ACTA Scientiarum Naturalium Universitatis Pekinensis
Study of the Influence of Wind Field Uncertainty in Atmospheric Diffusion Emergency Forecast
郑宇凡1 蔡旭晖1,† 康凌1 张宏升2 宋宇1
1. 北京大学环境科学与工程学院环境科学系, 北京 100871; 2. 北京大学物理学院大气与海洋科学系, 北京 100871; † 通信作者, E-mail: xhcai@pku.edu.cn
摘要 使用WRF模式和CALMET模式, 获得一个40 km区域的细网格气象预报场, 同时利用加入地面观测资料的方法获得当地诊断风场。用随机粒子扩散模式模拟两种风场驱动下的扩散结果, 并比较和评估预报模拟的偏差或不确定性。对4个季节的代表性月份(1, 4, 7和10月)的逐时排放情况以及4个排放高度的情景进行模拟分析。结果表明: 1) 预报模拟的烟云扩散形态(方向和宽度等)在当地大多数时段内(约占全年的80%)与诊断分析的实际扩散结果一致, 且季节变化不大, 其余时段为扩散形态有中度偏差和有明显差异的情况,二者各占10%左右; 2)地面轴线浓度的不确定性随下风距离及污染排放高度而变化, 20~100 m各高度的排放结果大致在2~4 km的下风距离出现最大偏差, 但100 m的高源排放在约2 km以内的范围也有很大的预报不确定性; 3) 两种情况造成当地扩散预报结果的明显偏差, 一是气象场预报的局地风场发生重要转变的时间不一致, 使预报风场与实际风场处于转变前后的不同步状态, 从而使污染扩散预报结果出现重大偏差, 二是WRF模式对地面风速的预报系统性地偏大(50%左右), 造成预报模拟浓度结果系统性地偏小。关键词 大气扩散; 应急预报; 预报模拟; 不确定性
Study of the Influence of Wind Field Uncertainty in Atmospheric Diffusion Emergency Forecast ZHENG Yufan1, CAI Xuhui1,†, KANG Ling1, ZHANG Hongsheng2, SONG Yu1 1. College of Environmental Sciences and Engineering, Peking University, Beijing 100871; 2. Department of Atomspheric and Oceanic Sciences, School of Physics, Peking University, Beijing 100871; † Corresponding author, E-mail: xhcai@pku.edu.cn
Abstract This paper studies deviations and uncertainties of atmospheric diffusion caused by wind field forecasting, in conditions of emergency release. WRF and CALMET were used to create a 40 km fine-mesh meteorological forecast field and a diagnostic field with local data. In the simulation, we traced the emissions in January, April, July and October which are representative of four seasons and the emissions in four typical situations. The analysis shows that the forecasts are consistent with the diagnosis in 80% of the year and the change of seasons does not affect significantly, while the rest 20% is shared by different plume shape and significant deviations, each accounting for about 10%. Downwind concentration varies with emission height and downwind distance. The maximum deviation occurs when the height is 20‒100 m and the distance is 2‒4 km, while the result is highly uncertain when the height is 100 m and the distance is shorter than 2 km. The significant deviations occur in two