高分辨率中尺度模式在乐平工业园区的污染预报试验

陈鲍发，詹思玙

(1. 江西景德镇市气象局，333000，江西，景德镇； 2. 中科院大气物理研究所，100029，北京)

0 引言

大气污染通常是指由于人类活动或自然过程引起某些物质进入大气达到足够的浓度， 并对人类生活环境、生产和身体健康等方面产生危害的现象[1]。大气污染会影响植物生理机能，造成植被产量下降，品质变坏，甚至枯萎，还会降低能见度，破坏大气臭氧层，减少太阳辐射，加速全球变暖，形成酸雨，从而腐蚀物体等。最重要的是，大气污染严重威胁人体健康，它会刺激皮肤和眼睛，引起呼吸道疾病与生理机能障碍(例如哮喘)，浓度高时会造成急性污染中毒，或使病情恶化。因此，防治大气污染是目前主要科学问题之一。

工业作为最重要的大气污染源之一，其污染防治效率直接关系到大气污染物的去除和大气环境质量[2]。数值模式预报具有科学性强、信息丰富等优点，是大气污染预报的发展方向[3]。发展大气污染的数值预报模式，是有效预防污染产生，预报污染产生方向，及时治理大气污染的必然趋势[4-9]。因此，把高分辨率中尺度模式应用于乐平市工业园区污染气象保障中，完全符合时下对环境污染治理的要求和目标。

高时空分辨率的中尺度天气模式WRF已经被国内外广泛地应用于城市污染气象的预报工作中。因此，试验在借鉴这些工作的基础上，采用WRF模式对乐平工业园及周边地区进行污染气象的预报服务。考虑到景德镇面积约为5 270 km2，乐平市约为1 973 km2，而乐平工业园的面积约为30 km2，试验使用最高分辨率为600 m的三重嵌套网格，其中第3重嵌套网格的分辨率为600 m，其范围涵盖了整个景德镇市以及南昌的东部地区。为了有效地预报边界层的风场和湍流活动，模式的垂直层在边界层内进行加密。此外，考虑到WRF模式系统自带的地形数据和土地利用数据跟乐平工业园及其周边地区的真实情况有着特别显著的差异，不能真实地给出下垫面的状况，且影响到边界层各种通量的预报，利用最新的GIS(Geographic Information System)资料修正预报区域内的这部分特征，从而更加有效地实现高分辨和高精度地预报气象场预报。

试验的预报基于NCEP(National Centers for Environmental Prediction)预报产品作为背景场开展预报，使用WRF的3DVAR变分同化系统同化进我国的探空观测资料，常规和加密的地面站点观测资料，以及乐平工业园的气象观测塔资料，用于改善预报。在基于对大量历史个例回报试验以及评估的条件下，设计出模式最优的参数化方案(微物理方案、边界层方案、辐射方案等)配置，用于实时的高分辨率高精度预报。由于中小尺度天气系统的可预报时效较短，所以试验的600 m网格的预报时效为3 d左右。但模式的第2重和第1重网格对于天气形势场的预报，时效可以达到5 d左右。得到高分辨率的WRF预报结果后，结合CALPUFF污染物输送模式对预报区域内的污染物输送、扩散、浓度分布和沉降进行预报，从而得到高精度的乐平工业园及其周边地区的污染物预报。

1 WRF-CALPUFF污染预报模型模式介绍

1.1 RAPS系统介绍

RAPS是基于美国国家环境预报中心(NCEP)的业务快速同化循环更新预报系统(Rapid Refresh，简称RAP)以及业务高分辨率快速同化循环更新预报系统 (High-Resolution Rapid Refresh，简称HRRR)，水平分辨率为13 km，是一个循环同化预报系统，每个时刻首先以上一个时次的预报场为背景场，同化(GSI HYbrid)最近1 h窗口内的所有观测资料(PrepBUFR格式)，包括地面、探空、飞机、船舶等；HRRR的水平分辨率为3 km，可向内嵌套分辨率更精细的指定区域以获得更高精度的预报结果。

1.2 三重嵌套设计及方案配置

步骤1：近几十年来，东亚区域的土地利用发生了很大的变化，因此，在模拟的时候有必要选择对应时段的土地利用数据，减小由于静态数据不准确所带来的不确定性。利用MODIS提供的1 km分辨率的逐年土地利用数据替换WRF模式默认的2001年的土地利用数据，生成新的Geog地形文件。

