西南山區(qū)大氣污染擴(kuò)散的定點(diǎn)觀測(cè)與模式評(píng)估

劉清 劉麗 楊富燕 高鵬 廖瑤 吳有恒

摘 要：針對(duì)山區(qū)局地污染源的大氣擴(kuò)散，通過定點(diǎn)氣象觀測(cè)與數(shù)值模擬相結(jié)合的污染評(píng)估技術(shù)，采用區(qū)域模式與局地模式相嵌套的高分辨率區(qū)域空氣質(zhì)量模擬系統(tǒng)RegAQMS，模擬了一個(gè)西南山區(qū)磷化工工業(yè)園所在區(qū)域三維氣象要素場(chǎng)、大氣邊界層湍流場(chǎng)以及污染物散布的濃度場(chǎng)，分析了山地復(fù)雜條件下大氣污染物的擴(kuò)散特性和影響其散布的關(guān)鍵因子。結(jié)果表明：區(qū)域主要的污染物如SO₂小時(shí)和日均濃度均未超過國家相關(guān)標(biāo)準(zhǔn)且有較大盈余，但在源區(qū)附近山體表現(xiàn)出較高的長期平均濃度，模擬時(shí)段總平均濃度占比標(biāo)準(zhǔn)份額高達(dá)87.7%。區(qū)域偏東和東南風(fēng)極高的出現(xiàn)頻率61.8%、較低的風(fēng)速（如≤ 2 m/s風(fēng)速頻率43.1%）、離源近距離處敏感的下風(fēng)向有相當(dāng)高度山體的阻擋、大氣穩(wěn)定層結(jié)（逆溫和貼地逆溫較高的頻率63.4%和27.2%）等是導(dǎo)致長期高值平均濃度的主要原因。與觀測(cè)濃度的對(duì)比表明：RegAQMS能較好地描述該區(qū)域污染物的實(shí)際分布，模擬與觀測(cè)的小時(shí)濃度相關(guān)達(dá)0.47，但整體有所高估，誤差可能來源于采樣時(shí)間的不同、排放源的變動(dòng)、小風(fēng)條件下平均風(fēng)向的定義與擴(kuò)散強(qiáng)度估計(jì)的不確定性等。

關(guān)鍵詞：大氣污染；擴(kuò)散模擬；氣象觀測(cè)；山區(qū)

中圖分類號(hào)：X16

文獻(xiàn)標(biāo)志碼：A

不同空間尺度的地形和大氣的相互作用，形成山區(qū)從天氣尺度的強(qiáng)迫到中等尺度的環(huán)流和局地湍流波動(dòng)連續(xù)分布的大氣特征，影響著污染物的輸送與擴(kuò)散^［1］。地形的機(jī)械和熱力作用改變大尺度流動(dòng)導(dǎo)致更小尺度的運(yùn)動(dòng)，從而增強(qiáng)與污染擴(kuò)散相關(guān)的大氣過程的時(shí)空變率，產(chǎn)生如局地的盛行風(fēng)、靜小風(fēng)、尾流渦和山谷風(fēng)環(huán)流等，形成獨(dú)特的污染過程。對(duì)復(fù)雜條件下大氣污染擴(kuò)散過程的研究往往是根據(jù)具體問題和具體條件來開展，針對(duì)一些局部區(qū)域的大氣擴(kuò)散，通常采用實(shí)際示蹤試驗(yàn)^［2-3］、風(fēng)洞試驗(yàn)^［4-5］、數(shù)值模擬與分析^［6-9］等研究與分析手段，其中，數(shù)值模擬與分析由于不受試驗(yàn)條件的限制得到廣泛應(yīng)用，也是其他試驗(yàn)分析方法的重要補(bǔ)充和完善^［10-12］。

為更好地理解和模擬復(fù)雜地形污染物的擴(kuò)散特征，最近新發(fā)起的一些研究計(jì)劃，如阿爾卑斯山地的Bolzano示蹤試驗(yàn)（BTEX）^［13-14］、山區(qū)大氣多尺度輸送和交換過程國際研究計(jì)劃（TEAMx）^［15］、美國猶他州的山地大氣模擬和觀測(cè)試驗(yàn)（MATERHORN）^［16］以及亞利桑那州的第二次隕石坑氣象外場(chǎng)試驗(yàn)（METCRAX Ⅱ）^［17］等，均涉及到復(fù)雜環(huán)境下的大量外場(chǎng)試驗(yàn)和氣象與空氣質(zhì)量模式等新的模擬技術(shù)。另外，我國第三次青藏高原大氣科學(xué)試驗(yàn)（TIPEX-Ⅲ）涉及的陸面水熱平衡、邊界層過程的觀測(cè)等^［18］，也旨在促進(jìn)復(fù)雜地形湍流和交換過程的深入認(rèn)識(shí)和模擬。

實(shí)際應(yīng)用中，復(fù)雜地形往往使常規(guī)觀測(cè)臺(tái)站的代表性受到限制，而許多的研究結(jié)果表明大氣污染擴(kuò)散呈現(xiàn)出較強(qiáng)的本地特征^［19-22］，特別在某些小區(qū)域內(nèi)，封閉的地形、集中的排放和特殊的環(huán)流，容易使大氣污染成分在敏感的下風(fēng)方堆積，造成極端污染事件^［23-25］。目前，對(duì)這種條件下污染物的擴(kuò)散預(yù)警與評(píng)估通常是采用幾公里甚至幾十公里外的地面氣象臺(tái)站資料，不能代表污染地點(diǎn)實(shí)際大氣狀況，使得預(yù)警和評(píng)估結(jié)果與污染實(shí)況在發(fā)生地點(diǎn)、程度和范圍上存在較大的出入。因此，分析具體區(qū)域的大氣環(huán)流、區(qū)域氣候特征，并且有針對(duì)性地在評(píng)估地點(diǎn)開展污染氣象與環(huán)境空氣質(zhì)量的同步觀測(cè)和模擬試驗(yàn)，對(duì)了解區(qū)域污染氣象條件以及估算空氣污染物的擴(kuò)散分布顯得十分必要。

