杭州G20期間PM2.5污染過程的模擬

薛松　戴維　顏佳任

摘 要：隨著經濟的發(fā)展和城市化進程的加快，我國城市大氣污染已經成為首要環(huán)境問題，其中以PM2.5污染最為嚴重。G20峰會期間杭州地區(qū)從2日17時至4日18時出現(xiàn)了兩次污染過程，PM2.5質量濃度峰值分別為3日00時的65.3μg/m3和4日01時的54.7μg/m3，兩次污染過程均發(fā)生在夜間。本文利用WRF-Chem模式，模擬了9月2—4日的PM2.5污染過程，研究了減排區(qū)域內排放源對PM2.5顆粒物的貢獻率和污染過程的天氣條件，模擬結果表明：2日—4日減排區(qū)域內貢獻率平均值為714%，兩次污染過程中PM2.5質量濃度達到峰值時減排區(qū)域內排放源貢獻率分別為86.7%和77.7%，與平均值相比都有提高，在整個污染過程中PM2.5顆粒物的貢獻主要以減排區(qū)域內貢獻為主。發(fā)現(xiàn)在減排背景下，氣象條件是產生污染的主要原因，杭州地區(qū)上空邊界層內空氣層結處于靜力穩(wěn)定狀態(tài)，在850hPa上受高壓控制，地面風場較弱這些天氣條件不利于杭州地區(qū)污染物擴散，導致污染物在杭州地區(qū)堆積。

關鍵詞：PM2.5;WRF-Chem;減排區(qū)域內貢獻

1 緒論

隨著經濟的發(fā)展和人民生活水平的提高，大氣污染越來越受到人們關注，PM2.5污染作為大氣污染中的一種，成為嚴峻的大氣環(huán)境問題。研究指出，大氣氣溶膠的粒徑分布、化學成分和時空變化等決定了顆粒物的健康效應和環(huán)境效應（Castro et al.，2010），大氣顆粒物尤其是粒徑較小的細顆粒物會危及人體健康，包括引發(fā)呼吸系統(tǒng)疾病等（Holmes，2007）。目前，WRF-Chem模式已經廣泛的應用于區(qū)域空氣質量的研究（Easter et al.，2004），有大量的學者使用WRF-Chem模式研究了不同地區(qū)的污染過程，揭示了地區(qū)間污染物相互傳輸和氣象條件的關系。Lee et al.（2006）使用WRF-Chem模式研究發(fā)現(xiàn)香港和珠三角地區(qū)的污染有一定的相關性。封藝等（2015）通過WRF-Chem模式研究了長江三角城市群相互輸送污染物的比例。Milford et al.（2013）發(fā)現(xiàn)歐洲西南部的PM2.5污染和西班牙西南部、葡萄牙地區(qū)的輸送有關。楊鵬等（2016）研究了南京地區(qū)夏季的一次PM2.5污染過程，發(fā)現(xiàn)南京東部上游地區(qū)輸送和氣象條件的共同影響下形成此次污染過程。

另一方面也有學者研究了大型活動政策性減排措施對空氣質量改善效果的影響。徐敬等（2016）將減排區(qū)域設置為敏感源區(qū)和重點區(qū)域，在使用相同的減排策略時，對比兩種減排策略發(fā)現(xiàn)二者都可以明顯降低當?shù)氐腜M2.5濃度。通過，比較不同減排策略的表現(xiàn)后發(fā)現(xiàn)，、敏感源區(qū)方案的減排效率要高于重點區(qū)域減排方案，當敏感源區(qū)PM2.5的排放量僅僅減少重點區(qū)域削減量的20%的情況下，就可以達到重點區(qū)域方案總體減排效果的60%～90%。Liu et al.（2012）使用基于遙感的統(tǒng)計模型研究奧運會期間減排措施對PM2.5質量濃度影響發(fā)現(xiàn)，奧運會前后實施的減排策略使得北京PM2.5質量濃度下降了27%～33%。李荔等（2016）使用南京青奧會期間的減排方案模擬了南京地區(qū)大氣空氣質量的變化發(fā)現(xiàn)，大氣污染物SO2、NOx和煙粉塵濃度相比為減排時減少了24%、30%和27%，此外，減排措施的實施直接使得南京地區(qū)PM2.5質量濃度降低了21%。Guo et al.（2016）使用空氣質量模型模擬了2014年北京APEC會議召開前后“APEC藍”期間，大氣污染物濃度的濃度變化，研究發(fā)現(xiàn)當減少本地一次排放源將使得PM2.5、PM10、NO2、CO濃度分別減22%、24%、10%、22%，同時也對比設置另一種情境，當減少周圍區(qū)域污染物排放時，發(fā)現(xiàn)PM2.5、PM10、NO2、CO的濃度分別減少了14%、14%、8%、13%，研究表明改善北京地區(qū)空氣質量最直接有效的減排策略是直接減少北京地區(qū)的污染物排放，另一方面也表明，北京周邊地區(qū)排放的污染物也對北京地區(qū)的空氣質量產生了不可忽視的影響。

