Calpuff模式中地面气象资料对流场和浓度的影响

易海涛

(中冶节能环保有限责任公司，北京 100088)



Calpuff模式中地面气象资料对流场和浓度的影响

易海涛

(中冶节能环保有限责任公司，北京 100088)

随着模型预测要求和模拟精度的不断提高，越来越多的建设项目在环评中使用Calpuff模式，该模式对地面气象资料使用和参数的设定比较复杂。实例模拟结果表明，地面站数量和部分气象参数的设定对预测结果的影响有限，在符合《环境影响评价导则 大气环境》规定和模型输入需求的前提下，环评中对地面站点的数量要求不必过于严格，可视预测模拟精度要求适当调整。

Calpuff模式；地面气象资料；流场；浓度；误差

Calpuff模式与Aermod、ADMS模式的根本差异在于前者是区域内流场和温度场非稳态、非定常情况下的烟团模式，而后两者是假定为稳态情况下的高斯扩散模式。烟团模式适用于更大的区域，可以模拟污染物向更远距离的扩散和输送。一般认为，Calpuff模式在300 km范围内仍然具有较好的精确性[1]；而Aermod和ADMS模式对于风场定常的假定在模拟范围较大时往往不成立，一般认为其适用范围不大于50 km，地形越复杂适用范围越小。

由于《环境影响评价导则 大气环境》的推荐、Calpuff模式本身具备的优点以及环评预测要求的提高，目前Calpuff模式已经越来越多地应用于项目环评[2-7]。除其他技术要求外，Calpuff模式中对气象资料的需求和参数设置要比Aermod和ADMS模式复杂得多[8]，而国内气象资料获取不易，也增加了Calpuff模式应用的障碍。本文主要针对项目环评关心的问题，通过实例讨论地面站气象资料对流场和浓度预测结果的影响，以加深对Calpuff模式的认识和理解，并希望就一些未知的问题引出更多的研究和探讨。

为通过实例研究以上问题，收集了华北某地2014年整年的两组气象资料，每组包含3个地面站资料、4个点位高空观测资料(从M3D分离的*.ua文件)、1个来自于MM5的M3D气象场(9 km×9 km，网距4 km)。两组资料分别对应两个不同地形区域，站点位置和模拟区域如图1所示：(a)为基本平坦区，3个地面站之间的相互距离为31 km左右，源点约在此三角形的中心；(b)为山区，3个地面站相距90～100 km，源点在A1—C1站之间。设置1个低矮点源，源高h为10～240 m，烟囱内径d为3 m，出口速度V为5 m/s，烟温T为310 K，源强Q为500 t/a，计算网格为36 km×36 km，间距为1 km。根据以上气象资料，验算了大量情景，虽不能代表所有情形，但能说明一些共性问题。

图1 模拟地点和气象站位置Fig.1 Simulation site and location of weather station site

1 高空站观测数据的使用

高空数据在Calpuff模式中是必须输入的，来源于实测或者模拟数据。由于很难得到可直接使用的实际观测的高空数据，实际工作中大多使用从MM5网格数据中提取的单点*.ua数据。尽管*.ua和M3D数据都来源于MM5数据，但分别使用*.ua和M3D数据计算出来的浓度分布具有较大差异。因为Calpuff模式估算浓度分布主要依赖于高空风场，使用一个点的*.ua数据时，计算出来的高空风场比较简单，甚至是均匀的；而M3D数据每一个网格点上都有一套*.ua数据，计算出的高空风场要精细得多，二者浓度分布形式差异明显。在没有实测高空数据的情况下，实际工作中应尽量使用M3D数据。下文高空气象资料均使用M3D数据，限于篇幅，本文暂不讨论实测高空数据的影响。

2 地面站风向风速的影响

2.1 对地面以上风向风速的影响

地面站越多，模拟出的流场越精细。地面站对流场模拟结果产生影响的主要参数是最大影响半径R和是否对地面风速进行垂直外推。R反映地形特征在地面层上内插计算中的限制性影响。半径以内，各点风向风速受地面站资料影响明显，如图2(a)所示，从站点向外直达半径范围，影响权重逐渐降低；半径以外，影响不明显，如图2(b)所示。如果选择“地面风速不垂直外推”，那么这种影响只作用于地面层，反之会影响到地面层以上各高度的风向风速，但从60 m高度开始，影响基本只发生在白天时段(约8:00—

18:00)，晚间时段风向风速基本一致(限于篇幅，本文不作详述)。地面风速垂直外推对于半径内外风速的影响如表1所示。

图2 地面站影响半径内外流场示例(A站2014-04-09 13:00)Fig.2 Example of flow field inside and outside the radius of influence

