重污染天氣下大氣污染排放源強的快速估算方法研究

高宏科

摘 要：本文以遼寧省撫順市冬季采暖期的空氣質量數據作為研究數據，利用泰森多邊形集合完成該城市各區域的大氣污染物濃度范圍劃分，并利用單箱模型進行SO2、NOx與CO三種大氣污染物排放源強的估算。研究結果表明，采用該模型可快速有效確定重污染天氣下的各污染物排放源強，相對中值誤差小于15%。

關鍵詞：重污染天氣;泰森多邊形;單箱模型;源強估算

引言：

以往主要借助排放因子法進行大氣污染排放源強的估算，但在排放源類別、排放清單等方面存在一定局限，無法實現對偷排、多排問題的有效遏制。通過利用泰森多邊形與單箱模型進行大氣污染排放源強的估算，能夠有效計算出特定時段范圍內的大氣污染物排放數據，為城市大氣污染排放管控工作提供重要工具。

1數據來源與研究方法

1.1數據來源

選取遼寧省撫順市生態環境監測中心提供的大氣污染物濃度數據作為研究數據，從AQI中國微信公眾平臺與天地圖軟件中分別獲取到氣象數據與地理信息數據。本文以遼寧省撫順市市區作為研究區域，分別在沈撫新城、望花區、順城區、東洲區、新撫區與大伙房水庫共6個分區設置大氣監測點，研究時間為2018年11月-2019年2月。

1.2研究方法

1.2.1建立泰森多邊形集合

泰森多邊形主要利用離散雨量點進行雨量均值的計算，選定某一雨量點，將其與相鄰雨量點連接成為三角形，分別作出三邊垂線，構建出以離散雨量點為核心的多邊形，利用該多邊形內部的唯一雨量觀測點的降水數據即可表示出多邊形范圍內的降雨量數值。在此基礎上引入行人密度算法與居民點空間分布特征，選取撫順市區域范圍內的某一大氣監測點作為離散雨量點，將其與相鄰監測點連成三角形，再通過作三邊垂線構建多邊形，即可形成撫順市的泰森多邊形集合。該集合內的各多邊形均與6個大氣監測點保持一一對應關系，各監測點的大氣污染物監測濃度即多邊形范圍內的大氣污染物濃度數值，通過計算出各多邊形的排放源強進行匯總，即可實現對撫順市冬季采暖期的大氣污染物排放總源強的估算[1]。

1.2.2研究時段選取

通過分析撫順市2018年11月至2019年2月期間的氣象數據可以發現，該城市冬季的平均風速較小、降水量較低，冬季取暖期長、逆溫出現頻率較高，因此大氣污染物濃度數值的變化具有顯著的時間性特征，11-12月污染擴散較難、1-2月污染擴散稍易，且24h內的污染嚴重度排序依次為晚間、上午、下午及次日清晨。以2018年11月為例，首先，由于該月的相對濕度較高、風力與風速較小，地面氣壓場較弱，由此形成了大霧;其次，由于大氣處于相對穩定狀態、相對濕度較低，無法使空氣中的污染物得到有效擴散，并且由于月初出現溫度回暖現象，導致產生逆溫天氣，由此使大霧轉變為霧霾;最后，在月中冷空氣的入侵導致該市上空原有的逆溫層被打破，風速的增大改變了大氣層的穩定狀態，使污染顆粒物得以快速流動、擴散，由此結束了霧霾天氣、空氣質量得到明顯改善。

1.2.3建立單箱模型

選取2018年11月2日15時-20時作為研究時段，分別匯總該時段內的SO2、NOx與CO三類污染物的質量濃度數據，建立污染物質量濃度與時間的變化關系，構建單箱模型，用于實現對大氣污染排放源強的快速估算。在忽視污染物衰減的條件下，將單箱模型內的污染物濃度設為C，箱長、寬、高分別為l、b和h，將初始狀態下污染物本底濃度設為C0，污染源強Q為定值，風速平均值設為u、時間坐標設為t，則箱內污染物濃度模型為：

