AERMOD模型地表參數更新對模擬效果影響

王成鑫,楚英豪,阮建輝,桑敏捷,程 吉,吳成志,伯 鑫

AERMOD模型地表參數更新對模擬效果影響

王成鑫1,楚英豪1,阮建輝2,桑敏捷3,程 吉4,吳成志4,伯 鑫5,6*

(1.四川大學建筑與環境學院,四川 成都 610065；2.北京化工大學經濟管理學院,北京 100029；3.河北科技大學環境科學與工程學院,河北 石家莊 050018；4.三捷環境工程咨詢(杭州)有限公司,浙江 杭州 310012；5.北京化工大學環境科學與工程系,北京 100029；6.北京化工大學,北化中國工業碳中和研究院,北京 100029)

基于2018年高分辨率土地利用數據,對2012版AERSURFACE集成系統進行了更新,以滄州市合圍區為例,研究了地表參數更新對AERMOD模型模擬效果的影響,并利用滄州市大氣環境監測系統(國控站、省控站、微站)進行了驗證.結果表明,AERSURFACE集成系統土地利用數據更新可為AERMOD模型提供更準確的地表參數,使得模擬結果與實測值的相關系數提升,對國控站日均值和小時值年相關系數最大提升值分別為0.073和0.024;從統計學角度分析,該提升顯著,使模型模擬結果與實測值的變化趨勢更加一致,說明地表參數更新對模型模擬具有正向作用.從時間尺度上看,土地利用數據更新對冬、春季的模擬效果提升比夏季更大;對日均值的模擬效果提升比小時值更大.

AERSURFACE；AERMOD；地表參數；土地利用數據

作為我國大氣環評導則(HJ 2.2-2018)[1]推薦的大氣預測模式,AERMOD模型不僅被廣泛應用于大氣環評中的污染物擴散模擬、大氣防護距離計算等方面[2-7],國內外學者還探索了AERMOD模型在放射性核素擴散、排氣筒高度分析、環境健康風險評估、城市大氣污染物空間分布、企業布局選址、大氣污染預報等方向的應用[8-14].

AERMOD模型是由主程序模塊AERMOD和2個預處理模塊AERMET、AERMAP構成的大氣擴散模型[3].AERMET模塊的作用是基于地面氣象數據、高空氣象數據和地表參數,計算AERMOD所需邊界層參數[4].AERMET模塊需要輸入的地表參數包括地表粗糙度、正午反照率和波文比3個參數,其中地表粗糙度指平均水平風速為0處的高度,是表征機械湍流大小的變量;反照率指太陽輻射通過地表反射回去的比例;波文比是感熱通量和潛熱通量之比,波文比越大,空氣穩定度越低,這3個參數是模型計算邊界層條件的重要依據,其準確與否影響著模型的模擬效果.在實際應用中,地表參數多是通過人工判定模擬區域的土地使用情況等來確定,這一主觀判斷過程導致不同的人確定的地表參數存在差異,最終影響AERMOD的模擬結果[15].2013年,本文前期研究基于美國EPA開發的AERSURFACE系統,結合2012年中國高分辨率土地利用數據,建立了具有中國本土化特征的AERSURFACE集成系統,為獲取客觀的地表參數提供了途徑[15].但是,隨著我國城市化、工業化進程的不斷推進,我國土地在使用類型上也在發生著演變,基于2012年的土地利用數據計算的地表參數已不能準確的反應當前的地表特征.此外,國內當前針對AERMOD的研究主要關注模型的應用研究,較少涉及模型的模擬結果與實測數據的驗證分析,并且驗證時采用的觀測點位較少,無法全面客觀評價模型的模擬結果[16-18].

鑒于此,本研究以滄州市高速合圍區(簡稱合圍區)為例,采用合圍區內大氣污染源PM10排放清單作為輸入源強,分別基于2012、2018兩套地表參數,將氣象數據處理成適用于AERMOD的邊界層參數,利用AERMOD模型分別對兩個情景進行了模擬,分析了合圍區大氣污染源對周邊大氣環境的貢獻情況;同時,基于合圍區內378個監測站點的2018年實測數據(370個微站、4個省控站和4個國控站),對模擬結果進行驗證,分析了地表參數更新對AERMOD模擬效果的影響.

