本文介紹一種利用污染物濃度與風向變化的關系，使用客觀的分析技術對VOCs污染來源進行追溯,將有助于對園區企業排放情況進行監管和改善。

VOCs 對環境的影響,除了光化學霧霾與地表臭氧之外,臭味也是一個令人頭痛的問題。大多數的 VOCs 都有臭

味,有些臭味閾值低,例如硫醇類、烯酸酯類、有機酸類、醛類、胺類等,在 0.1 mg/m3 濃度下,都還有明顯的臭

味,這些物質普遍存在石化業、制藥業、合成樹脂、垃圾處理、化制廠等行業。中國惡臭污染物排放標準(GB14554-93) 

定義了八種惡臭污染物,其中六種屬于 VOCs。當我們知道臭味來源之后,通過治理與管理手段,大多可以有效控

制。然而如何查找與判定臭味來源,是解決臭味問題的第一步,往往也是最困難的問題。工業區作為大氣排放的

重點監管對象，其儲槽、管道意外泄露的原物料，或是經由排放管道逸散的制程廢氣、臭味逸散在空氣中會造

成環境空氣質量惡化，影響周邊居民生活和身體健康。本文分享了金山工業園區的一個研究案例，供讀者參考。

理論依據

污染溯源技術是污染物濃度檢測結果的綜合應用，其原理是利用點監測或線監測設備的監測結果，結合風向

數據，計算污染物在空間中的機率分布，或利用適當的路線規劃，移動量測位置以達到標定污染源位置的目

的。綜合國內外的技術發展現狀，污染溯源技術可大概分為被動式及主動式兩種（如圖一）。主動式搜尋方

法較常見的有等高圖高點、單純型搜尋和路徑移動搜尋。被動式預測方法則包含煙流預測和分布幾率預測等

方法。

（1）主動式搜尋

等高圖高點方法使用大量的點監測或線監測設備，獲得充分的數據之后，計算特定空間中污染物的濃度分布等

高圖，然后由等高圖的高點區域標定污染源位置。利用這種方式需要使用大量的硬設備才能達到良好的效果。

單純型搜尋及路徑移動搜尋這兩種方法，并不需要使用大量的監測設備，而是移動監測設備以收集不同位置的

污染物濃度數據，然后進一步計算濃度分布的信息。使用這兩種方式容易發生量測間隔時間過長而濃度分布前

后不一致的問題，適合應用在污染物濃度穩定、分布變化較小的區域。

（2）被動式搜尋

分布幾率預測法不使用濃度分布的方式，而是利用測點在各方向污染物出現幾率計算污染源逸散位置。這個方

法不需要大量的監測設備，也不需要移動監測設備，但是需要配合氣象數據計算。另外煙流預測法則以少量的

監測設備，結合氣象數據或高斯擴散模式，推估污染的位置。這個演算法的詳細說明，讀者可參考中國大陸發

明專利（CN102116734B）或臺灣發明專利（1395932）。

分布幾率預測法說明

此方法是利用監測站周圍各方向出現污染物濃度幾率結合三角定位方法計算污染源位置。計算過程說明如下：

（1）方向污染幾率計算

污染物濃度風向玫瑰圖（rose map）是一種常用的統計圖式，可以表達污染物在各方向出現的幾率，其作法

是將污染物量測資料與氣象資料結合，使每一筆污染物的量測資料都可以得到濃度和量測期間相對應的風速和

風向。

風速過低的資料因為無法確認風向來源，故予以剔除，然后將風向與濃度做分類，風向則分配為16個或多個方

向，濃度也由低至高分成6個或多個等級。統計各風向及污染物濃度的出現幾率，可以完成【濃度-風向玫瑰圖】

如圖二所示。其中方柱延伸的方向表示來源風向，長度代表該風向出現污染物的幾率、方柱的寬度或顏色則表

示濃度的分級。

（2)方向污染幾率乘積

在三角定位的方法中，目標的位置（如圖三星號標示處）可以根據不同觀察者（如圖三V1.V2標示處）觀察線

延伸的交點求得。因此當污染物濃度對觀察者有觀察角度的對應關系時，就有機會利用三角定位法求得污染物

的逸散來源位置。在環境中進行污染物量測時也可以應用這個原理，同步收集氣象資料可以統計各風向來源污

染物的幾率，進而計算污染物的逸散位置。

例如現場同時有兩組設備在不同位置進行測量，而且有氣象站配合進行同步監測，則可以順利完成前文所描述

的風玫瑰圖。在不同位置兩組風玫瑰圖上的各個方向延伸一條線，交點上的綜合幾率則為兩組風玫瑰圖對應方

向幾率的累積。如下圖4中P組風玫瑰圖在14號方向的污染物出現幾率為P14，和Q組風玫瑰圖的3號方向(濃度

幾率Q3）相交則這一點的污染綜合幾率為P14+Q3。其他各交點的綜合幾率都可比照計算。這樣可以完成污

