1 引言(Introduction)

随着我国核工业、石化等行业的高速发展, 特种高危污染物排放风险剧增, 若处置不当就会对人体健康及社会经济造成严重损害.特种污染物是大气中不常见或背景浓度很低的毒害污染物(如核化污染物、有毒有害气体等), 这类气体或气溶胶(如氯气、大气汞、放射性气溶胶)在较低浓度时即可对人体产生毒害, 达到一定浓度时将产生严重的急性毒性或高致死率(Busby et al., 1995; Yunsur et al., 2009; Jiang et al., 2006).空气中累积达到可损害人体健康剂量的特种污染物, 主要源于污染物泄露或突发污染事故.事故发生时, 人们往往可以快速定位事故排放源位置, 但受制于现场环境的复杂性, 难以直接测量排放源强, 更难以依据污染物扩散浓度阈值, 快速决策包含人群疏散范围在内的应急措施.突发污染事故下快速估算特种污染物源强, 对于突发事故应急管理具有十分重要的意义, 可为事故应急工作开展提供重要的科学依据.目前, 国内外估算特种污染物源强是通过数学模型与计算机结合的方法(Zheng et al., 2010; Zhang et al., 2009), 如Ning等(2012)利用混合遗传算法计算核事故源强, 赵培等(2013)基于Bayes推断理论的MCMC抽样方法对氯气泄漏源的泄漏强度进行反演.这些方法可为应急救援的源强估算提供初始数据参考；但事故排放源强具有非稳定排放特征, 且在估算出排放源强后, 用户往往期望能结合地理信息系统(GIS)快速得到污染物浓度分布现状及发展趋势, 以进一步确定包含人群疏散范围在内的各项应急措施.为此, 本课题组研发了特种污染物源强反演及可视化数据分析工具, 期望能实现特种大气污染源的排放强度估算, 并与GIS融合模拟分析其扩散影响的空间尺度(谢颖斯, 2014).

汞是一种生物蓄积性且神经毒性极强, 可经由大气循环传播的全球性重金属污染物(冯新斌等, 2009).大气中的汞主要有气态原子汞或气态单质汞(GEM, Gaseous Elemental Mercury)、活性气态汞(RGM, Reactive Gaseous Mercury, Hg²⁺)和颗粒态汞(PBM, Particulate Bound Mercury)3种形态.大气中的RGM (Hg²⁺)含量很低, 主要源于工业排放.工业点源排放的Hg²⁺容易在周边沉降、积累, 对局地环境有着极强的毒害风险(Shao et al., 2012), 是受到普遍关注的典型特种污染物.垃圾焚烧厂烟气中排放的Hg²⁺含量高(刘明等, 2013), 且主要源于焚烧进料所含的汞(如水银温度计、荧光灯管、含汞废旧电池等), 具有排放浓度波动大的特征, 可以用来初步验证本文研发的特种污染物排放源强反演及可视化分析工具的有效性.本文以我国最大的垃圾焚烧厂之一的广州第一资源热力电厂(又名广州李坑垃圾焚烧厂, 以下简称李坑)为应用案例, 利用WRF-HYSPLIT气象预报-前向轨迹来选择观测点, 定点进行空气质量和垃圾焚烧烟气中汞的分形态观测, 使用CALPUFF进行源强反演和扩散模拟, 并利用工具中集成的GIS来可视化分析Hg²⁺的扩散影响范围.

2 研究方法(Methodology) 2.1 功能框架

特种污染物排放源强反演及可视化分析工具主要由“气象轨迹模拟”、“排放源强反演”、“影响区域分析”3大功能模块组成, 图 1为工具的功能框架.上述3个模块相对独立运行, 在实际使用时可经由数据流串联成一个整体.其中, “气象轨迹模拟”为“排放源强反演”所需的实时监测数据提供布点参考, “排放源强反演”的结果为“影响区域分析”提供污染源排放输入, “影响区域分析”网格化模拟结果是GIS可视化分析的基础.

