-
近年来，大气扩散模型成为环境评价、防灾减灾和应急管理的重要研究内容。目前，主流的环境质量法规模型包括美国环境保护署（U.S. Environmental Protection Agency, EPA）推荐的AERMOD模型、CALPUFF模型，这两个模型也是中国生态环境部发布的《环境影响评价技术导则大气环境》（HJ 2.2－2018）中的推荐模型[1]。这两个模型在环境评价、大气环境质量评价中应用非常广泛，而采用这两个模型开展应急响应中的毒害气体扩散模拟和辅助决策分析的研究还较少。
目前，很多国内外学者对AERMOD模型和CALPUFF模型的适用性进行了比较研究。通过分析这些文献发现，目前关于AERMOD模型和CALPUFF模型对比研究存在的问题为：除了一些专门针对模型基本原理的研究外[2]，大多为对特定案例进行研究，如城市[3-4]、山区[5-7]、沿海地区[8]、工业园区[9-10]等复杂地形条件[11]，静小风等特殊气象条件[12]，以及特定的研究区域尺度[13-14]。大多数研究者对这两个模型的算法原理分析不够深入，导致研究结论仅局限于环境评价的特定案例，模型对比和具体应用场景分析不够深入，并没有深入解释这两个模型的本质特征。此外，在防灾减灾和应急管理领域，对大气扩散模型的时空分辨率、计算速度等要求较高时，模型参数和模型与地理信息系统集成还缺少深层次的分析。
针对上述问题，本文在对比分析了AERMOD模型和CALPUFF模型基本原理的基础之上，设计了4组对比实验，结合两者原理上的差异解释实验结果，比较两个模型的异同和优劣，给出应急领域的大气扩散模型模拟应用应当注意的一些问题和未来发展思路。
-
大气扩散的实际物理和化学过程是十分复杂的。大气扩散模型是由基于物理学和化学的合理假设转化为数学方法的可计算工具。大气扩散过程主要属于流体力学过程，其遵循的基本原则为质量守恒定律。对于流体中一个组分的浓度c，其质量守恒的基本方程为[2]：
$$ \frac{{\partial c}}{{\partial t}} = - \nabla \left( {cv} \right) + {S_c} + \nabla \left( {{D_c}\nabla c} \right) $$ (1) 式中，t为时间；$\nabla $为矢量微分算子；等式右边第一项对流通量中，v表示风速；第二项Sc表示源项，包含了干湿沉降、化学反应、放射性衰变等因素；第三项扩散通量中，Dc表示扩散系数。
式（1）的涵义是：对于某一指定点处该组分浓度的变化，可以表示为对流通量、源项、扩散通量之和。式（1）并未考虑近地面的大气湍流效应，为了将湍流效应量化，需要应用大气稳定度等级、理查森数、莫宁-奥布科夫长度等理论。假定流体不可压缩，水平湍流各向同性，分子扩散（菲克定律）忽略不计，则基本方程可以改写为：
$$ \frac{{\partial c}}{{\partial t}} = - v\nabla c + {S_c} + {\nabla _h}\left( {{K_h}{\nabla _h}c} \right) + \frac{\partial }{\partial }{K_z}\frac{{\partial c}}{{\partial z}} $$ (2) 式中，$ {\nabla _h}$为水平散度算符；$ {K_h}$、$ {K_z}$分别为水平、垂直涡流扩散率；z为垂直方向坐标。涡流扩散率代表了边界层中的湍流强度，包含热湍流和动力湍流。对于式（2），当污染源为在(0, 0, h)处的稳态点源时，该偏微分方程可以经推导转化为：
$$ c\left( {x, y, z} \right) = \frac{Q}{{2{\rm{ \mathsf{ π} }}{\sigma _y}{\sigma _z}u}}{\rm{exp}}\left( {\frac{{ - {y^2}}}{{2\sigma _y^2}}} \right)\left( {{\rm{exp}}\left( {\frac{{ - {{\left( {z - h} \right)}^2}}}{{2\sigma _z^2}}} \right) + {\rm{exp}}\left( {\frac{{ - {{\left( {z + h} \right)}^2}}}{{2\sigma _z^2}}} \right)} \right) $$ (3) 式中，x轴为下风方向；y轴为侧风方向；z轴为垂直方向；c(x, y, z)表示在点(x, y, z)处的时间平均浓度；Q是源项；u是在源的高度h上的时间平均风速；${\sigma _y} $和${\sigma _z} $为表征y、z方向上扩散分布的标准差；最后一项表示地面的反射作用。
式（3）即为高斯烟羽分布公式。式（3）表明，污染物集中于沿下风方向的中心线上，并在侧风、垂直方向上分别遵循高斯分布。根据式（3）来模拟气体扩散的模型称为高斯烟羽模型。AERMOD属于高斯烟羽模型。
AERMOD模型系统由EPA和美国气象学会（American Meteorological Society, AMS）共同开发，它在高斯烟羽模型的基础上增加了处理复杂地形、城市边界层、建筑物下洗等因素的能力，系统主要包含3部分：地形预处理器AERMAP、气象预处理器AERMET和主程序AERMOD[15]。
-
在实际场景中，风速的方向往往会随时空变化，导致污染物并非集中于一条直线而是一条曲线上，使得高斯烟羽模型的准确度受到影响。因此，学者们又提出了拉格朗日-高斯烟团模型（简称为拉格朗日烟团模型或高斯烟团模型）对其进行改进。该模型的基本思想是将整个污染物的浓度分布视为若干具有一定体积的烟团的叠加。烟团的运动轨迹使用拉格朗日方法进行计算，即包含风场和浮力作用的确定性部分与包含湍流的随机性部分之和；而对于烟团内部污染物的扩散分布，则仍使用高斯方法。CALPUFF模型就属于高斯烟团模型。
CALPUFF模型系统包含了对地理、气象数据进行预处理的若干程序，同时具有诊断风场和预测风场的气象建模工具CALMET，考虑沉降、化学变化、复杂地形、建筑物下洗等效应的高斯烟团模型CALPUFF，以及输出气象、浓度、沉降通量场的后处理器CALPOST[16]。CALPUFF利用CALMET生成的风场和温度场，平移输送模拟源所排放的物质“烟团”，模拟整个扩散和转化过程。
-
