京津冀城市群大氣污染傳輸規(guī)律研究——兩組排放清單的比較分析

王 媛,李 玥,喬 治*,盧亞靈,2

京津冀城市群大氣污染傳輸規(guī)律研究——兩組排放清單的比較分析

王 媛1,李 玥1,喬 治1*,盧亞靈1,2

(1.天津大學環(huán)境科學與工程學院,天津 300350；2.環(huán)境保護部環(huán)境規(guī)劃院,北京 100012)

利用WRF/CALPUFF耦合模型,在同樣重污染氣象條件下,選擇了當下模擬應用最廣的兩組排放清單對4種主要污染物(NO,SO2,PM2.5和PM10)進行京津冀城市間區(qū)域傳輸貢獻比較分析.其中一組排放清單來自政府的環(huán)境統(tǒng)計(以下稱:環(huán)統(tǒng)排放清單),另一組排放清單是來自中國多尺度排放清單(以下稱:MEIC排放清單).污染物的濃度空間分布表明,兩種排放清單下污染物濃度均呈現(xiàn)北部以唐山中心,南部以石家莊-邯鄲為中心的分布特征,均是由兩個濃度最高的中心向外逐漸降低.但是環(huán)統(tǒng)排放清單下模擬的污染物濃度高值區(qū)范圍更大,更接近實際監(jiān)測數(shù)據(jù).基于不同的清單輸入,一些城市的傳輸角色存在一些差異.例如,對于4種污染物,兩種排放清單模擬出的滄州與周邊城市的凈傳輸方向完全相反,在MEIC排放清單中,滄州以向外凈傳輸為主,即為源;而在環(huán)統(tǒng)排放清單中,滄州則變成了凈輸入城市,即為匯.這些結論將影響大氣聯(lián)防聯(lián)控中各城市源匯責任的認定,在實際環(huán)境管理中應注重多源數(shù)據(jù)的選擇、驗證和比較.

CALPUFF模型；京津冀城市群；傳輸規(guī)律；污染物傳輸網絡

京津冀地區(qū)人口密度大,經濟發(fā)展迅速,加之秋冬季靜穩(wěn)天氣多發(fā),是我國大氣污染防治重點區(qū)域之一[1-2].目前國內外研究者對大氣污染物跨界傳輸問題已經展開了廣泛研究,一些學者從國家的角度研究了污染物在國家間的傳輸規(guī)律[3-4],Itahashi等[3]研究了污染物在日本和中國之間的傳輸規(guī)律,并證明中國東北部的氮氧化物可以傳輸?shù)饺毡揪硟?Lin等[4]將經濟排放和大氣傳輸模型結合,分析了與貿易有關的中國大氣污染物排放對美國大氣環(huán)境的影響.薛文博等[5]將CAMx和PSAT模型相結合,建立了我國31個省市間的PM2.5傳輸矩陣,證實跨區(qū)域傳輸對重點區(qū)域的PM2.5污染具有顯著貢獻,其中,京津冀、長三角、珠三角受外源的貢獻分別達22%、37%和28%.京津冀作為中國大氣污染控制的重點區(qū)域之一,一些學者探討了京津冀城市群空氣污染的傳輸規(guī)律.例如Wang等[6]應用CAMx和PSAT技術來量化在一次重污染事件時,不同地區(qū)的排放對北京PM2.5濃度的貢獻.他們的研究表明北京當?shù)嘏欧诺呢暙I占比83.6%,周邊區(qū)域對它的貢獻占比9.4%.

大氣重污染三大成因是污染排放、氣象條件和區(qū)域傳輸,其中污染排放是主因和內因,氣象條件是外因,而區(qū)域傳輸受前兩個原因影響.目前,對大氣傳輸?shù)难芯慷鄳每諝赓|量模型進行模擬,但模擬結果常常存在差異.雖然影響因素眾多,但排放數(shù)據(jù)無疑是重要的影響因素之一[7].目前尚未有文章進行過兩組污染物排放清單的比較,探討不同的排放清單對傳輸規(guī)律造成的影響.排放清單選擇不同,對于城市尺度污染責任的界定可能會產生不同的結果.本文就從此角度來探討排放清單對城市尺度的污染責任的界定造成的影響.在同樣氣象條件下,選擇了當下模擬應用最廣泛的兩組排放清單進行傳輸規(guī)律的比較分析,其中一組排放清單來自政府的環(huán)境統(tǒng)計數(shù)據(jù)(以下稱:環(huán)統(tǒng)排放清單),另一組排放清單是來自清華大學開發(fā)的中國多尺度排放清單[8](Multi-resolution Emission Inventory for China,簡稱MEIC排放清單).研究采用WRF/CALPUFF耦合模型進行排放清單的比較分析.選取2012年污染最嚴重的12月為模擬月份,以京津冀地區(qū)為模擬區(qū)域,并選取了SO2、NO、PM2.5和PM10這四種典型的大氣污染物進行傳輸規(guī)律的比較分析.

