基于AERMOD模型對酒泉市工業園區大氣污染的研究

田 琨，楊 璐，于亞楠，王海燕

（1.酒泉職業技術學院，甘肅酒泉 735000；2.酒泉市氣象局，甘肅酒泉 735000）

2021年以來，甘肅省把新能源作為實現“雙碳”目標、推動能源綠色轉型的重要路徑，重點依托沙漠、戈壁、荒漠地區，謀劃布局大型風電光伏基地，使新能源產業成為全省經濟高質量發展的重要牽引和支撐。酒泉市堅持“工業強市”戰略，傾力打造新能源產業基地的核心示范區，精細化工和煤化工產業基地的重要承載區，礦產資源開發利用產業基地的轉型升級樣板區。但伴隨著城鎮化工業進程的快速推進，大量有害物質的排放量成倍增加，其中，以化工園區范圍內空氣污染的范圍和程度尤為突出。空氣污染給農業、林業、短期天氣、氣候都造成了嚴重的影響，如何對工業園區的污染源進行有效監控管理，直接關系到當地經濟的長遠發展和國家“綠水青山”的長遠規劃。空氣污染事件的決策主體可通過預測模型實時掌握化工園區大氣污染的動態變化規律，排查突發事件隱患，對于保護人們身體健康和促進社會和諧穩定具有重要的科學價值和實際意義[1]。近年來，計算機技術的飛躍發展，給大氣污染預測與防治研究提供了一個快速發展的機會，利用計算機技術再結合遙感技術，對大氣環境質量進行預測與評價，可以為環境污染防治與治理提供理論上的堅實保障，使大氣污染預測能更好地服務于人們的生產和生活[2-3]。AERMOD模型系統由美國環境保護署聯合美國氣象學會組建法規模式改善委員會（AERMIC）開發。此模型是以擴散統計理論為出發點，假設污染物的濃度分布在一定程度上服從高斯分布，此模型引入了行星邊界層等最新的大氣邊界層和大氣擴散理論，可用于多種排放源的排放[4-5]。

本文基于AERMOD模型，利用酒泉市大氣環境、氣象觀測和氣象探空等歷史數據，研究酒泉市化工園區污染預測問題，預測酒泉市化工園區污染源排放污染物濃度。此預測結果對當地政府的決策以及污染物的溯源都有很重要意義和價值。

1 研究原理及資料

1.1 原理

AERMOD模型采用了行星邊界層理論和空氣分散湍流結構的概念，可以預測簡單和復雜地形下的地面源和高架源。AERMOD模型包括AERMAP地形處理模塊、AERMET氣象預處理模塊和AERMOD控制模塊[6-9]。AERMOD模型由當地的觀測數據確定，且為理想的預測結論，尤其在穩定的條件下，大氣邊界層實際上一直處于不斷地演變中。此外，當風速不高時，大氣背景湍流較弱，也有可能出現低空急流，AERMOD模型無法精確地描述穩定邊界層。然而本文預測的酒泉市，是我國大風天氣的高發地域，此區域有特殊的地理位置和下墊面環境。酒泉市近30a研究發現，年平均大風日數最多的是馬鬃山地區，達45.3d；其次為瓜州縣，達42.2d；且從近10a來大風天氣風向頻率分布特征發現，大風天氣主要出現在偏西偏北風中，頻率接近80%；就時間分布而言，3~6月是酒泉市大風天氣的高發期，其出現概率占年均日數的53%~61%。大風背景下的AERMOD模型，對流邊界層相比于穩定邊界層參數選取更準確，酒泉市化工園區的預測結果更鮮明。

AERMOD模式在國內大氣環境預測中廣泛應用，但AERMOD預測模式對當地的空間地形地貌以及氣候氣象資料有比較嚴格的要求，相應的污染源參數設置也較為復雜，所以在實際的大氣污染預測中，地形氣象等參數的設置、篩選是必不可少的。本文使用四種數據，分別為氣象觀測數據、氣象探測數據、大氣環境數據和當地的地形數據，經過數據處理，得到所需參數，利用得到的參數，預測當地的大氣污染物濃度。具體流程，如圖1所示。

圖1 酒泉市工業園區大氣污染模型原理流程圖

1.2 資料

選取2012年6月30日—2022年7月1日甘肅省酒泉市逐日逐時SO2、CO、NO、NO2和PM10，作為大氣環境數據。選取2012年6月30日—2022年7月1日甘肅省酒泉市區域站逐日逐時的風速、風向、干球溫度、濕球溫度、氣壓和降雨量，作為氣象觀測數據，選取2012年6月30日—2022年7月1日酒泉國家基準站和敦煌國家基準站每日8時和20時的氣壓、氣溫、露點、風速和風向，作為氣象探空數據。

