面向交通环境影响评价的大气扩散模型应用策略

吴亦政，张乐琦

（北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室，北京100044）

在我国经济高速发展的大背景下，移动源污染问题日益突出，尤其是在人口以及机动车污染高度集中且高度重合的中国城市区域内。根据《中国机动车环境管理年报2018》，我国部分城市的机动车排放已成为PM2.5（空气动力学当量直径不超过2.5 μm的颗粒物）的首要来源，例如北京、上海、杭州等［1］。因此，在环境保护工作中，针对机动车的排放污染控制显得尤为重要。而合理地测算机动车大气污染物浓度，精确描述扩散特征，是制定排放控制策略的重要数据基础。

大气污染物扩散模型（AERMOD）是美国环境保护局（U.S.EPA）指定的法规扩散模型，可用于交通环境影响评价［2］。AERMOD 模型是高斯稳态烟羽模型，以扩散统计为基础理论，假设大气污染物的浓度分布服从高斯正态分布［3］。AERMOD 可应用于多种排放源的扩散浓度计算，包括点源、面源以及体源，因此最初为工业污染源设计的AERMOD 也可应用于模拟其他各种交通源污染模型，例如公路以及停车场等。

国内学者也已开展各种使用AERMOD 进行扩散模拟的研究。王珮玮等［4］基于本地化排放清单，采用AERMOD对北京市六环区域进行线源扩散模拟，并评估了亚太经济合作组织（APEC）峰会期间的交通管控措施对环境的影响。严晗等［5］应用北京市机动车排放因子模型以及AERMOD模型对道路黑碳进行了扩散模拟，结果日间与夜间的机动车排放对道路边黑碳的模拟浓度存在显著差异。邱兆文等［6］应用AERMOD 模型评估了我国某高速公路沿线的PM2.5浓度分布水平，表明评估结果对道路规划环境影响评价具有重要参考价值。但总体而言，在我国AERMOD 的相关研究集中在环境工程领域，在交通工程上的应用相对较少，也并没有对AERMOD模拟道路污染源的机理进行深入剖析。

在实际模拟过程中，AERMOD的参数设置十分复杂，极易发生测算错误。其中，两个关键的问题包括合理分析在AERMOD中不同模拟方式（体源、面源、点源等）进行路段排放建模时的计算差异，以及如何选择合适的虚拟受体布设方案以刻画污染物扩散特征。现有交通环境领域的研究并没有对上述模型应用的易错点进行深入探究。本研究将针对道路交通污染源在AERMOD中采用面源模拟和体源模拟进行对比研究。并在此基础上，分析体源模拟中存在的仿真隔离区（exclusion zone）的计算机制，并且设计避免仿真隔离区导致测算误差的方法。此外，本研究还将开展受体低分辨率和高分辨率布设方案的对比研究。

1 问题描述与建模

本文的研究重点是对比分析AERMOD 建模过程中体源与面源进行道路源模拟以及低分辨率受体布设与高分辨率受体布设的测算结果差异。由于国内现阶段难以获取较为完整的气象数据，本研究从美国得克萨斯州的环保局获取当地Corpus Christi市的5年AERMET气象公开数据，包含风速和风向信息的风玫瑰图如图1 所示。建模过程中，为了探究质量浓度结果在不同设置场景下的特征，本研究采用一条虚拟的三车道公路（长度120 m，宽度12 m）进行扩散模型构建，并且设置公路的排放强度为1.0×10-5g·s-1·m-2。表 1 为本研究中 AERMOD建模采用的其余输入参数。

2 污染源建模类型对比分析

在AERMOD 的移动源污染物扩散建模过程中，美国环境保护局允许用户在模型中使用体源或者面源来模拟公路以及道路交叉口。

2.1 体源模拟

根据AERMOD用户手册的定义［7］，体源是模拟排放源产生的三维空间单位。根据美国环境保护局Haul Road工作组的报告［8］，运用体源进行模拟的优点包括：体源模拟了一个初始的、混合良好的烟羽，并且包含一个曲流算法，可以降低在长时间模拟后出现干扰烟羽的可能性。其次，体源模拟比面源的运行时间更快。