本文研究主要從以下兩個方面開展:(1)從濃度空間分布方面對兩個排放清單模擬的結果進行比較;(2)從凈傳輸方向方面對兩個排放清單模擬的結果進行比較,重點分析兩種清單導致的污染物傳輸方向不一致的傳輸流.

1 研究方法

1.1 氣象模式

采用中尺度氣象模式WRF耦合空氣質量模型CALPUFF的氣象模塊CALMET對京津冀的氣象要素進行模擬.選用WRF/CALMET模式系統(tǒng)可以有效地模擬不同氣象條件下地表所表現(xiàn)出的不同變化特點,解決微氣象參數(shù)下的各種效應[8].

圖1 網格設置示意

氣象場模擬選取京津冀2012年污染最嚴重的12月進行模擬,采用兩層嵌套的中尺度氣象模型WRF,模型使用蘭伯特正形圓錐(LCC)投影,模擬區(qū)域中心為116.21°E,39.58°N,第一層網格(D1)分辨率為18km,網格數(shù)為60′63,第二層網格(D2)分辨率為6km,網格數(shù)為96′123.第一層網格包括京津冀及其周邊地區(qū),山東、山西、內蒙古以及遼寧的部分地區(qū),第二層網格完整的包括了京津冀地區(qū),兩層網格中心重疊.模擬區(qū)域如圖1所示.

CALPUFF是大氣環(huán)境影響評價的一種模型[10-11],在空氣質量模擬中具有廣泛的應用[12-15]. CALPUFF模型主要由三部分組成:診斷風場模塊(CALMET),高斯煙團擴散模塊(CALPUFF)以及后處理模塊(CALPOST)[16].在本次研究中,CALPUFF模型的模擬區(qū)域包括京津冀地區(qū)的整個區(qū)域.CALMET/CALPUFF模塊中11個垂直層高度分別設置為0、20、40、80、160、320、640、1200、2000、3000、4000m,網格設置為96′123,東西方向距離為576km,南北方向距離738km.CALMET模塊中的地形高度和土地利用數(shù)據(jù)分別采用SRTM3生成的地形數(shù)據(jù)和美國地質勘探局全球數(shù)據(jù)庫的土地利用數(shù)據(jù)[17-18].本文研究的污染物為SO2、NO、PM2.5以及PM10,基于這4種污染物的化學性質,在CALPUFF模塊中的化學轉換采用MESOPUFFII化學機制[16,19].在該機制中模擬的污染物為SO2、NO、PM2.5、PM10、SO42-、NO3-和HNO3.基于CALPUFF模塊模擬出的污染物濃度場文件,利用CALPOST模塊得到了SO2、NO、PM2.5以及PM10的濃度數(shù)據(jù).

1.3 城市源匯分區(qū)方法

對于城市源匯分區(qū)的方法,已經有研究者提出了科學的分類方法.本文應用王燕麗等[20]的研究方法,依據(jù)污染物傳輸矩陣計算傳輸量,并依據(jù)污染物傳輸量對城市群的源匯分區(qū)進行定義:將凈傳輸量(net)定義傳輸輸入量(in)與傳輸輸出量(out)之差.當凈傳輸量大于0時,則該城市受傳輸輸入大于其作為排放源的輸出,稱為凈輸入城市,即為匯;當凈傳輸量小于0時,則該城市作為排放源的輸出大于其受傳輸輸入,稱為凈輸出城市,即為源.公式表示如下:

net=in-out(1)

本文依據(jù)此方法,以區(qū)域間污染物的傳輸關系作為邊,以污染物的凈傳輸量作為邊權,應用網絡分析軟件Gephi構造污染物區(qū)域的傳輸網絡,繪制出兩種排放清單下污染物傳輸方向,并對城市源匯分區(qū)的比較分析.網絡分析軟件Gephi是一種交互的可視化平臺,它適用于各種網絡、復雜系統(tǒng)、動態(tài)和層次圖的可視化分析.Gephi主要應用在探索性數(shù)據(jù)分析中,對數(shù)據(jù)的關聯(lián)關系進行實時、直觀化分析[21-22].本文主要應用Gephi軟件來實現(xiàn)對城市間污染物傳輸關系的可視化.

