甘肅省冬季顆粒物濃度的數(shù)值模擬

王思潼, 王 穎,2*, 劉 灝, 秦 闖, 李 博, 劉 揚(yáng), 李雪超

1.蘭州大學(xué)大氣科學(xué)學(xué)院， 甘肅 蘭州 730000 2.蘭州大學(xué), 半干旱氣候變化教育部重點(diǎn)實(shí)驗(yàn)室， 甘肅 蘭州 730000 3.中國(guó)人民解放軍空軍95605部隊(duì)氣象臺(tái)， 重慶 402360

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展、城市化進(jìn)程的不斷加快以及汽車(chē)保有量的迅速增加，我國(guó)空氣污染形勢(shì)已經(jīng)從局地的煤煙型污染轉(zhuǎn)變?yōu)閰^(qū)域性的復(fù)合型污染[1]. 空氣污染不僅影響環(huán)境空氣質(zhì)量[2]，還會(huì)影響人類(lèi)身體健康[3]，甚至影響區(qū)域氣候的變化[4]，大氣污染已成為制約當(dāng)今經(jīng)濟(jì)社會(huì)健康發(fā)展的主要因素之一. 污染成因分析及防治對(duì)策研究已經(jīng)成為大氣科學(xué)研究的重點(diǎn)和熱點(diǎn)內(nèi)容[5]. 環(huán)境空氣質(zhì)量數(shù)值模擬作為大氣環(huán)境問(wèn)題研究的主要方法之一，在環(huán)境空氣質(zhì)量評(píng)估[6]、污染治理和環(huán)境管理[7]等方面有廣泛應(yīng)用.

甘肅省地處黃土高原、青藏高原和內(nèi)蒙古高原三大高原的交匯地帶，西部及北部均有沙漠，是西北乃至全國(guó)重要的生態(tài)屏障[8]. 甘肅省地形復(fù)雜、地貌多樣，特別是中東部城市呈現(xiàn)四面環(huán)山、河谷地形等特點(diǎn)，導(dǎo)致了地區(qū)空氣流動(dòng)較差，不利于污染物的擴(kuò)散和稀釋[9]；西部的河西五市(酒泉市、嘉峪關(guān)市、金昌市、張掖市和武威市)受沙塵天氣影響嚴(yán)重，這樣特殊的自然條件和氣象條件嚴(yán)重影響了甘肅省的環(huán)境空氣質(zhì)量，特別是冬季采暖期，污染物排放總量增加和不利的擴(kuò)散條件使得顆粒物污染尤為突出. 《2017年甘肅省環(huán)境狀況公報(bào)》和《2018年甘肅省環(huán)境狀況公報(bào)》顯示：不考慮沙塵天氣過(guò)程影響，2017—2018年全省14個(gè)市州的顆粒物濃度有所上升，污染加重；2017年和2018年分別有13個(gè)和10個(gè)市州的可吸入顆粒物(PM10)濃度未達(dá)到GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》二級(jí)標(biāo)準(zhǔn)，分別有8個(gè)和6個(gè)市州的細(xì)顆粒物(PM2.5)濃度未達(dá)標(biāo). 2017—2018年14個(gè)市州的平均環(huán)境空氣質(zhì)量綜合指數(shù)呈現(xiàn)下降趨勢(shì). 由此可見(jiàn)，甘肅省大氣污染形勢(shì)較為嚴(yán)峻. 因此，根據(jù)污染源排放特點(diǎn)和區(qū)域氣象條件，以數(shù)值模擬為手段，分析污染物空間分布特征和污染程度，對(duì)采取針對(duì)性的污染治理措施進(jìn)而改善甘肅省環(huán)境空氣質(zhì)量有重要意義.

