珠江三角洲PM2.5和O3復(fù)合污染過程的數(shù)值模擬

賴安琪,陳曉陽,劉一鳴,江 明,王雪梅,魏曉琳,樊 琦*

?

珠江三角洲PM2.5和O3復(fù)合污染過程的數(shù)值模擬

賴安琪1,陳曉陽1,劉一鳴1,江 明2,王雪梅3,魏曉琳4,樊 琦1*

(1.中山大學(xué)大氣科學(xué)學(xué)院,廣東省氣候變化與自然災(zāi)害研究重點實驗室,廣東廣州 510275；2.廣東省環(huán)境監(jiān)測中心,廣東廣州 510335；3.暨南大學(xué)環(huán)境與氣候研究院,廣東廣州 510632；4.深圳市氣象局,廣東深圳 518040)

利用WRF-Chem模式對2014年10月27日珠江三角洲一次高濃度PM2.5與O3復(fù)合污染過程的特征和形成機理進行數(shù)值模擬研究.污染發(fā)生時,珠三角受中高層高壓脊和低層高壓系統(tǒng)搭配形成的靜穩(wěn)天氣控制,擴散條件不利.在地面偏東風(fēng)影響下,主要的污染區(qū)域為珠三角西部地區(qū)(包括肇慶南部、佛山以及江門北部).數(shù)值模式的結(jié)果表明,肇慶南部和江門北部的高臭氧濃度源自氣相化學(xué)過程,佛山的高臭氧濃度則來源于物理過程.高臭氧濃度區(qū)屬于VOCs控制區(qū),中心城區(qū)輸送的人為源VOCs和江門本地排放的生物源VOCs促進了臭氧生成.高PM2.5濃度是由較高的起始濃度加上SO2和NO2的高轉(zhuǎn)化率使二次無機鹽大量生成造成的,其中硫酸鹽濃度的增長主要來自局地生成,而硝酸鹽濃度的升高則受區(qū)域輸送影響較大.

珠江三角洲；WRF-Chem；復(fù)合污染

珠江三角洲是我國經(jīng)濟最發(fā)達、城市化水平最高的三大城市群之一,但與經(jīng)濟發(fā)展相伴隨的區(qū)域性空氣污染問題也隨之出現(xiàn)[1].受獨特的地理位置和氣候條件影響,珠三角地區(qū)秋季靜穩(wěn)天氣較多,空氣污染物容易在近地面堆積形成污染,臭氧與顆粒物同時出現(xiàn)高濃度的現(xiàn)象時有發(fā)生[2-3].大氣顆粒物和臭氧雖然屬于不同類型的空氣污染物,但兩者在化學(xué)上緊密聯(lián)系,具有共同的前體物NO和VOCs,當(dāng)大氣中前體物濃度發(fā)生變化時會引起復(fù)雜的非線性響應(yīng)[4].而且兩者存在著多種相互作用的途徑,一類是基于光化學(xué)反應(yīng)的相互作用,例如吸收性顆粒物會通過衰減紫外輻射抑制大氣光化學(xué)反應(yīng),削弱臭氧的生成和積累[5-6].另一類是基于非均相反應(yīng)的相互作用[7],例如NO2在顆粒物表面通過非均相反應(yīng)產(chǎn)生的HONO,可進一步光解成OH自由基,由此導(dǎo)致的大氣氧化性及顆粒物物化性質(zhì)的改變,可能會促進臭氧和二次氣溶膠的生成[8].而當(dāng)這兩種相互作用耦合時,其綜合效應(yīng)并非是兩種相互作用單獨產(chǎn)生效應(yīng)的線性疊加[9].可見,顆粒物和臭氧之間存在錯綜復(fù)雜的關(guān)系,使分析以高顆粒物濃度和高臭氧濃度為特征的復(fù)合污染事件的形成機理較為困難.目前,國內(nèi)對此類污染事件的研究多集中在污染物濃度特征和氣象成因方面.李莉[10]對長三角區(qū)域性大氣復(fù)合污染事件的研究發(fā)現(xiàn),太陽輻射、溫度和相對濕度是NO、VOC、O3和SOA相互轉(zhuǎn)化過程中最重要的外部因素.王占山等[11]對北京夏季O3和PM2.5污染狀況的分析結(jié)果表明,較高的起始濃度在不利氣象條件下的積累和吸濕增長以及當(dāng)天較大偏南風(fēng)造成的區(qū)域傳輸可能是造成O3和PM2.5濃度同時達到中度污染的主要原因.而在珠江三角洲地區(qū),針對高濃度顆粒物和臭氧復(fù)合污染的模擬研究尚不多見.

