區(qū)域大氣環(huán)境模式RegAEMS中二次氣溶膠的改進(jìn)模擬研究

羅 干,王體健*,李蒙蒙,徐北瑤,謝 旻,李 樹,伏晴艷

區(qū)域大氣環(huán)境模式RegAEMS中二次氣溶膠的改進(jìn)模擬研究

羅 干1,王體健1*,李蒙蒙1,徐北瑤1,謝 旻1,李 樹1,伏晴艷2

(1.南京大學(xué)大氣科學(xué)學(xué)院,江蘇 南京 210023；2.上海市環(huán)境監(jiān)測中心,上海 200000)

為了提升二次氣溶膠的模擬精度,在區(qū)域大氣環(huán)境模式RegAEMS中加入了硫酸鹽氣溶膠的兩種新生成機(jī)制(NO2+SO2化學(xué)過程和過渡金屬催化氧化(TMI))以及二次有機(jī)氣溶膠(SOA)生成的揮發(fā)性有機(jī)物基集(VBS)方法.模擬了2020年1月上海市兩次中度污染過程,并與觀測數(shù)據(jù)進(jìn)行對比驗證.研究發(fā)現(xiàn),兩次污染過程硫氧轉(zhuǎn)化率(SOR)均大于0.4, PM2.5主要組分為SO42-、NO3-、NH4+等水溶性離子,占比為61.25%～63.85%.SOA占比為2.92%～3.0%.加入NO2+SO2化學(xué)過程和過渡金屬催化氧化(TMI)后,硫酸鹽模擬精度明顯提升(相關(guān)系數(shù)(R)從0.49～0.63提升至0.58～0.67,相對標(biāo)準(zhǔn)偏差(NMB)從-35.0%～-36.5%提升至-17.3%～-14.2%).兩種化學(xué)過程在污染發(fā)展階段平均貢獻(xiàn)占比為23.3%～27.9%,這可能是造成污染條件下SO42-濃度迅速增加的主要原因.VBS機(jī)制能夠較好地模擬出SOA的變化趨勢(相關(guān)系數(shù)為0.53～0.56),由于硫酸鹽和SOA生成機(jī)理的改進(jìn),RegAEMS在PM2.5的模擬精度上有所提升(相對標(biāo)準(zhǔn)偏差(NMB)從-13.5%～-6.0%提升至-9.0%～-3.3%).

PM2.5；硫酸鹽；VBS；RegAEMS；數(shù)值模擬

近年來,隨著中國節(jié)能減排政策的實施, SO2、NO2、CO排放量明顯減少[1].然而大氣污染事件時有發(fā)生,細(xì)顆粒物(PM2.5,空氣動力學(xué)直徑￡2.5μm的顆粒)依舊是造成大氣污染的主要原因[2-4].較高濃度大氣PM2.5不僅會降低大氣能見度,還會成為其他污染物的運載體和反應(yīng)體,對人體具有很大危害[5-7].

研究表明二次氣溶膠是PM2.5的主要組成成分,包括二次無機(jī)氣溶膠(SNA)和二次有機(jī)氣溶膠(SOA),其中硫酸鹽(SO42-)、硝酸鹽(NO3-)、銨鹽(NH4+)是SNA的主要組成成分[8-9].相比于NO3-、NH4+,SO42-的形成目前存在很多未知機(jī)理,模式模擬普遍偏低.Wang[10]和Cheng等[11]的研究表明在污染階段, NO2+SO2的化學(xué)過程成為京津冀地區(qū)硫酸鹽濃度增加的主要原因,這取決于氣溶膠的pH值和污染物成分.而Guo等[12]認(rèn)為過渡金屬(Fe(III)和Mn(II))催化的SO2氧化可能成為氣溶膠水中硫酸鹽的主要形成途徑.Yue等[13]發(fā)現(xiàn)Fe、Mn等溶解度、氣溶膠含水量、氣溶膠pH值的大小對過渡金屬催化氧化(TMI)產(chǎn)生硫酸鹽具有很大影響.Huang等[14]通過在CAMx中加入SO2+NO2化學(xué)過程發(fā)現(xiàn),在東北地區(qū),SO2+NO2異質(zhì)反應(yīng)過程對硫酸鹽的生成具有很大貢獻(xiàn),并且這種反應(yīng)與氨排放密切相關(guān).然而目前研究大多采用國外模式進(jìn)行改進(jìn)模擬,并且很少對比兩種機(jī)制在污染不同階段對硫酸鹽貢獻(xiàn)的區(qū)別,本研究將通過本土模式進(jìn)一步對比兩種化學(xué)機(jī)制對硫酸鹽的貢獻(xiàn)特征.

