基于AERMOD模型对酒泉市工业园区大气污染的研究

田 琨，杨 璐，于亚楠，王海燕

（1.酒泉职业技术学院，甘肃酒泉 735000；2.酒泉市气象局，甘肃酒泉 735000）

2021年以来，甘肃省把新能源作为实现“双碳”目标、推动能源绿色转型的重要路径，重点依托沙漠、戈壁、荒漠地区，谋划布局大型风电光伏基地，使新能源产业成为全省经济高质量发展的重要牵引和支撑。酒泉市坚持“工业强市”战略，倾力打造新能源产业基地的核心示范区，精细化工和煤化工产业基地的重要承载区，矿产资源开发利用产业基地的转型升级样板区。但伴随着城镇化工业进程的快速推进，大量有害物质的排放量成倍增加，其中，以化工园区范围内空气污染的范围和程度尤为突出。空气污染给农业、林业、短期天气、气候都造成了严重的影响，如何对工业园区的污染源进行有效监控管理，直接关系到当地经济的长远发展和国家“绿水青山”的长远规划。空气污染事件的决策主体可通过预测模型实时掌握化工园区大气污染的动态变化规律，排查突发事件隐患，对于保护人们身体健康和促进社会和谐稳定具有重要的科学价值和实际意义[1]。近年来，计算机技术的飞跃发展，给大气污染预测与防治研究提供了一个快速发展的机会，利用计算机技术再结合遥感技术，对大气环境质量进行预测与评价，可以为环境污染防治与治理提供理论上的坚实保障，使大气污染预测能更好地服务于人们的生产和生活[2-3]。AERMOD模型系统由美国环境保护署联合美国气象学会组建法规模式改善委员会（AERMIC）开发。此模型是以扩散统计理论为出发点，假设污染物的浓度分布在一定程度上服从高斯分布，此模型引入了行星边界层等最新的大气边界层和大气扩散理论，可用于多种排放源的排放[4-5]。

本文基于AERMOD模型，利用酒泉市大气环境、气象观测和气象探空等历史数据，研究酒泉市化工园区污染预测问题，预测酒泉市化工园区污染源排放污染物浓度。此预测结果对当地政府的决策以及污染物的溯源都有很重要意义和价值。

1 研究原理及资料

1.1 原理

AERMOD模型采用了行星边界层理论和空气分散湍流结构的概念，可以预测简单和复杂地形下的地面源和高架源。AERMOD模型包括AERMAP地形处理模块、AERMET气象预处理模块和AERMOD控制模块[6-9]。AERMOD模型由当地的观测数据确定，且为理想的预测结论，尤其在稳定的条件下，大气边界层实际上一直处于不断地演变中。此外，当风速不高时，大气背景湍流较弱，也有可能出现低空急流，AERMOD模型无法精确地描述稳定边界层。然而本文预测的酒泉市，是我国大风天气的高发地域，此区域有特殊的地理位置和下垫面环境。酒泉市近30a研究发现，年平均大风日数最多的是马鬃山地区，达45.3d；其次为瓜州县，达42.2d；且从近10a来大风天气风向频率分布特征发现，大风天气主要出现在偏西偏北风中，频率接近80%；就时间分布而言，3~6月是酒泉市大风天气的高发期，其出现概率占年均日数的53%~61%。大风背景下的AERMOD模型，对流边界层相比于稳定边界层参数选取更准确，酒泉市化工园区的预测结果更鲜明。

AERMOD模式在国内大气环境预测中广泛应用，但AERMOD预测模式对当地的空间地形地貌以及气候气象资料有比较严格的要求，相应的污染源参数设置也较为复杂，所以在实际的大气污染预测中，地形气象等参数的设置、筛选是必不可少的。本文使用四种数据，分别为气象观测数据、气象探测数据、大气环境数据和当地的地形数据，经过数据处理，得到所需参数，利用得到的参数，预测当地的大气污染物浓度。具体流程，如图1所示。

图1 酒泉市工业园区大气污染模型原理流程图

1.2 资料

选取2012年6月30日—2022年7月1日甘肃省酒泉市逐日逐时SO2、CO、NO、NO2和PM10，作为大气环境数据。选取2012年6月30日—2022年7月1日甘肃省酒泉市区域站逐日逐时的风速、风向、干球温度、湿球温度、气压和降雨量，作为气象观测数据，选取2012年6月30日—2022年7月1日酒泉国家基准站和敦煌国家基准站每日8时和20时的气压、气温、露点、风速和风向，作为气象探空数据。

