基于WRF模式的京津冀地區(qū)地表大氣CO2濃度的模擬研究

梁周彤 唐文瀚 曾寧 才其驤 韓鵬飛 張宇 權(quán)維俊 姚波 王普才 劉志強(qiáng)

摘要 在“雙碳”目標(biāo)背景下，從國(guó)家層面到地方層面，區(qū)域、城市、行業(yè)企業(yè)都在制定和實(shí)施雙碳目標(biāo)行動(dòng)計(jì)劃。CO2模擬因其客觀性和高時(shí)空分辨率等優(yōu)勢(shì)，在城市碳排放研究中深受重視。本研究以京津冀地區(qū)為研究區(qū)域，采用Picarro儀器高精度觀測(cè)的2019—2020年CO2數(shù)據(jù)，利用WRF模式進(jìn)行CO2傳輸模擬，分析了CO2濃度變化的季節(jié)特征，評(píng)估了模式在城區(qū)中心、城郊及背景3個(gè)觀測(cè)站點(diǎn)的模擬效果，并對(duì)邊界層高度及化石燃料碳排放等可能影響CO2濃度的因素進(jìn)行了研究。3個(gè)觀測(cè)站點(diǎn)分別為北京中國(guó)科學(xué)院大氣物理研究所325 m氣象塔觀測(cè)站（北京站）、河北香河觀測(cè)站（香河站）和上甸子區(qū)域本底觀測(cè)站（上甸子站）。模擬結(jié)果表明：上甸子站優(yōu)于香河站，香河站優(yōu)于北京站，在冬季尤其明顯;CO2濃度的高值區(qū)主要分布在城區(qū)、電廠和工業(yè)區(qū)，尤其是唐山、石家莊和邯鄲地區(qū)，大量交通、工業(yè)排放導(dǎo)致CO2濃度明顯上升，且高值區(qū)的范圍在冬季最大;就日平均變化和日變化而言，邊界層高度與CO2濃度存在相反變化趨勢(shì);3個(gè)站點(diǎn)的化石燃料碳排放（FFECO2）與近地面總CO2濃度存在正相關(guān)關(guān)系，冬春季的相關(guān)性高于夏秋季，且FFECO2的占比從大到小依次為北京站、香河站、上甸子站;CO2傳輸模擬的不確定性存在空間差異和季節(jié)變化。

關(guān)鍵詞CO2濃度;WRF模式;邊界層高度;化石燃料碳排放

自工業(yè)革命以來(lái)，地球表面平均大氣CO2濃度從300×10-6以下增長(zhǎng)到了410×10-6左右（Friedlingstein et al.，2020）。在溫室氣體里CO2的占比最大，IPCC第五次報(bào)告指出，在溫室效應(yīng)的作用下，1901—2012年間全球地表平均溫度上升了0.89 ℃。2016年中國(guó)化石燃料燃燒排放的CO2（FFECO2）占據(jù)了全球總排放量的28%，準(zhǔn)確估計(jì)中國(guó)的FFECO2排放量是全球和區(qū)域收支分析和碳減排監(jiān)測(cè)工作的先決條件（IPCC，2013）。盡管最近對(duì)全球氣候變化問(wèn)題的關(guān)注激增，但其范圍巨大，并且緊迫性往往被低估。中國(guó)目前面對(duì)的挑戰(zhàn)是嚴(yán)峻的，尤其在煤炭使用方面，如果中國(guó)能夠抓住機(jī)遇，就可以在21世紀(jì)引領(lǐng)世界實(shí)現(xiàn)可持續(xù)發(fā)展（Zeng et al.，2008）。眾多研究表明，面對(duì)氣候變化碳減排迫在眉睫。

過(guò)往研究表明，新興工業(yè)化經(jīng)濟(jì)體（巴西、印度、中國(guó)以及南非等）多為發(fā)展中國(guó)家，人口以及經(jīng)濟(jì)迅速發(fā)展帶來(lái)大量的能源消耗，自由貿(mào)易導(dǎo)致了更高的能源消耗和CO2排放（Ahmed et al.，2016;Boamah et al.，2017）。我國(guó)溫室氣體觀測(cè)起步較晚，中國(guó)氣象局自1990年起在青海瓦里關(guān)站開(kāi)始大氣溫室氣體濃度采樣觀測(cè)，目前已經(jīng)擴(kuò)展至北京上甸子、浙江臨安、黑龍江龍鳳山、湖北金沙、云南香格里拉、新疆阿克達(dá)拉等7個(gè)大氣本底站，同時(shí)也積極參與WMO/GAW以及相關(guān)實(shí)驗(yàn)室的各類比對(duì)研究（周凌晞等，2008;劉立新等，2014）。以往對(duì)碳排放的研究多是以國(guó)家為單位進(jìn)行。而且，對(duì)CO2的觀測(cè)以遠(yuǎn)離城市的區(qū)域?yàn)橹?，?duì)城市區(qū)域的觀測(cè)和研究相對(duì)較少。而城市區(qū)域在全球溫室氣體排放中占據(jù)重要地位，其區(qū)域排放的CO2占全球CO2排放量的67%～76%，因此量化城市CO2排放，并找出導(dǎo)致其變化的驅(qū)動(dòng)因子可減少城市碳排放（Han et al.，2020a）。近年來(lái)國(guó)內(nèi)也有針對(duì)城市區(qū)域的CO2觀測(cè)實(shí)驗(yàn)，研究結(jié)果表明城市內(nèi)的CO2濃度變化也具有明顯的季節(jié)、日變化特征，變化強(qiáng)度與光合作用強(qiáng)弱、人為因素、風(fēng)向等有關(guān)，并且與O3等一些污染物的濃度呈顯著相關(guān)（尹起范等，2009;高松，2011）。國(guó)內(nèi)現(xiàn)有的CO2觀測(cè)多數(shù)是單站點(diǎn)的觀測(cè)，缺乏城市尺度的網(wǎng)格化CO2觀測(cè)，而高密度的CO2數(shù)據(jù)對(duì)于城市碳排放的評(píng)估具有重要意義。