相比于二次無機(jī)氣溶膠,二次有機(jī)物氣溶膠(SOA)的成分復(fù)雜,存在許多未知的化學(xué)反應(yīng)機(jī)理,模擬難度較大[15].目前模式大多采用VBS方案來模擬SOA,相比于SORGAM機(jī)制,VBS機(jī)制將反應(yīng)產(chǎn)物被分為更多種類型,并且考慮了這些產(chǎn)物的老化過程[16-18].

本次研究中,我們通過在中國自己的模式——RegAEMS中加入硫酸鹽的SO2+NO2異質(zhì)反應(yīng)過程、過渡金屬催化氧化過程.以及VBS參數(shù)化方案,模擬2020年1月上海兩次中度污染過程,并與觀測數(shù)據(jù)進(jìn)行對比驗證,對二次氣溶膠的模擬進(jìn)行優(yōu)化改進(jìn),提升PM2.5的模擬精度,并探討不同化學(xué)過程在不同污染階段對硫酸鹽氣溶膠的貢獻(xiàn)特征.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)觀測

圖1 PM2.5組分觀測地點

數(shù)據(jù)觀測地點為上海淀山湖大氣超級站(31.0935°N,120.978°E國家環(huán)境保護(hù)長三角區(qū)域大氣復(fù)合污染上海淀山湖科學(xué)觀測研究站),位于上海市西部地點(青浦區(qū)朱家角鎮(zhèn)淀峰村),如圖1所示.該站點距離上海外環(huán)約37km,青浦市區(qū)約11km.可實時監(jiān)測大氣常規(guī)污染物包括SO2,NO2,CO,O3, PM10和PM2.5等,以及細(xì)顆粒物組分濃度,包括SO42-、NO3-、NH4+、K+、Cl-等水溶性離子濃度以及有機(jī)碳(OC)、元素碳(EC)等.

1.2 RegAEMS模型介紹

區(qū)域大氣環(huán)境模擬系統(tǒng)(RegAEMS)是由南京大學(xué)開發(fā)的數(shù)值模式[19-20],主要應(yīng)用于模擬數(shù)百至數(shù)千公里尺度大氣污染物排放對區(qū)域大氣環(huán)境的影響,包括氣象模式和大氣環(huán)境模式兩個部分.中尺度氣象模式采用美國科研機(jī)構(gòu)開發(fā)的中尺度預(yù)報模式( WRF),大氣環(huán)境模式是一個三維、時變、歐拉型模式,考慮了影響大氣污染物的排放、輸送、擴(kuò)散、轉(zhuǎn)化等復(fù)雜的物理和化學(xué)過程.

模式采用三層網(wǎng)格嵌套方案,水平分辨率分別為81、27、9km,如圖2所示.第一層覆蓋整個中國地區(qū)和部分東南亞國家,第二層覆蓋中國東南地區(qū),第三層覆蓋江蘇、上海、安徽等地區(qū).模擬時間為2020年1月9日～25日.排放清單采用清華大學(xué)開發(fā)的中國多尺度排放清單模型[21].

圖2 模式嵌套網(wǎng)格設(shè)置

1.3 SO2+NO2化學(xué)過程

SO2+NO2包括兩個化學(xué)反應(yīng),反應(yīng)R1[11]與反應(yīng)R2[10].

2NO2(aq)+HSO3(aq)+H2O(aq)→3H+(aq)+

2NO2-(aq)-+SO42-(aq) (R1)

2NH3(g)+SO2(g)+2NO2(aq)+2H2O(aq)→

2NH4+(aq)-+SO42-(aq)+2HONO(g) (R2)

R1反應(yīng)為多相反應(yīng),反應(yīng)的硫酸鹽生成速率由標(biāo)準(zhǔn)阻力模型運算:

式中:H,aq為硫酸鹽生成速率;aq為液相反應(yīng)速率;aq,lim為極限傳質(zhì)速率.