以西南某省級(jí)經(jīng)濟(jì)開發(fā)園區(qū)為例，其所在區(qū)域地形復(fù)雜，山地、丘陵、盆地多種地貌共存，區(qū)域點(diǎn)源、面源多種污染源共同存在。園區(qū)規(guī)劃面積35.04 km2，多個(gè)磷化工項(xiàng)目已建成并正式投產(chǎn)。項(xiàng)目建設(shè)前均做過大氣環(huán)境影響評(píng)價(jià)，確定了敏感的下風(fēng)方向以及各種污染成分的最大濃度，排放成分全部通過了國家二級(jí)空氣質(zhì)量標(biāo)準(zhǔn)評(píng)估且具備較大的環(huán)境容量盈余。但所用氣象資料是12 km處的縣氣象站的地面常規(guī)測(cè)值，導(dǎo)致投產(chǎn)后普遍反映環(huán)境空氣質(zhì)量與評(píng)估結(jié)果有差異，在并非敏感的下風(fēng)方向，常出現(xiàn)刺激性氣味，莊稼樹木泛黃、生長受損。當(dāng)?shù)鼐用穹错憦?qiáng)烈，政府急需了解實(shí)際的污染狀況以確定補(bǔ)償賠款，并且決定進(jìn)行生態(tài)移民搬遷。

本研究針對(duì)上述復(fù)雜地形局地污染源，通過定點(diǎn)氣象觀測(cè)與大氣擴(kuò)散模擬相結(jié)合的污染評(píng)估技術(shù)^［26-27］，對(duì)現(xiàn)場(chǎng)氣象觀測(cè)數(shù)據(jù)進(jìn)行診斷分析，獲得接近實(shí)際情況的氣象場(chǎng)和湍流特征參數(shù)，結(jié)合區(qū)域嵌套的復(fù)雜地形高分辨率大氣擴(kuò)散模擬，確定出磷化工排放的不同污染物影響區(qū)域和程度，從而為分階段移民搬遷提供依據(jù)。

1 試驗(yàn)與方法

針對(duì)山區(qū)復(fù)雜條件的大氣污染擴(kuò)散評(píng)估，通過在局地污染源不同下風(fēng)方向的監(jiān)測(cè)布點(diǎn)，同步獲取氣象和污染物濃度采樣數(shù)據(jù)，在現(xiàn)場(chǎng)觀測(cè)的氣象要素基礎(chǔ)上，采用適用于復(fù)雜地形的大氣擴(kuò)散模式系統(tǒng)模擬污染物的擴(kuò)散分布，分析影響山區(qū)局地大氣污染物散布的關(guān)鍵因子。

1.1 區(qū)域地形與觀測(cè)布點(diǎn)

研究區(qū)域位于云貴高原北部向四川盆地過渡的斜坡地帶，東經(jīng)107°24′～107°33′，北緯27°04′～27°13′（圖1），地勢(shì)東南高西北低，從海拔1 300 m逐漸降低到800 m，山脈走向受地質(zhì)構(gòu)造的影響，呈南北走向。工業(yè)園區(qū)位于研究區(qū)域中部，海拔高度約為1 000 m，在該區(qū)域總體地勢(shì)較為平坦開闊。

在磷化工工業(yè)聚集區(qū)排放源附近和周圍村寨反映強(qiáng)烈的下風(fēng)向布設(shè)了4個(gè)污染氣象和環(huán)境空氣質(zhì)量的觀測(cè)點(diǎn)（圖1），從2017年5月開展連續(xù)的自動(dòng)氣象站觀測(cè)，從2017年4月至2018年3月在春、夏、秋、冬4個(gè)季節(jié)開展7～14 d的大氣邊界層污染氣象和環(huán)境空氣質(zhì)量的觀測(cè)。

A觀測(cè)點(diǎn)周圍地勢(shì)平坦，沒有高大建筑物，主要開展地面自動(dòng)氣象站觀測(cè)和施放系留汽艇以獲取大氣邊界層氣象廓線數(shù)據(jù)。B觀測(cè)點(diǎn)在山頂與煙囪高度大致相同處建立了自動(dòng)氣象站，在山腰迎風(fēng)面處架設(shè)了環(huán)境空氣質(zhì)量檢測(cè)系統(tǒng)。C觀測(cè)點(diǎn)選在山腰煙氣洄流區(qū)，自動(dòng)氣象站和環(huán)境空氣質(zhì)量檢測(cè)系統(tǒng)安裝在同一位置。2017年秋季后，將C觀測(cè)點(diǎn)的環(huán)境空氣質(zhì)量檢測(cè)系統(tǒng)移至D觀測(cè)點(diǎn)處。

1.2 模式與計(jì)算方案

1.2.1 區(qū)域空氣質(zhì)量模擬系統(tǒng)