國(guó)外已經(jīng)進(jìn)行過(guò)不少網(wǎng)絡(luò)化的CO2觀測(cè)實(shí)驗(yàn)，Shuterman et al.（2016）認(rèn)為現(xiàn)有的二氧化碳觀測(cè)網(wǎng)絡(luò)不足以解決特定城市的排放現(xiàn)象，他們構(gòu)建了伯克利大氣CO2觀測(cè)網(wǎng)絡(luò)（BEACO2N）并在加州奧克蘭市全境和附近實(shí)現(xiàn)了高密度的觀測(cè)，其研究發(fā)現(xiàn)了儀器捕捉到的小時(shí)、日和季節(jié)性的CO2信號(hào)在空間尺度上無(wú)法單獨(dú)由大氣傳輸模型準(zhǔn)確表示，這表明地面觀測(cè)網(wǎng)絡(luò)在溫室氣體監(jiān)測(cè)工作中的重要性。有研究使用300多個(gè)精度在8×10-6～12×10-6的LP8（SenseAir LP8）CO2傳感器，在瑞士Carbosense CO2傳感器網(wǎng)絡(luò)上進(jìn)行了長(zhǎng)期的高密度網(wǎng)絡(luò)觀測(cè)實(shí)驗(yàn)并進(jìn)行評(píng)估。研究表明近地面CO2信號(hào)依賴于人為排放、生物圈活動(dòng)（光合、呼吸作用）以及氣象條件（邊界層高度、CO2運(yùn)輸）（Mueller et al.，2019）。這些研究表明，在面對(duì)復(fù)雜的城市環(huán)境時(shí)，多點(diǎn)的觀測(cè)更能獲取CO2特征信息。

北京、天津、河北（以下簡(jiǎn)稱京津冀，JJJ）作為我國(guó)北方最大的城市化區(qū)域，居住人口超過(guò)1億，面臨著巨大的減排壓力。盡管京津冀地區(qū)已經(jīng)有一些碳排放清單研究，但對(duì)區(qū)縣尺度CO2排放的綜合評(píng)估還是十分有限的，而這些信息對(duì)實(shí)施緩解戰(zhàn)略至關(guān)重要（Han et al.，2020b）。全面研究城市尺度水平CO2濃度分布特征，模式模擬是不可或缺的，國(guó)內(nèi)外也進(jìn)行過(guò)相關(guān)的研究。有研究對(duì)馬里蘭州進(jìn)行嵌套WRF-Chem模擬實(shí)驗(yàn)，發(fā)現(xiàn)城市區(qū)域大氣傳輸誤差并不局限在一天中的特定時(shí)間，減少大氣傳輸和耗散相關(guān)的誤差能有效提高溫室氣體排放模型的效果（Martin et al.，2019）。Feng et al.（2019）對(duì)2014年1月期間中國(guó)北京以及周邊地區(qū)的化石燃料排放CO2進(jìn)行了高分辨的模擬，使用的模式合理地再現(xiàn)了研究區(qū)域內(nèi)的氣象場(chǎng)，并發(fā)現(xiàn)北京地區(qū)模擬的CO2和CO混合比與實(shí)測(cè)較為吻合，研究表明FFECO2混合比與北京觀測(cè)到的CO2、CO和PM2.5總濃度顯著相關(guān)（Feng et al.，2019）。以上研究表明大氣傳輸和地面排放對(duì)CO2的模擬是至關(guān)重要的。

在我國(guó)力求實(shí)現(xiàn)碳達(dá)峰、碳中和的大背景下，本研究通過(guò)結(jié)合京津冀地區(qū)不同環(huán)境背景下的高精度觀測(cè)數(shù)據(jù)和長(zhǎng)時(shí)間模擬，呈現(xiàn)了京津冀地區(qū)城市尺度的CO2季節(jié)變化特征，并表明CO2傳輸模擬的不確定性存在空間差異和季節(jié)變化，對(duì)揭示京津冀地區(qū)碳排放現(xiàn)狀，落實(shí)碳減排政策，探索可持續(xù)發(fā)展道路，應(yīng)對(duì)未來(lái)全球變暖趨勢(shì)和氣候變化等具有重要意義。

1 資料和方法

1.1 觀測(cè)儀器和數(shù)據(jù)