式中:[SO2·H2O],[HSO3-],[SO32-]和[O]分別為相應(yīng)的液相濃度.0,1和2為相應(yīng)的二級反應(yīng)速率常數(shù).液相的氧化劑濃度[O]被假定與其氣相濃度相平衡,并且可以通過亨利定律計算:

式中:∞()為物種的單位體積氣體分壓;() (Matm-1)為有效亨利常數(shù),具體數(shù)值見表1和表2[22].

表1 亨利常數(shù)和電離常數(shù)查表

注:[H+]為氣溶膠H+濃度(mol/L),通過ISORROPIA II[23]計算得出.

極限傳質(zhì)速率aq,lim的計算方法如公式4所示:

傳質(zhì)系數(shù)MT(s-1)計算公式為:

反應(yīng)R2是非均相反應(yīng),在顆粒物表面被NO2氧化的SO2生成硫酸鹽,反應(yīng)速率可以通過下式計算.

1.4 TMI化學(xué)過程

表3 計算公式

注:其中[S(IV)]的計算方法見表2.

基于之前所作研究,此處我們假定Fe的溶解度為5%.并且假定PM2.5樣品中70%的鐵處于Fe(III)相,假設(shè)50%的Mn是可溶的,并且假定Mn100%以Mn(II)的形式存在[13].

1.5 VBS模塊

揮發(fā)性有機(jī)物基集(VBS)方法由Donahue等[26]提出,在300K時,揮發(fā)性物質(zhì)的有效飽和濃度為1, 10,100和1000 μg/m3.VBS機(jī)制可以更好地描述主要和次要有機(jī)組分的化學(xué)演化,已在不同區(qū)域的不同模型中進(jìn)行了評估,并被證明具有更好的性能(尤其是在城市地區(qū))[27].

RegAEMS之前采用的是SORGAM參數(shù)化方法,該方法基于兩種產(chǎn)品方法[28]用較舊的SOA產(chǎn)量估算值進(jìn)行VOC氧化,計算得出的OA濃度較小,誤差相對較大.而VBS把VOCs在300K的飽和濃度下分成幾個等級,分別計算不同等級產(chǎn)生的SOA. VBS包括了目前可知的所有SVOC,IVOC和VOC的SOA前體物,共11類;并且考慮了氧化過程的光化學(xué)老化[26].

1.6 模擬驗證設(shè)計

本研究設(shè)計了三種模擬方案來對比研究RegAEMS中二次氣溶膠的模擬改進(jìn)狀況.如表4所示.Exp1考慮了OH自由基對SO2的光化學(xué)氧化以及溶解于水中的O3、H2O2對S(IV)的水氧化.Exp2在Exp1的基礎(chǔ)上加入了VBS模擬方案以及NO2+SO2的化學(xué)過程.Exp3在Exp2的基礎(chǔ)上加入了過渡金屬對SO2的催化氧化.

表4 模擬方案設(shè)計

2 結(jié)果與分析

2.1 PM2.5及其組分分析

如圖3所示,2020年1月11～14日、1月17～23日出現(xiàn)了兩次中度污染過程.分別將兩次污染過程記為污染個例一與污染個例二.兩次污染過程中,PM2.5的主要組分為SO42-、NO3-、NH4+等水溶性離子,個例一中SO42-、NO3-、NH4+在PM2.5占比分別為14.49%、33.71%、15.65%;個例二中占比分別為14.35%、31.47%、15.13%如圖4所示.

圖3 PM2.5及其組分變化趨勢

數(shù)字1、2、3分別代表污染發(fā)生階段、發(fā)展階段、退散階段

圖4 兩次污染過程PM2.5組分占比

根據(jù)PM2.5濃度變化將每個污染過程分為發(fā)生階段、發(fā)展階段、退散階段三個污染過程.三個階段對應(yīng)污染物均值如表5所示.污染發(fā)展階段,SO42-、NO3-、NH4+、OC濃度明顯提高.個例一中從發(fā)生階段到發(fā)展階段,SO42-平均濃度從7.71μg/m3升高至16.52μg/m3,OC濃度從3.98μg/m3升高至10.45μg/m3;個例二中從發(fā)生階段到發(fā)展階段,SO42-平均濃度從9.62μg/m3升高至16.29μg/m3,OC濃度從5.23μg/m3升高至10.75μg/m3.硫轉(zhuǎn)化率(SOR)和氮轉(zhuǎn)化率(NOR)可以用來表示大氣的二次轉(zhuǎn)化程度[29].其計算方法如公式(8-9)所示:

式中:代表物質(zhì)的量濃度.