AERMOD模型与CALPUFF模型是目前最典型的高斯大气扩散模型。很多文献都开展了这两个模型的对比研究。总的来说，两个模型都可以输入气象数据、地理数据、污染源数据这3大类数据，考虑了三维地形等因素，通过模型计算得到浓度分布文件和干湿沉降文件。两者的输入输出和计算参数对比如表 1所示。
表 1 AERMOD与CALPUFF对比
Table 1. Comparison Between AERMOD and CALPUFF
模型特点 AERMOD CALPUFF 输入数据 地理数据、气象数据、污染源数据 地理数据、气象数据、污染源数据 输出数据 浓度分布、干湿沉降通量分布 浓度分布、干湿沉降通量分布 地理数据类型 高程数据、扇区化土地利用数据、地表参数（地表粗糙度、反照率、波恩比） 网格化高程数据、网格化土地利用数据、地表参数（地表粗糙度、反照率、波恩比、土壤热通量参数等） 气象数据类型 单个气象站的地面气象数据及探空气象数据 多个气象站的地面气象数据、探空气象数据、降水数据、海洋数据 污染源数据类型 点源、线源、面源、体源、火炬源、建筑物下洗等 点源、线源、面源、体源、臭氧浓度、化学转化速率、浓度背景值等 是否开源 是 是 计算原理 不计算风场，对于每一受体点计算一个简单的等式 先计算三维风场，然后把污染物按一定的体积分割成若干烟团，计算烟团在三维风场中的轨迹，每一个烟团内部采用高斯模型计算，然后将烟团的轨迹进行叠加 计算速度 较快，通常为秒级 较慢，通常为分钟级 模拟静风扩散 不支持 支持 实验区域尺度 局地尺度（小于50 km） 城市尺度（几十到几百km） AERMOD支持输入地形、地面气象、探空气象、地表参数（地表粗糙度、反照率、波恩比），其中土地利用是以扇区形式划分。污染源数据类型支持点源、线源、面源、体源、火炬源、建筑物下洗等。CALPUFF的地理数据包括土地利用类型、海拔高度及一些其他地表参数（如地表粗糙度、反照率、波恩比、土壤热通量参数等），其中土地利用类型和海拔高度以网格化的形式输入。气象数据包括探空数据、地面站数据、降水数据、海洋数据。污染源数据支持点源、线源、面源、体源、臭氧浓度、化学转化速率，还支持输入污染物浓度或干湿沉降通量背景值。
此外，由于这些模型都是开源程序，模型源程序代码、技术指南、用户操作手册公开，可以任意获取数据计算中间文件和最终结果文件，便于后处理和深入分析，也可以比较容易地嵌入到各种GIS系统中开展应用。
从表 1中可以看出，两个模型的不同之处为：
1）AERMOD高斯烟羽模型的优势在于计算速度较快，通常为秒级。从原理上看它不考虑风场计算，在AERMAP阶段仅仅处理地形数据为边界参数，在AERMET阶段整合气象数据为边界层参数，在AERMOD阶段将求解微分方程的过程简化为对于每一受体点计算一个简单的等式，相当于直接采用一个高斯模型计算出结果，这几乎不需要任何时间成本，计算速度为秒级。而CALPUFF模型在CALMET阶段计算三维风场，在CALPUFF阶段将污染物按一定的体积分割成若干烟团，计算烟团在三维风场中的轨迹，每一个烟团内部采用高斯模型计算，然后将烟团的轨迹进行了叠加。因此其计算速度更慢，通常为分钟级。
2）AERMOD模型对风速较低（< 0.5 m/s）的案例的扩散处理能力比拉格朗日-高斯烟团模型差[5]，无法处理风速为零或近零的情况。
3）高斯烟羽模型假设源是稳态的，该假设在距离源约10~100 km范围内才成立，因此通常认为AERMOD模型适用于局地尺度（50km以下）。
4）CALPUFF拉格朗日-高斯烟团模型在保持相对较快的计算速度的同时，增强了对气象条件的处理能力，CALMET模块支持3个气象站的参数输入，因此三维风场的计算更加精细化，这也导致了CALPUFF模型计算三维风场消耗时间很大。
从计算精度、三维地形、气象参数等方面考虑，CALPUFF高斯烟团模型优势更大，目前GIS与CALPUFF模型的集成较多见，应用范围更广，然而其计算速度比AERMOD模型慢。
-
结合以上对AERMOD模型与CALPUFF模型原理和特点的分析，可知CALPUFF模型在一些特殊气象、地理条件下的处理能力要强于AERMOD模型。为了进一步研究两个模型在不同气象、地理条件下的表现，本文进一步开展实验研究。本文设计了4个对比实验来探究与验证两个模型的异同点：（1）风向突变实验；（2）静风实验；（3）大尺度实验区域实验；（4）高分辨率计算网格实验。实验采用加拿大Lakes Environmental Software公司提供的AERMOD View和CALPUFF View软件进行计算，模型运算结果采用开放街道地图（OpenStreetMap）底图显示。
风向突变实验的研究区域中心点位于（37.755 9°N，111.879 8°E）（位于山西省太原市西方），为1 600 km2的正方形，投影坐标系采用通用横轴墨卡托投影（universal transverse mercator, UTM），气象模拟为小时级别，计算网格分辨率为1 km，模拟的污染源位于中心点，其参数见表 2。
表 2 模拟污染源参数
Table 2. Parameters of Simulated Pollution Source
污染物种类 烟囱高度/m 烟囱内径/m 出口温度/K 出口初速度/(m·s－1) 恒定排放速率/(kg·s－1) CO 100 3 300 5 10 为了更好地控制实验条件，得出更加直观的结果，本文设计了模拟的地理与气象条件。其中, 地形高程设置为全区域均为海拔1 000 m；土地利用类型设置为全区域均为农田；气象条件为在20 d的总实验时间中，第1—5天中风向为45°（东北风），第6—10天中风向为135°（东南风），第11—15天中风向为225°（西南风），第16—20天中风向为315°（西北风），风速均为3 m/s保持不变。设计这些参数是为了观察两个模型在风向突然改变后，在原风向上存在的污染物是否会累积到下一时刻并对新的扩散分布产生影响。
静风实验是在风向突变实验的基础上，将风速改写为0，其他实验条件均不变，用于观察两个模型对静风的处理能力。
大尺度区域实验将实验区域扩大到160 000 km2，计算网格分辨率相应更改为10 km，地形高程使用该地区真实值（来自SRTM1 Version 3数据，30 m分辨率），土地利用类型仍模拟为全区域均为农田，气象条件与风向突变实验相同。此实验用于观察两个模型分别在两种不同区域尺度下的计算结果的对比情况。