本文使用來(lái)自高精度基準(zhǔn)站的觀測(cè)數(shù)據(jù)，數(shù)據(jù)采集使用美國(guó)Picarro公司2系列的儀器，觀測(cè)精度達(dá)到0.2×10-6，觀測(cè)數(shù)據(jù)的時(shí)間分辨率為10 min。京津冀環(huán)境氣象預(yù)報(bào)預(yù)警中心提供了上甸子的基準(zhǔn)站觀測(cè)數(shù)據(jù)，中國(guó)科學(xué)院大氣物理研究所（大氣所）提供了北京、香河的基準(zhǔn)站觀測(cè)數(shù)據(jù)。

三個(gè)站點(diǎn)位置如圖1紅點(diǎn)所示：北京大氣所鐵塔站（116.36°E，39.96°N），河北香河站（116.96°E，39.75°N），北京上甸子站（117.11°E，40.65°N）。大氣所鐵塔站位于高城市化區(qū)域，站點(diǎn)周邊為密集的居民區(qū)等建筑，京-藏高速交通線。在站點(diǎn)周圍1 km范圍內(nèi)，植被高度在15～20 m，植被覆蓋率在10%～18%，建筑物的高度在70～200 m（Liu et al.，2012;Cheng et al.，2018;Yang et al.，2021）。香河站位于北京東南方約50 km的城郊地區(qū)，覆蓋的植被類型為灌溉農(nóng)田。站點(diǎn)周圍的建筑物主要是20 m以下的居民房（Yang et al.，2021）。上甸子站位于京津冀經(jīng)濟(jì)圈的中心地帶，距離北京市150 km，具有溫帶半濕潤(rùn)季風(fēng)氣候，周圍植被類型為林地、果園和農(nóng)田，僅在南邊0.8 km處有一村莊，周邊30 km內(nèi)無(wú)明顯工業(yè)排放源存在（張林等，2021）。

1.2 模式

本文使用WRF-CO2模式，對(duì)京津冀地區(qū)進(jìn)行了2019—2020年共2 a的長(zhǎng)時(shí)間高分辨模擬。WRF-CO2是一個(gè)基于WRF-Chem的中尺度模式，并加入了示蹤劑傳輸網(wǎng)格和中尺度天氣模擬的能力（Bao et al.，2020）。模式數(shù)據(jù)主要分為4部分：1）初始?xì)庀髨?chǎng)使用NECP的FNL再分析數(shù)據(jù)（1°×1°），時(shí)間分辨率為6 h;2）CO2濃度背景場(chǎng)使用GOES-Chem的模擬結(jié)果;3）人為排放清單來(lái)自國(guó)家發(fā)展和改革委員會(huì)能源研究所、北京工業(yè)大學(xué)與中國(guó)科學(xué)院大氣物理研究所合作開(kāi)發(fā)的排放清單NDRC（National Development and Reform Commission;廖虹云等，2022）;4）生物圈碳通量使用VEGAS（VEgetation Global Atmosphere Soil）輸出的植被碳通量數(shù)據(jù)。

WRF-CO2的格點(diǎn)空間分辨率為0.12°×0.12°，網(wǎng)格中心是116.5°E、39.3°N，網(wǎng)格的設(shè)置范圍如圖1的紅框所示。

1.3 方法

本文使用以下統(tǒng)計(jì)指標(biāo)評(píng)估模擬結(jié)果與觀測(cè)數(shù)據(jù)的一致性和準(zhǔn)確性：MBE（Mean Bias Error，平均偏差，用MBE表示）、RMSE（Root Mean Squared Error，均方根誤差，用RMSE）、相關(guān)系數(shù)r。MBE用來(lái)估計(jì)模式的平均偏差，RMSE用來(lái)評(píng)估模擬和觀測(cè)數(shù)據(jù)之間的差異，模擬與觀測(cè)誤差大，其權(quán)重也更大，能夠反映對(duì)極端條件的模擬效果。r是評(píng)估模式模擬數(shù)據(jù)和實(shí)際觀測(cè)數(shù)據(jù)線性相關(guān)性的指標(biāo)。

2 結(jié)果分析

2.1 不同站點(diǎn)CO2濃度的時(shí)間變化

大氣CO2濃度受到生物圈的光合作用、呼吸作用以及人為活動(dòng)碳排放的綜合影響，具有明顯的季節(jié)變化。圖2為北京大氣所鐵塔站（北京站）、河北香河站（香河站）、北京密云區(qū)上甸子站（上甸子站）2019—2020年的日平均數(shù)據(jù)，為了區(qū)分季節(jié)，選取了2019年3月—2020年2月的數(shù)據(jù)。在北京站，2019年3月—2019年8月CO2濃度基本位于500×10-6以下，這段時(shí)間里模擬結(jié)果與觀測(cè)數(shù)據(jù)比較符合。但2019年9月—2020年2月觀測(cè)與模式的CO2濃度均出現(xiàn)強(qiáng)烈的波動(dòng)，主要是排放源和氣象條件的變化所導(dǎo)致，模式模擬結(jié)果明顯高于觀測(cè)的數(shù)值。香河站點(diǎn)2019年3月—2019年8月CO2濃度基本在450×10-6左右，2019年9月—2020年2月超過(guò)500×10-6。上甸子站全年的CO2濃度基本維持在400×10-6～450×10-6以下，未超過(guò)500×10-6，體現(xiàn)了區(qū)域本底站的特征。

