羊騰躍 劉紅年 王學(xué)遠(yuǎn) 胡非
(1 南京大學(xué) 大氣科學(xué)學(xué)院,南京 210023;2 中國(guó)科學(xué)院大氣物理研究所,北京 100029)
21世紀(jì)以來(lái),隨著中國(guó)經(jīng)濟(jì)的高速增長(zhǎng),我國(guó)城市空氣污染也日益嚴(yán)重,以灰霾問題為首的城市空氣質(zhì)量問題一直是研究熱點(diǎn)[1-2]。近年來(lái),我國(guó)積極實(shí)施空氣污染治理舉措[3],城市空氣質(zhì)量總體雖呈現(xiàn)好轉(zhuǎn)趨勢(shì),但城市空氣污染狀況仍不容樂觀。例如2012—2018年我國(guó)PM2.5的污染基本呈逐年減輕的趨勢(shì),但同時(shí)O3的污染卻日益嚴(yán)重[4-5]。以長(zhǎng)三角地區(qū)主要城市為例,由O3引起的城市空氣質(zhì)量超標(biāo)占總超標(biāo)天數(shù)的比例從2015年的37.2%上升到了2018年的44.3%[4]。
城市空氣污染最重要成因是污染物的排放和不利的氣象條件,對(duì)此已有相當(dāng)多的研究[6],例如,ZHANG, et al[7]研究發(fā)現(xiàn),居民燃煤貢獻(xiàn)了京津冀三角冬季月平均PM2.5濃度的46%。任陣海等[8]發(fā)現(xiàn),持續(xù)的晴天和大范圍高壓均壓場(chǎng)條件下容易使重污染區(qū)邊界層逆溫厚度增大,從而形成局地嚴(yán)重污染的天氣條件。LIU, et al[9]研究指出,在污染物排放變化不大的條件下,不利的氣象條件是嚴(yán)重污染事件形成的關(guān)鍵因素。
除排放因素和氣象條件以外,城市下墊面也可以通過影響城市氣象[10],從而改變污染擴(kuò)散。如Batterman, et al[11]通過北京市12個(gè)監(jiān)測(cè)點(diǎn)近2 a的PM2.5濃度觀測(cè)數(shù)據(jù),發(fā)現(xiàn)局地人類活動(dòng)和土地利用的差異,可以解釋PM2.5濃度71%的空間變化。WANG, et al[12]利用大氣動(dòng)力學(xué)和化學(xué)模型研究了珠江三角洲地區(qū)城市土地利用變化對(duì)O3濃度的影響,發(fā)現(xiàn)O3濃度增加的主要區(qū)域與溫度升高、風(fēng)速降低的區(qū)域相一致,并且O3濃度增長(zhǎng)最快的時(shí)間發(fā)生在溫度增加與風(fēng)速降低最快時(shí)間發(fā)生后的幾個(gè)小時(shí)。LIU, et al[13]研究發(fā)現(xiàn),在杭州高度城市化地區(qū),PM2.5濃度增加30 μg·m-3,平均能見度降低0.2 km,最大下降1 km;日平均霾小時(shí)數(shù)增加0.46 h,霾高度增加100~300 m,污染物“自凈時(shí)間”增加1.5倍。
目前關(guān)于城市氣象對(duì)空氣污染影響的研究主要集中在城市的總體效應(yīng),如有無(wú)城市、城市化發(fā)展等方面[14-16]。城市對(duì)局地氣象條件的影響相對(duì)比較復(fù)雜,其物理過程主要可以分為動(dòng)力效應(yīng)、熱力效應(yīng)、城市植被作用等。其中,城市的動(dòng)力效應(yīng)主要指城市建筑對(duì)氣流的阻尼作用,使風(fēng)速減小;而城市的熱力效應(yīng)則是城市下墊面熱力學(xué)性質(zhì)的改變和人為熱的排放造成的以城市熱島為特征的局地環(huán)流[17]。城市植被由于增加了污染物干沉降速度,從而降低城市污染物濃度[18]。
目前,關(guān)于這些物理過程對(duì)污染物影響的研究還比較缺乏。鑒于此,本文使用RBLM-chem模式,利用杭州市高分辨率城市建筑等資料,通過敏感性試驗(yàn)的方法,定量分析城市動(dòng)力效應(yīng)、熱力效應(yīng)以及城市植被、人為熱對(duì)SO2、NO2、O3和PM2.5等主要污染物濃度所造成的影響;同時(shí)研究城市下墊面對(duì)城市植被干沉降速度的影響,探究各種因素對(duì)城市空氣質(zhì)量帶來(lái)的影響。
