CCSM4/WRF-CMAQ動力降尺度預(yù)估RCP8.5情景下京津冀地區(qū)空氣質(zhì)量的潛在變化

王 堃, 師華定, 高佳佳, 王晨龍, 滑申冰, 高慶先

1.北京市勞動保護(hù)科學(xué)研究所， 北京 100054 2.中國環(huán)境科學(xué)研究院， 北京 100012 3.中國電力科學(xué)研究院, 北京 100192

CCSM4/WRF-CMAQ動力降尺度預(yù)估RCP8.5情景下京津冀地區(qū)空氣質(zhì)量的潛在變化

王 堃1, 師華定2*, 高佳佳1, 王晨龍1, 滑申冰3, 高慶先2

1.北京市勞動保護(hù)科學(xué)研究所， 北京 100054 2.中國環(huán)境科學(xué)研究院， 北京 100012 3.中國電力科學(xué)研究院, 北京 100192

目前，針對氣候變化對區(qū)域空氣質(zhì)量影響的研究相對較少，并且多采用統(tǒng)計(jì)降尺度方法對全球氣候模式結(jié)果進(jìn)行處理. 采用WRF中尺度氣象模式對CCSM4氣候模式的CMIP5 RCP8.5情景預(yù)估結(jié)果進(jìn)行動力降尺度處理，并為CMAQ空氣質(zhì)量模式提供氣象場；在2012年清華大學(xué)MEIC大氣污染物排放清單的基礎(chǔ)上，選取2005年作為氣候現(xiàn)狀代表年、2049—2051年作為未來氣候代表年，對京津冀地區(qū)典型月份(1月、4月、7月、10月)的氣象及空氣質(zhì)量數(shù)值模擬結(jié)果進(jìn)行對比，以此預(yù)估氣候變化背景下京津冀地區(qū)空氣質(zhì)量潛在變化. 結(jié)果表明，在排放情況不變及RCP8.5情景下，未來代表年與現(xiàn)狀代表年相比，京津冀地區(qū)以典型月份為代表的年均氣象因素整體呈現(xiàn)溫度升高，風(fēng)速、相對濕度及大氣邊界層高度均降低的趨勢；年均大氣污染物濃度整體呈現(xiàn)升高的趨勢，其中，溫度升高約0.8 ℃，風(fēng)速降低約0.11 ms，相對濕度降低約2%，大氣邊界層高度降低約8 m，ρ(PM2.5)升高約2.4 μgm3，ρ(SO2)升高約1.8 μgm3，ρ(NOx)升高約1.0 μgm3；此外，主要的氣象條件(溫度、風(fēng)速、相對濕度、大氣邊界層高度)中，風(fēng)速及大氣邊界層高度的降低可能是造成這些大氣污染物濃度變化的主要?dú)庀笠蛩?，并且風(fēng)速及大氣邊界層高度的降低與ρ(PM2.5)降低的相關(guān)系數(shù)分別約為-0.44和-0.26. 研究顯示，氣候變化會對京津冀地區(qū)造成污染物濃度升高的潛在風(fēng)險(xiǎn)，同時(shí)由于現(xiàn)階段缺乏可用于空氣質(zhì)量模式的未來排放情景數(shù)據(jù)、在線耦合模式日臻完善，在我國氣候-空氣質(zhì)量的研究領(lǐng)域亟待進(jìn)行更深層次的研究.

CCSM4; CMAQ; 動力降尺度; 氣候變化

全球氣候模式是目前預(yù)測未來氣候變化、研究氣候變化及其響應(yīng)的主要工具. 政府間氣候變化專門委員會第五次評估報(bào)告(IPCC AR5)基于CMIP5(第五階段全球耦合模式比較計(jì)劃)對多個全球氣候模式開展了從模式評判到未來氣候預(yù)估的研究，并為開展高分辨率區(qū)域性氣候變化研究提供了源數(shù)據(jù)[5-6]. 此外，CMIP5在CMIP3(第三階段全球耦合模式比較計(jì)劃)的基礎(chǔ)上引入了新的溫室氣體排放情景——RCPs(representative concentration pathways，代表性濃度路徑情景)，RCPs情景包括4個情景，這些情景納入了氣候政策對溫室氣體及氣溶膠排放的影響，并優(yōu)化了生物物理及海陸氣交換過程[5]. 其中，RCP8.5為CO2排放的高端路徑，RCP6和RCP4.5都為中間穩(wěn)定路徑[7-8]. 梁玉蓮等[6]對CMIP5模式模擬結(jié)果分析發(fā)現(xiàn)，2011—2100年RCP2.6、RCP4.5及RCP8.5情景下年均溫度線性趨勢分別為0.059、0.229及0.590 ℃/(10 a)，并且RCP8.5是RCP2.6的10倍，是4個情景中響應(yīng)最明顯的. 國內(nèi)外研究也多選用RCP8.5情景進(jìn)行氣候變化及其響應(yīng)研究[3-4,9-11].