高分辨率计算网格实验中计算网格分辨率设置为0.1 km，其他参数与风向突变实验相同，用于对比大幅增加空间分辨率之后两个模型的计算速度。
-
将§2中的实验数据输入模型，得到逐小时浓度分布图和整个实验期间污染物浓度均值分布图（见图 1、图 2）。表 3为两个模型在实验时间第5天晚21时至第6天凌晨0时的结果图对比。
图 1 AERMOD实验1平均浓度分布
Figure 1. Average Concentration from AERMOD in Experiment 1
图 2 CALPUFF实验1平均浓度分布
Figure 2. Average Concentration from CALPUFF in Experiment 1
表 3 AERMOD与CALPUFF逐时结果
Table 3. Hourly Results of AERMOD and CALPUFF
时间 AERMOD CALPUFF 第5天21时 
第5天22时 
第5天23时 
第6天0时 
从表 3的结果图中可以看出，AERMOD遵循高斯烟羽模型的基本原理，简单地对每一受体点使用公式计算结果，所以每一小时的结果之间相互独立，当气象条件不变时扩散结果完全一致，当风向突变时扩散结果也发生突变，原风向上的污染物浓度立刻消失；而CALPUFF模型将污染物划分为若干烟团，对每一烟团使用拉格朗日方法计算其轨迹，最后进行叠加，使得结果具有连续性。同时，由于烟团移动的速度应当接近于风速，当风速为3 m/s时，烟团的速度约为10.8 km/h，而研究区域对角线方向长度约为28.3 km，所以当风速发生突变的两小时后，仍有一部分的原风向上的烟团处于研究区域内并沿新风向运动，因此第5天23时和第6天0时存在一个渐变的过程。
观察图 1、图 2，也可得出相同的结论。图 1中AERMOD的结果呈中心对称，正东、正南、正西、正北4个方向上污染物浓度均很小，可以忽略不计；而图 2中CALPUFF则展现了第5—6天、第10—11天、第15—16天在正西、正北、正东3个方向上均有一定的污染物存在。
综上所述，从实验结果可以看出，CALPUFF模型对风向突变的模拟结果要比AERMOD模型更为合理。
-
将实验的风速改为0之后，运行AERMOD模型，发现得到的模拟结果全部为0。实际上，根据§2介绍的高斯烟羽分布公式，风速为0将导致分母为0，无法计算任何点的污染物浓度，或者说静风情况下没有下风方向，也就没有中心线，高斯烟羽模型不成立，因此AERMOD模型无法处理静风条件。EPA的官方文件明确说明了AERMOD计算的风速不能为0。在中国的环境导则文件中也提到，当风速小于0.5 m/s的时间占总时间的一定百分比时，AERMOD计算误差较大，因此不推荐使用。而CALPUFF模型仍然能够计算出模拟结果，如图 3所示。
图 3 CALPUFF实验2平均浓度分布
Figure 3. Average Concentration from CALPUFF in Experiment 2
在无风、地形平坦的条件下，污染物将向四周自由扩散，呈以污染源为圆心的近似同心圆状分布，这个结果是合理的，说明CALPUFF模型对静风条件具有良好的处理能力。
综上所述，CALPUFF模型对特殊风场，如静风、小风等条件的模拟结果要比AERMOD更为合理。
-
实验区域内的地形高程如图 4所示。
图 4 实验区域地形高程（400 km×400 km, 分辨率30 m）
Figure 4. Terrain Elevation of Experimental Area(400 km×400 km, 30 m Resolution)
两个模型运行得到的全实验期间浓度均值分布图如图 5、图 6所示。
图 5 AERMOD实验3平均浓度分布
Figure 5. Average Concentration from AERMOD in Experiment 3
图 6 CALPUFF实验3平均浓度分布
Figure 6. Average Concentration from CALPUFF in Experiment 3
为了进一步比较两个模型的计算数值，在源的45°方向上，每隔$10\sqrt 2 $km（即10km×10 km网格的对角点）设置一个受体点，共设置15个，其结果如表 4所示。
表 4 受体点浓度对比/ $({\rm{ \mathsf{ μ} g}}\cdot{{\rm{m}}^{ - 3}} $)
Table 4. Comparison of Concentration at Receptors/$({\rm{ \mathsf{ μ} g}}\cdot{{\rm{m}}^{ - 3}} $)
受体点 AERMOD全期间均值 CALPUFF全期间均值 AERMOD小时均值峰值 CALPUFF小时均值峰值 1 61.438 68.564 1217.1 1 543.1 2 38.353 23.115 441.93 609.45 3 29.993 22.933 363.91 514.88 4 17.542 23.590 251.87 468.28 5 13.819 13.370 167.91 388.82 6 9.396 2 5.833 7 108.78 219.17 7 7.458 4 4.604 1 86.062 207.50 8 6.133 9 4.074 2 69.820 198.27 9 5.208 5 3.731 6 58.111 176.19 10 4.516 5 3.402 4 49.113 124.16 11 4.589 4 3.674 5 51.458 92.256 12 4.035 6 5.056 3 43.596 93.313 13 3.367 6 5.931 0 41.162 119.85 14 2.344 4 4.448 2 32.127 84.682 15 2.223 7 3.156 5 28.721 56.122 结合图 5、6和表 4来看，对于全实验期间均值的预测，两个模型得到的图像也较为相似，两者浓度值的相对差值较小。从50 km以内（前4个受体点）的下降梯度来看，AERMOD预测浓度值随距离的衰减更为平稳，表现要优于CALPUFF，AERMOD小时峰值预测值明显低于CALPUFF。在50km以外（第4个受体点以后），AERMOD的小时峰值预测值接近于CALPUFF的1/3~1/2。同时，AERMOD模型在系统运行时明确给出了实验区域半径不宜大于50 km的警告，结合§1中介绍的高斯烟羽模型关于稳态源的假设是100 km，对比CALPUFF模型结果可知，AERMOD在50km以外计算污染物浓度随距离的衰减存在问题，这说明AERMOD不适用于实验范围超出50 km的案例；而在50km以内，两个模型的模拟结果均可接受。
