Impact of Temporal and Spatial Resolution of CALMET on the Simulated Concentration Fields of CALPUFF

KANG Ling1,†, ZHU Hao2, HUANG Qianqian3, LIU Xinjian4, LIN Hongtao5, CAI Xuhui1, SONG Yu1, ZHANG Hongsheng6

1. College of Environmental Sciences and Engineering, Peking University, Beijing 100871; 2. Nuclear and Radiation Safety Center, Ministry of Ecology and Environment, Beijing 100082; 3. Institute of Urban Meteorology, CMA, Beijing 100089; 4. National Nuclear Emergency Response Technical Assistance Center, Beijing 100071; 5. CNNC China Nuclear Power Engineering Co., Ltd., Beijing 100840; 6. Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing 100871; † E-mail: lkang@pku.edu.cn

Abstract The hourly WRF forecast wind fields with a resolution of 1 km is used as the input of the CALMET diagnostic model to generate wind fields with different temporal and spatial resolutions, which drive CALPUFF to obtain concentration fields with a resolution of 50 m per minute. The impact of the temporal and spatial resolution of CALMET meteorological fields on the concentration fields and the calculation time of each scheme are analyzed. The results show that satisfactory wind field and concentration field can be obtained even with coarse temporal and spatial resolution at stable wind direction and high wind speed conditions. The temporal and spatial resolution has a significant impact on the wind and concentration fields when the wind direction changes and the wind speed is low. The difference between concentration fields driven by various meteorological schemes can be as high as 40%. During the transition of the wind field, the accuracy of the concentration field will worsen with finer meteorological grid if the modeling time step of CALMET is greater than 30 minutes. The longer the modeling time step is, the more significant the deviation of the concentration field is. Considering the calculation time and the accuracy of the concentration field simulation, CALMET meteorological scheme with a time step of 10 min and a grid resolution of 400 m is recommended in the emergency early warning of air pollution accidents.

Key words CALMET/CALPUFF modeling system; temporal and spatial resolution; wind field; concentration field; computational time

CALMET/CALPUFF模式系统是美国国家环境保护局推荐的适用于长距离输送和涉及复杂流动(如复杂地形、海岸、小静风、熏烟和环流情形等)近场应用的导则模式[1], 也是2018版《环境影响评价技术导则 大气环境》(HJ 2.2—2018)[2]推荐模型之一。CALMET是一个包含诊断风场和水陆边界层微气象学模块的气象模式, CALPUFF是一个用来模拟非稳态、多层、多物种污染的高斯烟团扩散模式。CALMET与 CALPUFF结合, 可以处理许多重要的复杂地形效应, 包括气象场的空间变化、弯曲烟羽轨迹以及烟羽地形的相互作用等。CALMET/ CALPUFF模式系统适合于粗糙、复杂地形条件下的大气扩散模拟[3‒4]。

近年来, CALMET/CALPUFF模式系统在大气环境污染事件模拟中得到越来越广泛的应用。该模式系统利用中尺度气象模式预报场, 经 CALMET风场诊断模式降尺度得到高分辨率的气象场, 作为

[4] CALPUFF等大气扩散模式的输入 。该方法充分考虑地形动力学效应、坡度流及地形热力学阻碍效应, 能够得到与局地地形相符的精细的风场[5]。朱俊涛等[6]采用 WRF-CALMET模式模拟事故区域的高分辨率气象场, 耦合随机模式模拟污染物的扩散过程。王娜等[7]采用 WRF-CALMET模拟得到的高分辨率气象场耦合CALPUFF扩散模型, 模拟化工

