散系數， y 和 z 為對應方向上的擴散長度值， λ 為濕度系數， c 為大氣污染物擴散規律。煙羽擴散通常假定污染物以煙羽的形式從排放源釋放，然后在風的作用下沿風向擴散，同時受到大氣湍流的影響，煙羽在水平和垂直方向上逐漸擴散、稀釋[6]。線源擴散的模擬通常基于點源擴散模型進行擴展，通過考慮排放源長度和形狀對擴散參數的影響，得出擴散規律分析結果，面源污染擴散涉及大量的微小排放源，且排放源的分布和強度具有較大的空間變異性。根據大氣污染物的排放形式，通過對不同擴散模式的耦合，得出大氣污染物擴散規律的確定結果。

1.4推算雷暴強對流天氣對大氣污染物擴散的影響關系

從分析大氣污染物擴散規律中可以看出，大氣污染物的擴散情況以及擴散風險與大氣環境中的風速、濕度、大氣污染物初始量等因素有關，其中風速與濕度對大氣污染物擴散的影響關系見圖2。

圖2環境因素對大氣污染物擴散的影響機理

從圖2中可以看出，在雷暴強對流天氣下，環境濕度對大氣污染物的擴散起到直接作用，促進污染物的溶解、稀釋和轉化，減少大氣污染物在空氣中的含量與濃度。同時在雷暴強對流天氣場景中濕度的增加會產生降水現象，通過濕沉降作用將大氣中的污染物帶離空氣，減少其濃度[7]。另外，雷暴強對流天氣下的風速決定了大氣污染物擴散稀釋作用的強弱和對污染物輸送距離的遠近，同時風速也會影響標準大氣環境中湍流作用強度，強烈的湍流作用可以促進污染物的水平和垂直擴散，減少在地面的累積濃度。然而，湍流作用也可能導致污染物的重新分布和混合，使得某些地區的空氣污染程度加重。按照上述方式可以得出雷暴強對流天氣中的其他影響因素與大氣污染物擴散現象之間的影響關系。

1.5實現大氣污染物擴散風險精準預測

綜合考慮雷暴強對流天氣的分布特征以及雷暴強對流天氣對大氣污染物擴散的影響關系，通過對擴散量、擴散范圍等擴散風險指標的計算，得出大氣污染物擴散風險的精準預測結果

在大氣污染物擴散風險預測之前，首先需要對大氣污染物的排放量進行預測，由此確定大氣污染物的初始擴散量的具體取值。在此基礎上，得出任意類型大氣污染物擴散范圍和擴散濃度的預測結果，進而得出擴散風險的預測結果，即：

其中 I（i） 為 i 類大氣污染物的擴散風險分量值， c_i 和 A_i 分別為 i 類大氣污染物擴散濃度和擴散面積的預測結果，上述變量的具體取值由污染物擴散量、影響因素和影響作用系數等共同決定， ω_c 和 ω_A 分別為污染物擴散濃度和面積的融合權重， n_pollute 為環境中包含的大氣污染物類型數量。將相關數據代入到式（4）中，即可得出大氣污染物擴散風險的預測結果，將預測數據與表1表示的分級標準進行比對，得出當前大氣污染物擴散風險等級的預測結果，將風險等級以及風險值等預測結果以可視化形式輸出，完成擴散風險預測工作。

2 預測性能測試實驗分析

以測試優化設計雷暴強對流天氣下大氣污染物擴散風險精準預測方法的預測性能為目的，設計性能測試實驗，某區域范圍內，選擇存在雷暴強對流天氣現象的時段作為實驗時間，通過優化設計預測方法的開發與運行，輸出對應場景下大氣污染物的擴散風險預測結果，與實際的大氣污染擴散情況進行比對，得出反映優化設計方法預測性能的測試結果。

2.1 研究區域概況

為滿足雷暴強對流天氣下大氣污染物擴散風險精準預測性能測試實驗的運行原理，要求選擇的研究區域內需要包含至少一個大氣污染源，且雷暴強對流天氣現象的發生頻率較高，因此選擇某市郊區作為研究區域。該區域位于中緯度沿海地區，其具備多樣化的氣象條件和地形特征，有利于研究不同環境下的大氣污染物擴散規律。該研究區域內包含4個化工廠和2個發電廠，能夠實現大氣污染物的持續排放。研究區域屬于季風性氣候，夏季溫度較高，濕度較大，有利于形成不穩定的大氣層結，促進對流運動的發展，具有一定的降水頻率和強度。經近五年的氣象數據統計，發現雷暴、龍卷風、暴雨、冰雹的發生概率分別為6次/年、2次/年、4次/年和3次/年，基本滿足實驗要求。

2.2 選擇實驗時間

通過對研究區域歷史氣象數據的分析，發現該區域雷暴強對流天氣的主要發生時間為6、7、8月份，因此選擇該時段作為預測性能測試實驗的執行時間，在該時段內，綜合考慮天氣預報結果，確定具體的實驗執行時間為6月30日、7月14日和8月6日。

