中國青島市近年來灰霾污染數值模擬研究?

單華瑤，高 陽，2??，姚小紅，2??

(1.中國海洋大學深海圈層與地球系統前沿科學中心, 海洋環境與生態教育部重點實驗室，山東 青島 266100；2.青島海洋科學與技術試點國家實驗室 海洋生態與環境科學功能實驗室，山東 青島 266237)

2000年以來中國灰霾天數明顯增加[7]。為改善空氣質量，中國在“十一五”(2006—2010年)期間采取了一系列提高能源利用效率和減少污染排放的措施，對控制PM2.5污染起到了一定的作用。然而冬季灰霾污染依舊時有發生，例如2013年1月中國東部出現高濃度PM2.5污染，京津冀地區月均PM2.5濃度為145 μg·m-3[8]，北京市PM2.5最大小時濃度可達680 μg·m-3[9]。在污染源排放一定的前提下，PM2.5濃度與氣象條件密切相關，高濕空氣有利于氣溶膠粒子吸濕性增長和二次氣溶膠濃度的累積[10]，近地面逆溫層和靜穩天氣可促進顆粒物濃度的升高[11]。趙晴等[12]通過觀測數據和后向軌跡模擬分析，發現2019年元宵節期間濟寧市顆粒物污染主要由靜穩高濕、近地逆溫等不利于擴散的氣象條件和上風向高濃度污染氣團的傳輸所致。汪鵬等[13]使用混合受體模型并結合國控站觀測數據，發現杭州市2017年冬季的一次重灰霾過程的根本原因是本地污染源和來自北方污染物的遠距離傳輸的共同疊加作用。

為探究大氣污染形成的物理化學機理，一個常用的方法是借助數值模式進行模擬解析。1990年代美國環保署提出了“一個大氣”的理念，同時開發了三維歐拉模型 Community Multiscale Air Quality Modeling(CMAQ)，可用于模擬和追蹤大氣污染物的物理化學過程和傳輸擴散等過程。聶滕等[14]運用CMAQ模式分析了2014年亞太經合會議(APEC)期間北京市兩次PM2.5污染過程的來源，指出11月4和10日的污染分別由水平傳輸和局地污染排放造成的。

目前，中國PM2.5污染機制的探討主要集中在華北平原地區[15-18]，對于沿海城市的研究相對較少。青島市位于山東半島的東南部，緊鄰黃海，受到內陸傳輸和本地排放等的影響。Wu等[19]結合過去的一些研究[20-21]，指出青島市 1997—2000年冬季PM2.5濃度較低(57 μg·m-3)[21]，但2000年后濃度有所升高，如2003年的1月6～20日PM2.5濃度平均為135 μg·m-3[20]，2006—2007年冬季PM2.5濃度平均為110 μg·m-3[19]。近年來，青島市冬季灰霾污染依舊嚴重。Li等[22]發現青島市2015年冬季重污染時期PM2.5濃度日平均為168 μg·m-3。結合CMAQ模式過程分析模塊，Zhang等[23]發現，青島2016年1月初近地面PM2.5濃度的增加是受高空遠距離輸送和垂直向下傳輸共同影響的結果。Gao等[24]利用拉格朗日粒子擴散模式FLEXible PARTicle dispersion model (FLEXPART)和CMAQ模式中源解析模塊Integrated Source Apportionment (ISAM)，發現青島市2015年冬季PM2.5污染接近一半的貢獻來自北方和西部的傳輸影響。然而，上述研究主要從PM2.5總濃度來分析污染來源及控制機制，缺乏對PM2.5各組分的物理化學過程進行解析，因此，本研究旨在探討PM2.5各組分的物理化學過程，從而為PM2.5污染治理提供重要的科學依據。

1 數據來源與處理

青島市小時平均大氣污染物(如SO2、PM2.5)觀測數據來源于環境保護部空氣質量監測數據網站(http://www.pm25.in)，共包括仰口、李滄、市北、市南東、四方、市南西、嶗山、黃島和城陽9個監測站(具體站點位置如Gao等[24]附件圖1所示)。青島市大氣污染主要發生在采暖季節，因此本研究首先對2014—2018年采暖期(每年的11月16日～次年4月5日)大氣污染物年際變化進行分析?？紤]到觀測數據存在缺失現象，首先統一青島市各年觀測數據量，即任何一年某一小時數據缺失，所有年這一小時數據設置為缺失值。統計分析顯示，缺失數據分布零散，以2014年采暖期PM2.5為例，將原始數據和去掉缺失值處理后的數據進行統計分析(見表1)，原數據量為3 408(其中缺失數據量為243)，處理后數據量為2 854，其中從平均濃度、最大最小濃度及各百分位濃度的角度進行對比，兩組數據體現出較高的一致性，說明去掉缺失值的處理方法基本不影響統計分析。此外SO2的對比顯示相似的結論。

表1 2014年采暖期PM2.5數據處理前后統計參數對比Table 1 Statistical comparison between the raw and processed PM2.5 during the heating period