然而，全球氣候模式具有大尺度、低分辨率的特點(diǎn)，如果直接用于區(qū)域尺度的氣候變化響應(yīng)研究，將會忽略地形起伏、微氣候等因素產(chǎn)生的差異. 因此，需要通過降尺度方法將其轉(zhuǎn)化為小尺度、高分辨率的區(qū)域氣候變化信息[12]. 同時(shí)CMIP5全球模式對于東亞氣候的模擬仍存在不足和誤差，需要通過降尺度方法得到更可靠的區(qū)域尺度氣候變化信息[5-6,13]. 降尺度方法主要分為統(tǒng)計(jì)降尺度和動力降尺度方法. 統(tǒng)計(jì)降尺度主要是建立大尺度環(huán)流因子與區(qū)域氣象要素之間的統(tǒng)計(jì)函數(shù)關(guān)系，具有計(jì)算量小、節(jié)省機(jī)時(shí)的優(yōu)點(diǎn)，但是缺少物理機(jī)制，難以獲得空間上較為連續(xù)的結(jié)果[12,14]；動力降尺度是將區(qū)域氣候模式嵌套于全球氣候模式中，從而獲得高水平分辨率的氣候變化信息，具有物理意義明確，不受觀測資料限制的優(yōu)點(diǎn)，但計(jì)算量大、耗費(fèi)機(jī)時(shí)[12,15]. CORDEX(coordinated regional climate downscaling experiment)計(jì)劃旨在利用區(qū)域模式降尺度技術(shù)對全球范圍內(nèi)不同地區(qū)未來氣候進(jìn)行準(zhǔn)確預(yù)估，并提供了WRF氣象模式的動力降尺度技術(shù)方法[16-17]. 基于CMIP5模式結(jié)果及模式降尺度技術(shù)，國內(nèi)外學(xué)者利用WRF、WRF-CAMx等數(shù)值模式對氣候變化背景下氣象因素及空氣質(zhì)量的響應(yīng)變化進(jìn)行了研究[3-4,9-11]. 如Glotfelty等[3]基于GU-WRF/CHEM模式通過設(shè)定相同排放情況，對現(xiàn)狀代表年(2001年)及未來代表年(2050年)的空氣質(zhì)量進(jìn)行數(shù)值模擬，探討氣候變化對空氣質(zhì)量的影響. Sá等[4]基于CMIP5氣候模式結(jié)果，采用WRF-CAMx模式對RCP8.5情景下氣候現(xiàn)狀代表年及氣候未來代表年的空氣質(zhì)量進(jìn)行數(shù)值模擬，并對結(jié)果進(jìn)行對比分析，考察氣候變化對空氣質(zhì)量的影響. BAO等[10]使用WRF氣象模式對中國地區(qū)氣候變化情景下的GFDL-ESM2G氣象資料進(jìn)行動力降尺度處理，并取得了較好的模擬結(jié)果. 此外，GEOS-CHEM等模式也被應(yīng)用于氣候變化情景下臭氧等污染物的變化研究，如WU等[18]運(yùn)用GEOS-CHEM研究了IPCC SRES A1B的情景下2000—2050年全球臭氧濃度的變化，朱佳等[19]運(yùn)用GEOS-CHEM研究了IPCC SRES A1B情景下2000—2050年中國臭氧跨界輸送變化等.

京津冀地區(qū)是我國“三區(qū)十群”重點(diǎn)控制區(qū)的重要組成[20]，在我國社會經(jīng)濟(jì)中占有重要地位. 近年來，針對該地區(qū)空氣污染與氣候變化之間的關(guān)系也逐漸得到了重視[21-23]. 張英娟等[24]基于1981—2013年京津冀地區(qū)霾日統(tǒng)計(jì)資料，對京津冀地區(qū)持續(xù)性霾天氣的氣候特征進(jìn)行研究，并發(fā)現(xiàn)該地區(qū)持續(xù)性霾高發(fā)區(qū)的范圍呈現(xiàn)年代際增大趨勢，并且在2000年之后擴(kuò)展趨勢顯著增強(qiáng). 環(huán)首都圈霾和霧的長期特征發(fā)現(xiàn)，1980年以后京津冀晉地區(qū)霾日明顯增多，而且各城市除去采暖季有較多的霾日外，在盛夏季節(jié)霾日也明顯增多[25-26]. 周兆媛等[21]通過研究北京、天津及石家莊2001—2010年API數(shù)據(jù)及相應(yīng)時(shí)段的氣象要素的關(guān)系發(fā)現(xiàn)，氣壓、氣溫及相對濕度等與空氣質(zhì)量關(guān)系密切，并探討了未來氣象要素的可能變化以及對京津冀地區(qū)空氣質(zhì)量的潛在影響.

該研究綜合國內(nèi)外研究現(xiàn)狀，選取京津冀地區(qū)為研究區(qū)域，以RCP8.5情景作為研究情景，利用WRF氣象模式對CMIP5試驗(yàn)中的CCSM4結(jié)果進(jìn)行動力降尺度處理，為CMAQ空氣質(zhì)量模式提供氣象驅(qū)動場，預(yù)估在當(dāng)前排放條件下，京津冀地區(qū)空氣質(zhì)量的潛在變化，以期為制訂應(yīng)對氣候變化方案等提供參考.

1 研究方法

1.1研究數(shù)據(jù)的獲取

CCSM(community climate system model，通用氣候系統(tǒng)模式)是國際上新一代的耦合氣候模式，CCSM4模式為其最新版本，包括大氣、海洋、陸面、海冰和耦合器5個模塊，并在中國地區(qū)具有較好的模擬能力[27-28]. NCAR(美國國際大氣研究中心)提供了可直接用于WRF氣象模式的CCSM4數(shù)據(jù)集，并通過勞倫斯利弗莫爾國家實(shí)驗(yàn)室(http://pcmdi9.llnl.gov)及美國國家大氣研究中心(http://rda.ucar.edu)的相關(guān)網(wǎng)站獲取CCSM4模式結(jié)果[11,29].