2 酒泉市工业园区大气污染模型

2.1 气象资料处理

污染物浓度可随气温、风向、风速等变化的变化而变化，对园区大气环境有一定的关联性。AERMOD模型中输入酒泉市气象观测资料（站点位置如图2所示），利用逐日逐时的风速、风向、干球温度、湿球温度、气压和降雨量，以及8时、20时的探空资料计算边界层参数，此参数可以估算酒泉市化工园区的风速、湍流强度和温度的廓线。将此参数再次代入AERMOD后，可得到相似参数，再对计算出的廓线进行内插，可计算出预测点的浓度。此模式中湍流扩散是由参数化方程表示，稳定度是由连续参数表示，即大气湍流和边界层的常规参数化方法进行计算。

2.2 地形处理

酒泉市位于甘肃省西北部，辖肃州区，玉门市、敦煌市，金塔县、瓜州县、肃北蒙古族自治县和阿克塞哈萨克族自治县[10]，化工园区主要有玉门东化工业园区、玉门老市区化工工业园区、瓜州柳沟煤化工工业园区、金塔北河湾循环经济产业园和酒泉经济技术开发区（如图3所示），此化工园区对全市区域空气质量影响程度较大。酒泉市涵盖沙漠、冰川、绿洲、戈壁等地形，此区域不同的地面特征。同时由于河西走廊西部出现偏西大风时，大风风向基本与等压线垂直，不满足梯度风平衡原理，酒泉市受地形摩擦和阻挡作用，对边界层高度和污染物扩散过程有非常大的影响；同时地形狭管作用在偏东风和偏西风过程中影响明显。故本文使用AERMAP输入酒泉市网格点和预测区高程数据文件，生成大气扩散模型需要的网格点、高度尺度、地形高程。

图3 酒泉市化工园区地形及酒泉市行政区划图

2.3 浓度预测

AERMOD模型对于复杂地形的浓度预测有很好的效果。本文将酒泉市划分了三个扇区。

第一个扇区以绿洲为主；

第二个扇区为沙漠和戈壁为主；

第三个扇区以山区为主。

不同的扇区有不同的地表类型，污染物浓度预测也是不同的。由于在预测网格分辨率相同的情况下，选用分辨率越大的地形数据，最后的区域最大落地浓度预测结果越大，随着预测网格分辨率的不断减小，地形数据分辨率的不同所带来的预测结果差异性越来越小[11]，所以本文选择预测结果为1 000m×1 000m的网格点浓度值，酒泉市五个化工厂的浓度值，以及酒泉市污染物浓度值等值线图。模型的浓度值包括年均值、日均值、逐日逐时污染物浓度值，等值线图包括浓度的年均值、日均值和小时制。研究发现：预测浓度总体上由高到低为第二扇区浓度、第一扇区、第三扇区。对比地面气象观测数据站点酒泉国家基准站和敦煌国家基准站探空站点，目前酒泉市山地地面观测站点较少，探空数据缺乏，无法得到全面的实测数据，对浓度的预测结果精确度无法估算。总体上，此浓度输出的等值线值，对于化工区域规划、布局、产业结构调整，有很重要的借鉴意义，对于已建成的化工园区大气污染的排放有准确的反应，对大气污染的预测具有较高的提前量。

3 预测结果可信度

利用酒泉经济技术开发区2022年1—6月的污染物浓度实况，结合模糊数学法验证酒泉市工业园区大气污染预测的结果，结果表明：小时浓度预测成绩中理想占0.892，较不理想和不理想分别占0.117和0.256，日均最大浓度预测成绩中理想占0.714，较不理想和不理想分别占0.378和0.125，推测出预测结果为理想，证明对于酒泉市工业园区大气污染的预测是可信的，同时也证明了选取的参数是可行的。基于反演理论，以酒泉区域实测空气质量为先验信息，可以准确为本地大气质量提供检测和预报。

4 结束语

1）AERMOD模型利用量化的预测分析结果有助于直观模拟酒泉市化工园区大气污染物排放对空气质量的影响。

2）基于AERMOD模型的气象数据和地形处理，体现了地表特征的不同对于大气污染物浓度预测也不同，总体上预测污染浓度由高到低为戈壁、绿洲、山地。

3）对比酒泉经济技术开发区实况结果表明：酒泉市工业园区大气污染的预测是可信的，也证明了选取的参数是可行的。

大气预测模式机理复杂，难度较大，本文由于大气监测站点较少，只简单地探索了酒泉经济技术开发区参数设置对于预测结果的影响，仅考虑了点源参数影响，对于面源和线源变化对于预测结果的影响未检验，存在一定的局限性。未来可增加监测站点，加入更多气象数据，对模型进行修正，期待酒泉市化工园区大气预测结果进一步提高。