數(shù)值模式使用RBLM-Chem(Regional Boundary Layer Model)模式。該模式主要由兩部分構(gòu)成,以區(qū)域邊界層氣象模式RBLM為基礎(chǔ),耦合了大氣化學(xué)輸送擴(kuò)散模式ACTDM(Atmospheric Chemical Transport and Dispersion Model)。RBLM是以 ARPS(Advanced Regional PredictionSystem)模式為基礎(chǔ)發(fā)展而來(lái)的一個(gè)三維的、非靜力的、高分辨率區(qū)域氣象數(shù)值預(yù)報(bào)模式。該模式在 ARPS 模式動(dòng)力框架基礎(chǔ)上詳細(xì)考慮了城市下墊面特征及人為因素等對(duì)邊界層結(jié)構(gòu)的影響。徐敏等[19]在動(dòng)量、湍能方程中加入了城市建筑物拖曳項(xiàng),使之能夠更準(zhǔn)確地模擬城市建筑所表現(xiàn)出的氣象特征。何曉鳳等[20-21]在冠層模型理論框架基礎(chǔ)上,發(fā)展并建立了城市冠層模式(NJU-UCM-S),并將其與模式耦合,完善了RBLM模式對(duì)城市區(qū)域陸面過程的參數(shù)化方案。YANG, et al[22]發(fā)展建立了新的城市樹木冠層模型和植被干沉降模塊。ACTDM是一個(gè)包含多物種源排放、輸送擴(kuò)散、化學(xué)轉(zhuǎn)化、干濕沉降過程的大氣污染物濃度預(yù)報(bào)模式[23],且將ACTDM與RBLM進(jìn)行耦合,并建立了植被干沉降模塊,將RBLM發(fā)展為新的區(qū)域邊界層化學(xué)模式(RBLM-Chem),使之適用于城市及區(qū)域尺度的氣象與大氣環(huán)境高分辨率數(shù)值模擬研究[18]。
模式模擬區(qū)域是以(30.16°N、120.075°E)為中心的145 km×95 km范圍,涵蓋了杭州市主要區(qū)域。如圖1所示,水平網(wǎng)格距為1 km,垂直方向采用拉伸網(wǎng)格,最低層格距為10 m,垂直方向共33層, 模式頂高4 500 m。
圖1給出了模擬域地表類型(a)、城市植被覆蓋率(b)、建筑高度(c)和建筑密度(d)。根據(jù)杭州市城市規(guī)劃部門10 m分辨率的建筑資料,平均得到的建筑高度和建筑密度分布(圖1c、d)??梢?高大密集的建筑主要集中在杭州市主城區(qū)與蕭山區(qū)。
圖1 模擬域地表類型(a)、城市植被覆蓋率(b)、建筑高度(c)和建筑密度(d)(a中色標(biāo)5、7、10、11、14分別表示城市、常綠林、農(nóng)田、灌木、水體;其中藍(lán)色區(qū)域代表杭州市市區(qū),紅色區(qū)域代表水體,貫穿模擬域的徑流為錢塘江;b是地表類型為城市時(shí)的城市植被覆蓋率)Fig.1 (a)Surface type, (b)urban vegetation coverage, (c)building height and (d)building density in simulation area(color codes 5, 7, 10, 11 and 14 in a refer to city, often greenwood, farmland, shrub and water)
模式所用的1 km分辨率排放源資料包括SO2、NOx、PM10、PM2.5、HC、CO等,來(lái)自于杭州市環(huán)保局,包括工業(yè)點(diǎn)源、生活面源和交通排放源3種人為排放[13]。此外模式參考趙斌等[24]增加了杭州市PM10與PM2.5的交通揚(yáng)塵排放;模式中還考慮了植被的VOC排放,在模式中根據(jù)地表類型和氣象場(chǎng)實(shí)時(shí)計(jì)算[18]。
杭州市氣象局采用Lamb-Jenkinson大氣環(huán)流客觀分型方法,將杭州地區(qū)2010—2015年大氣環(huán)流分為27種類型[25]。本文選擇了晴天且出現(xiàn)頻率較高的E、SE、S、UD、A、AE、ANE等天氣類型個(gè)例,對(duì)冬、夏季節(jié)典型天氣具有一定的代表性。個(gè)例共10例,分別為2013年8月3日、8月15日、8月21日、8月23日、8月26日、12月1日、12月16日、12月18日、12月23日、12月27日。其中夏季5 d,冬季5 d。在這10個(gè)個(gè)例中,模擬都從08時(shí)(北京時(shí),下同)開始,模擬時(shí)間25 h,時(shí)間步長(zhǎng)4 s。
