利用CALPUFF 模型模拟重庆主城区能见度水平

张 丹，周志恩，翟崇治

（重庆市环境科学研究院，重庆 401147）

近来霾天气的频发引起社会各界广泛的关注，霾污染主要是由空气中的细粒子（PM2.5）浓度的增加所引起的，所导致的结果就是能见度水平的降低［1］。

重庆市主城区位于长江和嘉陵江的交汇处，核心区坐落在中梁山和真武山之间的丘陵地带，海拔在168～400 m之间，常年风速较小，风速≤2 m／s的占80%以上，相对湿度较大，冬季逆温的情况较为严重，大气扩散条件较差。历史数据显示重庆市主城区能见度水平相对较低，2006年以前平均能见度水平不足6 km［2－3］。

目前基于能见度的观测多是局限于某一点位上，受点位周边气象、大气环境以及人为观测的影响较为明显。城市区域能见度的分布有一定的区域变化特征，特别是重庆主城区特有的山地地形以及两江交汇的水域分布特征，其能见度的变化更为复杂，因此对重庆市主城区能见度分布进行模拟更具现实意义。

1 研究方法

能见度是一个光学参数，影响能见度水平的因素较多，有的是由于气象条件产生的，如雾和降水，也有是由于环境污染产生的，如霾和光化学烟雾。环境污染对能见度产生影响主要原因是大气中的细颗粒物质由于其浓度的增加，加强了对光的吸收和散射作用，提高了大气消光系数，导致了能见度水平的下降［4－7］。

CALPUFF模型是由美国TRC公司开发的，并且得到EPA认证的中尺度大气扩散模型，CALPUFF模型不仅可以模拟污染物的浓度扩散，还可以模拟能见度的分布情况（见图1）。本研究利用CALPUFF模型对主城区主要消光性污染物进行浓度分布的模拟，通过模型中CALPOST后处理模块，对重庆市主城区2007年典型月份的能见度水平进行模拟［8］。

图1 项目研究的技术路线图

1.1 气象、地形数据来源

本次模拟的气象数据由两部分组成，探空数据为MM5初始场数据，采用美国国家环境预报中心（NCEP）2007年的全球再分析资料，其水平分辨率为1°×1°，每天共4 个时次：00：00，06：00，12：00，18：00。CALPUFF的气象场可由MM5提供。地面气象数据采用重庆市主城区2007年巴南、渝北、北碚和沙坪坝全年逐时气象数据，涉及的气象参数包括地面10 m处的温度、风速、风向、大气压、相对湿度、边界层高度、云盖度、云量、降雨等数据。

模拟区域的地形数据取自于GTOPO的全球30″的地形数据，精度为900 m。地表类型数据来自GLCC（The Global Land Cover Characterization Database）数据，精度为1 km。

1.2 污染源数据来源

本次模拟的污染源数据为2007年主城区污染源普查数据，根据模型输入的要求将主城区污染源分为点源和面源。点源是指污染物排放量较大，烟囱高度高于30 m的污染源企业，点源共有44个涉及主城8个区县，包括了火电、冶金、建材、化工等主要行业。面源包括烟囱高度低于30 m的低矮点源、民用污染物以及交通污染源的排放，面源的范围覆盖了主城九区，共有40个。图2给出了模拟区域内点源和面源的分布。

图2 重庆市主城区污染源分布情况

2 能见度水平的模拟

2.1 能见度模拟的原理

CALPUFF模型模拟能见度的主要机理是依据颗粒物中各种成分的含量，计算大气总消光系数（能见度指数），从而进一步计算能见度的水平。与颗粒物相比，气态物质对光的吸收和散射作用较小，因此模型主要考虑大气颗粒物的散射和吸收作用，从而计算颗粒物的消光系数。颗粒物的吸收作用主要与炭黑颗粒有关（black carbon），散射作用与硫酸盐、硝酸盐、有机碳等其他性质的颗粒物有关。因此计算主城区的大气消光系数，需要涉及以下几种污染物，包括：硫酸盐（SO4）、硝酸盐（NO3）、有机碳（OC）、元素碳（EC）、粗颗粒物（PMC）、细颗粒物（PMF）［9－10］。