該研究通過對比氣候現(xiàn)狀代表年氣象因素的模擬值與實(shí)測值，評估WRF氣象模式動力降尺度方法的效果，并通過中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)獲取北京市、天津市及石家莊市2005年的中國地面氣候資料國際交換站的氣象資料，三站點(diǎn)經(jīng)緯度分別為(39.48°N、116.28°E)(39.05°N、117.04°E)(38.02°N、114.25°E).

為了研究相同排放下氣候變化對京津冀地區(qū)空氣質(zhì)量的潛在影響，該研究以清華大學(xué)2012年MEIC中國多尺度大氣污染物排放清單作為基準(zhǔn)排放清單，并通過多尺度排放清單MEIC模型網(wǎng)站(http://www.meicmodel.org)獲取.

6.4.5 蚜蟲：用10%吡蟲啉可濕性粉劑3000倍液或50%抗蚜威可濕性粉劑2000倍液或2.5%魚藤精乳劑600～800倍液噴霧。

1.2模擬情景的設(shè)置

根據(jù)CMIP5試驗(yàn)計(jì)劃，CCSM4模式進(jìn)行了20世紀(jì)氣候模擬(1951—2005年)、RCP8.5情景的氣候預(yù)估(2006—2100年)等試驗(yàn)[29-30]. 考慮到動力降尺度計(jì)算量大、耗費(fèi)機(jī)時(shí)的特點(diǎn)，該研究選取CCSM4經(jīng)ERA-interim數(shù)據(jù)偏差矯正的歷史模擬數(shù)據(jù)集(1981—2005年)中距今較近的2005年作為氣候現(xiàn)狀的代表年，同時(shí)，現(xiàn)有研究[3-4,9-11]多采用2050年作為未來氣候代表年來研究氣候變化對空氣質(zhì)量的影響，如Glotfelty等[3]基于GU-WRF/CHEM以2050年作為未來代表年探討氣候變化對空氣質(zhì)量的影響. Sá等[4]以2050年作為未來代表年探討葡萄牙地區(qū)氣候變化對空氣質(zhì)量的影響. 因此，該研究選取RCP8.5情景數(shù)據(jù)集(2006—2100年)中的2049—2051年連續(xù)3 a作為未來氣候的代表年，并選取1月、4月、7月、10月作為典型月份，分別代表冬、春、夏、秋4個季節(jié). 基于上述情景設(shè)置，對4個典型月份的氣象及空氣質(zhì)量開展數(shù)值模擬研究[31].

1.3模擬相關(guān)參數(shù)的設(shè)定

WRF及CMAQ模式采用兩層嵌套模擬，空間分辨率分別為27 km×27 km、9 km×9 km，采用Lambert投影，坐標(biāo)原點(diǎn)為36.4°N、101.9°E，其中外層網(wǎng)格覆蓋了中國大部分區(qū)域，內(nèi)層網(wǎng)格覆蓋了京津冀地區(qū).

CMAQ空氣質(zhì)量模式以2012年清華大學(xué)MEIC排放清單作為基準(zhǔn)清單，選用CMAQ v5.0.2，采用CB05化學(xué)機(jī)制以及AERO6氣溶膠機(jī)制. WRF氣象模型為CMAQ模型提供氣象場，并選用如下參數(shù)化方案：WSM3微物理方案、CAM長波輻射方案、RRTMG短波輻射方案、Noah Land Surface Model陸面方案、Monin-Obukhov近地面層方案、MYJ邊界層方案和Grell 3D積云參數(shù)化方案.

1.4模式結(jié)果的適用性驗(yàn)證

高濕、低壓、弱風(fēng)、逆溫等不利氣象條件易造成污染物積累[32]，Glotfelty等[3]研究發(fā)現(xiàn)，在氣候變化情景下，溫度、相對濕度、風(fēng)速及大氣邊界層高度與污染物的形成、積累的相關(guān)性較高. 因此，該研究著重對觀測站點(diǎn)月均溫度、相對濕度、氣壓及風(fēng)速的實(shí)測值與模擬值進(jìn)行對比，評估WRF對CCSM4氣候模式動力降尺度后的效果[9-10,12].

此外，基于FNL(全球分析資料)采用CMAQ模擬了2015年1月北京地區(qū)的空氣質(zhì)量，計(jì)算了東城東四、朝陽奧體等5個監(jiān)測站點(diǎn)的CMAQ模擬值與實(shí)測值的NMB(標(biāo)準(zhǔn)化平均偏差)、NME(標(biāo)準(zhǔn)化平均誤差)及R(相關(guān)系數(shù))以驗(yàn)證CMAQ空氣質(zhì)量的適用性.

2 結(jié)果與討論

2.1WRF對CCSM4動力降尺度的效果評價(jià)

通過對比北京市、天津市及石家莊市氣候資料國際交換站2005年典型月份(1月、4月、7月、10月)的日均實(shí)測值與模式模擬值，并計(jì)算各點(diǎn)日均模擬值與實(shí)測值的NMB、NME，評估CCSM4-WRF動力降尺度的效果評價(jià)[10]，如表1所示.

表1 CCSM4-WRF模式模擬北京及周邊站點(diǎn)的效果對比

從表1可見，3個站點(diǎn)氣壓、相對濕度的模擬值與實(shí)測值一致性較好，10月溫度的模擬值較實(shí)測值低；風(fēng)速的模擬值大于實(shí)測值. 造成WRF模式近地面風(fēng)速模擬值較實(shí)測值偏高的可能原因主要包括WRF模式模擬風(fēng)速性能存在季節(jié)和地區(qū)差異，邊界層方案影響地面風(fēng)速的模擬[33]，未考慮地形次網(wǎng)格參數(shù)化方案對風(fēng)場的影響[34]，并且當(dāng)模式采用9 km的空間分辨率時(shí)，模式中體現(xiàn)的地形高度相對較為平緩，下墊面類型也較為單一，模式中城市區(qū)域?qū)︼L(fēng)速拖曳摩擦作用不足，因此模擬的風(fēng)速可能相對更大[35].

