2021年冬季四川盆地區(qū)域PM2.5重污染事件成因及來源解析

楊 童,楊顯玉*,阮溫馨,呂雅瓊,胡 芩,曹幫軍,賁秉政,吳 鍇

2021年冬季四川盆地區(qū)域PM2.5重污染事件成因及來源解析

楊 童1,楊顯玉1*,阮溫馨1,呂雅瓊2,胡 芩1,曹幫軍1,賁秉政1,吳 鍇1

(1.成都信息工程大學(xué)大氣科學(xué)學(xué)院,高原大氣與環(huán)境四川省重點(diǎn)實(shí)驗(yàn)室,四川 成都 610225；2.中國科學(xué)院成都山地災(zāi)害與環(huán)境研究所,四川 成都 610041)

利用WRF-CMAQ模型及來源解析模塊ISAM對2021年11月1～20日四川盆地一次區(qū)域PM2.5重污染過程進(jìn)行了數(shù)值模擬,結(jié)合地面氣象觀測數(shù)據(jù)和污染物監(jiān)測數(shù)據(jù)分析了污染成因機(jī)制并進(jìn)一步開展了PM2.5來源解析研究.結(jié)果表明,WRF-CMAQ模型能較好地重現(xiàn)氣象要素及各城市污染物濃度的變化.此次冬季PM2.5污染過程因受本地排放源及小風(fēng)、高濕等不利氣象條件的影響,導(dǎo)致PM2.5在成都平原累積,在短時間內(nèi)達(dá)到峰值而形成,并且多個城市日均PM2.5濃度峰值超過150μg/m3.ISAM源解析結(jié)果表明,本地源是四川盆地各城市PM2.5污染的主導(dǎo)來源,其中成都、重慶、達(dá)州及廣元的本地排放對PM2.5濃度的貢獻(xiàn)率均超過50%,而周邊城市的區(qū)域輸送也有重要貢獻(xiàn).

四川盆地；PM2.5；WRF-CMAQ；來源解析

伴隨著城市化進(jìn)程的加快與能源消費(fèi)的迅速增長,細(xì)顆粒物(PM2.5)已成為影響我國空氣質(zhì)量的首要大氣污染物之一[1-2].環(huán)境中PM2.5不僅通過改變輻射強(qiáng)迫直接作用于區(qū)域及全球氣候變化,還對人體健康及生態(tài)系統(tǒng)產(chǎn)生不利影響[3-4].已有研究表明,2019年我國因暴露于PM2.5污染導(dǎo)致過早死亡高達(dá)142萬例,對公共健康具有顯著危害[5].自2013年“大氣污染防治行動計劃”頒布以來,有效的大氣污染控制策略大幅削減了SO2與氮氧化物(NO)等一次PM2.5前體物的排放,我國各大城市群PM2.5污染明顯改善且年均PM2.5濃度逐年降低[6-7].然而,據(jù)2021年全國生態(tài)環(huán)境狀況公報,我國339個城市仍有29.8%的城市年均PM2.5濃度超出環(huán)境空氣質(zhì)量二級標(biāo)準(zhǔn)(年均PM2.5濃度大于35μg/m3),PM2.5污染的深度治理仍面臨嚴(yán)峻挑戰(zhàn).

四川盆地城市群是我國西部城市化水平最高的城市群之一,也是“三區(qū)十群”大氣污染防治重點(diǎn)區(qū)域之一[8].四川盆地四面環(huán)山,因深盆地形的影響冬季極易出現(xiàn)持續(xù)的靜穩(wěn)天氣形勢,垂直和水平擴(kuò)散條件較差,加之長時間的污染累積疊加以及川南地區(qū)污染物的輸入,易導(dǎo)致區(qū)域污染事件的發(fā)生[9].已有研究針對四川盆地城市群PM2.5濃度年際變化、前體物排放趨勢、重污染事件成因等開展了一系列研究,指出了不利氣象條件在冬季持續(xù)重污染過程中的重要作用并通過數(shù)值模擬等方法識別了人為源排放的重要貢獻(xiàn)[10-11].據(jù)2021年四川省環(huán)境空氣質(zhì)量年報顯示,四川盆地仍有9個城市年均PM2.5濃度高于國家環(huán)境空氣質(zhì)量二級標(biāo)準(zhǔn)(35μg/ m3), PM2.5污染尚未得到徹底控制且亟待深入研究.現(xiàn)有研究已針對顆粒物污染開展許多工作,但主要集中于單個城市重污染特征的分析[10,12],區(qū)域尺度的全面分析相對較少,尤其缺乏冬季區(qū)域重污染事件的成因分析.