2 酒泉市工業園區大氣污染模型

2.1 氣象資料處理

污染物濃度可隨氣溫、風向、風速等變化的變化而變化，對園區大氣環境有一定的關聯性。AERMOD模型中輸入酒泉市氣象觀測資料（站點位置如圖2所示），利用逐日逐時的風速、風向、干球溫度、濕球溫度、氣壓和降雨量，以及8時、20時的探空資料計算邊界層參數，此參數可以估算酒泉市化工園區的風速、湍流強度和溫度的廓線。將此參數再次代入AERMOD后，可得到相似參數，再對計算出的廓線進行內插，可計算出預測點的濃度。此模式中湍流擴散是由參數化方程表示，穩定度是由連續參數表示，即大氣湍流和邊界層的常規參數化方法進行計算。

2.2 地形處理

酒泉市位于甘肅省西北部，轄肅州區，玉門市、敦煌市，金塔縣、瓜州縣、肅北蒙古族自治縣和阿克塞哈薩克族自治縣[10]，化工園區主要有玉門東化工業園區、玉門老市區化工工業園區、瓜州柳溝煤化工工業園區、金塔北河灣循環經濟產業園和酒泉經濟技術開發區（如圖3所示），此化工園區對全市區域空氣質量影響程度較大。酒泉市涵蓋沙漠、冰川、綠洲、戈壁等地形，此區域不同的地面特征。同時由于河西走廊西部出現偏西大風時，大風風向基本與等壓線垂直，不滿足梯度風平衡原理，酒泉市受地形摩擦和阻擋作用，對邊界層高度和污染物擴散過程有非常大的影響；同時地形狹管作用在偏東風和偏西風過程中影響明顯。故本文使用AERMAP輸入酒泉市網格點和預測區高程數據文件，生成大氣擴散模型需要的網格點、高度尺度、地形高程。

圖3 酒泉市化工園區地形及酒泉市行政區劃圖

2.3 濃度預測

AERMOD模型對于復雜地形的濃度預測有很好的效果。本文將酒泉市劃分了三個扇區。

第一個扇區以綠洲為主；

第二個扇區為沙漠和戈壁為主；

第三個扇區以山區為主。

不同的扇區有不同的地表類型，污染物濃度預測也是不同的。由于在預測網格分辨率相同的情況下，選用分辨率越大的地形數據，最后的區域最大落地濃度預測結果越大，隨著預測網格分辨率的不斷減小，地形數據分辨率的不同所帶來的預測結果差異性越來越小[11]，所以本文選擇預測結果為1 000m×1 000m的網格點濃度值，酒泉市五個化工廠的濃度值，以及酒泉市污染物濃度值等值線圖。模型的濃度值包括年均值、日均值、逐日逐時污染物濃度值，等值線圖包括濃度的年均值、日均值和小時制。研究發現：預測濃度總體上由高到低為第二扇區濃度、第一扇區、第三扇區。對比地面氣象觀測數據站點酒泉國家基準站和敦煌國家基準站探空站點，目前酒泉市山地地面觀測站點較少，探空數據缺乏，無法得到全面的實測數據，對濃度的預測結果精確度無法估算。總體上，此濃度輸出的等值線值，對于化工區域規劃、布局、產業結構調整，有很重要的借鑒意義，對于已建成的化工園區大氣污染的排放有準確的反應，對大氣污染的預測具有較高的提前量。

3 預測結果可信度

利用酒泉經濟技術開發區2022年1—6月的污染物濃度實況，結合模糊數學法驗證酒泉市工業園區大氣污染預測的結果，結果表明：小時濃度預測成績中理想占0.892，較不理想和不理想分別占0.117和0.256，日均最大濃度預測成績中理想占0.714，較不理想和不理想分別占0.378和0.125，推測出預測結果為理想，證明對于酒泉市工業園區大氣污染的預測是可信的，同時也證明了選取的參數是可行的。基于反演理論，以酒泉區域實測空氣質量為先驗信息，可以準確為本地大氣質量提供檢測和預報。

4 結束語

1）AERMOD模型利用量化的預測分析結果有助于直觀模擬酒泉市化工園區大氣污染物排放對空氣質量的影響。

2）基于AERMOD模型的氣象數據和地形處理，體現了地表特征的不同對于大氣污染物濃度預測也不同，總體上預測污染濃度由高到低為戈壁、綠洲、山地。

3）對比酒泉經濟技術開發區實況結果表明：酒泉市工業園區大氣污染的預測是可信的，也證明了選取的參數是可行的。

大氣預測模式機理復雜，難度較大，本文由于大氣監測站點較少，只簡單地探索了酒泉經濟技術開發區參數設置對于預測結果的影響，僅考慮了點源參數影響，對于面源和線源變化對于預測結果的影響未檢驗，存在一定的局限性。未來可增加監測站點，加入更多氣象數據，對模型進行修正，期待酒泉市化工園區大氣預測結果進一步提高。