2.2CMAQ空氣質(zhì)量模式的適用性評價(jià)

通過采用CMAQ空氣質(zhì)量模式模擬2015年1月北京地區(qū)的空氣質(zhì)量，并計(jì)算東城東四、朝陽奧體等5個監(jiān)測站點(diǎn)ρ(PM2.5)的CMAQ模擬值與實(shí)測值的NMB、NME及R來驗(yàn)證CMAQ空氣質(zhì)量模式在北京地區(qū)的適用性，其中NMB和NME是經(jīng)過標(biāo)準(zhǔn)化表征模擬值與觀測值的相對偏離程度，R表征模擬值與觀測值的接近程度，如表2及圖1所示. 結(jié)果表明，5個監(jiān)測站點(diǎn)ρ(PM2.5)的CMAQ模擬值與實(shí)測值NMB、NME及R平均值分別為-8%、35%、0.76，ρ(PM2.5)的CMAQ模擬值總體上略低于實(shí)測值，但二者相關(guān)性較好，變化趨勢一致性較好，具有一定的參考性[36-37].

表2 CMAQ對ρ(PM2.5)的模擬效果評估

圖1 2015年1月朝陽奧體站日均ρ(PM2.5)的監(jiān)測值與CMAQ模擬值對比Fig.1 Comparison between model results and observations for PM2.5 concentrations in Aoti station in January 2015

2.3RCP8.5情景下京津冀地區(qū)氣象因素的變化

氣象因素是大氣污染的形成外因[38].因此，通過WRF氣象模式對未來代表年(2049—2051年)與現(xiàn)狀代表年(2005年)的1月、4月、7月、10月這4個典型月份的氣象因素進(jìn)行數(shù)值模擬，并對比未來及現(xiàn)狀情景下影響空氣質(zhì)量的關(guān)鍵氣象因素[5](大氣邊界層高度、相對濕度、溫度、地面風(fēng)速)的月均及年均模擬值，預(yù)估RCP8.5情景下京津冀地區(qū)的氣象因素變化，結(jié)果如圖2及表3所示.

由圖2可見，在RCP8.5情景下，與現(xiàn)狀代表年相比，京津冀地區(qū)未來代表PBLH年西南部降低，河北東部及北京大部升高；相對濕度北部降低，河北中南部有所增加；整體風(fēng)速降低；整體溫度升高.

注： 未來代表年為2049—2051年； 現(xiàn)狀代表年為2005年; PBLH為大氣邊界層高度. 下同.圖2 未來代表年與現(xiàn)狀代表年典型月份的氣象條件變化Fig.2 Variations of meteorological conditions of forecast years and baseline year

表3 RCP8.5情景下京津冀地區(qū)未來代表年與現(xiàn)狀代表年主要?dú)庀髤?shù)的月均值變化

RCP8.5情景下京津冀地區(qū)未來代表年與現(xiàn)狀代表年各氣象參數(shù)月均變化值如表3所示，1月、7月、10月風(fēng)速及相對濕度均有所降低，溫度均升高；而4月呈相反的變化趨勢；各氣象因素年均值變化呈；溫度升高、風(fēng)速下降、大氣邊界層高度降低、相對濕度降低的趨勢.

2.4RCP8.5情景下京津冀地區(qū)空氣質(zhì)量的潛在變化

基于WRF氣象模式動力降尺度方法為CMAQ空氣質(zhì)量模式提供2050年及2005年典型月份的氣象場，選用2012年清華大學(xué)MEIC大氣污染物排放清單作為輸入清單，預(yù)估氣候變化條件下京津冀地區(qū)空氣質(zhì)量的可能變化.

通過對2050年及2005年典型月份京津冀地區(qū)的氣象及空氣質(zhì)量進(jìn)行數(shù)值模擬，考察排放情況不變、氣候條件變化的情況下，研究區(qū)域內(nèi)所有網(wǎng)格的主要污染物的月均模擬值與年均模擬值的變化，結(jié)果如表4所示.

表4 RCP8.5情景下京津冀地區(qū)未來代表年與現(xiàn)狀代表年主要污染物濃度月均值變化

從表4可以看出，在排放情況不變及RCP8.5情景下，相較于現(xiàn)狀代表年，未來代表年全年主要污染物濃度均有所升高. 典型月份中，4月各主要污染物濃度均有所減少，10月ρ(PM2.5)增幅最大，約7 μgm3；1月ρ(SO2)、ρ(NOx)增幅最大，約5 μgm3. 結(jié)果表明，氣候變化條件下，不同污染物在不同月份的變化有所不同.

以PM2.5為例，各典型月份ρ(PM2.5)變化的空間分布如圖3所示. 由圖3可見，在排放情況不變及RCP8.5情景下，京津冀地區(qū)未來代表年較現(xiàn)狀代表年2005年的逐月ρ(PM2.5)變化較為明顯，以4月為代表的春季ρ(PM2.5)呈整體降低的變化趨勢，而其他月份ρ(PM2.5)整體升高. 其中，1月及7月河北省南部ρ(PM2.5)有所增高，而且在邢臺、邯鄲等地存在ρ(PM2.5)月均值升高10 μgm3左右的潛在區(qū)域；10月河北南部ρ(PM2.5)有所下降，而天津及北京東部ρ(PM2.5) 有所升高.