[8]园区突发性大气污染事故。郑宇凡等 使用WRF和CALMET模式, 结合随机粒子扩散模式, 比较并评估预报模拟偏差。黄昕等[9]采用WRF-CALMETCALPUFF模式系统, 研发一套突发性大气环境污染事件应急预警系统, 风场和浓度场的输出间隔可以精确至分钟。鉴于风场模拟精度对污染物浓度场预报的重要作用, 一些研究者对比分析WRF-CALMET模式对风场的模拟效果[5,10‒11], 结果表明WRF与CALMET结合的方法既能考虑大尺度、中尺度和微尺度上的动力学过程, 在最大程度上体现局部地形的影响,又能有效地提高风场预报数据的时空分辨率。但是, WRF水平分辨率对CALPUFF短时间(如小时)浓度场有显著影响[12], 一些研究者推荐采用1km分辨率的WRF预报场作为CALMET的输入进行诊断分析[6,12],以期进一步获得时空分辨率更细的气象要

素场。

在突发性大气污染事故应急预警中, 模拟的准确性和时效性是两个互相掣肘的因素。提高时效性往往需要降低网格分辨率, 会造成模拟精度下降。

[13] Oleniacz 等 通过研究局地尺度范围内CALMET/ CALPUFF模式系统水平网格分辨率对空气质量预报结果的影响, 指出降低网格分辨率会导致对高浓度值的低估。伯鑫等[14]指出, 在气象网格分辨率较粗时, CALPUFF可采用多密度离散网格受体或嵌套因子生成更密的采样网格, 以便获得空间分辨率更高的浓度场。为了在突发性大气污染事故应急预警中及时做出尽可能准确的风险评估和救援决策, 本文以华北地区某假想化工厂泄漏为例, 以中尺度气象模式WRF输出的模拟区域逐小时1km分辨率三维气象场作为 CALMET诊断模式的初始猜测场, 经过CALMET地形调整和时间插值, 得到不同时空分辨率的气象场, 并以此作为CALPUFF烟团模式的气象输入。采用嵌套因子生成CALPUFF烟团模式50 m分辨率的采样网格, 进一步计算模拟区域逐分钟50m空间分辨率(该分辨率可满足近场精细模拟的需求[2])的浓度场。通过对比不同CALMET气象方案的计算耗时和网格浓度场, 推荐满足模拟精度和预报时效性要求的气象方案。

1模式、资料与方法

本文的研究区位于我国华北地区, 处于山区与平原的过渡地带, 西部和北部被连绵的山脉环绕,沿东南方向渐入平原。本文研究范围为以假想厂址(39.73°N, 115.96°E)为中心的10 km10 km区域, 地形起伏较大, 西北高, 东南低, 西北角的海拔高度在1000 m以上, 沿东南方向逐渐降低, 最低海拔高度在50m以下。采用中尺度气象模式WRF输出的模拟区域逐小时1km分辨率气象场作为CALMET诊断模式的输入, 经 CALMET网格细化、地形调整和时间插值, 得到不同时空分辨率的诊断风场,再耦合CALPUFF烟团模式, 进行泄漏扩散模拟。

1.1 WRF 模式

WRF (Weather Research and Forecasting)模式是美国国家环境预报中心开发的新一代高分辨率中尺

度天气预报模型, 包含湍流交换、大气辐射、积云降水、云微物理以及陆面等多种物理过程的参数化方案。水平方向采用高精度的Arakawa C格点, 垂直方向采用地形追随质量坐标系。由于引入非静力平衡效应, 可以模拟较小空间尺度的复杂的天气系统[9]。本研究采用WRF V3.9.1 版本, 模拟使用的初

1°×1°的始化数据来源于美国国家环境预报中心提供的时间间隔6h, 空间分辨率为 Fnl(final Operational Global Analysis)全球分析数据, 地理信息数据采用美国地质勘探局地形高度和MODIS (Moderate Resolution Imaging Spectroradiometer)地表分类资料。本文采用双向反馈四重嵌套网格, 外层网格覆盖京津冀、山西、山东、内蒙古东部以及河南北部地区, 网格数为4646, 网格距为27 km。内层网格以厂址为中心, 网格数为4040, 网格距为1 km。从地面至50 hpa高度, 垂直方向不等距地分为37层, 其中2 km以下的低层大气划分为19层, 以便精细地刻画大气边界层特征。表1列出WRF模式采用的参数化方案和相关参数设置。