-
应急响应气体扩散模拟与传统的大气质量环境评估不同。应急响应、灾害监测等应用场景下，人们往往希望能够通过实时气象条件的数据输入实时计算出毒害性气体的模拟结果，而目前这方面的研究还不够深入[17-18]。基于这一实验目的，本文设计了高分辨率计算网格实验用来查看模型运算的耗时情况。由于扩散模型运行时间受到气象数据、释放源、计算机性能等多个方面影响，因此本文只是作了简单的时间对比。
本文将风向突变实验中的计算网格分辨率从1 km提高到0.1 km，计算网格数量扩大了100倍。通过记录模型运行时间发现，大幅度提高网格分辨率后，AERMOD运行耗时增加幅度不大，而CALPUFF模型运行耗时大幅增加。
在风向突变实验中，当网格计算量为1 600个时，AERMOD的主程序运行耗时4.08 s，而CALPUFF运行耗时71.93 s（其中CALMET模块耗时63.72 s，CALPUFF模块耗时8.21 s）。在高分辨率计算网格实验中，当计算网格为160 000个，AERMOD的主程序运行耗时25.34 s，而CALPUFF运行耗时857.23 s（其中CALMET模块耗时849.41 s，CALPUFF模块耗时7.82 s）。由此可见，CALPUFF主要的耗时都在计算高精度的三维风场，增加了约12倍。提高CALPUFF的计算效率，需要对CALMET进行多处理器互联以达到中央处理器（central processing unit, CPU）多核并行或者图形处理器（graphics processing unit, GPU）运算，目前已有研究开展这项工作[19-20]。研究结果表明，CALPUFF并行计算能够使得模型的计算速度提高4~16倍的数量级。
-
由于不同的大气扩散模型是为不同的目的而开发的，遵循不同的基本原理及一些附加理论，所以其适用范围也存在差异。本文在研究中尝试找出更加适合面向应急管理的大气扩散模型，并在计算速度与计算精度之间寻找平衡。综合本文中4个实验的结果，对于AERMOD和CALPUFF的适用性可以归纳出以下结论：
1）AERMOD和CALPUFF均可以进行大气扩散模拟，在地理、气象、污染源等参数设置方面类似，支持最大30 m DEM数据，计算网格分辨率相同，但是相同条件下CALPUFF模拟值比AERMOD的数值略大。两个模拟结果均符合国家法规要求，均可以采用。
2）AERMOD模型进行计算时，应当满足高斯烟羽模型的基本假设，包括排放源保持稳态、风速不能过小或无风、风向变化连续、研究区域半径不超过局部尺度即50 km、小时级的气象数据输入等，才能保证结果的合理性。
3）CALPUFF模型适用的预测范围为几十到几百km，并可以应用于特殊风场，如长期静风、小风、岸边熏烟等。此外，CALPUFF支持不恒定速率释放、支持秒级气象数据输入。
4）由于CALPUFF支持多个气象站计算三维风场，加之从模型原理上烟团模型比烟羽模型更加精细，总结果比AERMOD更加精细。
综上所述，当对计算速度的需求较低、计算周期要求低时，应优先考虑AERMOD模型。对于时空分辨率、计算精度的需求都比较高时，应该优先考虑CALPUFF模型。一般情况下应急响应模拟优先考虑使用CALPUFF模型。
从AERMOD模型和CALPUFF模型的这些特点可以看出，现有的大气扩散模型在大气污染预测与环境评价方面表现较好，而在应急管理的应用上模型的研究还不够深入。目前，在应急管理应用上，CALPUFF与GIS的集成已有不少的研究和应用，已经在高含硫气田应急响应、核应急响应等有较为完整的应用。但现有模型应用于应急管理仍有许多不足之处, 主要问题在于：
1）应急场景具有极强的突发性和危害性，要求模型必须同时具有高计算速度和高计算精度，理想状态下应该将模拟结果精确到时间上的秒级和空间上的米级，而现有的CALPUFF等大气扩散模型空间分辨率为百米级，气象输入参数为秒级，时空分辨率还不能自洽，计算效率有进一步提升的空间。
2）应急场景中涉及到的物理、化学作用都比较复杂，并非单纯的气体扩散过程，而是可能伴随着燃烧（如汽油等易燃物质泄漏）、液相与气相间的转化（如氨水、氟利昂等泄漏）、气载物质扩散（如放射性物质、细菌、病毒等在空气中的扩散）等一系列的复合过程，这些是现有的AERMOD、CALPUFF等大气扩散模型无法处理的。
现有的大气扩散模型还存在很多不足，为了适应应急管理的需求，应该对现有的大气扩散模型作出以下改进：
1）更高的计算精度。模型应当支持获取应急场景下分钟级甚至秒级的气象数据和米级的地形数据，有能力处理并生成米级的计算网格以及逐秒变化的高精度风场与浓度场。
2）更高的运行效率。当计算精度由原来的小时级和千米级提高到秒级和米级时，其计算量也将随之增加若干个数量级，而应急响应需要在最短时间内获取计算结果，因此应当应用CPU多核并行计算、GPU加速等技术来提高计算速度。
3）更多的对于复杂应用场景的理论支持。一个模型系统应当随着基础理论的发展不断将这些新理论加以整合、集成和升级，实际上，CALPUFF模型系统仅在1987年进行过一次升级，更新了城市风箱模型、光化学模型等[16]，因此应当针对领域的热点问题来整合更多的理论，改造或者提出新的模型系统。
4）整合多个模型形成面向应急管理的专用模型库和模型服务链。结合当前的云计算和时空大数据等技术，建立面向灾害应急的模型服务链，增强对应急场景的服务能力。
Comparison and Perspectives on Theories and Simulation Results of Gas Dispersion Models AERMOD and CALPUFF
-
摘要: 近年来，大气扩散模型及其计算机应用集成技术成为环境评价、防灾减灾和应急管理的重要研究内容。应急管理领域对气体扩散的时空分辨率和计算速度要求较高。在实际应用中，由于各种大气扩散模型的适用条件不同、参数复杂，如何结合自身需求选择合适的模型成了应急响应辅助分析的首要问题。针对两个常见大气扩散模型AERMOD和CALPUFF进行分析和对比研究。首先，介绍了两个模型的原理；然后，设计了4组对比实验，利用实验结果分析了两个模型之间的异同；最后，对两个模型各自适用的情景进行了分析。研究结果表明，CALPUFF更适用于面向应急管理的高时空分辨率计算要求。Abstract:
