环境科学学报  2020, Vol. 40 Issue (9): 3112-3119
淮海经济区核心区污染排放对重点区域城市PM2.5贡献研究    [PDF全文]
臧宏宽1,2, 薛文博2, 徐毅2, 伍鹏程2, 张鸿宇2, 许野1    
1. 华北电力大学, 北京 102206;
2. 生态环境部环境规划院, 北京 100012
摘要:基于WRF-CMAQ空气质量模型,采用开关污染源排放的敏感性试验方法,定量分析了淮海经济区核心区污染排放对京津冀区域、"2+26 "大气污染传输通道城市、汾渭平原地区和长三角区域PM2.5的贡献.结果表明,对京津冀区域,污染贡献比例最大值出现在10月份,同时对不同城市的贡献值在10%以内变化;对" 2+26"大气传输通道城市,影响的时空差异变化明显,其中对聊城市、菏泽市和济南市的贡献值均超过了10%;对汾渭平原地区的贡献总体较弱,最大贡献值低于5%;对长三角区域,贡献值在不同城市间的时空差异变化明显.考虑到淮海经济区地处京津冀和长三角过渡地带,且对京津冀和长三角区域PM2.5影响较大,建议尽快将淮海经济区核心地区纳入国家大气污染重点控制区.
关键词PM2.5    CMAQ    淮海经济区核心区    传输影响    贡献值    
Study on the impact of pollutant emissions from the core area of Huaihai Economic Zone on PM2.5 in the key regional cities
ZANG Hongkuan1,2, XUE Wenbo2, XU Yi2, WU Pengcheng2, ZHANG Hongyu2, XU Ye1    
1. North China Electric Power University, Beijing 102206;
2. Chinese Academy of Environmental Planning, Beijing 100012
Received 21 March 2020; received in revised from 1 July 2020; accepted 1 July 2020
Abstract: Based on the WRF-CMAQ air quality model, this paper uses the sensitivity test method of switching pollution source emissions to quantitatively analyze the pollution emission impact on the core area of Huaihai Economic Zone on the concentration of PM2.5 in the Beijing-Tianjin-Hebei cities where the "2+26" air pollution transmission channel cities, the Fen River-Wei River plain city agglomeration and the Yangtze River Delta region city agglomeration. The results showed that the largest contribution of pollution of the Beijing-Tianjin-Hebei cities, in October, and the contribution values varied within 10% for different cities. For the "2+26" air pollution transmission channel cities, the impacts varied greatly due to the spatial and temporal differences. The contribution values to Liaocheng City, Heze City and Jinan City were exceeded 10%. The contribution values to the Fen River-Wei River plain city agglomeration were generally weak, with the maximum value of less than 5%. For the Yangtze River Delta region, the contribution value varies significantly among different cities. Considering that the Huaihai Economic Zone is located in the transition zone of Beijing-Tianjin-Hebei and the Yangtze River Delta where had a greater impact on PM2.5 for both the Beijing-Tianjin-Hebei and Yangtze River Delta regions, it is recommended that the core area of the Huaihai Economic Zone should be included in the national key air pollution control area as soon as possible.
Keywords: PM2.5    CMAQ    core area of Huaihai Economic Zone    transmission impact    contribution value    
1 引言(Introduction)

近年来, 细颗粒物(PM2.5)污染已经成为影响我国重点区域大气环境质量的首要污染物, 同时, PM2.5污染也呈现出典型的区域性和复合性污染特征(薛文博等, 2014).从国内外大气环境管理的经验来看, 孤立的以行政单元为控制主体的大气污染防治管理模式已经难以有效解释和解决PM2.5污染问题(Streets et al., 2007; 薛文博等, 2014; 刘旭艳, 2015).因此, 国内外一些学者针对PM2.5及其主要化学组分的跨区域传输规律开展了一些研究.例如, 周成等(2019)基于4种模拟情景, 采用CMAQ空气质量模型研究了济南市城市区域大气污染物质量浓度变化规律及不同机动车车型对6种常规大气污染物的贡献, 结果显示, 济南采暖季大气污染特征是颗粒物型, 空气中的NO2和PM2.5受机动车排放贡献较大.尹伊(2019)利用多尺度空气质量模式CMAQ(Community Multiscale Air Quality model)模拟一次臭氧污染, 并利用IRR、IPR过程分析模块对主城区臭氧特征进行分析, 研究表明, 化学过程在全天对兰州市主城区地面臭氧浓度主要起消耗作用, 对主城区2300 m高空臭氧浓度为正贡献. 吴育杰(2019)基于CMAQ的源解析工具ISAM在统一的模式框架下对京津冀区域大气污染传输通道“2+26”城市的PM2.5污染进行了精细化的来源解析, 结果表明, 从污染传输通道角度看, 西南通道对北京贡献最大, 东南通道对天津贡献最大, 而且当两城市的PM2.5污染状况由轻变重时, 传输通道上其他城市的贡献值均明显升高.此外, 还有一些学者针对跨区域PM2.5传输进行了分析研究(王自发等, 2008; 高健等, 2014; 刘明, 2018).但已有研究主要是针对区域内城市间的相互影响研究, 对不同区域间的PM2.5相互影响研究较少.

