馬 芳,王麗濤,潘雪梅

(河北工程大學城市建設學院,河北邯鄲056038)

“十五”以來,我國經濟以平均每年9.48%的速度保持快速增長,與此同時對能源的需求也在逐步增大,從而進一步導致了污染物排放量迅速增加?！笆濉逼陂g,中國的環(huán)保投資比“九五”(1995-2000年)增加了100%[1]。而在一些重點地區(qū),政府的環(huán)保力度更大,大量高污染、低能源效率的企業(yè)被關閉,環(huán)境基礎設施的建設逐步加快。

多尺度空氣質量模型(Community Multi-Scale Air Quality,CMAQ)是美國環(huán)境保護局開發(fā)的多尺度空氣質量模型,已被廣泛用于研究多種空氣污染物形成、運輸及評估。張美根等[2-5]利用CMAQ模型模擬東亞地區(qū)二氧化硫、硫酸鹽、硝酸鹽、氨、有機碳和總懸浮微粒的濃度變化情況等。在區(qū)域尺度的模擬方面,以2008年北京奧運會的空氣質量為研究目標,Chen等[6]、Cheng等[7]、Streets等[8]、Wang等[9]分別針對周邊地區(qū)污染對北京大氣質量影響進行了研究;李莉等[10]對長三角區(qū)域大氣污染物特征及運輸情況進行了研究,馮業(yè)榮等[11]對珠江三角洲空氣污染的特征進行了數值模擬研究。本文以中國地區(qū)的空氣質量為研究對象,采用MM5-Models-3/CMAQ區(qū)域空氣質量模擬系統(tǒng),以 2005 年 1、4、7 和 10 月為模擬時段,對 SO2、NO2和顆粒物(PM)等大氣污染物的濃度進行了模擬,并與實際的監(jiān)測數據進行對比驗證。

1 模型設置和數據輸入

1.1 模型設置

Models-3/CMAQ是美國環(huán)保局開發(fā)的區(qū)域多尺度空氣質量模型,CMAQ為Models3的核心模塊,可同時模擬多種空氣污染及其相互轉化過程,如O3、酸沉降、能見度及PM在整個對流層的情況。Byun和Ching等[12]針對CMAQ中化學轉化和運輸過程進行了詳細的描述。它的模擬范圍可以從區(qū)域擴大到大陸半球的空間尺度。

本研究采用第五代中尺度氣象模式MM5為CMAQ提供氣象場。在MM5模式計算中,地形和土地利用數據來自美國地質調查局(USGS)數據庫。MM5所需的氣象背景場選用美國環(huán)境預報中心(NCEP)提供的全球1×1度分辨率的網格數據。為了提高模擬的準確率,使用四維同化方案,所需的氣象觀測數據均來自中國國家氣象中心。NCEP最后的分析數據作為MM5模式的初始條件。

1.2 模擬域和模擬時段

模擬區(qū)域采用36km的網格,覆蓋中國地區(qū)和東亞的一部分(圖1)。地圖采用lambert投影,兩條標準緯線分別為北緯25°N和40°N。模擬區(qū)域以(34°N,110°E)為中心,西南角的坐標是(x=-2 934km,y=-1 728km)。模擬時段2005年1、4、7和10月,以代表2005年的4個季節(jié)。

1.3 源排放清單

源排放清單來自于Streets等人的研究[13-14],污染物包括、氮氧化物()、CO和非甲烷揮發(fā)性有機化合物(NMVOC)和 4種顆粒物、、元素碳(BC)和有機碳(OC)。在本清單編制時,可獲得的中國各省區(qū)的統(tǒng)計數據大多更新到2004年。因此,以2004年的數據為基礎,外推計算2005年的排放量;方法學體系參考文獻[15]。

2 模型驗證及結果分析

2.1 地面觀測數據

目前,可用于模型評價的地面觀測數據比較少,對公眾發(fā)布的的空氣質量數據是由中國47個主要城市的地方政府每日發(fā)布的空氣污染指數(Air Pollution Index,API)的報告?？諝馕廴局笖涤嬎惴椒梢詤⒖蓟輰W香針對API計算的改進[16],通過API可以反算主要污染物的濃度水平[17-18]。

以下為中國31個省會城市的CMAQ模擬結果和API反算的濃度水平的對比。在這些城市中,PM10是主要的空氣污染物,因此可用模擬的API和實際監(jiān)測的PM10濃度進行比較評價。模擬值為城市中心所在的網格的濃度。

