ADMS-EIA和AERMOD模型在沿海项目环评中的应用对比

李朝飞

ADMS-EIA和AERMOD模型在沿海项目环评中的应用对比

李朝飞

福建省金皇环保科技有限公司

针对《环境影响评价技术导则 大气环境》（HJ2.1-2008）中推荐的ADMS和AERMOD模型，结合沿海项目环境影响评价预测及监测验证分析，比较两种模型预测值与监测值的偏差，为沿海项目环境影响评价中大气预测模型选用提供参考和借鉴。

环境影响评价 ADMS-EIA模型 AERMOD模型 沿海项目

ADMS-EIA和AERMOD模型同为《环境影响评价技术导则 大气环境》（HJ2.1-2008）中推荐的大气预测模型，两个模型均适用于评价范围小于50km的工业型项目环境影响评价预测，但两个模型预测浓度有所差别。本文以福建省漳州市古雷开发区为例，结合开发区内已运行企业污染源及跟踪监测资料，通过对比两个模型预测浓度与实测浓度之间的偏差，比较两个模型在沿海项目的环评中适用性，为沿海项目大气环境影响评价提供参考。

1 模型介绍

1.1 AERMOD模型简介

AERMOD是在20世纪90年代初期，由美国国家环保局联合美国气象学会组建法规模式改善委员会选择以ISC3模型框架为突破口进行扩散模型开发，旨在取代旧的ISC3 模型，而开展的新法规模型改善工作，新模型将应用最新的扩散理论以及计算机技术。

AERMOD 是一种稳定状态的烟羽扩散模型。在稳定边界层(SBL)上，垂直和水平方向上的浓度分布遵循高斯分布。在对流边界层上，则只有水平方向上的分布是高斯分布，垂直方向上的分布则考虑用概率密度函数进行描述。此外，在对流边界层中，AERMOD 还考虑“烟羽抬举”现象：从浮力源释放出的部分烟羽物质，先是升到边界层顶部附近，并在那里停留一段时间，然后再混合到对流边界层内部中。AERMOD 计算穿透进入稳定层的那部分烟羽，允许它在某些情况下重新返回边界层内。AERMOD 对于稳定边界层及对流边界层中的扩散都考虑了弯曲烟羽导致的水平扩散加强现象。

AERMOD模式系统包括AERMET气象前处理、AERMAP 地形前处理和AERMOD扩散模型三个模块。将监测的气象数据或由国家气象局生成的常规的地面和探空气象资料直接输入到AERMET气象预处理模块中，以生成模型模拟所需要的边界层廓线数据和尺度参数数据。将下载的地形数据输入到AERMAP中生成AERMOD运行所能够使用的地形数据类型。边界层廓线数据在AERMOD 的处理下进行内差。最后，向扩散模式中输入平均风速、温度梯度/、水平和垂直方向湍流量脉动(,)等数据，结合AERMAP 地形前处理得到的地形数据计算出质量浓度。

1.2 ADMS模型简介

ADMS系列模型由英国剑桥环境研究公司(CERC)与英国气象局和Surrey大学等机构合作开发。ADMS大气扩散模型软件分为ADMS—评价、ADMS—工业、ADMS—城市等独立系统。ADMS—EIA大气扩散模型系统是ADMS系列中最复杂的一个系统。ADMS—EIA与其他用于区域的大气扩散模型的一个显著区别是：ADMS模型应用了Moniu-Obukhov 长度( M-O长度) 和边界结构的最新理论，精确地定义边界层特征参数，在这种最新的办法中，边界层结构被可直接测量的物理参数确定，这使得随高度变化而变化的扩散过程可以更真实地表现出来，所获取的污染物浓度的预测结果更精确可信。

ADMS模式的一个重要特点是它所预测的地面浓度分布，能估算辐射影响、化学反应影响以及进入凸起地形后的影响。在边界层内，浓度分布属于考虑地表面和逆温层底反射的高斯型烟羽。

ADMS—EIA和AERMOD模型适用条件对比如表1所示。

2 模型预测污染源概况

本文就福建省漳州市古雷开发区为研究对象，该开发区呈南北狭长分布，东西两面临海（如图1所示）。开发区污染源数据较易获取，区内原居民主要以种植农产品和海产养殖为生，无其他工业面源干扰。

表1 ADMS-EIA和AERMOD模型适用特点比较

本次采用2014年8月12日~18日在项目所在地的环境空气质量现状中SO2监测数据作为模型验证数据，监测期间通过对开发区内已建企业调查，有排放废气污染物的企业仅有腾龙芳烃（漳州）有限公司80万吨/年对二甲苯工程及整体公用配套工程原料调整项目，除此以外无其他集中式排放污染源。其SO2污染源见表2所示。

