關(guān)中地區(qū)冬季人為源減排對(duì)PM2.5濃度的影響

孟 寧,貝耐芳*,李國(guó)輝,肖 波,3(.西安交通大學(xué)人居環(huán)境與建筑工程學(xué)院地球環(huán)境科學(xué)系,陜西 西安70049；.中國(guó)科學(xué)院地球環(huán)境研究所中科院氣溶膠化學(xué)與物理重點(diǎn)實(shí)驗(yàn)室,陜西 西安 7006；3.西安市氣象局,陜西 西安 7006)

關(guān)中地區(qū)冬季人為源減排對(duì)PM2.5濃度的影響

孟 寧1,貝耐芳1*,李國(guó)輝2,肖 波1,3(1.西安交通大學(xué)人居環(huán)境與建筑工程學(xué)院地球環(huán)境科學(xué)系,陜西 西安710049；2.中國(guó)科學(xué)院地球環(huán)境研究所中科院氣溶膠化學(xué)與物理重點(diǎn)實(shí)驗(yàn)室,陜西 西安 710061；3.西安市氣象局,陜西 西安 710016)

使用WRF-Chem模式和關(guān)中地區(qū)高分辨率的人為源排放清單,選取2013年冬季不利于關(guān)中地區(qū)污染物擴(kuò)散的4類典型天氣形勢(shì)中的各1d,模擬了PM2.5時(shí)空分布和日變化趨勢(shì),同時(shí)以國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)為目標(biāo),制定人為源等比例減排的敏感性試驗(yàn).結(jié)果表明,模式可以較好地捕捉PM2.5的時(shí)空分布和變化趨勢(shì),且與天氣形勢(shì)有著一致的對(duì)應(yīng)關(guān)系.在4類不利天氣形勢(shì)下,PM2.5濃度隨著人為排放源的減少呈二次曲線下降趨勢(shì),PM2.5濃度下降率與所在區(qū)域原有大氣污染程度成正比.在不同天氣形勢(shì)下,要使PM2.5濃度達(dá)到國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)75μg/m3時(shí),人為源需削減比例為30%～60%.

天氣形勢(shì)；PM2.5；關(guān)中地區(qū)；人為源減排

隨著以西安為中心的關(guān)中地區(qū)工業(yè)化和城市化進(jìn)程的加速發(fā)展.關(guān)中地區(qū)空氣污染問(wèn)題日益嚴(yán)重,其中 PM2.5成為影響空氣質(zhì)量的首要污染物.大氣污染是由過(guò)度人為源排放和不利的氣象條件共同作用的結(jié)果.過(guò)度的人為源排放是導(dǎo)致大氣污染的根本原因,而氣象條件在區(qū)域大氣污染中起到控制作用.大尺度天氣形勢(shì)通過(guò)影響局地氣象條件進(jìn)而影響污染物的形成、轉(zhuǎn)化、擴(kuò)散、輸送及清除.

研究指出空氣污染是由中尺度系統(tǒng)、局地小尺度環(huán)流和穩(wěn)定的邊界層結(jié)共同作用的結(jié)果[1-4].基本天氣形勢(shì)是驅(qū)動(dòng)大氣污染物變化的最初動(dòng)力[5],天氣型與大氣污染有著密切的關(guān)系[6-9].穩(wěn)定的均壓場(chǎng)會(huì)導(dǎo)致小尺度環(huán)流的出現(xiàn),使大氣污染物形成匯集帶,造成局地嚴(yán)重的大氣污染.當(dāng)?shù)貧庀髼l件如低風(fēng)速、高濕度及低邊界層,也是造成極端大氣污染事件的重要原因[10-13].

Bei等[6]就天氣形勢(shì)對(duì)大氣污染的影響開(kāi)展了研究,指出影響關(guān)中地區(qū)冬季大氣污染物擴(kuò)散的天氣形勢(shì)共有6類,其中4類不利于污染物的擴(kuò)散.Bei et al[7]還選取了一次重污染天氣過(guò)程進(jìn)行模擬,結(jié)果表明排放源需減少 90%以上才能使PM2.5濃度達(dá)到 35mg/m3.北京地區(qū)減排對(duì) PM2.5濃度影響的研究[14-16]指出,排放源減少 30%～40%時(shí),PM2.5濃度平均值下降 17%～29%,提前采取適量的減排措施,有利于 PM2.5濃度達(dá)標(biāo).區(qū)域聯(lián)防的控制試驗(yàn)表明,河北、天津和北京區(qū)域污染排放削減比例達(dá)到90%、90%和60%時(shí),可實(shí)現(xiàn)京津冀區(qū)域PM2.5濃度的達(dá)標(biāo)[17].

