2. 中国科学院安徽光学精密机械研究所, 中国科学院环境光学与技术重点实验室, 合肥 230031;
3. 中国科学院大学, 北京 100049;
4. 成都信息工程大学, 成都 610225
2. Key Laboratory of Environmental Optics & Technology, Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei 230031;
3. University of Chinese Academy of Sciences, Beijing 100049;
4. Chengdu University of Information Technology, Chengdu 610225
随着我国经济持续高速发展, 城市化程度的迅速提高, 我国空气质量的改善面临着巨大的压力.2014年环保部公布的数据显示, 全国SO2和氮氧化物排放总量已高达2000万t, 细颗粒物(PM2.5)浓度已经超过了WHO规定的空气健康标准, 特别是在京津冀、长三角和珠三角地区形成了以灰霾为代表的区域化二次污染(Chan et al., 2008; Shao et al., 2006; Zhang et al., 2012), 引起了国内外的广泛关注(Wang et al., 2014;Zhang et al., 2012).王自发等(2008)利用数值模式分析了区域输送对北京夏季臭氧浓度的影响, 提出了区域输送是京津冀地区大气污染的主要影响因素;Wang等(2014)针对2013年河北南部爆发的严重灰霾事件, 指出该地区也存在区域输送;Li等(2013)研究发现, 污染物从长三角地区向北输送至辽宁中部, 也会导致严重污染.
与京津冀、长三角地区类似, 河南省的大气污染也日益显著.2015年第一季度观测发现, 河南省是全国污染最严重的地区, 郑州则在全国74个城市排名中位居第4(http://www.zhb.gov.cn/).河南省SO2、NOx和一次PM2.5的排放量分别达到全国总排放量的6.1%、6.8%和7.2%, 均位居全国前五(杨文夷等, 2013);在重霾期间, 河南北部地市的PM2.5浓度甚至超过250 μg·m-3(Wang et al., 2014).之前的研究指出, 区域输送和化学二次转化在河南的大气污染中扮演着十分重要的角色, 甚至在河南省的腹地郑州, 其区域输送的贡献在个例中可达到36%, 机动车、燃煤排放也较为显著(张稳定, 2013).
与京津冀、长三角地区空气质量的研究现状相比, 河南省大气灰霾的来源研究仍然有待进一步开展.主要体现在:①目前的研究多基于个别城市的观测数据, 利用受体模式分析大气PM2.5的来源, 利用数值模式进行长时期的研究相对较少(赵乾杰等, 2012;周凯等, 2013);②河南地处华北平原腹地, 紧邻京津冀、山东和长江中下游等污染严重地区, 更容易受到周边省份污染物传输的影响, 但目前区域输送对该地区的影响尚不清楚, 需要开展长期的数值模拟工作.因此, 本文基于最近发展的排放清单, 运用中国科学院大气物理研究所开发的NAQPMS空气质量数值模式, 对河南省2013年7月—2014年6月的大气污染物进行为期1年的模拟, 并分析河南省PM2.5的主要来源.
2 研究方法(Methods) 2.1 观测数据观测数据包括气象和大气污染物浓度数据.其中, 气象数据主要来源于中国气象局提供的温度、湿度及风速等逐时数据.污染物数据来自于河南省环境监测中心及中国环境监测总站, 包括NO2、SO2、PM10、PM2.5等小时数据.气象站点的选取参考污染物观测站点的相邻区域, 具体分布如图 1所示.
本文中采用的NAQPMS模式是中国科学院大气物理研究所开发的区域-城市空气质量模式系统, 可实现多尺度多过程的双向嵌套数值模拟.该模式系统充分借鉴吸收了国际上先进的天气预报模式、空气污染预报模式的优点, 并结合了中国各区域、城市的地理、地形环境、污染源排放资料等特点.理化过程采用模块化设计, 包括了平流扩散、气溶胶、干湿沉降、大气化学反应、液相化学机制及一维诊断云模式等物理化学模块, 提供CBMZ、CB4气相化学反应机制.NAQPMS模式已成功地实现了业务化, 并在北京、上海、郑州等多个城市环保局的空气质量预报部门投入业务运行, 取得了较好的效果.