受不利氣象條件與盆地內(nèi)源污染物排放的共同影響,2021年11月10～19日四川盆地發(fā)生了一次持續(xù)PM2.5污染過程.該污染事件主要特征表現(xiàn)為持續(xù)時間長、影響范圍廣.污染范圍不僅涉及成都平原城市群,川南與川東北地區(qū)多個城市也觀測到了高濃度PM2.5,其中自貢市12日PM2.5小時濃度峰值達(dá)179μg/m3,成都市16日PM2.5小時濃度峰值高達(dá)161μg/m3.基于此,本文采用WRF- CMAQ空氣質(zhì)量模型對該污染事件進(jìn)行數(shù)值模擬,并進(jìn)一步針對污染事件期間盆地內(nèi)各城市的PM2.5進(jìn)行來源解析,以期為進(jìn)一步推動PM2.5污染深度治理與制定區(qū)域大氣污染協(xié)同管控策略提供科學(xué)依據(jù)和決策參考.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

近地面逐小時大氣污染物濃度監(jiān)測數(shù)據(jù)來自四川省生態(tài)環(huán)境監(jiān)測總站,參考環(huán)境空氣質(zhì)量評價技術(shù)規(guī)范(試行)》(HJ663-2013)[13]進(jìn)行數(shù)據(jù)質(zhì)量控制.地表站點(diǎn)氣象要素逐小時觀測資料來自中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)且已經(jīng)過嚴(yán)格質(zhì)量控制,數(shù)據(jù)時段覆蓋2021年11月1～20日,要素包括2m溫度(℃), 2m相對濕度(%),10m風(fēng)速(m/s)與10m風(fēng)向.

1.2 模型設(shè)置

WRF是由美國國家大氣研究中心等單位共同開發(fā)的新一代中尺度數(shù)值天氣預(yù)報模式,CMAQ為美國環(huán)保署研發(fā)的多尺度環(huán)境空氣質(zhì)量模型.WRF- CMAQ模型系統(tǒng)因其完備的化學(xué)機(jī)制與較優(yōu)的物理參數(shù)化模塊已被廣泛應(yīng)用于大氣污染研究與空氣質(zhì)量預(yù)報.本研究采用WRFv4.1.1版本與CMAQv5.4版本對四川盆地城市群的大氣污染物進(jìn)行模擬.模擬區(qū)域采用3層嵌套,空間分辨率分別為27, 9和3km,如圖1所示.WRF的初始場與邊界場數(shù)據(jù)均采用美國國家環(huán)境預(yù)報中心(NCEP)提供的6h一次、1°分辨率的 FNL全球再分析資料.WRF模型的物理參數(shù)化方案與楊顯玉等[14]一致.模型的模擬起止時間從2021年10月30日0:00～2021年11月20日0:00結(jié)束,其中10月30～31日的模擬結(jié)果視為Spin-up且不進(jìn)行分析.WRF共設(shè)置30層垂直氣壓層并在2km以內(nèi)加密以改善邊界層內(nèi)風(fēng)場及污染物輸送的模擬能力.WRF與CMAQ模型均采用Lambert投影坐標(biāo)系.CMAQ氣相化學(xué)和氣溶膠機(jī)制分別采用CB06及AERO07機(jī)制,人為源排放清單采用清華大學(xué)研發(fā)的2017年MEIC并結(jié)合Zheng等[15]的估算結(jié)果對各個行業(yè)源排放進(jìn)行修正以減小2021年與2017年間減排導(dǎo)致的潛在排放誤差.天然源揮發(fā)性有機(jī)物排放通過MEGANv2.1計算得到[16-17].CMAQ最外層區(qū)域的初始場和邊界場均由全球大氣化學(xué)傳輸模型CAM-Chem提供[18],內(nèi)層模擬域的初始場和邊界層則來自外層CMAQ模擬結(jié)果.

圖1 WRF-CMAQ模型模擬區(qū)域

1.3 模型性能評估方法

為評估WRF模式對此次污染事件氣象場的模擬性能,本研究采用中國氣象數(shù)據(jù)網(wǎng)的地面逐小時氣象觀測資料對WRF模擬的氣象要素進(jìn)行統(tǒng)計評估.CMAQ模擬的大氣污染物濃度則利用四川省環(huán)境監(jiān)測總站的地面污染物逐小時監(jiān)測數(shù)據(jù)進(jìn)行評價.統(tǒng)計指標(biāo)包括平均偏差(MB),標(biāo)準(zhǔn)化平均偏差(NMB),標(biāo)準(zhǔn)化平均誤差(NME),均方根誤差(RMSE),一致性指數(shù)(IOA). MB,NMB和NME值越接近0,表明模擬與觀測之間偏差越小,模擬效果越好.IOA越接近1,表明模擬要素值與地面觀測值的變化趨勢越接近,模擬效果越好.各個統(tǒng)計量的計算公式如下:

式中:P與O分別為各個要素的模擬值與觀測值, μg/m3.

1.4 PM2.5來源解析

為識別四川盆地各城市對此次區(qū)域PM2.5重污染事件的相對貢獻(xiàn),本研究采用CMAQv5.4中的標(biāo)記追蹤模塊Integrated Source Apportionment Method (ISAM)對各個城市的PM2.5來源貢獻(xiàn)進(jìn)行解析.相比于強(qiáng)力法等基于削減排放的敏感性實(shí)驗(yàn)溯源PM2.5的方法,ISAM不僅可以針對單一的排放源或區(qū)域進(jìn)行標(biāo)記,還進(jìn)一步改善了氣相化學(xué)過程以及標(biāo)記物的源解析算法.該源解析模塊已被廣泛應(yīng)用于PM2.5以及PM10的來源解析[19-21].