考慮到已有的研究多集中于京津冀及沿海地區(qū),側(cè)重于大氣污染形成的某一方面,并未將天氣形勢(shì)和減排相結(jié)合.本文針對(duì)冬季關(guān)中地區(qū)的大氣污染狀況,在已有研究[6-7]的基礎(chǔ)上,結(jié)合天氣形勢(shì)分類和人為源削減試驗(yàn)兩方面,選取不利于污染物擴(kuò)散的 4類天氣形勢(shì)中的典型代表,設(shè)定人為源消減比例,進(jìn)行敏感性試驗(yàn),探求不同天氣形勢(shì)下關(guān)中地區(qū)PM2.5濃度達(dá)到國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)時(shí)的人為源削減比例.研究結(jié)果可為環(huán)保部門制定大氣污染控制措施提供有益的思路與指導(dǎo)性意見(jiàn),避免盲目減排帶來(lái)的經(jīng)濟(jì)下行.

1 數(shù)據(jù)與方法

1.1 模式介紹及參數(shù)設(shè)置

WRF-Chem[18]模式是由美國(guó)大氣研究中心、美國(guó)國(guó)家海洋及大氣管理局、美國(guó)大學(xué)大氣科學(xué)研究聯(lián)盟共同開(kāi)發(fā)完成的中尺度大氣動(dòng)力化學(xué)耦合模式.模式的氣象模塊和化學(xué)傳輸模塊在時(shí)間和空間分辨率上完全耦合.實(shí)現(xiàn)了氣象過(guò)程和化學(xué)過(guò)程的實(shí)時(shí)在線及反饋,考慮了大氣污染物的平流輸送、湍流擴(kuò)散、干濕沉降、輻射傳輸?shù)戎饕髿馕锢磉^(guò)程,以及多相化學(xué)、氣溶膠演變等大氣化學(xué)過(guò)程,可以更為真實(shí)地模擬大氣中的化學(xué)過(guò)程.

研究使用的 WRF-Chem模式由李國(guó)輝等[19-21]在莫利納能源環(huán)境研究中心開(kāi)發(fā).氣相和液相化學(xué)采用 RADM2[22]化學(xué)機(jī)制,氣溶膠模塊使用 CMAQ(v4.6)中的氣溶膠模塊,其中包括ISORROPIA(1.7)無(wú)機(jī)氣溶膠模塊.模式邊界層方案采用YSU方案[23],微物理過(guò)程參數(shù)化方案選用WSM-3方案[24],積云對(duì)流參數(shù)化方案選用Grell-Devenyi ensemble方案[25].模式使用單區(qū)域模擬方案,中心點(diǎn)經(jīng)緯度為(109.0°E,35.25°N),投影方式為L(zhǎng)ambert投影,水平網(wǎng)格數(shù)為201×201,水平分辨率為3km,垂直方向分為35層.模式采用的人為污染物排放源清單由清華大學(xué)提供[26],包括農(nóng)業(yè)源、工業(yè)源、電力源、居民源和交通源.生物源來(lái)自于 MEGAN生物排放源模型的結(jié)果.氣象場(chǎng)的初始條件和邊界條件來(lái)自NCEP- FNL1o×1o再分析資料.模式化學(xué)場(chǎng)的初始和邊界條件來(lái)自于全球化學(xué)輸送模式MOZART的輸出.

研究區(qū)域?yàn)殛P(guān)中地區(qū)(見(jiàn)圖1),地處陜西省中部,位于黃土高原以南,秦嶺以北的涇渭河流域平原,周邊地形條件復(fù)雜.關(guān)中地區(qū)主要的城市包括西安、寶雞、銅川、咸陽(yáng)和渭南.

圖1 關(guān)中地區(qū)地形及空氣質(zhì)量監(jiān)測(cè)站點(diǎn)分布Fig.1 WRF-CHEM model simulation domain with topography

1.2 觀測(cè)資料

文中所用的關(guān)中地區(qū)33個(gè)觀測(cè)站的空氣質(zhì)量指數(shù)(AQI數(shù)據(jù),包括O3、NO2、SO2、CO、PM2.5和 PM10)由中國(guó)環(huán)保部網(wǎng)站提供,數(shù)據(jù)分辨率為小時(shí)平均,主要用于模式校驗(yàn)和評(píng)估.文中所用的垂直方向加密探空資料和地面資料來(lái)自于西安市氣象局的涇河國(guó)家基準(zhǔn)氣候站(108°58’E, 34°26’N).

