作者简介：李厚宇（1994-），男，工程师，研究方向为大气环境

模拟与环境规划。

通讯作者：伯鑫（1983-），男，高级工程师，研究方向为排放清

单及大气污染模拟。

2018年,中国粗钢产量为9.3亿吨,占全球粗钢产量的51.3%^[1],钢铁工业企业排放大量的二氧化硫,氮氧化物,颗粒物和VOCs等污染物^[2-3]。京津冀地区是钢铁企业重点分布区域, 2018年京津冀地区粗钢产量占全国产量的27.7%^[4]。京津冀钢铁企业具有较大的减排潜力^[2,5-7]。为了继续降低京津冀地区排放水平,提高空气质量,打赢蓝天保卫战,生态环境部在钢铁行业推行超低排放改造,要求到2020年10月底前,京津冀及周边地区具备改造条件的钢铁企业基本完成超低排放改造。

目前,钢铁企业超低排放研究主要集中在超低排放技术,鲜有关于钢铁企业超低排放对空气质量影响的研究。相关研究多集中在钢铁企业的源解析和数值模拟等方面。Jia等^[8]通过监测手段分析了钢铁行业不同工序排放不同粒径的颗粒物的化学成分。Dai等^[9]对钢铁企业周边的空气中颗粒物进行了排放源的识别和分配。段文娇等^[5]、伯鑫等^[7]分别利用CAMx模型模拟了京津冀地区钢铁行业对大气污染的影响。

为了评估典型城市钢铁企业超低排放对空气质量的影响,本研究基于京津冀地区某典型钢铁企业排放清单,设置了2018年现状排放、超低排放两种情景,利用AERMOD模型模拟了两种情景下该企业排放SO₂、NOx和一次PM₁₀对周边大气环境的影响,以期为钢铁行业超低排放改造效果评估提供科学支撑。

1 研究方法

1.1 研究对象

近年来,由于资源和环境的限制,钢铁企业逐渐向沿海发展。本文所研究的钢铁企业位于京津冀东南部,渤海湾西岸,生产工序齐全,带钢年产能为500万吨。该区域地势低平,主要为平原和海岸,属于温带大陆性半干旱偏旱季风气候,受海陆风影响,具有典型代表意义。钢铁企业排放源与周边5个空气质量监测站的分布见图1。离钢铁厂最近的空气空气质量监测站为4号监测站,距离为32km。

图1 钢铁企业排放源与空气质量监测站分布

Fig.1 The distribution of theemission sources in iron and steel plants and air quality monitoring stations

1.2模拟模型

AERMOD模型是被国内外广泛应用的一种空气质量模型^[10-12],是《环境影响评价技术导则大气环境》（HJ2.2-2018）推荐的预测模型之一^[13]。AERMOD模型在小尺度的模拟中优于其他模型,并且被应用于钢铁企业的模拟研究中^[14-15]。本研究采用AERMOD模型模拟典型钢铁企业SO₂、NOx和一次PM₁₀四种污染物的排放对周边地区空气质量的影响。模拟区域总范围为50km×50km,水平网格分辨率为500m×500m,网格点数设置为100×100,不考虑化学反应机制。

模拟所用的地形数据为美国地质勘探局90米分辨率数据,地表参数数据为AERSURFACE在线服务系统生成数据^[16],地面气象数据为沧州市气象站2018年逐时数据,高空气象数据为WRF v3.9模拟数据。

1.3排放源数据

本研究钢铁排放清单数据来自研究团队的2018年全国高分率排放清单(HSEC,2018)^[17],该清单是基于中国钢铁行业在线监测数据(CEMS)和环境统计数据,自下而上建立了2018年中国高分辨率钢铁行业大气污染物排放清单。

