AERMOD-EIA模型参数在港口粉尘污染预测中的敏感性分析

何泽慧，彭士涛

（交通运输部天津水运工程科学研究所水路交通环境保护技术交通行业重点实验室，天津300456）

大气环境影响预测是环境影响评价的一项重要内容，为准确评价项目实施后对周围大气环境的影响，需采用合适的大气预测模型。但在模型的应用过程中，由于不同的应用人员在参数的来源、理解和分析程度等方面存在差异，导致参数的选择不同，并致使预测结果不一致［1］。因此，对模型中的参数进行敏感性分析，能够把复杂模型中的参数按重要性排列，了解参数变化对预测结果的影响程度，是正确使用模型的前提条件。而目前有关预测模型的参数敏感性分析研究较少［2］，为此本文以区域污染面积和TSP 日均浓度最大值作为研究对象，以散货中转码头为应用实例，研究EIAProA2008 软件中AERMOD 模型的污染物粒径分布、地面粗糙度、地表湿度3 个参数的敏感性［3］，并确定了区域污染面积和TSP 日均浓度最大值相对最大时所对应的参数条件，为模型的应用、预测复核及技术评估提供参考。

1 AERMOD 模型及参数敏感性分析方法

1.1 AERMOD 模型

本次应用实例为散货中转码头，按照实际排放情况设定无组织排放源，选择颗粒物TSP 作为预测污染物，使用《环境影响评价技术导则——大气环境》（HJ2.2-2008）［4］中推荐的AERMOD 模式进行预测计算，应用计算软件为EIAProA2008。

AERMOD 适用于定场的烟羽模型，是一个模型系统，包括三方面的内容：AERMOD（AERMIC 扩散模型）、AERMAP（AERMOD 地形预处理）和AERMET（AERMOD 气象预处理）。

AERMOD 功能包括对垂直非均匀的边界层的特殊处理，不规则形状的面源的处理，对流层三维烟羽模型的处理，在稳定边界层中垂直混合局限性和对地面反射的处理，在复杂地形上的扩散处理和建筑物下洗的处理。

AERMOD 模型考虑了地形（包括地面障碍物）对污染物浓度分布的影响，在计算中AERMOD 模型使用了分界流线的概念，即将扩散流场分为两层结构，下层的流场保持水平绕过障碍物，而上层的流场则抬升跃过障碍物。这两层的流场以分界流线高度Hc来划分。由此，AERMOD 模型认为障碍物上的污染物浓度值取决于烟羽的两种极限状态，一种极限状态是在非常稳定的条件下被迫绕过障碍物的水平烟羽，另外一种极限状态是在垂直方向上沿着障碍物抬升的烟羽，任何一个网格点的浓度值就是这两种烟羽浓度加权之后的和。

1.2 AERMOD 模型参数

在AERMOD 模型中，除需要输入常规气象参数及污染源排放参数外，还需输入的系统参数有污染物粒径分布情况（P）、地面粗糙度（Z）、地表湿度（H）；另外模型还可考虑地形与建筑物以及干湿沉降对污染物扩散的影响。本次参数敏感性分析的目的在于判定模型输入参数对输出结果的影响，故不考虑复杂地形，因此敏感性分析的参数确定为污染物粒径分布情况、地面粗糙度和地表湿度3 个参数。

1.3 AERMOD 模型参数的敏感性分析方法

参数敏感性分析就是研究和分析由于参数的变化，而引起计算模型输出结果发生变动的程度。如果某些不确定性参数在一定范围内的变化使输出结果产生很大的变化幅度，则说明模型对这些参数的敏感性很强，反之则不强。参数敏感性分析就是找出敏感性较强的输入参数，从而为分析输出结果、减少人为不当选择参数的风险、快速调试模型以及技术评估等提供依据［5-6］。

为减少计算的工作量，提高计算精度，本次研究采用正交试验法分析参数敏感性。正交试验方法是处理多因素试验的一种科学的试验方法［7］，它利用规格化的正交表，合理安排试验，只需做较少次的试验便可判断出较优的条件，将试验方案带入模型计算，对计算结果进行简单的统计分析，便可以更全面、更系统地掌握计算结果，做出正确的判断。