situations. In the first, the time of the important transition of the local wind field predicted by the meteorological field is inconsistent, so that the forecast wind field and the actual wind field are in an asynchronous state before and after the transition, which causes a major deviation in the pollution diffusion forecast results. In the second, WRF, which systematically overestimates the wind speed (at 50% approximately), leads to systematically lower forecasted concentration. Key words atmospheric diffusion; emergency response; forecast simulation; uncertainty
现代化工、核电等行业涉及诸多有毒有害化学品或放射性元素, 在这些行业的生产、储运等环节存在发生事故、导致危险品泄漏的风险, 严重的事例如印度博帕尔毒气泄漏事故、前苏联切尔诺贝利核事故以及伴随严重自然灾害(海啸)的日本福岛核事故等。对这类潜在危险, 各国通常建立事故应急响应机制加以应对[1‒3]。危险品泄露会对多种环境要素(如水体、土壤和大气等)带来影响。与水体和土壤污染相比, 大气污染具有可控性低、有毒物质扩散快、影响范围广、可防护性低以及预测复杂等特点。因此, 事故大气扩散应急预报在各国都受到格外的重视。美国在20世纪70年代成立NARAC (The National Atmospheric Release Advisory Center), 以应对废弃的核武器以及其他军事设施造成的环境污染[1], 并提供各种化学和核泄露的应急预报服务, NARAC开发的模型可以对多种物质开展从本地到全球尺度的大气扩散模拟。为满足突发性大气污染事故中科学决策和规范处置的需要, 我国首个突发性大气污染监测与预报技术集成(monitoring and forecast of emergency air pollution, IMF)移动平台研发成功[2], 2010年 7月 5日至8月 6日在北京阳坊的综合外场实验表明, IMF移动平台从燃油燃烧事故监测至应急预案发布需时约5分钟。
气象条件(风、大气湍流、温度层结等)对大气扩散有直接影响。由于大气运动的随机性, 大气扩散模拟结果往往偏离实际情况, 具有不确定性。对事后分析类应用问题, 可以使用实际观测资料进行气象模式数据同化分析, 或者直接采用观测数据进行诊断分析, 以期获得接近实际情况的气象场[3‒9]。然而, 在事故应急条件下, 需要对未来污染扩散情况进行预测, 因此模拟结果严重依赖于气象模式的预报结果。虽然近几十年数值天气预报和中尺度气象模式的研究和应用取得巨大进展, 对天气系统和中尺度环流的模拟能力得到极大提高, 但对局地边界层过程的模拟仍存在不足。这一不足在我们研究河北省海兴地区实际大气扩散特征的过程中表现得十分突出, 由此引出本文关注的问题——定量地考察应用大气扩散预报模式在一个小尺度区域进行风场模拟的不确定性程度以及这种不确定性在不同季节、不同条件下的变化情况, 并初步探讨引起模拟不确定性的原因。
1 模式、资料与方法
研究区域位于河北省海兴县香坊乡(11743'E, 3807'N), 地处渤海湾西岸, 距海岸线约 17 km。该区域以滨海平原地貌为主, 局部为河流和盐场等人工地貌。厂址范围内地形较平坦, 海拔高程一般为3~5 m。采用中尺度气象模式WRF (weather research and forecasting model)模拟该区域的三维气象场, 并利用风场诊断模式CALMET进行网格细化和局部地形调整。在此过程中获得两组气象场, 其中一组完全依赖WRF模拟的结果进行 CALMET诊断和细化, 以此代表事故应急条件下的预报模拟情景; 另一组则在CALMET诊断和细化过程中加入当地气象观测资料, 以此代表实际或接近实际的气象条件(以下称前者为预报风场, 称后者为诊断风场或实际风场)。用随机粒子扩散模式在两组气象条件下进行扩散模拟, 比较其异同, 并对预报结果的不确定性进行分析。
1.1 气象与扩散模式简介