國(guó)內(nèi)外科研工作者利用WRF-Chem (weather research and forecasting model coupled to chemistry)空氣質(zhì)量模式對(duì)空氣污染問(wèn)題進(jìn)行了大量的研究. 研究[10-18]表明，WRF-Chem對(duì)大氣污染物(尤其是O3和PM2.5)的時(shí)空變化特征以及沙塵過(guò)程、光化學(xué)污染過(guò)程的模擬效果較好. 吳珂等[19]采用WRF-Chem對(duì)蘇州市2015年12月發(fā)生的一次重污染天氣過(guò)程進(jìn)行模擬，并分析了顆粒物濃度的時(shí)空變化特征，通過(guò)統(tǒng)計(jì)學(xué)檢驗(yàn)，得到WRF-Chem模式模擬的小時(shí)平均污染物濃度與實(shí)測(cè)值的相關(guān)系數(shù)較高(大于0.68)，表明該模式能夠很好地模擬污染物濃度的日變化過(guò)程. 常爐予等[20]針對(duì)上海市2013年1月下旬出現(xiàn)的PM2.5持續(xù)重污染過(guò)程，采用WRF-Chem大氣化學(xué)模式和污染物濃度實(shí)測(cè)資料相結(jié)合的方式對(duì)污染過(guò)程進(jìn)行模擬，結(jié)果表明該模式較好地模擬出此次污染過(guò)程中PM2.5濃度的積累過(guò)程. 李霞[21]利用WRF-Chem模式模擬研究了關(guān)中地區(qū)秋冬季大氣重污染期間PM2.5污染過(guò)程及相關(guān)污染源的相對(duì)貢獻(xiàn)，并與觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比，發(fā)現(xiàn)WRF-Chem模式能夠合理地模擬研究時(shí)段內(nèi)主要大氣污染物質(zhì)量濃度的時(shí)間變化和空間分布，為科學(xué)制定大氣污染控制措施提供依據(jù).

該研究基于MEIC清單，統(tǒng)計(jì)了甘肅省人為排放的顆粒物總量并分析了其空間分布特征，利用WRF-Chem 模式對(duì)甘肅省冬季(2019年1月)顆粒物濃度的空間分布特征進(jìn)行模擬，并與環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)資料進(jìn)行對(duì)比分析，評(píng)估WRF-Chem模式模擬的效果，以期為科學(xué)制定污染源的排放削減方案以及環(huán)境空氣質(zhì)量達(dá)標(biāo)規(guī)劃提供依據(jù).

1 資料與方法

1.1 WRF-Chem模式及模式設(shè)計(jì)

1.1.1WRF-Chem模式簡(jiǎn)介

WRF-Chem模式是由美國(guó)NOAA預(yù)報(bào)系統(tǒng)實(shí)驗(yàn)室(FSL)開(kāi)發(fā)的，氣象模式(WRF)和化學(xué)模式(Chem)在線完全耦合的新一代區(qū)域空氣質(zhì)量模式[22]. WRF-Chem模式基于一種全新的大氣化學(xué)模式理念，包含了詳細(xì)的大氣物理和化學(xué)過(guò)程處理方案. WRF-Chem模式的化學(xué)和氣象過(guò)程使用相同的水平和垂直坐標(biāo)系以及相同的物理參數(shù)化方案，不涉及時(shí)間上的插值，使用在線耦合技術(shù)避免了對(duì)風(fēng)場(chǎng)、邊界層參數(shù)等氣象場(chǎng)的時(shí)間插值，減少了離線技術(shù)中的信息丟失[23]，并且能夠考慮化學(xué)對(duì)氣象過(guò)程的反饋?zhàn)饔?

1.1.2WRF-Chem模式設(shè)計(jì)

采用NCEP提供的全球30 s地形資料和水平分辨率為1°(緯度)×1°(經(jīng)度)的FNL全球分析(Final Operational Global Analysis)資料作為WRF模式的初始場(chǎng).

WRF-Chem模式的人為源清單分為兩部分：中國(guó)區(qū)域采用的是根據(jù)第二次全國(guó)污染源普查(簡(jiǎn)稱“二污普”)的甘肅省統(tǒng)計(jì)數(shù)據(jù)訂正的清華大學(xué)研究開(kāi)發(fā)的中國(guó)多尺度排放清單模型(Multi-resolution Emission Inventory for China，MEIC)v.1.3版本提供的2016年0.25°×0.25°的網(wǎng)格化排放數(shù)據(jù)；中國(guó)以外區(qū)域采用的是全球排放源清單HTAP (Hemispheric Transport of Air Pollution)提供的2010年0.1°×0.1°的網(wǎng)格化排放數(shù)據(jù). 生物源清單選用MEGAN清單，水平空間分辨率為1 km. 生物質(zhì)燃燒源清單選擇FINN清單，水平空間分辨率為1 km，時(shí)間分辨率為24 h[24].