根据AERMOD 模型的影响因素，结合各因素的取值范围，选用三因素三水平的正交设计，因素水平如表1 所示。

其中，散货种类根据风洞实验筛分结果选取颗粒物粒径分布层次较分明的3 种，作为本次研究的代表货种，分布编号为A、B、C，由A 到C 粉尘颗粒细小化，具体粒径分布见表2；地面粗糙度分别选取0.01（草地）、0.1（农作地）和1（城市）三种；地表湿度选取干燥、中等湿度和潮湿三种。本次研究忽略试验各影响因素之间的交互作用，三因素三水平的正交试验最少试验次数为9 次，故对所选的3 个因素3 个水平按正交分析表L9（33）安排试验。

表1 各因素水平表Tab.1 Parameters of various factors and levels

2 应用实例

2.1 实例的基本参数

表2 散货种类粒径分布情况Tab.2 Particle size distribution

（1）气象参数。采用国内某地2008 年全年逐日逐时的风向、风速、总云、低云、气温等气象资料。根据其地面气象资料统计，主导风向为SSE 风，频率14.58%，年平均风速为4.81 m/s；次主导风向为NNW风，频率13.97 %，年平均风速为4.79 m/s；全年静风频率为0.25 %；全年平均风速为4.08 m/s。

（2）污染源参数。本文以国内某散货中转码头为例，其年吞吐量为3 000 万t（其中进港1 500 万t，采用卸船机作业；出港1 500 万t，采用装船机作业），有效堆垛总面积为49.26 万m2。该项目废气污染物主要是堆场和各类装卸设备在运行过程中由于风力的作用而产生的粉尘，它与风速、货种的粒径、表层含水率和存贮量等因素有关。根据港口作业工艺，经计算，该项目在不采取任何抑尘措施的情况下，堆场堆存静态源强为23 489 t/a，堆场作业动态源强为14 707 t/a，码头装卸作业动态源强为10 618 t/a。为了考虑污染源强大小对扩散的影响，污染源强设置3 种工况，分别为该项目不采取任何抑尘措施时、该项目采取一定抑尘措施使源强消减30%时、该项目采取有效抑尘措施使源强消减达70%时。

（3）预测点位及输出。预测点位为地面预测网格内（10 km×10 km）的日均最大落地浓度，网格步长为500 m，共计441 个计算点。将预测输出的各点TSP 日均浓度值绘制为等值线图，在不考虑本底值的情况下，统计超过国家空气质量二级标准值（0.3 mg/m3）的污染面积，同时输出TSP 日均浓度最大值，根据不同的源强，各自进行对比分析，以反映各参数对浓度贡献值的敏感性。

2.2 模型计算结果与敏感性分析

2.2.1 模型计算结果

根据设计的正交试验方案分别带入模型进行计算，所得计算结果如表3 所示。由计算结果可知，根据不同源强，对于浓度高于0.3 mg/m3的污染面积值，试验号为T313 的试验方案为各方案中的最大值，其中不同参数方案计算出的预测结果相差平均最大达8.2 倍；对于TSP 日均浓度最大值，试验号为T212 的试验方案为各方案中的最大值，其中不同参数设置计算出的预测结果相差平均最大亦达7.5 倍。根据不同参数方案，预测结果相差较大，由此可见参数的设置对预测结果的影响巨大，通过参数敏感性分析得出各参数对预测结果的影响程度具有重要意义。

表3 正交试验结果Tab.3 Experimental results of orthogonal tests

2.2.2 地面浓度对各参数的敏感性分析

根据模型计算结果，分别对3 个因素进行计算并做级差分析，确定污染面积和TSP 日均浓度最大值对各参数的敏感性（表4），分析如下：

表4 敏感性分析结果Tab.4 Sensitivity analysis results

TSP 日均浓度高于0.3 mg/m3的污染面积结果表明，不同的污染源强，其污染面积预测结果对各参数的敏感性均为地面粗糙度＞地表湿度＞粒径分布；随着抑尘措施的加强，源强逐步消减，污染物的扩散范围缩小，地面浓度降低，模型的浓度预测结果对参数的敏感性也随之降低。

TSP 日均浓度最大值结果表明，不同的污染源强，各参数的敏感性均为地面粗糙度＞粒径分布＞地表湿度，与污染面积的敏感性程度有所不同，粒径分布的敏感性略高于地表湿度。随着抑尘措施的加强，源强逐步消减，TSP 日均浓度最大值逐渐降低，对参数的敏感性也随之降低，其中地面粗糙度的敏感性下降程度最大，而地表湿度的敏感性下降程度最小。

