中国一个能源密集型地区中，对钢铁工业点源排放的NO?羽流上升高度及其污染贡献的动态评估

《Atmospheric Pollution Research》：Dynamic assessment of NO 2 plume rise and pollution contributions from steel industry point sources in an energy-intensive region of China

钢铁工业实时排放对北方高能耗地区城市NO?浓度影响研究，采用CMAQ模型耦合高分辨率气象与CEMS排放数据，揭示四大钢铁点源（P01, P02, P06, P12）贡献率达85%以上，模型在人口密集区存在系统性低估，需优化垂直扩散参数化及动态排放输入机制

　　

赵超|张学雷|莫丹|黄玲|赵红梅|张世春|修爱军

中国科学院东北地理与农业生态研究所黑土保护与利用国家重点实验室，中国长春，130102

摘要

工业点源，尤其是钢铁厂，是区域空气污染的重要来源，但它们对城市空气质量的影响尚未得到充分研究。本研究利用CMAQ化学传输模型，结合高分辨率气象数据和基于连续排放监测系统（CEMS）的排放数据，调查了中国北方一个能源密集型地区钢铁工业点源的实时二氧化氮（NO₂）排放对空气质量的影响。通过多次模拟分离了各个污染源的贡献，并利用地面二氧化氮观测数据以及TROPOMI卫星数据对结果进行了验证。该模型能够有效捕捉二氧化氮的时空分布特征，但在人口密集区域存在低估现象。源解析显示，四个主要点源（P01、P02、P06和P12）对地表二氧化氮浓度的贡献最大，这表明少数大型排放源的影响尤为显著。时间分析进一步揭示了气象条件和排放活动模式对不同行业贡献的变化。研究结果强调了需要高分辨率、时间分辨的建模框架以及改进的排放参数化方法，以提升空气质量管理并制定针对工业区的减排策略。

引言

空气污染仍然是全球最紧迫的环境和公共卫生挑战之一，工业排放对大气成分起着关键作用（Anwar等人，2021；Crippa等人，2022；Sokhi等人，2022）。其中，钢铁厂的二氧化氮（NO₂）排放尤其重要，因为它会促进臭氧（O₃）、颗粒物和酸雨的形成（Abdul-Wahab等人，2018；Choo等人，2023；Sun等人，2019）。二氧化氮羽流的扩散和上升受到排放特性、气象条件和大气化学过程复杂相互作用的影响（Krol等人，2024；Makar等人，2021；Paugam等人，2016）。理解这些过程对于改进空气质量模型、制定监管政策以及减轻工业污染对人类健康和生态系统的影响至关重要（Brook等人，2019）。

二氧化氮羽流上升的高度会影响其在大气中的停留时间、化学转化以及地表污染物浓度（Lamsal等人，2015；Schaub等人，2007）。如果对羽流上升高度估计不准确，会导致空气质量模型出现偏差，从而高估地面暴露风险或产生不现实的污染物扩散模式（Chambliss等人，2024；Poraicu等人，2023）。多项研究指出，通过整合激光雷达和遥感数据等实际观测结果来优化现有参数化方法，可以提高对羽流行为的预测精度（Hardesty等人，2012；Huang等人，2024；Weger等人，2022）。此外，考虑工业排放过程中水蒸气凝结释放的潜热等因素可以提高羽流上升高度估计的准确性（Heilman等人，2014；Moisseeva和Stull，2021）。

数值建模技术的进步，包括化学传输模型（CTMs）和计算流体动力学（CFD）的应用，为更精确地模拟二氧化氮羽流上升提供了有效方法（Martín等人，2024；Vinken等人，2011）。这些模型考虑了细尺度湍流、大气稳定性和热力学相互作用，使得工业排放的模拟更加真实（Y. Wang等人，2023；Wolf等人，2020）。然而，在计算效率与模型复杂性之间取得平衡仍是一个挑战，尤其是在评估大型点源的空气质量时（Chang和Hanna，2004；Daellenbach等人，2020）。将连续排放监测系统（CEMS）的实时流量数据整合到数值模型中，为动态优化羽流上升高度估计提供了更多机会，从而提升整体模型性能（Srivastava等人，2024；Sun等人，2023；Zhang等人，2021）。

尽管工业排放对当地空气质量至关重要，但中国城市地区多个钢铁工业点源的动态变化小时数据对高浓度二氧化氮的贡献仍缺乏足够研究。以往的研究通常依赖于年度或月度平均排放清单，这些数据无法反映工业点源排放的时间变化性，可能导致低估其对城市二氧化氮浓度的影响。为填补这一知识空白，本研究使用了高分辨率的小时级CEMS排放数据来驱动CMAQ模型，评估钢铁工业点源对环境二氧化氮的影响。第2节介绍了研究方法，包括模型配置、数据来源和CEMS数据处理方法。第3节展示了模拟得到的二氧化氮浓度结果及不同污染源的贡献分析。第4节总结了主要发现及其对空气质量管理的启示。

模型配置和数据来源

本研究使用CMAQ v5.3.3模型及ISAM模块（Jeffries和Tonnesen，1994；Kwok等人，2015），评估了2023年12月25日至30日期间中国北方能源丰富地区的钢铁点源排放对空气质量的影响（图1）。由于该时期观测到二氧化氮浓度较高，我们选择了这一特定时间段作为模拟案例。模拟采用3公里和1公里的水平分辨率以及30个垂直层进行嵌套模拟

二氧化氮浓度评估

气象模拟的性能直接影响空气质量模型的准确性。气象模拟结果与2米高度温度、相对湿度和10米高度风速的观测数据进行了对比（见图S3）。在山西省众多气象站中，只有 Jiancaoping 站位于我们的模拟范围内，并提供了所有必要的地表变量（表S1），因此选该站进行模型评估。

结论

本研究采用综合建模方法全面评估了钢铁工业点源实时排放对城市空气质量的影响。受连续排放监测数据约束的CMAQ模拟结果较好地再现了二氧化氮的总体分布特征，但在高排放区域浓度估计偏低，表明模型在输入分辨率和羽流上升表示方面仍有改进空间。

作者贡献声明

赵超：撰写初稿。张学雷：概念构思。莫丹：项目管理。黄玲：数据分析。赵红梅：方法论设计。张世春：结果验证。修爱军：撰写与编辑。

利益冲突声明

作者声明没有已知的可能影响本文研究的财务利益或个人关系。

致谢

本研究得到了以下机构的资助：国家自然科学基金（项目编号：42305171、42371154、42171142）、吉林省自然科学基金（项目编号：YDZJ202201ZYTS476）、国家重点科技基础设施项目“地球系统数值模拟设施”（项目编号：2023-EL-PT-000469）、中国科学院青年创新促进会（项目编号：2022230）以及国家重点研发计划