2 兩種排放清單的比較

京津冀內有工業(yè)、居民、交通等多種排放源,其中工業(yè)源(包括電廠)占排放總量的絕大部分.根據(jù)中國環(huán)境統(tǒng)計公報,二氧化硫排放總量為2176萬t,其中90.28%來自工業(yè)源.氮氧化物排放總量2337.8萬t,其中70.93%來自工業(yè)源.工業(yè)廢氣煙塵排放量1029.3萬t,其中83.4%來自工業(yè)源[23].因此,我們選擇工業(yè)源進行兩種清單的比較分析,探討不同排放清單對大氣污染物傳輸規(guī)律造成的影響.

本文所選擇的環(huán)統(tǒng)排放清單來自于2012年環(huán)境統(tǒng)計的12929個工業(yè)點源,主要是從各級環(huán)保局統(tǒng)計收集而來.各點源的空間位置為京津冀城市群中工業(yè)企業(yè)和電廠的實際分布(如圖2(b)所示).另一種是清華大學發(fā)布的2012年MEIC排放清單(工業(yè)源和電力源)[7],排放空間分辨率為0.25′0.25°,它的空間分布較為規(guī)則(如圖2(a)所示).

圖2 兩種清單下排放源的空間位置分布((a)為MEIC排放清單,(b)為環(huán)統(tǒng)排放清單)

圖3 兩組排放清單中污染物排放總量對比

差值指環(huán)統(tǒng)排放清單中各城市的排放量減去MEIC排放清單中各城市的排放量

從圖3中看出,環(huán)統(tǒng)排放清單中大部分城市的排放量要比MEIC排放清單大8000~60000t左右.尤其是唐山,環(huán)統(tǒng)排放清單的排放量要比MEIC排放清單高出兩倍以上.除此之外,MEIC排放清單中某些城市(北京、滄州、衡水等)的排放量要比環(huán)統(tǒng)排放清單大一萬t左右.從圖3中也可以看出,無論是MEIC排放清單還是環(huán)統(tǒng)排放清單中,4種污染物中唐山均位于13座城市的首位,是污染最為嚴重的城市.衡水、廊坊以及秦皇島是污染排放量較低的城市.

3 模擬結果比較

3.1 模型驗證

2013年前,我國公布的空氣質量數(shù)據(jù)僅包含空氣污染指數(shù)API(Air Pollution Index)、首要污染物、空氣質量級別,缺乏4種污染物的監(jiān)測濃度數(shù)據(jù),無法直接將模擬濃度和監(jiān)測濃度數(shù)據(jù)比對來驗證模型的準確性.我們通過計算,利用API指數(shù)和首要污染物種類來計算得到首要污染物的濃度[24],計算公式如下:

(其中:C￡C￡C1) (2)

I:第種污染物的污染分指數(shù);C:第種污染物的濃度;I:第i種污染物轉折點的污染分指數(shù);I1:第種污染物1轉折點的污染分指數(shù);C:第種污染物轉折點上的濃度;C1:第種污染物1轉折點上的濃度.各轉折點值參考表1.

表1 空氣污染指數(shù)API各污染物濃度限值(μg/m3)

本研究所使用的空氣質量監(jiān)測數(shù)據(jù)主要來自中國生態(tài)環(huán)境保護部數(shù)據(jù)中心(http://datacenter.mep. gov.cn),包含2012年12月京津冀地區(qū)7個重點城市(北京、天津、石家莊、唐山、秦皇島、邯鄲以及保定)的API等污染指標的日監(jiān)測數(shù)據(jù).2012年12月各城市首要污染物為PM10的天數(shù)達到了21d以上,SO2和NO2作為首要污染物僅有1~9d,因而選取PM10來進行模擬濃度與監(jiān)測濃度的對比,一方面來驗證模型的準確性,另一方面來比較哪種排放清單下的模擬濃度與監(jiān)測濃度的準確性更高.