地面风速是否垂直外推高度/m无地面站时某些点的风向风速,相对于有3个地面站时(R=5km)的误差点1:A站半径内站点正西0.3km点2:A站半径外站点正西8km点3:C站半径内站点正北4km点4:C站半径外站点正北13km风速误差/%风向误差/°风速误差/%风向误差/°风速误差/%风向误差/°风速误差/%风向误差/°外推10105.448.70.90.3103.7210030874631.2455.119.9006036.724.730.782812.70012035.123.31.90.862712.10024031.2211.70.62411.900不外推106646007.32100其余高度00000000

2.2 对计算浓度的影响

(1)从前文分析可知，通过参数的选择，地面站风向风速可以影响到地面以上高度的模拟结果，但Calpuff模式在计算浓度时并不是完全依据合成的风向风速，而是主要依据M3D中的风向风速，即使源高为10 m也是如此。地面风向对浓度分布影响的比较如表2所示。由表2可知，虽然有3个地面站的参与，浓度分布的形式与源高处的风向也不一致，而与M3D风场基本一致。所以，在使用M3D数据的情况下，地面站风向风速对浓度计算有影响，但没有决定性的影响。这里取前6个小时的资料计算是因为Calpuff模式的计算结果受前3～6个小时的影响，时间越近，影响比重越大。由于这一影响既不是平均也不是叠加，而是前几个小时烟团扩散飘移的影响，所以要取得当前小时浓度，必须同时计算之前至少6个小时的浓度。

表2 地面风向对浓度分布影响比较

(2)为尽可能体现地面站资料对计算浓度的影响，取地面站影响半径R为40 km，地形特征影响半径为40 km，使整个模拟区域都在半径之内，并取地面风速全部垂直外插，即所有计算点地面和高度都能受到地面站风向风速的影响。计算结果的误差比较如表3所示。从表3可以看出，4种情况下的年均、日均和小时浓度分布几无差别，即使没有地面站参与，最大误差也未超过30%。不同的项目情景，具体误差会不同，以大气扩散模式的精度来说，都在可接受范围内。

表3 不同地面站参与时对预测结果的影响(以A、B、C 3站结果为比较基准)

(3)应该指出，这里所指的误差是相对于有3个地面站参与的结果而言，并不代表对真值的误差。实际工作中，绝大多数工业项目都与地面气象站有几十甚至上百公里以上的距离，二者周围环境通常也相差较大，所以R值并非越大越好。R值越大，地形的影响越小，所以地形越复杂，R应越小。R值应根据实际的地形情况和站点位置来设定。地形平坦时，R值可以覆盖整个网格点；地形复杂时，R值宜取其站点所在位置的代表性地形尺度，但并没有一个普遍适用的值。当地面站位于山区/平原，而项目位于平原/山区时，二者地形相差十分明显，则不应采用该地面站数据。

3 地面站其他资料在模式中的作用

(1)地面站其他气象参数(包括温度、湿度、气压、云量等)对浓度的影响没有各高度的风向风速那么大。因为在小、中尺度区域中，这些参数的局地差异比对模拟结果起决定性影响的风向风速的差异要小得多。即使气温相差5℃，本身波动也只有1.7%左右(5/293)。

L参数的直接计算需要地表热通量的观测，通常以常规气象要素的测值间接获得，因此地理经纬度、地表参数、云量覆盖对L的影响很大。第一项是由项目位置决定的，第二项来自于卫星探测数据(可人工修改)，只有第三项云量可从地面站获取数据，而地面站云量观测的时间间隔一般为6小时，其精准度及范围代表性往往不如依据宏卫星观探测和地表参数模拟计算的M3D数据。M3D本身已经平滑了小局地的影响，故没有地面站时，Lx,y的邻间差异较小，到上空高度，较小的差异更合理更客观。所以增加地面站，对提高计算浓度的准确性帮助其实不大。

4 不同源高流场和地面浓度的关系

从前面的讨论可知，地面流场和高空流场(>10 m)有时候并不一致，这不仅是因为风向随高度往往有转换和切变，还因为地面站资料与M3D资料的来源不一致。地面风速越小，差异越大，流场越复杂；随着高度增加，风速增加，各点风向也趋于一致。

但是当风向随高度有转换和切变时，也并未反映在浓度场的分布上。为此，令源高h分别为25 m和240 m，分别计算高度为0 m、10 m、30 m、60 m、120 m、240 m的接受点浓度，分析各个高度上的浓度场分布情况，考察是否有浓度场的切变，结果如表4所示。

(1)从表4第一栏中可以看出，一个高度为25 m的常温排放源，在240 m的高度上，浓度场、最大浓度值甚至最大浓度值的位置和地面都相差不大；同时，随着高度的增加浓度加大，到120 m时，浓度最大。想象中对于一个常温排放源，其最大浓度应该在源高的有效高度附近，由于实测困难，无法验证。