本研究采用WRF-Chem空氣質(zhì)量模式對2014年10月27日珠江三角洲一次高臭氧濃度與高顆粒物濃度的復(fù)合污染過程進行模擬分析,研究此次過程的污染特征和形成機理,以期為珠江三角洲制定合理有效的區(qū)域大氣污染聯(lián)防聯(lián)控計劃提供參考.

1 資料與方法

1.1 模式介紹與設(shè)置

WRF-Chem(Weather Research and Forecasting-Chemistry)模式是由美國國家大氣研究中心(NOAA)、美國國家大氣海洋局(NCAR)及美國西北太平洋國家實驗室(PNNL)等單位共同開發(fā)的新一代區(qū)域大氣化學(xué)傳輸模式[12].該模式包括微物理、積云對流過程、長短波輻射、大氣邊界層和陸面模式等多種物理參數(shù)化方案,同時還涉及氣相化學(xué)機制、氣溶膠機制、光解機制、液相化學(xué)及干濕沉降等,可以根據(jù)研究區(qū)域的實際情況選擇適合的物理及化學(xué)參數(shù)化方案來開展氣象和空氣質(zhì)量的數(shù)值模擬.模式最大的優(yōu)點是氣象模式與化學(xué)傳輸模式在時間和空間分辨率上完全耦合,實現(xiàn)了真正意義上的在線反饋[13].目前,WRF- Chem模式已被廣泛應(yīng)用于區(qū)域天氣、氣候以及大氣污染的數(shù)值模擬與數(shù)值預(yù)報等領(lǐng)域.

本研究采用WRF-Chem模式3.5版本,使用蘭伯特投影方式設(shè)置三重嵌套網(wǎng)格,如圖1所示,網(wǎng)格中心點設(shè)置在廣州(23.5°N,113.7°E),三重網(wǎng)格的水平格距分別是45,15,3km,格點數(shù)分別為99′99、106′91和151′136,垂直方向上設(shè)24層.研究重點分析第3重網(wǎng)格的模擬結(jié)果,其范圍覆蓋整個珠三角地區(qū).本文參考相關(guān)研究方案設(shè)計,采用了Lin微物理化方案,RRTMG長波輻射方案,New Goddard短波輻射方案,Noah陸面過程方案以及YSU邊界層方案,并在第3重網(wǎng)格中采用了單層城市冠層模式Urban Canopy Model (UCM).因第3重嵌套的網(wǎng)格水平分辨率達到3km,可以分辨出云尺度物理量,因此在第3重網(wǎng)格內(nèi)不采用積云對流參數(shù)化方案.氣相化學(xué)過程采用CBM-Z氣相化學(xué)機制,它包含55種物質(zhì)和134個化學(xué)反應(yīng)[14].氣溶膠過程采用包含了液相化學(xué)反應(yīng)的MOSAIC氣溶膠機制,考慮了有機碳、元素碳、硫酸鹽、硝酸鹽、銨鹽、氯化物、鈉鹽和其它無機物這8類氣溶膠成分[15].光化學(xué)反應(yīng)過程所需要的光解率由在線的Fast-J方法計算[16].模擬時間為2014年10月23日00:00~10月28日23:00,其中前48h為啟動時間.

WRF-Chem模式所需的氣象場初始條件和邊界條件采用每6h一次1°′1°的FNL再分析格點數(shù)據(jù),化學(xué)初始條件和邊界條件采用每6h一次的1.9°′2.5°的MOZART數(shù)據(jù).模式第3重網(wǎng)格所用的人為源排放清單由華南理工大學(xué)鄭君瑜教授提供,排放源覆蓋了整個珠三角地區(qū),排放物種主要包括BC、OC、PM2.5、PM10、NO、SO2、CO和VOCs[17].人為源排放量大的區(qū)域主要分布在工業(yè)較發(fā)達、能源消耗量大、人口密集的廣州、佛山、東莞和深圳等中心城區(qū),惠州、中山和肇慶等城市點源分布稀疏,總排放量不大.生物源排放清單由Model of Emissions of Gases and Aerosols from Nature(Megan)模式計算得到[18].

