氣象和排放變化對PM2.5污染的定量影響

許艷玲,薛文博,雷 宇

氣象和排放變化對PM2.5污染的定量影響

許艷玲1,2,薛文博2*,雷 宇2

(1.北京工業大學,區域大氣復合污染防治北京市重點實驗室,北京 100124；2.生態環境部環境規劃院,區域空氣質量模擬與管控研究中心,北京 100012)

基于WRF-CMAQ模型系統定量分析了氣象和排放因素對全國及重點區域PM2.5污染影響程度.從年度特征來看,與2015年相比,2016年、2017年全國空氣質量明顯改善,PM2.5年均濃度分別下降7%和14%; 2016年氣象條件總體轉好,氣象因素和排放因素變化導致全國PM2.5年均濃度下降幅度分別為4%和3%; 2017年全國氣象條件與2015年相比基本持平,大氣污染物排放量下降是PM2.5污染減輕的決定因素.除汾渭平原外,京津冀及周邊地區“2+26”城市、長三角、成渝地區空氣中的PM2.5年均濃度持續下降; 珠三角氣象條件變化對PM2.5影響較大,2017年導致PM2.5濃度上升了29%; 除汾渭平原外,其他4個重點地區的污染物排放變化導致PM2.5年均濃度下降且2017年的下降幅度進一步加大,說明污染管控措施的環境效益明顯.從季節特征來看,氣象影響值的區域性差異明顯.本文分析方法可用于制定空氣質量目標或者評估污染控制方案的環境效果.

WRF-CMAQ模型；PM2.5；氣象；排放；定量影響

PM2.5濃度升高導致中國中東部地區霧霾問題比較嚴重,特別是在采暖季節北方地區重污染天氣頻發[1-3],限制了經濟可持續發展,并對人體健康產生嚴重危害,已經引起廣大關注[4-6].空氣中PM2.5濃度的高低主要受污染源排放和氣象條件共同決定[7].在中國北方地區,大氣污染物排放總量大且集中,是空氣中PM2.5濃度高的重要原因,而不利氣象條件使得PM2.5污染更加嚴重[8-9].氣象因子可以影響大氣污染物的稀釋擴散、積聚清除,在大氣流場作用下導致區域間污染物的傳輸,在高濕、靜穩天氣形勢下快速形成以高濃度PM2.5為特征的大氣污染過程.一些學者針對短時間段的PM2.5重污染事件,開展了關于氣象要素、大氣環流等對大氣中PM2.5作用研究,集中在污染過程的發生、發展機制及化學過程分析[10-12].此外一些學者基于統計學方法分析了PM2.5濃度變化特征及其與氣象因子之間的關系[13-14].以上方法可以用于分析PM2.5污染成因,但是均僅限于定性分析.氣象條件變化對PM2.5污染定量影響研究可以借助空氣質量模型模擬法來實現.由于影響PM2.5污染程度的是排放和氣象兩個因素,因此根據PM2.5監測濃度和氣象對PM2.5污染定量影響值這兩個參數,可以分析大氣污染物排放量變化對PM2.5影響.Liu等[15]將2014年12月和2015年12月作為研究時段,采用模型模擬法定量分析了氣象因素對京津冀地區PM2.5污染的影響.目前,該類研究主要集中在重污染時段的單個城市或者經濟比較發達的城市群,但針對多年的全國大尺度研究相對不足.因此,按照國務院發布的《打贏藍天保衛戰三年行動計劃》中關于PM2.5和空氣質量的考核指標要求,本文以2015年為基準年,基于WRF-CMAQ模型系統,采用情景分析法,定量分析了2016、2017年氣象和排放變化對全國及重點區域PM2.5污染影響程度.

1 數據和方法

1.1 研究范圍

研究范圍涵蓋整個中國大陸(暫時不包括香港、澳門、臺灣),共包括31個省份(直轄市、自治區),共計338個主要城市.重點區域包括京津冀及周邊地區“2+26”城市、長三角、珠三角、成渝、汾渭平原等5個地區.

1.2 數據來源

1.2.1 排放清單 CMAQ模型所需排放清單的化學物種主要包括SO2、NO、顆粒物(PM10、PM2.5及其組分)、NH3和VOCs(含多種化學組分)等多種污染物.SO2、NO、PM10、PM2.5、BC、OC、NH3、VOCs(含主要組分)等人為源排放數據均采用2013年MEIC排放清單[16](中國多尺度排放清單,http: //www.meicmodel.org).MEIC是一套基于云計算平臺開發的中國大氣污染物和溫室氣體人為源排放清單模型,可提供規范、準確、更新及時的高分辨率的自下而上的排放清單數據產品.生物源VOCs排放清單利用MEGAN天然源排放清單模型計算[17].以上排放清單已經在科學研究、政策評估和空氣質量管理等方面得到廣泛應用.