從圖2可以看出,該模型較好的再現了中國中部和東部城市PM10的污染水平,特別是四川,湖北,湖南,安徽,江西,浙江,城市有上海,重慶以及長江沿岸地區(qū)。這些城市四個月標準平均偏差為-8%和-25%。有兩個地區(qū)的PM10濃度被低估,一是在中國西北地區(qū),包括新疆,青海,西藏,這些地區(qū)揚塵的濃度貢獻較高。在CMAQ當前版本并不能直接進行揚塵的計算,因此排放清單中也未納入揚塵的排放,這是它低估的原因之一。另一地區(qū)為中國東北部的黑龍江、吉林、遼寧三省,該地區(qū)是重要的重工業(yè)地區(qū),很可能由于排放清單中對工業(yè)排放的空間分布的計算誤差,導致了PM10的低估。中國北部的北京、天津、河北、山西、河南地區(qū),1、7、10月份該地區(qū)模擬結果較為吻合,4月存在的一定程度的低估。這是由于這些地區(qū)在春季會有沙塵暴的發(fā)生,而沙塵排放不計算在顆粒物的排放清單中。

2.2 衛(wèi)星遙感數據

為了克服地面觀測的缺乏,本研究應用衛(wèi)星遙感數據進行了模擬結果的評價包括NO2柱濃度和氣溶膠光學厚度(AOD)的數據。圖3為OMI(Ozone Measurement Instrument)衛(wèi)星所觀測到的對流層NO2柱濃度月平均值與CMAQ模擬值的比較。從結果來看,模擬值能夠很好的反應NO2的空間分布和時間變化。1月NO2最高,其次是10月、4月和7月。NO2濃度較高的地區(qū)主要集中在中國的三大城市群:京津冀、長江三角洲和珠江三角洲地區(qū)。對其他污染地區(qū),如河北省南部,山西太原,四川省東南部幾個工業(yè)城市以及韓國和日本主要城市也能進行很好的再現。此外,從統(tǒng)計結果來看,1、4、7和10月模擬值和觀測值的相關系數分別為0.86、0.80、0.81和 0.88,其中偏差都很小(小于2%),表明模擬結果較為準確。從圖中也可以看出污染最嚴重的1月和10月,模型高估了東部地區(qū)的濃度水平這可能是由于對采暖期NO2排放量的估算具有很大的不確定性所致。

AOD為大氣氣溶膠光學厚度,可作為PM2.5的污染指標。在本研究中,AOD值來自美國國家航空航天局的MODIS(Moderate Resolution Imaging Spectroradiometer)衛(wèi)星數據。MODIS AOD數據在中國的應用研究非?；钴S,Wang等人[19]通過MODIS衛(wèi)星數據和CSHNET地面數據的比較系統(tǒng)評價了MODIS數據的準確性,兩者的相關系數為0.72。得到的主要結論為,中國中南部農業(yè)地區(qū)MODIS的準確度較高,中等準確度出現在溫帶森林地區(qū)、沿海地區(qū)、東北和中部的農業(yè)地區(qū);而在北方干旱和半干旱地區(qū),東北部偏遠地區(qū)農田,青藏高原和南方森林地區(qū)準確度最差。Wang等人也發(fā)現,MODIS數據檢索明顯高估了北部干旱和半干旱地區(qū),低估了東北部偏遠地區(qū)農田和南部森林的濃度水平。

由圖4可以看出,CMAQ大體再現了AOD的分布特點。模擬準確度較高的地區(qū)有:4、7和10月的四川盆地,1月和4月的長江中下游地區(qū),如湖北,湖南,安徽,江西,7月份的北京、河北和山東地區(qū)。這與Wang等人的研究結果基本一致。2005年1月,中國的西北,東北和中部和南部一些地區(qū)CMAQ模擬AOD值均高于MODIS觀測AOD值。這可能是由于1月份中國北部和中部地區(qū)有剩余雪冰存在,影響了AOD的遙感,或是MODIS數據對南方森林地區(qū)的系統(tǒng)性低估。4月,在中國西北和南部地區(qū),CMAQ模擬的AOD值普遍低于MODIS結果,這可能部分歸因于揚塵的貢獻,如前所述,本研究并未將其計算在內。7月CMAQ的評估明顯偏低。在Kim等人[20]研究中中國夏季的AOD觀測值最高,可能的原因包括二次氣溶膠形成、相對濕度增高、親水性氣溶膠吸濕增長、生物質燃燒的貢獻等。因此,CMAQ模擬值偏低的原因可能來源于生物質燃燒排放的不確定性和模型中顆粒物計算過程的不確定性。10月CMAQ預測值比MODIS觀測值高,特別是在中國東北、東部和南部地區(qū)。這可能部分歸因于中國東北部和南部地區(qū)的MODIS觀測值的系統(tǒng)偏差。對整個模擬域的AODs統(tǒng)計分析表明,1、4、7和10月模擬和觀測的相關系數分別是 0.70、0.64、0.67和0.72,表明整體來說,CMAQ能對AODs進行很好的預測。