在体源模拟中值得注意的是计算隔离区的存在。由于AERMOD 是稳态高斯烟羽模型，其存在高估离排放源极近位置质量浓度的问题［9］。由于该原因，AERMOD在体源周围存在一个未进行质量浓度建模的区域，也就是计算隔离区。这表示如果一个受体位于体源的计算隔离区，那么该体源的污染物扩散不会对此受体产生任何影响，从而导致计算误差。计算隔离区的定义是从体源中心开始一定半径范围内的区域。该半径计算公式为

式中：R表示计算隔离区半径；Syin表示体源长度除以2.15；Ls表示体源的边长。

由于高斯稳态烟羽模型的计算机制，受体布设不能被放置在计算隔离区内。但根据美国环境保护局的指导手册［2］，最近的受体需要布设在离排放源5 m的位置。假设最近的受体（距离排放源5 m）位于计算隔离区边缘（如图2所示，黑点表示该受体，实线方框表示体源，虚线范围表示计算隔离区）。如式（2）与式（3）所示，受体为了避免被定位到计算隔离区内，体源的边长必须小于8 m。

由于典型的高速公路车道宽度为3.75 m，三车道高速公路的宽度至少为11.25 m，超过了最短体源边长8 m。因此，对于任何三车道及以上道路设施的建模，只能采用面源或者多个单车道体源对近污染源的受体进行模拟，不能采用单一体源模拟整个行车道。

图2 单个体源的计算隔离区示意（单位：m）Fig.2 Illustration of exclusion zone for single volume source(unit:m)

图3 表明在三车道高速公路建模（假设车道总宽为12 m）时，计算隔离区是如何导致受体计算无效的。设置三个边长为12 m 的体源（方框区域）模拟高速公路行车段。受体距离公路边缘5 m。在本场景中，计算隔离区半径为13 m（12 m+1 m）。根据图3 中三角形的基本几何运算，小于5.53 m 范围内的所有受体都会落入计算隔离区。因此，无法采用该种方式测算近源受体的质量浓度水平。

图3 三车道公路模型的计算隔离区示意图（单位：m）Fig.3 Exclusion zone for modeling three-lane highway(unit:m)

2.2 面源模拟

根据定义，面源是模拟二维平面产生的排放。在X和Y坐标系中，利用面源构建道路模型相对更简单，而且它能够模拟道路源的均匀排放，相对其他类型排放源，更接近实际。面源的排放率单位不同于其他类型的排放源，是g·s-1·m-2（体源和点源使用的单位是g·s-1）。AERMOD 中面源的显著缺点是没有曲流算法，而且运行时间通常比其他方法长。

2.3 比较检验结果

本研究对比了三种不同模拟方案，以说明排放源类型之间的差异。图4展示了三车道公路行车段（长120 m，宽12 m）的三种不同类型的排放源建模：

①10个大型体源，边长12 m；

②90 个边长4 m 的小型体源（为了避免计算隔离区的影响）；

③1个面源，长120 m，宽12 m。

图4 三车道公路行车段及三种不同类型的排放源建模Fig.4 Three-lane link and three different modeling source types

本研究中，各方案的总排放率保持相同，均为1.0×10-5g·s-1·m-2。因此，在图4b场景①中，每个大型体源的排放率为144×10-5g·s-1，在图4c 场景②中，每个小型体源的排放率为16×10-5g·s-1。在图 4d 场景③中，面源的排放率为1.0×10-5g·s-1·m-2。其他参数在每个方案中均保持一致。受体的布设间距在近距离位置为10 m，在远距离位置在50 m。

测算的质量浓度结果如图5所示。质量浓度峰值分别为 2.900 ，4.819 和 6.011 μg·m-3。由详细质量浓度示意图可以得出，由于浓度峰值位于公路排放源附近，在图5a场景①中，浓度峰值远小于其他场景的主要原因是距离高速公路5 m的受体落在计算隔离区内。实验结果与理论推导相符。

本研究进一步放大每个场景中排放源附近的浓度结果来详细说明计算隔离区的运作机制。图中数字表示质量浓度结果。

在图5 a的大型体积源场景中，结果显示在道路源中线位置有一个低浓度区，该区域内的受体质量浓度比附近受体低，只有1.77 μg·m-3。原因是这两个受体位于两个体源的计算隔离区重叠位置。附近两个体源的排放并没有对这两个受体产生任何影响。因此，即使附近的受体也处于计算隔离区，这两个低值受体由于未对两个体源排放进行计算，所以它们的值明显低于附近只对一个体源排放进行隔离的受体。