由模擬得出三個(gè)站點(diǎn)的時(shí)間變化趨勢(shì)與實(shí)際觀測(cè)的結(jié)果相類似，并且能較好地捕捉大部分的高低值區(qū)間。位于北京市中心北京站的近地面CO2濃度高于城郊的香河站，而香河站又比遠(yuǎn)離人類活動(dòng)區(qū)域的上甸子站點(diǎn)濃度高。由此可知，近地面CO2濃度的增加與人類活動(dòng)的碳排放密切相關(guān)，越是靠近城市區(qū)域，濃度越高。

對(duì)于城市或城郊的站點(diǎn)，模式能捕捉到近地面CO2濃度的季節(jié)性變化：夏季植物生長(zhǎng)旺盛，通過(guò)光合作用吸收更多的CO2，同時(shí)由于氣溫高，邊界層對(duì)流旺盛，近地面的CO2在邊界層大氣內(nèi)充分混合所以夏季的CO2濃度最低;冬季氣溫低，供暖導(dǎo)致化石燃料排放增加，而邊界層高度降低，對(duì)流減弱，CO2在近地面積聚，與此同時(shí)植物光合作用減弱，CO2吸收量減少，因此冬季的CO2濃度最高。

對(duì)比模擬和實(shí)際觀測(cè)的結(jié)果可知，城市區(qū)域的模擬結(jié)果偏大，城郊和遠(yuǎn)離城市的兩個(gè)站點(diǎn)模擬結(jié)果偏小，越遠(yuǎn)離城市區(qū)域，模擬的結(jié)果越好（體積濃度的平均偏差從20.6×10-6降低到-0.7×10-6）。上述分析表明，人類活動(dòng)排放CO2的不確定性對(duì)模擬的影響是很明顯的。

2.2 不同季節(jié)間的模擬差異

CO2濃度的季節(jié)變化主要體現(xiàn)為冬季高夏季低，本節(jié)評(píng)估模式對(duì)季節(jié)變化的模擬表現(xiàn)。圖3將2019—2020年的數(shù)據(jù)按照四個(gè)季節(jié)分類（春季為3—5月平均，夏季為6—8月平均，秋季為9—11月平均，冬季為12月—次年2月平均）得到每個(gè)季節(jié)的平均CO2濃度，再將模式的結(jié)果減去實(shí)際觀測(cè)的結(jié)果，得到模式與各觀測(cè)站之間的季節(jié)偏差。

在北京站，全年CO2濃度的模擬結(jié)果比實(shí)際觀測(cè)高，最高值出現(xiàn)在冬季，達(dá)到了70.1×10-6，最低值為春季的9.3×10-6。在香河站點(diǎn)，全年的模擬結(jié)果均偏低，最大的偏差絕對(duì)值仍在冬季，為-6.3×10-6，偏差最低出現(xiàn)在了秋季，為-0.9×10-6。在上甸子站，除了冬季的偏差為3.7×10-6，其余季節(jié)的偏差值均為負(fù)數(shù)，偏差絕對(duì)值的最低值同樣出現(xiàn)在秋季，為-0.5×10-6。與前兩個(gè)站點(diǎn)不同，上甸子站偏差絕對(duì)值的最大值出現(xiàn)在了夏季。

由以上的數(shù)據(jù)對(duì)比可以看出，在CO2濃度變化最大的冬夏兩個(gè)季節(jié)，模擬的偏差都大。在夏季植物吸收大量CO2導(dǎo)致濃度下降或者冬季污染嚴(yán)重CO2濃度上升的時(shí)候，模式對(duì)它們的變化捕捉并沒(méi)有變化較為平穩(wěn)的春、秋季好。這可能是人為碳排放清單以及生物圈碳通量模擬的不確定性造成的。

2.3 空間分布的季節(jié)特征對(duì)比

CO2的空間分布特征對(duì)于理解區(qū)域氣候變化和碳減排具有重要意義。圖4為模式模擬的CO2濃度季節(jié)平均值的空間分布特征，以及在本底站位置的觀測(cè)值和模擬值的對(duì)比。

從整個(gè)京津冀地區(qū)來(lái)看，模擬的CO2濃度空間分布符合冬季最高，夏季最低的特征。模式在河北石家莊、唐山、承德等地區(qū)有捕捉到高值區(qū)域，而且這些區(qū)域的平均值在一年中CO2濃度最低的季節(jié)里也超過(guò)了600×10-6。在冬季，這些高值區(qū)域的范圍有所擴(kuò)大。這些CO2濃度高值區(qū)，是河北地區(qū)發(fā)達(dá)的重工業(yè)（鋼鐵、水泥等）生產(chǎn)，消耗大量化石燃料排放造成的。