1.2 CALMET/CALPUFF 模式

CALMET (California Meteorological Model)气象模式包括一个诊断风场模块和一个水‒陆面边界层微气象学模块。诊断风场模块采用两步方案计算风场: 1) 初始猜测场经过地形动力学效应、坡度流和地形热力学阻碍效应, 产生第一步风场; 2) 第一步风场和观测资料通过客观分析, 产生第二步风场(最终风场)。第一步风场和第二步风场的计算过程均满足质量守恒约束[4]。预报风场可分别作为初始猜测风场、替代第一步风场和客观分析时的“观测资料”引入CALMET。本文将WRF输出的格点预报场作为初始猜测场, 即首先将预报风场插值到精细尺度的CALMET网格, 然后进行通常的细尺度地形诊断调整。该方案包含精细尺度地形效应。

CALMET使用的地形高程资料是分辨率为30 m的 SRTM1数据(http://srtm.csi.cgiar.org/srtmdata/),土地利用数据是分辨率为30m的 GLOBELAND30 V2010数据[15]。模拟区域地形和土地利用状况都较复杂, 西部和北部大部分地区为林地覆盖, 中东部农田和林地相间分布, 北部有水体分布(图 1)。

模拟范围内自地面至3000 m高度, 垂直方向不等距地分为10 层, 各层的高度分别为20, 40, 80, 160, 300, 600, 1000, 1500, 2200和3000 m。为了对比不同时空分辨率的气象场对模拟浓度场的影响, CALMET模拟时间步长分别设为1, 5, 10, 30和60 min, 水平网格分辨率分别设为 50, 100, 200 和400 m。

CALPUFF (California Puff Model)扩散模式利用 CALMET产生的时间和空间变化的气象场, 将从排放源释放出的烟团平流输送, 并模拟其在输送路径上的扩散和转化过程。根据输入数据的不同, CALPUFF提供不同的扩散计算选项。本文采用默认扩散方案, 利用CALMET输出的微气象学参数,根据相似性理论, 计算水平和垂直扩散参数。

本文采用一个假设的恒定释放源, 以便排除不同气象方案释放源的时间变化对浓度场的影响。假定释放源位于模拟中心, 高度为1 m, 释放孔径为0.1 m, 出口速度为1 m/s, 释放速率为3 kg/s。分别采用 CALMET输出的不同时空分辨率的气象场,计算模拟范围内逐分钟、50 m分辨率采样网格的浓度场。由于各方案气象网格距不同, CALPUFF浓度场计算范围与采样网格数略有差异(表2)。本文采用的 CALMET 和 CALPUFF 版本分别为 v6.334 和v6.42。

1.3 一致率统计方法

通常采用现场观测、解析求解或数值模拟方法获取流场和浓度场。研究区域地形和下垫面类型较复杂, 且无现场实测资料, 无法采用解析求解或实测数据进行对比。CALMET模式为诊断模式, 无次网格参数化影响, 从理论上讲, 模拟时空分辨率越

高, 气象场和浓度场的精度越高。在突发大气污染事故应急预警中, 污染物的空间分布和浓度值均是决策的重要考量。因此, 本文以1 min时间步长和50m空间分辨率(简称01min_050m方案)气象场及相应的逐分钟50m空间分辨率浓度场为基准, 表2中其他19种方案浓度场和气象场分别与该方案结果进行逐网格对比, 统计网格浓度以及网格风向和风速的一致率。