消光系数有两部分组成，一部分是与相对湿度有关的易变消光系数，一部分是与相对湿度变化无关的干消光系数。易变消光系数主要和硫酸盐以及硝酸盐遇湿的吸收膨胀有关。干消光系数主要与有机碳、元素碳、粗颗粒物和细颗粒物等其他物质的吸收和散射有关。

其中：bSN表示为当相对湿度为0%时的，硫酸盐和硝酸盐的散射系数，f（RH）函数表示与相对湿度有关的系数函数，表征随着相对湿度的变化，硫酸盐和硝酸盐散射能力的变化。f（RH）函数随相对湿度的变化趋势见图3［11］。

图3 f（RH）函数的曲线变化图

模型中定义的各种物质的散射和吸收系数，其中各物质的浓度单位是 μg／m3，而（NH4）2SO4和NH4NO3的浓度分别以和的浓度乘以1.374和1.29的系数来表征。总消光系数就有以下公式：

能见度可以由以下公式推算：

2.2 能见度模拟的污染源数据的来源

对于模拟的能见度的数据，常规污染源统计中没有 OC、EC的排放资料，同时是二次污染物，很难获取切实有效的数据，因此为能够真实的模拟能见度水平，必须找到符合模型输入和模拟的可靠的污染源数据。为解决这一难题，本项目利用在重庆市主城区颗粒物来源解析过程中，所测的污染源源成分谱为基础，针对不同类型污染源，计算各污染源排放颗粒物中各种物质的含量，形成各行业污染物的源排放清单，见表1。其中除火电、冶金、建材先前的3大行业外，其他行业以及面源的数据按照扬尘中各物质的含量来计算。

表1 各类污染源中物质占PM2.5中的质量比 g／kg

2.3 背景消光水平的确定

各种污染物的背景浓度采用前期的采样分析数据为基础，以各月采样分析的最低浓度值作为各月各种污染物的背景浓度，用来作为主城区背景的消光系数水平。可以看出7月各污染物的背景浓度较低，1月较高，各月份污染物的背景浓度具体值见表2。

表2 输入到模型中各月份各种污染物的背景值 μg／m3

2.4 能见度模拟的结果

为研究主城区能见度水平的季节变化特征，本次模拟选取1，4，7，10 4个典型的月份依次代表冬季、春季、夏季和秋季的能见度分布情况。图4给出了1月份主城区平均能见度的模拟情况。1月份主城平均消光系数在450～720 Mm－1之间，能见度在5.4～8.7 km之间，能见度相对较高的地区分布在主城区的东部明月山一带，此处的能见度较高可能收到冬季东北季风的影响。主城核心区内平均能见度水平在7 km左右，同时沿嘉陵江和长江的两江区域受河谷风影响的地区能见度水平要略高于其他地区。能见度较差的地区主要分布在北部中梁山和龙王洞山的交界地区，以及南部山区，这两个区域山势海拔较高，平均相对湿度水平较大，导致与其他区域相比能见度相对较低的情况。

4月份主城平均消光系数在400～740 Mm－1之间，能见度5.2～9.7 km之间，整体能见度水平要好于1月份。能见度较好的区域分布在渝中半岛区域，平均能见度水平在9 km以上，同时沿长江一带能见度水平要高于主城其他区域。同时和1月份一样能见度较差的区域主要也是集中在南北两个地区海拔较高的山区一带。

7月份主城平均消光系数在320～520 Mm－1之间，折算成能见度7.5～12.2 km之间，整体能见度水平与其他月份相比相对较高。从能见度的变化特征来看，主城区南部区域的能见度水平要好于长江以北的地区，特别是主城西南地区以及东南的部分地区，主要原因可能是由于夏季主城区主要以西南风为主，季风的影响改善了主城区西南地区的能见度水平，而东南部能见度较好的地区可能是受到局地的山谷风的影响，使能见度水平有所改善。7月份能见度较差的地区主要还是在主城北部地区。