2.2 技术路线

突发大气环境污染事故发生时, 为快速、有序地开展事故应急工作, 环保应急部门需要规划合理的监测路径, 反演污染物排放源强, 得到污染物浓度分布现状及发展趋势, 进而实现影响区域动态分析, 为事故的应急驰援提供科学决策依据(王磊等, 2012).遵循上述大气环境应急数据获取环节, 本研究采用WRF进行气象预报、HYSPLIT攫取前向轨迹(Ngan et al., 2015; Skjoth et al., 2013), 利用CALPUFF (Cui et al., 2011; Abdul-Wahab et al., 2011)反算特种污染物大气排放源强并模拟扩散浓度范围.图 2技术路线中, 气象轨迹模拟模块的HYSPLIT模型直接利用WRF气象预报结果得到排放源前向轨迹, 并可在GIS中根据用户设定的时间范围进行动态更新, 从而为监测布点提供科学依据.监测车所测污染物实时浓度输入到排放源强反演模块中, 结合观测现场实时气象条件, 可反算得到动态变化的源强.源强反演结果输入到影响区域分析模块, 与WRF模型模拟所得现状及预报气象输出结合, 利用CALPUFF模拟得到特种污染物的扩散浓度变化, 进而利用集成的GIS进行影响范围的可视化分析.

2.3 源强反演方法 2.3.1 模拟区域

为分析李坑污染源对附近区域的污染情况, 将模拟区域根据广州市分区划分为花都区、从化区、增城区、白云区、黄埔区、天河区、越秀区、荔湾区、海珠区、番禺区, 模拟区域如图 3所示, 以李坑(图中“▲”)为大致中心, 经纬度方向均跨44 km, 图中“▲”位置为李坑烟囱排放点位(113.3388°E, 23.27015°N).

2.3.2 模型选型及配置

WRF (The Weather Research and Forecasting Model)是广泛应用于数值天气预报、气象模拟和数据同化的新一代中尺度气象预报模式和同化系统(常鸣等, 2014).驱动数据使用美国国家环境预报中心(NCEP)提供的逐6 h的全球气象卫星数据, 并使用对应时段的探空观测数据和地面站观测数据同化, 气象模拟区域覆盖CALPUFF网格, 采用兰伯特投影, 两条标准纬线分别为25°N和40°N, 中心经纬度为113.347°E、23.225°N, 模拟时间段为2014年5月26日0：00(UTC+8)至5月27日24：00(UTC+8).

HYSPLIT (Hybrid Single Particle Lagrangian Integrated Trajectory Model)是广泛应用于大气污染物传输及扩散轨迹模拟的专业模型(霍庆等, 2012b).输入数据为WRF气象预报结果, 轨迹模拟方式为前向轨迹模拟, 起始时间为2014年5月26日0：00(UTC+8), 轨迹推算时间为24 h, 基准点位为李坑烟囱排放点位.

CALPUFF是USEPA推荐用于模拟污染物扩散的主要模式, 也是我国推荐的环评导则模式之一(伯鑫等, 2009), 近年来在特种大气污染源强反演及扩散模拟应用中取得了较好的效果(Ghannam et al., 2013; 李沁怡等, 2012).CALPUFF考虑了复杂地形的影响、水上传输、海岸的交界影响、建筑物的下沉影响, 以及干湿沉降及简单的化学转化, 以平流扩散的方式模拟从源排放出来的污染物, 可以估算出在预设点的浓度和沉降量(Zhang et al., 2015).CALPUFF模式系统包括CALMET风场诊断模块、CALPUFF高斯烟团模块和CALPOST后处理模块3部分.CALMET中模型域投影方式、中心经纬度与标准纬线设置与WRF一致, 北偏为18 km, 东偏为20 km, 模型域气象网格划分为44×44(经向×纬向), 分辨率为1 km×1 km, 垂直层数为10, 高度分别为20.0、40.0、80.0、160.0、320.0、640.0、1000.0、1500.0、2200.0、3000.0 m (Hao et al., 2007), 输入数据为同化后的WRF气象预报结果.CALPUFF中网格参数设置与CALMET一致, 气象场输入文件为CALMET处理结果, 污染源输入为含有李坑坐标、烟囱高度(m)及直径(m)、海拔高度(m)、烟气排放温度(K)及排放速率(g·s^-1)等相关信息的文件.