本研究选取了钢铁厂烧结、高炉、转炉、轧钢四道工序中13个生产节点作为AERMOD模型中的点源输入。每个生产节点中排气筒的高度、直径、温度、和流速的数据见表1。

表1 钢铁厂排气筒高度、直径、温度、流速

Table1 The stackheight, diameter, temperature, velocity of iron and steel plants

1.3排放情景设置

本研究共设置现状情景、超低情景2种污染物排放情景,现状情景为2018年典型钢铁企业超低排放改造前年产670万吨轧钢的大气污染物排放情景；超低情景为典型钢铁企业超低排放改造后年产670万吨轧钢的大气污染物排放情景。

2 结果与讨论

2.1 典型钢铁企业排放量分析

2018年该长流程钢铁企业现状情景下SO₂、NO_x和PM₁₀的排放量分别为2502.54/a、9575.73t/a和1931.28t/a；预测超低情景下SO₂、NO_x和PM₁₀的排放量分别为1596.60t/a、4171.16t/a和1219.16t/a。其中：超低情景较现状情景NO_x减排比例最高,为56.44%；SO₂和PM₁₀减排比例分别为36.20%和36.87%。主要原因是超低标准对NO_x的控制较对SO₂和PM₁₀的控制更严格,超低标准与现状情景执行的新建企业标准相比较：NO_x的排放浓度最高下降了83.33%,高于SO₂和PM₁₀的下降比例（最高下降分别为82.50%和80.00%）；预测结果表明：该钢铁企业的超低排放改造对NO_x减排效果更为明显。该钢铁企业现状情景和超低情景下各生产节点大气污染物排放情况见图2。

对于主要排放污染物,SO₂和NOx主要排放来源于烧结机头、高炉热风炉和轧钢热处理炉节点。结合现状情景和超低排放情景下企业排放水平发现,该企业超低排放改造完成后SO₂减排潜力最大的排放节点是轧钢热处理炉,削减比例达到66.67%,占SO₂减排总量的比例达81.81%。说明未来要加强对轧钢热处理炉的脱硫控制水平,从源头减少企业SO₂排放总量。

对于NOx排放,其削减比例和减排占比最大的排放节点是烧结机头（分别为72.12%和76.12%）,一方面由于超低排放标准对于烧结机头控制力度最大（浓度限值下降达83.33%,远高于其他节点）；另一方面,由于该企业烧结机头排放NOx最多（占比达38.12%,高于其他节点）,减排潜力最大。

对于PM₁₀排放,该企业PM₁₀排放主要来源于烧结机头、烧结燃料破碎和烧结配料等节点,且烧结工序成为该企业主要排放源（排放占比达58.83%）,超低改造完成后烧结工序减排占比最大（达58.21%）,平均削减比例为34.36%。说明未来烧结工序仍然是该钢铁企业除尘控制的重中之重。

图2 各生产节点污染物排放量

Fig.2 Pollutant Emissions of each emission source

2.2 典型钢铁企业周边环境空气质量影响分析

分析该钢铁企业2018年现状情景和超低情景下排放SO₂、NOx和一次PM₁₀对周边大气环境的影响和对空气质量监测站的浓度贡献。

图3显示了在现状情景和超低情境下典型钢铁企业周边的SO₂、NOx和一次PM₁₀年均浓度,以及两种情况之间的差异。空气质量模型的结果表明,现状情景下SO₂、NOx和一次PM₁₀高浓度区域均主要分布在该企业厂区周边和北偏东和西偏南方向,超低情景下污染物分布与现状情景基本一致,但高值区浓度出现明显的下降。在模拟范围内,现状情景下SO₂年均最大网格浓度为7.69μg/m³,NOx年均最大网格浓度为18.89μg/m³,一次PM₁₀年均最大网格浓度为9.32μg/m³。超低情景下SO₂年均最大网格浓度为3.15μg/m³,较现状情景下降了47.23%；NOx年均最大网格浓度为11.35μg/m³,较现状情景下降了47.77%；一次PM₁₀年均最大网格浓度为5.42μg/m³,较现状情景下降了37.85%。