根据污染面积和TSP 日均浓度最大值对各参数的敏感性结果绘制趋势图（图1），并分析如下：

粒径分布。随着粉尘颗粒的细小化，TSP 扩散面积增大，但货种C 的TSP 日均浓度高于0.3 mg/m3的污染面积却又相对减少，是由于粒径小于l0 μm 的大气污染物扩散时，碰到下垫面的地面、水面、植物与建筑物等，会因碰撞、吸附、静电吸引或动物呼吸等作用而被逐渐清除出来，随风可以快速扩散稀释，降低大气中污染物浓度；而TSP 日均浓度最大值随着粉尘颗粒的细小化呈上升趋势，随着源强的消减，粒径分布变化引起的浓度变化逐渐变小。

地面粗糙度。当地面粗糙度从0.01 m 变化到0.1 m 时，TSP 扩散面积增大，而当粗糙度变化为1 m 时，污染面积随之减小；而TSP 日均浓度最大值成几何倍数变化，随着地表粗糙度的加大，TSP 日均浓度最大值的预测结果呈递减趋势，结果相差4.8 倍。

地表湿度。随着空气湿度的增加，污染面积和TSP 日均浓度最大值均呈递减趋势，随着抑尘率的增加，模型的预测浓度结果对参数的敏感性也随之降低。

图1 各参数对日均浓度的影响Fig.1 Influence of parameters on daily mean concentration

2.3 TSP 日均浓度最大值对应的参数组合

根据地面浓度对各参数敏感性的分析结果可以确定，当污染物粒径25～35 μm 占TSP 总量比重较大时，且参数设置为地表粗糙度为0.1 m、地表湿度为干燥时，TSP 日均浓度高于0.3 mg/m3的污染面积最大；当污染物粒径越细小颗粒占TSP 总量比重越大时，且参数设置为地表粗糙度为0.01 m、地表湿度为干燥时，TSP 日均浓度最大值相对最大。

3 结论

（1）对于TSP 日均浓度高于0.3 mg/m3的污染面积，预测结果对各参数的敏感性均为地面粗糙度＞地表湿度＞粒径分布，各参数的变化对区域浓度的影响较大。随着抑尘措施的加强，源强的逐步消减，污染物的扩散范围缩小，地面浓度降低，模型的浓度预测结果对参数的敏感性也随之降低。

（2）对于TSP 日均浓度最大值，各参数的敏感性均为地面粗糙度＞粒径分布＞地表湿度。随着抑尘措施的加强，源强的逐步消减，TSP 日均浓度最大值逐渐降低，对参数的敏感性也随之降低，其中地面粗糙度的敏感性下降程度最大，而地表湿度的敏感性下降程度最小。

（3）当污染物粒径25～35 μm 占TSP 总量比重较大时，且参数设置为地表粗糙度为0.1 m、地表湿度为干燥时，TSP 日均浓度高于0.3 mg/m3的污染面积最大；当污染物粒径越细小颗粒占TSP 总量比重越大时，且参数设置为地表粗糙度为0.01 m、地表湿度为干燥时，TSP 日均浓度最大值相对最大。

［1］丁峰，李时蓓，赵晓宏.大气环境影响预测与评价编写及技术复核要点分析［J］.环境监测管理与技术，2008，20（6）:65-68.DING F，LI S B，ZHAO X H. Analysis of atmospheric environmental impact prediction and evaluation of writing and technical review points［J］. Environmental monitoring management and technology，2008，20（6）:65-68.

［2］胡刚，王里奥，张军，等.ADMS 在复杂地形地区的应用［J］.重庆大学学报：自然科学版，2007，30（12）:42-46.HU G，WANG L A，ZHANG J.ADMS in the areas of complex terrain［J］.Journal of Chongqing University：Natural Science，2007，30（12）:42-46.

［3］何泽慧，张永楠.AERMOD-EIA 模型在煤炭码头粉尘污染预测中的应用［J］.水道港口，2012，33（S1）：74-77.

［4］HJ2.2-2008，环境影响评价技术导则——大气环境［S］.

［5］刘朝荣.工业技术应用数理统计方法［M］.湖北:湖北科学技术出版社，1995.

［6］王辉，李莉.高边坡锚固参数敏感度分析［J］.公路，2006，4（4）:165-167.WANG H，LI L. High Slope Anchorage parameter sensitivity analysis［J］. Highway，2006，4（4）:165-167.

［7］姜同川.正交试验设计［M］.山东：山东科学技术出版社，1985.