染源幾率網目圖，并且使用克里格法的方式完成污染幾率分布圖。

（3）網格污染幾率累積

使用前述方法建立的網目圖，雖然使用各方向做為計算的依據很方便，但是有幾個缺點，包括交點的分布并不

平均，以及所獲得的資料點有限，繪制的圖形較不完整。改用污染源幾率網格的方式會比較適合。如圖5中，

選定適當的范圍，然后規劃規律性的格點，分別計算其污染源幾率值，可以建立較規律的分布圖。

其中網格的交點，可以使用圖6中所示的立方云規線的方式內插任意角度的污染物出現幾率。

完成污染源幾率網格點數據之后，可以進一步計算濃度幾率等高圖，由等高圖中的高點推估污染物的實際來源。

方法應用案例

由于上海金山工業園區投入使用了六個大氣監測站（國貿站、新聯站、衛二路站、衛四路站、衛六路站、衛八

路站），及周邊有國家級的氣象站，既有的數據非常適合被動式搜尋的溯源分析，本文就以上海金山工業區為

例，介紹這個方法的使用過程與結果。

（1）氣象資料整理

金山工業區各監測站對于風速方向數據的采集，是以正點時刻的數值代表該小時進行記錄，該記錄方法在某些

情況會影響溯源分析的準確性。例如圖7a、7b為2015年12月1日某監測站點零時采集的風速風向數據，在一個

小時內出現了61°、110°、343°風向，幅度大143°。若以采集記錄的正點時刻風向（約343°）進行溯源分析，

顯然會導致溯源分析準確性大大降低。

因此，以類似方法記錄所得的氣象數據進行溯源分析時，需要對數據進行預處理，避免因儀器故障、突變風、

數據缺失等原因導致各時間段之間氣象數據的異常情況對分析結果造成干擾，提高溯源分析的準確性。

對氣象數據的處理分為兩種，其中一種是以“矢量法”將監測站數據各自重新計算，以達到剔除奇異點；另

一種則需要引入周邊氣象站的氣象數據，與監測站氣象數據做相關性分析，并選取相關性較好的站點的氣象

數據，重新加權，得出代表整個監測網絡的氣象數據。

• 
  圖7a、風速風向資料

• 
  圖7b、風速風向矢量

（2）矢量法剔除奇異點

該方法監測數據中整個小時內風速方向為若干矢量（圖7b中符號“+”），將風俗作為矢量，風向作為矢量方向

加權計算后得出一小時平均風速風向矢量（圖中紅色），并劃定有效半徑，剔除有效半徑圓外的奇異數據，

并對剩下數據再進行一次加權，以此作為該小時風速風向結果。

（3）結合周邊氣象站計算相關性

該方法通過結合周邊氣象站氣象數據，計算氣象站與監測站間氣象數據的相關性，選取與氣象站相關性較高

的若干監測站，對其進行加權計算，以加權結果代表所有監測站氣象數據。

以2015年12月為例，金山工業區三個監測站（國貿站、衛二路、衛八路）與國家氣象站（錢圩、金山）的

相關系數較佳。將這三個監測站的風速風向矢量迭加后的數據，更接近國家氣象站。

（4）污染溯源分析

對2016年3月-9月期間的甲硫醇、硫化氫、丙烯晴等化合物監測結果進行了若干次溯源分析，并指出了溯源

結果所在位置的企業信息，部分分析結果經現場反饋，也證實了溯源結果的準確性。

由于本研究與合作方簽有保密協議，部分揮發性有機物的監測結果有效數據，本文挑選了甲硫醇、甲硫醚、

硫化氫做介紹。其中甲硫醇基本源自于某石化廠，硫化氫污染源則顯示出來源很多。

（5）甲硫醇

2016年3月5日、19日、29日均出現甲硫醇大幅超標，其中下旬各站點監測結果均顯示甲硫醇超標，見圖8。

經分析其污染源為衛八路附近某廠儲罐區，如下圖8、9所示。

• 
  圖8、2016年3月甲硫醇濃度趨勢

• 
  圖9、甲硫醇溯源結果

（6）甲硫醚

甲硫醚與甲硫醇情況較相似，主要超標情況集中在3月下旬，見圖10。由于除衛六路外，各站點甲硫醚有效監測數據較少

（見圖11 玫瑰圖），因此溯源結果僅可顯示出污染源在衛六路西面，未能指出具體位置。

• 
  圖10、2016年3月甲硫醚濃度趨勢

• 
  圖11、各站點甲硫醚玫瑰圖

• 
  圖12、甲硫醚溯源結果

（7）硫化氫

7月份硫化氫在7月5-8日、19-24日出現了間斷的濃度超標，溯源結果顯示衛八路東南側及衛二路東南側

均有污染源存在后經監測中心反饋確認，衛八路附近污染源為某廠煉油車間導致；而衛二路東南側并無