圖1 WRF-Chem三重網(wǎng)格設(shè)置

1.2 觀測資料與驗證方法

利用廣東省環(huán)境監(jiān)測中心提供的珠三角各城市觀測站點的逐小時污染物濃度數(shù)據(jù)以及珠三角自動氣象監(jiān)測站的逐時觀測數(shù)據(jù),對WRF- Chem模式的可靠性及模擬能力進行評估,評估的時間段為2014年10月25~29日.通過計算平均偏差(BIAS)、均方根誤差(RMSE)、平均絕對誤差(MAE)、吻合指數(shù)(IOA)和相關(guān)系數(shù)()等統(tǒng)計參數(shù)來驗證模擬效果.其中BIAS反映模擬值與觀測值的平均偏離程度,RMSE反映模擬值與觀測值的偏離程度,MAE反映平均的絕對誤差情況,這3個都是有量綱的統(tǒng)計量,它們越接近0,表明模擬效果越好.同時選擇和IOA來表征模擬值與觀測值變化趨勢的吻合程度,它們越接近1,表明模擬效果越好.各統(tǒng)計參數(shù)的具體計算公式參考文獻[19].

2 結(jié)果與討論

2.1 模式驗證

表1中,2m溫度(T2)和2m相對濕度(RH2)的IOA指數(shù)都達到了0.99,而都超過了0.8,說明模式能較好地模擬出這段時間溫度和相對濕度的演變規(guī)律.風(fēng)速(WS10)的模擬效果沒有溫度和相對濕度好,但偏差和均方根誤差較小.從表2可見,模式能較好的反映污染物濃度,PM2.5和O3濃度的模擬值與觀測值的平均偏差僅有1.09, 8.77μg/m3,且PM2.5與O3的IOA都超過0.95,表明各污染物模擬值與觀測值吻合程度較高.

表1 10月25~29日溫度、相對濕度和風(fēng)速模擬值和觀測值的比較

注:T2為2m溫度;RH2為2m相對濕度;WS10為10m風(fēng)速.

表2 10月25~29日污染物濃度模擬值和觀測值的比較(μg/m3)

從圖2可見,模式模擬的O3與實測O3濃度值較為吻合,除了在中山站模式有一定程度的高估外,其余各站模式均有較好表現(xiàn),準(zhǔn)確反映了O3的濃度大小與變化趨勢.模式對于PM2.5濃度值較低的情況下模擬結(jié)果較好,與實測值偏差不大,但模式對于PM2.5峰值的模擬能力稍差.10月27日,東莞和中山兩地的PM2.5濃度達到了一個峰值,模式基本能抓住這一變化特征.不足的是,模式?jīng)]能較好地捕捉到26日10:00左右出現(xiàn)在廣州、東莞、中山等站點的濃度峰值.造成這種峰值低估的原因很可能是由于模式采用的MOSAIC氣溶膠機制中對SOC的考慮還不夠充分[20],使模式模擬的OC濃度偏低,從而導(dǎo)致PM2.5濃度的低估.

綜上所述,WRF-Chem模式總體上能較好地反映實際大氣情況,為之后的分析提供較可靠的氣象場和污染物濃度結(jié)果.

2.2 天氣形勢分析

從500hPa高空天氣形勢(圖略)看,10月27日,歐亞大陸中高緯為典型的兩槽一脊型,兩槽之間為弱脊,珠江三角洲地區(qū)位于東北亞大槽后,受緯向性的西風(fēng)氣流控制.850hPa高度上,珠三角位于高壓脊后部,受脊內(nèi)下沉氣流影響.從東亞地面天氣圖來看,大陸冷高壓主體位于我國北方,珠三角地區(qū)位于高壓系統(tǒng)的底部,冷空氣活動較弱.等壓線在珠三角地區(qū)呈東北到西南走向,地面風(fēng)場以偏東風(fēng)為主,氣壓梯度力較小,風(fēng)速偏低.受高壓系統(tǒng)影響,珠三角天氣晴好,27日地面氣溫較前幾日有小幅升高,最高達到了31.5℃,與之相伴隨的相對濕度也有所下降,最低只有32%.這種晴朗少云,高溫低濕的環(huán)境有利于光化學(xué)反應(yīng)的發(fā)生.總體來說,高層平直氣流,中層高壓脊控制和地面高壓系統(tǒng)搭配形成的靜穩(wěn)天氣形勢,非常有利于污染物在對流層內(nèi)積聚,形成污染.28日大陸冷高壓逐漸減弱并東移出海,地面主導(dǎo)風(fēng)轉(zhuǎn)為東南風(fēng),將海上清潔的空氣吹至珠三角地區(qū),污染形勢得到緩解.