本文中模式系统采用2重嵌套(图 1):模拟区域的中心经纬度为东经106°, 北纬24°, 第一区域覆盖东亚地区, 水平分辨率为45 km, 水平网格点数为132(径向)×132(纬向); 第二区域包括河南省及其周边省市(图 1),水平分辨率为15 km, 水平网格点数为60×60.同时, 垂直方向不均匀分为20层, 其中, 近地面2 km包含8层, 充分并准确考虑边界层内大气污染物的传输及分布状况.同时, 由WRFv3.5提供气象场数据, MOZARTv2.6提供边界条件和初始场.
2.3 排放清单本次模拟使用的排放清单数据来源主要包含:①来自于河南省环境监测中心的环境统计年报及排污申报统计等数据资料制作的河南省区域排放清单, 分辨率分别为45 km和15 km;②我国其他省份采用清华大学开发的2010年MEIC排放清单(Multi-resolution Emission Inventory for China, MEIC), 包括SO2、NOx、PM2.5、PM2.5~10、CO、NH3、BC、OC和NMVOCs等污染物的人为源排放数据;③碳氢化合物的自然源排放取自全球排放清单GEIA(the Global Emission Inventory Activity).其中, 一次PM2.5排放速率见图 1.
2.4 污染物源解析技术为了解不同地区不同种类污染源的影响, 将污染物源解析模块耦合入空气质量数值模式NAQPMS(Li et al., 2008;吴其重等, 2010).该模块可实时在线解析不同地区和不同行业对大气一次污染物和二次污染物的贡献(吴剑斌, 2012).相较于传统的源开关法, 该方法可保证源解析的结果与化学输送方程之间的质量守恒, 避免了化学非线性特征对源开关法解析结果的影响.同时, 该方法在一次模拟中可解析多个目标区域的贡献, 大大节约了计算时间.该方法被环保部《大气颗粒物源解析指南》列为推荐方法之一.
根据河南省地形和排放特征, 在本次模拟过程中追踪16个区域源(图 2).河南省分为7个部分, 包括河南中部(郑州、平顶山、开封、漯河、许昌、驻马店)、北部(安阳、新乡、鹤壁、濮阳)、东部(周口、商丘)、南部(信阳)、西部(三门峡、洛阳)、南阳盆地(南阳)和太行山南部(焦作、济源), 河北、山东、山西、陕西、江苏、湖北、安徽各为一个追踪源, 国内其余地区及国外各为一个追踪源.追踪6个行业源, 包括居民源、工业源、机动车排放、扬尘、农业和畜牧业等.其分类标准参考MEIC排放清单(He, 2012).
利用河南及其周边地区10个城市的小时气象观测数据与模拟结果进行对比, 主要统计参数如表 1所示.可以发现, 模式结果不仅可以很好地反映观测值的变化趋势, 还能够精确地表征观测值的大小, 其中, 温度的模拟效果最好, 相对湿度和风速次之.风速的模拟值与观测值相比, 模拟偏差(MB)接近于0, 均方根误差(RMSE)维持在1.11~1.33之间, 但相关系数(r)较温度和相对湿度偏低, 这可能与城市地理位置、模式地理数据不够精确有关.
各污染监测站点NO2、SO2、PM10及PM2.5全年变化情况如图 3所示.总体上, 大部分站点污染物月均模拟值可以再现各自观测月均值的变化规律, 即冬季达到极大值, 夏季达到极小值.值得注意的是, 河南省东部商丘, 其排放强度较低(图 1), NO2排放速率为0.2×10-3 μg·m-2·h-1, 远小于郑州(3.3×10-3 μg·m-2·h-1), 但NO2冬天浓度高达80 μg·m-3, 该特征也被模式再现, 这可能与污染物的传输有关;在个别城市10月份模式低估了PM10及PM2.5的观测值, 这与排放源清单中低估生物质燃烧的强度有关.同时, 参考主要城市PM2.5浓度的统计参数可以发现, 除鹤壁、信阳外, 其余城市相关系数(r)均在0.5以上, 说明这些城市PM2.5模拟值与观测值变化趋势较为一致;河南省主要城市模拟偏差(MB)维持在-38.21~-2.43 μg·m-3之间, PM2.5模拟值出现系统性高估的情况, 可能与模式本身的不确定性及当地排放源的变更、天气形势的改变有着密切的关系;均方根误差(RMSE)在19.62~44.48之间, 而平均相对偏差(MFB)维持在0.02~0.38 μg·m-3之间, 说明模拟偏差均在可接受范围内(Boylan et al., 2006).