Objectives In recent years, atmospheric dispersion models have become important research contents in environmental assessment, disaster prevention and mitigation, and emergency management. At present, mainstream environmental quality regulations models include the AERMOD model and CALPUFF model recommended by the U.S. Environmental Protection Agency (EPA). These models are widely used in environmental assessment and atmospheric environmental quality assessment, but rarely used in toxic gas dispersion simulation and decision support in emergency response. The objective of this article is to compare the differences between the two models and give ideas for future development of expanding the atmospheric dispersion model to the field of emergency response. Methods First, the basic theories of the two models are introduced and analyzed. Then, four comparative experiments are designed and carried out. Experiment 1 is designed to observe whether the pollutants existing in the original wind direction will accumulate to the next moment and affect the new concentration distribution after the sudden change of wind direction in the two models. Experiment 2 is designed to observe the processing capacity of the two models for static wind. Experiment 3 is designed to observe the results of the two models in two different dispersion scales. Experiment 4 is designed to compare the calculation speed of the two models after greatly increasing the spatial resolution. Results Experiment 1 shows that the simulation results of the CALPUFF model for sudden changes in wind direction are more reasonable than the AERMOD model. Experiment 2 shows that the simulation results of CALPUFF for special wind fields, such as breeze, are more reasonable than AERMOD. Experiment 3 shows that AERMOD is not suitable for cases where the experimental range exceeds 50 km, and within 50 km, the simulation results of both models are acceptable. Experiment 4 shows that after greatly improving the mesh resolution, the time‐consuming increase in AERMOD is not large, while the time‐consuming of CALPUFF increases significantly. Considering the calculation accuracy, three‐dimensional terrain and meteorological parameters, the CALPUFF Gaussian puff model has more advantages. At present, the integration of GIS and CALPUFF is more common and the application range is wider, but its disadvantage is that the calculation speed is slower than AERMOD. Conclusions When the demand for calculation speed is low, the AERMOD model should be given priority. And when the requirements for spatial‐temporal resolution and calculation accuracy are relatively