為模擬研究區(qū)域點(diǎn)、面源多種污染源在復(fù)雜條件下的協(xié)同影響，采用多尺度區(qū)域空氣質(zhì)量模式系統(tǒng)（RegAQMS）^［28］對(duì)該區(qū)域大氣環(huán)境進(jìn)行模擬。RegAQMS由區(qū)域氣象模式和幾種不同尺度的空氣質(zhì)量模式組成。區(qū)域氣象模式讀取站點(diǎn)氣象觀測(cè)，經(jīng)中尺度準(zhǔn)靜力動(dòng)力學(xué)模式診斷輸出區(qū)域風(fēng)溫場(chǎng)，由基于能量平衡法的邊界層參數(shù)化模式計(jì)算表征大氣擴(kuò)散稀釋能力的湍流特征參數(shù)。RegAQMS的空氣質(zhì)量模擬部分由區(qū)域空氣質(zhì)量模式和幾種不同類型的局地大氣擴(kuò)散模式組成，根據(jù)下墊面狀況的不同，分別耦合了美國環(huán)境保護(hù)局的復(fù)雜地形大氣擴(kuò)散模式CTDMPLUS^［29］、沿海擴(kuò)散模式OCD和改進(jìn)的平坦地形模式HPDM。區(qū)域空氣質(zhì)量模式和局地大氣擴(kuò)散模式采用局部嵌套的方案，具有相同的網(wǎng)格距，實(shí)現(xiàn)不同模式結(jié)果的實(shí)時(shí)嵌套，即每一個(gè)時(shí)步內(nèi)，在污染源下風(fēng)向10 km2范圍內(nèi)先運(yùn)行局地模式，再對(duì)整個(gè)模式域運(yùn)行區(qū)域模式，其中區(qū)域模式的背景濃度場(chǎng)為上一時(shí)步局地與區(qū)域模式的濃度和。幾種局地空氣質(zhì)量模式采用并行處理方案，根據(jù)瞬時(shí)煙流下風(fēng)向地形的起伏，系統(tǒng)分別啟用CTDMPLUS或HPDM模式，如果涉及到沿海熱力內(nèi)邊界層，則啟用OCD模式。局地模式旨在近距離處高分辨率污染物濃度模擬，僅考慮其輸送與擴(kuò)散過程，區(qū)域模式另外還考慮污染物的干濕沉降、化學(xué)轉(zhuǎn)換等過程并對(duì)整個(gè)模擬區(qū)域的多個(gè)污染源的協(xié)同作用進(jìn)行模擬^［30-31］。

1.2.2 計(jì)算方案

試驗(yàn)期間收集到2017年5月26日至2018年5月4日共344日連續(xù)氣象要素，根據(jù)磷化工排放特性，選取了SO₂、NO₂、NH₃、HCL、TSP這5種主要污染物，模擬濃度分別按344×24 h逐時(shí)計(jì)算。氣象場(chǎng)每小時(shí)讀取一次，每日模擬起始時(shí)次為02時(shí)，時(shí)間步長取10 s，對(duì)小時(shí)濃度進(jìn)行24 h平均和時(shí)段平均，得到日均濃度和整個(gè)模擬階段的平均濃度分布。逐時(shí)和逐日計(jì)算結(jié)果按模式域全部網(wǎng)格最大濃度值進(jìn)行排序，取最大小時(shí)或最大日均濃度的序位水平為100%，其余按序位與總數(shù)的比值計(jì)算其濃度序位水平。

模擬區(qū)域水平網(wǎng)格距250 m，格點(diǎn)總數(shù)76×76，垂直方向分為不等間距的12層，模式頂約750 hPa高度層。區(qū)域源排放和模式地形及氣象輸入預(yù)處理如下：

1）排放源

根據(jù)當(dāng)?shù)丨h(huán)保局提供的各磷化工項(xiàng)目環(huán)境影響報(bào)告書，收集其排放裝置、煙氣量、排放高度、排氣溫度以及各種污染物的排放強(qiáng)度等參數(shù)，區(qū)域內(nèi)污染物排放強(qiáng)度大小依次為SO₂>TSP>NO₂>NH₃>HCL，分別占比5種污染物排放總量的51.1%、28.4%、14.8%、5.2%和0.5%，主要由圖1的5個(gè)30～100 m高架煙囪排放，上述點(diǎn)源占總的排放量的96.2%，其余為分散的面源排放。

2）地形預(yù)處理

地形數(shù)據(jù)采用NASA/USGS （http：//www.cgiar-csi.org）提供的SRTM-250 m高程數(shù)據(jù)。CTDMPLUS模式針對(duì)復(fù)雜地形而設(shè)計(jì)，需詳細(xì)描述模式區(qū)域地形，盡可能標(biāo)出影響污染擴(kuò)散的每一個(gè)山體，山體的形狀以水平方向呈橢圓和垂直方向的高斯分布來表示^［32］。本研究對(duì)源區(qū)周邊9個(gè)山體（圖1中數(shù)字標(biāo)號(hào)）分別沿各等高線進(jìn)行了矢量化處理，生成模式所需的橢圓參數(shù)文件。以10 km為最大范圍，確定距離山體最近且海拔高于煙囪底座的網(wǎng)格點(diǎn)為受該山體影響的接受點(diǎn)，統(tǒng)計(jì)接受點(diǎn)的坐標(biāo)和距離，并對(duì)接受點(diǎn)周圍4個(gè)格點(diǎn)的海拔高度進(jìn)行平均，生成調(diào)整后的高程數(shù)據(jù)文件和接受點(diǎn)信息文件。

3）氣象數(shù)據(jù)預(yù)處理

模擬系統(tǒng)需要輸入的氣象要素，包括站點(diǎn)風(fēng)向、風(fēng)速、溫度、降水和云量等小時(shí)數(shù)據(jù)。研究區(qū)域除了新建的3個(gè)自動(dòng)氣象站外，還有一個(gè)鄰近的原有國家氣象觀測(cè)站。除了云量，其余的要素均能滿足輸入要求，通過歐洲中期天氣預(yù)報(bào)中心下載了ERA5氣候再分析數(shù)據(jù)集的逐小時(shí)云量。小時(shí)氣象數(shù)據(jù)經(jīng)整理校正后輸入RegAQMS的區(qū)域氣象模式，進(jìn)行空間距離平方反比權(quán)重內(nèi)插和滿足質(zhì)量守恒約束的地形動(dòng)力學(xué)、地形熱力學(xué)調(diào)整，生成模擬區(qū)域逐時(shí)三維格點(diǎn)風(fēng)溫場(chǎng)和二維表征湍流、大氣穩(wěn)定度等特性的邊界層特征參數(shù)場(chǎng)。