2 結(jié)果與討論

2.1 模型驗(yàn)證

本文通過驗(yàn)證統(tǒng)計數(shù)據(jù)來評估WRF模型的模擬能力,包括成都市、宜賓市、眉山市和資陽市的每小時2m溫度、2m相對濕度和10m風(fēng)速的MB、NMB、NME、RMSE和IOA.如表1所示,WRF模擬的各城市2m氣溫與觀測值呈現(xiàn)出高度一致性,4個城市的平均偏差均小于1.5℃且IOA均高于0.85,其中眉山市的MB僅有0.55℃且IOA高達(dá)0.94,這表明了WRF模型能較好重現(xiàn)這4個城市的2m氣溫變化.對于2m相對濕度,可以清楚地看到, 成都市、宜賓市、眉山市和資陽市的NMB均在±20%范圍內(nèi),表明WRF模擬的各個城市2m相對濕度的偏差較小,但WRF對各個城市的相對濕度均有所低估,其中成都市被低估最嚴(yán)重(MB高于13%).這主要是由于四川盆地冬季持續(xù)的高濕環(huán)境被WRF模型低估所致.此外,WRF對10m風(fēng)速的模擬有所高估,尤其是成都市的風(fēng)速平均偏差高達(dá)1.02m/s且RMSE為1.62m/s.這可能主要?dú)w因于WRF邊界層參數(shù)化方案的模擬誤差[14].總體而言,WRF模擬的氣象要素與觀測數(shù)據(jù)表現(xiàn)出了較好的一致性,能夠重現(xiàn)此次污染事件期間的氣象要素的變化特征.

表1 四川盆地各城市氣象要素的各項(xiàng)統(tǒng)計指標(biāo)

圖2顯示了CMAQ模擬的成都、瀘州、宜賓、南充、雅安和德陽市的PM2.5模擬和觀測的逐小時時間序列.四川盆地各城市的模擬值與觀測值之間偏差相對較小,尤其是成都市和雅安市的MB僅為1.7與-4.9.從模擬值與觀測值的NMB看,成都市、瀘州市、雅安市和德陽市的NMB均在±20%范圍內(nèi),其中成都市的NMB僅為3.1%.此外,CMAQ模型很好地重現(xiàn)研究時段內(nèi)四川盆地各個城市PM2.5濃度的時間變化,各城市IOA均高于0.6,其中雅安市IOA高達(dá)0.77.然而,CMAQ模擬對重污染事件期間的PM2.5濃度峰值存在一定程度的低估.這一現(xiàn)象可能由于CMAQ對二次有機(jī)氣溶膠的濃度有所低估以及非均相化學(xué)過程考慮有所不足導(dǎo)致[22-24].

2.2 四川盆地2021年11月9～17日污染事件演變特征

圖3與圖4分別顯示了2021年11月9～17日期間四川盆地近地面環(huán)境監(jiān)測站觀測的日均PM2.5濃度及CMAQ模型模擬的日均PM2.5濃度的空間分布.由于氣象條件和人為排放的影響,PM2.5濃度在污染事件不同階段的空間分布差異較大.PM2.5濃度高值區(qū)主要集中于成都平原城市群、川南城市群以及重慶主城區(qū)等人為源排放較高的區(qū)域.

圖5為2021年11月8～17日東亞中高緯度地區(qū)500hPa的高空天氣形勢演變.圖6為污染事件期間成都市溫江站與宜賓市探空站觀測的垂直氣象要素變化.結(jié)合天氣形勢、近地面觀測數(shù)據(jù)以及CMAQ模擬結(jié)果可將此次污染事件劃分為3個階段,分別為(1)污染初始累積階段:11月8～10日;(2)區(qū)域污染發(fā)展與維持階段:11月11～16日;(3)污染清除階段:11月17日.

對于初始累積階段(11月8～10日), 500hPa高空天氣形勢表明四川盆地處于高空槽后部(圖5),受均壓場影響,有利于靜穩(wěn)天氣的形成.從溫江和宜賓站10日08:00探空資料(T-lnP圖)可以看出,該階段成都市與宜賓市大氣層結(jié)均為穩(wěn)定層結(jié),且有逆溫層存在(圖6).該階段日均PM2.5濃度超標(biāo)站點(diǎn)僅在成都平原與川南城市群有所分布.

由于500hPa高度上四川盆地天氣系統(tǒng)影響較弱,11月11～16日期間盆地仍主要受到均壓場的影響.具體而言,11月11日川南城市群自貢市、瀘州市PM2.5日均濃度分別為84與90μg/m3,達(dá)輕度污染;由于長時間局地排放導(dǎo)致的污染累積疊加不利的垂直和水平擴(kuò)散條件(靜小風(fēng)頻率大于80%),川南城市群各城市PM2.5濃度在12日均有所升高,其中自貢市日均PM2.5濃度高達(dá)153μg/m3(為重度污染,小時觀測峰值濃度為179μg/m3).與此同時,受盛行偏南風(fēng)的影響,川南城市群的污染物被輸送至成都平原城市群,導(dǎo)致川南與成都平原南部城市形成連片污染.11月13～16日,由于川南城市群污染物的持續(xù)輸入,加之邊界層內(nèi)頻繁的逆溫現(xiàn)象(圖6)以及持續(xù)的高相對濕度,促進(jìn)了顆粒物的吸濕增長和氣態(tài)污染物的二次轉(zhuǎn)化,加重了盆地內(nèi)各城市污染,導(dǎo)致盆地內(nèi)區(qū)域性污染進(jìn)一步擴(kuò)大,表現(xiàn)為盆地范圍的帶狀污染,尤其以成都平原城市群PM2.5污染最為嚴(yán)重(11月16日成都市小時PM2.5濃度峰值高達(dá)163μg/m3).