WRF模式采用完全可压缩的非静力学动力框架, 水平网格采用高精度的Arakawa C格点, 垂直方向采用地形追随质量坐标, 包含湍流交换、大气辐射、积云降水、云微物理和陆面等多种物理过程的参数化方案, 广泛应用于天气预报、区域气候和大气化学等研究领域。本文采用双向反馈两重嵌套网格, 模拟区域设置情况如下: 外层网格数为130×115, 网格距为15 km, 内层网格数为100×120,网格距为5 km; 内外模式区域的中心经纬度分别为(116.38ºe, 38.78ºn)和(116.38ºe, 39.90ºn); 垂直方向不等距地分为28 层(从地面至 100 hpa), 其中2 km以下的低层大气划分为9层, 以便充分反映大气边界层特征。CALMET模式是美国环境保护局(The Environmental Protection Agency, EPA)推荐的大气扩散模式CALPUFF中的气象模块, 是一个网格化的风场诊断模式, 利用质量守恒原理对初始风场进行空间插值和地形调整。模式包含客观化的参数分析、陡坡地形的参数化处理、地形影响下的动力学流体效应、特殊地形对大气流体的阻滞效应以及流动散度最小化处理等, 并针对海陆边界层和大面积水体区域上大气湍流的微气象学特征进行参数化处理[10]。本文利用该模式获得研究区域40 km范围内水平网格距为500 m的流动场, 从而为扩散模拟提供高分辨率的气象参量。
本文用北京大学开发的随机粒子扩散模式进行扩散模拟, 该模式已经过严格的理论探讨和实验验证[11‒12]。模式模拟污染源排放大量随机粒子, 用以代表实际源排放, 跟踪每个粒子在边界层风场和湍流场中的扩散运动, 记录其空间位置, 统计获得扩散浓度。模式的浓度计算中引入核函数方法, 以期
[13]提高计算效率 。该扩散模式也可用于时间反向的扩散计算, 以便进行受体点浓度观测的印痕分析,
[14]已应用于高原复杂地形 和北京地区的大气环境个例分析[15]。有关模式详情可参阅文献[11‒14]。本文进行扩散浓度场统计的水平和垂直网格距分别为100 m和50 m。
1.2 资料与方法
WRF模拟使用的初始化数据来源于美国国家环境预测中心提供的NCEP-FNL全球分析资料, 水平分辨率为1°×1°, 时间间隔为6小时, 覆盖整个模拟时段。地形数据采用 USGS 全球地形高度和地表分类资料, 两层网格分别采用2′和 30″分辨率资料。CALMET模式使用的观测资料来源于海兴当地专用气象塔以及周边专设的自动气象站。由于在海兴地区开展核电厂选址的大气扩散项目研究, 当地进行了一年的塔层和多站地面气象观测以及现场扩散示踪实验。气象塔位置在本研究的模式区域中心, 地面气象站分布于气象塔周边半径约为10 km范围内, 分别为边庄村、埕口镇、刘庄子和青先农场。气象铁塔为自行搭建的102 m高的拉线铁塔,设置具有5个气象观测高度(10, 30, 50, 70和100 m)的风向风速仪和温度传感器, 均安装在可伸缩的横臂上。自动地面观测站测量的气象要素主要有风向、风速、温度、湿度、气压、雨量、总辐射、净辐射和蒸发量。气象铁塔和自动观测站记录数据的时间分辨率为1小时。经统计, 铁塔的风速温度数据总获取率为99.97%, 铁塔和地面站所有气象数据的联合获取率为 99.84%。事故条件以一定时长的污染排放为主。本文将研究目标限于1小时内的短时排放, 排放速率为20 g/s, 排放点位于模式中心。由于事故发生的随机性, 使其可能出现在一年中不同季节、不同时刻,暴露于不同气象条件下, 因此本文针对上述排放源情况进行2016年全年代表性月份(1, 4, 7和10月)逐时次的扩散个例计算, 即在一个整点时刻开始1小时的排放, 到所有排放物质扩散输送出模式边界或者扩散时间超过24小时为止, 然后进行下一时刻的
计算,散模拟结果的不确定性,算, 一组代表预报情况(仅依赖直至获得所有时刻的扩散结果。为了考察扩对所有个例都进行两组计WRF模式结果), 另一组代表实际情况(加入实际气象观测资料), 然后比较二者的异同。利用两种方法分析扩散结果, 一是定性地判读扩散烟云的形态差异, 二是定量地比较不同下风距离地面最大浓度的数值偏差。以排放点为中心, 取下风0.3, 0.5, 1, 2, 4, 6, 8, 10, 12, 14, 16和18 km半径弧线上的浓度最大值, 计算统计量FB (fractional bias), NMSE (normalized meansquareerror)和 FAC2 (fractional within a factor of two):
其中, Co为实际模拟值, Cp为预报模拟值。模拟结果包括 20, 50, 70和100 m共4个排放高度的扩散情况, 以便对不同扩散条件有较全面的覆盖。
2 结果2.1 烟云扩散形态
比较预报模拟与实际扩散烟云的分布形态, 可考察二者的总体偏差情况。分析表明, 对同一气象场, 不同排放高度获得的扩散烟云形态相近。这里取 100 m排放高度的模拟情况为例, 对4个月份的逐时模拟结果进行分析, 粗略地统计各类情况的出现频率。
2.1.1 烟云扩散形态一致
在烟云扩散形态一致的情况下, 预报模拟与实际扩散烟云轮廓几乎相同, 主体方向一致, 烟云宽度相差很小(图1)。统计各代表性月份720或744小时中这类情况出现的频率, 1, 4, 7和 10月分别为83%, 77%, 72%和85%, 可见大多数情况下预报模拟的烟云整体形状以及影响范围结果都很好。不过, 预报模拟的污染物地面浓度与实际模拟结果有偏差(图1中烟云轴线上污染物最大浓度的数值不同), 下面将对此做进一步分析。
2.1.2 烟云形态明显不同
在某些时刻, 预报模拟与实际扩散表现为完全不同的烟云形态。如图2所示, 对2016年7月13日