淮海经济区核心区南临长三角区域, 北接京津冀及周边经济区, 西临汾渭平原地区, 地处亚欧大陆桥东部要塞, 是联结我国东西和南北经济带的桥梁和纽带(谭睿等, 2008; 毛建明等, 2010; 赵明明, 2012; 薛丽萍等, 2014; 郭梦梦等, 2017), 地理位置特殊.而且2017年淮海经济区核心区年均PM2.5浓度为58 μg · m-3, 介于京津冀区域(64 μg · m-3)和长三角区域(44 μg · m-3)之间(生态环境部, 2018).因此, 定量评估淮海经济区核心区对周边城市PM2.5污染浓度的贡献具有重要的科学意义与应用价值.本文选取淮海经济区核心区为研究重点, 以京津冀区域、“2+26”大气传输通道城市、汾渭平原地区和长三角区域为分析对象, 利用CMAQ空气质量模型定量模拟淮海经济区核心区对上述重点区域城市PM2.5污染的贡献值, 并进行细化分析, 旨在通过定量分析为制定重点区域间的大气污染联防联控政策提供科技支撑.

2 研究区域与模型设置(Scene and model) 2.1 研究区域

本文所研究淮海经济区核心区包括宿迁市、连云港市、宿州市、商丘市、济宁市、枣庄市、徐州市和淮北市8个城市, 面积和人口数量分别约占淮海经济区的37.3%和38.5%.淮海经济区核心区地理位置非常重要, 是联结我国东、中、西三大经济带的桥梁和纽带, 在我国区域发展总体格局中起着承东启西、呼应南北的重要作用, 承担着中国经济东靠西移接力站的重任, 并面向大海背靠华中经济区, 在整个中国地图板块中, 淮海经济区核心区处沿海中心位置(赵明明, 2012; 薛丽萍等, 2014; 郭梦梦等, 2017).近年来淮海经济区核心区经济发展迅速, 2017年核心区8个城市GDP平均增速为7%.随着经济的快速发展, 淮海经济区核心区城市的环境问题也日益突出.本文重点研究淮海经济区核心区对京津冀区域、“2+26”大气传输通道城市、汾渭平原地区和长三角区域的贡献.

2.2 模型机理

本文采用的CMAQ空气质量模型主要包括边界条件模块、初始条件模块、光分解率模块、气象-化学预处理模块和化学输送模块(薛文博等, 2016).CMAQ模型的重点是化学输送模块, 污染物在大气中的扩散和输送过程、气相化学过程、液相化学过程、气溶胶化学过程、云化学过程及动力学过程等均由该模块模拟完成, 其他模块的主要功能是为化学输送模块提供输入数据和相关参数.化学输送模块可输出多种气态污染物和气溶胶组分的逐小时浓度、能见度和干湿沉降(Bash, 2010; Carlton et al., 2010; Appel et al., 2016).

2.3 模型参数设置

CMAQ模型模拟时段选取2017年1月、4月、7月和10月4个典型月份, 结果输出时间间隔设置为1 h, 模拟区域采用Lambert投影坐标系, 中心经度为103°E, 中心纬度为37°N, 两条平行纬度为25°N和40°N.水平模拟范围X方向为-2700~2700 km, Y方向为-2160~2160 km, 网格间距为20 km, 共将研究区域划分为270×216个网格.垂直方向共设置14个气压层, 气压层间距从下向上逐渐增大.化学机制选用的CB-05气相化学机制和AERO5气溶胶机制, 表 1为具体参数化方案(薛文博等, 2016).