2 結(jié)果分析

2.1 短期平均濃度模擬與分析

RegAQMS區(qū)域空氣質(zhì)量模式輸出各層格點(diǎn)上的5種污染物小時(shí)濃度，取近地面10 m層濃度值進(jìn)行分析。以SO₂為例，對(duì)照GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》^［33］中二級(jí)標(biāo)準(zhǔn)小時(shí)最大SO₂濃度500 μg/m3，模擬的SO₂地面小時(shí)最大濃度沒有超過標(biāo)準(zhǔn)濃度，其間最大的小時(shí)濃度為473.0 μg/m3，出現(xiàn)在2017年8月10日16時(shí)（圖2（a）），占標(biāo)準(zhǔn)份額的94.6%，但極端的濃度高值區(qū)即黑色標(biāo)示的區(qū)域（≥200 μg/m3）僅局限在源區(qū)個(gè)別格點(diǎn)，紅色標(biāo)示的濃度高值區(qū)（100～200 μg/m3）位于源區(qū)和下風(fēng)向的2 km范圍內(nèi)。

模擬的SO₂小時(shí)濃度分布主要呈現(xiàn)白天（07：00—18：00）中性至不穩(wěn)定和夜間（19：00—06：00）穩(wěn)定條件2種分布形態(tài)。白天條件下濃度分布傾向于規(guī)則的高斯形態(tài)，小時(shí)濃度大值區(qū)（黃色區(qū)以上）分布較廣，但極高值濃度局限在源區(qū)附近，影響較小。夜間條件下濃度分布受地形的影響較大，圍繞山體呈不規(guī)則形態(tài)，夜間SO₂最大小時(shí)濃度為235.8 μg/m3，占標(biāo)準(zhǔn)份額的47.2%，出現(xiàn)在2017年6月2日04時(shí)（圖3（a）），濃度高值區(qū)分布于接近源區(qū)的山體1上，濃度高值區(qū)面積較大。

圖2（b）、圖3（b）展示了對(duì)應(yīng)時(shí)次的近地層10 m風(fēng)場(chǎng)。2個(gè)時(shí)次模式域大部分地區(qū)地面風(fēng)速均較小，受南部幾條縱向山脈和中東部山體3、山體4的影響，南部山谷來向風(fēng)在到達(dá)中部開闊源區(qū)后轉(zhuǎn)為東南風(fēng)，并且風(fēng)速逐漸減小，源區(qū)下風(fēng)向山體1加強(qiáng)了氣流阻滯作用。除了系統(tǒng)性的風(fēng)場(chǎng)，圍繞著各山體也出現(xiàn)一些輻合輻散中心，山頂?shù)臍饬飨鲁敛⒀刂絼?shì)形成擾流和洄流。表現(xiàn)在濃度場(chǎng)上，污染物濃度高值主要分布在山體1，較大值也出現(xiàn)在一些擾流和洄流區(qū)。

模式中排放量最大的煙流高度處主要?dú)庀蠛屯牧魈卣鲄?shù)見表1。2個(gè)最大濃度時(shí)次煙流排放高度處均為東南風(fēng)，在下風(fēng)向的西北面，與源區(qū)接近的山體1對(duì)污染物濃度分布造成了較大的影響。山體1最高海拔約1 150 m，略高于污染源主煙囪出口海拔高度1 099 m。白天最大濃度時(shí)次大氣弱不穩(wěn)定、中等風(fēng)速、對(duì)流和熱力湍流發(fā)展，混合層高度約700 m，煙氣在地面和混合層與空氣劇烈混合，在離源近距離處，相當(dāng)數(shù)量的排放物質(zhì)被下沉氣流帶到地面造成高值濃度，山體1的地形一定程度上引起的扭曲流場(chǎng)，加重了排放物的聚集。夜間最大濃度時(shí)次源區(qū)風(fēng)速較小，大氣穩(wěn)定，對(duì)流和湍流受到抑制，混合層高度約60 m，煙流全部穿透，在混合層上穩(wěn)定的大氣中平直輸送，直至遇到山體1，在地形阻擋和山頂?shù)南鲁翚饬饔绊懴?，排放的煙流大部分聚集在山體1，僅小部分煙流越過或繞過山體。

局地空氣質(zhì)量模式在近距離對(duì)污染物的輸送與擴(kuò)散模擬精度較高，但采用了均勻、定常假定，當(dāng)模擬尺度更大，或時(shí)間尺度達(dá)到1 h以上時(shí)，如日平均濃度的模擬，氣象場(chǎng)在空間和時(shí)間上的均勻定常假定就很難成立。RegAQMS采用了局地模式與區(qū)域模式相嵌套的方式，可以考慮區(qū)域較長時(shí)間尺度擴(kuò)散條件的變化以及干濕沉降等過程。

對(duì)照GB 3095—2012二級(jí)標(biāo)準(zhǔn)日均最大SO₂濃度150 μg/m3，研究區(qū)域未出現(xiàn)日均濃度超標(biāo)日。其間最大的近地面層SO₂日均濃度為87.7 μg/m3，出現(xiàn)在2017年10月18日（圖4（a）），占標(biāo)準(zhǔn)份額的58.5%，濃度高值區(qū)（≥45 μg/m3）集中在源區(qū)附近的山體1。圖4（b）顯示了夏季大氣邊界層探測(cè)期間2017年8月26日的日均濃度分布，其最大值為65.0 μg/m3，占標(biāo)準(zhǔn)份額的43.3%，在模擬時(shí)段日均濃度序位水平為57.4%，污染程度中等，濃度高值區(qū)也位于山體1和部分源區(qū)。

污染物濃度的擴(kuò)散受地形、風(fēng)場(chǎng)和湍流等因子共同影響^［34］。圖4紅色區(qū)域高值日均濃度是多時(shí)次高值濃度疊加的結(jié)果，從模擬的2017年10月18日煙流高度氣象和湍流特征參數(shù)分析（表1，僅列出每隔3 h的代表性時(shí)次）。當(dāng)日全部時(shí)次風(fēng)速均較小，變動(dòng)范圍在0.8～2.1 m/s，風(fēng)向較為一致，呈東風(fēng)至東南風(fēng)，風(fēng)向角度在71°～156°。夜間時(shí)次大氣穩(wěn)定，熱力湍流和機(jī)械湍流受到抑制，混合層高度低，煙氣部分或全部穿透。白天時(shí)次大氣中性至弱不穩(wěn)定，湍流得到一定程度的發(fā)展，但對(duì)流發(fā)展較弱，混合層高度在570～770 m，煙氣在混合層內(nèi)輸送，無論是東風(fēng)或東南風(fēng)，均使得污染物聚集在下風(fēng)方的山體1附近，低風(fēng)速進(jìn)一步增強(qiáng)了地形的阻塞作用，形成較高日均濃度值。