high, the CALPUFF model should be given priority. Under normal circumstances, emergency response simulation is preferred to use CALPUFF. Existing atmospheric dispersion models perform well in air pollution prediction and environmental assessment. However, the research of the models in the application of emergency management is not deep enough. Future improvements include higher calculation accuracy, higher running efficiency, more theoretical support for complex application scenarios, and the integration of multiple models to form a dedicated model library and model service chain for emergency management. -
Key words:
- gas dispersion model /
- AERMOD /
- CALPUFF /
- comparative study /
- emergency response
-
图 4 实验区域地形高程（400 km×400 km, 分辨率30 m）
Figure 4. Terrain Elevation of Experimental Area(400 km×400 km, 30 m Resolution)
表 1 AERMOD与CALPUFF对比
Table 1. Comparison Between AERMOD and CALPUFF
模型特点 AERMOD CALPUFF 输入数据 地理数据、气象数据、污染源数据 地理数据、气象数据、污染源数据 输出数据 浓度分布、干湿沉降通量分布 浓度分布、干湿沉降通量分布 地理数据类型 高程数据、扇区化土地利用数据、地表参数（地表粗糙度、反照率、波恩比） 网格化高程数据、网格化土地利用数据、地表参数（地表粗糙度、反照率、波恩比、土壤热通量参数等） 气象数据类型 单个气象站的地面气象数据及探空气象数据 多个气象站的地面气象数据、探空气象数据、降水数据、海洋数据 污染源数据类型 点源、线源、面源、体源、火炬源、建筑物下洗等 点源、线源、面源、体源、臭氧浓度、化学转化速率、浓度背景值等 是否开源 是 是 计算原理 不计算风场，对于每一受体点计算一个简单的等式 先计算三维风场，然后把污染物按一定的体积分割成若干烟团，计算烟团在三维风场中的轨迹，每一个烟团内部采用高斯模型计算，然后将烟团的轨迹进行叠加 计算速度 较快，通常为秒级 较慢，通常为分钟级 模拟静风扩散 不支持 支持 实验区域尺度 局地尺度（小于50 km） 城市尺度（几十到几百km） 
下载: 导出CSV
表 2 模拟污染源参数
Table 2. Parameters of Simulated Pollution Source
污染物种类 烟囱高度/m 烟囱内径/m 出口温度/K 出口初速度/(m·s－1) 恒定排放速率/(kg·s－1) CO 100 3 300 5 10
下载: 导出CSV
表 3 AERMOD与CALPUFF逐时结果
Table 3. Hourly Results of AERMOD and CALPUFF
时间 AERMOD CALPUFF 第5天21时 第5天22时 第5天23时 第6天0时
下载: 导出CSV
表 4 受体点浓度对比/ $({\rm{ \mathsf{ μ} g}}\cdot{{\rm{m}}^{ - 3}} $)
Table 4. Comparison of Concentration at Receptors/$({\rm{ \mathsf{ μ} g}}\cdot{{\rm{m}}^{ - 3}} $)
受体点 AERMOD全期间均值 CALPUFF全期间均值 AERMOD小时均值峰值 CALPUFF小时均值峰值 1 61.438 68.564 1217.1 1 543.1 2 38.353 23.115 441.93 609.45 3 29.993 22.933 363.91 514.88 4 17.542 23.590 251.87 468.28 5 13.819 13.370 167.91 388.82 6 9.396 2 5.833 7 108.78 219.17 7 7.458 4 4.604 1 86.062 207.50 8 6.133 9 4.074 2 69.820 198.27 9 5.208 5 3.731 6 58.111 176.19 10 4.516 5 3.402 4 49.113 124.16 11 4.589 4 3.674 5 51.458 92.256 12 4.035 6 5.056 3 43.596 93.313 13 3.367 6 5.931 0 41.162 119.85 14 2.344 4 4.448 2 32.127 84.682 15 2.223 7 3.156 5 28.721 56.122
下载: 导出CSV
-