杭州是長三角地區(qū)的經濟發(fā)達城市之一，也是著名的旅游城市，隨著城市化的迅猛發(fā)展，城市空氣質量明顯下降，污染日趨嚴重。為了保障2016年9月4—5日G20峰會期間杭州城區(qū)的空氣質量，杭州市在2016年8月24日至9月6日期間采取了嚴格的減排限排措施，為我們提供了研究杭州的空氣質量影響因素的理想試驗條件。在減排期間，杭州市城市背景站（杭州國家氣候基準站）的觀測數(shù)據(jù)中仍發(fā)現(xiàn)在9月2日17時—4日18時（北京時間，下同）有兩次PM2.5質量濃度升高的過程。本文研究了減排區(qū)域內排放源對觀測點PM2.5顆粒物的貢獻率和污染過程的天氣條件，為今后的減排措施提供更多的啟示。

2 資料和方法

2.1 觀測和站點

觀測時間為2016年9月2日00：00—2016年9月7日08：00，觀測資料為杭州國家基準氣候站（30.23°N，120.17°E，海拔43.3m）（以下簡稱杭州站）的溫度、氣壓、風速、風向、PM2.5質量濃度、PM10質量濃度和臨安大氣本底站（30.3°N，119.73°E，海拔138.6m）（以下簡稱臨安站）的PM10質量濃度。

2.2 模式介紹和設置

本研究采用的WRF-Chem模式是由美國大氣研究中心（NCAR）、美國太平洋西北國家實驗室（PNNL）、美國國家海洋及大氣管理局（NOAA）共同開發(fā)完成的的中尺度大氣動力—化學耦合模式，該模式除了可以計算各種動力參數(shù)和微物理變量（如風溫度邊界層云雨過程等）外，在其化學部分還包括了完整的傳輸（平流對流和擴散）、干/濕沉降、化學過程，模式最大的優(yōu)點是氣象模塊與化學傳輸模塊在時間和空間分辨率上完全耦合。試驗采用的WRF-Chem版本為3.6.1。研究區(qū)域為我國東部地區(qū)，模式使用了兩層嵌套區(qū)域模擬方案（如圖1a所示），中心經緯度為30°N，120°E，投影方式為Lambert投影，兩條標準緯度分別為30°N和60°N。外層網格數(shù)為85×95，水平分辨率為12km，內層網格數(shù)為118×142，水平分辨率為4km，垂直方向劃分為31層。氣象輸入數(shù)據(jù)采用美國國家環(huán)境預測中心（NCEP）發(fā)布的再分析數(shù)據(jù)，網格分辨率為1°×1°，時間分辨率為6h。WRF-Chem模式的氣相化學機制選用CBM-Z方案，氣溶膠方案為MOSAIC。光化學反應過程所需要的光解率由在線的Fast-J方法計算，選用了Lin微物理參數(shù)化方案、RRTM長波輻射方案、Goddard短波輻射方案、Noah陸面方案和YSU邊界層方案。