2.3 污染特征分析

2014年10月27日,珠三角出現(xiàn)了大范圍的空氣污染過程.環(huán)境監(jiān)測數(shù)據(jù)表明,位于佛山、江門和肇慶的11個站點出現(xiàn)了PM2.5和O3濃度共同超過國家環(huán)境質(zhì)量標(biāo)準(zhǔn)[21]中污染物濃度限值二級標(biāo)準(zhǔn)的現(xiàn)象,即PM2.524h平均濃度超過75μg/m3,O3日最大8h平均濃度超過160μg/m3,表現(xiàn)為區(qū)域性的復(fù)合污染.超標(biāo)站點中O3日最大8h濃度最高為266μg/m3,超出國家二級標(biāo)準(zhǔn)1.66倍.PM2.5日均濃度最高達到了146μg/m3,超標(biāo)1.94倍.

圖3 10月26~27日11個超標(biāo)站點平均的PM2.5和O3濃度變化

圖3中26日白天PM2.5質(zhì)量濃度較低, 16:00PM2.5濃度開始上升,21:00PM2.5濃度增至150μg/m3左右,可見在污染發(fā)生前一日,PM2.5濃度已經(jīng)有了一定的積累.27日高PM2.5濃度主要出現(xiàn)在00:00~10:00,小時濃度保持在140μg/m3以上,午后PM2.5濃度有所降低,日均濃度為101μg/m3.與PM2.5的日變化趨勢相反,O3濃度高值出現(xiàn)在光照強的時段,夜間濃度明顯減小.27日O3濃度較26日有顯著增加,O3最大8h平均濃度為198μg/m3,時間段為13:00~20:00.

圖4 WRF-Chem模擬的珠三角地區(qū)10月27日高濃度O3和PM2.5復(fù)合污染區(qū)域分布

由圖4可知,此次高O3濃度和高PM2.5濃度復(fù)合污染發(fā)生的區(qū)域主要是珠三角的西部地區(qū),包括肇慶南部、佛山和江門北部等地.模式模擬的這一分布特征與離散的觀測站點資料顯示的特征是一致的.

由圖5可知,整個珠三角地區(qū)的O3濃度都在80μg/m3以上,其中佛山、肇慶和江門北部為O3濃度的高值區(qū),O3濃度超過160μg/m3.PM2.5濃度較高的區(qū)域集中在佛山和肇慶等西部城市,江門和惠州也有分散的PM2.5濃度高值區(qū),PM2.5日均濃度超過100μg/m3,表現(xiàn)為嚴(yán)重的PM2.5污染.27日珠三角近地面以偏東風(fēng)為主,且惠州、東莞等東部城市的日均風(fēng)速比佛山、肇慶等西部城市大.在珠三角地區(qū),污染排放多集中在廣州、佛山、東莞和深圳等中心城區(qū),受系統(tǒng)性風(fēng)場影響,上風(fēng)向的廣州東莞等地排放的污染物被吹至下風(fēng)向的佛山和肇慶,東部城市的污染物得到清除,而外來輸送加上本地排放使得西部城市的污染物濃度不斷積累并形成高值中心.惠州和江門局部有PM2.5排放量較大的點源[22],導(dǎo)致PM2.5濃度較高.

2.4 O3污染形成機制分析

O3是由NO和VOCs經(jīng)過光化學(xué)反應(yīng)生成的二次污染物,其濃度大小和分布特征除了受水平輸送、垂直輸送等物理過程影響外,還受到化學(xué)生成過程的影響.在WRF-Chem模式中開啟對O3濃度變化過程進行化學(xué)診斷的模塊后,模式提供氣相化學(xué)過程、水平輸送、垂直輸送、垂直混合和對流過程共5種過程的貢獻量,在模式的第1層內(nèi)干沉降包含在垂直混合中[23].圖6為10月27日13:00~20:00化學(xué)過程和物理過程(包括水平輸送、垂直輸送、垂直混合和對流)對近地面O3濃度貢獻的空間分布.由圖6可知,化學(xué)過程在不同地區(qū)的貢獻差異明顯.在珠三角中心城區(qū)如廣佛、深圳和東莞等地,近地面的化學(xué)過程主要消耗O3.造成這一分布特征的可能原因是:氣相化學(xué)反應(yīng)對臭氧濃度的積累作用由臭氧光化學(xué)生成速率和臭氧被消耗(臭氧與NO反應(yīng))的速率共同決定,珠三角中心城區(qū)機動車保有量大,NO排放量大,導(dǎo)致這些地區(qū)光化學(xué)反應(yīng)生成O3速率遠小于NO消耗O3的速率,使得化學(xué)過程對O3有負貢獻.在珠三角周邊地區(qū),由于NO排放量較小,氣相化學(xué)反應(yīng)對O3有正貢獻,其中肇慶南部和江門北部是貢獻較大地區(qū),與高臭氧濃度區(qū)相對應(yīng).與化學(xué)過程貢獻的空間分布相反,珠三角中心城區(qū)的物理過程對O3有顯著的正貢獻,有利于O3的積累.而在珠三角周邊地區(qū),物理過程對O3有負貢獻,其中肇慶南部和江門北部是負貢獻量的大值區(qū).綜上所述,此次臭氧污染過程中,肇慶南部和江門北部近地面的高濃度臭氧主要來源于本地氣相化學(xué)過程生成,而佛山近地面的高濃度臭氧則主要來自于物理過程.

