基于空气质量模型的化工园区VOCs 排放影响评估方法研究

项雅静，张嘉伟，王东方

（上海建科环境技术有限公司，上海 200000）

挥发性有机物（Volatile Organic Compounds，VOCs）组分众多，来源复杂，且多数组分活性较强，是PM2.5和O3二次形成的重要前体物之一。化工业是VOCs 污染的主要排放行业，化工园区内化工企业聚集发展，异味投诉频发但企业排放责任不清，企业污染源的VOCs 排放影响评估对厘清责任、VOCs 减排具有重要意义。

空气质量模型采用数值方法模拟大气中污染物的物理扩散和化学反应[1]，可用于不同尺度和不同环境条件的VOCs 排放影响评估，具有成本低、时空分辨率高等优点，至今已发展出上百种的模型[2]。但由于大气污染物扩散自身机制的复杂性，目前仍存在待改进的地方[3]，且多年的实验数据证实并没有哪一个模式比其他模式有明显的优越性[4]。

目前，化工园区等复杂排放条件下的VOCs 扩散模拟的适用性研究较少，且模型参数参量缺乏较为系统的本地化方法，有必要在典型园区开展VOCs 扩散模拟，进行排放影响评估方法的探索研究。

LPDM 和ADMS 两种模型[5]较为先进，在模拟小尺度污染物的扩散和迁移方面应用较多，可用于污染物的浓度分布和污染扩散的模拟。本研究以LPDM 和ADMS 两种模型为模拟应用工具，梳理模型所需的输入参数，以化工园区为研究区域，深入探讨了模型所需的本地化VOCs排放清单的构建方法，并对模型模拟结果进行验证和比对，为今后的同类型大气扩散模拟影响研究提供有力的技术手段和保障。

1 研究区域概况

东南沿海某典型化工集中区汇集精细化工区、石化化工区和石化产业园等多个产业园区，全区域陆地面积约为40 km2，区内地势低平，交通十分便利，其中精细化工区包含企业一百余家，形成新型表面活性剂、功能性涂料、合成新材料和生物医药等主要产业集群；石化化工区为炼油化工一体化的高度综合性石化化工企业，主要生产石油产品、化工产品、合成树脂及合纤聚合物、合成纤维等产品；石化产业园为区域新兴发展园区，目标形成从基本无机原料、有机原料到合成材料、化工新能源和高新技术化工产品（含生物医药化工）等配套的石化产品生产园。

研究区域为严控VOCs 污染，实现企业清洁生产、污染精准溯源及政企协调配合，通过环保上的硬投入，区域陆续建设了10 多个大气自动监测站（如图1 所示），其中：JSSJ、FJ、XL、YN 和GM 为精细化工区园区点位，W2、W3、W4、W6 和W8 为石化化工区园区点位，DS1、DS2、DS3 为石化产业园园区点位，JSC、ZQ、JSXC、JSWZ 和SHJD 为周边环境点位；初步形成了以GC-FID 为基础，以GC-MS 为支撑，以光学监测为辅助，结合快速质谱等技术协同监测的一体化多功能工业区监测体系，初步实现生产区域及周边环境的VOCs 自动监测、报警、日常评估、应急和溯源等功能。

图1 某沿海化工集中区区位图

2 模型及应用方法介绍

2.1 模型介绍

LPDM（Lagrangian Particle Distribution Model）通过计算气块群的运动轨迹，实现对大气污染物质的输送和扩散过程的模拟[6]。该模型可模拟点、线、面和体源等大气源排放的大气示踪物质的中小尺度输送、扩散、干湿沉降及其辐射衰减过程，其前向和后向轨迹模拟分别可以用来模拟排放源的扩散，以及确定排放源的影响区域。模拟需要气象资料和排放清单等数据，当气象场网格嵌套层数越多，区域气象场的模拟将更精准。目前，结合地理高程数据，通过插值可输出110 m×110 m 水平分辨率的足迹，满足小尺度的模拟需求。

ADMS（Atmospheric Dispersion Modelling System）是一个模拟污染源在大气中连续扩散的大气模型[7]，可模拟点、线、面、体和网格源等污染源的连续或间断排放，并能进行复杂的化学反应模拟，适用范围涵盖街道尺度到大型城市尺度。已广泛应用于城市、路网、工业基地等复杂条件的空气质量评价、交通污染管理和空气质量预测等。模型模拟所需参数包括气象变量、背景浓度及详细的排放清单等。LPDM 和ADMS 空气质量模型异同比较见表1。