[1] 中华人民共和国生态环境部.环境影响评价技术导则大气环境: HJ 2.2-2018[S].北京: 中国标准出版社, 2018 Ministry of Ecology and Environment of the People?s Republic of China. Technical Guidelines for Environmental Impact Assessment-Atmospheric Environment: HJ 2.2－2018[S]. Beijing: Standards Press of China, 2018 [2] Leelőssy A, Molnár F, Izsák F, et al. Dispersion Modeling of Air Pollutants in the Atmosphere: A Review[J].Central European Journal of Geosciences, 2014, 6(3): 257-278 https://www.researchgate.net/profile/Istvan_Lagzi/publication/269105054_Dispersion_modeling_of_air_pollutants_in_the_atmosphere_a_review/links/55e854c908aeb651626304a6.pdf [3] 杜世明.AERMOD和CALPUFF模型用于济南地区空气污染模拟效果的对比研究[D].济南: 山东师范大学, 2013 Du Shiming. The Application and Comparison of AERMOD and CALPUFF Model for the Effects of the Jinan Area's Air Pollution Modeling[D].Ji?nan: Shandong Normal University, 2013 [4] 赖锡柳, 王颖, 杨雪玲, 等. AERMOD与CALPUFF模拟复杂地形空气质量的对比[J].兰州大学学报(自然科学版), 2017, 53(6): 792-798 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=lzdxxb201706012 Lai Xiliu, Wang Ying, Yang Xueling, et al. A Comparative Study of AERMOD and CALPUFF Simulation of the Air Quality on a Complex Terrain[J]. Journal of Lanzhou University(Natural Sciences), 2017, 53(6): 792-798 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=lzdxxb201706012 [5] Dresser A L, Huizer R D. CALPUFF and AERMOD Model Validation Study in the Near Field: Martins Creek Revisited[J]. Journal of the Air and Waste Management Association, 2011, 61(6): 647-659 [6] Tartakovsky D, Broday D M, Stern E. Evaluation of AERMOD and CALPUFF for Predicting Ambient Concentrations of Total Suspended Particulate Matter (TSP) Emissions from a Quarry in Complex Terrain[J]. Environmental Pollution, 2013, 179: 138-145 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=feb46ca13f63bda6b3ad585871e4bc13 [7] Rood A S. Performance Evaluation of AERMOD, CALPUFF, and Legacy Air Dispersion Models Using the Winter Validation Tracer Study Dataset[J]. Atmospheric Environment, 2014, 89: 707-720 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=a9914fdbde5f8e08cd2b57b2e737989e [8] 赵伟, 范绍佳, 谢文彰. AERMOD和CALPUFF对沿海电厂烟气扩散模拟对比研究[J].环境科学与技术, 2015, 38(3): 189-194 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=hjkxyjs201503035 Zhao Wei, Fan Shaojia, Xie Wenzhang. A Comparison of AERMOD with CALPUFF for Coastal Power Plant Flue Gas Dispersion Modeling[J]. Environmental Science and Technology, 2015, 38(3): 189-194 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=hjkxyjs201503035 [9] Gulia S, Kumar A, Khare M. Performance Evaluation of CALPUFF and AERMOD Dispersion Models for Air Quality Assessment of an Industrial Complex[J]. Journal of Scientific and Industrial Research, 2015, 74(5): 302-307 http://nopr.niscair.res.in/bitstream/123456789/31451/1/JSIR%2074%285%29%20302-307.pdf [10] Jittra N, Pinthong N, Thepanondh S. Performance Evaluation of AERMOD and CALPUFF Air Dispersion Models in Industrial Complex Area[J]. Air, Soil and Water Research, 2015(8): 87-95 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=a9914fdbde5f8e08cd2b57b2e737989e [11] 王栋成, 王勃, 王磊, 等.