不同精度地形数据对面源在不同地形条件下大气预测的影响

关 勖，仝纪龙，莫欣岳，潘 峰，谢南洪

(兰州大学 大气科学学院，甘肃 兰州 730000)

【研究意义】AERMOD模式是20世纪90年代中后期美国EPA在第一代大气法规模式ISC3基础上发展起来的新一代大气质量预测模式。它是一种稳态烟羽模型，可适用于城市及农村地区，复杂与平坦地形，点源、面源、体源等多种污染源[1-2]。【前人研究进展】AREMOD模式系统包括AERMOD(大气扩散模型)、AERMET(气象预处理器)与AERMAP(地形数据预处理器)，AERMOD为浓度计算模块，AERMET与AERMAP为两个预处理模块[3]。其中，地形预处理模块AERMAP可根据网格地形数据计算出地形高度尺度hc，用来表征地形对于大气扩散的影响。AERMAP使用的网格地形数据可从不同精度的DEM地形数据中得到，进而自动计算出特定预测点的山体控制高度hc、位置(xr，yr)与海拔高度(Zr)，并将这3类信息传递给AERMOD以在浓度计算过程中包含地形对大气扩散的影响[4-5]。由此可知，地形数据对大气扩散预测结果具有决定性的影响，合理选择不同精度的地形数据能够提升预测结果的准确性[6-7]。HJ2.2-2008《环境影响评价技术导则-大气环境》中，对于不同地形条件下进行大气预测时应选取何种精度的地形数据没有提出具体的要求，也没有说明地形数据精度不同对于污染源大气预测会产生怎样的影响。【本研究切入点】本文以面源的大气扩散模拟为例，在复杂山地、复杂河谷两种地形条件下分别采用不同精度的地形数据进行预测，并结合每种地形条件下精度最高的预测结果与其他预测结果进行相关性分析。【拟解决的关键问题】以期为不同地形条件下面源的大气预测应选用何种精度的地形数据提供借鉴参考。

1 材料与方法

本文选取一无组织面源，以其排放的NH3作为预测因子，利用AERMOD模式进行此无组织面源在复杂山地地形、复杂河谷地形这两种不同地形条件下的大气预测，在预测过程中选择不添加地形数据、30 m×30 m分辨率与90 m×90 m分辨率这3种不同的地形数据，根据地形条件与不同地形数据的选取设置对比方案，研究各敏感点小时浓度最大值的变化情况，定量比较方案的预测结果。

图1 90 m×90 m复杂山地地形数据Fig.1 90 m×90 m complicated mountain terrain data

图2 30 m×30 m复杂山地地形数据Fig.2 30 m×30 m complicated mountain terrain data

2 模式参数的选取及预测方案

2.1 模式参数的选取

2.1.1 气象数据 本次预测中采用2015年兰州市气象数据。地面常规气象数据来源为兰州市气象局气象观测站，高空气象数据来源为兰州市榆中县气象观测站，二者均符合HJ2.2-2008中气象数据的使用规定。

2.1.2 地形参数 兰州市地处蒙古、青藏和黄土高原的交汇地带，地形条件复杂，四面环山，周围山体高度在200 ～ 600 m[8]，依据HJ2.2-2008，距离污染源中心5 km内地形高度超过污染源高度即可视为复杂地形[9]，结合实际情况与现场考察，本文选取兰州市一处山地作为复杂山地地形，选取兰州市一处河谷盆地作为复杂河谷地形。调整污染源位置，预测其在2种地形条件下的大气扩散特征，在预测过程中采用相应3种不同精度的地形数据。两种地形条件下预测范围均为5 km×5 km，预测接收点网格为100 m×100 m。本文所采用的不同地形条件下地形数据，示意图见图1～4。

2.1.3 污染源参数的选择 本文选取一面源并对其大气污染物扩散特征进行模拟，预测因子为NH3。具体污染源参数见表1。

图3 90 m×90 m复杂河谷地形数据Fig.3 90 m×90 m complicated valley terrain data

图4 30 m×30 m复杂河谷地形数据Fig.4 30 m×30 m complicated valley terrain data

污染源名称Name of pollution source 预测因子Predictors小时排放量(kg/h) Hourly emissions有效高度(m) Effective height长度(m) Length宽度(m)Width生活垃圾填埋场Domestic waste landfillNH32. 4810350300

表2 不同地形条件下计算点坐标

2.1.4 计算点参数的选择 本文研究的是不同精度地形数据对面源在不同地形条件下大气预测结果的影响，根据2种复杂地形条件下的试算结果，每种复杂地形下均以污染源中心为原点，在地形起伏变化较大处以及污染物浓度高值区共设置10个计算点。各计算点坐标如表2。