表1 LPDM 和ADMS 空气质量模型异同比较[8-14]

2.2 模型应用方式

空气质量模型的应用流程（如图2 所示）具体为：（1）首先确定模拟区域和受体点位，以3 个化工园区所在区域为研究范围，区域监测网站点分布位置为受体点位；（2）结合模型特点，收集模拟所需的气象资料和地形资料等基础参数；（3）梳理研究区域主要污染源的大气污染排放数据，即排放清单，为确保污染源排放信息的准确性，排放清单的编制具有时效性要求，有必要形成本地化参数方案（见第3 小节），为将来同类型区域构建准确、完整、更新及时的小尺度区域大气污染物排放清单提供技术支撑；（4）实现模型模拟，通过模拟结果与实测结果对比以及不同模型之间的对比等方式，验证模拟结果理想与否，进一步调整基础参数调试模型。理想的模拟结果将有助于化工园区等小尺度区域污染排查和污染溯源等区域环境管理工作，为实现大气污染精准治理、精细治理提供技术支撑。

图2 空气质量模型污染扩散模拟流程图

3 数据收集及参数计算

通过协调收集、实地调研以及现场采样等方式，本文获得典型化工集中区的各项数据资料。该化工集中区覆盖3 个大型产业园，管理机构各有不同，由于阶段性、技术性以及其他经济和人为因素等影响，产业园间各项业务数据的存储方式和表达方式等均有不同，构成了企业的异构数据源。为了得到供模型模拟使用的源排放清单，首先要确保各个产业园具有相同统计方式的排放数据，并且能够进行标准化处理（如图3 所示）。研究区域VOCs排放数据涵盖各类企业和污染源的地理信息、中小企业的VOCs 排放量、大型企业各部门生产环节VOCs 排放量以及重点VOCs 企业委托监测数据等。数据转换的主要方法如下：（1）有组织源的排放总量转换为排放速率；（2）把无组织源的排放摊分到空间网格中；（3）耦合委托监测数据及排放总量，获得具体污染物质的排放速率。

图3 多源异构数据标准化技术流程

3.1 地理数据

首先获取大区域环境的行政区划地理文件，通过ArcGIS软件对收集到的各类地理信息进行数据汇总和展示：（1）根据环境统计表等文件中的企业经纬度坐标，新建企业shp图层文件；（2）化工园区规划文件（CAD 格式），通过地图校准建立规划图的shp 图层文件；（3）shp 格式文件统一投影坐标系；（4）综合各图层污染源信息，当出现相同名称的企业位置具备非唯一位置信息等情况时，通过向相关管理部门确认、查询网络地图或实地勘察等方式确定地理信息。

3.2 中小企业

重点统计和梳理有组织源排放信息，如有条件也可汇总无组织源排放信息。一般无法获得各家企业所有排口的经纬度坐标，由于中小企业的占地面积小于现有模型的空间分辨率水平，可以假设所有企业仅有1 个排口，位置信息由校准过的企业经纬度替代，该简化过程将不会对区域大气扩散模拟造成明显的影响。整理环统数据、企业一厂一策、项目环评报告和排口委托监测等多种类型的数据，摘录企业各个排口的相关参数（高度、直径和排气温度等）。

3.3 大型企业

充分了解大型企业VOCs 排放所涉及的具体部门、所有主要排口及生产环节。现已知大型企业各个部门的各个环节统计有VOCs 排放量，包括采样环节、事故环节和检修环节等，涉及无组织和有组织排放；企业所有排口统计有排气量、工时和排口参数等数据。

有组织排放：汇总各部门（A）有组织排放环节（工艺有组织、火炬和燃烧烟气等）的VOCs 排放总量（αA）；已知单个排口的排气量（δai），汇总部门所有排口排气量得到部门总排气量（δA），得到单个排口占比系数（δai/δA），可求得该排口的VOCs 排放量αai=（δai/δA）×αA；排口VOCs排放量除以排口正常生产工时，求得对应的排放速率；单位换算根据使用的模型需要进行调整。

无组织排放：汇总各部门（A）无组织排放环节（储罐、装卸、废水、设备泄露等）的VOCs 排放总量（βA）；根据涉及无组织排放环节的部门在地图上的位置分布，简要划分面源网格（aj）；结合部门的占地面积、储罐物料周转量（储运部储罐环节）和废水面源的VOCs 浓度实测值（环水部废水环节）等参数设置网格的归一化加权参数（Xaj）；网格摊分得VOCs 无组织排放量βai=Xaj×βA；通过向企业确认或者工艺过程估算各个环节无组织排放的时间，进而得到排放速率。