2.3.3 源强反演

在具有空气中污染物监测数据的条件下, 可以根据WRF数值预报结果及CALPUFF模拟计算结果, 结合环境监测数据反向估算源项释放率(陈晓秋等, 2012).源强反演方法主要是利用一定气象条件下的空气质量监测值成比例模拟反算污染物排放源强(李航等, 2013).计算公式(1)中假设空气中污染物背景浓度为零, 因此, 仅适用于背景浓度很低的特种污染物.监测数据时间与对应的源排放时间关系如公式(2)所示.根据公式(2)计算出与监测数据对应的源排放时间, 以排序后的最早时间作为起始时间并输入假设的初始排放量(Q_m)至CALPUFF, 得到其模拟值(C_m), 利用公式(1)求出该监测数据所对应的实际排放源强(Q_s), 按源排放时间的先后顺序逐个对监测数据进行源强反演, 即可得到动态变化的源强.

(1)

式中, Q_s为实际排放源源强(g·s^-1), Q_m为排放源的初始排放量(本文假设为10³ g·s^-1), C_s为实际监测点污染物浓度监测值(μg·m^-3), C_m为根据初始排放量模拟得到同一监测点所在网格内污染物浓度平均值(μg·m^-3).

(2)

式中, t_s为源强反演所能检测到的最早排放时间(s), t为监测数据的监测时间(s), d为监测数据坐标点到排放源的距离(m), v为监测数据的风速(m·s^-1), θ₀为监测数据的风向(°), θ₁为监测数据坐标点对于排放源的方位角(°), 若监测数据中风向与其对于排放源的方位角相反, 则将该监测数据剔除.

2.4 监测验证方法

排放源下风向最大落地浓度处的观测值可以相对较好地表征污染源对区域环境空气质量的影响(王峰等, 2008), 利用最大落地浓度点的监测值反算的排放源强不确定性也较小.大气汞分形态在线分析仪(Tekran 2537A+Tekran 1130+Tekran 1135)调试至稳定运行耗时1 d以上, 仅适用于定点观测.因此, 本研究选择预报1 d内, 以恒定排放模拟得到的Hg²⁺最大落地浓度点(113.371335°E, 23.292428°N)为李坑排放烟气中汞的分形态外场观测位置.由图 4所示的前向轨迹可以看出, 5月26日李坑主要风向为西南风向, 该厂排放的Hg²⁺主要往东北方向扩散, 图中“▲”为排放烟囱位置, 星号图标位置为工具模拟所得Hg²⁺26日0:00-24:00平均最大落地浓度点.其他常规大气污染物和气象观测数据由广州市环境监测中心站提供, 大气汞分形态监测数据由中国科学院地球化学研究所提供, 污染源数据分形态监测数据由清华大学提供, 具体见表 1.

2.5 开发和运行环境

软件开发平台选用主流Windows平台应用程序集成开发环境Microsoft^® Visual Studio 2013, 开发语言为C# 4.0, GIS平台为开源GIS类库DotSpatial.系统运行操作系统平台为Windows XP及以上版本, 软件运行框架为Microsoft^®.NET Framework 4.0.

3 结果与讨论(Results and discussion) 3.1 排放源强反演结果验证

李坑排放烟气中Hg²⁺监测值为OH法测定结果.Hg²⁺源强反演结果由“排放源强反演”模块基于大气汞形态在线分析仪监测结果和实时气象条件反算得出.图 5中两种方法得到的浓度对比结果显示, 其整体变化趋势相似, 可决系数可达0.801, 表明“排放源强反演”能较好地基于下风向监测值反算得到排放源源强变化特征.图 5中计算得到反演法Hg²⁺ 24 h平均值为7.991 μg·m^-3, OH法Hg²⁺ 24 h平均值为11.525 μg·m^-3, 反演低估相对误差为-30.69%.造成排放源强低估有以下原因：污染物最大落地浓度位置受气象条件影响(刘春莉等, 2006), 风速、风向等因素的改变导致定点监测位置偏离最大落地浓度点, 使得外场观测值小于实际污染物浓度；Hg²⁺化学形态及其性质复杂, 目前还未有研究完全分析清楚其转化过程, 本文验证试验过程假设了在近距离的局部, 其形态未发生转化, 但实际上扩散过程中Hg²⁺较高的水溶性、干沉降速率及污染化合物的生成会使得外场观测值小于实际污染物浓度；此外, 源强反演方法中假设空气中Hg²⁺背景浓度为零, 而实际空气中含有少量Hg²⁺(Pirrone et al., 2010), 也可使得反演值低于实际监测值.