圖4 2021年11月9～17日四川盆地CMAQ模型模擬的日平均PM2.5濃度空間分布

紅色虛線為溫度場,單位: ℃,風(fēng)向桿為風(fēng)場,單位: m/s,黑色實(shí)線為位勢高度場,單位: dagpm,棕色實(shí)線為槽線

隨著天氣形勢的發(fā)展,11月17日四川盆地高空盛行偏西北氣流,冷平流有所加強(qiáng)導(dǎo)致高空溫度槽加深,有利于打破低層由逆溫導(dǎo)致的穩(wěn)定層結(jié),從而導(dǎo)致區(qū)域PM2.5污染有所改善.

圖6 2021年11月污染事件期間成都溫江站與宜賓站溫度對數(shù)壓力

2.3 PM2.5區(qū)域污染來源解析

為定量識別此次污染事件期間各城市對區(qū)域PM2.5污染的相對貢獻(xiàn),本研究進(jìn)一步將四川盆地劃分為三大城市群(包括成都平原城市群(成都市、德陽市、綿陽市、眉山市、樂山市、遂寧市),川南城市群(自貢市、內(nèi)江市、瀘州市、宜賓市)和川東北城市群(達(dá)州市、南充市、廣安市、廣元市))并采用CMAQ-ISAM對污染事件期間(11月1～17日)的PM2.5開展來源解析.圖8～10分別為成都平原城市群、川南城市群及川東北城市群各城市的PM2.5濃度貢獻(xiàn).可以看出不同區(qū)域各城市在污染時期各階段的PM2.5濃度均出現(xiàn)一定的差異,但總體變化特征與PM2.5濃度的空間分布一致(圖3).其中,最顯著的特征是本地源的貢獻(xiàn)變化幅度最大,即對于14個城市而言,域內(nèi)PM2.5濃度貢獻(xiàn)最大的均為本地源,表明本地人為源排放在持續(xù)重污染事件形成過程中起到了決定性作用.

進(jìn)一步分析圖8可知,受成都市區(qū)的機(jī)動車尾氣與工業(yè)源高排放以及局部不利氣象條件的影響,成都市日均PM2.5濃度的本地源貢獻(xiàn)在整個污染事件期間始終保持在較高水平(大于50%),且在11月10日及15日先后出現(xiàn)兩次峰值,濃度分別高達(dá)23.2及22.9μg/m3.值得注意的是,德陽市、綿陽市、眉山市、樂山市及遂寧市除了本地源貢獻(xiàn)呈現(xiàn)出一定的影響,外來區(qū)域傳輸貢獻(xiàn)以成都市PM2.5輸送為主,其次為川南城市群.其中,成都對德陽市的影響在11月9日達(dá)到最大,PM2.5濃度的絕對貢獻(xiàn)超過19μg/m3;而對眉山市污染的絕對貢獻(xiàn)在11日出現(xiàn)峰值,濃度高達(dá)12μg/m3.由此可見,成都市的人為源排放對周邊城市的PM2.5污染具有顯著影響,主要表現(xiàn)為對德陽市、眉山市以及綿陽市的傳輸貢獻(xiàn).此外,值得注意的是,區(qū)域污染發(fā)展與維持階段川南城市群對成都平原城市群的區(qū)域平均濃度輸送貢獻(xiàn)占源地區(qū)濃度的25%,明顯高于川東北城市群的影響.

如圖9所示,相比于成都平原城市群,川南城市群除瀘州市外的各城市PM2.5來源均表現(xiàn)為本地源貢獻(xiàn)最大,其中自貢與內(nèi)江市分別在11月16日、17日出現(xiàn)濃度貢獻(xiàn)峰值(14.6和17.2μg/m3);而外來輸送以鄰近城市為主,這主要是由于川南地區(qū)各城市間PM2.5與其前體物排放量差異較小所致.周子航等[25]基于自下而上和自上而下結(jié)合的清單構(gòu)建方法建立了四川省人為源大氣污染物排放清單,并指出宜賓和自貢等城市有較高的NO及NH3排放.值得注意的是,硝酸鹽和銨鹽是顆粒物中的重要組分,而NO與NH3為其前體物,川南城市群因人口密集、工農(nóng)業(yè)經(jīng)濟(jì)發(fā)達(dá),導(dǎo)致各城市NO與NH3的高排放在一定程度上對顆粒物的形成具有重要影響[14],這也是四川盆地成為顆粒物污染高發(fā)地的原因之一.