本文設(shè)計(jì)了Basecase、No_urban、No_build、No_heat、No_tree共5組數(shù)值試驗(yàn)(表1)。其中,Basecase為基本試驗(yàn),其余4組為對(duì)照試驗(yàn)。在四組對(duì)照試驗(yàn)中,No_urban組在Basecase基礎(chǔ)上去除了城市影響,即將城市地表類型改為農(nóng)田,去除城市建筑和人為熱;No_build組在Basecase基礎(chǔ)上去除城市建筑,但保留城市地表類型;No_heat組和No_tree組分別在Basecase基礎(chǔ)上去除了人為熱和城市植被。通過比較Basecase與No_urban、No_build 、No_tree、No_heat組的結(jié)果,即可分別得到城市效應(yīng)、城市動(dòng)力效應(yīng)、城市植被、人為熱的影響。另外,在No_build組與No_urban組的設(shè)計(jì)中,兩組區(qū)別為有無(wú)人為熱和城市冠層,因此比較兩組試驗(yàn)的結(jié)果即可得到城市熱力效應(yīng)的影響。
表1 數(shù)值試驗(yàn)方案設(shè)置Table 1 Set-up of the simulations
為了驗(yàn)證模式模擬結(jié)果的可靠性,表2給出了模擬區(qū)域7個(gè)氣象站和10個(gè)環(huán)境監(jiān)測(cè)站觀測(cè)結(jié)果和模擬結(jié)果的統(tǒng)計(jì)對(duì)比。結(jié)果表明,對(duì)氣溫和相對(duì)濕度的平均誤差分別為0.3 ℃和3.9%,氣象場(chǎng)模擬總體上與觀測(cè)結(jié)果吻合地較好。污染物濃度方面,模式對(duì)SO2、NO2、O3、PM10和PM2.5的平均誤差分別為-6.0、1.1、-0.9、6.6和2.9 μg·m-3。在模擬區(qū)域,NO2、O3、PM10和PM2.5濃度模擬的相對(duì)誤差都很小,與觀測(cè)結(jié)果比較吻合。總體上看,模式對(duì)于研究區(qū)域氣象場(chǎng)與污染物濃度的模擬比較可信。
表2 觀測(cè)和模擬結(jié)果統(tǒng)計(jì)對(duì)比Table 2 Statistics of observations and simulations
圖2給出了在所有個(gè)例的全天平均下,杭州地區(qū)城市化對(duì)地面氣象場(chǎng)的影響??梢钥吹?城市化過程使得城區(qū)溫度上升1 ℃左右,在中心城區(qū),如拱墅區(qū)、下城區(qū),上升達(dá)到了2 ℃。在兩個(gè)試驗(yàn)組郊區(qū)溫度基本不變的情況下,表現(xiàn)出了典型的城市“熱島”特征。城市化過程也使得城區(qū)相對(duì)濕度下降6%左右,中心城區(qū)下降幅度接近10%,表現(xiàn)出了典型的城市“干島”特征。同時(shí),比濕下降幅度較小,城市下墊面改變使得地表蒸發(fā)減小的作用不是很明顯,這可能和杭州綠化率較高以及西湖、錢塘江水域面積較大有關(guān)。而城市相對(duì)濕度的下降主要是由城市熱島效應(yīng)造成城市氣溫、飽和水汽壓上升引起的。此外,城市化過程中增加了城市建筑動(dòng)力效應(yīng),對(duì)風(fēng)的拖曳阻尼作用增強(qiáng)隨著加強(qiáng),使得城區(qū)風(fēng)速下降,可達(dá)0.8 m·s-1左右。城區(qū)風(fēng)速雖然下降,湍流動(dòng)能卻有著顯著增加,在大部分區(qū)域上升約0.03 m2·s-2。這是因?yàn)槌鞘袩崃ι仙饔帽容^明顯,加之下墊面較為粗糙,造成湍流運(yùn)動(dòng)比較顯著。城市風(fēng)速衰減主要是由動(dòng)力學(xué)效應(yīng)造成的,城市熱島效應(yīng)主要由城市冠層和人為熱效應(yīng)造成的,其他幾組試驗(yàn)造成的城市氣象場(chǎng)的變化本文不再給出。
圖2 城市化引起的2 m氣溫(a,單位:K)、相對(duì)濕度(b,單位:%)、風(fēng)速(c,單位:m·s-1)以及湍流動(dòng)能(d,單位:m2·s-2)變化(Basecase-No_urban)Fig.2 Impact of the urbanization on 2 m air temperature(a,unit: K), relative humidity(b,unit: %),wind speed(c,unit: m·s-1)and TKE(d,unit: m2·s-2)(Basecase-No_urban)