對比北京市、天津市及石家莊地面氣候資料國際交換站2050年與2005年典型月份ρ(PM2.5)的月均值及日均值的模擬結(jié)果. 由圖4、表5可見，在排放情況不變及RCP8.5情景下，與2005年相比，2050年北京市及天津市7月和10月ρ(PM2.5)有所增加，增幅分別約為7.52、3.21 μgm3和19.44、18.22 μgm3，并且日均值變化范圍增大，4月ρ(PM2.5)有所降低；石家莊市1月和7月ρ(PM2.5)有所增加，分別增加約22.58、10.51 μgm3，并且日均值變化范圍增大，4月和10月ρ(PM2.5)有所降低，并且日均值變化范圍減小. 因此，在RCP8.5情景下，不同城市的空氣質(zhì)量的季節(jié)變化特征不同.

圖3 2050年與2005年典型月份ρ(PM2.5)的變化Fig.3 Variations of PM2.5 concentrations between 2050 and 2005

圖4 京津冀地區(qū)各城市2005與2050年典型月份的ρ(PM2.5)Fig.4 PM2.5 concentrations in four midseason of 2050 and 2005 in Beijing-Tianjin-Hebei region

2.5RCP8.5情景下各氣象因素變化與空氣質(zhì)量變化的相關(guān)性分析

氣象因素對于空氣質(zhì)量的變化具有顯著的影響[15]. 如溫度的增加會增強(qiáng)SO2的氧化，促進(jìn)硫酸鹽的生成；相對濕度的增加為顆粒物的吸濕增長創(chuàng)造了有利條件，促進(jìn)硝酸鹽等向顆粒態(tài)轉(zhuǎn)化；風(fēng)速對污染物有水平傳輸和稀釋沖淡的作用，一般風(fēng)速越大污染物的擴(kuò)散能力越強(qiáng)，反之，風(fēng)速越小污染物的擴(kuò)散能力越弱[39]；邊界層高度影響污染物在垂直高度上的擴(kuò)散，在靜穩(wěn)天氣條件下大氣邊界層高度低且比較穩(wěn)定，不利于污染物的垂直擴(kuò)散，一般大氣邊界層高度降低污染加重，大氣邊界層高度升高污染減輕[40].

為初步分析引起氣候變化背景下空氣質(zhì)量變化的主要?dú)庀笠蛩?，選取北京市為研究區(qū)域，對數(shù)值模擬結(jié)果中的2050年與2005年ρ(PM2.5)模擬值的變化與各主要?dú)庀髤?shù)模擬值的變化進(jìn)行相關(guān)性分析(見表6).

由表6的年均值可以看出，風(fēng)速的變化對ρ(PM2.5) 的影響最大且二者為負(fù)相關(guān)，其次為PBLH. 不同月份與ρ(PM2.5)變化相關(guān)性較大的氣象因素也不同，其中，1月和10月主要與風(fēng)速、PBLH有關(guān)，4月主要與風(fēng)速、相對濕度較為相關(guān)，7月與溫度較為相關(guān). 因此，氣候變化條件下所導(dǎo)致的氣象因素的改變會對區(qū)域的空氣質(zhì)量造成影響，并且由于不同季節(jié)不同月份氣象因素的變化情況不同，對空氣質(zhì)量的影響也有所不同.

表6 ρ(PM2.5)變化與主要?dú)庀髼l件變化值的相關(guān)性分析

注： 表中所有指標(biāo)均指變化量.

3 結(jié)論

a) 在RCP8.5氣候變化情景下，2050年與2005年相比京津冀地區(qū)整體呈現(xiàn)溫度升高，風(fēng)速、相對濕度及大氣邊界層高度均降低的變化.同時(shí)，氣候變化所引起的氣象因素變化對于空氣質(zhì)量也具有一定的影響，區(qū)域全年呈現(xiàn)ρ(PM2.5)、ρ(SO2)、ρ(NOx)升高的趨勢，并且不同地區(qū)不同月份不同污染物產(chǎn)生的變化有所不同.

b) 在RCP8.5情景及目前的排放情況條件下，北京市大部分地區(qū)2050年與2005年相比，以7月及10月為代表的夏秋季ρ(PM2.5)可能出現(xiàn)升高的情況，以1月及4月為代表的冬春季可能會出現(xiàn)降低的情況.同時(shí)，京津冀地區(qū)可能出現(xiàn)的大氣邊界層高度降低及風(fēng)速降低是影響污染物濃度變化的主要原因.

c) 由于現(xiàn)階段缺少可用于CMAQ等空氣質(zhì)量模式的未來排放情景數(shù)據(jù)，在線耦合模式日臻完善. 因此，今后還需進(jìn)一步利用區(qū)域空氣質(zhì)量模式研究未來排放情景及氣候變化情景下區(qū)域空氣質(zhì)量的響應(yīng)，基于GEOS-CHEM、WRF-CHEM等在線耦合模式進(jìn)一步開展我國氣候-空氣質(zhì)量的相互作用研究.

[1] 吳紹洪,黃季焜,劉燕華,等.氣候變化對中國的影響利弊[J].中國人口·資源與環(huán)境,2014,24(1):7-13.

WU Shaohong,HUANG Jikun,LIU Yanhua,etal.Pros and cons of climate changes in China[J].China Population,Resource and Environment,2014,24(1):7-13.

[2] 孫家仁,許振成,劉煜,等.氣候變化對環(huán)境空氣質(zhì)量影響的研究進(jìn)展[J].氣候與環(huán)境研究,2011,16(6):805-814.