2.3 排放源清單和減排區(qū)域設置

模式兩層嵌套網格使用的人為源排放源清單來自中國多尺度排放清單模型（MEIC，2012年），生物質排放源采用Model of Emissions and Gases from Nature（MEGAN）（https：//www.acom.ucar.edu/wrf-chem/download.shtml），模式的化學和初始邊界條件由Model for Ozone And Related Chemical Traces version（MOZART）（https：//www.acom.ucar.edu/wrf-chem/mozart.shtml）提供。杭州G20會議環(huán)境質量保障時間為8月24日—9月6日，根據(jù)《浙江省環(huán)境質量保障方案》設置減排區(qū)域如表1，減排區(qū)域如圖1（b）所示。

模式預熱時間為2016年8月31日08：00—9月2日08：00，模擬時間為2016年9月2日08：00—7日08：00。試驗包括：A.實施人為源減排措施的情景模擬;B.清除減排區(qū)域內污染物的情景模擬。

3 結果驗證

G20會議期間杭州站PM2.5平均質量濃度為24.7μg/m3，與前后平均值30.1μg/m3和37.2μg/m3相比，杭州站的PM2.5質量濃度下降了15%～30%;PM10平均質量濃度為42.2μg/m3，與前后平均值47.1μg/m3和58.9μg/m3相比，質量濃度下降了10%～25%;AQI空氣質量指數(shù)在G20峰會期間達到了良好的標準。圖1為杭州站氣象要素、PM10和臨安站PM10的模擬結果和觀測結果的對比。根據(jù)對比可以發(fā)現(xiàn)，模擬數(shù)據(jù)和觀測數(shù)據(jù)較為吻合，杭州站的氣象要素相關系數(shù)為：溫度0.85、風速0.56、風向0.5，杭州站和臨安站的大氣顆粒物PM10相關系數(shù)分別為0.65和0.51，總體上模擬效果良好。

4 結果分析

4.1 氣溶膠污染過程

在圖3中使用黑色方框標出了兩次PM2.5污染事件，分別為9月2日17時-9月3日16時、9月3日17時—9月4日18時。PM2.5質量濃度在9月3日凌晨上升到65.2μg/m3，到3日下午16時下降至16.3μg/m3，而后在4日凌晨又上升到547μg/m3，隨后下降并穩(wěn)定在10～30μg/m3。杭州以及周邊地區(qū)在8月24日—9月6日期間實行了嚴格的管控措施，而9月2日17時—4日18時出現(xiàn)了兩次PM2.5質量濃度劇烈上升的過程，本文以兩次過程為例分析此次減排期間杭州地區(qū)PM2.5污染事件的形成原因和PM2.5的來源。圖4是9月2日12時開始，每隔6小時的近地層PM2.5質量濃度分布和10m風場。由圖4可見，在2日12時（a）和2日18時（b）杭州地區(qū)處于較為清潔區(qū)域，而在杭州地區(qū)污染物質量濃度較高的時刻3日00時（c）和3日06時（d）時由于東側海上吹偏東風，西側風速較弱且以東風為主，杭州地區(qū)處于風速風向的輻合帶中，同時杭州地區(qū)的北側則有個PM2.5的污染帶。隨后由于風速的加大，污染物迅速消散，如圖4（e）。第二次污染過程與第一次相類似，如圖4（f）、4（g）、4（h）。