WRF-Chem模式模擬區(qū)域中心經(jīng)緯度為100.500°E、37.567°N，選用三層嵌套網(wǎng)格，第一層網(wǎng)格數(shù)為120×120，水平分辨率為27 km；第二層網(wǎng)格數(shù)為255×245，水平分辨率為9 km；第三層網(wǎng)格數(shù)為480×390，水平分辨率為3 km，第三層網(wǎng)格覆蓋甘肅省. WRF-Chem模式垂直分層27層，采用地形追隨坐標(biāo). WRF-Chem模式時(shí)間為2019年1月1—28日，模擬前3 d作為模式的啟動(dòng)時(shí)間.

WRF-Chem模式的氣象化學(xué)過(guò)程采用SAPRC99方案[25]，氣溶膠過(guò)程采用包含了液相化學(xué)反應(yīng)的MOSAIC氣溶膠模型[26]，WRF-Chem模式采用Noah陸面參數(shù)化方案[27]，云微物理過(guò)程選用LIN等的方案[28]，此方案包含水的6種狀態(tài)(水汽、雨、云水、云冰、雪、霰)，修正了飽和度調(diào)整及冰沉降[29]. 短波輻射傳輸過(guò)程選擇Dudhia方案，長(zhǎng)波輻射傳輸過(guò)程選擇RRTM方案.

1.1.3統(tǒng)計(jì)方法

為定量描述WRF-Chem模式結(jié)果的準(zhǔn)確性，選取相關(guān)系數(shù)(R)、平均絕對(duì)誤差(MAE)以及均方根誤差(RMSE)對(duì)WRF-Chem模式模擬結(jié)果進(jìn)行驗(yàn)證，計(jì)算公式：

(2)

(3)

R反映了模擬值與觀測(cè)值之間的相關(guān)程度和吻合程度；MAE反映了模擬值誤差的實(shí)際情況；RMSE能夠較好地反映模擬數(shù)據(jù)對(duì)真實(shí)數(shù)據(jù)的偏離程度，其值越小，說(shuō)明模擬精度越高[30].

1.2 資料來(lái)源

顆粒物質(zhì)量濃度數(shù)據(jù)來(lái)源于甘肅省環(huán)境監(jiān)測(cè)站提供的14個(gè)市州33個(gè)環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)2019年1月顆粒物(PM10和PM2.5)的逐日監(jiān)測(cè)資料，甘肅省14個(gè)市州及33個(gè)環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)的地理位置分布如圖1所示.

圖1 甘肅省環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)位置示意Fig.1 The location of national control environment monitoring stations in Gansu Province

2 結(jié)果與討論

2.1 甘肅省主要污染物排放特征

2.1.1甘肅省排放清單及總體特征

基于MEIC清單(http://www.meicmodel.org)2016年1月的污染物資料[31]，利用GIS軟件進(jìn)行數(shù)據(jù)處理，統(tǒng)計(jì)了甘肅省包含工業(yè)源、電力源、農(nóng)業(yè)源、民用源和交通源五大類(lèi)型污染源，涵蓋SO2、NOx、PM10、PM2.5、VOCs、NH3和CO 7種污染物的源排放特征. 其中，民用源包含了居民以煤、秸稈、柴薪為燃料利用爐灶進(jìn)行炊事和采暖的排放. 根據(jù)“二污普”甘肅省的統(tǒng)計(jì)數(shù)據(jù)對(duì)顆粒物排放總量進(jìn)行訂正，2017年顆粒物的排放總量為6.49×105t，將其等比例分配到各月，得到1月甘肅省PM10和PM2.5的排放量分別為2.97×104和2.43×104t. 2016年1月甘肅省各類(lèi)源污染物排放量見(jiàn)表1.