圖5顯示了觀測(cè)的2017年8月26日02時(shí)—23時(shí)的溫度、風(fēng)速和風(fēng)向垂直廓線分布。當(dāng)日02時(shí)—05時(shí)近地面出現(xiàn)逆溫，逆溫頂層約為200 m，日出后08時(shí)近地面溫度開始升高，逆溫底層破壞，100 m以上仍然維持夜間的穩(wěn)定大氣邊界層，隨高度呈現(xiàn)多層逆溫。午后大氣溫度達(dá)到最大，14時(shí)與17時(shí)溫度差異較小，溫度隨高度的增高而降低，20時(shí)地面溫度迅速降低，出現(xiàn)貼地逆溫，23時(shí)貼地逆溫繼續(xù)維持。8月26日風(fēng)速整體比較穩(wěn)定，除傍晚時(shí)次外，風(fēng)速較小，0～200 m風(fēng)速隨高度的增加而增加，200 m以上變化較小。風(fēng)向以東南風(fēng)和南風(fēng)為主，400 m以內(nèi)大部分時(shí)次為東南風(fēng)，05和08時(shí)存在明顯的風(fēng)向切變，400 m以上轉(zhuǎn)為南風(fēng)，風(fēng)向變化平穩(wěn)?？偟膩碚f，當(dāng)日溫度、風(fēng)速、風(fēng)向均呈現(xiàn)出近地面變動(dòng)的特點(diǎn)，受高層背景環(huán)流的影響較小，污染物受地形約束，表現(xiàn)出局地?cái)U(kuò)散特征。

2.2 長期平均濃度與影響因子

對(duì)照二級(jí)標(biāo)準(zhǔn)年均最大SO₂濃度60 μg/m3，該區(qū)域總時(shí)段SO₂地面平均濃度均未超過年均濃度標(biāo)準(zhǔn)，其濃度最大值為52.6 μg/m3，占年平均濃度標(biāo)準(zhǔn)份額的87.7%，總時(shí)段整個(gè)網(wǎng)格的平均濃度為12.1 μg/m3。

總的時(shí)段內(nèi)，與主煙囪相當(dāng)高度的B點(diǎn)自動(dòng)站除靜風(fēng)（≤0.2 m/s）占12.9%外，東風(fēng)至東南風(fēng)（90°～165°）頻率達(dá)61.8%（圖6（b））。與B點(diǎn)主導(dǎo)風(fēng)向分布一致，圖6（a）濃度高值區(qū)即紅色顯示的區(qū)域（≥26 μg/m3）面積約3.625 km2，位于下風(fēng)向的山體1?？偟臅r(shí)段B點(diǎn)的靜小風(fēng)頻率出現(xiàn)較高，≤2 m/s的風(fēng)速達(dá)43.1%，有利于污染物的累積。由此可見，雖然污染源排放量并不很大，短期濃度占比標(biāo)準(zhǔn)份額尚有較大盈余，但是在山區(qū)復(fù)雜地形和特殊氣象條件下，污染物在敏感的下風(fēng)向長期疊加，也會(huì)造成占比標(biāo)準(zhǔn)份額較高的長期平均濃度。

從研究區(qū)域224次溫度探測(cè)廓線對(duì)觀測(cè)出現(xiàn)的逆溫次數(shù)及平均逆溫層厚度和高度進(jìn)行分析（表2），存在逆溫層的時(shí)次為142次，占63.4%，其中78個(gè)時(shí)次存在2層以上逆溫層。逆溫層厚度在0～220 m，平均厚度為43.5 m，逆溫強(qiáng)度最大為4.7 K/km。逆溫層頂高度大多在100～700 m，其中貼地逆溫較強(qiáng)且主要集中在夜間，存在次數(shù)占27.2%。春夏季貼地逆溫出現(xiàn)頻率較大，秋冬季較少，這與其他山谷盆地常出現(xiàn)的冬季貼地逆溫特征存在差異^［35-36］，冬季研究區(qū)域近地面輻射冷卻效應(yīng)和山谷風(fēng)下泄流發(fā)展并不充分，逆溫層主要出現(xiàn)在云底。逆溫阻礙污染物的向上輸送，使其聚集在較低逆溫層內(nèi)。研究區(qū)域較高的逆溫和貼地逆溫出現(xiàn)頻率，也是造成占比標(biāo)準(zhǔn)份額較高的長期平均濃度的原因。

3 模擬與觀測(cè)濃度的對(duì)比

2017年4月至2018年3月，在研究區(qū)域開展了5次環(huán)境空氣質(zhì)量監(jiān)測(cè)，每次連續(xù)監(jiān)測(cè)7 d，根據(jù)觀測(cè)的盛行風(fēng)、區(qū)域地形和環(huán)境敏感點(diǎn)分布，設(shè)置并調(diào)整環(huán)境空氣監(jiān)測(cè)點(diǎn)B、C、D（圖1），每次監(jiān)測(cè)部署在其中的2個(gè)點(diǎn)。監(jiān)測(cè)項(xiàng)目包括PM₁₀、PM_2.5、TSP、SO₂、NO₂、NH₃、HCL，小時(shí)濃度每次采樣60 min，每天監(jiān)測(cè)4次，時(shí)間為02：00—03：00、08：00—09：00、14：00—15：00、20：00—21：00，日均濃度連續(xù)采樣20 h以上。2018年1月受凝凍影響，顆粒物采樣器凍結(jié)，冬季時(shí)段只取得3 d氣體污染物的有效樣本。