4.2 減排區(qū)域內貢獻

利用如下公式計算杭州站減排區(qū)域內貢獻所占比例：減排區(qū)域內貢獻率=A-BA×100%（A：減排情景下杭州站污染物的質量濃度，B：清除減排區(qū)域內污染物時杭州站污染物的質量濃度），以評價減排區(qū)域內排放源對污染物質量濃度的影響。9月2—5日中PM2.5和PM10兩種污染物的每日本地貢獻率分別為757%、79.8%、65.3%、15.1%和70.0%、73.4%、542%、104%，在2—4日的污染過程發(fā)生時PM2.5和PM10減排區(qū)域內貢獻率在65.3%～79.8%之間，說明在這三天中污染物的來源主要是以減排區(qū)域內貢獻為主。為了更加詳細研究減排區(qū)域內貢獻率和PM2.5質量濃度的關系，繪制了PM2.5、PM10兩種污染物逐小時的減排區(qū)域內貢獻率、減排區(qū)域外貢獻PM2.5質量濃度、杭州站模擬PM2.5質量濃度，如圖5?？梢园l(fā)現(xiàn)，PM2.5逐小時減排區(qū)域內貢獻率在9月2日16時—4日17時這段時間內與PM2.5質量濃度變化一致。圖5中減排區(qū)域外貢獻PM2.5質量濃度在2日—5日沒有明顯變化，只有在2日—4日污染過程中略有升高。表2中列出了杭州站2日-5日PM2.5污染物的平均濃度、3日和4日污染物的峰值濃度以及相應時刻的減排區(qū)域內、外貢獻率，從表中3日PM2.5質量濃度峰值所對應的減排區(qū)域內貢獻為83.65%，與平均值相比增加了48.09μg/m3，而外來貢獻占比16.35%，與平均值相比增加了6.65μg/m3。同時，4日PM2.5質量濃度對應的峰值為39.28μg/m3，此時減排區(qū)域貢獻為7166%、減排區(qū)域外貢獻為28.34%，與平均值相比增量分別為14.72μg/m3和5.76μg/m3。說明污染過程中杭州站的污染物以減排區(qū)域內貢獻為主，減排區(qū)域外貢獻雖然在污染發(fā)生時有小幅上升，但是與減排區(qū)域內貢獻相比較小。

4.3 氣象擴散條件

圖6是2016年9月2日20時和9月3日20時的地面氣壓場及850hPa高度場、風場。如圖6a，通過分析850hPa高度場的位勢高度，發(fā)現(xiàn)副熱帶高壓位于東海，并沒有控制在大陸上空，我國大陸幾乎不受副熱帶高壓的影響，但是杭州位于的長江中下游地區(qū)，則受副熱帶高壓控制，此外，在華南地區(qū)上空我們也發(fā)現(xiàn)有條切變線控制。通過分析海平面氣壓圖（圖6b）上，海南島至華南一帶受一熱帶低壓影響，但是我國東部地區(qū)的等壓線較為稀疏，氣壓梯度力較小，導致風速較小。杭州以及周邊地區(qū)在850hPa上受高壓影響，位于海平面氣壓場上低壓控制地區(qū)的北側，使得杭州地區(qū)的垂直方向上大氣運動是向下的，也就是下沉的，杭州地區(qū)水平方向上氣壓梯度力較小，使得地面風速較小，杭州地區(qū)處于靜風控制，不利于污染物的擴散。而到9月3日850hPa高度場（6c）上副高增強控制著長江中下游地區(qū)，海平面氣壓場則與前一日相比沒有明顯變化。

另一方面，由于杭州市以及周邊地區(qū)大氣穩(wěn)定度較高，不利于污染物擴散。圖7顯示，在污染過程期間杭州地區(qū)邊界層的高度在200～300m之間，而杭州周邊地區(qū)的邊界層高度較高，杭州地區(qū)氣溶膠擴散條件較差。圖8為污染期間PM2.5污染物的垂直分布情況，圖8a是9月3日00時沿東西方向的剖面圖，剖線位置如圖7中橫線。由圖7可見，PM2.5主要集中在600m左右，同時，我們分析風場發(fā)現(xiàn)，在PM2.5濃度大值區(qū)的東側風向向上，西側向下，有明顯的海陸風形成，杭州灣附近形成的海路風循環(huán)，將東側的污染物在600m左右的高度輸送至杭州地區(qū)上空，而后由于風向向下堆積在杭州地區(qū)。另一方面，我們分析圖中的溫度場發(fā)現(xiàn)，此時杭州地區(qū)上空的溫度線分布較為稀疏，溫度梯度較弱，但是在900m以上高度的空中等溫線相對又變得密集，溫度梯度又逐漸加強，這種類似的氣象條件不利于污染物擴散。由圖8b，剖線位置如圖7中的縱線，3日00時南北方向上的PM2.5污染物主要集中在400m以下的高度中，在這一高度上風速大且以下沉氣流為主，杭州上空等溫線成垂直分布，而且較為稀疏，不利于污染物的抬升擴散。而到了4日00時（如圖8c和8d），東西方向剖面氣象場形勢與3日00時相似，但是污染物集中在杭州地區(qū)近地層附近，PM25質量濃度也有所降低。南北方向剖面（圖8d）在杭州地區(qū)上空也存在逆溫層，垂直風速向下，不利于污染物擴散。兩次污染過程氣象場相似，均是環(huán)流形勢以下沉運動為主、水平風速較小、存在逆溫層，同時海陸風在此次污染過程中也起到了一定的作用，杭州地區(qū)正好處于下沉區(qū)。