將研究區(qū)域集中在北京及其附近范圍后，兩個(gè)超過(guò)500×10-6的高值區(qū)出現(xiàn)在北京市區(qū)和河北承德，其中河北承德的CO2濃度高值區(qū)在秋季有所擴(kuò)大，而全年的總體變化不大，造成該CO2濃度高值區(qū)的原因是交通碳排放。承德地區(qū)CO2濃度在冬季后高值區(qū)域反而有所減小，可能是2019年底因COVID19事件交通排放有所減少導(dǎo)致的。北京市區(qū)的CO2高值區(qū)域全年的變化明顯，尤其在進(jìn)入冬天后，高濃度區(qū)域明顯地?cái)U(kuò)大，部分地區(qū)的濃度超過(guò)了600×10-6，與北京2019年冬季發(fā)生的重污染事件吻合。城市區(qū)域模擬的效果比郊區(qū)和遠(yuǎn)離城市的區(qū)域差，因此大氣所站點(diǎn)的偏差較大。造成模擬效果差的原因可能為：市區(qū)排放源復(fù)雜，碳排放清單沒(méi)有較好地反映真實(shí)的排放。

2.4 CO2濃度與邊界層高度的對(duì)比

大氣中CO2基本積聚在對(duì)流層的底層，對(duì)流層低層的對(duì)流運(yùn)動(dòng)強(qiáng)弱可以影響CO2濃度的變化，邊界層高度這一指標(biāo)能較好地判斷對(duì)流的強(qiáng)弱，通過(guò)分析其與CO2濃度變化之間的關(guān)系，可以研究影響CO2濃度變化的氣象因素。

由三個(gè)站點(diǎn)的CO2濃度和邊界層高度年日平均變化可以看到，三個(gè)站點(diǎn)的邊界層高度大值都出現(xiàn)在春季，最大值都超過(guò)了1 500 m;隨著時(shí)間邊界層高度緩慢下降，最小值出現(xiàn)在冬季，最小值都在500 m以下。根據(jù)給出的數(shù)據(jù)，可以發(fā)現(xiàn)春、夏季的平均邊界層高度較高，平均CO2濃度較低;秋、冬季的平均邊界層高度較低，平均CO2濃度較高。以2019年4月14日附近時(shí)間段的天氣變化過(guò)程作為例子進(jìn)行分析，三個(gè)站點(diǎn)的CO2濃度都存在顯著的濃度上升波動(dòng)，邊界層高度出現(xiàn)了與其對(duì)應(yīng)高度下降的波動(dòng)，隨后幾天的時(shí)間內(nèi)邊界層高度回到一個(gè)高值，而CO2濃度降低回到低值。

從北京站（圖5d）、香河站（圖5e）、上甸子站（圖5f）的CO2濃度和邊界層高度晝夜變化可以看出，三個(gè)站點(diǎn)的邊界層高度都在08時(shí)左右達(dá)到最低，平均值都低于500 m，該時(shí)間段內(nèi)CO2濃度相應(yīng)達(dá)到一天內(nèi)的最大值;08—15時(shí)內(nèi)邊界層高度增加，CO2濃度下降，邊界層高度在14—15時(shí)達(dá)到最大值，三個(gè)站點(diǎn)都是1 500 m左右，該時(shí)間段CO2濃度達(dá)到最低;15時(shí)—次日08時(shí)內(nèi)，邊界層高度又開(kāi)始下降，CO2濃度上升。北京站CO2濃度受邊界層高度變化的影響大于城郊的香河站和上甸子站。

CO2濃度和邊界層高度晝夜變化，反映了天氣過(guò)程對(duì)CO2濃度的影響：當(dāng)受到天氣過(guò)程影響邊界層高度減小的時(shí)候，對(duì)流減弱，CO2積聚在地面導(dǎo)致近地面CO2濃度上升;當(dāng)邊界層高度增大的時(shí)候，對(duì)流增強(qiáng)，CO2分子被對(duì)流帶往高層，近地面CO2濃度下降。由兩者的晝夜變化可得：白天邊界層高度增加，對(duì)流增強(qiáng)時(shí)，CO2濃度開(kāi)始降低;午后邊界層高度降低，對(duì)流減弱時(shí)，CO2濃度開(kāi)始增加。城市區(qū)域CO2濃度的晝夜變化受邊界層高度的影響較大。

2.5 CO2濃度與化石燃料排放CO2的對(duì)比

碳排放主要在城市區(qū)域，而城市碳排放的主要來(lái)源是化石燃料的碳排放（Han et al.，2020a）。當(dāng)前有研究指出，不同地區(qū)城市之間的化石燃料碳排放（FFECO2）也存在一定的差異，沿海城市廈門的FFECO2低于內(nèi)陸城市西安和北京，西安和北京的FFECO2最高值在2月，最低值在7月（Niu et al.，2016;Wang et al.，2018）。因此，研究京津冀城市區(qū)域的FFECO2與CO2濃度之間的關(guān)系，對(duì)揭示當(dāng)前城市區(qū)域的碳排放現(xiàn)狀，落實(shí)碳減排政策是有重要意義的。

圖6是北京大氣所站（圖6a、b、c、d、e）、河北香河站（圖6f、g、h、i、j）和北京上甸子站（圖6k、l、m、n、o）全年以及各季節(jié)觀測(cè)的近地面CO2濃度與模擬FFECO2的相關(guān)分布。