表 1 CMAQ模型参数设置 Table 1 Parameters setting of CMAQ

CMAQ模型计算所需的气象场由气象模型WRF提供, 将WRF模型模拟时段和空间投影坐标系设置为与CMAQ模型一致, 但模拟范围大于CMAQ模型范围, WRF模型水平模拟范围X方向设置为-3600~3600 km, Y方向设置为-2520~2520 km, 网格间距同样设置为20 km, 将研究区域划分为360×252个网格.垂直方向设置了30个气压层, 气压层间距从下向上逐渐增大.WRF模型的初始场与边界场数据采用美国国家环境预报中心(NCEP)6 h一次(1°×1°分辨率)的FNL全球分析数据, 每日对初始场进行初始化, 每次模拟时长为30 h, Spin-up时间设置为6 h, 并利用NCEP提供的ADP观测资料(Carlton et al., 2010)进行客观分析与四维同化, 表 2为具体参数化方案, 该参数化方案模拟的风速、风向、温度、湿度及降水等气象要素在已有研究中得到了验证(Zheng, et al., 2015; 薛文博等, 2016; Lightstone et al., 2017; Ring, 2018).WRF模型模拟结果通过MCIP程序转换为CMAQ模型输入格式.

表 2 WRF参数化方案 Table 2 Parameterization scheme of WRF
2.4 排放清单

输入到CMAQ模型中的排放清单的污染物种包括SO2、NOx、PM10、PM2.5及其组分、NH3和VOCs等.其中, 人为源排放数据采用2017年清华大学基于MEIC模型开发的排放清单数据, 生物源VOCs排放清单数据利用MEGAN天然源排放清单模型在线计算(Guenther et al., 2006; Qi et al., 2017).通过清单统计分析, 2017年淮海经济区核心区8个城市NOx排放量为71.01×104 t, 特别是徐州市和济宁市, 年排放量均超过了15×104 t, 8个城市SO2排放量为27.51×104 t, NH3排放量为38.99×104 t, VOCs排放量高达84.06×104 t, 一次PM2.5排放高达7.07×104 t.表 3给出了通过清单分析得到的2017年淮海经济区核心区6种污染物的排放量情况.

表 3 2017年淮海经济核心区城市主要污染物的排放量 Table 3 Emission amount of major pollutants from cities in the core area of the Huaihai Economy Zone in 2017
2.5 模型验证

基于CMAQ模型对淮海经济区核心区城市、京津冀及周边区域城市、汾渭平原地区城市和长三角区域城市空气质量进行了模拟.图 1为典型月份(1月、4月、7月和10月)和年均监测PM2.5浓度与模型模拟PM2.5浓度的相关性分析结果, 标准偏差为-21.45%, 标准误差为24.97%, 表明CMAQ模型模拟数值与观测值具有较好的相关性.总体上, 本文所选空气质量模型及模拟参数能较好地模拟我国典型的区域年均PM2.5污染水平及其季节变化.

图 1 2017年PM2.5模拟浓度与监测浓度的相关性 Fig. 1 Correlation between modeling data and monitoring data of PM2.5 in 2017
2.6 情景设计

为了定量对比排放影响, 模型设置了两个模拟情景:一是2017年所有污染物现状排放情景;另一个是淮海经济区核心区零排放情景, 即在全口径污染物排放情况下扣除淮海经济区核心区排放情况的影响.利用CMAQ模型分别模拟“全口径排放情景”与“淮海经济区核心区零排放置情景”下京津冀区域、“2+26”大气传输通道城市、汾渭平原地区和长三角区域等城市空气PM2.5浓度变化情况, 将“全口径排放情景”与“淮海经济区核心区零排放置情景”的PM2.5排放情况进行量化比较, 得到淮海经济区核心区污染物排放对京津冀区域、“2+26”大气传输通道城市、汾渭平原地区和长三角区域城市PM2.5的定量贡献值.

2.7 贡献值计算方法

首先在全口径排放情景下, 计算得到京津冀区域、“2+26”大气传输通道城市、汾渭平原地区和长三角区域PM2.5重点月份月均浓度值;随后在淮海经济区核心区零排放情景下, 再次计算得到上述重点区域城市PM2.5重点月份月均浓度值;选取城市国控点位置对应网格的平均值, 定量计算两个情景下的差值, 从而得到淮海经济区核心区污染物排放对上述重点区域的定量贡献值.

3 结果分析(Results analysis)

本研究中PM2.5组成包括一次颗粒物, 以及硝酸盐、硫酸盐、铵盐等二次无机物质和二次有机气溶胶等物质, 同时考虑了不同物种在爱根核模态、积聚模态和粗离子模态中的粒径分布.本研究利用CMAQ模型, 采用开关污染源排放的敏感性试验方法, 模拟了淮海经济区核心区污染物排放对京津冀区域、“2+26”大气传输通道城市、汾渭平原地区和长三角区域PM2.5的贡献影响, 定量测算了淮海经济区核心区影响下的重点区域城市PM2.5的月均和年均浓度贡献值变化情况.