圖9 2021年11月1～17日各城市對川南城市群PM2.5濃度的絕對貢獻(xiàn)

不同于成都平原城市群與川南城市群,川東北城市群(達(dá)州市、南充市、廣安市、廣元市)的PM2.5污染程度相對較低.由圖10可知,達(dá)州市與南充市PM2.5濃度明顯高于廣元市,這可能與該地區(qū)較高的畜禽養(yǎng)殖和氮肥施用導(dǎo)致的較高農(nóng)業(yè)源氨排放有關(guān)[26].在整個污染事件期間本地源排放在達(dá)州市PM2.5濃度變化中占主導(dǎo)地位,其受區(qū)域傳輸?shù)挠绊戄^小.這可能是由于達(dá)州位于區(qū)域風(fēng)場的上游地區(qū),加之人為源排放較周邊城市低所致.需要注意的是,南充市與廣安市的PM2.5濃度均受到源于達(dá)州的鄰近污染氣團(tuán)影響,尤其廣安市污染期間PM2.5濃度受達(dá)州區(qū)域傳輸?shù)腜M2.5濃度貢獻(xiàn)明顯高于本地排放.廣元市PM2.5濃度主要源于本地排放,除污染高峰期外受周邊城市的區(qū)域輸送影響較小.

圖10 2021年11月1～17日各城市對川東北城市群PM2.5濃度的絕對貢獻(xiàn)

表2 四川盆地城市群PM2.5污染相互傳輸矩陣

注: 1.斜體加粗?jǐn)?shù)值:貢獻(xiàn)率在10.0%～20.0%之間(包括20.0%); 2.帶下劃線數(shù)值:貢獻(xiàn)率大于20.0%.

表2進(jìn)一步反映了此次重污染過程(2021年11月1～17日)中四川盆地各城市本地源與區(qū)域傳輸對PM2.5濃度的貢獻(xiàn)占比情況.可以看到該表最顯著的特征是“對角線”上的貢獻(xiàn)率明顯大于其他位置的貢獻(xiàn)率,即從長時間平均結(jié)果看,本地源是各城市PM2.5濃度的主要來源,這與上述所示信息一致(圖7～9).四川盆地城市群中27.0%～69.4%的傳輸貢獻(xiàn)來自17個城市的本地源,其中重慶市、達(dá)州市、成都市及廣元市本地源對PM2.5濃度的貢獻(xiàn)均超過50%;而30.6%～73%的傳輸貢獻(xiàn)來自其他城市.值得注意的是,對于各個城市貢獻(xiàn)較大的來源城市的分布規(guī)律相類似,都表現(xiàn)為周邊城市貢獻(xiàn)最大,距離越遠(yuǎn)的城市貢獻(xiàn)越小,符合污染物擴(kuò)散傳輸規(guī)律.

3 結(jié)論

3.1 WRF-CMAQ模型能夠較好地模擬四川盆地2021年11月的區(qū)域持續(xù)污染過程,各城市PM2.5的模擬濃度與觀測濃度的相關(guān)系數(shù)均在0.6～0.8之間,其中成都市和雅安市的平均偏差(MB)僅為1.7與-4.9μg/m3.此外,WRF模擬的氣象要素與近地面觀測相比也呈現(xiàn)出了高度一致性.

3.2 靜穩(wěn)天氣形勢疊加逆溫導(dǎo)致的局地污染物累積是此次區(qū)域污染PM2.5事件發(fā)生的主導(dǎo)因素.盛行偏南風(fēng)驅(qū)動的川南城市群污染物輸入對盆地范圍的區(qū)域PM2.5污染事件發(fā)展與維持具有重要貢獻(xiàn).受污染物區(qū)域輸送的影響,川南地區(qū)與成都平原南部城市形成連片帶狀污染.

3.3 CMAQ-ISAM來源解析結(jié)果表明本地源排放是此次區(qū)域污染事件中四川盆地各城市PM2.5污染的主要來源,其貢獻(xiàn)率為27.0%～69.4%,其中重慶和達(dá)州的本地源貢獻(xiàn)率分別高達(dá)66.0%、69.4%.

3.4 人為源排放較高的特大城市(成都和重慶)在污染發(fā)展與維持階段對鄰近城市的區(qū)域輸送較為明顯.成都市源區(qū)的排放對德陽市與眉山市PM2.5濃度有顯著的貢獻(xiàn).此外,重慶市的污染源排放對成都平原及川南城市群的PM2.5也具有廣泛的影響,表明盛行風(fēng)場作用下城市群間及鄰近城市的短距離傳輸?shù)挠绊懸膊蝗莺鲆?

[1] Gao J, Tian H, Cheng K, et al. The variation of chemical characteristics of PM2.5and PM10and formation causes during two haze pollution events in urban Beijing, China [J]. Atmospheric Environment, 2015,107:1-8.

[2] Zhao S, Yu Y, Yin D, et al. Spatial patterns and temporal variations of six criteria air pollutants during 2015 to 2017 in the city clusters of Sichuan Basin, China [J]. Science of the Total Environment, 2018,624: 540-557.

[3] 薛 濤,劉 俊,張 強(qiáng),等.2013～2017年中國PM2.5污染的快速改善及其健康效益 [J]. 中國科學(xué):地球科學(xué), 2020,50(4):441-452. Xue T, Liu J, Zhang Q, et al. Rapid improvement of PM2.5pollution and associated health benefits in China during 2013～2017 [J]. Science China Earth Sciences, 2020,50(4):441-452.