图 4展示了河南省及周边地区PM2.5模拟年均浓度的水平分布.可以发现, 河南省PM2.5高值在中部及北部地区, 如郑州、焦作、平顶山、许昌、漯河及洛阳北部等, 年均浓度在100 μg·m-3以上, 其中, 郑州高达120 μg·m-3以上;东、南部地市分布较为均匀, PM2.5浓度集中在70~100 μg·m-3之间.该分布与河南省地形、气候和污染源的分布有关, 在河南中部等地市(郑州等), 其北部的太行山不利于污染的输送, 导致污染物在该地区的累积.同时, 该地区也是河南省排放强度最大的地区之一(图 1).而三门峡和洛阳南部、南阳西北部等地区处于山区, 且自身排放较少, 故而PM2.5浓度最低, 最小值在60 μg·m-3左右.
不同季节河南省PM2.5浓度的水平分布如图 5所示.从图中可以看到, PM2.5浓度冬季最高, 其次是秋季、春季, 夏季最低.冬季为采暖季, 大气污染物排放增多, 导致一次排放和二次生成的PM2.5浓度增加, 并且该时期河南省北部和中部地区天气静稳, 大气边界层高度降低, 导致污染相当严重, 其中, 濮阳、安阳、郑州、许昌及洛阳东北部、焦作南部、平顶山东部PM2.5浓度最高, 达到135 μg·m-3以上;而新乡、开封、商丘、周口等城市PM2.5浓度也相对较高, 维持在115~135 μg·m-3之间;三门峡中南部、洛阳南部和南阳西北部的PM2.5为全省最低, 在100 μg·m-3以下.春、秋两季PM2.5浓度分布类似, 高值区在郑州市及其周边地区, 可达100 μg·m-3以上, 安阳市北部浓度也略有偏高, 约为95 μg·m-3;三门峡、南阳西北部和洛阳西南部等PM2.5浓度较低, 在85 μg·m-3以下;河南省其他地区PM2.5分布较为均匀, 基本维持在75~95 μg·m-3之间.夏季PM2.5浓度达到全年最低值, 全季度最高值出现在郑州及安阳两市, 浓度为95 μg·m-3;而最低值出现在三门峡市南部、信阳市东南部及南阳市西北部, 浓度在65 μg·m-3以下.
综上所述, 河南省PM2.5浓度主要分布在中部及北部地区, 如郑州、安阳等市, 东部及南部PM2.5分布较为均匀, 最低值出现在西部山地.除了天气形势影响外, 污染物本地排放和外来输送特征对该分布态势也有十分重要的影响.本文利用NAQPMS数值模式和污染物来源解析模拟技术, 定量分析了区域输送和行业排放对河南不同地区PM2.5的贡献.
3.3.1 区域输送图 6展示了不同地区对河南省PM2.5年均浓度的贡献.可以看出, 河南中部和西部地区PM2.5浓度受本地源的影响为主, 浓度贡献分别为55.4 μg·m-3(51%)和45.4 μg·m-3(43%);省内其余地区的贡献分别是22.2 μg·m-3(21%)和30.8 μg·m-3(29%);周边省份贡献分别是30.7 μg·m-3(28%)和30.1 μg·m-3(28%), 其中, 山西省对河南西部地区贡献占9%.河南北部、东部及南部地区是受周边省份输送影响最为显著的地区, 浓度贡献分别为45.4 μg·m-3(42%)、49.4 μg·m-3(51%)和38.2 μg·m-3(48%), 其中, 河南北部PM2.5浓度主要受到河北省影响, 占总浓度的12%, 东部地区PM2.5浓度主要来自于安徽省, 贡献比例为24%.南部受湖北、安徽两省影响较大, 湖北贡献比例达到13%.太行山南部地区, 本地源贡献为33.1 μg·m-3(30%), 周边省份贡献为34.7 μg·m-3(31%), 其中, 山西省对该地区贡献率占总浓度的14%.南阳盆地PM2.5浓度受本地源影响为26.9 μg·m-3(31%), 周边省份贡献为27.2 μg·m-3(32%), 其中, 湖北省对该地区浓度贡献率为7%.全省以京广铁路为界, 东部PM2.5浓度受省外影响(42%~51%)要高于西部(28%~32%), 这主要与河南省地形特征有关, 东部为平原地区, 农牧业发达, 自身排放浓度较低, 且与山东、安徽等省相邻, 污染物极易传输, PM2.5浓度受省外影响较大;西部多山脉, 来自省外的污染物沿山脉堆积, 不易传输至河南省境内, 致使该地区PM2.5主要以本地贡献为主.