步骤2：选择模拟区域。使用RAPS模式进行三重嵌套的天气预报试验。其中RAP的13 km分辨率覆盖以我国为中心的东亚区域和西太平洋部分海域(图1)，为第1重区域。HRRR的3 km分辨率覆盖了我国东部以及渤海、黄海、东海和南海的部分海域(图2)，为第2重区域。向下嵌套一个600 m分辨率的区域，覆盖了景德镇市和南昌市(图3)。

图1 RAP(13 km分辨率)覆盖区域

图中的方框为600 m分辨率的预报区域

图3 HRRR(600m分辨率)覆盖区域

步骤3：以全球数值预报模式(NCEP)预报结果作为RAP的驱动数据，并通过GSI模式将2170加密观测资料、国际非交换站资料和探空资料同化进RAP模式，生成72 h预报结果。以RAP的预报结果作为HRRR的驱动场，生成初边界条件，同化上述观测资料，驱动模式进行预报，最终得到水平分辨率为600 m，预报时效为72 h的景德镇及南昌地区的预报结果。

1.3 CALPUFF污染模式简介

大气扩散模型CALPUFF是由西格玛研究公司(Sigma Research Corporation)开发，是美国环保局(USEPA)支持开发的法规模型，也是我国环境保护部颁布的《环境影响评价技术导则 大气导则》推荐的模式之一。CALPUFF模型主要由气象模块CALMET、烟团扩散模块CALPUFF和后处理模块CALPOST组成，具体流程见图4，各模块具体功能如下。

图4 CALPUFF模型计算流程

CALMET：用于网格的三维气象场模拟，以中尺度气象模型WRF计算得到的气象诊断数据作为初始猜想场，考虑地形和土地利用类型分布特点的影响，在计算区域生成逐时的风场和温度场，作为CALPUFF模块的输入条件。

CALPUFF：用于模拟污染物扩散，将CALMET模块生成的逐时风场和温度场作为输入条件，根据区域内污染源(点源、面源、线源和体源等各种源)的排放情况，确定环境保护目标和区域网格受体，模拟污染物烟团在区域内的扩散、输送和转化过程。

CALPOST：用于数据的后处理，CALPUFF模块的输出文件经其计算和处理，得到所需的浓度和干湿沉降通量等结果。

然后基于Linux系统，移植了WRF模式结果向CALMET输入结果转换的工具CALWRF。该工具可以实现WRF结果向CALMET所需输入气象数据格式的实时转换，实现了预报时效为72 h的景德镇及南昌地区的高分辨率数值预报系统与CALPUFF模式预报系统的无缝衔接。

1.4 污染模式排放源设置

为了方便模拟效果的对比验证，以污染来源较为单一大气污染物SO2为例，以区域内典型排放行业(药厂)的实际空间分布、排气筒高度、口径、烟气量、烟气温度、年排放小时数及SO2排放强度等排放源资料作为污染来源，研究污染过程预报情况。为了更好检验预报系统的模拟效果，选取SO2污染过程转折特征较为显著的时段(2019年4月15日00:00—4月18日00:00)进行分析(图5)，开展模拟预报研究。预报模式中共纳入排放源个数总计35个(如图6中圆圈所示)。模式中输入的排放源具体参数由各个药厂提供，具体信息参见表1。

图中为乐平市国土局观测站观测到的SO2/μg·m-3

图6 CALPUFF污染模式的预报范围(方框)及其中心点10 km半径范围(圆圈)