確定一個區(qū)域內(nèi)O3生成是對VOCs還是NO更為敏感,是臭氧生成機制的核心科學(xué)問題[25].本文選擇指示劑方法來探究O3的敏感性.指示劑法是基于已有的光化學(xué)理論,使用光化學(xué)反應(yīng)中某些特定的物種、物種組合或物種比值作為指示劑,建立O3生成的敏感性與指示劑之間的關(guān)系[21].樊少芬[26]的研究表明,在珠三角的秋季,用H2O2/HNO3來判斷該區(qū)域O3生成是受VOCs控制還是NO控制的判別效果最優(yōu).當(dāng)H2O2/HNO3< 0.55時,為VOCs控制區(qū);>0.55時,即為NO控制區(qū).有研究指出該指示劑較優(yōu)的適用時間為下午13:00~16:00,可盡量減少干沉降過程的影響[27].

由圖7可知,此次污染過程中近地面臭氧濃度高值區(qū)與VOCs控制區(qū)相吻合.在VOCs控制區(qū),NO排放量相對較高,NO與OH自由基的反應(yīng)占主導(dǎo)地位,而VOCs能與NO爭奪自由基,因此VOCs增加會削弱自由基被NO反應(yīng)清除的過程,有利于O3的生成和累積[28].在珠三角地區(qū),廣州南部和佛山中部的人為源VOCs排放較量較大,受27日偏東風(fēng)的影響,VOCs從東向西擴散傳輸,在傳輸?shù)倪^程中發(fā)生光化學(xué)反應(yīng)生成大量臭氧并在下風(fēng)向的肇慶南部地區(qū)不斷積聚.Situ等[29]在珠三角的研究表明,生物源VOCs對珠三角中心城區(qū)及其下風(fēng)向地區(qū)的O3生成有較大貢獻.江門地區(qū)人為源VOCs排放相對少,但生物源VOCs排放量較高,因此江門北部的高O3濃度主要與生物源VOCs排放及珠三角中心城市污染物的輸送有關(guān).

圖6 WRF-Chem模擬的珠三角地區(qū)10月27日13:00~20:00近地面化學(xué)過程和物理過程貢獻量

圖7 WRF-Chem模擬的珠三角地區(qū)10月27日13:00~16:00H2O2/HNO3比值分布

2.5 PM2.5污染形成機制分析

氣溶膠的化學(xué)組成十分復(fù)雜,有機碳(OC)和元素碳(EC)和水溶性離子(主要包括SO42-、NO3-、NH4+等)是PM2.5的關(guān)鍵組分.大氣中顆粒物濃度是一次污染源排放和二次反應(yīng)生成共同作用的結(jié)果,因此可以利用顆粒物中一次和二次組分的變化,推斷顆粒物濃度累積主要是受一次排放還是二次生成的影響.EC主要來源于燃料燃燒的直接排放,是一次排放污染物,且在大氣中不易發(fā)生反應(yīng),因此選用EC作為一次組分的參照.10月26~27日,隨著PM2.5濃度的升高,各組分濃度均呈上升趨勢,其中一次組分的增長速率低于二次組分,意味著此次污染過程中二次組分的生成和累積對顆粒物的影響較一次排放更為顯著.由于模式目前對二次有機碳(SOC)的模擬尚存在一定的偏差,因此本文主要探討PM2.5濃度高值區(qū)(佛山、肇慶和江門)的硫酸鹽、硝酸鹽和銨鹽等二次無機組分的濃度變化.如圖8所示,各組分濃度的變化趨勢較為同步,峰值時段都集中在27日00:00~10:00.27日佛山的硫酸鹽和硝酸鹽濃度均有顯著增長,江門的硫酸鹽濃度增長明顯,而肇慶的硝酸鹽濃度增長更為明顯.