1.2.2 空氣質量監測數據 空氣質量監測數據來自中華人民共和國生態環境部數據中心,包括全國338個重點城市2013年、2015年、2016年、2017年實際觀測PM2.5日均濃度.

1.3 模型設置

1.3.1 模擬時段 模擬時段為2013年、2015年、2016、2017年,共計48個月,結果輸出時間間隔為1h.

1.3.2 模擬區域 CMAQ模型采用Lambert投影坐標系,中心點經度為102°E,中心緯度為36°N,兩條平行緯度分別為24°N、46°N.水平模擬范圍為方向(-2524.5~2524.5km)、方向(-2119.5~2119.5km),網格間距27km,共將全國劃分為187×157個網格.垂直方向共設置14個氣壓層,層間距自下而上逐漸增大.

1.3.3 氣象模擬 CMAQ模型所需要的氣象場由中尺度氣象模型WRF提供,WRF模型與CMAQ模型采用相同的模擬時段和空間投影坐標系,垂直方向共設置35個氣壓層,層間距自下而上逐漸增大.WRF模型的初始場與邊界場數據采用美國國家環境預報中心(NCEP)提供的6h 1次、1°分辨率的FNL全球分析資料[18],每日對初始場進行初始化,每次模擬時長為30h,Spin-up時間設置為6h,并利用NCEP ADP觀測資料[19]進行客觀分析與資料同化.

1.3.4 模型參數 參數設置見以前研究成果[20-21].

1.4 模型驗證

圖1 PM2.5模擬濃度與監測濃度相關性

本文輸入空氣質量模型的排放數據是2013年MEIC排放清單,因此選取中國首批開展PM2.5監測的74個城市2013年實際觀測數據與模擬結果進行比對,來驗證模型模擬結果的合理性,結果表明:模擬值與觀測值具有較好的相關性,NMB和NME等參數符合美國環保署推薦的模型性能標準要求.相關系數、標準化平均偏差NMB、標準化平均誤差NME等參數的計算結果如表1所示.由于新疆沙塵天氣較多,而現有CMAQ模型對沙塵過程模擬效果較差,因此該地區監測值和模擬值的吻合度較低.總體上,本文選取的模型系統可較好模擬我國PM2.5濃度特征.

表1 PM2.5模擬數據驗證結果

1.5 分析方法

1.5.1 氣象條件變化對PM2.5污染影響 基于2015~2017年模型模擬結果,以2015年為基準年,建立氣象條件變化對PM2.5污染定量影響的評估方法,具體方法如下:

式中:2015jk為2015年第月(季節)第個地區的PM2.5模擬濃度,μg/m3;C為第年月(季節)第個地區的PM2.5模擬濃度,μg/m3;M為第年月(季節)第個地區的氣象條件變化對PM2.5污染的影響,μg/m3;Me為第年月(季節)第個地區的氣象條件變化對PM2.5污染的影響程度,%.對于M或者Me,正值代表氣象條件轉差,負值代表氣象條件轉好.

1.5.2 排放因素對PM2.5污染影響 根據PM2.5監測濃度和基于模型模擬的氣象對PM2.5污染影響這兩個參數,可以計算扣除氣象影響后污染物排放量變化對PM2.5的影響.

式中:2015jk為2015年第月(季節)第個地區的PM2.5監測濃度,μg/m3;Cm為第年月(季節)第個地區的PM2.5監測濃度,μg/m3;Pm為第年月(季節)第個地區的PM2.5監測濃度的變化率,%;Em為第年第月(季節)第個地區的排放變化對PM2.5污染的影響程度,%.

2 結果與討論

2.1 PM2.5濃度分布特征

PM2.5包括直接排放的一次顆粒物以及由SO2、NO、VOCs、NH3等間接轉化生成的二次顆粒物.我國PM2.5污染呈現顯著的空間差異性,高值區主要集中在胡煥庸線以東地區,特別是人口、工業、農畜業等相對集中的河北、河南、山西、山東等地區,這些地區大都地處中國的北方,冬季的氣溫較低,采暖導致鍋爐耗煤和散煤的消費量大,此外還容易受到小風、逆溫等不利氣象條件影響,PM2.5濃度高于其他季節,高污染給居民的身體健康帶來威脅.近年來,我國加大了污染控制力度,污染治理設施安裝率和污染物去除效率顯著提升,空氣中PM2.5濃度呈現下降趨勢.與2015年相比,2016年、2017年全國PM2.5年均濃度分別下降了7%和14%.2017年,全國PM2.5年均濃度達到43μg/m3,PM2.5年均濃度下降幅度高于40%的城市數量超過40個.相比2015年,PM2.5年均監測濃度變化情況如圖2和表2.