1 研究方法

1.1 研究對象及數據來源

本文研究區域位于河北省滄州市,為滄州市石黃高速、京臺高速、滄廊(京滬)高速合圍的滄州市中心城區,包括新華區、運河區以及滄縣、青縣的部分區域.滄州市為河北省第三大城市,2020年常駐人口730萬人,全年生產總值3699.9億元,同時也是京津冀大氣污染傳輸通道城市[19].滄州市在大氣環境治理的進程中,建立了涵蓋國控站、省控站、微站的大氣環境監測體系[20],為驗證本文結果,獲取了滄州市合圍區2018年378個站點監測數據,包括370個微站、4個省控站和4個國控站(分布見圖1(a)).為控制兩情景在模型設置時僅有地表參數不同,本研究兩情景污染物排放清單均采用滄州市2018年大氣污染源排放清單中合圍區部分,PM10排放總量13686.8t,約占2018年滄州全市PM10排放量的0.55%,包括工業源、生物質燃燒、道路揚塵等8種源類排放的PM10,各類源PM10排放量見表1[21],工業源是合圍區PM10的主要來源,在合圍區總量中占比49.35%,其次為民用燃燒源、道路揚塵(僅含合圍區內主干道揚塵),分別占比21.08%與18.27%,其他污染源的累計貢獻僅占11.31%,PM10源強的空間分布見圖1(b).

1.2 AERSURFACE系統概述

圖1 滄州市合圍區監測站點分布(a)與PM10源強分布(b)

2008年,美國EPA開發了AERSURFACE模式,為AERMOD模型模擬提供了更加科學的地表參數計算方法[22].2013年,為解決AERSURFACE模式在我國高分辨率土地利用數據識別和參數設置上的差異性問題[23],本團隊伯鑫等開發了AERSURFACE集成系統,為眾多環評項目地表參數計算提供了支撐[24].本文對集成系統所使用的土地利用數據由2012年更新到2018年.

利用配對樣本檢驗方法,對兩種模擬情境下,小時尺度和日均尺度的120個站點的全年相關系數進行了顯著性檢驗,檢驗結果見表8,在=0.05時,對于小時和日均尺度的檢驗,均滿足0.01,說明在土地利用數據更新前后,兩情景對站點的模擬值與實測值之間的相關系數在統計學意義上顯著提高.表明2018年高分辨率土地利用數據更好反應實際的下墊面情況,使得模擬結果與實際監測值的變化趨勢更加一致,提升了模型模擬效果.

表1 滄州市合圍區2018年PM10源強

本研究基于不同的地表參數,設置2個模擬情景,除地表參數外,兩情景參數設置完全一致.模擬區域為滄州市合圍區外接長25km′寬23km的矩形范圍,網格受體格距為500m′500m,離散敏感受體即滄州市378個空氣站點.排放源類型包括點源、面源以及線源,模型使用的氣象、地表參數及地形設置見表3.

2.2.1 國控站模擬效果分析 相比于省控站、微站數據,國控站數據質量更高,將兩情景下合圍區PM10對國控站的貢獻進行了對比(表7),以滄縣城建局站為例,繪制了兩情境對國控點貢獻情況的時間序列圖(圖3).從圖中可以看出,在氣象條件等因素不發生改變的情況下,改變地表參數對模擬結果的影響較小,兩情景對國控點貢獻的趨勢一致,貢獻濃度接近,兩情景的日均模擬值年平均變化率在-3.32%.相關系數上,各站點2018年模擬結果同實測值的相關系數較2012年情景都有所提升,說明土地利用數據更新對模型模擬效果有所提升;而在提升程度上,日均值的提升較小時值的提升更大,3站點中,電視轉播站日均值相關系數的提升最大,為0.073.

