-
《环境影响评价技术导则 大气环境:HJ 2.2—2018》(以下简称“导则”)[1]要求AERMOD、ADMS等模型的地面气象数据选择距离项目最近或气象特征基本一致的气象站逐时地面气象数据。在导则推荐的AERMOD模式中,AERMET气象预处理程序对于不稳定大气的模拟需要计算显热通量,而显热通量是由净辐射量和地表波文率确定,其中,净辐射量通常是由气温、云量、地表波文率和地表正午反射率共同求得。可见,云量观测资料在大气预测模式中不可缺少[2-3]。
根据《中国气象局综合观测司关于做好全国地面气象观测业务调整工作的通知》(气测函〔2013〕321号)精神制定的《地面气象观测业务调整技术规定》中规定[4]:自2014年1月1日起,全国基准站、基本站保留云量、云高观测,取消云状观测;云高记录前不再加计云状;一般站取消全部云的观测。我国基准站之间相隔较远,平原地区相距300~400 km,丘陵、山区、沿海和海岛相距100~300 km,在我国西部地区,气象观测站点分布更为稀疏,云量数据更加难以获取,且距离项目位置较远[5]。可见,地面气象观测业务的调整使得一般站云量这一关键气象参数缺失,对环评工作影响较大。
目前,我国云量观测资料的获取主要有以下2种途径:①利用基准站、基本站的人工观测资料;②利用卫星遥感技术,即利用总云量估算算法进行云量反演。以不同云量数据为研究对象,结合导则推荐的AERMOD模式,以某固定点源为例,选用相关系数r、符合度指数d作为检验各方案替代标准情景进行污染物地面质量浓度预测的可行性指标,以期为使用替代云量数据进行污染源大气扩散预测提供技术依据[6]。
云量数据对点源污染物大气扩散预测结果的影响分析
Influence Analysis of Cloud Cover Information on the Atmospheric Diffusion Predictions of Point Source Pollutants
-
摘要: 以距离污染源38.3 km的基本站地面气象观测资料作为标准情景,对比了卫星反演总云量方案和距污染源53.46 km的基准站云量方案2种方案情景,研究使用替代云量数据进行污染源大气扩散预测的可行性。研究发现,距离污染源53.46 km的基准站云量方案与标准情景的相关性和符合度优于卫星反演总云量方案,原因在于低云量是影响地面接收太阳辐射的关键性参数,不稳定条件下影响总入射太阳辐射、净辐射等边界层参数的估算结果,稳定条件下影响温度尺度、地表摩擦速度等边界层参数估算结果。卫星反演只能得到总云量数据,同时数据反演过程中存在算法精度的影响,导致卫星反演云量数据预测结果的相关性和符合度较差。Abstract: Taking the ground meteorological observation data from the basic station as the standard values, which was 38.3 km away from the pollution source, the total cloud cover retrieved by satellite were compared with the cloud cover from the base station 53.46 km away from the pollution source. Accordingly, the feasibility to predict the atmospheric diffusion of pollution source by using alternative cloud cover data was studied. The results showed that cloud cover from station 53.46 km away had a better correlation and consistence with that from the standard station, compared with the total cloud cover retrieved by satellite. The reason was that the low cloud cover was the key parameter affecting the surface receiving solar radiation, which could affect the estimation results of boundary layer parameters such as total incoming solar radiation and net radiation under unstable conditions, and boundary layer parameters such as temperature scale and surface friction velocity under stable conditions. Satellite retrieval only got the total cloud cover data, and there was the influence of algorithm accuracy in the process of data inversion, which led to the poor correlation and consistency of the prediction results of satellite retrieval cloud cover data.