2017年4月16—23日空氣質(zhì)量監(jiān)測(cè)期間，從4月19日起磷化工廠開始停產(chǎn)，因此4月19—23日的測(cè)量值可認(rèn)為是該區(qū)域的背景濃度值，SO₂的背景濃度保守估計(jì)為10 μg/m3，上述模擬值均加上了背景濃度值。2017年8月恢復(fù)生產(chǎn)以后同步開展的大氣質(zhì)量現(xiàn)狀監(jiān)測(cè)數(shù)據(jù)用于驗(yàn)證模式結(jié)果，B站點(diǎn)取得了全部96個(gè)觀測(cè)與模擬值對(duì)，C站點(diǎn)28個(gè)，D站點(diǎn)68個(gè)，如圖7所示。

由圖7可見：SO₂的小時(shí)濃度觀測(cè)值總體變化不大，變動(dòng)范圍在10～52 μg/m3；RegAQMS模式基本捕捉到了觀測(cè)的濃度變化，模擬值與觀測(cè)值的皮爾遜相關(guān)系數(shù)為0.47，但整體有所高估，尤其是在中等和高值濃度情況下。如位于山體1高值濃度區(qū)的D點(diǎn)，模擬值起伏較大、存在較多數(shù)倍于觀測(cè)值的峰值濃度。盡管如此，D點(diǎn)的模擬值和觀測(cè)值相關(guān)性仍較大，其皮爾遜相關(guān)系數(shù)達(dá)0.45。B點(diǎn)位于山體1模擬的高值濃度區(qū)邊緣部分，模擬值略高于觀測(cè)值。C點(diǎn)遠(yuǎn)離高值濃度區(qū)，模擬值和觀測(cè)值相當(dāng)。由于風(fēng)向模擬的偏差，3個(gè)站點(diǎn)均存在部分時(shí)次對(duì)觀測(cè)值的較大低估，表現(xiàn)為圖中聚集在橫軸與背景濃度相當(dāng)?shù)哪M值。

站點(diǎn)模擬值和觀測(cè)值的部分不一致很大程度上來源于采樣時(shí)間的不同，觀測(cè)值小時(shí)濃度采樣60 min，代表了小時(shí)內(nèi)的平均濃度；而模擬值采用正點(diǎn)時(shí)刻氣象要素（如正點(diǎn)時(shí)刻氣溫，2 min平均風(fēng)向、風(fēng)速等）模擬小時(shí)濃度，難以真正代表整個(gè)小時(shí)的平均濃度，特別在小時(shí)內(nèi)風(fēng)向角度變動(dòng)較大的情況下。另外，該園區(qū)經(jīng)常性的臨時(shí)停產(chǎn)和生產(chǎn)流程部分關(guān)停而引起的源排放的變動(dòng)，也是造成部分模擬值和觀測(cè)值不一致的重要原因。

除此之外，研究區(qū)域出現(xiàn)頻率較高的靜小風(fēng)，也是對(duì)現(xiàn)有的模擬框架的挑戰(zhàn)。模擬的高污染物濃度通常與小風(fēng)速相聯(lián)系，如圖7中≥50 μg/m3的21個(gè)模擬值對(duì)應(yīng)的平均風(fēng)速僅為0.77 m/s，其中19個(gè)值的風(fēng)速≤1.30 m/s；而小風(fēng)條件下污染物的擴(kuò)散由迂曲運(yùn)動(dòng)支配，表現(xiàn)為煙羽的水平慢擺，使得模式中以平均風(fēng)向定義的煙流軸線存在較大的不確定性。過去的一些研究也表明，小風(fēng)條件下由于迂曲運(yùn)動(dòng)，煙羽擴(kuò)散角度更大，觀測(cè)的地面濃度常常遠(yuǎn)低于模式預(yù)報(bào)^［37-38］。

4 討論與結(jié)論

1）山區(qū)復(fù)雜條件下，氣象和湍流場(chǎng)受局地地形影響較大，通過現(xiàn)場(chǎng)氣象觀測(cè)與大氣擴(kuò)散模擬技術(shù)相結(jié)合，來評(píng)估廠區(qū)建成后的污染狀況十分重要。通過與觀測(cè)濃度進(jìn)行對(duì)比，區(qū)域空氣質(zhì)量模擬系統(tǒng)RegAQMS能較好地描述研究區(qū)域污染物的實(shí)際分布，模擬的小時(shí)濃度與觀測(cè)值相關(guān)達(dá)0.47，表明采用實(shí)際的觀測(cè)通過模式的擬合輸出診斷風(fēng)場(chǎng)，再結(jié)合區(qū)域與局地高分辨率空氣質(zhì)量模式的嵌套模擬方案，在處理山區(qū)大氣污染的近距離擴(kuò)散問題上是可行的。

2）研究區(qū)域小時(shí)和日均濃度均未超過國家相關(guān)標(biāo)準(zhǔn)且有較大盈余，但主要污染物長期平均濃度較高，聚集在敏感的下風(fēng)向源區(qū)附近山體，造成占比標(biāo)準(zhǔn)份額87.7%的較高長期平均濃度。

3）研究區(qū)域偏東和東南風(fēng)的極高出現(xiàn)頻率61.8%，較低的風(fēng)速（靜小風(fēng)頻率43.1%），離源近距離處敏感的下風(fēng)向有相當(dāng)高度山體的阻擋，穩(wěn)定層結(jié)（逆溫和貼地逆溫出現(xiàn)頻率63.4%、27.2%）等因素導(dǎo)致長期高值平均濃度。

4）從小時(shí)濃度模擬值與觀測(cè)值的對(duì)比情況看：統(tǒng)一模式與觀測(cè)的采樣時(shí)間，采用更小時(shí)間尺度的氣象觀測(cè)（如分鐘數(shù)據(jù)）進(jìn)行模擬以及摸清源排放的規(guī)律等，是進(jìn)一步改善模擬效果的方向。另外，通過開展示蹤試驗(yàn)和湍流擴(kuò)散試驗(yàn)來正確描述煙羽的水平慢擺和橫向擴(kuò)散，也有助于減小平均風(fēng)向的定義和擴(kuò)散強(qiáng)度估計(jì)的不確定性，從而促進(jìn)模式在小風(fēng)條件下的模擬性能。盡管如此，該研究模擬的長期平均濃度對(duì)于揭示潛在的高污染風(fēng)險(xiǎn)區(qū)的范圍和程度還是具有一定的參考意義，能為分階段移民搬遷提供依據(jù)。

參考文獻(xiàn)：

[1]GIOVANNINI L， FERRERO E， KARL T， et al. Atmospheric pollutant dispersion over complex terrain： challenges and needs for improving air quality measurements and modeling［J］. Atmosphere， 2020， 11（6）： 646.