通過將模擬濃度與同期監(jiān)測濃度進行對比(如圖4所示),可以看出環(huán)統(tǒng)排放清單下污染物的模擬濃度與監(jiān)測濃度的擬合效果更好,其2達到了0.78.而MEIC排放清單的擬合效果稍差,其2為0.60.但是從總體上來看,兩種排放清單下PM10的模擬濃度與監(jiān)測濃度的擬合效果都基本滿足空氣質量模型驗證的相關要求[20,25].

圖4 模擬值與監(jiān)測值對比((a)為MEIC排放清單,(b)為環(huán)統(tǒng)排放清單)

3.2 濃度空間分布對比分析

從空間分布的角度來看(圖5),兩種排放清單下模擬的污染物濃度均呈現(xiàn)北部以唐山中心,南部以石家莊-邯鄲為中心的分布特征,均是由兩個濃度最高的中心向外逐漸降低.在4種污染物的濃度空間分布中,環(huán)統(tǒng)排放清單下模擬的污染物濃度高值區(qū)范圍更大,尤其是針對PM10的模擬結果.從各城市的污染物平均濃度來說(表2),基于環(huán)統(tǒng)排放清單模擬的大部分城市4種污染物的濃度均要高于MEIC排放清單.僅有部分城市(北京等)MEIC排放清單的模擬濃度要高于環(huán)統(tǒng)排放清單.

圖5 兩種排放清單中各污染物濃度的空間分布((a)~(d)為MEIC排放清單,(e)~(h)為環(huán)統(tǒng)排放清單)

造成空間分布差異性的原因主要有以下兩點:(1)排放位置的空間分布不同,MEIC排放清單的排放空間分辨率為0.25′0.25°,它的空間分布較規(guī)則,污染物點源排放空間精確位置被放大到了一個網格中.而環(huán)統(tǒng)排放清單的點源空間位置為京津冀城市群中工業(yè)企業(yè)的實際經緯度位置(如圖2所示).(2)排放量不同,通過上一節(jié)的研究,我們發(fā)現(xiàn)環(huán)統(tǒng)排放清單中點源匯總的大部分城市的排放量要高于MEIC排放清單,并且MEIC排放清單中各城市污染物排放量的差異要小于環(huán)統(tǒng)排放清單.

表2 兩種排放清單下各城市的平均濃度(μg/m3)

注:表中文字加粗的部分是基于MEIC排放清單模擬的污染物濃度高于環(huán)統(tǒng)排放清單的污染物濃度.

3.3 污染物傳輸方向的差異分析

污染物傳輸方向對于污染責任界定具有很大的影響.排放源城市是以污染物凈輸出為主的城市,即為源,而與此對應主要受其他城市影響的城市則為匯.通過對污染物的傳輸方向進行對比分析,可以有效的發(fā)現(xiàn)使用不同排放清單對污染責任方界定造成的影響.根據(jù)式(1),在MEIC排放清單中,邯鄲、石家莊、滄州和唐山是主要的源,以向周邊城市對外輸出為主.其凈傳輸量分別占PM2.5城市間凈傳輸總量的13%、16%、16%和26%.在環(huán)統(tǒng)排放清單中,唐山、石家莊和邯鄲也同樣是13座城市中典型的“源”,向周邊城市凈輸出,其凈傳輸量分別占PM2.5城市間凈傳輸總量的50%、16%和17%.兩個排放清單下計算得到源和匯的結果與王燕麗等[17]研究PM2.5在京津冀城市群傳輸?shù)慕Y果類似.

雖然在污染物的傳輸網絡圖中,兩種排放清單中城市間污染物傳輸方向一致的凈傳輸量占污染物凈傳輸總量的80%左右,但仍有10%~19%傳輸流方向不一致,從而造成某些城市源和匯的責任認定發(fā)生了變化.我們利用Gephi軟件將兩組排放清單中污染物傳輸方向不一致的傳輸流表示出來,如圖6所示.盡管傳輸方向不一致的凈傳輸量占所有凈傳輸量的比例不大,但仍對于污染責任界定具有重要的影響.

