麥健華,鄧 濤,黃燁琪,于玲玲,鄧雪嬌,蔣爭明(.中山市氣象局,廣東 中山 800；.中國氣象局廣州熱帶海洋氣象研究所,廣東省區(qū)域數(shù)值天氣預報重點實驗室,廣東 廣州 0080；3.中山大學環(huán)境科學與工程學院,廣東 廣州 07；.廣東省氣象臺,廣東 廣州 0080；.中山市環(huán)境監(jiān)測站,廣東 中山 800)

中山市一次灰霾天氣過程污染物來源數(shù)值模擬分析

麥健華1,鄧 濤2*,黃燁琪2,3,于玲玲4,鄧雪嬌2,蔣爭明5(1.中山市氣象局,廣東 中山 528400；2.中國氣象局廣州熱帶海洋氣象研究所,廣東省區(qū)域數(shù)值天氣預報重點實驗室,廣東 廣州 510080；3.中山大學環(huán)境科學與工程學院,廣東 廣州 510275；4.廣東省氣象臺,廣東 廣州 510080；5.中山市環(huán)境監(jiān)測站,廣東 中山 528400)

利用WRF-CMAQ模式對中山市2015年2月一次典型灰霾天氣過程進行了數(shù)值模擬,并對2月11～12日這一主要污染時段本地和外地污染源的貢獻進行了分析和減排評估.WRF-CMAQ模式能很好地模擬出該時段的氣象條件、PM2.5濃度以及能見度的變化過程.這次霾污染主要是受弱冷空氣影響引起的,廣州佛山、中山本地以及廣東省外排放源對中山PM2.5濃度的貢獻率分別為33%、30%和27%,外地源的貢獻相當大.中山本地工業(yè)源和農(nóng)業(yè)源對中山PM2.5的貢獻分別為13%和8%,而廣佛排放源中,工業(yè)源和農(nóng)業(yè)源對中山PM2.5的貢獻率分別為20%和7%.對中山和廣佛地區(qū)農(nóng)業(yè)源減排30%、50%和70%后,中山的PM2.5濃度分別下降6%、10%和15%,而對工業(yè)排放實施相同幅度的減排后,PM2.5濃度分別下降11%、18%和23%.隨著減排力度的增加,減排效率的變化并不明顯.減排應在灰霾天氣開始加重前實施,在PM2.5濃度達到峰值前后減排的效果最為明顯,而當灰霾天氣趨于緩解時減排的效果會迅速下降.

霾；污染物來源；減排；WRF-CMAQ

灰霾是大量細微顆粒物懸浮在空氣中引起的大氣混濁現(xiàn)象[1].隨著經(jīng)濟的發(fā)展以及城市化規(guī)模的擴大,灰霾污染已經(jīng)成為各大城市群面臨的最主要空氣污染問題之一[2].灰霾現(xiàn)象多出現(xiàn)在秋冬季節(jié),特別是在靜穩(wěn)天氣條件下,重污染灰霾現(xiàn)象更是頻繁發(fā)生[3-5].灰霾的成因包括內(nèi)因和外因兩方面.內(nèi)因是大量污染物排放源排放出一次氣溶膠和二次氣溶膠的前體物,使空氣中大氣氣溶膠的濃度增大[6-7];外因是在靜穩(wěn)的氣象條件下,不利于污染物的擴散.排入大氣中的污染物在長時間內(nèi)是大致穩(wěn)定的,但灰霾污染卻會因為不同的氣象條件而表現(xiàn)出不同的嚴重程度,這是因為大氣污染物的稀釋擴散能力隨著氣象條件的不同而不同[8].因此,大量關于灰霾的研究聚焦于灰霾與氣象條件的關系[9-14],這些研究對灰霾污染的預報預警作用重大.