研究表明,當(dāng)SOR、NOR大于0.1時表示大氣存在明顯的二次轉(zhuǎn)化[29].觀測期間SOR和NOR的變化趨勢如圖3B所示,兩次污染發(fā)展過程中,SOR均值大于0.4,NOR均值大于0.2(表5)、SOR最高值分別達(dá)到0.662和0.663(圖3B),對應(yīng)1月14日的污染峰值和1月20日的污染峰值,表明在污染發(fā)展階段存在明顯的二次轉(zhuǎn)化過程,SO42-濃度明顯升高.兩次污染過程中SOR均大于NOR表明SO2更容易發(fā)生二次轉(zhuǎn)化[30].

本次研究并未直接觀測出SOA地面濃度,采用最小比值法來估算SOA濃度大小[31],方法如下:

POC = EC′(OC/EC)min (10)

SOC = OC - POC (11)

SOA = 1.6′SOC (12)

式中:POC指的是一次有機(jī)碳,(OC/EC)min指的是觀測時間段內(nèi)有機(jī)碳和元素碳比值的最小值.OC表示有機(jī)碳總量,EC為元素碳總量.轉(zhuǎn)換系數(shù)1.6根據(jù)前者研究經(jīng)驗所得[31].計算得到SOA在兩次污染過程中占比分別為3.00%和2.92%.

表5 不同階段污染物的均值濃度(μg/m3)

2.2 硫酸鹽模擬對比驗證

本研究設(shè)置的三個模擬實驗中,Exp1模擬的SO42-濃度低于觀測濃度(圖5),加入NO2+SO2化學(xué)過程以及TMI催化氧化后,硫酸鹽濃度明顯上升.在污染發(fā)生階段NO2+SO2機(jī)制對于SO42-的貢獻(xiàn)大于TMI催化氧化的貢獻(xiàn),而在污染發(fā)展階段兩種機(jī)制對于SO42-濃度貢獻(xiàn)相當(dāng).

圖5 兩次污染過程硫酸鹽模擬變化趨勢

采用相關(guān)系數(shù)()、均方根誤差(RMSE)、相對標(biāo)準(zhǔn)偏差(NMB)來評估不同模擬方案對污染物的模擬精度(式(13)～(15)).

連鎖集團(tuán)總經(jīng)理王濤表示，“百日大會戰(zhàn)”基本取得預(yù)期效果，肯定全體員工在大會戰(zhàn)期間的辛勤付出。“百日大會戰(zhàn)”已經(jīng)成為連鎖集團(tuán)的文化，得到投資集團(tuán)和股份公司的肯定。他強(qiáng)調(diào)連鎖集團(tuán)下一階段重點工作：一是打好秋種戰(zhàn)役；二是推動五禾二期項目建設(shè)；三是做好冬儲工作；四是謀劃2019年目標(biāo)任務(wù)；五是落實吉林、江西兩個工廠的擴(kuò)產(chǎn)能、增庫房工作；六是繼續(xù)抓審計巡查和制度執(zhí)行，保障連鎖規(guī)范穩(wěn)定運行；七是緊抓下半年清欠工作；八是修訂完善管理制度。

加入SO2+NO2以及TMI催化氧化后,個例一中SO42-模擬的相關(guān)系數(shù)從0.63提升至0.67,相對標(biāo)準(zhǔn)偏差明顯改善,從-36.5%提升至-17.3%(表6).個例二中SO42-模擬的相關(guān)系數(shù)從0.49提升至0.58,均方根誤差從6.1μg/m3降低至5.1μg/m3,相對標(biāo)準(zhǔn)偏差從-35.0%提升至-14.2%.對比結(jié)果說明加入SO2+ NO2以及TMI催化氧化,模式對于硫酸鹽的模擬準(zhǔn)確度得到了明顯改善.