圖2 PM2.5年均監測濃度變化

表2 氣象和排放變化對重點地區PM2.5濃度影響(%)

從重點地區來看,與2015年相比,2017年汾渭平原PM2.5年均濃度上升,珠三角地區基本持平,京津冀及周邊地區“2+26”城市、長三角、成渝3個地區的下降比例均超過10%.PM2.5污染最嚴重的是京津冀及周邊地區“2+26”城市,也是PM2.5污染改善明顯的地區之一,2017年PM2.5年均濃度達到68μg/m3,3a內的下降比例高達19%.

2.2 氣象條件變化對PM2.5濃度影響

圖3 單純氣象條件變化對PM2.5年均濃度影響

圖3為單純氣象條件變化對PM2.5年均濃度影響的空間分布圖.結果表明:與2015年相比,2016年我國氣象條件總體好轉,氣象因素變化導致全國PM2.5年均濃度下降幅度約為4%; 2017年全國氣象條件與2015年基本持平.胡煥庸線以東的大部分地區PM2.5年均濃度均上升2μg/m3以上.污染較重的京津冀、東北地區(遼寧、吉林)、兩湖平原地區(湖北、湖南)、山西、河南等地區的氣象條件均明顯轉好,有助于減輕PM2.5污染.但是2017年北京、天津以及江蘇東部沿海城市氣象條件明顯轉差.從重點區域來看,2016年珠三角的氣象條件轉差5%,成渝地區氣象條件基本持平,京津冀及周邊“2+26”城市、長三角、汾渭平原等地區氣象條件略有利,轉好幅度約3%~5%.2017年珠三角的氣象條件明顯不利,轉差幅度高達29%,不利氣象條件一定程度上抵消了污染減排的環境效果;其他4個地區氣象條件基本持平,氣象場變化對PM2.5污染的影響很小,但是“2+26”城市、長三角這2個地區的東、西部分布的差異較大.

從4個季節來看,2016年夏季、冬季全國氣象條件總體轉好,而春季、秋季與2015年基本持平; 2017年春季略有轉差,而夏季、秋季、冬季氣象條件與2015年基本持平.相比2015年,氣象條件變化對全國及重點地區PM2.5影響程度分布規律如圖3和表2.

2.3 排放量變化對PM2.5濃度影響

根據PM2.5監測濃度和氣象條件變化對PM2.5污染影響2個參數,基于式4進行演算,可以得到大氣污染物排放量變化對PM2.5污染的定量影響.與2015年相比,2016年、2017年因大氣污染物排放量變化而導致PM2.5年均下降的城市數量增加了40多個.排放變化導致全國PM2.5年均濃度的下降幅度由2016年的3%上升到2017年的14%,特別是京津冀、珠三角、兩湖平原、河南、山東等地區,2016年、2017年下降比例均達到20%左右.從重點地區來看,除汾渭平原的排放變化導致PM2.5年均濃度上升外,其他4個重點地區均出現不同程度的下降并且2017的下降幅度高于2016年.從季節規律來看,總體上呈現出冬季變化幅度較小、夏季變化幅度較大的趨勢,其中2017年夏季、冬季因污染減排導致全國PM2.5濃度下降比例分別為23%和6%.相比2015年,排放變化對全國及重點地區PM2.5濃度的影響程度分布規律如圖4和表2.

圖4 大氣污染物排放量變化對PM2.5年均濃度影響

2.4 不確定性分析

本文的不確定性主要來源于排放清單和空氣質量模型等.第一,活動水平調研、排放因子本地化等存在難度,MEIC排放清單中一些部門的排放量不確定性較大.特別是揚塵排放難以被直接測量和無法獲得準確的地理信息,導致排放及其時空分布特征存在較大誤差.第二,CMAQ模型對沙塵過程模擬效果較差,因此沙塵天氣PM2.5濃度存在較大誤差.第三,由于PSO4、PNO3和PNH4在重污染過程具有爆發式增長效應,但相關化學反應機制還處于研究階段,因此CMAQ模擬結果會對重污染季節PM2.5濃度有所低估,特別是PM2.5中PSO4、PNO3和PNH4等均明顯低估[22-23].