1.3 研究方法

本文以文獻(xiàn)[6-7]中影響冬季關(guān)中地區(qū)的典型天氣形勢(shì)分類方法為基礎(chǔ),該研究的分類過(guò)程使用了2008～2013年 NCEP-FNL再分析資料,并結(jié)合WRF-Flexpart的輸出結(jié)果.首先分析影響關(guān)中地區(qū)的主要天氣系統(tǒng),其次考慮關(guān)中地區(qū)與主要天氣系統(tǒng)的相對(duì)位置.指出影響冬季關(guān)中地區(qū)的典型天氣形勢(shì)有6類(高壓東南型、槽西南型、低壓北部型、槽東南型、過(guò)渡型、內(nèi)陸高壓型),其中 4類(低壓北部型、槽東南型、過(guò)渡型、內(nèi)陸高壓型)不利于污染物的擴(kuò)散,占到冬季天氣總數(shù)的85.3%.本文選取2013年不利于污染物擴(kuò)散的4類典型天氣形勢(shì)的代表性天氣,利用 WRF-Chem模式進(jìn)行模擬研究及敏感性試驗(yàn). 并利用均值偏差(MB)、均方根誤差(RMSE)及相關(guān)系數(shù)(R)等驗(yàn)證了模式與觀測(cè)的一致性，具體的計(jì)算公式如下:均值偏差

均方根誤差

相關(guān)系數(shù)

式中:Pi為模式模擬值,單位為μg/m3;Oi為觀測(cè)值,單位為μg/m3;為模式模擬平均值,單位為μg/m3;為觀測(cè)平均值,單位為μg/m3.

對(duì)上述 4類天氣形勢(shì)的代表性天氣,設(shè)置從10%～100%每10%遞增的人為源削減比例方案.探求在所選取的4類不利天氣形勢(shì)下空氣質(zhì)量達(dá)到國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)時(shí)的人為源削減比例.

在民主運(yùn)動(dòng)洶涌澎湃地沖擊之下，在人民解放戰(zhàn)爭(zhēng)迅速發(fā)展的形勢(shì)下，國(guó)民黨反動(dòng)統(tǒng)治搖搖欲墜。蔣介石政府于10月27日宣布民盟為“非法團(tuán)體”，強(qiáng)迫解散，并對(duì)民盟盟員進(jìn)行迫害。沙千里和沈鈞儒11月間秘密離開(kāi)上海，抵達(dá)香港。救國(guó)會(huì)的活動(dòng)中心也轉(zhuǎn)移到香港。1948年1月5日，沈鈞儒、章伯鈞在香港主持召開(kāi)民盟三中全會(huì)。沙千里代表史良參加了民盟三中全會(huì)，是全會(huì)新路線的堅(jiān)決支持者。

2 結(jié)果分析

2.1 天氣形勢(shì)分析

本文選取了2013年12月2日(過(guò)渡型)、2014年1月15日(內(nèi)陸高壓型)、2014年1月23日(槽東南型)及2014年2月16日(低壓北部型)作為4類不利天氣形勢(shì)的典型代表進(jìn)行研究.圖2為上述4天850hPa位勢(shì)高度及風(fēng)矢量圖.過(guò)渡型的天氣形勢(shì)如圖 2a所示,西安位于北部低壓槽和南部高壓之間,850hPa等壓面上主導(dǎo)風(fēng)向?yàn)槠黠L(fēng),大氣污染物會(huì)向東輸送,但由于風(fēng)速較小,并不利于污染物的擴(kuò)散,容易使污染物積聚于關(guān)中盆地,造成嚴(yán)重的空氣污染,污染程度還會(huì)受到北面低壓槽和南部高壓位置及強(qiáng)弱的影響.內(nèi)陸高壓型的天氣形勢(shì)如圖2b所示,高壓深入內(nèi)陸地區(qū),關(guān)中地區(qū)的盛行風(fēng)向因高壓相對(duì)位置的不同而變化,高壓系統(tǒng)穩(wěn)定下沉易形成靜穩(wěn)的天氣,不利于污染物的向外輸送.槽東南型的天氣形勢(shì)如圖2c所示,關(guān)中盆地位于槽的東南方向或槽前,850hPa盛行風(fēng)為偏南風(fēng),由于受到秦嶺山脈的阻擋,風(fēng)速較小,不利于污染物的擴(kuò)散.并且槽前的暖濕氣流含有大量水汽,有利于污染物的二次反應(yīng),造成空氣質(zhì)量的不斷惡化.低壓北部型的天氣形勢(shì)如圖2d所示,關(guān)中地區(qū)位于低壓的北部,850hPa盛行風(fēng)是偏東風(fēng),由于秦嶺地形與青藏高原地勢(shì)的阻擋,風(fēng)速較小且偏東風(fēng)并不利于污染物的向外輸送.此外這種天氣形勢(shì)下有可能產(chǎn)生降水,視降水強(qiáng)弱污染物能被清除掉一部分.