工業廠房存在（經對監測結果原始數據進行確認，該方向確實存在濃度超標情況，因此未確認是否由于

監測設備異常或其他情況）。

結論與建議

基于上海金山工業區的污染溯源研究經驗，我們提出幾個改善建議，可以讓溯源演算的結果更有參考價值

（1）監測站

a.站房設立優化

根據在監測站現場調查情況，部分站房存在設立高度不足、離樹木、樓房、巷子過近等缺陷，建議日后的

監測站采取加高采樣桿、選擇空曠位置等措施，減少氣象數據監測受到干擾。例如，其中金山工業園區部

分監測站現場情況如下：

• 
  國貿站

• 
  新聯站

b.增加監測站

從部分溯源分析結果可知，由于在某些方向缺少監測站，在分析溯源位置時，無法確定該方向的具體位置。

因此建議在重點需要監測的工廠周邊增加監測站，確保重點監測區域在檢測網內，從而提高溯源分析的準

確性。

c.增加NMHC測項

由于目前監測設備測量揮發性有機物時，完成一次數據測量需要一小時的分析周期，導致在溯源分析時，需

要較長的周期方能滿足200-300有效數據量的統計要求，而且目前VOCs特征因子的監測質量不理想，經常

有數據缺失的問題，從而降低了溯源分析的有效性；而每次測量NMHC所需的時間周期僅需1-2分鐘，因此

建議增加測量NMHC測項，以NMHC作為VOCs污染事件的溯源指標。

（2）甲硫醇分析存在的問題

由于目前甲硫醇的分析方法容易受到烯烴類的干擾，當甲硫醇測值高時，可能是當時甲硫醇或烯烴類濃度偏高

所致。例如溯源結果統計，認為某石化廠可能是甲硫醇污染事件的排放源，但我們很清楚這些車間排放烯烴類

的可能性較大，排放甲硫醇的可能較小，應該是烯烴類物質干擾甲硫醇的分析結果。但不可諱言的是我們還是

看到了甲硫醇出峰處有明顯的污染物響應，可以推論某石化廠可能是這些污染事件的排放源。如果我們能提高

烯烴類物質監測的有效數據，就可以進一步驗證這個結果。

（3)模型適用范圍

這個溯源算法是基于風速風向濃度與位置特征的統計算法，有別于污染特征因子的算法，并不需要事先了解

污染排放源的排放特征，但至少需要200-300個有效的風速風向濃度數據。它可以進行污染源一次性排放的

污染物溯源分析，例如硫化氫及各種VOCs但不能進行衍生性的污染溯源，例如臭氧，或容易產生化學變化

的VOCs。就本研究的范圍而言，風速風向經過均化處理之后，可以取得接近氣象站的數據質量。硫化氫的

監測數據質量好，分析一個樣品的周期僅五分鐘，因此發生硫化氫污染事件時，本模型可以推算出某廠等是

可能的排放源，事后煉油車間通報了車間異常，確實造成了污染事件，而晴綸車間與水務部的作業性質，也

都具有硫化氫的排放特性，溯源結果合理。

目前較遺憾的是VOCs特征因子的監測結果，有效數據分析周期為1小時，而且缺漏的情況很多，如果一個

VOCs污染事件在兩三天內斷斷續續發生后結束，目前能取得的有效數據不超過70組，無法進行本模型的

溯源分析。因此本研究建議設置NMHC分析儀，分析周期可以縮短為1-2分鐘，就可以掌握到更多更短暫

的VOCs污染事件，再利用VOCs特征因子監測結果與污染特性比對，也就不難推論出該污染事件的排放源

與排放物。

當本模型遇到的污染排放源不止一處時，若有效數據不足，很可能產生誤判。如圖16，若只掌握到實線的

風速風向數據，交叉點很可能誤判為污染排放源。但是有效數據足夠多時呢掌握到虛線的風速風向數據，

還是可以找到這兩個真實排放源。因此本模型可以作為尋找污染排放源的輔助工具，在沒有其他佐證時，

并不能作為判定污染排放源的充分條件。

（4）模型驗證方法

臺灣曾經在六輕工業區人造一個排放源，排放SF6，這個物質在該區是外來物種，工業區本身沒有的，然后利

用兩組相距約一公里的 FTIR進行監測，兩周后繪制SF6來源分布幾率圖，定位出SF6的排放源，與真實排放源

距離不到100米，驗證了這個方法的準確性。本研究也可以采用類似的方法，在金山工業區某處，人為釋放一

個污染物，例如甲烷在FID上容易偵測，對環境的影響有限，再通過六個自動站的監測結果，推算排放源的位

置，求出距離偏差。由于金山區有六個自動站，相距都在1-3公里之內，理論上產生的距離偏差不會大于臺灣

的驗證結果。