硫酸鹽主要由固定源(如化石燃料燃燒)排放的SO2在大氣中經(jīng)過氣相氧化或液相氧化反應(yīng)而來.硝酸鹽主要由NO2經(jīng)OH氧化生成的氣態(tài)HNO3與堿性物質(zhì)反應(yīng)而成,或由NO2與O3反應(yīng)生成的N2O5在顆粒物表面非均相水解而成[30-31].因此硫酸鹽和硝酸鹽的濃度很大程度上受到前體物SO2和NO2的影響,常用SOR和NOR分別表示SO2轉(zhuǎn)化成SO42-的轉(zhuǎn)化速率和NO2轉(zhuǎn)化成NO3-的轉(zhuǎn)化速率,其中SOR=[SO42-]/ ([SO42-]+[SO2]),NOR=[NO3-]/([NO3-]+[NO2]).SOR和NOR值越大,說明轉(zhuǎn)化率越高,由SO2和NO2轉(zhuǎn)化形成的二次粒子越多.圖9中SOR和NOR均大于0.1,表明硫酸鹽和硝酸鹽很大一部分來自氣態(tài)前體物的二次轉(zhuǎn)化[32].27日的SOR和NOR要高于污染程度輕的前后兩日,意味著重污染期間二次轉(zhuǎn)化現(xiàn)象更加明顯,硫酸鹽和硝酸鹽的二次生成量更大.

硫酸鹽和硝酸鹽除了可能在前體物排放源附近直接氧化生成外,還可能由擴散到高空的前體物在氧化性強的地方生成.圖10中,對比硫酸鹽和硝酸鹽與其前體物的水平分布,可以發(fā)現(xiàn),硫酸鹽的水平分布特征與其前體物SO2相類似,高濃度區(qū)都主要集中在佛山,表明本地排放的SO2在有利條件下進行二次轉(zhuǎn)化對佛山的硫酸鹽濃度增長有重要貢獻,同時,偏東風(fēng)將上風(fēng)向廣州排放的SO2輸送至佛山,也有利于該地區(qū)硫酸鹽濃度的累積.硝酸鹽的水平分布特征則與其前體物NO2有較大差別,除了NO2濃度高的佛山有硝酸鹽生成之外,下風(fēng)向的肇慶也出現(xiàn)了較高濃度的硝酸鹽,意味著區(qū)域輸送對硝酸鹽的濃度分布影響顯著,佛山排放的NO2被偏東風(fēng)輸送到下風(fēng)向地區(qū)并發(fā)生二次轉(zhuǎn)化,導(dǎo)致肇慶的硝酸鹽濃度升高.

圖9 WRF-Chem模擬的污染期間及前后SOR與NOR的時間變化

綜上所述,此次復(fù)合污染過程中高PM2.5濃度是由較高的起始濃度加上SO2和NO2的高轉(zhuǎn)化率使二次無機鹽(硫酸鹽和硝酸鹽)大量生成造成的,其中硫酸鹽質(zhì)量濃度的增長主要來自本地的二次生成,而硝酸鹽濃度的升高則受區(qū)域輸送影響較大.

圖10 WRF-Chem模擬的珠三角地區(qū)10月27日硫酸鹽、硝酸鹽、SO2和NO2日均質(zhì)量濃度的水平分布

本文僅針對2014年10與27日的一次污染過程進行了模擬分析,在以后的研究中有必要對不同季節(jié)和不同天氣系統(tǒng)影響下的污染個例開展研究,以總結(jié)出更全面和深入的結(jié)論.此外,基于污染形成機制的分析結(jié)果,開展珠江三角洲顆粒物和臭氧協(xié)同減排控制研究也是下一階段的主要方向.

3 結(jié)論

3.1 造成2014年10月27日珠江三角洲高濃度PM2.5與O3復(fù)合污染的天氣背景是:該地區(qū)受高層平直西風(fēng)氣流、中層高壓脊和地面高壓系統(tǒng)搭配形成的靜穩(wěn)天氣形勢控制,大氣條件穩(wěn)定,下沉氣流持續(xù)時間長,非常有利于污染物在對流層內(nèi)積聚.同時晴朗少云,高溫低濕的環(huán)境有利于光化學(xué)反應(yīng)的發(fā)生.

3.2 肇慶南部和江門北部近地面的高臭氧濃度主要來源于本地氣相化學(xué)過程,而佛山的高臭氧濃度則主要通過物理傳輸過程積聚而成.在高臭氧濃度區(qū)域,臭氧的化學(xué)生成屬于VOCs敏感,中心城區(qū)排放的人為源VOCs和江門本地排放的生物源VOCs在整個區(qū)域內(nèi)的輸送和積累有利于臭氧濃度增加.