2.2 局地氣象條件分析

圖3是涇河氣象站上午07:00時(shí)的探空資料,其中灰線為露點(diǎn)溫度,黑線為溫度,圖右側(cè)為各個(gè)高度層上的風(fēng)矢量.在過(guò)渡型天氣形勢(shì)下,850～900hPa之間為偏南風(fēng),900hPa以下為東北風(fēng).近地層濕度較大,隨著高度的升高,濕度逐漸減小(圖3a).在內(nèi)陸高壓型天氣形勢(shì)下,850hPa以下為偏東風(fēng)且風(fēng)速較小,不利于污染物的向外輸送(圖3b).在槽東南型天氣形勢(shì)下,近地面層濕度較高,850hPa等壓面的風(fēng)向同關(guān)中地區(qū)上空探空資料風(fēng)向相一致,為弱南風(fēng),850hPa等壓面以下為弱西風(fēng)(圖 3c).在低壓北部型天氣形勢(shì)下,當(dāng)日濕度很大,且西安地區(qū)出現(xiàn)了小雪天氣,850hPa以下為一致的偏東風(fēng)(圖3d),并且風(fēng)速較小,非常有利于污染物的積聚及二次有機(jī)物的形成.探空資料顯示,上述4類天氣形勢(shì)850hPa以下均為整層逆溫,大氣層結(jié)穩(wěn)定,不利于污染物的垂直輸送.

圖2 關(guān)中地區(qū)4類天氣形勢(shì)下上午08:00時(shí)850hPa風(fēng)場(chǎng)及位勢(shì)高度的水平分布Fig.2 Distributions of winds and geopotential heights on 850hPa at 08:00 BJT

2.3 模式驗(yàn)證

圖4為4類天氣形勢(shì)下關(guān)中地區(qū)模擬及觀測(cè)的近地面PM2.5在上午09:00和下午15:00的水平分布圖.模擬的PM2.5水平分布與關(guān)中地區(qū)33個(gè)環(huán)境監(jiān)測(cè)站的觀測(cè)值有很好的一致性.模擬的風(fēng)場(chǎng)表明,關(guān)中地區(qū)近地層風(fēng)速較小或?yàn)殪o風(fēng)且風(fēng)向多變,不易于大氣污染物的向外輸送,易導(dǎo)致污染物在盆地內(nèi)積聚,造成嚴(yán)重的大氣污染.并且關(guān)中地區(qū)大氣污染呈現(xiàn)連片趨勢(shì),重度污染區(qū)域(PM2.5濃度超過(guò)150μg/m3)分布在西安、咸陽(yáng)及寶雞一帶.

在模擬與觀測(cè)的對(duì)照中,大部分站點(diǎn)模擬及觀測(cè)的PM2.5濃度均超過(guò)了150μg/m3.在過(guò)渡型天氣形勢(shì)(圖4a,b)下,上午09:00時(shí)PM2.5高值區(qū)位于關(guān)中盆地內(nèi),嚴(yán)重污染區(qū)域(PM2.5濃度超過(guò)250μg/m3)位于西安與咸陽(yáng)一帶,模擬的PM2.5濃度較監(jiān)測(cè)值偏高.下午15:00時(shí),模擬的嚴(yán)重污染區(qū)域范圍縮小,集中于西安咸陽(yáng)地區(qū),受850hPa等壓面上的弱西風(fēng)影響(圖 3a),污染物向東面擴(kuò)散,從而導(dǎo)致重度污染區(qū)域向東北方向擴(kuò)大.在內(nèi)陸高壓型天氣形勢(shì)下(圖4c,d),模擬的上午09:00時(shí)PM2.5濃度與觀測(cè)有很好的一致性,下午15:00時(shí)污染區(qū)域向西擴(kuò)散并逐漸減小.對(duì)于槽東南型(圖 4e,f),模擬的近地面風(fēng)速較小,不利于污染物向外輸送.上午09:00時(shí),整個(gè)關(guān)中盆地處于重度污染.西安、咸陽(yáng)及寶雞一帶大氣呈現(xiàn)嚴(yán)重污染態(tài)勢(shì),PM2.5濃度超過(guò)250μg/m3.下午15:00時(shí),受邊界層高度抬升的影響,重度污染區(qū)域逐漸減小.對(duì)于低壓北部型(圖4g,h),上午09:00時(shí),關(guān)中大部分地區(qū)處于重度污染.下午15:00時(shí),由于低壓北部型天氣形勢(shì)的作用和雨雪的清除作用,大氣污染物向西移動(dòng)且污染區(qū)域逐漸減小,空氣質(zhì)量逐漸轉(zhuǎn)好.