表1 2016年1月甘肅省不同排放源類(lèi)型大氣污染源排放清單

不同排放源SO2、NOx、PM10、PM2.5、VOCs、NH3和CO排放量的構(gòu)成如圖2所示. 由圖2可知：甘肅省SO2的主要排放源為民用源、工業(yè)源和電力源，這三類(lèi)源的SO2排放量占比較為接近，交通源SO2排放量占比最少；NOx的主要排放源為交通源，工業(yè)源和電力源排放量占比相當(dāng)，民用源排放量占比最少；PM10的排放主要來(lái)自民用源，其次是工業(yè)源，電力源和交通源的排放量占比較少；PM2.5的排放情況與PM10類(lèi)似；VOCs的排放主要來(lái)自民用源和工業(yè)源，交通源和電力源的排放量占比較少；NH3的主要排放源為農(nóng)業(yè)源；CO的排放主要來(lái)自民用源，電力源排放量占比最少.

圖2 甘肅省2016年1月不同排放源的主要污染物排放量構(gòu)成Fig.2 The composition of different types of main pollutants in Gansu Province in January 2016

2.1.2污染源排放空間分布特征

7種大氣污染物(SO2、NOx、PM10、PM2.5、VOCs、NH3、CO)的源排放空間分布如圖3所示，網(wǎng)格分辨率為0.25°×0.25°.

圖3 甘肅省2016年1月主要污染物排放量空間分布特征Fig.3 Spatial distribution characteristics of main pollutant emissions in Gansu Province in January 2016

由圖3可見(jiàn)：SO2和NOx源排放分布相似，排放量高值集中在蘭州市和嘉峪關(guān)市，次高值分布在金昌市、白銀市、平?jīng)鍪屑疤焖?；PM10、PM2.5和CO源排放特征較為相似，排放量最高值均出現(xiàn)在蘭州市，其次為嘉峪關(guān)市，較高值分布在臨夏回族自治州、慶陽(yáng)市、平?jīng)鍪泻吞焖?；VOCs排放量最高值分布在蘭州市，次高值分布在慶陽(yáng)市，較高值分布在嘉峪關(guān)市、金昌市和天水市；NH3排放量高值主要分布在河西走廊地區(qū)的張掖市、武威市等城市，其次東南部城市群排放量也較高. 總體來(lái)看，蘭州市作為甘肅省的省會(huì)，人口和交通較為密集，又是我國(guó)最早的石油化工基地，因此除NH3外，其他污染物排放量均居全省之首；嘉峪關(guān)市分布以冶金等工業(yè)為主的酒鋼集團(tuán)以及工業(yè)園，因此污染物排放量也較大；而甘南藏族自治州和隴南市地處山地，當(dāng)?shù)毓I(yè)欠發(fā)達(dá)且人口較少，各種污染物排放總量均較小. 《2016年甘肅省環(huán)境狀況公報(bào)》顯示：2016年，蘭州市PM10、PM2.5和NO2排放量均超標(biāo)；隴南市6種污染物排放量均達(dá)標(biāo)；甘南藏族自治州除PM10以外，其他污染物排放量均達(dá)標(biāo). 污染源排放統(tǒng)計(jì)結(jié)果與污染物濃度特征基本一致.

2.2 顆粒物濃度數(shù)值模擬

2.2.1模擬結(jié)果的驗(yàn)證

該研究利用WRF-Chem模式模擬了甘肅省2019年1月顆粒物濃度，為了說(shuō)明WRF-Chem模式模擬的可靠性，將模擬期間甘肅省14個(gè)市州33個(gè)環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)的顆粒物日均濃度模擬值與監(jiān)測(cè)值進(jìn)行對(duì)比，模擬期間各監(jiān)測(cè)點(diǎn)顆粒物日均濃度模擬值與監(jiān)測(cè)值的散點(diǎn)圖如圖4所示，顆粒物日均濃度模擬值與監(jiān)測(cè)值的R、MAE以及RMSE如表2所示.