在应急预警中, 浓度场是主要评估要素, 风场作为大气扩散驱动因子, 直接影响浓度场分布。为了充分地评估不同方案的浓度场一致率, 本文对不同方案的风场一致率也进行分析。风场一致率的评价方法参照文献[16], 即分别将方案2~20的地面10 m高度气象网格的风向和风速与方案1同层网格的风向和风速对应地进行比较, 将风速相差在2倍以内、风向偏差小于一个风向角(22.5°)分别作为风速和风向一致的判别标准, 进一步统计符合标准的百分比, 分别称为风速一致率和风向一致率。

表2显示, 不同方案CALMET的气象网格数和时间步长均不同。从空间角度看, 100m分辨率风场的一个格点值代表以该格点为中心、周围22个50m分辨率的格点平均值, 200m分辨率和400 m分辨率的一个格点值分别代表周围44和88个 50 m分辨率的格点平均值。从时间步长角度看, 某时刻1, 5, 10, 30和60 min风场分别代表该时刻之后1, 5, 10, 30和60 min风场平均值。为了进行不同方案之间风向和风速的时空对比, 在时间方面, 将1 min风场与包含该分钟的较长时间步长的平均风场进行逐分钟对比; 空间方面, 将50m分辨率格点值与代表该格点平均值的粗网格格点值逐个进行对比。按照上述判别标准, 统计逐分钟和总模拟时段内风速和风向一致率。

浓度场的定量评估分别采用3种统计量: 两倍范围百分比FAC2 (fraction within a factor of two)、部分偏差 Fb(fractional bias)和归一化均方根误差NMSE (normalized mean square error)。FAC2为满足0.5≤C2 ⁄ C1≤2.0的数据占比,

NMSE  ( C  C 2)2/ C C2 , 1 1

其中, C1为 01min_050m方案的逐分钟网格浓度模拟值, C2为其他方案的逐分钟网格浓度模拟值。FB和NMSE分别为平均相对偏差和平均相对离散的度量。由于不会过多地受异常值影响, FAC2被认为是最可靠的统计指标。Chang等[17]通过总结前人的研究成果发现, 当−0.3

2 模拟结果

本文采用Intel i9-9900k 3.6GHZ处理器和64G内存进行模拟计算。由于1 min时间步长的 CALMET气象场计算相当耗时, 本文选取 2020 年2月2日 03:00—17:00 时共15个小时为气象场和浓度场模拟时段, 包含风场典型日变化。图2给出经 CALMET动力诊断后释放点处风速和风向的时间变化曲线, 可见1, 5和10 min时间步长的风速和风向曲线一致性较好, 11:00左右, 风向从偏南风转变为偏北风, 风速降到最低值1 m/s以下。60 min时间步长的风速和风向转折点出现在10:00左右, 30min时间步长的风速和风向转变时间介于1 min 方案与 60 min方案之间, 这与CALMET内部时间插值算法及风速和风向的时间代表性相关。总体而言, 10:00— 12:00为风场转变时段, 10:00之前和12:00 之后风向平稳, 风速较大。因此, 本文将模拟时段划分为风场转变前(03:00—10:00)、转变中(10:00—12:00)以及转变后(12:00—17:00) 3个时段, 分别计算并且对比3个时段的浓度场一致率和风场一致率, 以便了解各方案在不同气象条件下对风场和浓度场的模拟效果。

2.1 风场一致率对比

气象场(尤其风场)是驱动污染气体扩散的主要动力, 风场模拟结果对浓度场预报的准确性有重要影响。从图3可见, 风场转变前, 各方案风速一致率均高于93%, 风向一致率为68.8% (60min_400m方案)~99.5% (05min_050m方案); 风场转变过程中,不同方案的风速和风向一致率差异较大, 风速一致率为 71.2% (60min_400m 方案)~ 99.5% (05min_ 050m方案), 风向一致率为57.8% (60min_400m 方案)~97.4% (05min_050m 方案); 风向转变后, 风速增大, 风向平直, 各方案的风向和风速一致率均高达98%以上。从全时段来看, 风向一致率为77.8%~ 99.3%, 风速一致率为91.9%~99.9%, 风向和风速一