3 結論

1)MM5-CMAQ模擬系統(tǒng)能較好地模擬出SO2、NO2和PM等污染物的空間分布格局,模擬結果與監(jiān)測結果較吻合,尤其是京津冀、長江三角洲和珠江三角洲地區(qū)。CMAQ模型能夠較好的再現污染物的空間分布和時間變化。

2)中國地區(qū)大氣污染呈現出區(qū)域性的特征,且在時空分布上東西部地區(qū)存在明顯的差異。經濟發(fā)達地區(qū)的污染更為嚴重。同時,MM5-CMAQ模擬系統(tǒng)對于區(qū)域大氣污染物特征具有很好的模擬能力,可以為區(qū)域大氣污染控制服務。

[1] 中華人民共和國國務院.“十一五”國家環(huán)境保護標準規(guī)劃[Z] .

[2] ZHANG M,UNO I,YOSHI Y,et al.Transport and transformation of sulfur compounds over East Asia during the TRACE-P and ACE-Asia campaigns[J] .Atmospheric Environment,2004(38):6947-6959.

[3] ZHANG M.Modeling of organic carbon aerosol distributions over East Asia in the springtime[J] .China Particuology,2004,2(5):192-195.

[4] ZHANG M.Numerical simulation with a comprehensive chemical transport model of nitrate,sulfate,and ammonium aerosol distributions over east asia[J] .China Particuology,2005,3(5):255-259.

[5] ZHANG M,HAN Z,ZHU L.Simulation of atmospheric aerosols in East Asia using modeling system RAMSCMAQ:Model evaluation[J] .China Particuology,2007,5(5):321-327.

[6] CHEN D,CHENG S,LIU L,et al.An integrated MM5-CMAQ modeling approach for assessing trans-boundary PM10 contribution to the host city of 2008 Olympic summer games-Beijing,China[J] .Atmospheric Environment,2007,41(6):1237-1250.

[7] CHENG S,CHEN D,LI J,et al.The assessment of emission-source contributions to air quality by using a coupled MM5-ARPS-CMAQ modeling system:A case study in the Beijing metropolitan region[J] .China.Environmental Modelling&Software,2007,22(11):1601-1616.

[8] STREETS,D G,Fu J S,JANG C J,et al.Air quality during the 2008 Beijing Olympic games[J] .Atmospheric Environment,2007,41(3):480-492.

[9] WANG L HAO,JHe K,et al.A modeling study of coarse particulate matter pollution in Beijing:Regional source contributions and control implications for the 2008Summer Olympics[J] .Journal of Air and WasteManagement Association,2008(58):1057-1069.

[10] 李 莉,陳長虹,黃海英.應用Models-3/CMAQ研究長三角區(qū)域大氣污染及輸送[J] .上海環(huán)境科學,2007,(26)4:159-165.

[11] 馮業(yè)榮.珠江三角洲氣溶膠污染的機理分析及數值模擬研究[D] .廣州:中山大學,2006.

[12] BYUN D W,CHING,J K S.Science algorithms of the EPA Models-3 Community Multi-scale Air Quality(CMAQ)modeling system[C] .US:EPA,1999.

[13] STEEETS,D G,T C BOND,G R CARMICHAEL,et al.An inventory of gaseous and primary aerosol emissions in Asia inthe year 2000[J] .Journal ofGeophysical Research,2003(21):84-93.

[14] 史建武,李樹文.大氣地面污染帶的模擬模型研究[J] .河北工程大學學報(自然科學版),2007,24(1):45-49.

[15] ZHANG Y.Probing into regional O3andPM Pollution in the U.S.,Part I:a 1-year CMAQ simulation and evaluation using surface and satellite data[J] .Journal of Geophysical Research,2009(1):12-25.

[16] 惠學香.空氣污染指數簡易計算方法[J] .環(huán)境監(jiān)測管理與技術,2002,14(1):38-39.

[17] STREETS D G,FU JS,JANG C J,et al.Air quality during the 2008 Beijing Olympic games[J] .Atmospheric Environment,2007,41(3):480-492.

[18] FU J S,STREETS,D G,JANG,C J,et al.Modeling regional/urban ozone and particulate matter in Beijing,China[J] .Journal of Air and Waste Management Association,2009(59):37-44.

[19] WANG L,XIN J,WANG Y.et al.Evaluation of the MODIS aerosol optical depth retrieval over different ecosystems in China during EAST-AIRE[J] .Atmospheric Environment,2007,41(33):7138-7149.

[20] KIM S,YOON S,KIM J,et al.Seasonal andmonthly variations of columnar aerosol optical properties over East Asia determined from multi-year MODIS,LIDAR,and AERONET Sun/sky radiometer measurements[J] .Atmospheric Environment,2007,41(8):1634-1651.