2.2 预测方案

方案1：调整污染源位置至复杂山地地形预测区域，以污染源所在点为基准点，预测面积为5 km×5 km，预测过程中采用不添加地形数据、90 m×90 m分辨率地形数据以及30 m×30 m分辨率地形数据进行3次计算，最终分别计算不同精度地形数据下NH3的小时浓度值并绘制等值线。

方案2：调整污染源位置至复杂河谷地形预测区域，以污染源所在点为基准点，预测面积为5 km×5 km，预测过程中采用不添加地形数据、90 m×90 m分辨率地形数据以及30 m×30 m分辨率地形数据进行3次计算，最终分别计算不同精度地形数据下NH3的小时浓度值并绘制等值线。

3 结果与分析

3.1 2种预测方案下污染物预测

本文在预测中控制气象条件与污染源源强等参数相同，在同一地形条件下大气预测结果的差异只能由地形数据精度不同造成，将同一地形条件下添加不同分辨率地形数据的预测结果进行相关性分析，即可知不同精度地形数据对面源在复杂山地、复杂河谷地形条件下大气预测结果的影响。根据模式预测结果，不同地形条件下各个计算点的NH3小时浓度预测值见表3～4。

3.2 预测结果分析

在气象条件与污染源源强等参数相同的条件下，利用AERMOD模式进行复杂地形下的大气预测时，选择30 m×30 m分辨率地形数据的预测结果肯定优于不添加地形数据以及选择90 m×90 m分辨率地形数据下的预测结果[10]。本文采用同一地形条件下，30 m×30 m分辨率地形数据的最优预测值与不添加地形数据90 m×90 m分辨率地形数据下的预测值进行相关性分析，以此说明在不同地形条件下，不同精度地形数据对面源大气扩散特征模拟的影响。将不同地形条件、不同精度地形数据下得到的各敏感点的预测值作为原始数据，建立SPSS文件，选用t检验的方法进行相关性分析，将检验显著性概率临界值设为0.05，得到具体分析结果见表5。

由表5可知，在2种复杂地形条件下，添加90 m×90 m地形分辨率与添加30 m×30 m地形分辨率预测结果的均值标准误差相差较小，不添加地形数据与添加30 m×30 m地形分辨率预测结果的均值标准误差相差较大。

表3 复杂山地地形中各计算点预测质量浓度(方案1)

表4 复杂河谷地形中各计算点预测质量浓度(方案2)

表5 预测结果描述统计量一览表

表6 同一地形条件下选取不同精度地形数据的预测结果相关性分析

由表6可知，通过相关性分析，以复杂山地地形条件下添加30 m×30 m地形数据预测的最高精度结果作为基准，不添加地形数据、添加90 m×90 m地形数据与其的相关性分别为0.240、0.524；显著性(双侧)分别为0.404、0.120。同时，以复杂河谷地形条件下添加30 m×30 m地形数据预测的最高精度结果作为基准，不添加地形数据、添加90 m×90 m地形数据与其的相关性分别为0.487、0.893；显著性(双侧)分别为0.236、0.120。

综上所述，在两类相关性分析结果中，90 m×90 m地形数据下预测结果与30 m×30 m地形数据下预测结果的相关性均高于不添加地形数据下预测结果与30 m×30 m地形数据下预测结果的相关性，说明对于复杂地形添加地形数据是必要的。同时，在复杂山地地形条件下90 m×90 m地形分辨率预测结果与30 m×30 m地形分辨率预测结果相关性为52.4 %，低于在复杂河谷地形条件下二者的相关性89.3 %，说明在复杂山地地形条件下，地形数据精度不同对于面源大气预测的结果影响较大，而在复杂河谷地形条件下，地形数据精度不同对于面源大气预测的结果影响较小。

4 结 论

本文以面源的大气预测为例，控制气象条件、污染源参数等因素相同，在复杂山地、复杂河谷2种地形条件下，分别采用不同精度的地形数据进行大气污染物扩散特征的模拟，并结合每种地形条件下精度最高的预测结果与其他预测结果进行相关性分析。计算结果表明，在复杂山地地形条件下，不添加地形数据、添加90 m×90 m地形分辨率预测结果与添加30 m×30 m地形分辨率预测结果的相关性为分别为24.0 %与52.4 %；在复杂河谷地形条件下，前二者与添加30 m×30 m地形分辨率预测结果的相关性分别为48.7 %与89.3 %。因此进行面源在复杂地形下的大气扩散特征模拟时，结合实际情况添加地形数据是十分必要的，若面源所在地为复杂山地地形，则建议采用30 m×30 m精度的地形数据以提升预测结果的准确性，若面源所在地为复杂河谷地形，则采用30 m×30 m、90 m×90 m精度的地形数据均可。

综上所述，使用AERMOD进行面源在复杂地形条件下的大气预测时，应结合污染源所在区域的地形特征，合理选择不同精度的DEM地形数据，以提升预测结果的准确性。