圖3 4類不利天氣形勢(shì)下涇河氣象站上午7:00時(shí)的探空資料Fig.3 The radiosonde at 7:00BJT at Jinghe site

圖5、6、7為上述4類不利天氣形勢(shì)下,關(guān)中地區(qū)觀測(cè)與模擬站點(diǎn)平均 NO2、O3及 PM2.5濃度的日變化曲線.模式能夠較好地模擬出O3、NO2、PM2.5濃度的日變化趨勢(shì).O3峰值一般出現(xiàn)在午后,這是由于太陽(yáng)輻射的增強(qiáng)使得大氣光化反應(yīng)速率加快,使得 O3濃度不斷增大.但模式通常低估清晨的O3濃度及高估午后的O3濃度.

圖4 4類不利天氣形勢(shì)下模擬(陰影)和觀測(cè)(方塊)的關(guān)中地區(qū)上午09:00時(shí)(a,c,e,g)和下午15:00時(shí)(b,d,f,h) PM2.5濃度的水平分布Fig.4 Pattern comparison of simulated vs. observed near-surface PM2.5mass concentrations at 09:00 and 15:00BJT

為了進(jìn)一步評(píng)估模式模擬結(jié)果的可靠性,使用了均值偏差、均方根誤差和相關(guān)系數(shù)用來(lái)對(duì)模式進(jìn)行評(píng)估.NO2、O3和PM2.5的均值偏差、均方根誤差和相關(guān)系數(shù),分別為 MB=2.53μg/m3、-4.10μg/m3和 20.75μg/m3,RMSE=13.07μg/m3、22.72μg/m3和53.78μg/m3和R=0.75、0.82和0.72,考慮到所選取樣本檢驗(yàn)點(diǎn)較少,并且模式spin-up時(shí)間較長(zhǎng),認(rèn)為模擬結(jié)果可靠.

WRF-Chem模式可以較好地模擬關(guān)中地區(qū)大氣污染物的時(shí)空分布,但仍存在偏差,氣象場(chǎng)(如風(fēng)場(chǎng))模擬及排放源清單的不確定性是造成模擬存在偏差的重要因素.

圖5 關(guān)中地區(qū)觀測(cè)與模擬的站點(diǎn)平均的NO2濃度的日變化曲線Fig.5 Comparison of observed and predicted diurnal profiles of the NO2mass concentrations averaged over the monitoring sites in the Guanzhong basin

圖6 關(guān)中地區(qū)觀測(cè)與模擬的站點(diǎn)平均的O3濃度的日變化曲線Fig.6 Comparison of observed and predicted diurnal profiles of the O3mass concentrations averaged over the monitoring sites in the Guanzhong basin

圖7 關(guān)中地區(qū)觀測(cè)與模擬的站點(diǎn)平均的PM2.5濃度的日變化曲線Fig.7 Comparison of observed and predicted diurnal profiles of the PM2.5mass concentrations averaged over the monitoring sites in the Guanzhong basin

2.4 敏感性試驗(yàn)分析

2.4.1 人為源減排對(duì)PM2.5濃度的影響 表1為上述 4類天氣形勢(shì)下關(guān)中盆地人為源削減比例與PM2.5濃度下降率對(duì)應(yīng)關(guān)系.隨著人為源削減量以 10%的比例增加,PM2.5濃度的下降比例從 20.1%(17.5%)減少到1.6%(0.8%),其濃度下降率隨著人為源削減比例降低而降低.當(dāng)削減比例小于 30%時(shí),削減量每下降10%,所對(duì)應(yīng)的 PM2.5濃度下降率分別為(17%～20%)、(15%～18%)、(12%～15%).當(dāng)削減比例大于 70%時(shí),削減量每下降 10%,所對(duì)應(yīng)的PM2.5濃度下降率分別為(3%～8%)、(2%～3%)、(1%～2%),當(dāng)削減量為 100%時(shí),即完全關(guān)閉人為源排放時(shí)的 PM2.5濃度值,即為背景場(chǎng)的 PM2.5濃度.