图 7展示了河南各个地区PM2.5浓度的概率分布特征, 以及在不同污染水平下PM2.5的主要来源.河南东部、南部及南阳盆地全年PM2.5浓度主要集中在50~120 μg·m-3之间;而中部、北部、西部及太行山南部地带PM2.5浓度主要分布在200 μg·m-3以上.如图 7所示, 在不同浓度下, PM2.5的来源均呈现除河南中、西部、太行山南部和南阳盆地地区以本地贡献为主, 东、北和南部地区省外输送影响较大的特征.值得注意的是, 随着地表PM2.5浓度的升高, 河南东部和北部来自省外贡献的比重逐渐增大, 当PM2.5浓度高于200 μg·m-3时, 省外贡献分别增大至60%和43%;河南南部、太行山南部及南阳盆地则出现相反情况, 随着地表PM2.5浓度的升高, 省外贡献逐渐减小, 来自中部地区的贡献则逐渐增大, 当PM2.5浓度高于200 μg·m-3时, 省外贡献分别减小至38%、25%和32%, 而中部地区贡献分别增大至37%、35%和41%;随着PM2.5浓度增大, 不同地区对河南中部的贡献基本保持不变, 而河南西部的本地贡献逐渐降低, 中部地区对其贡献逐渐增大.
PM2.5的一次主要成分包括一次PM2.5、BC、OC及扬尘.不同行业排放的二次污染物有所不同, 居民源主要排放SO2和VOCs, 工业排放的主要是SO2、NOx和VOCs, 机动车主要排放NOx和VOCs, 电厂则排放SO2和NOx, 而农业畜牧业排放的二次污染物主要为NH3.上述污染物在不利的气象条件下吸附于地表或者其他细颗粒物上, 通过气相、液相及非均相化学反应, 可以改变颗粒物大小或化学成分, 形成大量硫酸盐、硝酸盐, 造成PM2.5浓度增加(Wang et al., 2014;Huang et al., 2011;Liu et al., 2015;Tan et al., 2009).
图 8展示了不同行业对河南近地面PM2.5浓度的贡献.居民源、工业源和机动车排放是河南省PM2.5浓度的主要来源.在河南中部、东部和北部, 居民源是PM2.5浓度的最大来源, 浓度贡献分别为29.0 μg·m-3(27%)、25.6 μg·m-3(27%)和26.9 μg·m-3(25%), 机动车排放贡献居其次, 在23.0~24.3 μg·m-3(22%~24%)之间, 第三贡献来自于工业化石燃料的燃烧, 基本维持在17.3~19.5 μg·m-3(17%~20%)之间.在太行山南部, 工业源则对PM2.5浓度贡献最大, 为26.4 μg·m-3(24%), 其次是扬尘, 为23.8 μg·m-3(21%).在南阳盆地, PM2.5主要来自于机动车排放与居民源, 均为19.0 μg·m-3(22%).在河南西部与南部地区, 居民源和工业源对PM2.5浓度贡献相差不大, 维持在23%~24%左右.农业畜牧业和电厂对全省各地区贡献比例相当, 其中, 农业畜牧业约占8%~10%, 电厂略低, 在6%~9%之间.综上所述, 不同行业在不同地区对PM2.5浓度贡献与该地区产业结构、经济条件等有密切关系, 重点控制各地区居民和工业的化石燃料燃烧, 如燃煤等, 控制机动车数量且减少因城市建设而引起的扬尘, 以降低各主要行业对各个地区PM2.5的贡献.