3.2 影响区域分析

源强反演结果输入到“影响区域分析”模块, 结合WRF模拟现状及预报气象输出, 然后可利用集成的GIS快速可视化分析污染影响区域现状及发展趋势.图 6为2014年5月26日Hg²⁺平均浓度实时分布情况, 可知Hg²⁺扩散浓度远小于空气中Hg²⁺污染限值, 结合图 3分析可知, 0:00-12:00主要风向为西南风向, 扩散影响区域为白云区东部、黄埔区北部、从化区南部及增城区西部, 其中, 白云区的钟落潭镇东南方向影响最为严重, Hg²⁺最高浓度为53.28 pg·m^-3.至24:00, 扩散范围还包括白云区东南部、黄埔区中部及西部, 受Hg²⁺影响较大的区域移至白云区太和镇东北部, 最高浓度增加到68.73 pg·m^-3, 位置与图 4中最大落地浓度点一致.综合比较图 6a与b可知, 至24:00 Hg²⁺的扩散范围及强度增大, 表明风向逐渐由西南风向变为西北风向, 污染物逐渐往东南方向扩散, 且12:00-24:00污染源排放量大于0:00-12:00污染源排放量, 并由图 5可计算出0:00-12:00与12:00-24:00 Hg²⁺浓度平均值分别为6.974、9.006 μg·m^-3, 与Hg²⁺扩散范围变化相符合.

突发事故发生时, 为配合环保应急部门确定人群疏散范围并快速有效地开展应急工作, 特种污染物排放源强反演及可视化分析工具可绘制特种高危污染物浓度分布现状及发展趋势.以Hg²⁺为例, 假定5月27日污染源排放规律不变, 输入反演的26日Hg²⁺非稳态排放源强及27日预报气象条件, 利用“影响区域分析”模块模拟分析得到27日Hg²⁺分布范围如图 7所示.与26日相比, Hg²⁺扩散影响区域及强度扩大, 排放源李坑附近影响加重, 白云区东部及东北部、黄埔区北部及西部、天河区北部、增城区西部、从化区南部及花都区东南部区域也受到不同程度影响, Hg²⁺最大落地污染浓度可达83.52 pg·m^-3.假定50 pg·m^-3浓度的Hg²⁺代表特种毒物污染预警阈值(生活垃圾焚烧污染控制标准GB18485-2014中汞污染排放浓度限值为5×10⁷ pg·m^-3, 监测到的汞浓度远未达到对环境产生影响程度), 据此可在GIS上可视化分析圈定白云区东部及东北部、天河区北部及黄埔区西部为事故应急人群疏散范围(图 7).

4 结论(Conclusions)

1) 实际大气环境中, 特种污染物排放非常少见, 更难以用毒害物质进行专门的野外扩散实验.因此, 本文选择了大气中背景含量很低的活性气态汞(Hg²⁺), 以正常生产中的广州李坑垃圾焚烧厂为例, 将日均最大落地浓度最大值处的Hg²⁺监测值及实时气象条件, 输入到研发的特种污染物源强反演及可视化分析工具中, 反演得到李坑非稳态排放源强, 再与烟气中对应时段的实测Hg²⁺浓度比较.实验结果表明, 该工具能较好地利用监测值和气象条件反演得到特种污染物的非稳态排放源强, 可决系数可达到0.801, 外场观测位置的选取、污染物本身特性及空气中污染物背景浓度变化是造成反演结果偏低的主要因素.

2) 本文研发的特种污染物源强反演及可视化分析工具, 集成运用WRF-HYSPLIT规划监测路径、选择外场监测点, 利用CALPUFF进行源强反演与扩散模拟, 以免费开源的GIS平台进行可视化分析展示, 可为特种大气污染事故应急决策提供新的科学手段, 并为包含非稳态排放源强、污染扩散影响范围等信息在内的关键决策提供依据.