污染擴散模式

藉由排放係數的計算可以得知污染物在空氣中的排放總量，但是由於不同的 氣象條件以及地形因子等條件，會使得污染物在空氣中有著不同的傳輸情況，而 僅計算污染總量並無法得知污染物在空氣中之擴散情形，因此擴散模型主要是利 用數理方程式描述大氣、擴散、煙流理化過程，以計算不同地點之濃度。因此為 了瞭解各種污染物在空氣中的擴散情況，近年來發展了許多污染擴散模型。而各 種模型均有其特性、限制以及適用範圍，主要可分為四大類型，分別為：箱型模 式(Box Model)、高斯模式(Gaussian model)、Lagrangian model 以及計算流體力學 模式(Computational fluid dynamic models；CFD)。

其中箱型模式以質量守恆為基礎，假設箱內污染物濃度混合且均勻分布，且 只需簡單之氣象、排放資料並設定部分參數即可計算結果，但因所需之資料簡易 因此模擬結果較不足以顯示實際濃度之資訊。

Lagrangian 模式與計算流體力學模式皆屬於網格模式的一種，其模擬推估方 式與箱型模式略為相似，均會設定一槽狀網格以及邊界、初始濃度之設定，並以 帄均風速、風量之紊流組成以及分子擴散來計算其濃度變化，可模擬均勻地形之 穩定條件或非均勻定型之非穩定條件。由於此種方法屬於數值解析分法，雖然可

18

19 水帄擴散方向在穩定狀態下呈高斯分配，Pasquill(1961)與 Gifford(1976)指出煙流 寬與高之氣象穩定度設定由 與 來決定。

目前發展許多以高斯方程為架構之擴散模式，如 CALINE(California

Department of Transportation)、HIWAY(US EPA)、CAR-FMI(Finish Meteorological Institute)、GFLSM、IITLS 等。其中，GFLSM 以及 IITLS 模型是較為方便運用 之數值模型。

Goyal and Rama Krishna (1999)針對印度德里地區之 NO2 濃度進行分析，文 中以 CALINE3 以及印度理工學院(IIT)所發展之線源模式「IITLSM」與實際觀測 的空氣品質相互比較，藉以檢驗兩種模式模擬之績效。結果發現，在帄行風的情 況下 CALINE3 之濃度模擬結果會有高估的情況，在斜風以及側風的情況下模擬 結果會有低估的情況。兩種模式皆能夠有效的預測道路之 NO2 濃度，其中又以 IITLSM 模式與觀測值具有較為顯著的相關性。

Wang et al. (2006)探討香港地區之都市路側區域因交通而引起的氣體以及粒 子排放擴散特性。研究中選定三段市區道路進行實地量測，同時並以 GFLSM 推 估其路側污染物 CO 與 PM2.5之濃度。另外，作者將 GFLSM 中之擴散參數以 Monin–Obukhov length 法取代離散之 Pasquill 穩定度判斷法。結果發現，根據所 量測以及計算之 CO 與 PM2.5濃度資料有著相當高的一致性，CO 之一致率約為 0.68-0.92，PM2.5之一致率約為 0.6-0.75。預測值與實測值之迴歸分析結果 CO 之 相關係數介於 0.93-0.99 之間，而 PM2.5之相關係數介於 0.85-0.96 之間，表示該 模型能夠準確的預測汙染濃度的分佈情形。因此 GFLSM 提供一個較為可靠以及

20

方便的方法來評估香港城市內之空氣品質。

Lin and Ge (2006)利用格位傳遞模式(CTM)模擬車流的運行行為，並且利用 高斯擴散模型 CALINE4 來估計一道路之交通排放以及路邊空氣品質。根據 CTM 之特性，以格位為單位進行污染排放之計算以模擬污染物之擴散情形，作者並假 設號誌、相關之車流變數以及設定相關大氣環境變數以模擬實際之道路交通情況，

模擬時間設定為 15 個小時包括了早上尖峰以及下午尖峰，並將道路分割成十個 格位，以距離路緣 3 公尺做為擴散預測的地點，分散於道路的四個位置。污染排 放係數以 MOBILE6 進行推估。結果發現，車流模式可以充份模擬車輛在尖峰以 及離峰之行為，在污染物方面發現越接近路口 CO 之濃度變化比上游路段有更大 的變化，污染程度也以靠近路口處較為嚴重。另外，作者亦利用帄均小時之流量 以 CALINE4 直接進行模擬，並與使用格位法之模擬結果發現，由於交通的異質 性，利用帄均小時車流量與車速之濃度計算結果會較利用 CTM 模擬來的低。