表1 4類不利天氣形勢(shì)下人為源削減量與PM2.5濃度下降率的對(duì)應(yīng)關(guān)系Table 1 The corresponding relationship between the reduction of anthropogenic emission and the decline rate of PM2.5mass concentrations

圖8為4類不利天氣形勢(shì)下人為源減排引起的PM2.5濃度日均值變化.圖8中PM2.5濃度隨著人為源削減呈二次曲線下降的趨勢(shì).當(dāng)削減量超過(guò)60%時(shí),PM2.5濃度下降不再明顯.在4類天氣形勢(shì)下,PM2.5濃度達(dá)到國(guó)家標(biāo)準(zhǔn) 75μg/ m3時(shí)的減排比例是不相同的.其中,過(guò)渡型人為源排放削減 30%,內(nèi)陸高壓和槽東南型,人為源削減40%,低壓北部型人為源削減60%,才能使關(guān)中地區(qū)PM2.5濃度達(dá)到國(guó)家標(biāo)準(zhǔn).

圖9為4類天氣形勢(shì)下控制試驗(yàn)、空氣質(zhì)量達(dá)標(biāo)試驗(yàn)(即使 PM2.5濃度達(dá)到國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)的減排試驗(yàn))及人為源完全關(guān)閉(即背景場(chǎng)濃度的模擬)時(shí)的 PM2.5濃度日變化曲線.過(guò)渡型[圖9(a)]、內(nèi)陸高壓型[圖9(b)]和槽東南型[圖9(c)]天氣形勢(shì)下,人為源完全關(guān)閉時(shí),背景場(chǎng)PM2.5濃度小于50μg/m3,沒(méi)有明顯的日變化趨勢(shì),對(duì)污染物形成的貢獻(xiàn)較小.低壓北部型的天氣形勢(shì)下[圖9(d)],背景場(chǎng)PM2.5濃度超過(guò)了50μg/m3,表明其貢獻(xiàn)較大.控制試驗(yàn)?zāi)M的 PM2.5日變化趨勢(shì)中出現(xiàn)了兩個(gè)峰值,分別為上午 10:00時(shí)和晚上20:00時(shí).空氣質(zhì)量達(dá)標(biāo)試驗(yàn)中,PM2.5日變化趨勢(shì)不再明顯,趨勢(shì)接近于背景場(chǎng).

圖8 4類不利天氣形勢(shì)下人為源減排引起的PM2.5濃度日均值的變化Fig.8 The response of daily averaged PM2.5to the anthropogenic emission reductions

圖9 4類不利天氣形勢(shì)下控制試驗(yàn)、人為源減排使空氣質(zhì)量達(dá)標(biāo)及人為源完全關(guān)閉時(shí)模擬PM2.5濃度日變化曲線Fig.9 The response of basin average PM2.5level to the anthropogenic emission reductions

圖10 4類不利天氣形勢(shì)下,人為源減排使得PM2.5濃度達(dá)到國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)時(shí)PM2.5濃度下降率分布Fig.10 The decline rate of PM2.5mass concentrations in the simulation with anthropogenic emission reductions to meet the China National Air Quality Standard

2.4.2 空氣質(zhì)量達(dá)標(biāo)時(shí) PM2.5濃度下降率的水平分布 圖10為空氣質(zhì)量達(dá)標(biāo)時(shí)PM2.5濃度下降率的水平分布圖.控制試驗(yàn)中(圖 4)高濃度PM2.5主要分布在西安、咸陽(yáng)、渭南、寶雞和銅川等工業(yè)人口密集地區(qū),水平分布呈現(xiàn)從城市到郊區(qū)的明顯下降趨勢(shì).在空氣質(zhì)量達(dá)標(biāo)試驗(yàn)中,整個(gè)關(guān)中地區(qū) PM2.5濃度均發(fā)生了顯著下降,其中PM2.5濃度高的地區(qū)下降幅度大.高濃度PM2.5的輻射反饋效應(yīng)強(qiáng),對(duì)邊界層的壓制作用大,一旦采取減排措施,反應(yīng)濃度便會(huì)下降,使得 PM2.5濃度的快速減小,反之亦然.過(guò)渡型天氣形勢(shì)下,西安市區(qū) PM2.5濃度的下降幅度比郊區(qū)明顯,達(dá)到50%～55%.內(nèi)陸高壓型天氣形勢(shì)下,PM2.5濃度下降幅度最明顯的地區(qū)是西安市區(qū)和銅川東北部達(dá) 60%～75%,這與氣溶膠的輻射反饋及二次氣溶膠的形成有關(guān).槽東南型天氣形勢(shì)下,整個(gè)關(guān)中地區(qū)PM2.5濃度均有明顯的下降為55%～65%,下降率趨勢(shì)呈現(xiàn)從北向南逐漸減小.低壓北部型天氣形勢(shì)下,西安咸陽(yáng)一帶和寶雞城區(qū)下降最為明顯,達(dá)到了80%.