相對(duì)于Basecase、No_build組僅去除了城市建筑,兩組試驗(yàn)結(jié)果之差體現(xiàn)了城市動(dòng)力效應(yīng)的影響。圖3給出了城市動(dòng)力效應(yīng)對(duì)SO2、NO2、O3和PM2.5地面濃度的影響??梢?城市動(dòng)力效應(yīng)對(duì)不同污染物的影響各不相同,且存在空間差異??傮w而言,其效應(yīng)使得城區(qū)大部分區(qū)域污染物濃度升高,如SO2有接近5 μg·m-3的濃度上升,PM2.5、O3濃度也有近15 μg·m-3的上升。城市的動(dòng)力效應(yīng)存在空間差異,主要和建筑高度、建筑密度的空間差異有關(guān),建筑高度和密度較大的主城區(qū)污染物濃度增加顯著。城市化過程中,城市高大建筑群和交錯(cuò)復(fù)雜的道路取代了農(nóng)田、綠地,使得城區(qū)下墊面粗糙度增大,直接導(dǎo)致了城市風(fēng)速衰減,不利于污染物的擴(kuò)散作用,從而使得污染物濃度升高。
圖3 城市動(dòng)力效應(yīng)對(duì)(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; Basecase-No_build)Fig.3 Impact of the urban dynamics effect on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_build)
城市熱力效應(yīng)包括城市地表類型改變產(chǎn)生的城市冠層熱力效應(yīng)和人為熱排放效應(yīng)。在No_build組與No_urban組的設(shè)計(jì)中,兩組區(qū)別為有無(wú)人為熱和城市冠層,因此兩組試驗(yàn)結(jié)果相減即可得到城市熱力效應(yīng)的影響。
圖4給出了城市熱力效應(yīng)對(duì)SO2、NO2、O3和PM2.5地面濃度的影響。可見,NO2、O3和PM2.5城區(qū)濃度都有明顯下降,其中以PM2.5濃度的下降最為顯著,在城市大部分區(qū)域降低約5 μg·m-3,部分區(qū)域下降幅度甚至達(dá)到20 μg·m-3。而NO2、O3濃度下降的區(qū)域相對(duì)而言分布較為集中,沒有像PM2.5那樣覆蓋大半個(gè)城區(qū),但在相應(yīng)區(qū)域,濃度下降幅度較大,NO2濃度的下降幅度接近20 μg·m-3,O3濃度的下降幅度接近5 μg·m-3。城市下墊面熱力學(xué)性質(zhì)的改變和人為熱的排放使得城市地區(qū)形成了以熱島效應(yīng)為特征的局地環(huán)流,而這種局地環(huán)流促進(jìn)了污染物從城市地面向高空輸送,使得城市地區(qū)污染物濃度降低[17]。
圖4 城市熱力效應(yīng)對(duì)(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; No_build-No_urban)Fig.4 Impact of the urban thermodynamic effect on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; No_build-No_urban)
上文分別分析城市動(dòng)力效應(yīng)與熱力效應(yīng)對(duì)污染物濃度的影響,實(shí)際上,城市動(dòng)力效應(yīng)是與熱力效應(yīng)共同作用、相互影響的。例如以熱力驅(qū)動(dòng)的城市熱島局地環(huán)流會(huì)受到城市建筑物的動(dòng)力作用,從而改變風(fēng)場(chǎng)與湍流分布,繼而又會(huì)影響熱量的輸送。下文通過比較有無(wú)城市的Basecase與No_urban組結(jié)果,研究城市動(dòng)力學(xué)和熱力學(xué)的綜合效應(yīng)(圖5)。可見,在城市綜合效應(yīng)影響下,大部分城市區(qū)域的污染物濃度還是呈現(xiàn)升高的結(jié)果。通過之前圖3與圖4的分析可知,在本次試驗(yàn)中,城市動(dòng)力效應(yīng)使得污染物濃度升高,城市熱力效應(yīng)使得污染物濃度降低,而城市動(dòng)力效應(yīng)大于熱力效應(yīng),城市的總體作用是使污染物濃度升高。因此,圖5中污染物濃度的分布總體上與圖3比較相近,最終,污染物濃度也呈升高趨勢(shì)。