Ganguly and Broderick (2008)以兩種大氣擴散模式：一般有限線源模式 (GFLSM)以及 CALINE4，用以評估公路路側 CO 之量測。由於過去的研究已經 說明 CALINE4 適合用於愛爾蘭之公路環境，因此文中以相同的環境條件下利用 GFLSM 來分析與比較兩種模式之模擬結果，擴散模式中所需使用之排放係數是 利用 COPERT3 之架構方法來計算單位小時之排放係數。而比較之結果發現模擬 結果 GFLSM 模式較 CLAINE4 模式為佳，作者亦針對 GFSLM 模型進行大氣穩 定度以及風速之敏感度分析。在 GFSLM 穩定度敏感度分析中將穩定度分為「不 穩定」、「穩定」以及「中立」，並發現以中立之情況模擬表現較佳。在風速敏感 度分析中將風速分為「小於 0.5 m/s」、「0.5~2 m/s」以及「大於 2 m/s」，分析結 果中顯示以「0.5~2 m/s」之狀態模擬結果較佳，反之，以「小於 0.5 m/s」之狀 態較差。

Ganguly and Broderick (2010)先以印度理工學院所發展之 IITLSM 模式以及 GFSLM 模式在相同地區之實際 NO_x污染濃度相互比較。在預測單日污染濃度變 化時在中午以前之預測較為準確，但越晚會有高估的情形，並且以 GFLSM 模式 表現較好。而前六個月之統計結果分析顯示，GFLSM 模式對於長期而言也較能 接近實際偵測之濃度，因此在考量可能發生任何風向的情況下是以 GFLSM 的模 擬結果較佳。由於 GFLSM 以證實能夠有效的處理側風及斜風的情況，作者為了 使其能夠更準確的計算在帄行風情況下之濃度，因此假設一種混合模式，將

21

GFLSM 模式混合 IITLS 模式的概念加以改良。而混合模式與 GFLSM 模式之比 較結果發現，混合模式在處理帄行風之條件下比單獨使用 GFLSM 模式來的有 效。

2.3.2 高斯煙陣模式

煙陣模式係在煙源不斷連續排放，而將排放體以短時間切割，短時間之排放 體為一煙陣之擴散，煙陣之分佈情形亦假設為高斯分佈。

Arya(1995)建構一靠近源點且適用於低風速之高斯煙塊模式，並且針對大氣 環境進行相關參數之修正及提議，而此模式適用於大氣穩定度為中性以及穩定的 狀態之下。

Thomson and Manning(2001)針對於低風速狀態下穩態之高斯煙塊模式，提出 一新的求解方法。作者將煙塊模式擴散行為分為小型時間以及大型時間尺度，並 以拉式積分時間尺度(Lagrangian integral time scale)做為擴散時間長短分隔之準 則。此種方式之用意在於整合在不同時間下之煙塊，並且假設在短時間下煙塊成 長會與時間成正比，在長時間下會與時間的均方根成正比。文章中並以此模式與 高斯煙流模式相互比較，並發現此模式有著良好的擴散推估能力，此模式也有效 的說明在低風速下煙塊的變化情形。

Luhar(2011)指出由於部分風向分佈複雜所造成的擴散行為可能呈現非高斯 的特性，因此在長時間下可能無法準確的進行推估。而文章中發現雖然在一般常 態穩定的風力狀態下，一般之煙塊模式擁有良好的解釋與模擬能力，並且也能符 合在弱速風情況下之擴散特性。

本節回顧了以高斯分佈為基礎之污染擴散模式，其中分為煙流以及煙陣模式，

並發現高斯煙流模式是較常被使用之擴散模式，其原因在於能夠計算方便計算長 時間下之濃度分佈情形且此類型之模式也有較為簡便之軟體可做應用。然而，本 研究之目的在於於號誌控制下之污染影響，由於需要瞭解在短時間下的濃度分佈 情形，因此煙陣模式是一較適合之模式，透過該模式可計算出在短時間下之濃度 以比較在不同號誌控制策略方法下對於路外區域不同時間之濃度分佈情形。

22