表2 2012、2018版地表參數對比

1.3 模擬設置

為探究地表參數更新前后對模擬效果的影響,本文以滄州市合圍區為例,基于2012、2018版的地表參數,設置了2種模擬情景進行驗證.AERSURFACE模式設置時,時間尺度上按照春(3、4、5月)夏(6、7、8月)秋(9、10、11月)冬(12、1、2月)劃分,空間尺度上以研究區域內源強集中區域的中心位置為中心參考點(同時該點也位于模擬區域的中部區域,代表性較好),自0°～360°將周邊區域劃分為12個30°的扇區.兩情景地表參數如表2,地表參數更新前后,主要有如下差異:①波文比整體變大,其中以春季變化最大,通過對比參考點周邊土地利用數據,發現18年與12年的主要差別是居民區(波文比1.5)占比提高,行栽作物(波文比0.3～0.7,春季為0.3)占比降低,導致AERSURFACE集成系統計算的波文比變大特別是春季的差異最大;根據波文比對空氣穩定狀況影響關系,波文比變大,將導致區域感熱交換加強,空氣變得不穩定.②各季度第10扇區粗糙度由0.63提升至1.0,對比該扇區土地利用數據發現是因為18年城市居民區比例提高,水體占比降低,導致計算的粗糙度變大;粗糙度變大對近地面空氣的影響表現為空氣與地面的摩擦增強,導致近地面風速降低,影響邊界層的穩定性[25].

作業布置的“尺度”指數量限度、時間長度、知識跨度、難易程度。要實現最佳的教學效果，必須協調好四者之間的關系，將“度”控制在一個合理的水平上，促進學生學習質量和學習素養的提高。

表3 模型數據設置

1.4 模型驗證

使用滄州市370個環境空氣質量微站逐時監測數據,但因各微站運維情況不同,部分站點數據存在較多缺失,無法支撐驗證使用;因此對微站數據進行了質控,數據質控主要考慮數據量問題,以全年有效數據量達90%作為篩選標準,經質控后最終篩選出含國控站、省控站以及微站共120個站點的數據用作模型驗證.

通過AERMOD模型計算,得到兩種情景下滄州市合圍區大氣PM10排放對合圍區大氣環境的貢獻情況,包括對網格受體及敏感受體的年均、日均和小時貢獻.本研究對兩情景的區域年均貢獻進行了對比,統計分析了污染源對國控點的日均貢獻情況;針對兩情景的日均與小時貢獻,在對滄州市實測數據進行了質控后,分別從年和月的角度計算了PM10模擬值同實測值的相關系數并分析了國控點相關系數變化情況.通過配對樣本檢驗評估了地表參數更新對AERMOD模擬精度的改進效果,相關系數和配對樣本檢驗公式分別見公式1～3.根據《環境空氣質量模型遴選工作指南(試行)》的要求,使用誤差指標分析實測值與模擬值差異時,實測值的源強來源與模型模擬的源強來源應當一致,而本研究源強總量僅占滄州市PM10排放總量的0.55%,其模擬的貢獻值與站點實測值在量上差異較大,因此本研究未對二者進行誤差分析.

詞匯選擇(Lexical choice)是批評話語分析中用到的基本分析工具。梵迪克認為，詞匯選擇可以反映人們話語中隱藏的觀點及意識形態。(Van Dijk 1988: 177) 因此，詞匯選擇的研究對批評話語分析具有很大的價值意義。

2.2.2 所有站點模擬效果分析 所有質控后站點相關系數的計算結果顯示,使用2018地表參數,各月份和全年的小時值和日均值的相關系數較2012年情景基本呈現提升趨勢(圖4).對于小時值與日均值維度,土地利用數據更新對日均值模擬效果提升更大.從時間維度,土地利用數據更新對冬、春月份的模擬效果提升更大,對夏季月份的提升較小,其中對2月的模擬效果提升最高.