2019年3個(gè)站點(diǎn)的CO2濃度與FFECO2都存在正相關(guān)，其相關(guān)系數(shù)北京站（r=0.65）>香河站（r=0.64）>上甸子站（r=0.58）。由2.1節(jié)的分析可知CO2濃度的變化存在季節(jié)性波動(dòng)，不同季節(jié)下CO2與FFECO2的相關(guān)性也存在差異。香河站和上甸子站冬季的相關(guān)性最大，相關(guān)系數(shù)分別為（r=0.78，r=0.87），其次是春季，相關(guān)系數(shù)分別為（r=0.60，r=0.78）;而北京站相關(guān)性最大的季節(jié)為春季，相關(guān)系數(shù)為（r=0.66），其次為冬季（r=0.49），導(dǎo)致北京站點(diǎn)春季相關(guān)性比冬季大的原因可能是北京站點(diǎn)冬季的部分?jǐn)?shù)據(jù)缺失。以上分析可以反映城市區(qū)域的FFECO2與CO2濃度的相關(guān)性大于城郊區(qū)域大于遠(yuǎn)離人類活動(dòng)區(qū)域，冬春季的相關(guān)性比夏秋季高。

由圖7分析FFECO2對(duì)近地面總CO2的占比率，F(xiàn)FECO2的年占比率北京站大于香河站大于上甸子站（a、b、c），年占比率分別為14.03%、3.70%、1.68%。每個(gè)站點(diǎn)的FFECO2占比在春季處于最低值，北京站的占比在6%左右，香河站和上甸子站的占比都低于2%;春季至秋季各個(gè)站點(diǎn)的占比存在遞增的趨勢(shì)，北京站增長(zhǎng)率較大，香河站和上甸子站增長(zhǎng)較小;秋季至冬季，北京站的FFECO2占比迅速增加，達(dá)到了20%以上，香河站的占比趨于平緩，而上甸子站的占比出現(xiàn)了下降。綜上所述，城市區(qū)域的FFECO2占比比城郊和遠(yuǎn)離人類活動(dòng)區(qū)域的高，季節(jié)變化更大，冬季時(shí)占比最大。

3 結(jié)論與討論

本文使用了單網(wǎng)格WRF-CO2模式的模擬結(jié)果與三個(gè)高精度基準(zhǔn)站實(shí)際觀測(cè)的CO2濃度數(shù)據(jù)進(jìn)行對(duì)比研究，分析了模擬與觀測(cè)數(shù)據(jù)時(shí)間序列之間的異同，量化出觀測(cè)與模擬的季節(jié)變化，并分析了它們之間的偏差，再?gòu)目臻g上研究它們的季節(jié)特征分布，最后在化石燃料排放角度去研究其與CO2濃度變化之間的關(guān)系。結(jié)論如下：

1）模式能較好地模擬出每個(gè)站點(diǎn)的季節(jié)性變化（夏季降低，冬季升高），但還存在一定的偏差。城市區(qū)域模擬結(jié)果偏大，而城郊和遠(yuǎn)離城市的站點(diǎn)模擬偏小，而且越接近城市，偏差越大，人類活動(dòng)的復(fù)雜碳排放及清單的準(zhǔn)確性，對(duì)模擬結(jié)果的影響很明顯。

2）中科院大氣所鐵塔站點(diǎn)每個(gè)季節(jié)的偏差皆為正，最大偏差在冬季，河北香河站點(diǎn)每個(gè)季節(jié)的偏差都為負(fù)，偏差絕對(duì)值最大也是在冬季。與這兩個(gè)站點(diǎn)不同的是，上甸子站除了冬季是正偏差以外，另外三個(gè)季節(jié)都為負(fù)偏差，偏差絕對(duì)值最大在夏季。冬夏兩個(gè)CO2濃度變化大的季節(jié)模擬與觀測(cè)之間的偏差都比較大，該結(jié)果可能是由模擬的生物圈通量及人為排放清單的不確定性造成的。

3）模式能在空間上捕捉到河北一些重污染地區(qū)的高CO2濃度，并且從空間分布特征上可以得到整體區(qū)域的季節(jié)性變化。由模式的CO2空間分布能找到與北京2019年冬季重污染事件相吻合的特征。城市區(qū)域模擬的效果比郊區(qū)和遠(yuǎn)離城市的區(qū)域差，因此大氣所站點(diǎn)的偏差較大。造成模擬效果差的原因可能為：市區(qū)排放源復(fù)雜，碳排放清單沒(méi)有較好地反映真實(shí)的排放。

4）天氣過(guò)程和晝夜氣象條件變化影響的邊界層高度與CO2濃度存在相反變化的趨勢(shì)：春夏季的邊界層高度較高，對(duì)應(yīng)較低的CO2濃度，秋冬季較低的邊界層高度對(duì)應(yīng)較高的CO2濃度;白天對(duì)流增強(qiáng)，邊界層高度變高，CO2濃度開(kāi)始減低，午后對(duì)流開(kāi)始減弱，邊界層高度降低，CO2濃度開(kāi)始增加。城市區(qū)域北京站CO2濃度受邊界層高度的影響要強(qiáng)于城郊香河站和上甸子站。

5）城市區(qū)域北京站點(diǎn)化石燃料碳排放（FFECO2）與近地面CO2濃度的相關(guān)性高于城郊香河站和遠(yuǎn)離人類活動(dòng)的上甸子站，冬春季各個(gè)站點(diǎn)的相關(guān)性高于夏秋季。北京站的近地面CO2濃度FFECO2占比高于香河站高于上甸子站，并且其變化幅度也大于香河站和上甸子站。