根據式(1)~(4)可知,WRF-CMAQ模型模擬結果誤差會向下傳導,PM2.5模擬濃度傳遞至排放對PM2.5濃度影響值.為此,本文在結果分析時多采用“相對變化量”的方式,一定程度上可以減少模型模擬不確定性帶來的影響,但仍然不能完全消除誤差.總體來說,本文結果可較好反映氣象和排放變化對全國及重點區域PM2.5影響的趨勢特征,但是尚不能應用于對數據準確度要求較高的環?？己?

3 結論

3.1 近幾年我國PM2.5污染明顯減輕.與2015年相比,2017年全國空氣質量明顯改善,PM2.5年均濃度下降14%; 從重點地區來看,汾渭平原PM2.5年均濃度上升5%,珠三角地區基本持平,京津冀及周邊地區“2+26”城市、長三角、成渝3個地區的下降比例均超過10%.

3.2 與2015年相比,2016氣象條件總體轉好,氣象因素和排放因素變化導致全國PM2.5年均濃度下降幅度分別為4%和3%; 2017年全國氣象條件與2015年相比基本持平,大氣污染物排放量下降是PM2.5污染減輕的決定因素.位于東南沿海的珠三角地區,大氣運動比較活躍,氣象條件變化導致PM2.5濃度的波動較大.除汾渭平原外,其他4個重點地區的污染物排放變化導致PM2.5年均濃度下降,污染減排成效顯著.總體來看,2016年、2017年空氣中PM2.5年均濃度的降低主要得益于污染控制.

[1] Qiu Y L, Liao H, Zhang R J, et al. Simulated impacts of direct radiative effects of scattering and absorbing aerosols on surfacelayer aerosol concentrations in China during a heavily polluted event in February 2014 [J]. Journal of Geophysical Research, 2017,122(11): 5955-5975.

[2] Han X, Liu Y Q, Gao H, et al. Forecasting PM2.5induced male lung cancer morbidity in China using satellite retrieved PM2.5and spatial analysis [J]. Science of The Total Environment, 2017,607–608:1009-1017.

[3] Liao Z, Gao M, Sun J, et al. The impact of synoptic circulation on air quality and pollution-related human health in the Yangtze River Delta region [J]. Science of the Total Environment, 2017,607-608:838-846.

[4] Tie X X, Wu D, Brasseur G. Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou, China [J]. Atmospheric Environment, 2009,43(14):2375-2377.

[5] Cao J J, Xu H M, Xu Q, et al. Fine participate matter constituents and cardiopulmonary mortality in a heavily polluted Chinese city [J]. Environmental Health Perspectives, 2012,120(3):373-378.

[6] Guo J P, He J, Liu H L, et al. Impact of various emission control schemes on air quality using WRF-Chem during APEC China [J]. Atmospheric Environment, 2014,140:311-319.

[7] Zhang J P, Zhu T, Zhang Q H, et al. The impact of circulation patterns on regional transport pathways and air quality over Beijing and its surroundings [J]. Atmospheric Chemistry and Physics, 2012,11(12): 33465-33509.

[8] 呂夢瑤,張恒德,王繼康,等.2015年冬季京津冀兩次重污染天氣過程氣象成因[J]. 中國環境科學, 2019,39(7):2748-2757. Lü M Y, Zhang H D, Wang J K, et al. Analysis of meteorological causes of two heavily polluted weather processes in Beijing-Tianjin- Hebei Region in winter of 2015 [J]. China Environmental Science, 2019,39(7):2748-2757.

[9] 林廷坤,洪禮楠,黃爭超,等.北京市秋冬季大氣環流型下的氣象和污染特征[J]. 中國環境科學, 2019,39(5):1813-1822.Lin T K, Hong L N, Huang Z C, et al. Meteorological and pollution characteristics under atmospheric circulation types in autumn and winter in Beijing [J]. China Environmental Science, 2019,39(5):1813-1822.

[10] Gao Y, Zhang M G. Numerical simulation of a heavy fog-haze episode over the North China Plain in January 2013 [J]. Climatic and Environmental Research, 2014,19(2):140-152.

[11] 孫兆彬,李梓銘,廖曉農,等.北京大氣熱力和動力結構對污染物輸送和擴散條件的影響[J]. 中國環境科學, 2017,37(5):1693-1705. Sun Z B, Li Z M, Liao X N, et al. Influence of Beijing atmospheric thermal and dynamics structure on pollutants transport and diffusion conditions [J]. China Environmental Science, 2017,37(5):1693-1705.

[12] Wang H , Xu J Y, Zhang M, et al. A study of the meteorological causes of a prolonged and severe haze episode in January 2013 over central- eastern China [J]. Atmospheric Environment, 2014,98(98):146-157.