2 WRF-CALPUFF污染预报模型的实际应用

由图5所示，2019年4月15日00:00—2019年4月18日00:00乐平市国土局观测站观测到了一次严重的污染事件，大约1 d的时间内污染物由谷底迅速攀升至峰值，SO2是主要的污染物之一。根据对乐平药厂周边环境观测站的观测结果以及对药厂主要污染物的分析结果，SO2是本地区最主要的污染物之一，因此将以之为代表进行72 h的逐小时预报试验。从2019年4月15日00:00起报的72 h SO2污染物逐小时分布及地面风场(图7)可知，本试验所建立的WRF-CALPUFF污染预报模型对污染物(以SO2为例)的预报结果符合污染物常规的传输与扩散规律。其中，排放源附近，SO2的浓度达到极值，地面盛行风向是污染物传输的主要方向，沿着地面主导风向，污染物存在侧向的扩散，但其传输速度远远慢于沿主导风向的传输速度。此外，预报结果显示，20 h由于风向的转变，污染影响范围开始由中心点西侧转为东南侧，25 h开始转为南部，紧接着在28 h又转为偏南风向的影响。可见，模式能较好地反映气象条件的影响，模拟的污染物影响较显著的范围并不是对药厂的周边地区全部覆盖，主要位于药厂与盛行风向的下游，这与乐平地区污染检测资料所体现的规律是一致的。因此设计的天气预报系统驱动下的空气污染预报，对于精细化捕捉典型污染过程中污染物的显著影响区域及最大地面浓度所在位置具有重要意义。

以管委会所在地的SO2实时监测数据为准(图8中深色实线)，本试验所建立的WRF-CALPUFF污染预报模型能够有效地抓住本次污染事件的主要特征，包括SO2浓度的峰值大小、峰值时间、发展过程、持续过程、转折时刻等。然而，对比部分的峰值也存在高估(如第34 h附近的预报结果)或低估(如第61 h和71 h附近的预报结果)的情况。根据相关系数的计算结果，预报结果与观测结果的相关系数可达0.8以上，且超过95%的信度，平均浓度预报偏差低于10 μg/m3。因此，本试验所建立的WRF-CALPUFF污染预报模型具有较优的预报性能，可以用于实际的污染物预报。

表1 输入模式的排放源参数

t=1-9 h、20 h、25 h、28 h；阴影是SO2的小时平均地面浓度(单位：μg/m3)，箭头代表地面风场

深色实线，浅色实线(单位：μg/m3)

逐小时平均浓度填色图表征的是随着气象条件的变化，35家企业排放源对地表SO2浓度值的实时影响情况，所反映的是35家企业对环境空气质量的实时影响状况。由72 h实时回报结果(图7)可见，精细化的气象场模拟资料所驱动的大气扩散模式模拟结果，能实时给出污染物的主要影响范围、最大影响浓度所在位置以及发生时间等信息，对于评估企业大气污染物排放的实时环境影响具有重要意义，可为大气污染防治提供有效预报参考。

进一步，通过对72 h回报结果的统计分析发现(图8)，35家企业在这3 d(2019年4月15—17日)内对地面浓度的最大贡献值约为7.8 μg/m3，根据乐平市2个监测站(老环保局站和国土局站)的平均监测结果可知，3 d平均的SO2日均浓度值约为12.3 μg/m3(图9)，因此，35家企业地面SO2日均浓度对本地的最大贡献率约为63.4%，因而35家企业的SO2污染防控不容忽视。但从影响范围来看，最大浓度贡献点位于企业聚集区内，即处于可控范围内。

图9 2019年4月15日00:00—4月18日00:00平均的SO2最大24 h平均地面浓度空间分布/μg·m-3

3 结论

本文介绍了高分辨率中尺度模式在乐平工业园区污染气象保障中预报试验，主要结论如下。

1)试验采用高时空分辨率的中尺度天气模式WRF，最新的GIS(Geographic Information System)资料及3DVAR变分同化系统，实现高分辨率和高精度地气象要素预报场。结合CALPUFF污染物输送模式，得到高精度的乐平工业园及其周边地区的污染物预报。

2)选取SO2污染过程转折特征较为显著的时段开展模拟预报研究，结果符合污染物常规的传输与扩散规律：排放源附近，SO2的浓度达到极值，地面盛行风向是污染物传输的主要方向，沿着地面主导风向，污染物存在侧向的扩散，污染物影响较显著的范围主要位于药厂与盛行风向的下游，与乐平地区污染检测资料所体现的规律是一致的。

3)精细化的气象场模拟资料所驱动的大气扩散模式模拟结果，能实时给出污染物的主要影响范围、最大影响浓度所在位置以及发生时间等信息，对于评估企业大气污染物排放的实时环境影响具有重要意义。预报结果与观测结果的相关系数可达0.8以上，且超过95%的信度，平均浓度预报偏差低于10 μg/m3，35家企业地面SO2日均浓度对本地的最大贡献率约为63.4%，但从影响范围来看，最大浓度贡献点位于企业聚集区内，即处于可控范围内。