京津冀區(qū)域地形的復(fù)雜性和人類活動(dòng)排放源的不確定性對(duì)模擬的結(jié)果造成了明顯的影響，本次研究?jī)H使用了NDRC一個(gè)清單，在將來(lái)的研究中，還將使用不同的排放清單進(jìn)行模擬，進(jìn)一步確定清單對(duì)模擬結(jié)果的影響。在觀測(cè)數(shù)據(jù)方面，北京大氣所鐵塔站點(diǎn)的部分?jǐn)?shù)據(jù)丟失也給本研究結(jié)果對(duì)比帶來(lái)了一定的影響，在未來(lái)的觀測(cè)中，應(yīng)盡量保證數(shù)據(jù)的連續(xù)性。

參考文獻(xiàn)（References）

Ahmed K，Shahbaz M，Kyophilavong P，2016.Revisiting the emissions-energy-trade nexus：evidence from the newly industrializing countries[J].Environ Sci Pollut Res，23（8）：7676-7691.doi：10.1007/s11356-015-6018-x.

Bao Z X，Han P F，Zeng N，et al.，2020.Observation and modeling of vertical carbon dioxide distribution in a heavily polluted suburban environment[J].Atmos Ocean Sci Lett，13（4）：371-379.doi：10.1080/16742834.2020.1746627.

Boamah K B，Du J G，Bediako I A，et al.，2017.Carbon dioxide emission and economic growth of China-the role of international trade[J].Environ Sci Pollut Res，24（14）：13049-13067.doi：10.1007/s11356-017-8955-z.

Cheng X L，Liu X M，Liu Y J，et al.，2018.Characteristics of CO2 concentration and flux in the Beijing urban area[J].J Geophys Res Atmos，123（3）：1785-1801.doi：10.1002/2017jd027409.

Feng T，Zhou W J，Wu S G，et al.，2019.High-resolution simulation of wintertime fossil fuel CO2 in Beijing，China：characteristics，sources，and regional transport[J].Atmos Environ，198：226-235.doi：10.1016/j.atmosenv.2018.10.054.

Friedlingstein P，O Sullivan M，Jones M W，et al.，2020.Global carbon budget 2020[J].Earth System Science Data，12（4）：3269-3340.

高松，2011.夏季上海城區(qū)大氣中二氧化碳濃度特征及相關(guān)因素分析[J].中國(guó)環(huán)境監(jiān)測(cè)，27（2）：70-76. Gao S，2011.Analysis of characteristics and affecting factors of atmospheric CO2 concentration in urban area in summer，Shanghai[J].Environ Monit China，27（2）：70-76.doi：10.19316/j.issn.1002-6002.2011.02.020.（in Chinese）.

Han P F，Zeng N，Oda T，et al.，2020a.Evaluating Chinas fossil-fuel CO2 emissions from a comprehensive dataset of nine inventories[J].Atmos Chem Phys，20：11371—11385.doi：10.5194/acp-2019-643.

Han P F，Zeng N，Oda T，et al.，2020b.A city-level comparison of fossil-fuel and industry processes-induced CO2 emissions over the Beijing-Tianjin-Hebei region from eight emission inventories[J].Carbon Balance Manage，15（1）：25.doi：10.1186/S13021-020-00163-2.

IPCC，2013.Climate change 2013：the physical science basis：Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change[M].Cambridge and New York：Cambridge University Press.

廖虹云，趙盟，李艷霞，2022.北京市高分辨率CO2排放清單研究[J].氣候變化研究進(jìn)展，18（2）：188-195. Liao H Y，Zhao M，Li Y X，2022.A high spatial resolution CO2 emission inventory in Beijing[J].Clim Change Res，18（2）：188-195.doi：10.12006/j.issn.1673-1719.2021.192.（in Chinese）.

劉立新，周凌晞，夏玲君，等，2014.本底大氣CO2觀測(cè)分析過(guò)程中QA/QC方法的建立與評(píng)估[J].環(huán)境科學(xué)，35（12）：4482-4488. Liu L X，Zhou L X，Xia L J，et al.，2014.Establishment and assessment of QA/QC method for sampling and analysis of atmosphere background CO2[J].Environ Sci，35（12）：4482-4488.doi：10.13227/j.hjkx.2014.12.009.（in Chinese）.

Liu H Z，F(xiàn)eng J W，Jrvi L，et al.，2012.Four-year （2006—2009） eddy covariance measurements of CO2 flux over an urban area in Beijing[J].Atmos Chem Phys，12（17）：7881-7892.doi：10.5194/acp-12-7881-2012.

Martin C R，Zeng N，Karion A，et al.，2019.Investigating sources of variability and error in simulations of carbon dioxide in an urban region[J].Atmos Environ，199：55-69.doi：10.1016/j.atmosenv.2018.11.013.

Mueller M，Graf P，Meyer J，et al.，2019.Integration and calibration of NDIR CO2 low-cost sensors，and their operation in a sensor network covering Switzerland[J].Atmos.Meas.Tech.Discuss，2019.

Niu Z C，Zhou W J，Wu S G，et al.，2016.Atmospheric fossil fuel CO2 traced by Δ14C in Beijing and Xiamen，China：temporal variations，inland/coastal differences and influencing factors[J].Environ Sci Technol，50（11）：5474-5480.doi：10.1021/acs.est.5b02591.