3 結(jié)論

3.1 關(guān)中地區(qū)不利于污染物擴(kuò)散的4類天氣形勢(shì)通常對(duì)應(yīng)的局地氣象條件為對(duì)流層低層(850hPa以下)風(fēng)速小、層結(jié)穩(wěn)定或濕度高(對(duì)應(yīng)低壓北部型),易造成二次氣溶膠的生成且不利于污染物的向外輸送.

3.2 WRF-Chem模式能較好地模擬污染物濃度(PM2.5、O3、NO2)的水平分布及日變化趨勢(shì),且污染物濃度的分布及變化與天氣類型有一致的對(duì)應(yīng)關(guān)系.

3.3 4類不利天氣形勢(shì)下,PM2.5濃度隨著人為排放源的減少呈二次曲線下降趨勢(shì),越早控制PM2.5濃度下降程度越明顯.當(dāng)PM2.5濃度達(dá)到國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) 75μg/m3時(shí),不同天氣形勢(shì)下人為源的削減比例不同,為 30%～60%.且整個(gè)關(guān)中地區(qū) PM2.5濃度均發(fā)生了顯著的下降,其中PM2.5濃度高的地區(qū)下降幅度大.

[1] 吳 兌,吳曉京,李 菲,等.1951-2005年中國(guó)大陸霾的時(shí)空變化 [J]. 氣象學(xué)報(bào), 2010,68(5):680-688.

[2] 任陣海,萬(wàn)本太,虞 統(tǒng),等.不同尺度大氣系統(tǒng)對(duì)污染邊界層的影響及其水平流場(chǎng)輸送 [J]. 環(huán)境科學(xué)研究, 2004,17(1):7-13.

[3] 任陣海,蘇福慶,高慶先,等.邊界層內(nèi)大氣排放物形成重污染背景解析 [J]. 大氣科學(xué), 2005,29(1):57-63+169.

[4] 王喜全,齊彥斌,王自發(fā),等.造成北京PM10重污染的二類典型天氣形勢(shì) [J]. 氣候與環(huán)境研究, 2007,12(1):81-86.

[5] 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, 2012,12(11):5031-5053.

[6] Bei, N, Li, G, Huang, R.J, et al. Typical synoptic situations and their impacts on the wintertime air pollution in the Guanzhong basin [J]. Atmospheric Chemistry and Physics, 2016,16(11): 7373-7387.

[7] Bei N, Xiao B, Meng N, et al. Critical role of meteorological conditions in a persistent haze episode in the Guanzhong basin, China [J]. Science of Total Environment, 2016,550:273-284.

[8] 孟燕軍,程叢蘭.影響北京大氣污染物變化的地面天氣形勢(shì)分析[J]. 氣象, 2002,28(4):42-47.

[9] 張國(guó)璉,甄新蓉,談建國(guó),等.影響上海市空氣質(zhì)量的地面天氣類型及氣象要素分析 [J]. 熱帶氣象學(xué)報(bào), 2010,26(1):124-128.

[10] 王明潔,張 蕾,張琳琳,等.基于精細(xì)觀測(cè)資料的深圳不同季節(jié)霾及其污染特征分析 [J]. 2015,35(12):3562-3569.

[11] 李令軍,王 英,李金香,等.2000～2010北京大氣重污染研究 [J].中國(guó)環(huán)境科學(xué), 2012,32(1):23-30.

[12] 李令軍,王占山,張大偉,等. 2013～2014年北京大氣重污染特征研究 [J]. 中國(guó)環(huán)境科學(xué), 2016,36(1):27-35.

[13] 史 軍,崔林麗.長(zhǎng)江三角洲城市群霾的演變特征及影響因素研究 [J]. 中國(guó)環(huán)境科學(xué), 2013,33(12):2113-2122.

[14] 翟世賢,安興琴,劉 俊,等.不同時(shí)刻污染減排對(duì)北京市PM2.5濃度的影響 [J]. 中國(guó)環(huán)境科學(xué), 2014,34(6):1369-1379.