僖二十七年趙衰云：“德、義，利之本也。”“利”是百物之生的自然結果，利從天地覆載而可為廣泛為民所取用的角度來說，是非專屬的，是善好政治的基礎。“王人導利而布之上下”揭出了“天生民而立之君，使司牧之，勿使失性”的一層重要含義，指出的“專利”違背“天生民而立之君”的政治基礎，布利才是持群之道。可以說，“禮利之辯”是“義利之辯”的另一種表達，“義以出利”是《左傳》中的常見語，利是禮樂秩序在實際中得以順利展開的關鍵環節。而執政者與民爭利所引起的普遍的“爭”，將給人群帶來分崩離析的危險。昭十年，晏子曰：

表4 差異顯著性判定表

2 結果與討論

2.1 合圍區PM10大氣污染貢獻分析

圖2 2012(a)與2018(b)情景下PM10年均貢獻濃度分布

采用AERMOD模型,分別基于2012和2018地表參數開展了模型模擬,分析了兩情景下合圍區對周邊大氣環境的貢獻情況.結果顯示兩情景下PM10的濃度空間分布特征相似,高濃度值都主要集中在長蘆南大道、海河東路、解放東路等主干道及交叉區域,道路源對區域空氣質量的貢獻較大,這可能是因為道路源排放高度低所引起(圖2).情景1的年均貢獻值從區域第1大值到區域第10大值均高于方案2的結果,兩種方案的前10大值模擬結果差值達0.96～0.42μg/m3,變化率在0.73%～5.30%(表5).兩情景下污染源對國控點(市環保局、滄縣城建局、電視轉播站)全年日均貢獻情況見表6,平均貢獻分別為8.75～15.83μg/m3和8.29～15.43μg/m3,年均貢獻占比分別為8.19%～15.83%和7.77%～14.85%,兩情景結果相近,2012情景的模擬結果稍高于2018情景.因滄州市并未開展對PM10來源的精細化源解析,本團隊參考肖致美等人的相關研究,認為本研究在不考慮合圍區外源強、污染物傳輸以及二次轉化等過程的情況下,僅考慮合圍區城區內PM10排放對國控站點的貢獻,這一貢獻水平具有一定的合理性[30-32].

表5 合圍區PM10對區域年均貢獻最大值對比

Table 5 Comparison of the maximum annual contribution of PM10in the enclosed area to the regional average

注:變化率=(2018年均貢獻濃度-2012年均貢獻濃度)/2012年均貢獻濃度×100%.

表6 合圍區PM10對國控站日均貢獻統計(μg/m3)

注:年均值與標準差基于兩情景對國控點的日均貢獻計算,年均貢獻占比=模擬年均值/國控站實測年均值×100%.

2.2 地表參數更新前后模擬效果分析

一直以來，國內對動物學英語的篇章特點研究與其他領域研究相比而言較少，因此著手研究動物學英語篇章的特點研究勢在必行。而在語言學與多學科研究廣泛結合的今天,利用語言學手段幫助動物學科人員有效掌握篇章信息，分析篇章結構是大勢所趨。因此我們可以從語言學知識的角度分析動物英語文獻的篇章特點，從而總結動物學英語篇章學習的技巧。在運用語言學知識分析英語篇章的過程中，銜接顯得尤為重要，原因在于它是形成語篇的重要手段。Halliday＆Hasan（2001）把銜接分為語法銜接和詞匯銜接兩種。并指出詞匯銜接與語法銜接相比出現頻率更高，在語篇流暢建構中起主導作用。因此從詞匯銜接的角度分析動物學英語篇章乃必要之舉。

為評估土地利用數據更新前后的模擬效果差異,本研究基于質控后的120個環境空氣監測站點,分別計算模型模擬日均值、小時值與監測值的相關系數,并利用配對樣本檢驗證明相關性顯著提高.

在與人接觸時，人們往往不自覺根據對方的年齡、性別、職業等，將其歸入自己頭腦中已經形成定勢的某類，給對方下結論。我們通常會說“嘴上無毛，辦事不牢”，北方人豪爽，南方人秀氣，給文理科的學生貼上各自的標簽等等之類的事情。我們有時習慣用“靜止”或狹隘的眼光來評價教育對象，上課比較調皮的學生就是不尊重老師，平時交代事情不按時完成的學生就是不認真。在思想政治教育中，教育者有時會把教育對象歸為其中的某一類，運用其思維定式對其進行評價。

表7 兩情景下合圍區PM10對國控點貢獻及年相關系數變化情況

注:貢獻值年均變化率={Σ[(2018情景日均貢獻-2012情景日均貢獻)/2012日均貢獻]}/365.

式中:OBS和PRED分別表示監測值和模擬值的平均值;Obs和pred分別表示第個監測值和模擬值;為監測站點數.D表征地表參數更新前后模擬結果同實測值的相關性變化情況[26-27].