Shusterman A A，Teige V E，Turner A J，et al.，2016.The BErkeley atmospheric CO2 observation network：initial evaluation[J].Atmos Chem Phys，16（21）：13449-13463.doi：10.5194/acp-16-13449-2016.

Wang P，Zhou W J，Niu Z C，et al.，2018.Emission characteristics of atmospheric carbon dioxide in Xian，China based on the measurements of CO2 concentration，Δ14C and δ13C[J].Sci Total Environ，619/620：1163-1169.doi：10.1016/j.scitotenv.2017.11.125.

Yang Y，Zhou M Q，Wang T，et al.，2021.Spatial and temporal variations of CO2 mole fractions observed at Beijing，Xianghe，and Xinglong in North China[J].Atmos Chem Phys，21（15）：11741-11757.doi：10.5194/acp-21-11741-2021.

尹起范，盛振環(huán)，魏科霞，等，2009.淮安市大氣CO2濃度變化規(guī)律及影響因素的探索[J].環(huán)境科學(xué)與技術(shù)，32（4）：54-57. Yin Q F，Sheng Z H，Wei K X，et al.，2009.Rule of atmospheric CO2 variations and affecting factors in ubran area of Huai'an[J].Environ Sci Technol，32（4）：54-57.doi：10.3969/j.issn.1003-6504.2009.04.013.（in Chinese）.

Zeng N，Ding Y H，Pan J H，et al.，2008.Climate change：the Chinese challenge[J].Science，319（5864）：730-731.doi：10.1126/science.1153368.

張林，靳孟貴，劉延鋒，等，2021.中國(guó)瓦里關(guān)和上甸子大氣溫室氣體濃度變化特征[J].地球科學(xué)，46（8）：2984-2998. Zhang L，Jin M G，Liu Y F，et al.，2021.Concentration variation characteristics of atmospheric greenhouse gases at waliguan and shangdianzi in China[J].Earth Sci，46（8）：2984-2998.（in Chinese）.

周凌晞，劉立新，張曉春，等，2008.我國(guó)溫室氣體本底濃度網(wǎng)絡(luò)化觀測(cè)的初步結(jié)果[J].應(yīng)用氣象學(xué)報(bào)，19（6）：641-645. Zhou L X，Liu L X，Zhang X C，et al.，2008.Preliminary results on network observation of greenhouse gases at China GAW stations[J].J Appl Meteor Sci，19（6）：641-645.doi：10.3969/j.issn.1001-7313.2008.06.001.（in Chinese）.

Simulation of surface atmospheric CO2 concentration in Beijing-Tianjin-Hebei region based on WRF model

LIANG Zhoutong1，2，TANG Wenhan2，ZENG Ning2，CAI Qixiang2，HAN Pengfei2，3，ZHANG Yu1，QUAN Weijun4，YAO Bo5，WANG Pucai3，LIU Zhiqiang2

1School of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，China;

2State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China;

3Carbon Neutrality Research Center，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China;

4Beijing-Tianjin-Hebei Environmental Weather Forecast and Early Warning Center，Beijing 100023，China;

5Institute of Atmospheric Sciences，F(xiàn)udan University，Shanghai 200433，China

Under the background of “dual-carbon” goals，regional，urban and industrial enterprises are formulating and implementing the “dual-carbon” goals action plan from the national level to the local level.Because of its objectivity and high temporal and spatial resolution，CO2 simulation is deeply valued in the research of urban carbon emission.This paper took Beijing-Tianjin-Hebei region as the research area，used the high-precision CO2 data observed by Picarro instrument from 2019 to 2020，used WRF model to simulate CO2 transmission，analyzed the seasonal characteristics of CO2 concentration change，evaluated the simulation effect of the model in the urban center，suburbs and background stations，and studied the factors that may affect CO2 concentration，such as planetary boundary layer height and fossil fuel carbon emission.The three observation stations are the 325 m meteorological tower observation station at Institute of Atmospheric Physics，Chinese Academy of Sciences （Beijing station），Hebei Xianghe observation station （Xianghe station） and Shangdianzi regional background observation station （Shangdianzi station）.The simulation results show that：The effect of Shangdianzi station is better than that of Xianghe station，and the effect of Xianghe station is better than that of Beijing station，especially in winter.The high value areas of CO2 concentration are mainly distributed in urban areas，power plants and industrial areas，especially in Tangshan，Shijiazhuang and Handan areas.A large number of traffic and industrial emissions lead to a significant increase in CO2 concentration，and the range of high value area is the largest in winter.In terms of daily and diurnal variations，there is an opposite trend between the planetary boundary layer height and CO2 concentration.There is a positive correlation between fossil fuel carbon emissions （FFECO2） and total CO2 concentration near the surface at the three stations.The correlations in winter and spring are higher than that in summer and autumn，and the proportion of FFECO2 is Beijing station，Xianghe station and Shangdianzi station from large to small.There are spatial differences and seasonal variations in the uncertainty of CO2 transport simulation.

CO2 concentration;WRF model;boundary layer height;fossil fuel carbon emission

doi：10.13878/j.cnki.dqkxxb.20220228018

（責(zé)任編輯：袁東敏）