[4] Liu M, Huang X, Song Y, et al. Ammonia emission control in China would mitigate haze pollution and nitrogen deposition, but worsen acid rain [J]. Proceedings of the National Academy of Sciences of the United States of America, 2019,116(16):7760-7765.

[5] Zheng B, Tong D, Li M, et al. Trends in China’s anthropogenic emissions since 2010 as the consequence of clean air actions [J]. Atmospheric Chemistry and Physics, 2018,18(19):14095-14111.

[6] 楊顯玉,易家俊,呂雅瓊,等.成都市及周邊地區(qū)嚴(yán)重臭氧污染過程成因分析 [J]. 中國環(huán)境科學(xué), 2020,40(5):2000-2009. Yang X Y, Yi J J, Lu Y Q, et al. Characteristics and formation mechanism of a severe O3episode in Chengdu and surrounding areas [J]. China Environmental Science, 2020,40(5):2000-2009.

[7] 王文丁,朱怡靜,皮冬勤,等.成渝地區(qū)一次區(qū)域重污染過程來源解析及減排效果研究 [J]. 中國環(huán)境監(jiān)測, 2020,36(2):75-87. Wang W D, Zhu Y J, Pi D Q, et al. Source analysis and control effect of a heavy pollution process in Chengdu-Chongqing Region [J]. Environmental Monitoring in China, 2020,36(2):75-87.

[8] 劉培川,羅 彬,張 巍,等.四川盆地城市細(xì)顆粒物污染特征分類分析研究 [J]. 四川環(huán)境, 2019,38(2):53-57. Liu P C, Luo B, Zhang W, et al. Analysis and research on classification of pollution characteristics of fine particulate matter in Sichuan Basin [J]. Sichuan Environment, 2019,38(2):53-57.

[9] 康 平,侯靜雯,馮浩鵬,等.成都市PM2.5和O3復(fù)合污染特征及相互作用研究 [J]. 環(huán)境科學(xué)學(xué)報, 2022,42(10):80-90. Kang P, Hou J W, Feng H P, et al. Study on the characteristics and interaction of PM2.5and O3combined pollution in Chengdu [J]. Acta Scientiae Circumstantiae, 2022,42(10):80-90.

[10] 郭 倩,汪嘉楊,周子航,等.成都市一次典型空氣重污染過程特征及成因分析 [J]. 環(huán)境科學(xué)學(xué)報, 2018,38(2):629-639. Guo Q, Wang J Y, Zhou Z H, et al. Characteristics and reason analysis of a typical heavy air pollution event in Chengdu [J]. Acta Scientiae Circumstantiae, 2018,38(2):629-639.

[11] Yang X, Lu Y, Zhu X, et al. Formation and evolution mechanisms of severe haze pollution in the Sichuan Basin, Southwest China [J]. Aerosol and Air Quality Research, 2020,20:2557-2567.

[12] 張智勝,陶 俊,謝紹東,等.成都城區(qū)PM2.5季節(jié)污染特征及來源解析 [J]. 環(huán)境科學(xué)學(xué)報, 2013,33(11):2947-2952. Zhang Z S, Tao J, Xie S D, et al. Seasonal variations and source apportionment of PM2.5at urban area of Chengdu [J]. Acta Scientiae Circumstantiae, 2013,33(11):2947-2952.

[13] HJ 663-2013 環(huán)境空氣質(zhì)量評價技術(shù)規(guī)范(試行) [S]. HJ 663-2013 Technical regulation for ambient air quality assessment (on trial) [S].

[14] 楊顯玉,呂雅瓊,邵 平,等.四川盆地大氣氨與氮氧化物排放對細(xì)顆粒物污染的影響及減排潛力 [J]. 中國環(huán)境科學(xué), 2022,42(8): 3502-3511. Yang X Y, Lu Y Q, Shao P, et al. Impacts of ammonia and nitrogen oxides emissions on fine particle matter pollution and mitigation potential over the Sichuan Basin [J]. China Environmental Science, 2022,42(8):3502-3511.

[15] Zheng B, Zhang Q, Geng G, et al. Changes in China's anthropogenic emissions and air quality during the COVID-19pandemic in 2020 [J]. Earth System Science Data, 2021,13:2895-2907.

[16] Guenther A, Jiang X, Heald C L, et al. The model of emissions of gases and aerosols from nature version 2.1 (MEGAN2.1): An extended and updated framework for modeling biogenic emissions [J]. Geoscientific Model Development, 2012,5(6):1471-1492.

[17] Wu K, Zhu S, Liu Y, et al. Modeling ammonia and its uptake by secondary organic aerosol over China [J]. Journal of Geophysical Research: Atmospheres, 2021,126(7):e2020JD034 109.

[18] Emmons K L, Schwantes H R, Orlando J J, et al. The chemistry mechanism in the community earth system model version 2 (CESM2) [J]. Journal of Advances in Modeling Earth Systems, 2020,12(4): e2019MS001882.