圖3 2012(a)與2018(b)情景下合圍區PM10對滄縣城建局日均貢獻時間序列圖

表8 配對樣本t檢驗結果

注:自由度df=119,對應(df)0.01=2.618.

圖4 土地利用數據更新前后相關系數變化

單純組,經給予患者艾司唑侖片(國藥準字H44021098,廣東臺城制藥股份有限公司,藥品特性:化學藥品,2mg)口服,1-2mg/d,服用時間為睡前,共治療4周。

2.3 不確定性分析

2.3.1 排放清單引起的不確定性 排放清單采用《滄州市大氣污染源排放清單及環境影響研究》的相關成果,存在一定數量企業未納入統計,另外清單主要考慮工業源、民用燃燒和道路移動源排放,未考慮天然源、外來輸入等對污染物濃度的影響,可能造成對模擬濃度的差異[21].

2.3.2 模型本身的不確定性 AERMOD模擬PM10的擴散未考慮二次轉化,存在一定誤差[3,30].

2.3.3 微站數據的不確定性 隨著微站的普及使用,微站數據越來越多的被應用于支撐環境決策,但因微站本身的限制以及運維管理上的不足,微站數據在質量上較國控省控站點還存在差距[33-35],因此本研究使用微站數據進行了相關性的驗證,用于分析模擬值與實際監測值的變化一致性,未分析兩者絕對值的偏離程度.

3 結論

3.1 2018年高分辨率土地利用數據更新,所引起的模擬濃度變化差異較小,但在地表參數更新后,模擬結果值同實際監測值的相關系數在統計學上發生顯著性提升,說明土地利用數據更新后AERSURFACE集成系統可計算出更準確的地表參數,使得模擬結果與實際監測值的變化趨勢更加一致,提升了模型模擬效果.

3.2 地表參數更新對日均值模擬效果的提升大于對小時值;對冬、春季節模擬效果的提升大于對夏季.

3.3 基于大量微站實測數據進行模型驗證方法,相較于傳統基于少量站點的驗證,可更好地反應模擬結果同實際情況的差異性和一致性.

[1] HJ 2.2-2018 環境影響評價技術導則大氣環境 [S].

HJ 2.2-2018 Technical guidelines for environmental impact assessment-Atmospheric environment [S].

[2] 遲妍妍,張惠遠.大氣污染物擴散模式的應用研究綜述 [J]. 環境污染與防治, 2007,29(5):376-381.

Chi Y Y, Zhang H Y. A review of applied research on diffusion models of air pollutants [J]. Environmental Pollution & Control 2007,29(5): 376-381.

[3] 王海超,焦文玲,鄒平華.AERMOD大氣擴散模型研究綜述 [J]. 環境科學與技術, 2010,33(11):115-119.

Wang H C, Jiao W L, Zhou P H. A review of AERMOD atmospheric diffusion model [J]. Environmental Science & Technology, 2010, 33(11):115-119.

[4] 史夢雪,伯 鑫,田 飛,等.基于不同空氣質量模型的二噁英沉降效果研究 [J]. 中國環境科學, 2020,40(1):24-30.

Shi M X, Bo X, Tian F, et al. Study on deposition effects of dioxins based on different air quality models [J]. China Environmental Science. 2020,40(1):24-30.

[5] 李 征.基于AERMOD模式的岑鞏工業園控制性詳規大氣環境影響研究 [D]. 廣州:廣州大學, 2013.

Li Z. Study on the atmospheric environmental impact of Cen Gong Industrial Park controlling detailed regulations based on AERMOD model [D]. Guangzhou: Guangzhou University, 2013.

[6] 郭海峰,杜東升,鐘艷雯,等.基于AERMOD的城市固體廢棄物處理場空氣污染擴散研究[J]. 環境科學與管理, 2018,43(4):111-118.

Guo H F, Du D S, Zhong Y W, et al. Study on air pollution diffusion of municipal solid waste treatment plant based on AERMOD [J]. Environmental Science and Management, 2018,43(4):111-118.