[13] Chen Z, Cai J, Gao B, et al. Detecting the causality influence of individual meteorological factors on local PM2.5concentration in the Jing-Jin-Ji region [J]. Scientific Reports, 2017,doi:10.1038/srep40735.

[14] Liang P F, Zhu T, Fang Y H, et al. The role of meteorological conditions and pollution control strategies in reducing air pollution in Beijing during APEC 2014 and Parade 2015 [J]. Atmospheric Chemistry and Physics, 2017,doi:10.5194/acp-2017-456.

[15] Liu T, Gong S, He J, et al. Attributions of meteorological and emission factors to the 2015 winter severe haze pollution episodes in China's Jing-Jin-Ji area [J]. Atmospheric Chemistry and Physics, 2017,17: 2971-2980.

[16] Multi-resolution emission inventory for China [Z/OL]. http://www. meicmodel.org/.

[17] Guenther A, Karl T, Harley P, et al. Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Nature) [J]. Atmospheric Chemistry and Physics, 2006, 6(11):3181-3210.

[18] National Center for Atmospheric Research. CISL Research Data Archive [EB/OL]. http://rda.ucar.edu/datasets/ds083.2.

[19] National Center for Atmospheric Research. CISL Research Data Archive [EB/OL]. http://rda.ucar.edu/datasets/ds461.0.

[20] 薛文博,付 飛,王金南,等.基于全國城市PM2.5達標約束的大氣環境容量模擬[J]. 中國環境科學, 2014,34(10):2490-2496. Xue W B, Fu F, Wang J N, et al. Modeling study on atmospheric environmental capacity of major pollutants constrained by PM2.5compliance of Chinese cities [J]. China Environmental Science, 2014, 34(10):2490-2496.

[21] 許艷玲,薛文博,雷 宇,等.中國氨減排對控制PM2.5污染的敏感性研究[J]. 中國環境科學, 2017,37(7):2482-2491.Xu Y L, Xue W B, Lei Y, et al. Sensitivity analysis of PM2.5pollution to ammonia emission control in China [J]. China Environmental Science, 2017,37(7):2482-2491.

[22] Zheng B, Zhang Q, Zhang Y, et al. 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, 2015,15:2031-2049.

[23] Cheng Y F, Zheng G J, Wei C, et al. Reactive nitrogen chemistry in aerosol water as a source of sulfate during haze events in China [J]. Science Advances, 2016,doi:10.1126/sciadv.1601530.

Impact of meteorological conditions and emission change on PM2.5pollution in China.

XU Yan-ling1,2, XUE Wen-bo2*, LEI Yu2

(1.Key Laboratory of Beijing on Regional Air Pollution Control, Beijing University of Technology, Beijing 100124, China；2.Center for Regional Air Quality Simulation and Control, Chinese Academy for Environmental Planning, Beijing 100012, China)., 2019,39(11)：4546~4551

TheWRF-CMAQ modeling system was employed to investigate the impact of meteorological conditions and emission reduction on PM2.5pollution in China. The results indicate that the PM2.5concentrationobserved in 2016 and 2017 decreased by 7% and 14%, respectively compared with that in 2015, indicating an evident improvement in air quality. In 2016, the decrease in PM2.5concentration owning to meteorological factor and emission reduction were estimated to be 4% and 3%, respectively. The impact of meteorological factors in 2017 showed little difference compared with that in 2015, which implied that the decrease of emissions was the decisive factor to PM2.5decline. In the key regions except for the Fenwei Plain, such as Beijing-Tianjin-Hebei and surrounding region (‘2+26’ region), the Yangtze River Delta (YRD), the Pearl River Delta (PRD) region and the Chengdu-Chongqing (CYB) region, the observational concentration decreased steadily.In the PRD region, an increase of 29% in PM2.5concentration in 2017 could be attributed to the variations of meteorological conditions. Except for the FenWei plain, the decrease of emissions contributed to a larger drop in PM2.5concentration in 2017 in the other key regions. The results indicated that the emission cuts generally improved the air quality. The analytical methods presented in this paper could be referred when setting air quality goals or estimating environmental benefit of pollution control plans.

WRF-CMAQ model；PM2.5pollution；meteorological；emission；quantitative impact

X513

A

1000-6923(2019)11-4546-06

許艷玲(1980-),女,河北玉田人,副研究員,北京工業大學博士研究生,主要從事空氣質量模型、大氣污染控制對策等方面研究.發表論文10余篇.

2019-04-29

國家重點研發計劃(2016YFC0207502,2016YFC0208805)

* 責任作者, 副研究員, xuewb@caep.org.cn