［2］ 胡二邦， 辛存田， 閆江雨， 等. 福建惠安核電廠址大氣擴(kuò)散野外示蹤試驗(yàn)研究［J］. 中國核科技報(bào)告， 2003（4）： 196-235.

［3］ 趙丹， 陳義珍， 柴發(fā)合， 等. 煙塔合一排放的SF6示蹤擴(kuò)散試驗(yàn)［J］. 環(huán)境科學(xué)研究， 2010， 23（5）： 548-554.

［4］ MICHIOKA T， SATO A， SADA K. Wind-tunnel experiments for gas dispersion in an atmospheric boundary layer with large-scale turbulent motion［J］. Boundary-Layer Meteorology， 2011， 141（1）： 35-51.

［5］ 范海民， 馬元巍， 張繼革， 等. 核事故大氣擴(kuò)散的多風(fēng)扇風(fēng)洞設(shè)計(jì)及實(shí)驗(yàn)驗(yàn)證［J］. 原子能科學(xué)技術(shù)， 2018， 52（1）： 168-174.

［6］ 朱好， 蔡旭暉， 張宏升， 等. 內(nèi)陸丘陵河谷地區(qū)小風(fēng)條件下的大氣擴(kuò)散模擬研究［J］. 環(huán)境科學(xué)學(xué)報(bào)， 2011， 31（3）： 613-623.

［7］ 金祺， 銀燕， 譚穩(wěn). 黃山地區(qū)復(fù)雜地形下污染氣體輸送過程的數(shù)值模擬［J］. 大氣科學(xué)學(xué)報(bào)， 2012， 35（6）： 680-688.

［8］ BALANZINO A， TRINI CASTELLI S. Numerical experiments with RAMS model in highly complex terrain［J］. Environmental Fluid Mechanics， 2018， 18： 357-381.

［9］ MATTHEW O J， IGBAYO A N， OLISE F S， et al. Simulation of point source pollutant dispersion pattern： an investigation of effects of prevailing local weather conditions［J］. Earth Systems and Environment， 2019， 3（12）： 215-230.

［10］康凌， 蔡旭暉， 王志遠(yuǎn)， 等. 福建漳州沿海大氣擴(kuò)散特性的數(shù)值分析與模擬［J］. 北京大學(xué)學(xué)報(bào)（自然科學(xué)版） ， 2011， 47（1）： 71-78.

［11］王博. 核電廠野外示蹤試驗(yàn)的三維數(shù)值模擬研究［J］. 中國環(huán)境科學(xué)， 2016， 36（10）： 2950-2956.

［12］DIMOZ H， GOBBI G P， MAGRI T， et al. Transport of Po Valley aerosol pollution to the northwestern Alps-Part 2： long-term impact on air quality［J］. Atmospheric Chemistry and Physics， 2019， 19： 10129-10160.

［13］FALOCCHI M， TIRLER W， GIOVANNINI L， et al. A dataset of tracer concentrations and meteorological observations from the bolzano tracer experiment （BTEX） to characterize pollutant dispersion processes in an Alpine valley［J］. Earth System Science Data， 2020， 12： 277-291.

［14］TOMASI E， FERRERO E， GIOVANNINI L， et al. Turbulence parameterizations for dispersion in sub-kilometer horizontally non-homogeneous flows［J］. Atmospheric Research， 2019， 228： 122-136.

［15］SERAFIN S， ROTACH M W， ARPAGAUS M， et al. Multi-scale transport and exchange processes in the atmosphere over mountains［M］. Innsbruck： Innsbruck University Press， 2020： 42.

［16］FERNANDO H J S， PARDYJAK E， DI SABATINO S， et al. The MATERHORN： unraveling the intricacies of mountain weather［J］. Bulletin of the American Meteorological Society， 2015， 96（11）： 1945-1967.

［17］LEHNER M， WHITEMAN C D， HOCH S W， et al. The metcrax II experiment： a study of downslope windstorm-type flows in Arizonas meteor crater［J］. Bulletin of the American Meteorological Society， 2016， 97（2）： 217-235.

［18］趙平， 李躍清， 郭學(xué)良， 等. 青藏高原地氣耦合系統(tǒng)及其天氣氣候效應(yīng)： 第三次青藏高原大氣科學(xué)試驗(yàn)［J］. 氣象學(xué)報(bào)， 2018， 76（6）： 833-860.

［19］楊榮， 戴家佳. 基于函數(shù)型數(shù)據(jù)的氣溫與空氣質(zhì)量的相關(guān)性分析［J］. 貴州大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2020， 37（3）： 111-118.

［20］田越， 苗峻峰. 中國地區(qū)山谷風(fēng)研究進(jìn)展［J］. 氣象科技， 2019， 47（1）： 41-51.

［21］吳亞平， 張琦， 王炳赟， 等. 四川雅安三種主要大氣污染物濃度與氣象條件的關(guān)系及其預(yù)測(cè)研究［J］. 高原氣象， 2020， 39（4）： 889-898.

［22］徐鵬， 朱正， 徐珊珊， 等. 基于交通形態(tài)的城市商業(yè)區(qū)車輛PM_2.5排放模型研究［J］. 貴州大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017， 34（4）： 109-114.