SUN Jiaren,XU Zhencheng,LIU Yu,etal.Advances in the effect of climate change of air quality[J].Climate and Environmental Research,2014,24(1):7-13.

[3] GLOTFELTY T,ZHANG Y,KARAMCHANDARI P,etal.Changes in future air quality,deposition,and aerosol-cloud interactions under future climate and emission scenarios[J].Atmospheric Environment,2016,139:176-191.

[5] 董思言,高學(xué)杰.長期氣候變化:IPCC第五次評估報(bào)告解讀[J].氣候變化研究進(jìn)展,2014,10(1):56-59.

DONG Siyan,GAO Xuejie.Long-term climate change:interpretation of IPCC Fifth Assessment Report[J].Progressus Inquisitiones DE Mutatione Climatis,2014,10(1):56-59.

[6] 梁玉蓮,延曉冬.RCPs情景下中國21世紀(jì)氣候變化預(yù)估及不確定性分析[J].熱帶氣象學(xué)報(bào),2016,32(2):183-192.

LIANG Yulian,YAN Xiaodong.Prediction of climate change over China and uncertainty analysis during the 21stcentury under RCPS[J].Journal of Tropical Meteorology,2016,32(2):183-192.

[7] MEINSHAUSEN M,SMITH S J,CALVIN K,etal.The RCP greenhouse gas concentrations and their extensions from 1765 to 2300[J].Climatic Change,2011,109(1/2):213-241.

[8] 陳敏鵬,林而達(dá).代表性濃度路徑情景下的全球溫室氣體減排和對中國的挑戰(zhàn)[J].氣候變化研究進(jìn)展,2010,6(6):436-442.

CHEN Minpeng,LIN Erda.Global greenhouse gas emission mitigation under representative concentration pathways scenarios and challenges to China[J].Advances in Climate Change Research,2010,6(6):436-442.

[9] LIN C Y,CHUA Y J,SHENG Y F,etal.Altitudinal and latitudinal dependence of future warming in Taiwan simulated by WRF nested with ECHAM5/MPIOM[J].International Journal of Climatology,2015,35(8):1800-1809.

[10] BAO Jiawei,FENG Jinming,WANG Yongli.Dynamical downscaling simulation and future projection of precipitation over China[J].Journal of Geophysical Research Atmospheres,2015.doi:10.1002/2015JD023275.

[11] BRUYERE C L,MONAGHAN A J,STEINHOFF D F,etal.Bias-corrected CMIP5 CESM Data in WRF/MPAS intermediate file format[J].National Center for Atmospheric Research Ncar Koha Opencat,2015.doi:10.5065/D6445JJ7.

[12] 成愛芳,馮起,張健愷,等.未來氣候情景下氣候變化響應(yīng)過程研究綜述[J].地理科學(xué),2015(1):84-90.

CHENG Aifang,FENG Qi,ZHANG Jiankai,etal.A review of climate change scenario for impacts process study[J].Scientia Geographica Sinica,2015(1):84-90.

[13] GAO X J,WANG M L,GIORGI F.Climate change over China in the 21stcentury as simulated by BCC_CSM1.1-RegCM4.0[J].Atmospheric and Oceanic Science Letters,2013,6(5):381-386.

[14] 劉昌明,劉文彬,傅國斌,等.氣候影響評價(jià)中統(tǒng)計(jì)降尺度若干問題的探討[J].水科學(xué)進(jìn)展,2012,23(3):427-437.

LIU Changming,LIU Wenbin,BO Guobin,etal.A discussion of some aspects of statistical downscaling in climate impacts assessment[J].Advances in Water Science,2012,23(3):427-437.

[15] FOWLER H J,BLENKINSOP S,TEBALDI C.Linking climate change modelling to impacts studies:recent advances in downscaling techniques for hydrological modelling[J].International Journal of Climatology,2007,27(12):1547-1578.

[16] 胡伯彥.WRF模式CORDEX東亞區(qū)域氣候的模擬與預(yù)估[D].南京:南京大學(xué),2012.

[17] CORDEX-WRF Groups.Pre-processing of CMIP5 data available at ESGF[EB/OL].Sweden:International Project Office for CORDEX (IPOC),2013[2016-10-13].http://www.meteo.unican.es/wiki/cordexwrf/ SoftwareTools/CmorPreprocessor.

[18] WU S,MICKLEY L J,JACOB D J,etal.Effects of 2000-2050 changes in climate and emissions on global tropospheric ozone and the policy-relevant background surface ozone in the United States[J].Journal of Geophysical Research Atmospheres,2010,113(D18):1044-1044.

[19] 朱佳,廖宏,茅宇.氣候和人為排放變化對2000-2050年中國臭氧跨界輸送變化的影響[C]//大氣成分委員會、中國氣象科學(xué)研究院.第31屆中國氣象學(xué)會年會S6大氣成分與天氣、氣候變化.北京:大氣成分委員會、中國氣象科學(xué)研究院,2014:1.

[20] 國務(wù)院.重點(diǎn)區(qū)域大氣污染防治“十二五”規(guī)劃[R].北京:國務(wù)院,2012.

[21] 周兆媛,張時(shí)煌,高慶先,等.京津冀地區(qū)氣象要素對空氣質(zhì)量的影響及未來變化趨勢分析[J].資源科學(xué),2014,36(1):191-199.

ZHOU Zhaoyuan,ZHANG Shihuang,GAO Qingxian,etal.The impact of meteorological factor on air quality in the Beijing-Tianjin-Hebei region and trend analysis[J].Resources Science,2014,36(1):191-199.