由圖6可見,對于4種污染物,在兩種排放清單下滄州與周邊城市的凈傳輸方向均存在較大差異.在MEIC排放清單中,滄州以向外凈傳輸為主,即為源;而在環(huán)統(tǒng)排放清單中,滄州則變成了凈輸入城市,即為匯.除此之外,衡水、保定、承德、天津、唐山以及秦皇島這幾座城市在兩組排放清單中某些污染物的凈傳輸方向也不同,例如對于NO而言(如圖6(a)所示),衡水在MEIC排放清單中表現(xiàn)為“源”,而在環(huán)統(tǒng)排放清單中表現(xiàn)為“匯”.衡水—石家莊、邢臺、邯鄲,保定—秦皇島和邯鄲,天津—唐山,廊坊—秦皇島,這幾個城市間的傳輸關系在兩種排放清單下的計算結果完全相反.根據(jù)MEIC排放清單模擬濃度結果顯示,這幾條凈傳輸方向是從“源”到“匯”,而根據(jù)環(huán)統(tǒng)排放清單模擬結果,凈傳輸方向則相反;對于SO2來說(如圖6(b)所示),根據(jù)MEIC排放清單模擬的結果,承德相對于河北省南部城市是凈輸出城市,但根據(jù)環(huán)統(tǒng)排放清單模擬的結果,承德則變成了凈輸入城市;對于PM2.5和PM10來說(如圖6(c)~(d)所示),傳輸方向差異比較類似,秦皇島和天津都是值得注意的城市,根據(jù)MEIC排放清單模擬的結果,秦皇島主要受到北京、保定和邢臺的凈輸入影響,相對這三個城市表現(xiàn)為“匯”,而根據(jù)環(huán)統(tǒng)排放清單,秦皇島則表現(xiàn)為“源”,向北京、邢臺凈輸出;在MEIC排放清單模擬結果中,天津相對于秦皇島、廊坊和邢臺是“源”的角色,但是在環(huán)統(tǒng)排放清單模擬結果中,天津則變成了“匯”.

造成污染物傳輸方向不一致的原因可能主要有以下兩點:(1)排放量是影響區(qū)域傳輸?shù)闹饕蛩?對于環(huán)統(tǒng)排放清單來說,真實排放源呈現(xiàn)出集中程度高的分布.因而,污染物的傳輸方向均是由排放量高的城市(石家莊等城市)向排放量低的城市(如滄州、衡水、承德等城市)傳輸.例如滄州、衡水、承德屬于排放量低的城市,其排放量均在500~5000t/月,其排放量僅占京津冀地區(qū)總排放量的8%左右,而石家莊、邯鄲這些排放量高的城市,其排放量占總排放量的53%,因而在環(huán)統(tǒng)排放清單中,排放量高的城市(石家莊等城市)向滄州等城市傳輸.(2)對于MEIC排放清單來說,排放源被網格化,集中程度被削弱.污染物的傳輸方向受到地形、風向等因素的影響增強[26-27],其傳輸方向并非均是由排放量高的城市向排放量低的城市傳輸.例如石家莊、邯鄲這些排放量高的城市也只占總排放量的32%,而排放量低的滄州、衡水、承德的排放量均在3000~7000t/月,其排放量也能占京津冀城市群總排放量的16%左右,受到地形、風向等因素的影響造成傳輸方向不一定是從高排放城市向低排放城市傳輸.

圖6 兩種排放清單下四種污染物(NOx、SO2、PM2.5以及PM10)的方向不同的傳輸流((1)為MEIC排放清單的結果,(2)為環(huán)統(tǒng)排放清單的結果)