(2)所列两个时间的10 m高度风场和30～240 m高度风场明显不同，中间存在风向切变，第2个时间下风向近乎相反。h为25 m时，从10 m至240 m高度上，浓度场相似，h为240 m时，从240 m至10 m高度上，浓度场也相似，说明浓度场并没有随风场的转变而有相同的切变和转换，而是近乎一个浓度场在不同高度上的水平投影，这与想象的情形大不相同。

5 结论

(1)气象资料是大气扩散预测模型最基础的资料。由于Calpuff模式使用源高处的高空风向风速计算浓度，实际工作中应尽可能使用实测探空观测资料。在没有地面站资料的情况下，使用M3D数据能满足一般情况下项目环评的模拟要求。

(2)Calpuff模式中地面站资料及其相关参数的设定对地面流场有明显影响，但有M3D数据时，对预测浓度影响不大。

(3)Calpuff模式的计算结果主要受高空风场影响，因此浓度场形式有时与地面风向玫瑰不一致，对年均数据而言，有可能最大浓度的方向不是地面盛行风向的下风向，这会挑战按照风玫瑰进行区划布局的原有思路。

(4)气流遇山体阻挡会爬坡或者绕流，Calpuff模式依流场计算浓度，所以其计算结果不会像AERMOD模式那样受地形影响强烈。由于大气扩散模拟问题本身的复杂性，任何模型都不会是完美

表4 不同高度上的浓度分布比较

的[11]，不同模型之间的预测结果存在差异也是正常的。因此，同一类型的环评预测应该使用同一种模型，其结果才具有可比性。

[1] 武斌, 邱培培. Calpuff模型技术导则Ver.5[Z]. 2010.

[2] 伯鑫, 吴忠祥, 王刚, 等. CALPUFF模式的标准化应用技术研究[J]. 环境科学与技术, 2014, 37(s2): 530- 534.

[3] 王艳妮, 王金乐, 辛亚蒲, 等. CALPUFF模型在贵州某复杂地形区域某项目环境影响评价中的应用[J].绿色科技, 2014(9): 231- 233.

[4] 余婷婷, 王林, 杜红瑶, 等. AERMOD和CALPUFF空气质量模型在山区复杂地形下的适用性研究[C]//四川省环境影响评价学术研讨会. 四川省首届环境影响评价学术研讨论文集, 2009: 196- 202.

[5] 王朝磊. AERMOD与CALPUFF模型在复杂地形下环境影响评价应用探讨[C]//中国环境影响评价研讨会大会. 2014年中国环境影响评价研讨会大会报告集, 2014.

[6] 栾忠庆, 肖勇, 孟凡伟. AERMOD与CALPUFF模型在环境影响评价中的应用与比较[C]//中国环境科学学会环境影响评价专业委员会. 第一届全国大气环境影响评价研讨会论文集, 2010: 67- 72.

[7] 姚卫华, 郭永进, 张宝生. 利用CALPUFF大气扩散模式对氟化物总量控制研究[J]. 环境工程, 2013, 31(6): 67- 70.

[8] 刘桂芳, 潘文斌. 大气扩散模型AERMOD与CALPUFF输入数据的对比研究[J]. 环境管理与科学, 2014, 39(9): 93- 96.

[9] 李宗凯, 潘云仙, 孙润桥. 空气污染气象学原理及应用[M]. 北京: 气象出版社, 1985: 88.

[10] 华莱士. 大气科学概观[M]. 王鹏飞, 译. 上海: 上海科学技术出版社, 1981: 18- 28.

[11] 吴声浩, 易海涛. 大气扩散模型计算结果析疑[J]. 环境工程, 2013, 31(1): 103- 107.The Ground Meteorological Data and Its Impact on the Flow Field and Concentration in Calpuff Model

YI Hai-tao

(Zhongye Energy Conservation & Environment Protection Co., Ltd., Beijing 100088, China)

Due to the increasing requirements for model prediction and simulation precision, more and more projects are using Calpuff Model in EIA. Calpuff Model has more complex requirements for the use of ground meteorological data and parameter settings. However, the simulation results of real examples showed that the number of ground stations and some meteorological parameter settings had limited influence on the prediction results of concentration. Therefore, there is no need to be too strict on the number of ground stations in EIA, and it can be adjusted according to the precision requirements of prediction and simulation.

Calpuff Model; ground meteorological data; flow field; concentration; error

2016-07-15

易海涛(1958—)，男，湖南临湘人，教授级高级工程师，主要研究方向为大气环境影响评价，E-mail：110036720@qq.com

10.14068/j.ceia.2016.06.002

X51

A

2095-6444(2016)06-0004-05