与图 5b 相比，图 5a 中，在排放源 5 m 处的两排受体的模拟平均质量浓度仅为2.5 μg·m-3，比小型体源场景中的平均质量浓度5.6 μg·m-3低。这是因为在图5b中，计算隔离区的半径只有5 m（在距离排放源3 m 位置），因此，小型体源避免了计算隔离区对最近受体的影响，使低浓度区消失且浓度峰值位于受体5 m 之外的平分线上。此外，图5a 中计算隔离区内的所有受体浓度均大于零，因此计算隔离区内的受体只隔离自身体源的影响，但同时也接收来自其他体源的扩散浓度。

综合对比三个场景，由于相同的排放总量和排放源类型选择，场景①和场景②的影响范围几乎相同。但是，场景③的面源在这三个场景中影响范围最大。

从图5a和图5b可以观察到，每个场景中道路两侧的浓度各自对称。然而，图5c面源的浓度是向盛行风顺风方向（如图1风玫瑰图所示）延伸。根据开发文档［3］，AERMOD使用虚拟点源算法模拟体源的排放，也就是采用位于体源上风向固定距离的虚拟点源来估算体源烟羽的初始大小。对于稳态高斯烟

图5 不同类型排放源的质量浓度测算结果Fig.5 Concentration results with different modeling source types

式中：C为污染物小时浓度；Q为污染源排放率；K为将计算浓度换算成所需单位的比例系数；V为垂直系数；D为衰减系数；us为释放高度的平均风速；σy，σz为横向和纵向浓度分布的标准差。

每个参数的详细定义可以在模型开发手册［3］中获取。基于式（4），质量浓度的计算考虑了风速、顺风距离和侧风距离的影响。本研究中来自体源的浓度结果在道路两侧是对称的，这表明它们可能不受风的影响，或者其他因素抵消了风的影响。在使用体源时，需要进一步的研究来理解风和浓度之间的关系。

为了更好地理解计算隔离区的影响，本文分析在道路源垂直平分线上的质量浓度分布（图6）。对于场景①的大型体源，最高浓度位于中位线的15 m之外，这是由于位于5 m 的受体落在计算隔离区内（隔离区半径为13 m），因此浓度小于15 m外受体的浓度。在场景②的小型体源，因为计算隔离区半径只有5 m，即使是最接近的受体，也位于隔离区之外，不会受到影响。从图6中，还可以观察到，在使用体源的场景中，道路两侧的浓度是对称的，但在面源的场景中则并不对称。羽模型，下风向距离x（m）和侧风距离y（m）位置的小时浓度如式（4）所示：

图6 道路源垂直方向质量浓度分布Fig.6 Concentration distribution on perpendicular bisector

综上，在使用体源时，需要进一步研究质量浓度与风力之间的潜在关系。此外，与体源相比，面源更容易进行道路源模拟：在本次对比试验中，面源场景下，测试路段只需要通过一个面源来进行模拟，而体源场景则需要多达90 个小型体源来避免计算隔离区的影响。

3 受体布设方案对比分析

AERMOD 中的受体用于收集特定位置的质量浓度结果。在进行交通环境影响评价时，受体一般位于交通项目的影响区域，通过空气质量模型来估算未来年的PM2.5浓度。通常，这些地区会是人口的聚集区域（如学校，医院，居民区等）。

排放源附近（本文以道路源为例）的受体间距应具有足够大的分辨率，以获取质量浓度峰值位置周围的分布特征。高速公路或交通项目大部分的排放发生在若干米之内的范围，浓度值在近地排放源附近的达到峰值［2］。在交通环境影响评价中，受体应布设在排放源（例如行车道的边缘）附近5 m 位置。而且它们在靠近排放源位置应分布以较小的间距（例如25 m），在相对较远位置应分布以较宽的间距（例如100 m）。

本文通过对不同受体布设分辨率的对比试验，研究利用AERMOD进行交通环境影响评价的道路建模配置策略。实验设置与上述试验相同的路段用以模拟排放源，排放率为1.0×10-5g·s-1·m-2。其他输入参数如表1所示。本次测试采用单一面源进行模拟，且受体网格从排放源边缘5 m处开始布设。