5 結論

2016年9月3—4日杭州G20峰會期間，在施行了嚴格的減排措施的控制下仍然產生了兩次PM2.5污染事件，在短時間內PM2.5質量濃度快速上升，而后迅速消散。污染過程與天氣形勢密切相關，850hPa上受高壓控制，地面等壓線稀疏風速較小不利于污染物的擴散。從垂直氣象條件來看，此次PM2.5污染發(fā)生時，杭州地區(qū)上空溫度垂直梯度較小，邊界層高度較低，垂直高度上的大氣較為穩(wěn)定以及海陸風的作用，這些條件為污染物集聚提供了適宜的環(huán)境。模式的結果顯示，在非污染過程時段，減排區(qū)域內對杭州站PM2.5質量濃度貢獻率為68.9%。污染發(fā)生時減排區(qū)域外對杭州站PM2.5質量濃度貢獻率雖然有所上升，但是相對于減排區(qū)域內貢獻率（最高時達到83.7%）則顯得較小，因此杭州站此次PM2.5污染以減排區(qū)域內貢獻為主。

參考文獻：

[1]Castro A，Alonsoblanco E，Gonzálezcolino M，et al.Aerosol size distribution in precipitation events in León，Spain[J].Atmospheric Research，2010，96（2）：421-435.

[2]Easter R C，Ghan S J，Zhang Y，etal.MIRAGE：Model description and evaluation of aerosols and trace gases[J].Journal of Geophysical Research，2004，109（D20）：409-420.

[3]封藝，劉紅年，孫凱.長三角城市群污染輸送相互影響的敏感性試驗[J].環(huán)境監(jiān)控與預警，2016，8（1）：5-12.

[4]Guo J，He J，Liu H，et al.Impact of various emission control schemes on air quality using WRF-Chem during APEC China 2014[J].Atmospheric Environment，2016，140：311-319.

[5]Lee Y C，Savtchenko A.Relationship between Air Pollution in Hong Kong and in the Pearl River Delta Region of South China in 2003 and 2004：An Analysis[J].Journal of Applied Meteorology and Climatology，2006，45（2）：269-282.

[6]李荔，劉倩，李冰，等.南京青奧會期間管控措施空氣質量改善效果評估[J].環(huán)境科學研究，2016，29（2）：175-182.

[7]Liu Y，He K，Li S，et al.A statistical model to evaluate the effectiveness of PM2.5emissions control during the Beijing 2008 Olympic Games[J].Environment International，2012，44：100-105.

[8]Milford C，Castell N，Marrero C，et al.Measurements and simulation of speciated PM2.5 in south-west Europe[J].Atmospheric Environment，2013，77（77）：36-50.

[9]N.S.Holmes.A review of particle formation events and growth in the atmosphere in the various environments and discussion of mechanistic implications[J].Atmospheric Environment，2007，41（10）：2183-2201.

[10]徐敬，張小玲，蔡旭暉，等.基于敏感源分析的動態(tài)大氣污染排放方案模擬[J].應用氣象學報，2016，27（6）：654-665.

[11]楊鵬，朱彬，高晉徽，等.一次以南京為中心的夏季PM2.5污染島污染事件的數(shù)值模擬[J].中國環(huán)境科學，2016，36（2）：321-330.