-
表 1 大气污染点源排放参数及标准值
污染源类型 污染物 污染物排放速率/kg·h−1 烟囱高度/m 烟囱内径/m 出口流速/m3·h−1 出口温度/K 标准值/mg·m−3 点源 SO2 17.18 60 1 22 000 353.15 0.5 表 2 标准情景与各对比方案SO2预测浓度的结果误差比较
方案 浓度值 最大误差/mg·m−3 最大相对误差 相关系数r MSE d 方案1 小时平均浓度 0.005 5 18.91 0.996 7.77E-6 0.979 211 日均浓度 0.002 2 134.00 0.985 1.22E-06 0.918 425 年均浓度 0.000 44 231.25 0.821 5.37E-08 0.948 155 方案2 小时平均浓度 −0.002 46 13.74 0.994 9.44E-07 0.997 021 日均浓度 0.000 14 2.15 1.000 2.57E-09 0.999 764 年均浓度 0.000 03 8.70 1.000 4.75E-10 0.999 428 -
[1] 国家环境保护部. 环境影响评价技术导则大气环境: HJ 2.2-2018[S/OL]. (2016-05-22)[2019-05-10].http://www.mee.gov.cn/gzfw_13107/kjbz/hjyxpjbz/hjyxpjjsdz/201605/t20160522_342884.shtml. [2] 孙雪. 大气环境影响预测模式中参数的敏感性分析[D]. 哈尔滨: 东北林业大学, 2009. [3] 姚小英, 蒲金涌, 尤志刚, 等. 近60a天水市云量变化特征及与其它气候因子的关系[J]. 干旱气象, 2010, 28(4): 391 − 395. doi: 10.3969/j.issn.1006-7639.2010.04.003 [4] 孙卓, 李颜彪, 陈洪利, 等. 适用于地面观测新规的供电网络设计技巧[J]. 甘肃农业, 2014 (14): 39-40. [5] 王宗海, 陆剑红, 刘晋生. 目测云的几点认识[J]. 气象, 2003, 29(2): 56 − 57. doi: 10.3969/j.issn.1000-0526.2003.02.015 [6] 师莉红. 大气环境影响评价中常规气象观测资料调查与分析[C].//中国气象学会. 第 27届中国气象学会年会论文集. 2010: 1 − 4. [7] 中国气象局. 地面气象观测资料质量控制: QX/T118—2010[S]. 2010. [8] 赵天保, 符淙斌, 柯宗建, 等. 全球大气再分析资料的研究现状与进展[J]. 地球科学进展, 2010, 25(3): 241 − 254. [9] 王海超, 焦文玲, 邹平华. AERMOD 大气扩散模型研究综述[J]. 环境科学与技术, 2010, 33(11): 115 − 119. [10] 张威, 郭玉刚, 王建中, 等. AERMOD 模型在大气环境影响评价点源预测中的应用研究-某城市集中供热点源预测为例[J]. 北方环境, 2010, 22(3): 23 − 27. [11] 张旭. AERMOD 模式在大气环境影响评价中的规范使用 [D]. 兰州: 兰州大学, 2010. [12] 国家环境保护部, 国家质量监督检验检疫总局. 环境空气质量标准: GB 3095-2012 [S/OL]. (2012-04-10)[2019-05-10]. http://kjs.mee.gov.cn/hjbhbz/bzwb/dqhjbh/dqhjzlbz/201203/W020120410330232398521.pdf. [13] 孟宪林, 国世友. NCEP 再分析资料在大气环境预测中的应用[J]. 哈尔滨工业大学学报, 2013, 45(8): 61 − 65. doi: 10.11918/j.issn.0367-6234.2013.08.009 [14] 杨景朝, 马振峰, 伯鑫, 等. 地面气象观测资料在空气法规模型的标准化研究[J]. 中国环境科学, 2015, 35(10): 2950 − 2957. doi: 10.3969/j.issn.1000-6923.2015.10.009 [15] 国世友. 基于AERMOD模式不同气象情景下SO2地面浓度的预测研究[D]. 哈尔滨: 哈尔滨工业大学, 2011. [16] 张文斌, 春伟. SPSS统计分析基础教程[M]. 2版. 北京: 高等教育出版社, 2011. [17] 张智锋, 刘雪锦, 贾佳, 等. 地形数据输入范围对AERMOD预测结果的影响[J]. 环境科学与技术, 2014, 37(5): 182 − 186. [18] 李传丰. AERMOD模型参数敏感性分析[D]. 北京: 中冶集团建筑研究总院, 2012. [19] CIMORELLI A J, PERRY S G, VENKATRAM A, et al. AERMOD–Description of model formulation[R].US: AMSP EPA Regulatory Model Improvement Committee, 1998. [20] 刘瑞霞, 陈洪滨, 郑照军, 等. 总云量产品在中国区域的分析检验[J]. 应用气象学报, 2009, 20(5): 571 − 578. doi: 10.3969/j.issn.1001-7313.2009.05.008