[22] 張可慧.全球氣候變暖對京津冀地區(qū)極端天氣氣候事件的影響及防災(zāi)減災(zāi)對策[J].干旱區(qū)資源與環(huán)境,2011,25(10):122-125.

ZHANG Kehui.The impacts of global climate change on extreme weather events in Beijing-Tianjin-Hebei area and the countermeasures for disaster prevention[J].Journal of Arid Land Resources and Environment,2011,25(10):122-125.

[23] 鄭祚芳,苗世光,范水勇,等.京津冀城市群未來發(fā)展情景氣候效應(yīng)模擬[J].南京大學(xué)學(xué)報(bào)(自然科學(xué)版),2014(6):772-780.

ZHENG Zuofang,MIAO Shiguang,FAN Shuiyong,etal.Climate effects simulation of future development prospects of Beijing-Tianjin-Hebei Megapolis area[J].Journal of Nanjing University (Natural Sciences Edition),2014(6):772-780.

[24] 張英娟,張培群,王冀,等.1981-2013年京津冀持續(xù)性霾天氣的氣候特征[J].氣象,2015,41(3):311-318.

ZHANG Yingjuan,ZHANG Peiqun,WANG Yi,etal.Climatic characteristics of persistent haze events over Jingjinji during 1981-2013[J].Meteorological Monthly,2015,41(3):311-318.

[25] 吳兌.近十年中國灰霾天氣研究綜述[J].環(huán)境科學(xué)學(xué)報(bào),2012,32(2):257-269.

WU Dui.Hazy weather research in China in the last decade:a review[J].Acta Scientiae Cirumstantiae,2012,32(2):257-269.

[26] 吳兌,廖碧婷,吳蒙,等.環(huán)首都圈霾和霧的長期變化特征與典型個例的近地層輸送條件[J].環(huán)境科學(xué)學(xué)報(bào),2014,34(1):1-11.

WU Dui,LIAO Biting,WU Meng,etal.The long-term trend of haze and fog days and the surface layer transport conditions under haze weather in North China[J].Acta Scientiae Circumstantiae,2014,34(1):1-11.

[27] 張冬峰,高學(xué)杰,馬潔華.CCSM4.0模式及其驅(qū)動下RegCM4.4模式對中國夏季氣候的回報(bào)分析[J].氣候與環(huán)境研究,2015,20(3):307-318.

ZHANG Dongfeng,GAO Xuejie,MA Jiehua.2015.Analysis of summer climate over China from hindcast experiments by CCSM4.0 and RegCM4.4 models[J].Climatic and Environmental Research,20(3):307-318.

[28] 田芝平,姜大膀.不同分辨率CCSM4對東亞和中國氣候模擬能力分析[J].大氣科學(xué),2013,37(1):171-186.

TIAN Zhiping，JIANG Dabang.Evaluation of the performance of low to high resolution CCSM4 over East Asia and China[J].Chinese Journal of Atmospheric Sciences,2013,37(1):171-186.

[29] TAYLOR K E,STOUFFER R J,MEEHL G A.A Summary of the CMIP5 experiment design[EB/OL].World Climate Research Programme (WCRP)，2009[2009-12-18].http://cmip-pcmdi.llnl.gov/cmip5/docs/Taylor_CMIP5_design.pdf.

[30] 周天軍,鄒立維,吳波,等.中國地球氣候系統(tǒng)模式研究進(jìn)展:CMIP計(jì)劃實(shí)施近20年回顧[J].氣象學(xué)報(bào),2014,5(5):892-907.

ZHOU Tianjun,ZOU Liwei,WU BO,etal.Development of earth/climate system models in China:a review from the Coupled Model Intercomparison Project perspective[J].Acta Meteorologica Sinica,2014,5(5):892-907.

[31] 薛文博,付飛,王金南,等.中國PM2.5跨區(qū)域傳輸特征數(shù)值模擬研究[J].中國環(huán)境科學(xué),2014,34(6):1361-1368.

XUE Wenbo,FU Fei,WANGg Jinnan,etal.Numerical study on the characteristics of regional transport of PM2.5in China[J].China Environmental Science,2014,34(6):1361-1368.

[32] 劉厚鳳,楊欣,陳義珍,等.中國重霾過程污染氣象研究進(jìn)展[J].生態(tài)環(huán)境學(xué)報(bào),2015(11):1917-1922.

LIU Houfeng,YANG Xin,CHEN Yizhen,etal.A review of meteorological effects on heavy haze pollution in China[J].Ecology and Environment Sciences,2015(11):1917-1922.

[33] 于麗娟,尹承美,林應(yīng)超,等.中國區(qū)域近地面風(fēng)速動力降尺度研究[J].干旱氣象,2017,35(1):23-28.

YU Lijuan,Yin Chengmei,LIN Yingchao,etal.Study of dynamical downscaling on near surface wind speed over China[J].Journal of Arid Meteorology,2017,35(1):23-28.

[34] 馬晨晨,余曄,何建軍,等.次網(wǎng)格地形參數(shù)化對 WRF 模式在復(fù)雜地形區(qū)風(fēng)場模擬的影響[J].干旱氣象,2016,34 (1):96-105.

MA Chenchen,YU Ye,HE Jianjun,etal.Effect of subgrid-scale terrain parameterization on WRF′s performance on wind field over complex terrain[J].Journal of Arid Meteorology,2016,34(1):96-105.

[35] 陳欣昊,王詠薇,任俠,等.基于WRF-CMAQ對江蘇省2014年冬半年霾日的模擬與評估[J].南京大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,52(6):961-976.