图 9展示了河南各地区不同污染水平下, 不同行业对PM2.5浓度的影响.各行业在不同地区的贡献正如上文分析, 居民和工业的化石燃料燃烧及机动车排放是全省PM2.5的主要来源.随着PM2.5浓度的增加, 各地区居民源与机动车贡献比重略有增加, 工业源和扬尘贡献比重逐渐降低, 而电厂与农业畜牧业的贡献基本保持不变.
1) 模式能够较好地再现各污染物的时空演变特征.WRF模拟的温度、相对湿度和风速与观测较为一致, 模拟偏差较小.NO2、SO2、PM10和PM2.5的模拟结果合理再现了观测到的冬季极大值和夏季极小值的季节变化特征.受到排放清单特别是生物质燃烧清单的不确定性影响, 模式个别城市个别月份与观测值有所偏差.
2) 模拟结果表明, PM2.5高值集中在河南中部及北部地区, 而在东部地区分布较为均匀.该分布与河南省地形、气候及排放源分布有关.各污染物(NO2、SO2、PM10和PM2.5)呈现类似的季节变化特征, 即冬季浓度最高, 其次是秋季、春季, 夏季浓度最低.
3) 本地贡献是河南中部和西部PM2.5浓度的最大贡献者, 分别达到55.4 μg·m-3(51%)和45.4 μg·m-3(43%).来自周边省份的区域输送对河南北部、东部及南部地区的影响更为显著, 分别为45.4(42%)、49.4(51%)和38.2 μg·m-3(48%).在太行山南部和南阳盆地, 本地源和周边省份对其贡献相差不大, 均占30%~31%.对河南省PM2.5影响较大的省份有安徽、山东、河北、湖北、山西等, 其传输贡献率维持在9%~23%之间.同时, 随着地表PM2.5浓度的升高, 来自省外区域输送对河南东部和北部地市PM2.5的贡献逐渐增大, 而在河南南部、太行山南部及南阳盆地则出现相反情况, 即随着地表PM2.5浓度的升高, 省外贡献逐渐减小.
4) 居民源、工业源和机动车排放是河南省PM2.5浓度的主要来源, 其浓度贡献分别为23.7 μg·m-3(24%)、20.6 μg·m-3(21%)和21.3 μg·m-3(22%), 电厂、农牧业和地面扬尘的贡献分别为7.0 μg·m-3(7%)、8.7 μg·m-3(9%)和17.8 μg·m-3(18%).
5) 在河南中部、东部和北部, 居民源是PM2.5浓度的最大来源, 分别为29.0(27%)、25.6(27%)和26.9 μg·m-3(25%, 工业源则对PM2.5浓度贡献最大, 为26.4 μg·m-3(24%).在南阳盆地, PM2.5主要来自于源, 均为19.0 μg·m-3(22%).在河南西部和南部, 居民源和工业源对PM2.5浓度贡献相差不大, 维持在23%~24%左右.农业畜牧业和电厂对全省各地区贡献比例相当, 其中, 农业畜牧业约占8%~10%, 电厂略低, 在6%~9%之间.同时, 随着PM2.5浓度的增加, 各地区居民源与机动车贡献比重略有增加;工业源和扬尘贡献比重逐渐降低;而电厂与农业畜牧业的贡献基本保持不变.