在考慮到靜風天氣、平均風速等條件的影響下，假設箱內污染的主要成因為區域內的污染源排放，則忽略污染物本底濃度，可推導出源強計算公式為：

1.2.4運用迭代法

運用迭代法進行單箱模型參數的估計，采用Matlab軟件中的曲線擬合工具箱進行單變量曲線擬合，獲取到模型參數的估算數值。

2研究結果與分析

2.1各監測點區域源強計算

選取2018年11月2日空氣污染最嚴重時段進行6個監測點排放源強的計算，從中可以觀察到沈撫新城的SO2、NOx與CO排放源強（單位為10-8t·m-2·d-1）分別為7.75、45.26、625.81，望花區的源強數值分別為23.87、41.12、596.69，順城區的源強分別為6.89、10.62、228.80，東洲區的源強數值分別為12.37、24.42、438.75，新撫區的源強數值依次為14.55、74.52、712.12，大伙房水庫的源強數值分別為5.06、11.31、643.34。從中可以看出，不同監測區域的大氣污染排放源強存在一定的差異，通常靠近市中心區域的監測站點源強數值較大，與市中心距離較遠的區域污染情況較輕。

2.2源強快速估算方法的驗證

2.2.1源強快速估算方法的適用性

以沈撫新城為例，分別選取該監測站點5個重污染天氣作為研究數據，將該5日的二氧化硫、氮氧化合物、一氧化碳等污染濃度數值輸入到單箱模型中，結合單日氣象條件數據分別進行風速與混合層高度的設計，利用空氣污染最重時段的源強估算值與該5日的源強估算值進行比較，用于實現對源強快速估算方法計算精確度的檢驗，得出SO2、NOx與CO三種污染物在污染最重天氣與污染較重天氣間的中值誤差分別為0.14、0.1和0.11，中值誤差均小于0.15，由此可以證明該算法有效。在此基礎上，選取遼寧省撫順市生態環境監測中心在2016-2017年、2017-2018年的SO2、NOx源強估算結果進行比較，可以發現同比2016-2017年其SO2與NOx的中值誤差分別為0.25和0.21，同比2017-2018年其SO2與NOx的中值誤差分別為0.22和0.19。從中可以看出，該區域在2016-2018年期間冬季采暖期的二氧化硫濃度呈逐年下降趨勢，這與當地政府的“綠色暖冬”、煤質定制化等行動存在一定關聯;同時該市的氮氧化合物排放源強呈逐年增加的趨勢，這與城市交通運輸事業發展、汽車保有量增加存在一定關聯[2]。總體來看，本文建立的源強快速估算方法的估算結果精確度較高，利用該估算方法計算大氣污染物排放平均源強具備良好的可行性與適用價值。

2.2.2估算方法的不確定性因素

在驗證算法精確度的基礎上，需圍繞數據缺失、數據失真等維度判斷該估算方法涵蓋的不確定性因素。以撫順市2017-2018年冬季采暖期中沈撫新城監測站點的污染最嚴重天氣時段為例，利用源強快速估算方法獲取到SO2、NOx濃度的最優擬合結果，利用坐標系中與擬合曲線相鄰的上下方真實數值創建擬合曲線，用于針對該估算方法的不確定性進行分析。通過觀察分析結果可以發現，在最優擬合條件下SO2、NOx的排放源強分別為45.26、7.75，不確定性區間分別為[7.24，8.57]和[40.98，44.96]，總體來看其在總不確定性區間中占比較小，造成該估算模型不確定性的原因多與監測數據的不確定性有關。

結論：

本文以遼寧省撫順市作為研究對象，建立起以SO2、NOx與CO為代表的大氣污染物排放源強估算模型，并針對估算方法的精確度進行驗證。檢驗結果表明，該估算方法的中值誤差不超過0.15，由此證明該算法具備良好的適用性，可為撫順市大氣污染物排放源強的預測與生態環境整治工作提供重要參考價值。

參考文獻：

[1]夏志勇，付華軒，呂晨，等.重污染天氣期間濟南市城區和清潔對照點PM_（2.5）及其組分污染特征[J].生態環境學報，2019，（5）：958-963.

[2]馮利紅，趙巖，李建平，等.天津市大氣重污染天氣下細顆粒物中重金屬污染特征及健康風險評估[J].中華疾病控制雜志，2018，（11）：22.