表2 2014年8月12日监测期间实际运行项目污染源强一览表

3 模型预测参数取值

3.1 地形参数

根据项目所在地地形，ADMS-EIA和AERMOD模型同时采用CGIAR-CSI提供的免费高程数据，分辨率为90m，通过http://srtm.csi.cgiar.org/网站下载获取，数据范围为以场址中心点为中心，边长约20km×20km的矩形。区内高程最小值为-1m，高程最大值为古雷山头259m。

3.2 地表利用参数

项目所在地周围主要植被为农作地和防风林混合，参照环保部评估中心《大气预测软件系统AERMOD简要用户使用手册》，地表反照率取0.23、BOWEN参数取0.3、地表粗糙度选择0.3。

3.3 气象数据

模型验证期间，气象观测与监测同步开展，2014年8月12日~18日期间监测点气象观测数据如表3所示。

表3 2014年8月监测期间气象观测参数表

4 模型预测值与实测值对比分析

4.1实测项目贡献值

为了解项目运行期对周围敏感目标的贡献值，本研究针对监测期间多数风向为东南风、西南风的特点，选取项目东南面10.8km的风动石（国家4A级景区，环境空气质量一类区）监测点作为背景浓度参照点，以北面2.7km的监测点位监测值扣除参照点监测值作为项目对周边环境的贡献值。其SO2小时浓度贡献值如表4所示。

表4 监测期间项目对监测点SO2小时浓度贡献值 单位：mg·m-3

4.2 ADMS-EIA和AERMOD模型预测结果对比

4.2.1监测点对比分析

本研究选取监测期间气象条件，分别采用ADMS—EIA和AERMOD模型预测计算污染源对监测点的污染物浓度贡献值。预测计算结果和实际监测结果对比如表5及图2所示。从预测数值对比分析，AERMOD预测值高于监测值，ADMS—EIA预测值略低于监测值，两个模型预测值偏差幅度，AERMOD预测值偏差略大于ADMS—EIA预测值偏差。

以监测期间贡献值为轴、ADMS—EIA和AERMOD模型预测值为轴，回归方程如表6所示。根据相关性分析，ADMS-EIA和AERMOD模型预测值与实测贡献值相关性均不大。主要原因为两个模型均为单气象站预测模型，而实际扩散过程中，相差1km的气象观测点其气象参数都会出现较大偏差，单气象站无法重现现实中复杂的污染物扩散场。相对比较而言，ADMS—EIA回归方程2=0.3804，AERMOD回归方程2=0.3586，ADMS—EIA模型预测值相关性略高于AERMOD预测值。

表5 ADMS-EIA和AERMOD模型预测值与实测值对比

表6 ADMS-EIA和AERMOD模型预测值对比回归方程

4.2.2区域浓度分布对比

利用Surfer8.0绘制了ADMS—EIA和AERMOD模型最大小时浓度预测等值线分布如图3所示。从等值线图对比来看，AERMOD模型预测小时浓度最大值影响范围均大于ADMS—EIA影响范围。

5 结论

本文以福建沿海化工项目为案例，在相同的气象等预测参数条件下，采用ADMS—EIA和AERMOD模型对实际监测点的SO2浓度做了对比预测分析。经对比得出：①AERMOD预测值高于监测值，ADMS—EIA预测值略低于监测值，在两个模型的预测值偏差幅度方面，AERMOD预测值偏差略大于ADMS—EIA。②根据相关性分析，ADMS—EIA和AERMOD模型预测值与实测贡献值相关性均不大。相比较而言，ADMS—EIA模型预测值相关性略高于AERMOD。③AERMOD模型预测小时浓度最大值影响范围大于ADMS—EIA影响范围，其预测结果偏保守。

[1] 杜世明. AERMOD和CALPUFF模型用于济南地区空气污染模拟效果的对比研究[D]. 济南：山东师范大学, 2013.

[2] 牟真. ADMS-EIA模型在污水处理厂恶臭影响预测中的应用[J]. 环境化学, 2014, 1(6):1042-1043.

[3] 胡刚, 王里奥, 张军,等. ADMS模型在复杂地形地区的应用[J]. 重庆大学学报, 2007, 30(12):42-46.

[4] 回蕴珉. AERMOD模式在大气环境影响评价中的应用[D]. 天津：天津大学, 2012.

[5] 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.

[6] 胡莹. 基于AERMOD模型的复杂地形下大气工业源污染模拟与评估[D]. 长春：吉林大学, 2014.