對于污染的不同階段,兩種化學(xué)過程對硫酸鹽的濃度平均貢獻(xiàn)見表7,在污染發(fā)展階段SO2+NO2化學(xué)過程對硫酸鹽貢獻(xiàn)了1.73～3.16μg/m3,TMI催化氧化對硫酸鹽貢獻(xiàn)了1.46～2.07μg/m3.污染發(fā)展階段兩種化學(xué)機(jī)制的平均貢獻(xiàn)濃度均高于發(fā)生與退散階段.兩次污染過程的發(fā)展階段中,SO2+NO2化學(xué)過程以及TMI催化氧化對硫酸鹽貢獻(xiàn)占比分別為27.98%、23.33%.說明在污染發(fā)展階段,這兩種化學(xué)過程可能成為硫酸鹽濃度突增的主要原因之一.在部分污染的發(fā)生階段(個例二),SO2+NO2化學(xué)過程對硫酸鹽的化學(xué)生成就有著明顯的貢獻(xiàn).這可能與上海地區(qū)較高的相對濕度有關(guān).污染個例二的發(fā)展階段中兩種化學(xué)機(jī)制對于硫酸鹽的貢獻(xiàn)占比小于污染個例一,這可能是因為存在部分未知的化學(xué)機(jī)制引起了污染個例二硫酸鹽濃度的激增.

表6 硫酸鹽模擬精度評估

表7 不同化學(xué)過程對硫酸鹽的貢獻(xiàn)濃度

圖6 兩種化學(xué)機(jī)制與相對濕度的關(guān)系

對比兩次污染個例中相對濕度與兩種化學(xué)機(jī)制的關(guān)系(圖6),在相對濕度大于55%時,存在明顯的SO2+NO2化學(xué)過程以及過渡金屬催化氧化過程,并且隨著相對濕度的增加,這兩種化學(xué)機(jī)制對于硫酸鹽的貢獻(xiàn)濃度也有所提升,相對濕度在小于85%,大于55%時,SO2+NO2化學(xué)過程對硫酸鹽的貢獻(xiàn)濃度略大于過渡金屬催化氧化過程,而在高相對濕度下(>85%),

過渡金屬催化氧化對硫酸鹽的的貢獻(xiàn)濃度明顯提升,平均貢獻(xiàn)濃度大于SO2+NO2化學(xué)過程.

2.3 SOA模擬對比驗證

VBS機(jī)制能夠很好地模擬出SOA的濃度變化趨勢(圖7).污染個例一中,=0.56, RMSE =2.1μg/m3, NMB=-22%;污染個例二中,=0.53, RMSE=1.55μg/ m3、NMB=-22%;在污染發(fā)展階段,VBS能夠很好地模擬出SOA的峰值區(qū),但是在部分日期,VBS模擬值與觀測值的日變化趨勢略有不同,例如1月12日～14日,造成這個的原因可能是SOA的觀測值由最小比值法估算得到,存在計算誤差,以及VBS本身存在些許偏差[26-27].

圖7 兩次污染過程SOA模擬變化趨勢

2.4 PM2.5模擬對比驗證

RegAEMS模型能夠很好的模擬出兩次污染過程中PM2.5的濃度變化趨勢(圖8和表8),加入硫酸鹽新的生成機(jī)制以及VBS機(jī)制后,PM2.5濃度略有提升,在污染發(fā)展階段,改進(jìn)后的模擬結(jié)果更接近觀測值.在污染個例一中,模擬與觀測的相關(guān)系數(shù)從0.86提升至0.89,相對標(biāo)準(zhǔn)偏差從-6.0%提升至-3.3%.在污染個例二中,模擬與觀測的相關(guān)系數(shù)從0.66提升至0.75,相對標(biāo)準(zhǔn)偏差從-13.5%提升至-9.0%.證明在加入VBS機(jī)制以及新的硫酸鹽生成機(jī)制后,模式對二次氣溶膠的模擬精度得到提升,使得PM2.5的模擬結(jié)果與觀測值更為接近.

圖8 兩次污染過程PM2.5模擬變化趨勢

表8 PM2.5模擬精度評估

2.5 污染物空間分布

對兩次污染過程的Exp3模擬結(jié)果分三個污染階段取平均,得到不同污染過程污染物平均濃度的空間分布(圖9).模擬結(jié)果顯示,污染個例一的發(fā)生階段,PM2.5的高值區(qū)只要集中在江蘇北部地區(qū), SO42-、SOA濃度相對較小;發(fā)展階段,污染逐漸向南擴(kuò)散,安徽西部地區(qū)、浙江北部地區(qū)以及整個江蘇地區(qū)都處于中度污染條件下,SO42-濃度明顯升高,高值區(qū)主要集中在常州、蘇州、湖州、嘉興等地區(qū).SOA高值區(qū)主要集中在無錫、蘇州等地區(qū).退散階段PM2.5、SO42-濃度減小,污染高值區(qū)逐漸向浙江移動.