CHEN Xinhao,WANG Yongwei,REN Xia.etal.Simulation and evaluation of haze day in Jiangsu Province based on WRF/CMAQ model in winter,2014[J].Journal of Nanjing University(Natural Sciences Edition),2016,52(6):961-976.

[36] KANG D W,EDER B K,MATHUR R,etal.2007.An operational evaluation of ETA-CMAQ air quality forecast model[M]//BORREGO C,NORMAN A L.Air pollution modeling and its application XVII.Berlin:Springer US.590-598.

[37] EDER B,YU S C.A performance evaluation of the 2004 release of Models-3 CMAQ[J].Atmospheric Environment,2006,40(26):4811-4824.

[38] 王躍思,張軍科,王莉莉,等.京津冀區(qū)域大氣霾污染研究意義、現(xiàn)狀及展望[J].地球科學(xué)進(jìn)展,2014,29(3):388-396.

WANG Yuesi,ZHANG Junke,WANG Lili,etal.Researching significance，status and expectation of haze in Beijing-Tianjin-Hebei region[J].Advances in Earth Science,2014,29(3):388-396．

[39] 張人文,范紹佳.珠江三角洲風(fēng)場對空氣質(zhì)量的影響[J].中山大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,50(6):130-134.

ZHANG Renwen,FAN Shaojia.Study of the influence of wind field on air quality over the Pearl River Delta[J].Acta Scientiarum Naturalium Universitatis Sunyatseni(Natural Sciences Edition),2011,50(6):130-134.

[40] 王耀庭,李威,張小玲,等.北京城區(qū)夏季靜穩(wěn)天氣下大氣邊界層與大氣污染的關(guān)系[J].環(huán)境科學(xué)研究,2012,25(10):1092-1098.

WANG Yaoting,LI Wei,ZHANG Xiaoling,etal.Relationship between atmospheric boundary layer and air pollution in summer stable weather in the Beijing urban area[J].Research of Environmental Sciences,2012,25(10):1092-1098．

PotentialVariationofBeijing-Tianjin-HebeiRegion′sAirQualityinRCP8.5ScenariosbyDynamicDownscalingMethodwithCCSM4WRF-CMAQModel

WANG Kun1, SHI Huading2*, GAO Jiajia1, WANG Chenlong1, HUA Shenbing3, GAO Qingxian2

1.Beijing Municipal Institute of Labor Protection, Beijing 100054, China 2.Chinese Research Academy of Environmental Sciences, Beijing 100012, China 3.China Electric Power Research Institute, Beijing 100192, China

Currently, there are few studies on the relationship between climate change and air quality, and most of those which do exist adopt the method of statistical downscaling. Here, we use a dynamic downscaling method to prepare WRF initial and boundary conditions with CCSM4 output under the CMIP5 RCP8.5 scenarios, and choose MEIC 2012 Data as CMAQ input inventory data in the Beijing-Tianjin-Hebei Region. In order to explore the impacts of meteorological conditions on air quality, monthly variation characteristics of PBL height (PBLH), relative humidity (RH), wind velocity, temperature and air pollutant concentrations were analyzed and compared between forecast years (2049, 2050, 2051) and baseline year (2005). The results indicated that in the case of constant emissions and RCP8.5 scenario, the meteorological conditions would become increasingly detrimental to atmospheric pollutant dispersion. In the forecast years: annual average temperature would increase about 0.8 ℃; annual average wind speed, RH and PBLH would decrease about 0.11 ms, 2% and 8 m respectively; and annual average concentrations of PM2.5, SO2and NOxwould increase about 2.4, 1.8 and 1.0 μgm3respectively. The decline in surface wind speed and lower PBLH should be the main factors influencing the increasing trend of atmospheric pollutants; the correlation coefficients between PM2.5concentration and wind speed and PBLH were -0.44 and -0.26 respectively. The results indicate that climate change will affect regional air quality, but the impact intensity is still uncertain due to the lack of future emission scenarios that are used in air quality models. Furthermore, the physicalchemical mechanisms among the mutual influence process between meteorological factors and pollutant dispersion also need to be further studied.

CCSM4; CMAQ; dynamic downscaling; climate change; air quality

2017-04-06

2017-08-15

國家自然科學(xué)基金項(xiàng)目(21607008)；國家環(huán)境保護(hù)公益性行業(yè)科研專項(xiàng)(201509001)；中國環(huán)境科學(xué)研究院院屬項(xiàng)目(2016YSKY-003)

王堃(1991-)，男，山西呂梁人，研究實(shí)習(xí)員，碩士，主要從事大氣污染控制研究，wkty@mail.bnu.edu.cn.

*責(zé)任作者，師華定(1979-)，男，山西臨汾人，研究員，博士，主要從事氣候變化、生態(tài)遙感、土壤污染防治與風(fēng)險(xiǎn)評估等研究，shihd@craes.org.cn

王堃,師華定,高佳佳,等.CCSM4/WRF-CMAQ動力降尺度預(yù)估RCP8.5情景下京津冀地區(qū)空氣質(zhì)量的潛在變化[J].環(huán)境科學(xué)研究,2017,30(11):1661-1669.

WANG Kun,SHI Huading,GAO Jiajia,etal.Potential variation of Beijing-Tianjin-Hebei Region′s air quality in RCP8.5 scenarios by dynamic downscaling method with CCSM4/WRF-CMAQ model[J].Research of Environmental Sciences,2017,30(11):1661-1669.

X51

1001-6929(2017)11-1661-09

A

10.13198j.issn.1001-6929.2017.03.12