邊和箭頭的不同顏色代表著不同的城市,箭頭方向為污染物的凈輸出方向

4 討論

在分析兩種排放清單對傳輸規(guī)律造成的影響基礎上,從排放源的空間分布、時間尺度和可獲性以及行業(yè)和污染物這三個方面對兩種排放清單的優(yōu)缺點進行了比較分析,并且基于我們的研究結果對排放清單的選取進行了推薦.從排放源的空間分布來說,環(huán)統(tǒng)排放清單中各污染點源的空間位置為各企業(yè)的實際經緯度位置;而MEIC排放清單是網格化的排放清單,其空間分辨率為0.25′0.25°,網格化了企業(yè)的實際位置.從時間尺度和可獲性來說,環(huán)統(tǒng)排放清單是一年一更新,但是由于數(shù)據(jù)保密的原因,僅能從各級環(huán)保局申請獲得.而MEIC清單是每兩年更新一次,在清華大學發(fā)布的中國多尺度排放清單的網站(http://www.meicmodel.org)就可以下載,較易獲得.從行業(yè)和污染物來講,環(huán)統(tǒng)排放清單包含30個行業(yè)的三種污染物(NO、SO2和煙粉塵)的排放量.而MEIC清單包含電力、工業(yè)、交通、居民以及農業(yè)五個類別十種大氣污染物(CO、CO2、NH3、NO、OC、PM10、PM2.5、SO2、VOC以及BC),其類別數(shù)雖少,但污染物種類更加豐富.因而,更加適合化學機制復雜的空氣質量模型.本研究僅研究工業(yè)源(包括電廠)污染物的傳輸規(guī)律,兩種清單模擬的濃度空間分布趨勢是類似的,但是依據(jù)本研究所得到的結果顯示:MEIC排放清單下污染物的模擬濃度與實際監(jiān)測濃度的2為0.60;而環(huán)統(tǒng)排放清單下污染物的模擬濃度與實際監(jiān)測濃度的擬合效果反而更好,其R2可達到0.78.因而,在僅研究京津冀區(qū)域點源時選擇環(huán)統(tǒng)排放清單來進行污染物的模擬,更貼近實際情況.

本研究分析不同排放清單對污染物濃度的模擬、污染物傳輸方向等造成的影響,發(fā)現(xiàn)了排放清單不同會產生不同的結論.其中,污染物的傳輸方向和排放源城市對于污染責任的界定具有重要作用.排放清單選擇不同,對于城市尺度的污染責任的界定可能會產生相反的結果.因而,將空氣質量模擬應用于環(huán)境管理中時,要注意排放清單的選擇.本文選取的兩種排放清單在完全相同的氣象條件下雖然模擬結果總體有較大的一致性,但是對城市級別的精細化管理來說,還是在局部城市間傳輸規(guī)律上具有差異,這種差異可能會影響到大氣聯(lián)防聯(lián)控中各城市源匯責任的認定.在未來的研究中,將選取目前國家正在編制的京津冀及周邊地區(qū)的源清單進行多種排放清單的比較分析.通過比較分析選擇出適合空氣質量模型模擬區(qū)域傳輸?shù)呐欧徘鍐?從而為京津冀地區(qū)環(huán)境管理提供科技支撐.

5 結語

從兩種清單的排放量來看,環(huán)統(tǒng)排放清單中點源匯總的大部分城市的排放量要比MEIC排放清單大8000~60000t左右.尤其是唐山,環(huán)統(tǒng)排放清單的排放量要比MEIC排放清單高出兩倍以上.從模擬濃度來看,兩種排放清單下污染物濃度均呈現(xiàn)中心分布特征,均是由兩個濃度最高的中心河北省東北部(唐山市及周邊地區(qū))以及河北省西南部(石家莊、邢臺和邯鄲)向外逐漸降低.在四種污染物的濃度空間分布中,環(huán)統(tǒng)排放清單下污染物由兩個濃度高值中心向周邊城市擴散范圍更大.基于環(huán)統(tǒng)排放清單模擬的大部分城市四種污染物的濃度均要高于MEIC排放清單模擬的結果,僅有部分城市(北京等)MEIC排放清單的模擬濃度要高于環(huán)統(tǒng)排放清單.從污染物的傳輸方向來看,雖然兩種排放清單中城市間污染物傳輸方向一致的凈傳輸量占污染物凈傳輸總量的80%左右,但仍有10%~19%.的傳輸流方向不一致.最典型的是滄州市,全部四種污染物在兩類清單下模擬的傳輸方向都不一致.除此之外,衡水、保定、承德、天津、唐山以及秦皇島這幾座城市在某類污染物的凈傳輸方向也不同.例如對于NO而言,衡水在MEIC排放清單中表現(xiàn)為“源”,而在環(huán)統(tǒng)排放清單中表現(xiàn)為“匯”.造成兩種排放清單污染物傳輸方向不一致的原因主要是排放量的高低以及排放源位置空間分布.對于環(huán)統(tǒng)排放清單來說,其排放源呈現(xiàn)出集中程度高的分布,城市排放量差異顯著.而對于MEIC排放清單來說,排放源被網格化,集中程度被削弱,表現(xiàn)為污染物的傳輸方向受到地形、風向等因素的影響增強.

[1] Yan D, Lei Y, Shi Y, et al. Evolution of the spatiotemporal pattern of PM2.5concentrations in China-A case study from the Beijing- Tianjin-Hebei region [J]. Atmospheric Environment, 2018,183:225- 233.