污染個例二的發(fā)生階段,模擬區(qū)域內(nèi)PM2.5濃度在50～75μg/m3之間,SO42-濃度在6～12μg/m3,SOA濃度相對較小.發(fā)展階段,PM2.5、SO42-、SOA濃度明顯升高,PM2.5高值區(qū)主要集中在上海、南通、蘇州等地區(qū).SO42-濃度在上海和浙江沿海一帶明顯升高,SOA濃度提升約2～6μg/m3,高值區(qū)集中在舟山群島一帶;退散階段,PM2.5、SO42-、SOA逐漸向江蘇北部地區(qū)擴(kuò)散, PM2.5、SO42-濃度明顯減小.結(jié)果表明,改進(jìn)后的模式能夠較好地模擬出污染過程中的空間分布變化.

3 結(jié)論

3.1 兩次污染過程中,PM2.5的主要組分為SO42-、NO3-、NH4+等水溶性離子,占比為63.85%(個例一)、61.25%(個例二);SOR均大于0.4,大氣存在明顯二次轉(zhuǎn)化.污染發(fā)展階段,SO42-、OC濃度占比明顯提高,說明污染條件下二次氣溶膠依舊是長三角地區(qū)PM2.5的主要貢獻(xiàn).

3.2 在RegAEMS中加入SO2+NO2化學(xué)過程以及TMI催化氧化后,硫酸鹽的模擬精度明顯提高(R從0.49～0.63提升至0.58～0.67,NMB從-35.0%～ -36.5%提升至-17.3%～-14.2%).污染發(fā)展階段,兩種化學(xué)過程對SO42-平均貢獻(xiàn)占比為23.3%～27.9%,這可能是長三角地區(qū)污染條件下硫酸鹽濃度激增的主要原因.

3.3 VBS機(jī)制能夠較好地模擬SOA的變化趨勢(相關(guān)系數(shù)為0.53～0.56),加入VBS機(jī)制以及硫酸鹽的新生成機(jī)制后PM2.5的模擬精度得到提升(NMB從-13.5%～ -6.0%提升至-9.0%～-3.3%)證明改進(jìn)方法有效.

[1] Zhai S, Jacob D J, Wang X, et al. Fine particulate matter trends in China, 2013–2018: separating contributions from anthropogenic emissions and meteorology [J]. Atmospheric Chemistry and Physics, 2019,19(16):11031-11041.

[2] 張小曳,徐祥德,丁一匯,等.2013～2017年氣象條件變化對中國重點地區(qū)PM2.5質(zhì)量濃度下降的影響 [J]. 中國科學(xué):地球科學(xué), 2020, 50(4):483-500.

Zhang X, Xu X, Ding Y, et al. The impact of meteorological changes from 2013 to 2017 on PM2.5mass reduction in key regions in China [J]. Science China Earth Sciences, 2019,62:1885–1902.

[3] Ma Z, Liu R, Liu Y, et al. Effects of air pollution control policies on PM2.5pollution improvement in China from 2005 to 2017: a satellite-based perspective [J]. Atmos. Chem. Phys., 2019,19:6861– 6877.

[4] Jiang Z, Jolleys M D, Fu T-M, et al. Spatiotemporal and probability variations of surface PM2.5over China between 2013 and 2019 and the associated changes in health risks: An integrative observation and model analysis [J]. Science of The Total Environment, 2020,723:137896.

[5] 張瑩袁,王式功,賈旭偉,等.氣溫與PM2.5協(xié)同作用對疾病急診就診人數(shù)的影響[J]. 中國環(huán)境科學(xué), 2017,37(8):3175-3182.

Zhang Y Y, Wang S G, Jia X W, et al. Synergetic effect of mean temperature and PM2.5on emergency room visits for different diseases [J]. China Environmental Science, 2017,37(8):3175-3182.

[6] Matus K, Nam K-M, Selin N E, et al. Health damages from air pollution in China [J]. Global Environmental Change, Global Environmental Change, 2012,22(1):55-66.

[7] Pui D Y H, Chen S-C, Zuo Z, et al. PM2.5in China: Measurements, sources, visibility and health effects, and mitigation [J]. Particuology, Particuology, 2014,13:1-26.

[8] Guo S, Hu M, Zamora M L, et al. Elucidating severe Urban haze formation in China [J]. Proceeding of the National Academy of Science, 2014,111(49):17373-17378.