图4 主城区1月份平均消光系数的模拟

10月份主城平均消光系数在460～920 Mm－1之间，折算成能见度4.3～8.5 km之间，整体能见度水平在模拟的各月份中最差。能见度相对较好的地区主要在中梁山以及沿嘉陵江一带，此外渝中半岛沿长江一带以及西南部的部分地区能见度水平也略好于城区其他的区域，主要还是受部分区域河谷风以及山谷风的共同影响。能见度较差的地区主要还是分布在南北两个地区海拔较高的山区一带，且与其他月份相比，消光系数的整体水平更大，能见度更低。

重庆市主城区消光系数水平的模拟情况可以发现主城区能见度平均水平有以下几个特点：首先是整体能见度较差的区域主要分布在主城区南北部海拔较高的山地区域，山地区域海拔较高，极容易出现雨雾天气，整体相对湿度较大，空气中的颗粒物吸湿后不断膨胀、单颗粒体积变大，增强了散射系数和消光系数，使能见度水平降低。其次主城区内受河谷风的影响，加之沿两江地区主要以高层建筑为主，河谷效应叠加城市峡谷效应，使沿江一带的风速增加，改善了污染物的扩散条件，使沿江地区的能见度水平有所提高；同时部分地区受局地的山谷风的影响，在局部也会出现能见度水平有所改善的现象。第三由于特殊的地形条件以及季节更替的影响，1月份和7月份在主城区的东北部以及西南部出现在能见度相对较高的分布带，使局部地区的能见度水平有所改善。

3 结 论

（1）模拟结果显示主城区能见度较差的区域主要分布在主城区南北部海拔较高的山地区域，较高的湿度增强了颗粒物的散射系数和消光系数，使能见度水平降低。

（2）河谷效应叠加城市峡谷效应，以及局部地区山谷风的影响，沿江一带以及部分山区因风速的增加，使得能见度水平有所改善的现象。

（3）能见度水平的季节变化特征较为明显，4月和7月主城区能见度水平较高，能见度分别在5.2～9.7 km和7.5～12.2 km之间，1月和10月能见度水平相对较差，能见度分别在5.4～8.7 km和4.3～8.5 km之间。

［1］吴 兑.霾与雾的区别和灰霾天气预警建议［J］.广东气象，2004，21（4）：1－4.

［2］张 丹，周志恩，张 灿，等.重庆市主城区PM2.5污染源源成份谱的建立［J］.三峡环境与生态，2011，33（5）：14－18.

［3］叶 堤，蒋昌潭，王 飞.重庆市区大气能见度变化特征及其影响因素分析［J］.气象与环境学报，2006，22（6）：6－9.

［4］刘新民，邵 敏.北京市夏季大气消光系数的来源分析［J］.环境科学学报，2004，24（2）：185－189.

［5］Uzhegov V N，Kozlov V S，Panchenko M V，et al.Statistical Estimation of the Atmospheric Aerosol Absorption Coefficient Based on the Data of Optical Measurements［C］.USA：ARMCONF，2005：14－18.

［6］John F Widmann，Jason Duchez，Jiann C Yang，et al.Measurement of the optical extinction coefficient of combustiongenerated aerosol［J］.Aerosol Science，2005，36（4）：283－289.

［7］Sciarel J，Bardouki H，Moulin C，et al.Aerosol sources and their contribution to the chemical composition of aerosols in the Eastern Mediterranean Sea during summertime［J］.Atmospheric Chemistry and Physics Discussions，2002，2：1 287－1 315.

［8］Joseph S，Scire David G，Strimaitis.A User’s Guide for the CALPUFF Dispersion Model［M］.USA：TRC Inc，2000.

［9］InJo Hwang，Philip K.Hopke.Estimation of source apportionment and potential source locations of PM2.5at a west coastal IMPROVE site［J］.Atmospheric Environment，2007，41：506－518.

［10］Zieger P，Fierz－Schmidhauser R.Effects of relative humidity on aerosol light scattering in the Arctic［J］.Atmospheric Chemistry and Physics Discussions，2010，10：3 659－3 698.

［11］William C Malm，Derek E Day.Estimates of aerosol species scattering characteristics as a function of relative humidity［J］.Atmospheric Environment，2001，35：2 845－2 860.