3.3 PM2.5污染過程中,二次組分的生成和累積對顆粒物的影響較一次排放更為顯著.高PM2.5濃度主要是由較高的起始濃度加上SO2和NO2的高轉(zhuǎn)化率使二次無機鹽(硫酸鹽和硝酸鹽)大量生成造成的.其中硫酸鹽質(zhì)量濃度的增長主要來自本地的二次生成,而硝酸鹽濃度的升高則受區(qū)域輸送影響較大.

[1] 鄧 濤,吳 兌,鄧雪嬌,等.珠江三角洲一次典型復(fù)合型污染過程的模擬研究[J]. 中國環(huán)境科學(xué), 2012,32(2):193-199.

[2] 廖志恒,孫家仁,范紹佳,等.2006~2012年珠三角地區(qū)空氣污染變化特征及影響因素[J]. 中國環(huán)境科學(xué), 2015,35(2):329-336.

[3] 劉一鳴,洪瑩瑩,張舒婷,等.珠江三角洲秋季典型氣溶膠污染的過程分析[J]. 中國環(huán)境科學(xué), 2014,34(12):3017-3025.

[4] Meng Z, Dabdub D, Seinfeld J H. Chemical coupling between atmospheric ozone and particulate matter [J]. Science, 1997, 277:116-119.

[5] Real E, Sartelet K. Modeling of photolysis rates over Europe: impact on chemical gaseous species and aerosols [J]. Atmospheric Chemistry & Physics, 2011,11(4):1711-1727.

[6] Dickerson R R, Kondragunta S, Stenchikov G, et al. The impact of aerosols on solar ultraviolet radiation and photochemical smog [J]. Science, 1997,278:827-830.

[7] 朱 彤,尚 靜,趙德峰.大氣復(fù)合污染及灰霾形成中非均相化學(xué)過程的作用[J]. 中國科學(xué):化學(xué), 2010,40(12):1731-1740.

[8] Li Y, An J L, Kajino M, et al. Impacts of additional HONO sources on O3and PM2.5chemical coupling and control strategies in the Beijing-Tianjin-Hebei region of China [J]. Tellus Series B-chemical & Physical Meteorology, 2015,67(23930).

[9] 蔡彥楓,王體健,謝 旻,等.南京地區(qū)大氣顆粒物影響近地面臭氧的個例研究[J]. 氣候與環(huán)境研究, 2013,18(2):251-260.

[10] 李 莉.典型城市群大氣復(fù)合污染特征的數(shù)值模擬研究[D]. 上海:上海大學(xué), 2013.

[11] 王占山,張大偉,李云婷,等.北京市夏季不同O3和PM2.5污染狀況研究[J]. 環(huán)境科學(xué), 2016,37(3):807-815.

[12] 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.

[13] 薛文博,王金南,楊金田,等.國內(nèi)外空氣質(zhì)量模型研究進展[J]. 環(huán)境與可持續(xù)發(fā)展, 2013,38(3):14-20.

[14] Zaveri R A, Peters L K. A new lumped structure photochemical mechanism for large-scale applications [J]. Journal of Geophysical Research Atmospheres, 1999,104(D23):30387- 30415.

[15] Zaveri R A, Easter R C, Fast J D, et al. Model for simulating aerosol interactions and chemistry (MOSAIC) [J]. Journal of Geophysical Research Atmospheres, 2008,113(D13):1395-1400.

[16] Wild O, Zhu X, Prather M J. Fast-J: Accurate simulation of in- and below-cloud photolysis in tropospheric chemical models [J]. Journal of Atmospheric Chemistry, 2000,37(3):245-282.

[17] Zheng J Y, Zhang L J, Che W W, et al. A highly resolved temporal and spatial air pollutant emission inventory for the Pearl River Delta region, China and its uncertainty assessment [J]. Atmospheric Environment, 2009,43(32):5112-5122.

[18] 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, 2006,6:3181-3210.

[19] 藍 靜.2013.珠三角區(qū)域氣溶膠污染及低能見度過程的數(shù)值模擬 [D]. 廣州:中山大學(xué), 2013.

[20] 何心河,馬建中,徐 敬,等.2014年10月京津冀地區(qū)一次PM2.5污染過程的數(shù)值模擬[J]. 氣象, 2016,42(7):827-837.

[21] GB/T 3095-2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) [S].

[22] 鄭君瑜,張禮俊,鐘流舉,等.珠江三角洲大氣面源排放清單及空間分布特征[J]. 中國環(huán)境科學(xué), 2009,29(5):455-460.

[23] 張 亮,朱 彬,高晉徽,等.長江三角洲夏季一次典型臭氧污染過程的模擬[J]. 環(huán)境科學(xué), 2015,36(11):3981-3988.