由圖4和表2可見(jiàn)，PM10和PM2.5日均濃度模擬值和監(jiān)測(cè)值的相關(guān)系數(shù)分別為0.544和0.597，且相關(guān)系數(shù)均通過(guò)了P<0.01的置信度檢驗(yàn)，說(shuō)明WRF-Chem 模式模擬甘肅省2019年1月顆粒物濃度較為可靠. 1月甘肅省PM10和PM2.5日均濃度模擬值分別為73.19和35.36 μg/m3，監(jiān)測(cè)值分別為80.42和46.36 μg/m3，模擬值整體低于監(jiān)測(cè)值；PM10和PM2.5濃度的MAE分別為31.11和17.72 μg/m3，RMSE分別為41.19和22.38 μg/m3，顆粒物的MAE和RMSE均較大，但均在合理的范圍內(nèi)，WRF-Chem模式模擬效果較好.

表2 顆粒物模擬檢驗(yàn)結(jié)果

2.2.2模擬期間顆粒物濃度的逐日變化特征

甘肅省33個(gè)環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)顆粒物日均濃度模擬值與監(jiān)測(cè)值的時(shí)間序列對(duì)比如圖5所示. 由圖5可見(jiàn)，甘肅省顆粒物濃度模擬值與監(jiān)測(cè)值的逐日變化特征具有較好的一致性，但在1月10—12日模擬值與監(jiān)測(cè)值存在較大偏差，這可能與氣象場(chǎng)模擬誤差有關(guān). 在1月8—10日以及1月25—27日有2次污染過(guò)程，顆粒物濃度均顯著上升. 由顆粒物濃度模擬值與監(jiān)測(cè)值的時(shí)間序列對(duì)比可知，1月8—10日污染期間甘肅省PM10和PM2.5日均濃度模擬值分別為83.76和45.22 μg/m3，監(jiān)測(cè)值分別為98.93和57.13 μg/m3，模擬值均低于監(jiān)測(cè)值；1月25—27日污染期間PM10和PM2.5日均濃度模擬值分別為87.12和45.30 μg/m3，監(jiān)測(cè)值分別為80.47和47.45 μg/m3，PM10濃度模擬值略高于監(jiān)測(cè)值，PM2.5濃度模擬值略低于監(jiān)測(cè)值，這表明WRF-Chem模式能夠較好地反映污染期間顆粒物濃度變化.

圖5 模擬期間甘肅省顆粒物濃度模擬值與監(jiān)測(cè)值的逐日變化對(duì)比Fig.5 Comparison of the daily changes between simulated and monitored values of particulate matter concentration in Gansu Province during the simulation period

甘肅省河西地區(qū)(包括武威市、金昌市、張掖市、嘉峪關(guān)市和酒泉市)地勢(shì)較為平坦，河?xùn)|地區(qū)(包括蘭州市、白銀市、臨夏回族自治州、定西市、慶陽(yáng)市、平?jīng)鍪?、天水市、甘南藏族自治州和隴南市)主要為山地，地形復(fù)雜，而復(fù)雜下墊面的氣象場(chǎng)模擬和空氣質(zhì)量模擬一直是數(shù)值模擬的難點(diǎn). 此外，河西地區(qū)位于我國(guó)西部沙塵通道，受沙塵影響嚴(yán)重[32]. 2019年生態(tài)環(huán)境部發(fā)布的《2019年甘肅省環(huán)境狀況公報(bào)》給出了河西地區(qū)和河?xùn)|地區(qū)典型城市剔除沙塵天氣前、后顆粒物濃度(見(jiàn)表3). 由表3可見(jiàn)：河西地區(qū)受沙塵影響的PM10濃度為14～18 μg/m3，PM2.5濃度為3 μg/m3；河?xùn)|地區(qū)受沙塵影響的PM10濃度為5～8 μg/m3，PM2.5濃度為 1 μg/m3. 對(duì)比2組監(jiān)測(cè)數(shù)據(jù)可以看出，沙塵傳輸對(duì)河西地區(qū)PM10的影響明顯大于河?xùn)|地區(qū)，但沙塵傳輸對(duì)這2個(gè)區(qū)域PM2.5的影響差異不明顯. 因此，將甘肅省分為河西地區(qū)和河?xùn)|地區(qū)進(jìn)行分析，以評(píng)估WRF-Chem模式對(duì)不同地區(qū)的模擬效果.