[19] Napelenok S L, Vedantham R, Bhave P V, et al. Source-receptor reconciliation of fine-particulate emissions from residential wood combustion in the southeastern United States [J]. Atmospheric Environment, 2014,98:454-460.

[20] Lu X, Fung J, Wu D. Modeling wet deposition of acid substances over the PRD region in China [J]. Atmospheric Environment, 2015,122(x): 819-828.

[21] Chen D, Liu X, Lang J, et al. Estimating the contribution of regional transport to PM2.5air pollution in a rural area on the North China Plain [J]. Science of The Total Environment, 2017,583:280-291.

[22] Zheng B, Zhang Q, Zhang Y, et al. Heterogeneous chemistry: A mechanism missing in current models to explain secondary inorganic aerosol formation during the January 2013 haze episode in North China [J]. Atmospheric Chemistry and Physics, 2015,15(4):2031- 2049.

[23] Zhao S, Yu Y, Yin D, et al. Analyses of regional pollution and transportation of PM2.5and ozone in the city clusters of Sichuan Basin, China [J]. Atmospheric Pollution Research, 2019,10(2):374-385.

[24] Li M, Zhang Q, Kurokawa J, et al. MIX: a mosaic Asian anthropogenic emission inventory under the international collaboration framework of the MICS-Asia and HTAP [J]. Atmospheric Chemistry and Physics, 2017,17(2):935-963.

[25] 周子航,鄧 也,譚欽文,等.四川省人為源大氣污染物排放清單及特征 [J]. 環(huán)境科學(xué), 2018,39(12):5344-5358. Zhou Z H, Deng Y, Tan Q W, et al. Emission inventory and characteristics of anthropogenic air pollutant sources in the Sichuan Province [J]. Environmental Science, 2018,39(12):5344-5358.

[26] 馮小瓊,陳軍輝,姜 濤,等.四川省2005～2014年農(nóng)業(yè)源氨排放清單及分布特征 [J]. 環(huán)境科學(xué), 2017,38(7):2728-2737. Feng X Q, Chen J H, Jiang T, et al. Agricultural ammonia emission inventory and its spatial distribution in Sichuan Province from 2005 to 2014 [J]. Environmental Science, 2017,38(7):2728-2737.

[27] 李世廣,蔣 廈,佟洪金,等.基于空氣質(zhì)量模型CMAQ的成渝經(jīng)濟(jì)區(qū)(四川)PM2.5濃度數(shù)值模擬研究 [J]. 四川環(huán)境, 2013,32(S1):109- 113. Li S G, Jiang X, Tong H J, et al. Study on the numerical simulation of PM2.5in Chengdu-Chongqing Economic Zone based on air quality model system CMAQ [J]. Sichuan Environment, 2013,32(S1):109- 113.

[28] Zhang Y, Liu Z, Lv X, et al. Characteristics of the Transport of a Typical Pollution Event in the Chengdu Area Based on Remote Sensing Data and Numerical Simulations [J]. Atmosphere, 2016,7(10): 127.

[29] 鄭君瑜,張禮俊,鐘流舉,等.珠江三角洲大氣面源排放清單及空間分布特征 [J]. 中國環(huán)境科學(xué), 2009,29(5):455-460. Zheng J Y, Zhang L J, Zhong L J, et al. Area source emission inventory of air pollutant and its spatial distribution characteristics in Pearl River Delta [J]. China Environmental Science, 2009,29(5):455- 460.

[30] 危詩敏,馮鑫媛,王式功,等.四川盆地多層逆溫特征及其對大氣污染的影響 [J]. 中國環(huán)境科學(xué), 2021,41(3):1005-1013. Wei S M, Feng X Y, Wang S G, et al. Characteristics of multi-layer inversions in Sichuan Basin and their influences on air pollution [J]. China Environmental Science, 2021,41(3):1005-1013.

[31] 曹庭偉,吳 鍇,康 平,等.成渝城市群臭氧污染特征及影響因素分析 [J]. 環(huán)境科學(xué)學(xué)報, 2018,38(4):1275-1284. Cao T W, Wu K, Kang P, et al. Study on ozone pollution characteristics and meteorological cause of Chengdu-Chongqing urban agglomeration [J]. Acta Scientiae Circumstantiae, 2018,38(4): 1275-1284.

[32] Wu K, Wang Y, Qiao Y, et al. Drivers of 2013～2020 ozone trends in the Sichuan Basin, China: Impacts of meteorology and precursor emission changes [J]. Environmental Pollution, 2022,300:118914.

[33] Zeng S, Zheng Y. Analysis of a Severe Pollution Episode in December 2017 in Sichuan Province [J]. Atmosphere, 2019,10(3):156.

[34] 薛文博,史旭榮,嚴(yán) 剛,等.氣象條件和排放變化對2020年春節(jié)前后華北地區(qū)重污染過程的影響 [J]. 中國科學(xué):地球科學(xué), 2021,51(2):314-324. Xue W B, Shi X R, Yan G, et al. Impacts of meteorology and emission variations on the heavy air pollution episode in North China around the 2020Spring Festival [J]. Science China Earth Sciences, 2021,51(2): 314-324.