研究表明,某地的灰霾污染除了受當?shù)氐奈廴疚锱欧旁从绊懲?不同地區(qū)間的污染物相互輸送也對污染物的分布影響很大[15].近年來越來越多基于數(shù)值模式的研究指出,某地灰霾天氣的發(fā)生,外地排放源所排放的空氣污染物通過大氣傳輸能起到相當可觀的作用,且外地源的貢獻能隨著天氣條件的變化而變化[16-19].在掌握了污染物主要來源的基礎上,一些研究提出了限制污染物濃度的防控對策,并對各地的限排減排措施作了評估[20-23].李荔等[24]通過數(shù)值模擬指出在燃料控制、工業(yè)限產(chǎn)和區(qū)域聯(lián)防下,南京和江蘇省的PM2.5月均濃度分別下降了 8%和 4%;李莉等[25]對能源、工業(yè)、交通等領域進行不同力度的減排,均能使長三角地區(qū)的空氣污染物排放量得到不同程度的下降;翟世賢等[26]通過在數(shù)值模擬中設置不同時刻的減排方案,發(fā)現(xiàn)采取應急減排的時間越早,效果越明顯.在灰霾污染越來越趨向于區(qū)域化、多樣化的今天,單個區(qū)域或單個行業(yè)的重點治理往往收效甚微,唯有靠多部門、多區(qū)域聯(lián)合防御,才能有效遏制灰霾污染.

珠江三角洲(以下簡稱珠三角)位于廣東中南部,其地理位置南面臨海,北邊環(huán)山,有利于污染物的積累,近年來因城市發(fā)展引起的灰霾污染頻發(fā).本文以珠三角的重點城市中山市為研究對象,對2015年2月11～18日發(fā)生在中山的一次典型灰霾污染天氣過程進行分析,并對該次過程的主要污染時段進行了數(shù)值模擬,研究該次過程空氣污染物的主要來源并進行減排評估,以期為該地區(qū)乃至整個珠三角區(qū)域的灰霾治理提供參考.

1 研究方法

1.1 數(shù)據(jù)來源

本文所用的數(shù)據(jù)包括Micaps氣象數(shù)據(jù)、中山氣象站的溫度、濕度、氣壓、風力風向、能見度等觀測數(shù)據(jù),以及由中山市環(huán)境監(jiān)測站提供的逐小時 PM2.5濃度數(shù)據(jù),作為霾污染發(fā)生時的天氣形勢以及數(shù)值模擬分析的數(shù)據(jù)基礎.

1.2 數(shù)值模式設置

Models-3/CMAQ、WRF-Chem、NAQPMS等中尺度數(shù)值模式近年來被廣泛應用到灰霾的分析與預報中[27-29].本文采用WRF-CMAQ模式對中山市2015年2月份一次典型灰霾過程進行模擬,分析影響中山市的空氣污染物的主要來源,并在此基礎上進行減排效果評估.中尺度氣象數(shù)值模式WRF(3.3.1版本)利用fnl再分析資料作為初始場,其模擬結果可以為CMAQ模式(5.0.2版本)提供精細化格點氣象數(shù)據(jù).CMAQ模式由美國國家環(huán)境保護署開發(fā),是一個多尺度的歐拉型空氣質(zhì)量模擬和評估系統(tǒng),在模擬過程中能將天氣系統(tǒng)對污染物的輸送、擴散、轉(zhuǎn)化和遷移過程的影響融為一體考慮,同時兼顧了區(qū)域與城市尺度之間大氣污染物的相互影響以及污染物在大氣中的各種化學過程對濃度分布的影響[30].排放源也是空氣質(zhì)量模型的重要組成部分,本文使用清華大學研發(fā)的2010年全國排放源清單MEIC (Multi-resolution Emission Inventories for China)[31],其空間分辨率為 0.25°×0.25°,該清單把排放源分為電廠、工業(yè)、農(nóng)業(yè)、交通和民用五大類,包括了SO2、NOx、CO、PM等主要大氣污染物.對排放源進行空間插值,并分配不同的時間系數(shù)[32],為CMAQ模式提供三維的隨時間、空間變化的排放源數(shù)據(jù).