[9] He K, Huo H, Zhang Q, et al. Urban air pollution in China: Current status, characteristics, and progress [J]. Annual Review of Energy and the Environment, Annual Review of Energy and the Environment, 2002,27(1):397-431.

[10] Wang G, Zhang R, Gomez M E, et al. Persistent sulfate formation from London Fog to Chinese haze [J]. Proceedings of the National Academy of Sciences, Proceedings of the National Academy of Sciences, 2016,113(48):13630-13635.

[11] Cheng Y, Zheng G, Wei C, et al. Reactive nitrogen chemistry in aerosol water as a source of sulfate during haze events in China [J]. Science Advances, Science Advances, 2016,2(12):e1601530.

[12] Guo H, Weber R J, Nenes A, et al. High levels of ammonia do not raise fine particle pH sufficiently to yield nitrogen oxide-dominated sulfate production [J]. Scientific Reports, Scientific Reports, 2017,7(1).

[13] Yue F, He P, Chi X, et al. Characteristics and major influencing factors of sulfate production via heterogeneous transition-metal-catalyzed oxidation during haze evolution in China [J]. Atmospheric Pollution Research, Atmospheric Pollution Research, 2020,11(8):1351–1358.

[14] Huang L, An J, Koo B, et al. Sulfate formation during heavy winter haze events and the potential contribution from heterogeneous SO2+ NO2reactions in the Yangtze River Delta region, China [J]. Atmospheric Chemistry and Physics, Atmospheric Chemistry and Physics, 2019,19(22):14311–14328.

[15] Jiang F, Liu Q, Huang X, et al. Regional modeling of secondary organic aerosol over China using WRF/Chem [J]. Journal of Aerosol Science, Journal of Aerosol Science, 2012,43(1):57-73.

[16] Chen X, Yang W, Wang Z, et al. Improving new particle formation simulation by coupling a volatility-basis set (VBS) organic aerosol module in NAQPMS+APM [J]. Atmospheric Environment, Atmospheric Environment, 2019,204:1-11.

[17] Woody M C, Baker K R, Hayes P L, et al. Understanding sources of organic aerosol during CalNex-2010 using the CMAQ-VBS [J]. Atmospheric Chemistry and Physics, Atmospheric Chemistry and Physics, 2016,16(6):4081-4100.

[18] Ahmadov R, Mckeen S A, Robinson A L, et al. A volatility basis set model for summertime secondary organic aerosols over the eastern United States in 2006 [J]. Journal of Geophysical Research: Atmospheres, Journal of Geophysical Research: Atmospheres, 2012, 117(D06301).

[19] 朱佳雷,王體健,鄧君俊,等.長三角地區(qū)秸稈焚燒污染物排放清單及其在重霾污染天氣模擬中的應(yīng)用 [J]. 環(huán)境科學(xué)學(xué)報, 2012,32(12): 3045-3055.

Zhu J L, Wang T J, Deng J J, et al. An emission inventory of air pollutants from crop residue burning Yangtze River Delta region and its application in simulation of a heavy haze weather process [J]. Acta Sci Circumst, 2012,32:3045–3055.

[20] 陳璞瓏,王體健,謝曉棟,等.基于數(shù)值模式的細(xì)顆粒物來源解析[J]. 科學(xué)通報, 2018,63(18):1829-1838.

Chen P L, Wang T J, Xie X D, et al. Source apportionment of fine particles based on combined numerical model and receptor model (in Chinese) [J]. Chinese Science Bulletin, 2018,63(18):1829–1838.

[21] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission. Atmos Environ, 2009,9:5131–5153.

[22] J. H. Seinfeld, S. N. Pandis, Atmospheric Chemistry and Physics, from Air Pollution to Climate Change (Wiley, 2006) [M].

[23] Fountoukis C, Nenes A. ISORROPIA II: a computationally efficient thermodynamic equilibrium model for K+–Ca2+–Mg2+–NH4+–Na+– SO42-[J]. Atmospheric Chemistry and Physics, Atmospheric Chemistry and Physics, 2007,7(17):4639–4659.

[24] He P, Alexander B, Geng L, et al. Isotopic constraints on heterogeneous sulfate production in Beijing haze [J]. Atmospheric Chemistry and Physics, Atmospheric Chemistry and Physics, 2018, 18(8):5515-5528.