表3 剔除沙塵天氣前、后顆粒物濃度

河西和河?xùn)|地區(qū)顆粒物日均濃度模擬值與監(jiān)測(cè)值的時(shí)間序列對(duì)比如圖6所示，其中河西地區(qū)環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)位11個(gè)，河?xùn)|地區(qū)環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)22個(gè). 由圖6可見(jiàn)，模擬期間河西地區(qū)和河?xùn)|地區(qū)顆粒物濃度模擬值與監(jiān)測(cè)值的變化具有較好的一致性. 河西地區(qū)PM10和PM2.5日均濃度模擬值分別為51.74和22.21 μg/m3，監(jiān)測(cè)值分別為70.49和36.29 μg/m3；河?xùn)|地區(qū)PM10和PM2.5日均濃度模擬值分別為80.26和40.11 μg/m3，監(jiān)測(cè)值分別為81.13和48.69 μg/m3. 河西地區(qū)1月4—19日PM10模擬值明顯低于監(jiān)測(cè)值，河西地區(qū)的PM10濃度觀測(cè)結(jié)果顯示，這段時(shí)間河西地區(qū)受到明顯的沙塵傳輸影響，WRF-Chem模式?jīng)]有模擬出沙塵輸送的影響是導(dǎo)致模擬結(jié)果明顯偏低的主要原因；1月19日后PM10濃度的模擬值與監(jiān)測(cè)值較為接近. 河西地區(qū)和河?xùn)|地區(qū)PM2.5模擬值與監(jiān)測(cè)值隨時(shí)間變化的一致性較好，但模擬值整體低于監(jiān)測(cè)值，這與污染源統(tǒng)計(jì)和空氣質(zhì)量模式對(duì)二次污染過(guò)程模擬誤差有關(guān).

圖6 模擬期間河西地區(qū)和河?xùn)|地區(qū)顆粒物濃度模擬值與監(jiān)測(cè)值的逐日變化情況Fig.6 Comparison of daily changes between simulated and monitored values of particulate matter concentration in Hexi and Hedong regions during the simulation period

2.2.3顆粒物濃度空間分布特征

為反映WRF-Chem模式對(duì)不同城市顆粒物濃度的模擬效果，按照行政區(qū)劃將甘肅省33個(gè)環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)的顆粒物濃度平均到每個(gè)市州，得到模擬期間14個(gè)市州顆粒物平均濃度的模擬值，與對(duì)應(yīng)的監(jiān)測(cè)值的對(duì)比結(jié)果如表4所示. 由表4可見(jiàn)，顆粒物平均濃度的模擬值與監(jiān)測(cè)值較為一致，總體可以反映顆粒物濃度的空間變化特征. 模擬及監(jiān)測(cè)結(jié)果均顯示，蘭州市顆粒物濃度最高. 一方面，由于甘肅省工業(yè)布局的影響，蘭州市的顆粒物排放量最大，且形成顆粒物的重要前體物——SO2、NOx和VOCs[33]的排放量高值區(qū)域均集中在蘭州市，這些污染物能與大氣中的氧化劑發(fā)生多種途徑反應(yīng)，生成二次有機(jī)氣溶膠[34]；另一方面，蘭州市地形呈現(xiàn)兩山夾一河的“河谷地形”特征，尤其在冬季容易形成靜風(fēng)、逆溫等不利的氣象條件[35]，造成污染物不易擴(kuò)散和稀釋?zhuān)叶竟┡谌济旱饶茉聪脑黾樱廴疚锱欧旁龆郲36]. 模擬與監(jiān)測(cè)的次高值均集中在甘肅省東南部城市(天水市、慶陽(yáng)市和平?jīng)鍪?，隴南市、甘南藏族自治州、嘉峪關(guān)市以及金昌市顆粒物濃度較低. 從模擬值與監(jiān)測(cè)值的偏差看，WRF-Chem 模式對(duì)天水市、慶陽(yáng)市、臨夏回族自治州以及嘉峪關(guān)市的模擬效果較好，對(duì)甘南藏族自治州以及張掖市的模擬有較大偏差，蘭州市的顆粒物濃度模擬值高于監(jiān)測(cè)值，這可能與污染源統(tǒng)計(jì)誤差有關(guān)；河西地區(qū)顆粒物模擬值均低于監(jiān)測(cè)值，WRF-Chem模式模擬未考慮沙塵輸送的影響是模擬值偏低的主要原因.