致谢: 清华大学张强教授和河南省环境监测中心为本研提供了MEIC和河南省人为污染物排放清单, 河南省环境监测中心为本研究提供了监测数据, 在此一并表示感谢![${referVo.labelOrder}] | Boylan J W, Russell A G. 2006. PM and light extinction model performance metrics, goals, and criteria for three-dimensional air quality models[J]. Atmospheric Environment , 40 (26) : 4946–4959. DOI:10.1016/j.atmosenv.2005.09.087 |
[${referVo.labelOrder}] | Chan C, Yao X. 2008. Air pollution in mega cities in China[J]. Atmospheric Environment , 42 (1) : 1–42. DOI:10.1016/j.atmosenv.2007.09.003 |
[${referVo.labelOrder}] | He K B.2012.Multi-resolution Emission Inventory for China (MEIC):model framework and 1990-2010 anthropogenic emissions[C].International Global Atmospheric Chemistry Conference.Beijing |
[${referVo.labelOrder}] | Huang K, Zhuang G, Lin Y, et al. 2011. Typical types and formation mechanisms of haze in an eastern Asia megacity, Shanghai[J]. Atmospheric Chemistry & Physics Discussions , 12 (1) : 105–124. |
[${referVo.labelOrder}] | Li J, Wang Z, Akimoto H, et al. 2008. Near-ground ozone source attributions and outflow in central eastern China during MTX2006[J]. Atmospheric Chemistry & Physics & Discussions , 8 (24) : 7335–7351. |
[${referVo.labelOrder}] | Li J, Wang Z, Huang H, et al. 2013. Assessing the effects of trans-boundary aerosol transport between various city clusters on regional haze episodes in spring over East China[J]. Tellus Series B-Chemical & Physical Meteorology , 65 (1) : 60–73. |
[${referVo.labelOrder}] | Liu X, Sun K, Qu Y, et al. 2015. Secondary formation of sulfate and nitrate during a haze episode in megacity Beijing, China[J]. Aerosol & Air Quality Research , 15 : 2246–2257. |
[${referVo.labelOrder}] | 裴丽娟, 樊瑞强, 程晓川.2012. 郑州市城区大气环境质量污染特征及其原因分析[J]. 科技资讯 , 2012 (11) : 136–136. |
[${referVo.labelOrder}] | Shao M, Li W. 2006. City clusters in China: air and surface water pollution[J]. Frontiers in Ecology & the Environment , 4 (7) : 353–361. |
[${referVo.labelOrder}] | Tan J, Duan J, Kebin H E. 2009. Chemical characteristics of PM2.5 during a typical haze episode in Guangzhou[J]. Journal of Environmental Sciences , 21 (6) : 774–781. DOI:10.1016/S1001-0742(08)62340-2 |
[${referVo.labelOrder}] | Wang T, Jiang F, Deng J, et al. 2012. Urban air quality and regional haze weather forecast for Yangtze River Delta region[J]. Atmospheric Environment , 58 (15) : 70–83. |
[${referVo.labelOrder}] | Wang Y S, Li Y, Wang L L. 2013. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China[J]. Science China Earth Sciences , 57 (1) : 14–25. |
[${referVo.labelOrder}] | Wang Z F, Li J, Wang Z, et al. 2014. Modeling study of regional severe hazes over mid-eastern China in January 2013 and its implications on pollution prevention and control[J]. Science China Earth Sciences , 57 (1) : 3–13. DOI:10.1007/s11430-013-4793-0 |
[${referVo.labelOrder}] | 吴剑斌.2012.NAQPMS在线源解析模式的发展及应用——上海市夏季二次污染物的来源研究[D].北京:中国科学院研究生院 |
[${referVo.labelOrder}] | 吴其重, 王自发, 李丽娜, 等.2010. 北京奥运会空气质量保障方案京津冀地区措施评估[J]. 气候与环境研究 , 2010, 15 (5) : 662–671. |
[${referVo.labelOrder}] | 杨文夷, 李杰, 朱莉莉, 等.2013. 我国空气污染物人为源排放清单对比[J]. 环境科学研究 , 2013, 26 (7) : 703–711. |
[${referVo.labelOrder}] | Zhang X Y, Wang Y Q, Niu T, et al. 2011. Atmospheric aerosol compositions in China: spatial/temporal variability, chemical signature, regional haze distribution and comparisons with global aerosols[J]. Atmospheric Chemistry & Physics , 12 (2) : 779–799. |
[${referVo.labelOrder}] | 张稳定.2013.郑州市大气污染的数值模拟及其区域输送影响研究[D].郑州:郑州大学 http://cdmd.cnki.com.cn/article/cdmd-10459-1013253822.htm |
[${referVo.labelOrder}] | 赵乾杰, 张军, 于莉, 等.2012. "十一五"河南省城市环境空气污染特征及原因分析[J]. 环境科学与管理 , 2012, 37 (10) : 102–105. |
[${referVo.labelOrder}] | 中华人民共和国环境保护部.2014.中国环境状况公报[R].北京.中华人民共和国环境保护部 |
[${referVo.labelOrder}] | 周凯, 王智芳, 曹娓, 等.2013. 郑州市大气环境质量的评价[J]. 河南科技学院学报:自然科学版 , 2013 (2) : 46–50. |