3.1 对京津冀区域城市PM2.5浓度贡献

图 2给出了淮海经济区核心区污染物排放对京津冀区域城市PM2.5的定量月均贡献度.总体来说, 淮海经济区核心区对京津冀区域不同城市PM2.5浓度的贡献因月份而异且因城市而异.一方面, 淮海经济区核心区污染物排放对天津市、沧州市、衡水市3个城市的PM2.5贡献度最大, 特别是10月, 贡献度均超过了5%.另一方面, 受气象条件影响, 1月、4月和10月淮海经济区核心区对衡水市PM2.5浓度贡献最大, 但7月却对沧州市贡献最大.此外, 4个典型月份中, 10月的整体贡献度比冬季代表月份1月的贡献度还要大.因此, 对于京津冀区域城市, 特别是沧州市和衡水市在制定年度秋、冬季大气污染综合治理攻坚行动方案时, 应密切关注外来源的影响.

图 2 对京津冀区域城市PM2.5贡献度 Fig. 2 Monthly average contribution of PM2.5 emission in Jing-Jin-Ji
3.2 对“2+26”大气传输通道城市PM2.5浓度贡献

表 4给出了淮海经济区核心区污染物排放对“2+26”大气传输通道城市PM2.5的重点月均定量贡献度.可以看出, 不同城市间的变化差异较大.除济宁市外, 4个典型月份贡献度最大的两个城市是聊城市和济南市, 而且4月、7月和10月的贡献都比较大, 其中对聊城市的贡献度在10月达到最大(24.3%), 济南市在7月的贡献度最大, 达到20.44%.贡献度较小的是距离较远的太原市、阳泉市和长冶市.因此, 对“2+26”大气传输通道城市PM2.5贡献影响因素中, 距离因素起重要作用.分析不同城市间PM2.5污染跨界传输时, 应统筹考虑气象因素和距离因素的影响.

表 4 对“2+26”大气传输通道城市PM2.5月均贡献度 Table 4 Monthly average contribution of PM2.5 emission in "2+26" cities
3.3 对汾渭平原地区城市PM2.5浓度贡献

图 3给出了淮海经济区核心区污染物排放对汾渭平原地区城市重点月份PM2.5的月均贡献度.可以看出, 淮海经济区核心区对汾渭平原地区城市PM2.5污染的贡献度总体来说相对较小, 4个典型月份对各城市的贡献度都没有超过5%.比如, 在贡献度相对较大的10月, 贡献度最大的三门峡市和运城市分别只达到4.5%和4.15%的贡献度.考虑到太行山脉正处在淮海经济区核心区与汾渭平原地区之间, 因此, 一定程度上限制了大气污染物跨界传输作用.

图 3 对汾渭平原地区城市PM2.5月均贡献度 Fig. 3 Monthly average contribution of PM2.5 emission in Fenwei Plain
3.4 对长三角区域城市PM2.5浓度贡献

表 5给出了淮海经济区核心区污染物排放对长三角区域城市PM2.5的月均定量贡献度.从结果可以看出, 除含在淮海经济区核心区内的城市外, 其余城市主要分为两类:一类是1月的贡献值比其他月份大, 以舟山、丽水、衢州和台州等城市为代表; 另一类是10月的贡献值大, 以亳州、蚌埠、阜阳和淮南等城市为代表, 如10月对亳州市贡献比例高达40.58%.总体而言, 淮海经济区核心区污染物排放在秋、冬季对长三角区域城市PM2.5贡献较大, 而且因时空不同呈现差异化的特征, 亟需建立区域联防联控机制.

表 5 对长三角区域城市PM2.5月均贡献度 Table 5 Monthly average contribution of PM2.5 emission in the Yangtze River Delta cities
4 结论(Conclusions)

1) 淮海经济区核心区污染排放对京津冀区域、“2+26”大气传输通道城市、汾渭平原地区和长三角区域PM2.5的贡献度受气象条件、地形位置和距离远近等因素综合影响.总体而言, 淮海经济区核心区污染排放对京津冀区域、“2+26”大气传输通道城市和长三角区域PM2.5贡献度较大, 对汾渭平原地区的影响相对较弱, 而且对不同区域城市贡献度的时空差异明显.

2) 本文利用WRF-CMAQ空气质量模型, 定量分析了淮海经济区核心区污染物排放对这些重点区域城市PM2.5的贡献值和影响, 然而受开关污染源排放的敏感性试验方法原理所限, 设置的零排放情景下, 不可避免会使相应区域内大气中各种成分的浓度与全排放情景下存在差异, 一定程度上会影响区域内大气化学变化量的差异.此外, 本文只是把淮海经济区核心区作为一个整体进行定量研究, 并没有细化到淮海经济区核心区的具体行业和具体产业的排放情况.这些在以后研究中应予以考虑.