圖5 城市綜合效應(yīng)對(duì)(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; Basecase-No_urban)Fig.5 Impact of the urbanization on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_urban)
由于城市區(qū)域人口、生產(chǎn)、生活集中,產(chǎn)生了大量人為熱,人為熱效應(yīng)城市熱力效應(yīng)有重要貢獻(xiàn),也對(duì)城市區(qū)域污染物濃度分布也有重要影響。圖6給出了人為熱對(duì)SO2、NO2、O3和PM2.5地面濃度的影響。人為熱對(duì)城市地區(qū)各項(xiàng)污染物濃度都起著減小的作用,其中SO2、NO2、O3、PM2.5濃度降幅分別在2.5、 3.0 、6.0、10.0 μg·m-3左右,下降比較明顯的區(qū)域主要集中在原本污染物濃度排放較為密集的區(qū)域。人為熱可以在一定程度上增加下墊面的溫度,從而更有利于城市地區(qū)氣流的熱力上升運(yùn)動(dòng),裹挾著污染物離開地表,進(jìn)入高層后擴(kuò)散輸送。對(duì)比圖4發(fā)現(xiàn),人為熱效應(yīng)作為城市熱力效應(yīng)的一部分,對(duì)污染物濃度的上升作用小于城市熱力效應(yīng)。
圖6 人為熱對(duì)(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; Basecase-No_heat)Fig.6 Impact of the anthropogenic heat on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_heat)
城市植被主要通過吸收、吸附污染物緩解城市地區(qū)污染。許多城市都把增加城市植被覆蓋率作為改善城市空氣質(zhì)量的辦法。通過比較Basecase與No_tree組結(jié)果(圖7),定量研究了城市植被對(duì)污染物的影響。由圖7可見,城市植被可以顯著降低城市地區(qū)污染物濃度。其中,主城區(qū)SO2濃度的降幅在2.5 μg·m-3左右,NO2濃度的下降不太明顯,部分地區(qū)濃度上升。O3、PM2.5濃度的降幅分別為4.0、6.0 μg·m-3左右。在本次試驗(yàn)中,植被對(duì)SO2、O3和PM2.5濃度的下降作用比較顯著,而對(duì)NO2的作用則比較復(fù)雜。在RBLM-chem模式中,考慮了植被VOC排放,植被的作用既增加了污染物的干沉降速度,又增加了光化學(xué)反應(yīng)的重要前體物。
圖7 城市植被對(duì)(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; Basecase-No_tree)Fig.7 Impact of the urban vegetation on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_tree)
植被增加污染物的干沉降速度是其影響污染物濃度的重要機(jī)制。下文將比較城市/農(nóng)田下墊面,有/無(wú)城市植被,對(duì)污染物干沉降速度的影響。
圖8為Basecase與No_urban組SO2、NO2、O3和PM2.5干沉降速度之差??梢钥吹?城市效應(yīng)使得城區(qū)污染物干沉降速度明顯降低。SO2、NO2的干沉降速度都有接近0.2 m·s-1的下降,而O3的下降幅度較低,約為0.08 m·s-1。城市對(duì)污染物干沉降速度的影響主要包括兩方面,一是城市地表類型代替了農(nóng)田地表類型,相比城市,農(nóng)田地表類型具有更為豐富的植被,對(duì)污染物的吸附阻力較大,因此城市地表類型的變化使干沉降速度減小;另一方面,城市氣象條件的變化使城市湍流能量加大,可能增加污染物的干沉降。在本文模擬中,城市化使污染物干沉降速度下降,可見主要是前者起了主要作用。
圖8 城市效應(yīng)對(duì)(a)SO2、(b)NO2、(c)O3和(d)PM2.5干沉降速度的影響(單位:m·s-1; Basecase-No_urban)Fig.8 Impact of the urbanization on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 dry deposition velocity (unit: m·s-1; Basecase-No_urban)