[15] 翟世賢,安興琴,孫兆彬,等.污染源減排時(shí)刻和減排比例對(duì)北京市 PM2.5濃度的影響 [J]. 中國(guó)環(huán)境科學(xué), 2015,35(7):1921-1930.

[16] 劉 俊,安興琴,朱 彤,等.京津冀及周邊減排對(duì)北京市PM2.5濃度下降評(píng)估研究 [J]. 中國(guó)環(huán)境科學(xué), 2014,34(11):2726-2733.

[17] 王自發(fā),李 杰,王 哲,等.2013年1月我國(guó)中東部強(qiáng)霾污染的數(shù)值模擬和防控對(duì)策 [J]. 中國(guó)科學(xué):地球科學(xué), 2014,44(1):3-14.

[18] Grell G A, Peckham S E, Schmitz R, et al. Fully coupled “online”chemistry within the WRF model [J]. Atmospheric Environment, 2005,39(37):6957-6975.

[19] Li G, Lei W, Zavala M, et al. Impacts of HONO sources on the photochemistry in Mexico City during the MCMA-2006/ MILAGO Campaign [J]. Atmospheric Chemistry and Physics, 2010,10(14):6551-6567.

[20] Li G, Bei N, Tie X, et al. Aerosol effects on the photochemistry in Mexico City during MCMA-2006/MILAGRO campaign [J]. Atmospheric Chemistry and Physics, 2011,11(11):5169-5182.

[21] Li G, Zavala M, Lei W, et al. Simulations of organic aerosol concentrations in Mexico City using the WRF-CHEM model during the MCMA-2006/MILAGRO campaign [J]. Atmospheric Chemistry and Physics, 2011,11(8):3789-3809.

[22] Stockwell W R, Middleton P, Chang J S, et al. The second generation regional acid deposition model chemical mechanism for regional air quality modeling [J]. Journal of Geophysical Research, 1990,95(D10):16343.

[23] Hong S-Y, Noh Y, Dudhia J. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Monthly Weather Review, 2006,134(9):2318-2341.

[24] Hong S-Y, Dudhia J, Chen S-H. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation [J]. Monthly Weather Review, 2004,132(1): 103-120.

[25] Grell G A, Dévényi D. A generalized approach to parameterizing convection combining ensemble and data assimilation techniques [J]. Geophysical Research Letters, 2002,29(14):381-384.

[26] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission [J]. Atmospheric Chemistry and Physics, 2009,9(14):5131-5153.

Response of the wintertime PM2.5level to anthropogenic emission mitigations in the Guanzhong basin.

MENG Ning1, BEI Nai-fang1*, LI Guo-hui2, XIAO Bo1,3(1.Department of Environmental Science and Technology, School of Human Settlements and Civil Engineering, Xi'an Jiaotong University, Xi'an 710049, China；2.Key Lab of Aerosol Chemistry & Physics, Chinese Academy of Sciences (KLACP), Institute of Earth Environment, Chinese Academy of Sciences, Xi'an 710061, China；3.Xi'an Meteorological Bureau of Shannxi Province, Xi'an 710016, China). China Environmental Science, 2017,37(5)：1646～1656

Based on the analysis of four typical unfavorable synoptic situations during wintertime in the Guanzhong basin (GZB), the WRF-Chem model had been applied to simulate the selected four days representing the four unfavorable synoptic situations during the wintertime of 2013. The results generally showed good consistence between the modeled and observed PM2.5distributions and variations. Further studies had been performed to verify the PM2.5response to the anthropogenic emission mitigation under the four unfavorable synoptic situations in GZB. Sensitivity results demonstrated that the mass concentration of PM2.5decreases nonlinearly along with the anthropogenic emission mitigation. Additionally, the PM2.5mitigation was more significant at the more polluted areas. The anthropogenic emission in GZB needed to be reduced 30%～60% to meet the China National Air Quality Standard under the above-mentioned four unfavorable synoptic situations. Key words：synoptic situations；PM2.5；Guanzhong basin；anthropogenic emission mitigation

X513

A

1000-6923(2017)05-1646-11

孟 寧(1989-),女,遼寧錦州人,西安交通大學(xué)碩士研究生,主要研究方向?yàn)榇髿鈹?shù)值模擬.

2016-09-17

國(guó)家自然科學(xué)基金資助項(xiàng)目(41275101,41430424)

* 責(zé)任作者, 副教授, bei.naifang@mail.xjtu.edu.cn