2.3 描述實驗過程

在實驗開始之前，需要在選擇的研究區域中設置多個測點，保證測點之間距離不低于 10m ，且測點設置高度為 50m ，使用同心圓布點法作為測點布設方式。在布設監測點時，應充分考慮當地的主導風向和風速，由于雷暴強對流天氣的變化較快，可能需要根據實際情況動態調整監測點的位置和數量，同時在測點位置上安裝空氣質量傳感器、二氧化碳傳感器、二氧化硫傳感器等硬件設備，各設備的工作頻率為 50Hz 。使用Python3.5作為開發語言，完成優化設計大氣污染物擴散風險精準預測方法的開發，在研究區域、實驗時間內，得出大氣污染物的擴散風險精準預測結果：含硫化合物濃度為16.7mg/L ，含氮化合物濃度為 100.6mg/L ，含碳化合物濃度為 22.8mg/L ，污染物覆蓋面積為 168.9m² ，擴散風險值為6.7，擴散風險等級為III級。

在各個時段內對大氣污染物的擴散數據與風險進行重復預測，統計擴散風險預測結果數據。在實驗執行過程中，利用測點位置上的傳感器設備，獲取大氣污染物的實際擴散數據，進而得出大氣污染物擴散風險值與風險等級的實際值，并作為判定優化設計方法預測精度性能的比對標準。另外，實驗設置傳統的基于變風向高斯煙團混合模型的污染物擴散風險預測方法和基于數據分解的大氣污染物擴散風險預測方法作為實驗對比項，利用同一開發語言完成對比方法的開發，并得出相應的預測結果。

2.4設置預測性能測試指標

實驗設置大氣污染物擴散風險值預測偏差作為測試指標，該指標的測試結果為式（5）：

其中， F 和 F_reality 分別為大氣污染物擴散風險值的預測值和實際值，通過多種大氣污染物擴散面積、濃度的統計與加權計算，得出變量 F_reality 的具體取值，最終計算大氣污染物擴散風險值預測偏差 e_F 取值越小，證明對應方法的預測性能越優。

2.5預測性能測試實驗結果與分析

通過相關數據的統計與風險值的計算，得出反映大氣污染物擴散風險預測精度性能的測試結果，并同時記錄了實驗期間的 PM_2.5 和 PM₁₀ 濃度值，有助于全面了解大氣質量狀況和污染物擴散風險。見表2。

表2大氣污染物擴散風險預測精度性能測試數據表

由于大氣污染物擴散風險值采用加權融合的方式，因此輸出的風險預測值以數據的形式輸出，無單位。將表2中的數據代入到式（5）中，得出兩種傳統方法大氣污染物擴散風險值預測偏差的平均值分別為0.46和0.22，而優化設計方法的平均大氣污染物擴散風險值預測偏差為0.06。

3結束語

大氣污染物擴散風險的預測對于保護公眾健康、維護生態平衡、促進可持續發展、優化資源配置以及提升公眾環保意識等方面具有積極意義，有助于更好地應對大氣污染問題，推動環境保護事業的持續發展。此次研究依托模擬雷暴場景，綜合考量了大氣污染物濃度、擴散范圍等核心影響因素，科學地揭示了污染物的擴散規律，并據此精確地計算出擴散風險值。通過與預設的風險分級標準進行對比分析，該方法成功且準確地實現了對大氣污染物擴散風險等級的精確預測。經過實驗驗證，該方法展現出了極小的預測偏差，具備了非常高的預測精度，為雷暴強對流天氣下的大氣污染物風險的有效預防與控制提供了科學支撐和技術手段。

參考文獻：

[1]Guo，Dong－peng，etal.“Numerical simulation studies of the flow field and pollutant diffusion around street canyons underdifferent thermal stratifications.”[J].Atmospheric Pollution Research14.8（2023）：101829.

[2]黃淑龍，毛亮，李洪輝，等.基于變風向高斯煙團混合模型的污染物擴散研究[J].科學技術與工程，2022，22（16）：

6767-6773.

[3]李柚潔，趙順昱，楊萍，等.基于數據分解的大氣污染物短期預測組合方法綜述[J].環境工程，2023，41（4）：213-224.

[4]王漢青，劉鎮銘，張斌，等.大中尺度大氣污染物擴散數值模擬研究進展[J].科學技術與工程，2023，23（9）：3605-3617.

[5]涂佩玥，楊歡，陳蘭洲，等.中國重點城市大氣污染與健康風險的時空分布特征[J].環境科學，2023，44（11）：5954-5963.

[6]季芬，王文琦，王筱雯，等.武漢市大氣污染物質量濃度變化特征及其與氣象要素的關系［J].四川師范大學學報（自然科學版），2024，47（1）：98-108.

[7]劉敬樂，史靜，姚青，等.天津大氣擴散條件對污染物垂直分布的影響研究[J].中國環境科學，2022，42（4）：1575-1584.