参考文献
Appel K W, Napelenok S, Hogrefe C, et al. 2016. Overview and Evaluation of the Community Multiscale Air Quality (CMAQ) Modeling System Version 5.2//Springer Proceedings in Complexity[M]. Berlin: Springer, 22-29.
Bash J O. 2010. Description and initial simulation of a dynamic bidirectional air-surface exchange model for mercury in community multiscale air quality (CMAQ) model[J]. Journal of Geophysical Research Atmospheres, 115(D6): 1-15.
Carlton A G, Bhave P V, Napelenok S L, et al. 2010. Model representation of secondary organic aerosol in CMAQv4.7[J]. Environmental Science & Technology, 44(22): 8553-8560.
Guenther A, Karl T, Harley P, et al. 2006. Estimates of global terrestrial isoprene emissions using MEGAN (model of emissions of gases and aerosols from nature)[J]. Atmospheric Chemistry and Physics, 6(11): 3181-3210. DOI:10.5194/acp-6-3181-2006
Lightstone S D, Moshary F, Gross B. 2017. Comparing CMAQ Forecasts with a neural network forecast model for PM2.5 in New York[J]. Atmosphere, 8(12): 161-177. DOI:10.3390/atmos8090161
高健, 柴发合. 2014. 我国大气颗粒物污染研究及其对控制对策的支撑[J]. 环境保护, 42(11): 32-34.
郭梦梦, 仇方道. 2017. 淮海经济区工业SO2排放的空间相关性及影响因素分析[J]. 云南地理环境研究, 29(2): 33-40.
刘明.2018.基于CMAQ的交通限行措施对兰州市空气质量影响的研究[D].兰州: 兰州大学
刘旭艳.2015.京津冀PM2.5区域传输模拟研究[D].北京: 清华大学
毛建明, 段七零. 2010. 淮海经济区发展的SWOT与对策[J]. 扬州教育学院学报, 28(1): 24-28.
Qi J, Zheng B, Li M, et al. 2017. A high-resolution air pollutants emission inventory in 2013 for the Beijing-Tianjin-Hebei region, China[J]. Atmospheric Environment, 170: 156-168. DOI:10.1016/j.atmosenv.2017.09.039
Ring A M, Canty T P, Anderson D C, et al. 2018. Evaluating commercial marine emissions and their role in air quality policy using observations and the CMAQ model[J]. Atmospheric Environment, 173: 96-107. DOI:10.1016/j.atmosenv.2017.10.037
Streets D G, Fu J S, Jang C J, et al. 2007. Air quality during the 2008 Beijing Olympic Games[J]. Atmospheric Environment, 41(3): 480-492. DOI:10.1016/j.atmosenv.2006.08.046
谭睿, 苏汪. 2008. 淮海经济区2007年区域经济发展分析[J]. 大陆桥视野, (6): 14-16.
王自发, 李丽娜, 吴其重, 等. 2008. 区域输送对北京夏季臭氧浓度影响的数值模拟研究[J]. 自然杂志, (4): 194-198+247-248.
吴育杰.2019.基于WRF-CMAQ/ISAM模型的京津冀及周边地区PM2.5来源解析研究[D].杭州: 浙江大学
薛丽萍, 欧向军, 曾晨, 等. 2014. 淮海经济区主要城市经济联系的空间作用分析[J]. 经济地理, 34(11): 52-57.
薛文博, 付飞, 王金南, 等. 2014. 中国PM2.5跨区域传输特征数值模拟研究[J]. 中国环境科学, 34(6): 1361-1368.
薛文博, 许艳玲, 唐晓龙, 等. 2016. 中国氨排放对PM2.5污染的影响[J]. 中国环境科学, 36(12): 3531-3539.
尹伊.2019.基于CMAQ模式、MEIC清单对兰州市主城区臭氧污染特征的初步研究[D].兰州: 兰州大学
赵明明. 2012. 淮海经济区在新时期的战略选择[J]. 连云港职业技术学院学报, 25(4): 20-24.
Zheng B, Zhang Q, Zhang Y, et al. 2015. Heterogeneous chemistry:a mechanism missing in current models to explain secondary inorganic aerosol formation during the January 2013 haze episode in North China[J]. Atmospheric Chemistry and Physics, 15(4): 2031-2049. DOI:10.5194/acp-15-2031-2015
周成, 李少洛, 孙友敏, 等. 2019. 基于CMAQ空气质量模型研究机动车对济南市空气质量的影响[J]. 环境科学研究, 32(12): 2031-2039.