2 青島市2014—2018年SO2和PM2.5濃度年際變化

為清晰展示2014—2018年青島市SO2和PM2.5年際變化特征，本研究設計了“濃度-百分位”圖(見圖1)。首先將每年的污染物濃度數據從小到大排列，然后以2014年采暖期污染物濃度作為基準(橫坐標)，其余年份污染物濃度為縱坐標，圖中對角線(圖1黑色虛線所示)代表2014年采暖期SO2(或PM2.5)濃度，2015—2018年各年污染物濃度用空心圓表示(顏色對應見圖1所示)。由于各年數據量相同，2014年數據對應某一百分位的任意一個數據都可以在2015—2018年采暖期找到同一百分位所對應的濃度。如圖1(a)粉色虛線所示，2014年采暖期SO2濃度為120 μg·m-3時，其對應的百分位為98(右側Y軸)，這一百分位對應的2015—2018年SO2的濃度分別為90，60，38和29 μg·m-3。同一百分位對應SO2濃度逐年降低，表明SO2減排的效果。對比2014—2018年采暖期各個百分位的濃度可以發現，SO2濃度呈現清晰的逐年下降的趨勢。從采暖期平均濃度來看，2014年采暖期SO2平均濃度為40 μg·m-3，2015—2018年采暖期分別下降了13%、38%、63%和68%。對于2014—2018年采暖期PM2.5而言(見圖1(b))，較低的PM2.5濃度呈現較為明顯的線性降低的趨勢下，高濃度PM2.5在不同年份有明顯偏移，特別是2015年采暖期濃度顯著高于其它年份(見圖1(b))。

(圖中的觀測數據為污染物SO2(a)和PM2.5(b)的小時觀測濃度；背景值為2014年污染物濃度，即X軸。圖中虛線為y=x函數線，代表2014年的污染物濃度，彩色空心圓為2015—2018各年的污染物濃度，對應左側Y軸。每個污染物濃度值對應的百分位數由黑色空心圓表示，百分位值對應于右側Y軸。 The observation data are concentrations of SO2 (fig.1(a)) and PM2.5 (fig.1(b)). Hourly data was used in the plot, and the year of 2014 was used as reference shown in the X axis. Dotted 1∶1 line represents the value in 2014. The colored hollow circles correspond to the pollutant concentrations from 2015 to 2018 on the left Y Axis. Second y-coordinate is percentile of data volume composed by “○”.)

青島市采暖季平均PM2.5濃度2014年最高(67 μg·m-3)，2015—2018年采暖期PM2.5平均濃度比2014年采暖期分別下降3%、15%、25%和12%。為了更直觀顯示各年份PM2.5濃度的差異，圖1(b)分為5段顯示(見圖2)。分段顯示后不同年份低百分位的線性變化與高百分位的非線性更加清晰。由圖2可以看出90百分位后，2015年采暖期的PM2.5濃度明顯上升，遠高于其他年份采暖期。過去的研究已經發現，高濃度PM2.5的異常與氣象緊密相關。例如Li等[25]指出，中國中東部的冬季灰霾天氣與東亞冬季風(EAWM)強度密切相關，東亞冬季風增強時灰霾天數減少，反之灰霾天數增加。許多研究發現東亞冬季風與厄爾尼諾(ENSO)之間存在密切關系[26-28]，因此厄爾尼諾現象可能通過東亞冬季風影響中國冬季的灰霾天氣。Yuan等[10]發現，2015年11～12月份的超強厄爾尼諾背景下，東亞冬季風偏弱，中國冷空氣活動減少，中東部地區盛行異常的偏南風，水平和垂直擴散條件變差，為灰霾天氣的發生提供了氣象條件。Zhang等[29]指出PM2.5濃度受厄爾尼諾和北極濤動共同作用的影響，2015年12月厄爾尼諾現象強烈，北極濤動為正相位，使得東亞冬季風減弱，華北平原邊界層高度降低，造成灰霾累積。Gao等[24]借助過程分析，發現2015年青島冬季重霾期間近地面PM2.5的累積主要是來自于因邊界層降低而產生的向下垂直傳輸和氣溶膠化學反應。本研究分析PM2.5各組分的物理化學過程，以解析2015年冬季PM2.5累積的機理。

(橫坐標連續，縱坐標分為五段，即(a)～(e)圖，其余同圖1(b)。The abscissa is continuous. The ordinate is divided into five sections, that is, figure (a)～(e) and the rest are the same as fig.1(b).)