[7] 伯 鑫,張 玲,劉 夢,等.復雜地形下確定鋼鐵聯合企業防護距離研究 [J]. 環境工程, 2011,29(S1):298-302.

Bo X, Zhang L, Liu M, et al. Study on determining protective distance of iron and steel joint Enterprise under complex terrain [J]. Environmental Engineering, 2011,29(S1):298-302.

[8] 宋衛杰,侯連嬌.AERMOD在核設施輻射環境影響評價中的應用研究[J]. 中國輻射衛生, 2020,29(2):188-192.

Song W J, Hou L J. Application research of AERMOD in radiation environmental impact assessment of nuclear Facilities [J]. Chinese Journal of Radiological Health, 2020,29(2):188-192.

[9] 陳陸霞,易愛華.基于AERMOD模式的重點行業排氣筒高度變化敏感性分析[J]. 環境影響評價, 2020,42(3):48-51,62.

Cheng L X, Yi A H. Sensitivity analysis of exhaust cylinder height change in key industries based on AERMOD model [J]. Environmental Impact Assessment, 2020,42(3):48-51,62.

[10] 傅詩婕,潘文斌,鄭 鵬,等.AERMOD模型在大氣二氧化硫空間分布格局研究中的應用[J]. 福州大學學報(自然科學版), 2017,45(4): 598-604.

Fu S J, Pan W B, Zheng P, et al. Application of AERMOD model to study spatial distribution pattern of atmospheric sulfur dioxide [J]. Journal of Fuzhou University(Natural Science Edition), 2017,45(4): 598-604.

[11] 肖 雪,賀秋華.基于健康風險評估的燃煤電廠選址分析[J]. 南華大學學報(自然科學版), 2020,34(2):56-61.

Xiao X, He Q H. Siting analysis of coal-fired power plant based on health risk assessment [J]. Journal of University of South China (Science and Technology), 2020,34(2):56-61.

[12] Yaman C, Anil I, Jaunich M K, et al. Investigation and modelling of greenhouse gas emissions resulting from waste collection and transport activities [J]. Waste Management & Research, 2019,37(12): 1282-1290.

[13] Amoatey P, Omidvarborna H, Affum H A, et al. Performance of AERMOD and CALPUFF models on SO2and NO2emissions for future health risk assessment in Tema Metropolis [J]. Human and Ecological Risk Assessment: An International Journal, 2019,25(3): 772-786.

[14] 伯 鑫,雷團團,楊朝旭,等.企業大氣污染預報系統 [C]//2020中國環境科學學會科學技術年會論文集(第三卷), 2020:387-390.

Bo X, Lei T T, Yang Z X, et al. Enterprise air Pollution forecast system [C]//Proceedings of the 2020 Chinese Society for Environmental Sciences Science and Technology Annual Conference (Volume 3), 2020:387-390.

[15] 伯 鑫.空氣質量模型:技術、方法及案例研究[M]. 北京:中國環境出版社, 2018:25-28.

Bo X. Air Quality Modeling: Techniques, methods and case studies [M]. Beijing: China Environmental Press, 2018:25-28.

[16] 楊洪斌,張云海,鄒旭東,等.AERMOD空氣擴散模型在沈陽的應用和驗證[J]. 氣象與環境學報, 2006,22(1):58-60.

Yang H B, Zhang Y H, Zhou X D, et al. Application and validation of AERMOD air diffusion model in Shenyang [J]. Journal of Meteorology and Environment, 2006,22(1):58-60.

[17] 劉海龍,鄒旭東,楊洪斌,等.AERMOD模型在葫蘆島市的應用研究[J]. 氣象與環境學報, 2018,34(2):107-112.

Liu H L, Zhou X D, Yang H B, et al. Application of AERMOD model in Huludao City [J]. Journal of Meteorology and Environment, 2018, 34(2):107-112.

[18] 丁 峰,李時蓓,蔡 芳.AERMOD在國內環境影響評價中的實例驗證與應用 [J]. 環境污染與防治, 2007,(12):953-957.

Ding F, Li S B, Cai F.Example verification and application of AERMOD in Domestic environmental impact assessment [J]. Environmental Pollution & Control., 2007,(12):953-957.