3.4 单物质排放

4 模拟结果验证

4.1 模拟与实测的比对

利用LPDM 模拟得到2019 年11 月17 日、18 日W4和YN 点位的苯浓度时序变化。与站点实测值相比较（如图5 所示）：（1）W4 的苯实测值在17 日15 时出现峰值，苯模拟值在17 日16 时浓度最高，存在约1 h 的错峰，高值持续时间与实测值相同；（2）YN 的苯实测值在17 日8时浓度最高，随后逐渐降低，苯模拟值也呈现相同变化趋势。W4 和YN 点位苯的实测值和模拟值的时序变化相对一致，皮尔逊相关系数分别为0.826 和0.833（P 值均小于0.01），说明模拟结果具有一定的准确性和可靠性；而模拟值与实测值存在1～2 h 的错峰情况，可能是由于模型输入的下垫面参数与实际存在差异造成的，高大建筑的拔起，地形的差异均会使地表摩擦力产生偏差。

图5 2019 年11 月17 日8 时至18 日8 时期间各站点苯实测值与模拟值时序变化

应用ADMS 模拟得到JSXC 站2018 年5 月28 日至31 日及2019 年8 月16 日至17 日的VOCs 浓度时序变化（如图6 所示），发现与VOCs 实测值的变化趋势相似，皮尔逊相关系数分别为0.997 和0.716（P 值均小于0.01），说明模型的模拟值具有较好的准确性和可靠性。二者在绝对量值上的差异可能主要是由于以下几个原因导致：（1）小企业使用的VOCs 总排放量不包括无组织排放；（2）大企业使用了部分无组织排放量，但不包括管道泄漏等无组织源；（3）未叠加区域环境的浓度背景值。

图6 JSXC 点位VOCs 实测值与模拟值时序变化

4.2 模型之间的比对

在相同的区域VOCs 排放清单基础上，通过调整模拟时间段（2019 年4 个季度），运用LPDM 与ADMS 模拟得到VOCs 的扩散分布情况。将污染源按照所属园区分为3 个类别，根据VOCs 的扩散落点浓度值，可统计18个受体点位分别受到3 类污染源的污染影响大小（百分比），并且也可以统计出3 类污染源对3 个区域的影响大小（百分比）。两个模型模拟得到3 类污染源对18 个受体点位及3 个区域的污染贡献占比，站点贡献及区域贡献中，模型结果间的相关性系数r 均达到0.94（90%的置信区间内）（如图7 所示）。说明在园区尺度，基于相同的排放清单，不同模型的模拟结果较为相近，互为验证，两种模型的VOCs 贡献分析在实际应用中具备一定的参考价值。

图7 污染源贡献占比LPDM 与ADMS 模拟结果的相关性分析

5 结束语

以精细化工区、石化化工区和石化产业园等多个产业园区毗邻的区域为研究范围，应用LPDM 及ADMS 模拟VOCs 小尺度扩散情况。根据模型的参数参量要求，充分调研、实测和搜集得到地面气象、地理信息以及企业类型、污染源类型的多源异构排放信息等基础数据，建立了一套可拓展应用于其他工业园区的本地化参数方案，并对模拟结果进行验证和比较。

图4 企业多源异构数据关系示意图

为了克服大型园区管理机构、阶段性、技术性以及其他经济和人为因素造成的企业VOCs 排放资料的差异，对园区之间的多源异构排放数据进行标准化处理：（1）将有组织源的排放总量转换为排放速率；（2）把无组织源的排放分摊到空间网格中；（3）耦合委托监测数据及排放总量，获得具体污染物质的排放速率。最终得到3 类园区、数据结构一致、能够供模型模拟使用的源排放清单。

基于输入相同的排放清单，LPDM 和ADMS 的模拟值与实测值均呈现相同变化趋势，皮尔逊相关系数大于0.7（P 值均小于0.01）；模拟3 个园区之间的污染贡献及对不同受体点位的污染贡献，二者模拟结果相关性较好，90%的置信区间内，r 达到0.94，验证两种模型在化工园区情景下的应用较为可靠，说明两种模型VOCs 扩散影响评估在实际中具有应用参考价值。