本研究进行了两种受体布设策略的对比：一种设置为低分辨率受体布设方案（100 m间距），另一种为高分辨率受体布设方案（在100 m 范围内是10 m间距，更远的是50 m间距），如图7所示。为获取排放源周边浓度，受体网格向四测延伸至400 m。

浓度估计值的对比如图8所示。不同的受体布设方案输出不同的浓度图。与预计相同，在同一的排放源影响下，相同位置的受体测得相同的浓度值。然而，由于低分辨率受体的布设难以获取足够的浓度数据，导致浓度等高线的轮廓不准确。相反，高分辨率的受体布设可以获取足够的浓度信息用以输出准确的浓度等高线轮廓。

此外，从图8 中可以发现，在高分辨率场景中，受体间距为10 m，使得足够多的受体能够捕获浓度信息，生成平滑的浓度图。但对于低分辨率的布设场景，100 m 的间距过大，使得受体之间浓度水平的特征细节难以获取。

这些结果表明使用高分辨率网格或较小的受体间距来生成精确浓度图的重要性，特别是对于那些离排放源较近的浓度峰值位置。图9为浓度随离排放源距离的分布。100 m 的距离内，质量浓度从4.82 μg·m-3降低到 0.21 μg·m-3。然而，从 100 m到 400 m，质量浓度只从 0.1 降到0.02 μg·m-3。因此，质量浓度的变化主要发生在靠近排放源的地方，这也支持了在排放源附近需要布设高密度的受体网格的结论。

图7 不同受体布设方案对比Fig.7 Comparison of different strategies for receptor placement

图8 浓度结果对比Fig.8 Comparison of concentration result

图9 浓度随距离的分布Fig.9 Concentration distribution with distance

模型性能与特定的案例关系较大，很难基于一个（假设的）案例研究来概括所有模型性能。因此，在后续研究中需要进一步研究排放范围与其他因素（风、表面特征、排放源等）之间的关系，分析浓度随排放源距离的变化范围。

4 结论

在交通环境影响评价中，AERMOD建模过程较为复杂，容易出现较大的分析误差。其中，较为关键的两个问题包括：选择用于建模道路模拟的不同方式，以及受体的布设方案。

本文对AERMOD 不同的配置策略进行了比较研究，探讨了面源和体源的差异，以及受体放置的高分辨率和低分辨率。在体积源建模过程中，还分析了体源应用中计算隔离区的机理以及避免方法。本研究的主要结论总结如下：

（1）在使用体源进行道路排放扩散模拟时存在计算隔离区。计算隔离区内的浓度不会被计算。根据计算隔离区的定义，体源的宽度应小于8 m。典型的高速公路车道宽度一般为3.75 m，所以三车道高速公路的宽度将超过8 m。因此，对任何三车道或车道数更多的公路进行建模时，应采用小型体源或者使用面源进行模拟。

（2）对于排放源类型的选择，本研究对三个不同场景进行了对比测试：10 个大型体源、90 个小型体源和1 个面源。质量浓度峰值分别是2.900 ，4.819 和 6.011 μg·m-3。由于浓度峰值位于高速公路附近，在大型体源场景下，距离高速公路5 m的受体落入计算隔离区，使其峰值浓度出现异常。

（3）使用体源的两种场景，扩散范围几乎相同。但，面源模拟表现出不同的扩散范围，为三种情况中区域面积最大。在体源场景中，道路两侧的浓度结果对称。但面源场景，浓度向盛行风的顺风方向延伸。在使用体源进行模拟时，需要进一步研究浓度与风力之间的潜在关系。

（4）对于受体的布设，本文进行了高分辨率和低分辨率布设方案的对比。由于采用相同的排放源，两种情况下同一受体的浓度值相同。但，由于低分辨率受体无法获得足够的浓度数据，使其分辨率不足，导致浓度轮廓不准确。相反，高分辨率的受体网格能够获取到足够的浓度信息来输出准确的扩散浓度轮廓。

本研究存在一些局限性，需要进一步改进。对于体源模拟，需要分析风力与浓度之间的内在关联。在新版本的AERMOD 中，线源也可以用来模拟道路。线源特性的分析还需要进一步的研究。