[24] 唐孝炎,張遠航,邵 敏.大氣環(huán)境化學(xué)(第二版) [M]. 北京:高等教育出版社, 2006.

[25] 常 明,劉曉環(huán),劉明旭,等.非采暖期和采暖期青島市及中國東部臭氧和細顆粒物模擬研究[J]. 中國海洋大學(xué)學(xué)報自然科學(xué)版, 2016,46(2):14-25.

[26] 樊少芬.篩選適合珠三角秋季臭氧分區(qū)控制的化學(xué)指示劑[D]. 廣州:中山大學(xué), 2014.

[27] Sillman S, He D. Some theoretical results concerning O3-NOx- VOC chemistry and NOx-VOC indicators [J]. Journal of Geophysical Research Atmospheres, 2002,107(D22):ACH 26-1- ACH 26-15.

[28] Qu Y, An J L, Li J, et al. Effects of NOxand VOCs from five emission sources on summer surface O3over the Beijing– Tianjin–Hebei region [J]. Advances in Atmospheric Sciences, 2014,31:787-800.

[29] Situ S, Guenther A, Wang X, et al. Impacts of seasonal and regional variability in biogenic VOC emissions on surface ozone in the Pearl River delta region, China [J]. Atmospheric Chemistry and Physics, 2013,13(23):11803-11817.

[30] 王 瑩.晉城市環(huán)境空氣二氧化硫、氮氧化物與硫酸鹽、硝酸鹽相互關(guān)系的研究[D]. 太原:太原理工大學(xué), 2012.

[31] An J L, Ying L, Yong C, et al, Enhancements of major aerosol components due to additional HONO sources in the North China Plain and implications for visibility and haze [J].Advances in Atmospheric Sciences, 2013,30(1):57-66.

[32] Ohta S, Okita T. A chemical characterization of atmospheric aerosol in Sapporo [J]. Atmospheric Environment, 1990,24(4): 815-822.

Numerical simulation of a complex pollution episode with high concentrations of PM2.5and O3over the Pearl River Delta region, China.

LAI An-qi1, CHEN Xiao-yang1, LIU Yi-ming1, JIANG Ming2, WANG Xue-mei3, WEI Xiao-lin4, FAN Qi1*

(1.Guangdong Province Key Laboratory for Climate Change and Natural Disaster Studies, School of Atmospheric Sciences, Sun Yat-Sen University, Guangzhou 510275, China；2.Guangdong Environmental Monitoring Centre, Guangzhou 510335, China；3.Institute for Environmental and Climate Research, Jinan University, Guangzhou 510632, China；4.Shenzhen Meteorological Bureau, Shenzhen 518040, China)., 2017,37(11)：4022~4031

WRF-Chem model was used to analyze the characteristics and formation mechanism of a pollution episode with high concentrations of PM2.5and O3over the Pearl River Delta (PRD) region on October 27, 2014. It was found that the stable weather condition which was favorable for the accumulation of air pollutants occurred over the PRD region because of a high-pressure ridge in 850hPa height and a high-pressure system in the ground. The western PRD regions, including southern Zhaoqing, Foshan and northern Jiangmen, were the most polluted areas due to the easterly prevailing winds. The high O3concentrations in southern Zhaoqing and northern Jiangmen were associated with gas phase photochemistry, while the high O3levels in Foshan were related to physical processes. Photochemical O3formation in areas with high O3levels was VOCs-limited, and VOCs transported from urban centers and biogenic VOCs from local emissions in Jiangmen was conducive to photochemical O3formation. On the other hand, the high concentration of PM2.5was related to its high initial concentrations, as well as the high production rates of secondary inorganic aerosol (i.e., sulfates and nitrates) through the oxidation of SO2and NO2. The increment for the concentrations of sulfates and nitrates were mainly related to local generation and regional transport, respectively.

Pearl River Delta；WRF-Chem；complex air pollution

X511

A

1000-6923(2017)11-4022-10

賴安琪(1994-),女,江西宜春人,中山大學(xué)大氣科學(xué)學(xué)院碩士研究生,主要從事區(qū)域空氣質(zhì)量數(shù)值模擬研究.

2017-04-24

廣東省科技計劃項目(2014B020216003);國家自然科學(xué)基金資助項目(91544102,41630422);廣州市科技計劃項目(201604020028);國家重點研發(fā)計劃大氣專項課題(2016YFC0203305, 2016YFC0203600);氣象行業(yè)專項項目(GYHY201406031);中山大學(xué)重大項目培育和新興、交叉學(xué)科資助項目(15lgjc06)

* 責(zé)任作者, 教授, eesfq@mail.sysu.edu.cn