圖9為城市植被對(duì)SO2、NO2、O3和PM2.5干沉降速度的影響(Basecase-No_tree組,其余同上)。發(fā)現(xiàn)向城市區(qū)域引入城市植被后,在城市植被覆蓋的區(qū)域,污染物干沉降速度顯著上升。其中SO2、NO2的干沉降速度增幅較大,接近0.1 m·s-1;PM2.5的干沉降速度增幅較小,約為0.06 m·s-1,O3的干沉降速度增幅最小,約0.03 m·s-1。
圖9 城市植被對(duì)(a)SO2、(b)NO2、(c)O3和(d)PM2.5干沉降速度的影響(單位:m·s-1; Basecase-No_tree)Fig.9 Impact of the urban vegetation on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 dry deposition velocity (unit: m·s-1; Basecase-No_urban)
利用杭州市高分辨率城市建筑等資料,使用RBLM-chem模式,分析2013年冬季和夏季的10個(gè)個(gè)例,通過敏感性試驗(yàn)的方法,定量分析城市動(dòng)力效應(yīng)、熱力效應(yīng)以及城市植被、人為熱對(duì)SO2、NO2、O3、PM2.5等主要污染物濃度所造成的影響。主要結(jié)論如下:
(1)城市化過程使得城區(qū)溫度上升1 ℃左右,在中心城區(qū),如拱墅區(qū)、下城區(qū),上升達(dá)到了2 ℃,表現(xiàn)出了典型的城市“熱島”特征。城市化過程也使得城區(qū)的相對(duì)濕度顯著下降,降幅在大部分城區(qū)為6%左右,中心城區(qū)接近10%,表現(xiàn)出了典型的城市“干島”特征。此外,城市化過程增加了城市建筑動(dòng)力效應(yīng),對(duì)風(fēng)的拖曳阻尼作用增強(qiáng),使得城區(qū)風(fēng)速下降,降幅可達(dá)0.8 m·s-1左右。而城區(qū)湍流動(dòng)能有著顯著增強(qiáng),上升約0.03 m2·s-2。
(2)城市動(dòng)力效應(yīng)總體上使得城區(qū)污染物濃度升高,如SO2濃度有接近5 μg·m-3上升,PM2.5、O3濃度也有近15 μg·m-3的上升。城市熱力效應(yīng)總體上使得城區(qū)污染物濃度降低,其中以PM2.5濃度的下降最為顯著,在城市大部分區(qū)域降低約10 μg·m-3,下降最多的區(qū)域甚至達(dá)到了20 μg·m-3。NO2、O3濃度下降的區(qū)域分布較為集中,但濃度下降顯著,下降幅度分別為20、5 μg·m-3。城市動(dòng)力效應(yīng)大于熱力效應(yīng),城市的總體作用是使污染物濃度升高。
(3)人為熱對(duì)城市地區(qū)各項(xiàng)污染物濃度都起著減小的作用,其中SO2、NO2、O3、PM2.5濃度降幅分別為2.5、 3.0 、6.0、10.0 μg·m-3左右,下降比較明顯的區(qū)域主要集中在原本污染物濃度排放較為密集的區(qū)域。
(4)城市效應(yīng)使得污染物干沉降速度明顯降低,SO2、NO2的干沉降速度都有接近0.2 m·s-1的下降,O3的下降幅度較低,約為0.08 m·s-1。城市植被可以顯著增加污染物干沉降速度,令SO2、NO2、O3和PM2.5的干沉降速度分別上升0.1、0.1、0.03、0.06 m·s-1左右。干沉降速度的上升使得城區(qū)污染物濃度降低,SO2、NO2、O3和PM2.5濃度下降的幅度約為2.5、6.0、4.0、6.0 μg·m-3。
本文數(shù)值試驗(yàn)主要通過污染物地面濃度的變化來(lái)分析城市下墊面對(duì)空氣污染的影響。今后可考慮拓寬角度,如分析污染物濃度的垂直剖面,有望對(duì)城市熱力效應(yīng)引起的熱島環(huán)流有更直觀的認(rèn)識(shí);也可以考慮對(duì)污染物濃度的日變化進(jìn)行分析,探究在污染比較嚴(yán)重的時(shí)段,是城市下墊面的哪些因子起了主要作用。此外,盡管本文使用了較為精細(xì)的高分辨率排放源清單,但由于排放源清單制作的滯后性,勢(shì)必與實(shí)際排放情況有一定偏差。未來(lái)考慮使用更新的排放源清單,期望可以提高模擬的真實(shí)性、準(zhǔn)確性。