[19] 滄州市統計局.滄州市2020年國民經濟和社會發展統計公報[EB/OL]. 2021-3-4[2021-9-14]. http://www.tj.cangzhou.gov.cn/ zwgk/tjgb/index.shtml.

Cangzhou Statistics Bureau. Cangzhou 2020 national economic and social development statistical bulletin [EB/OL]. 2021-3-4[2021-9- 14]. http://www.tj.cangzhou.gov.cn/zwgk/tjgb/index.shtml.

[20] 戴紹志.170個鄉鎮全部建起空氣質量自動監測站 [N]. 河北日報, 2018-10-10(10).

Dai S Z. Automatic air quality monitoring stations have been set up in all 170townships [N]. Hebei daily, 2018-10-10(10).

[21] 雷團團.滄州市大氣污染源排放清單及環境影響研究 [D]. 石家莊:河北科技大學, 2019.

Lei T T. Cangzhou air pollution source emission inventory and environmental impact study [D]. Shijiazhuang: Hebei University of Science and Technology, 2019.

[22] USEPA. AERSURFACE user's guide [M]. North Carolina: Office of Air Quality Planning and Standards Air Quality Assessment Division Air Quality Modeling Group.2008:1.

[23] 伯 鑫,王 剛,田 軍,等. AERMOD模型地表參數標準化集成系統研究 [J]. 中國環境科學, 2015,35(9):2570-2575.

Bo X, Wang G, Tian J, et al. Research on integrated system of surface parameters standardization based on AERMOD model [J]. China Environmental Science, 2015,35(9):2570-2575.

[24] 張尚宣,伯 鑫,周 甜,等.AERMOD模式在我國環境影響評價應用中的標準化研究 [J]. 環境影響評價, 2018,40(2):51-55.

Zhang S X, Bo X, Zhou T, et al. Research on standardization of AERMOD model for environmental impact assessment in China [J]. Environmental Impact Assessment, 2018,40(2):51-55.

[25] 于貴瑞,孫曉敏.陸地生態系統通量觀測的原理與方法 [M]. 2版.北京:高等教育出版社, 2018:45-53.

Yu G R, Sun X M. Principles and methods of flux observation of terrestrial ecosystem [M]. Second Edition. Beijing: Higher Education Press, 2018:45-53.

[26] 環境保護部辦公廳.關于征求《環境質量模型規范化管理暫行辦法》(征求意見稿)等2項文件意見的函 [EB/OL]. 2015[2021-9-14]. http://www.mee.gov.cn/gkml/hbb/bgth/201508/t20150831_309098.htm.

General Office of ministry of Environmental Protection. On soliciting opinions on the Interim Measures for Standardized Management of Environmental Quality Models (draft for Soliciting Opinions) and other 2 documents [EB/OL]. 2015[2021-9-14]. http://www.mee.gov. cn/gkml/hbb/bgth/201508/t20150831_309098.htm.

[27] 金 林,李 研.幾種相關系數辨析及其在R語言中的實現 [J]. 統計與信息論壇, 2019,34(4):3-11.

JIN L, Li Y. Analysis and realization of several correlation coefficients in R language [J]. Journal of Statistics and Information, 2019,34(4): 3-11.

[28] 智冬曉,許曉娟,張皓博.z檢驗與t檢驗方法的比較 [J]. 統計與決策, 2014,(20):31-34.

Zhi D X, Xu X J, Zhang H B. Comparison of Z test and T Test Methods [J]. Statistics & Decision, 2014,(20):31-34.

[29] 李廣析.新型城鎮化城鄉居民收入差距的收斂性研究——基于成對數據的t檢驗方法 [J]. 貴州財經大學學報, 2018,(5):96-103.

Li G X. Convergence of income gap between urban and rural residents in new Urbanization -- T-test method based on paired data [J]. Journal of Guizhou University of Finance and Economics, 2018, (5):96-103.

[30] 陳 雷,王 鵬,伯 鑫,等.新冠期間河北省典型鋼鐵企業大氣污染影響 [J]. 中國環境科學, 2021,41(8):3927-3933.