[25] Takashi Ibusuki, Koji Takeuchi. Sulfur dioxide oxidation by oxygen catalyzed by mixtures of manganese(II) and iron(III) in aqueous solutions at environmental reaction conditions [J]. Atmospheric Environment, 1967,21(7):1555-1560.

[26] Donahue N M, Epstein S A, Pandis S N, et al. A two-dimensional volatility basis set: 1. organic-aerosol mixing thermodynamics [J]. Atmospheric Chemistry and Physics, Atmospheric Chemistry and Physics, 2011,11(7):3303-3318.

[27] Lin J, An J, Qu Y, et al. Local and distant source contributions to secondary organic aerosol in the Beijing urban area in summer [J]. Atmospheric Environment, Atmospheric Environment, 2016,124:176-185.

[28] Shrivastava M K, Lane T E, Donahue N M, et al. Effects of gas particle partitioning and aging of primary emissions on urban and regional organic aerosol concentrations [J]. Journal of Geophysical Research: Atmospheres, Journal of Geophysical Research: Atmospheres, 2008,113(D18).

[29] 黃炯麗,陳志明,莫招育,等.基于高分辨率MARGA分析桂林市PM2.5水溶性離子特征 [J]. 中國環(huán)境科學(xué), 2019,39(4):1390-1404.

Huang J L, Chen Z M, Mo Z Y, et al. Analysis of characteristics of water-soluble ions in PM2.5in Guilin based on the MARGA [J]. China Environmental Science, 2019,39(4):1390-1404.

[30] Yao X H, Chan C K, Fang M, et al. The water-soluble ionic composition of PM2.5in Shanghai and Beijing, China [J]. Atmospheric Environment, 2002,36(26):4223-4234.

[31] 葉文媛,吳 彬,馮銀廠,等.大氣中二次有機(jī)氣溶膠估算方法研究進(jìn)展[J]. 安全與環(huán)境學(xué), 2011,11(1):127-131.

Ye W Y, Wu B, Feng Y C, et al. Advances in the estimation methods of secondary organic aerosol in atmospheric environment [J]. Journal of safety and Environment, 2011,11(1):127-131.

Improved simulation of secondary aerosol in the regional atmospheric environment modeling system RegAEMS.

LUO Gan1, WANG Ti-jian1*, LI Meng-meng1, XU Bei-yao1, XIE Min1, LI Shu1, FU Qing-yan2

(1.School of Atmosphere Science,Nanjing University, Nanjing 210023；2. Shanghai Environmental Monitoring Center, Shanghai 200000)., 2021,41(10)：4541～4548

In order to improve the accuracy of the secondary aerosol simulation, this study added two new formation mechanisms of sulfate (NO2+SO2chemical process and heterogeneous transition-metal-catalyzed oxidation (TMI)) and volatile organic compounds (VBS) based on the regional atmospheric environment model RegAEMS. The two moderate pollution processes in shanghai in January 2020 were simulated and compared with observational data for verification. The study found that the sulfur oxygen conversion rate(SOR) of the two pollution processes were both greater than 0.4, and the main components of PM2.5were sulfate, nitrate and ammonium, accounting for 61.25% to 63.85%. SOA accounted for 2.92%～3.0%. After the addition of the NO2+SO2chemical process and TMI catalytic oxidation, the accuracy of sulfate simulation is significantly improved (The correlation coefficient () increased from 0.49～0.63 to 0.58～0.67, and the relative standard deviation (NMB) increased from -35.0%～-36.5% to -17.3%～-14.2%). The average contribution of the two chemical processes during the pollution occurrence stage is 23.3%～27.9%, which may be the main reason for the sudden increase of sulfate-concentration under pollution conditions. The VBS mechanism can better simulate the change trend of SOA (The correlation coefficient is 0.53～0.56), and the improved model slightly improves the simulation accuracy of PM2.5(Relative standard deviation (NMB) increased from -13.5%～-6.0% to -9.0%～-3.3%).

PM2.5；sulfate；VBS；RegAEMS；numerical simulation

X51

A

1000-6923(2021)10-4541-08

羅 干(1997-),男,陜西安康人,南京大學(xué)碩士研究生,主要研究方向為大氣細(xì)顆粒物來源解析與數(shù)值模擬.

2021-03-12

國家重點研發(fā)計劃項目(2020YFA0607802,2018YFC0213503)

* 責(zé)任作者, 教授, tjwang@nju.edu.cn