复杂地形大气扩散模式在环境影响评价中的应用[J].环境工程, 2010, 28(6): 89-93 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=hjgc201006024 Wang Dongcheng, Wang Bo, Wang Lei, et al. Application of Complex Terrain Atmospheric Dispersion Model in Environmental Impact Assessment[J]. Environmental Engineering, 2010, 28(6): 89-93 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=hjgc201006024 [12] 关勖, 舒璐, 杜超, 等. AERMOD和CALPUFF对静小风区域热电厂烟气扩散模拟的研究[J].环境保护科学, 2019, 45(2): 27-33 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=hjbhkx201902006 Guan Xu, Shu Lu, Du Chao, et al. Comparative Study of AERMOD and CALPUFF on Smoke Diffusion Simulation of Thermal Power Plant in Quite Wind Area[J]. Environmental Protection Science, 2019, 45(2): 27-33 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=hjbhkx201902006 [13] 杨立春, 闫楠, 敖世恩.CALPUFF模型在近场复杂风场条件下的适用性研究[J].环保科技, 2013, 19(3): 27-30 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gzhbkj201303006 Yang Lichun, Yan Nan, Ao Shien. Applicability of CALPUFF Model in Near Field with Complex Wind-Field Condition[J]. Environmental Protection and Technology, 2013, 19(3):27-30 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gzhbkj201303006 [14] 刘梦, 伯鑫. CALPUFF-AERMOD大气预测模式耦合系统[J].环境科学与管理, 2012, 37(7): 118-123 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=bfhj201207031 Liu Meng, Bo Xin. Coupled System of CALPUFF-AERMOD[J]. Environmental Science and Management, 2012, 37(7): 118-123 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=bfhj201207031 [15] U.S. Environmental Protection Agency. User's Guide for the AMS/EPA Regulatory Model (AERMOD)[EB/OL].[2020-01-11].https://www3.epa.gov/ttn/scram/models/aermod/aermod_userguide.pdf [16] Scire J S, Strimaitis D G, Yamartino R J. A User's Guide for the CALPUFF Dispersion Model[EB/OL]. [2020-01-11].http://www.src.com/calpuff/download/CALPUFF_UsersGuide.pdf [17] 黄君毅.基于GIS的大气污染扩散模拟结果多维表达[D].福州: 福州大学, 2015 Huang Junyi. Multi-dimensional Visualization for the Dispersion Simulation Result of Atmospheric Pollution based on GIS[D]. Fuzhou: Fuzhou University, 2015 [18] 张玉珍.基于CALPUFF模型的核电站事故源项大气扩散研究[D].上海: 上海交通大学, 2010 Zhang Yuzhen. Atmosphere Dispersion Research of Accident Source Terms in Nuclear Power Plant on CALPUFF[D].Shanghai: Shanghai Jiaotong University, 2010 [19] Cremades P G, Puliato E S, Fernandez R P. GPU Acceleration of CALPUFF[J]. Mecnica Computational, 2010, 24(71): 7 043-7 051 [20] Kleeman M J, Rasmussen D J. Parallel Acceleration of CALPUFF (Version 5.8 -Level 070623) Using MPICH-2 Final Report [EB/OL].[2020-01-11].https://www.djrasmussen.co/assets/parallel_ CALPUFF_FINALreport_CARB.pdf -
点击查看大图
图(6) / 表(4)
计量
- 文章访问数: 1247
- HTML全文浏览量: 746
- PDF下载量: 159
- 被引次数: 0