［23］王珊， 廖婷婷， 王莉莉， 等. 西安一次霾重污染過程大氣環(huán)境特征及氣象條件影響分析［J］. 環(huán)境科學(xué)學(xué)報(bào)， 2015， 35（11）： 3452-3462.

［24］吳珂， 包云軒， 蔡敏， 等. 蘇州市一次重霾污染天氣過程的數(shù)值模擬［J］. 氣象科學(xué)， 2019， 39（1）： 104-116.

［25］王康宏， 倪婷. 2016年冬季安徽壽縣地區(qū)兩次重污染過程分析研究［J］. 大氣科學(xué)學(xué)報(bào)， 2019， 42（6）： 944-952.

［26］CONNAN O， SMITH K， ORGANO C， et al. Comparison of RIMPUFF， HYSPLIT， ADMS atmospheric dispersion model outputs， using emergency response procedures， with 85Kr measurements made in the vicinity of nuclear reprocessing plant［J］. Journal of Environmental Radioactivity， 2013， 124： 266-277.

［27］LIU Y， LI H， SUN S D， et al. Enhanced air dispersion modelling at a typical Chinese nuclear power plant site： coupling RIMPUFF with two advanced diagnostic wind models［J］. Journal of Environmental Radioactivity， 2017， 175/176： 94-104.

［28］王體健， 李樹， 莊炳亮， 等. 區(qū)域大氣環(huán)境-化學(xué)-氣候模擬［M］. 北京： 氣象出版社， 2017： 226-263.

［29］PERRY S G. CTDMPLUS： a dispersion model for sources near complex topography. Part Ⅰ. technical formulations［J］. Journal of Applied Meteorology， 1992， 31（7）： 633-645.

［30］劉麗， 王體健， 蔣自強(qiáng)， 等. 東南沿海生物氣溶膠的擴(kuò)散模擬研究［J］. 環(huán)境科學(xué)學(xué)報(bào)， 2012， 32（11）： 2670-2683.

［31］劉麗， 王體健， 王勤耕. 區(qū)域復(fù)雜地形大氣污染擴(kuò)散的模擬研究［J］. 高原氣象， 2008， 27（5）： 1074-1082.

［32］MILLS M T， PAINE R J， LNSLEY E M， et al. Complex terrain dispersion model （CTDM） preprocessor system-user guide and program descriptions： EPA/600888003［R］. USA： Department of Commerce， National Technical Information Service， 1989： 1-180.

［33］環(huán)境保護(hù)部. 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)： GB 3095—2012［S］. 北京： 中國環(huán)境科學(xué)出版社， 2012.

［34］RAKESH P T， VENKATESAN R， ROUBIN P， et al. Formulation of turbulence diffusion relationships under stable atmospheric conditions and its effect on pollution dispersion［J］. Meteorology and Atmospheric Physics， 2020， 132（4）： 1-16.

［35］CONANGLA L， CUXART J， JIMNEZ M A， et al. Cold-air pool evolution in a wide Pyrenean valley［J］. International Journal of Climatology， 2018， 38： 2852-2865.

［36］QUIMBAYO-DUARTE J A， STAQUET C， CHEMEL C， et al. Dispersion of tracers in the stable atmosphere of a valley opening on a plain［J］. Boundary-Layer Meteorology， 2019， 172： 291-315.

［37］LUHAR A K， HURLEY P J. Application of a coupled prognostic model to turbulence and dispersion in light-wind stable conditions， with an analytical correction to vertically resolve concentrations near the surface［J］. Atmospheric Environment， 2012， 5： 56-66.

［38］MORTARINI L， STEFANELLO M， DEGRAZIA G， et al. Characterization of wind meandering in low-wind speed conditions［J］. Boundary-Layer Meteorology， 2016， 161： 165-182.

（責(zé)任編輯：周曉南）

On-site Observation and Modelling Evaluation of Air pollutant Dispersion over Mountainous Area in Southwestern China

LIU Qing1， LIU Li^*2， YANG Fuyan3， GAO Peng3， LIAO Yao2， WU Youheng3

（1.Guizhou Climate Center， Guiyang 550002， China; 2.Guizhou Ecometeorology and Satellite Remote Sensing Center， Guiyang 550002， China; 3.Guizhou Key Laboratory of Mountainous Climate and Resources， Guiyang 550002， China）

Abstract： Atmospheric dispersion of air pollution on mountainous area was studied with numerical simulation method combined with meteorological observations on site. In the case of a phoschemical industrial park in the southwestern mountains of China， three-dimensional meteorological elements and turbulent parameters at atmospheric boundary layer and further air pollutant concentrations in this area were simulated with the Regional Air Quality Model System （RegAQMS）， in which a high-resolution local model suitable for mountainous area was nested in a regional dispersion model. The diffusion characteristics of air pollutants over this mountainous topography were then summarized by diagnostic analysis on key factors influencing its distribution. The results show that hourly and daily average concentration of major pollutants， such as SO₂， are well within the Class 2 of the National Ambient Air Quality Standard， while the long-term average concentration presents quite high around a hill near the industrial park and at a ratio of 87.7% to Class 2 limit value. The east and southeast winds at a high frequency of 61.8%， low wind speeds （≤ 2 m/s） occurring with 43.1% in all hours， blocking terrain in the sensitive leeward near the source， and stable atmospheric conditions （63.4% frequent inversion layers especially ground inversions of 27.2%） are the main reasons of high concentration over long period of time. By comparing the results with the observed concentrations， RegAQMS is proved to well describe the actual distribution of pollutants in this area. The Pearson correlation of hourly concentration is 0.47， although overall the model overestimates observations. Some inconsistencies between simulated and observed concentrations may result from different sampling time， variation of emission sources， and uncertainties in the definition of mean wind direction and estimation of dispersion intensity under low wind conditions.

Key words： air pollution; dispersion simulation; meteorological observations; mountains