3 2015年12月～2016年1月青島市PM2.5濃度物理化學過程分析

通過分析PM2.5及其組分的物理化學過程可為顆粒物污染控制提供有利的理論支撐，一個有效的工具是CMAQ中的過程分析(Process Analysis，PA)模塊。本研究使用積分過程速率(IPR)計算九種過程對污染物的貢獻，包括水平對流過程(HADV)、水平擴散過程(HDIF)、垂直對流過程(ZADV)、垂直擴散過程(VDIF)、氣相化學反應(CHEM)、干沉降(DDEP)、云霧液相過程(CLDS)、氣溶膠過程(AERO)和源排放過程(EMIS)。圖3展示了2015年12月和2016年1月青島市近地面PM2.5日累積濃度的過程分析，揭示了PM2.5濃度累積主要包括源排放(EMIS)、氣溶膠過程(AERO)和垂直對流過程(ZADV)，清除過程主要為垂向擴散(VDIF)和水平對流(HADV)。然而，氣相化學反應(CHEM)、水平擴散過程(HDIF)和云霧液相過程(CLDS)對PM2.5的貢獻相對較小。除了對近地面PM2.5物理化學過程的分析，垂向(1.5 km以內)物理化學過程的解析指出垂直對流過程(ZADV)對于較低層的PM2.5有正作用的同時，在較高層具有清除作用(見圖4)，這與Gao等[24]指出的青島2015年冬季重污染期間的主控過程基本一致。垂直擴散過程(VDIF)則呈現相反的效果，對較低層的PM2.5具有顯著的清除作用，而對較高層的PM2.5有正作用。

圖3 2015年12月和2016年1月青島市近地面PM2.5過程分析

Gao等[24]指出，2015年12月～2016年1月期間青島市出現多次重污染(日均PM2.5濃度超過150 μg·m-3)，并探討了其中兩次重污染事件——2015年12月29～31日和2016年1月15～17日PM2.5的來源和機制，但沒有分析PM2.5各組分的形成機理。因此，本研究對青島市這兩次重污染事件中PM2.5的四種組分進行分析，分別為二次無機離子(SNA，硫酸鹽(Sulfate)、硝酸鹽(Nitrate)和銨鹽(Ammonium)之和)、元素碳(EC)、有機氣溶膠(OA)和其余組分(OTHER)。為了便于描述，我們將2015年12月29～31日定義為事件I，2016年1月15～17日為事件II。

與事件I對比，事件II期間邊界層平均高度降低，從事件I的598 m降為379 m，PM2.5平均濃度從事件I的124 μg·m-3升高為160 μg·m-3。兩次事件中PM2.5中各組分比例比較接近(見圖5)。例如，占比最高的SNA在事件I和II濃度分別為55和70 μg·m-3，比例均為44%，其中事件I期間，12月30日06:00邊界層高度下降，近地面SNA濃度由66 μg·m-3逐漸增加至101 μg·m-3；其次是OA，在事件I和事件II中分別占27%和29%；EC所占比例相對較低，在兩次事件中分別為8%和9%。過程分析(見圖6和7)表明，兩次事件PM2.5各組分累積(正作用)和消除(負作用)的物理化學過程具有較好的一致性。同一時間各組分垂直對流和水平對流對PM2.5各組分的作用基本是相反的，這與Gao等[24]研究中PM2.5過程分析的特征吻合。SNA在事件I中的累積由氣溶膠反應控制為主逐漸轉為垂直對流過程控制(見圖6(a))，這一過程轉變在事件II也有一定的體現。在兩次事件中，有機氣溶膠OA累積主要受垂直和水平對流過程影響，元素碳EC和其余組分(OTHER)的累積主要受源排放、垂直和水平對流過程影響。兩次事件PM2.5各組分主要的清除過程是垂直擴散和水平對流，但是對于事件II，垂直對流也起到重要的清除作用。

圖4 2015年12月和2016年1月青島市PM2.5過程分析垂向圖

圖5 PM2.5各組分濃度和邊界層高度的時間序列圖

4 結語

在污染減排的背景下，PM2.5平均濃度呈現下降的趨勢，但高濃度污染事件依然頻發?；跀抵的Ｊ?，可以清晰看出青島市高濃度PM2.5主要是二次無機氣溶膠SNA和有機氣溶膠OA，約占70%左右，其余為EC和其它組分。通過重污染時段分析發現[24]，青島市PM2.5的累積主要受污染源、氣溶膠化學和垂直對流的影響?？紤]到PM2.5中組分所占比例的差異，通過對比不同組分與PM2.5累積的物理化學過程，利于有針對性的制定污染減排措施。然而，元素碳EC和其余組分(OTHER)的累積主要控制過程受源排放、垂直和水平對流過程影響，影響PM2.5組分的不同物理化學過程體現出PM2.5治理過程中同時考慮污染減排和氣象條件的重要性，尤其是氣象條件影響污染物傳輸及大氣穩定性，從而影響垂直和水平對流等物理過程及顆粒物濃度的累積與清除。從另一個角度來看，大氣靜穩天氣易于促進污染物累積，近期研究[31]表明，我國華北地區大氣靜穩天氣發生頻率未來可能增加，這一發現對目前我國顆粒物污染嚴重的華北地區空氣質量的改善提出了一定的挑戰。因此，進一步加強本地和區域協同污染減排，有利于諸如青島這類的沿海城市乃至整個華北地區空氣質量的改善。

圖6 2015年12月29～31日(事件I)PM2.5各組分濃度過程分析圖

圖7 2016年01月15～17日(事件II)PM2.5各組分濃度過程分析圖