表4 顆粒物平均模擬值與平均監(jiān)測(cè)值的對(duì)比

WRF-Chem模式模擬的2019年1月甘肅省顆粒物(PM10和PM2.5)平均濃度空間分布如圖7所示. 由圖7可見(jiàn)，PM10與PM2.5濃度的空間分布較為相似. PM10和PM2.5濃度最高值均分布在蘭州市，次高值分布在天水市、慶陽(yáng)市南部、平?jīng)鍪屑半]南市東部，這些地區(qū)PM2.5濃度較高，可能與陜西省、四川省等地區(qū)的區(qū)域傳輸有關(guān)[37]. 甘南藏族自治州及河西地區(qū)顆粒物濃度較低，甘南藏族自治州的顆粒物濃度低值主要是排放量較低造成的，河西城市濃度較低的原因主要有2個(gè)方面： ①河西走廊因其地理?xiàng)l件和氣候特征，年均風(fēng)速較大，對(duì)污染物的擴(kuò)散稀釋能力較強(qiáng)； ②WRF-Chem模式?jīng)]有考慮沙塵傳輸對(duì)顆粒物濃度的影響. 總體來(lái)看，WRF-Chem模式模擬的顆粒物濃度空間分布特征與《2019年甘肅省環(huán)境狀況公報(bào)》結(jié)果基本一致.

圖7 甘肅省2019年1月顆粒物平均濃度模擬值空間分布Fig.7 Spatial distribution of simulated value of the average particle concentration in Gansu Province in January 2019

3 結(jié)論

a) 甘肅省1月SO2、NOx、PM10、PM2.5、VOCs、NH3和CO的排放量分別為2.12×104、2.96×104、2.97×104、2.43×104、3.18×104、1.27×104和3.04×105t. 民用源、工業(yè)源和電力源為甘肅省SO2的主要貢獻(xiàn)源；交通源為甘肅省NOx的主要貢獻(xiàn)源；民用源和工業(yè)源為甘肅省VOCs的主要貢獻(xiàn)源；民用源為甘肅省PM2.5、PM10及CO的主要貢獻(xiàn)源；農(nóng)業(yè)源是甘肅省NH3的主要貢獻(xiàn)源. SO2和NOx排放量高值區(qū)域均分布在蘭州市、嘉峪關(guān)市等工業(yè)較發(fā)達(dá)城市；PM10、PM2.5、VOCs和CO排放量高值區(qū)域均分布在蘭州市；NH3排放量高值主要分布在河西走廊地區(qū)農(nóng)業(yè)較發(fā)達(dá)的城市.

b) WRF-Chem模式模擬的甘肅省PM10和PM2.5日均濃度與監(jiān)測(cè)值的相關(guān)系數(shù)分別為0.544和0.597，相關(guān)統(tǒng)計(jì)量表明顆粒物的模擬值與監(jiān)測(cè)值相關(guān)性較好，說(shuō)明WRF-Chem模式能夠較好地反映甘肅省2019年1月以及污染過(guò)程期間顆粒物濃度的分布特征. 河西地區(qū)和河?xùn)|地區(qū)顆粒物濃度模擬值與監(jiān)測(cè)值在研究期間的變化具有較好的一致性. 河西地區(qū)PM10濃度模擬值低于監(jiān)測(cè)值，這主要是因?yàn)閃RF-Chem 模式?jīng)]有考慮沙塵傳輸過(guò)程對(duì)顆粒物濃度的影響.

c) 顆粒物濃度的空間分布特征表明，受甘肅省工業(yè)布局、區(qū)域擴(kuò)散條件和局部地形等綜合因素影響，PM10和PM2.5濃度最高值均分布在蘭州市；濃度次高值分布在天水市、慶陽(yáng)市南部、平?jīng)鍪幸约半]南市東部，濃度較高值分布在臨夏回族自治州、慶陽(yáng)市北部和定西市；甘南藏族自治州以及河西地區(qū)顆粒物濃度較低.

d) 下一步研究中將考慮不同起沙機(jī)制對(duì)不同區(qū)域的影響，進(jìn)一步提高WRF-Chem模式模擬結(jié)果的準(zhǔn)確性.