[2] Wu D, Xu Y, Zhang S. Will joint regional air pollution control be more cost-effective? An empirical study of China's Beijing-Tianjin-Hebei region [J]. Journal of Environmental Management, 2015,149:27-36.

[3] Itahashi S, Uno I, Osada K, et al. Nitrate transboundary heavy pollution over East Asia in winter [J]. Atmospheric Chemistry and Physics, 2017,17(6):3823-3843.

[4] Lin J, Pan D, Davis S J, et al. China's international trade and air pollution in the United States [J]. Proceedings of the National Academy of Sciences, 2014,111(5):1736-1741.

[5] 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, 2014,(6):1361-1368. Xue W B, Fu F, Wang J N, et al. Numerical study on the characteristics of regional transport of PM2.5in China [J]. China Environmental Science, 2014,(6):1361-1368.

[6] Wang Y, Bao S, Wang S, et al. Local and regional contributions to fine particulate matter in Beijing during heavy haze episodes [J]. Science of The Total Environment, 2017,580:283-296.

[7] 胡亞男,馬曉燕,沙 桐,等.不同排放源對華東地區(qū)PM2.5影響的數(shù)值模擬 [J]. 中國環(huán)境科學, 2018,38(5):1616-1628. Hu Y N, Ma X Y, Sha T, et al. Impact of different emission sources on PM2.5over East China based on numerical study [J]. China Environmental Science, 2018,38(5):1616-1628.

[8] Li M, Zhang Q, Kurokawa J, et al. MIX: A mosaic Asian anthropogenic emission inventory for the MICS-Asia and the HTAP projects [J]. Atmospheric Chemistry and Physics Discussions, 2015, 15(23):34813-34869.

[9] Scire J S, Robe F R, Fernau M E, et al. A user's guide for the CALMET meteorological model (Version 5) [J]. Earth Tech, 1998.

[10] EPA. User's guide for the industrial source complex (ISC2) dispersion models. volume 2: description of model algorithms [Z]. U.S. Environmental Protection Agency Office of Air Quality Planning & Standards Research Triangle, 1992.

[11] EPA. User's guide for the industrial source complex (ISC2) dispersion models. volume 1: Description of model algorithms [Z]. U.S. Environmental Protection Agency Office of Air Quality Planning & Standards Research Triangle, 1992.

[12] Visscher A D. Air dispersion modeling: Foundations and applications [M]. A John Wiley & Sons, Inc., Publication, 2014:149-163.

[13] Abdul-Wahab S, Sappurd A, Al-Damkhi A. Application of California Puff (CALPUFF) model: A case study for Oman [J]. Clean Technologies and Environmental Policy, 2011,13(1):177-189.

[14] Dresser A L, Huizer R D. CALPUFF and AERMOD model validation study in the near field: Martins Creek revisited [J]. J. Air Waste Manag Assoc, 2011,61(6):647-659.

[15] Wu H, Zhang Y, Yu Q, et al. Application of an integrated Weather Research and Forecasting (WRF)/CALPUFF modeling tool for source apportionment of atmospheric pollutants for air quality management: A case study in the urban area of Benxi, China [J]. 2018,68(4):347- 368.

[16] Scire J S, Strimaitis D G, Yamartino R J. A user's guide for the CALPUFF dispersion model [J]. Journal of Non-Newtonian Fluid Mechanics, 2000,223:257.

[17] 伯 鑫,吳忠祥,王 剛,等. CALPUFF模式的標準化應用技術研究 [J]. 環(huán)境科學與技術, 2014,(S2):530-534. Bo X, Wu Z X, Wang G, et al. Study on the standardized application of CALPUFF model [J]. Environmental Science& Technology, 2014,(S2): 530-534.

[18] 伯 鑫,王 剛,溫 柔,等.京津冀地區(qū)火電企業(yè)的大氣污染影響 [J]. 中國環(huán)境科學, 2015,35(2):364-373. Bo X, Wang G, Wen R, et al. Air pollution effect of the thermal power plants in Beijing-Tianjin-Hebei region [J]. China Environmental Science, 2015,35(2):364-373.

[19] Jin X, Fiore A M, Murray L T, et al. Evaluating a space-based indicator of surface ozone-NO-VOC sensitivity over midlatitude source regions and application to decadal trends [J]. Journal of Geophysical Research: Atmospheres, 2017,122(19):10,410-439,461.