Cheng L, Wang P, Bo X, et al. Air quality impacts of emissions from a typical iron and steel plant in Hebei Province during the coronavirus disease (COVID-19). China Environmental Science, 2021,41(8): 3927-3933.

[31] 肖致美,畢曉輝,馮銀廠,等.天津市大氣顆粒物污染特征與來源構成變化 [J]. 環境科學研究, 2014,27(3):246-252.

Xiao Z M, Bi X H, Feng Y C, et al. Variations of Characteristics and Sources of Ambient Particulate Matter Pollution in Tianjin City [J]. Research of Environmental Sciences, 2014,27(3):246-252.

[32] 胡 敏,唐 倩,彭劍飛,等.我國大氣顆粒物來源及特征分析[J]. 環境與可持續發展, 2011,(5):15-19.

Hu M, Tang Q, Peng J F, et al. Study on characterization and source apportionment of atmospheric particulate matter in China [J]. Environment and Sustainable Development, 2011,(5):15-19.

[33] 滕 曼,姚雅偉,付 強.京津冀地區環境空氣PM2.5自動監測現場比對研究 [J]. 環境工程學報, 2015,9(1):331-334.

Teng M, Yao Y W, Fu Q. Field comparison study of PM2.5automatic monitoring of ambient air in Beijing-Tianjin-Hebei region [J]. Chinese Journal of Environmental Engineering, 2015,9(1):331-334.

[34] 張 靜.新形勢下環境空氣微觀自動監測系統的建設思考 [J]. 環境與發展, 2020,32(10):157,159.

Zhang J. Thinking on the construction of micro automatic monitoring system of ambient air under new situation [J]. Environment and Development. 2020,32(10):157,159.

[35] 鄧 琴,張 敏.環境空氣自動監測小微站在瀏陽市的應用 [J]. 湖南農業科學, 2019,(7):61-64.

Deng Q, Zhang M, Application of small and micro stations for automatic ambient air monitoring in Liuyang City [J]. Hunan Agricultural Sciences, 2019,(7):61-64.

Research on the influence of AERMOD model surface parameter update on simulation effect.

WANG Cheng-xin1, CHU Ying-hao1, RUAN Jian-hui2, SANG Min-jie3, CHENG Ji4, WU Cheng-zhi4, BO Xin5,6*

(1.College of Architecture and Environment, Sichuan University, Chengdu 610065, China；2.School of Economics and Management, Beijing University of Chemical Technology, Beijing 100029, China；3.School of Environmental Science and Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, China；4.Trinity Consultants, Hangzhou 310012, China；5.Department of Environmental Science and Engineering, Beijing University of Chemical Technology, Beijing 100029, China；6.BUCT Institute for Carbon-neutrality of Chinese Industries, Beijing University of Chemical Technology, Beijing 100029, China)., 2022,42(5)：2070～2077

Based on the high-resolution land use data in 2018, this paper updated the AERSURFACE integrated system (version 2012). Taking the enclosed area of Cangzhou Expressway as an example, the influence of surface parameter update on the simulation effect of AERMOD model was studied. The atmospheric environment monitoring system (including national control station, provincial control station and micro-station) in Cangzhou was used for verification. The update of land use data of the AERSURFACE integrated system could provide more accurate surface parameters for the AERMOD model simulation, which improves the correlation coefficient between the simulation results and the measured value. The maximum improvement in the daily average and hourly correlation coefficients of the national control station was 0.073 and 0.024, respectively. From a statistical point of view, this significant improvement made the results of the model simulation more consistent with the change trend of the measured values, indicating that the update of surface parameters had a positive effect on the model simulation. From the perspective of time scale, the improvement of the simulation effect of the land use data in winter and spring was greater than that in summer; and the simulation effect of the daily average value was improved more than the hourly value.

AERMOD；AERSURFACE；surface parameter；land use data

X51,X171.1

A

1000-6923(2022)05-2070-08

王成鑫(1997-),男,四川綿陽人,碩士研究生,主要研究方向為大氣環境質量模擬.發表論文4篇.

2021-10-18

國家重點研發計劃項目(2018YFC0214005);國家自然科學基金項目資助(72174125);中央高校基本科研業務費資助項目(buctrc202133)

* 責任作者, 教授, boxin@buct.edu.cn