[35] 李培榮,肖天貴.成都地區(qū)秋冬季污染天氣形勢下PM2.5的擴(kuò)散與輸送 [J]. 中國環(huán)境科學(xué), 2020,40(1):63-75. Li P R, Xiao T G. The diffusion and transport of PM2.5under the polluted weather conditions during autumn and winter seasons in Chengdu [J]. China Environmental Science, 2020,40(1):63-75.

[36] 耿冠楠,肖清揚(yáng),鄭逸璇,等.實(shí)施《大氣污染防治行動計劃》對中國東部地區(qū)PM2.5化學(xué)成分的影響 [J]. 中國科學(xué):地球科學(xué), 2020, 50(4):469-482. Geng G N, Xiao Q Y, Zheng Y X, et al. Impact of China’s air pollution prevention and control action plan on PM2.5chemical composition over eastern China [J]. Science China Earth Sciences, 2020,50(4):469-482.

[37] Chen J, Feng X, Zhu Y, et al. Assessment of the effect of the Three-Year Action Plan to fight air pollution on air quality and associated health benefits in Sichuan Basin, China [J]. Sustainability, 2021,13(19):10968-10968.

[38] Liu Y, Li C, Liu D, et al. Deriving hourly full-coverage PM2.5concentrations across China's Sichuan Basin by fusing multisource satellite retrievals: A machine-learning approach [J]. Atmospheric Environment, 2022,271.

[39] Wang Y, Bao S, Wang S, et al. Local and regional contributions to fine particulate matter in Beijing during heavy haze episodes [J]. Science of the Total Environment, 2017,580:283-296.

[40] Qiao X, Guo H, Wang P, et al. Fine particulate matter and ozone pollution in the 18 cities of the sichuan Basin in Southwestern China: Model performance and characteristics [J]. Aerosol and Air Quality Research, 2019,19:2308-2319.

[41] Zhan C, Xie M, Fang D, et al. Synoptic weather patterns and their impacts on regional particle pollution in the city cluster of the Sichuan Basin, China [J]. Atmospheric Environment, 2019,208:34-47.

[42] Zhao S, Yu Y, Yin D, et al. Two winter PM2.5pollution types and the causes in the city clusters of Sichuan Basin, Western China [J]. Science of the Total Environment, 2018,636:1228-1240.

致謝：感謝清華大學(xué)MEIC團(tuán)隊(duì)提供的多尺度高分辨率排放清單.感謝成都平原城市氣象與環(huán)境四川省野外科學(xué)觀測研究站對本研究的合作支持.

Attribution and source apportionment of a severe PM2.5episode in winter 2021 over the Sichuan Basin.

YANG Tong1, YANG Xian-yu1*, RUAN Wen-xin1, Lü Ya-qiong2, HU Qin1, CAO Bang-jun1, BEN Bing-zheng1, WU Kai1

(1.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China；2.Institute of Mountain Hazards and Environment, Chinese Academic of Sciences, Chengdu 610041, China)., 2023,43(11)：5633～5644

In this study, the Weather Research and Forecasting (WRF)-Community Multiscale Air Quality (CMAQ) model with ISAM module was adopted to simulate a highly polluted PM2.5episode across the Sichuan Basin between November 11and November 20 in 2021. In combination with ground-level meteorological observations and air quality monitoring data, the formation mechanism of this episode and sources of PM2.5were elucidated. The results show that the variations of meteorological parameters and air pollutants concentrations were well captured by the WRF-CMAQ model. This PM2.5episode was mainly affected by local emissions and unfavorable meteorological conditions featured by low wind speeds and high relative humidity, resulting in the accumulation of PM2.5in the Chengdu Plain, which progressively reached its peak in a short period. The peak daily average PM2.5concentration in multiple cities exceeded 150μg/m3. Further analysis performed by ISAM indicates that local anthropogenic emissions were the dominant source of PM2.5in cities within the Sichuan Basin, with a contribution higher than 50% depicted in Chengdu, Chongqing, Dazhou, and Guangyuan cities. Regional transport from nearby regions also played an important role in elevating PM2.5levels.

Sichuan Basin；PM2.5；WRF-CMAQ；source apportionment

X513

A

1000-6923(2023)11-5633-12

楊 童(1999-),女,成都信息工程大學(xué)碩士研究生在讀,主要從事大氣物理與大氣環(huán)境研究.發(fā)表論文1篇.3210101002@stu. cuit.edu.cn.

楊 童,楊顯玉,阮溫馨,等.2021年冬季四川盆地區(qū)域PM2.5重污染事件成因及來源解析 [J]. 中國環(huán)境科學(xué), 2023,43(11):5633-5644.

Yang T, Yang X Y, Ruan W X, et al. Attribution and source apportionment of a severe PM2.5episode in winter 2021 over the Sichuan Basin [J]. China Environmental Science, 2023,43(11):5633-5644.

2023-04-06

國家自然科學(xué)基金資助項(xiàng)目(42175174);四川省自然科學(xué)基金資助項(xiàng)目(2022NSFSC1092);成都信息工程大學(xué)科技創(chuàng)新能力提升計劃項(xiàng)目(KYQN202239);成都信息工程大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項(xiàng)目(202310621001)

* 責(zé)任作者, 副教授, xyang@cuit.edu.cn