[20] 王燕麗,薛文博,雷 宇,等.京津冀區(qū)域PM2.5污染相互輸送特征 [J]. 環(huán)境科學, 2017,38(12):4897-4904. Wang Y L, Xue W B, Lei Y, et al. Regional transport matrix study of PM2.5in Jingjinji region, 2015 [J]. Environmental Science, 2017, 38(12):4897-4904.

[21] Cherven K. Network graph analysis and visualization with Gephi [J]. 2013.

[22] 關迎暉,向 勇,陳 康.基于Gephi的可視分析方法研究與應用 [J]. 電信科學, 2013,29(S1):112-119. Guan Y H, Xiang Y, Chen K. Research and application of visual analysis method based on Gephi [J]. Telecommunications Science, 2013,29(S1):112-119.

[23] 中華人民共和國環(huán)境保護部.2012中國環(huán)境狀況公報 [R]. 2013. Ministry of Ecology and Environmental Protection of China. Report on the State of the Environment in China: 2012 [R]. 2013.

[24] 李 薛,龔紹琦,付東洋,等.上海市PM10濃度四季遙感模型研究 [J]. 大氣科學學報, 2016,39(1):126-132. Li X, Gong S Q, Fu D Y, et al. Study on the four—season remote sensing models of PM10concentration in Shanghai [J]. Transactions of Atmospheric Sciences, 2016,39(1):126-132.

[25] EPA. Clean Air Interstate Rule [Z]. 2013.

[26] Zhu W, Xu X, Zheng J, et al. The characteristics of abnormal wintertime pollution events in the Jing-Jin-Ji region and its relationships with meteorological factors [J]. Science of The Total Environment, 2018,626:887-898.

[27] 劉咸德,李 軍,趙 越,等.北京地區(qū)大氣顆粒物污染的風向因素研究 [J]. 中國環(huán)境科學, 2010,30(1):1-6. Liu X D, Li J, Zhao Y, et al. Impact of wind direction on atmospheric particulate matter concentrations in Beijing [J]. China Environmental Science, 2010,30(1):1-6.

Atmospheric transmission rule on air pollution in Beijing-Tianjin-Hebei urban agglomeration: A comparative analysis of two emission inventories.

WANG Yuan1, LI Yue1, QIAO Zhi1*, LU Ya-ling1,2

(1.School of Environmental Science and Engineering, Tianjin University, Tianjin 300350, China；2.Chinese Academy for Environmental Planning, Beijing 100012, China)., 2019,39(11)：4561~4569

In this study, the Weather Research and Forecasting (WRF) model coupled with the California Puff (CALPUFF) air quality model was applied to study the effects of different emission inventories on the regional contribution of atmospheric transmission in the Beijing-Tianjin-Hebei urban agglomeration under heavy pollution weather conditions. The results of four pollutants was compared (NO, SO2, PM2.5and PM10) from two sets of typical emission inventories (the Environmental Statistics Emission Inventory from government and the Multi-resolution Emission Inventory for China (MEIC) from Qinghua University). From the perspective of the spatial distribution of the simulated concentrations, the results based on the two sets of emission inventories in December 2012 were similar. The concentration of pollutants under two emission inventories showed a central distribution, with Tangshan as the centre in north and Shijiazhuang-Handan as centre in the south. However, there were still some significant differences in the transmission roles of some cities based on different emission inventory inputs. For example, for the four pollutants, the transmission direction between Cangzhou and its surrounding cities were completely opposite under the two emission inventories. Cangzhou was the relativer source city among the thirteen cities based on the MEIC emissions inventories. However, based on Environmental Statistics Emission Inventory, Cangzhou was a receptor city. These conclusions will affect the identification of the source and receptors cities in air pollution joint prevention and control. In environmental management, we should pay attention to the verification and comparison of different emissions inventories.

CALPUFF；Beijing-Tianjin-Hebei urban agglomeration；transmission rule；transfer network of pollutants

X32,X82

A

1000-6923(2019)11-4561-09

王 媛(1977-),女,天津人,教授,博士,主要研究方向資源與環(huán)境管理.發(fā)表論文20余篇.

2019-03-31

國家重點研發(fā)計劃(2018YFC0213600);國家自然科學基金(41871211,41571522);天津市自然科學基金(16JCQNJC08900)

* 責任作者, 講師, qiaozhi@tju.edu.cn