數(shù)值模擬采用雙層嵌套方案,外層區(qū)域采用模式默認的邊界條件,空間分辨率為 27km,內(nèi)層區(qū)域采用外層區(qū)域模擬結果作為邊界條件,分辨率為 9km.模擬范圍以及珠三角主要城市位置如圖1所示(實線為WRF模式范圍,虛線為CMAQ模式范圍),CMAQ模式的外層網(wǎng)格包括了我國大部分地區(qū),內(nèi)層網(wǎng)格包括了廣東省的整個地域范圍,是研究的重點區(qū)域.模擬過程中所采用的主要參數(shù)化方案如表1所示.

表1 數(shù)值模擬所采用的參數(shù)化方案Table 1 A summary of configurations used in the WRF-CMAQ simulations

圖1 (a)模式網(wǎng)格范圍以及(b)珠江三角洲主要城市位置Fig.1 (a)Two-nested modeling domains for the models and (b)the major cities in the PRD region

1.3 各地污染源貢獻率的計算

為考察中山當?shù)匾约巴獾氐呐欧旁丛谶@次灰霾天氣中對中山灰霾污染狀況的影響程度,利用CMAQ模式開展污染來源試驗,以研究不同地區(qū)對中山 PM2.5濃度的貢獻,試驗的主要思路是“歸零法”,即把某一地區(qū)的全部排放設置為零,把設置前后的模擬結果進行對比,得出該地區(qū)排放源對中山當?shù)豍M2.5濃度的貢獻率[33].但“歸零法”易受到二次污染物對源排放非線性化學響應的影響,難以保證質(zhì)量守恒,與實際情況會有偏差[34].各地排放源的貢獻率可通過下式計算:

式中:Cx和Px分別為區(qū)域x中排放源被設置為零后的濃度變化及對中山本地空氣污染的貢獻率,Cctr和Cx,0為基準試驗中以及區(qū)域x中排放量為0的情況下中山市PM2.5的濃度.

本文的污染物來源試驗根據(jù)珠三角各主要城市與中山的地理位置關系,共設置了 6組數(shù)值模擬試驗,數(shù)值模擬設計方案如表2所示,試驗時間段為2月11日08:00到2月13日08:00.

表2 污染物來源試驗設計方案Table 2 A summary of experiment simulations for sourceanalysis

2 灰霾過程基本情況

灰霾日的定義為排除中雨量級以上降水,日均能見度小于 10km,且日均相對濕度小于或等于90%[35].2015年2月11～18日,中山市出現(xiàn)了連續(xù)的灰霾天氣,按照定義,該時段內(nèi)除了 13、14日,其余6日均屬于灰霾日.圖2為該段時間內(nèi)中山市能見度與 PM2.5濃度的時間變化,可以看出氣溶膠高污染時段主要集中在2月11～12日和2月15～16日.其中2月12日PM2.5日均濃度為138μg/m3,為中山市2015年的最高值;2月15日PM2.5日均濃度 113μg/m3,但日均能見度僅有2.1km,為中山市2015年灰霾日中日均能見度的最低值,這是因為當天的日均相對濕度達到88%,比2月12日的65%明顯要大,氣溶膠吸濕增長,造成的低能見度現(xiàn)象更為嚴重.2月 13～14日,PM2.5濃度維持在較低水平,能見度回升明顯,灰霾天氣得到緩解.從2月16日到18日,PM2.5濃度逐日下降,能見度逐日上升.雖然 PM2.5濃度較低,但由于16～18日日均相對濕度均較高(80%以上),日均能見度低于10km,因此這3d仍被劃分為灰霾日.

圖2 灰霾過程中山市PM2.5濃度與能見度的時間變化Fig.2 The temporal variations of PM2.5concentrations and visibility of Zhongshan during the haze event

圖3 (a)2月11日08:00、(b)2月14日08:00、(c)2月15日08:00、(d)2月16日08:00海平面氣壓場Fig.3 The sea level pressure on (a) 08:00 11 Feb., (b) 08:00 14 Feb., (c) 08:00 15 Feb., (d) 08:00 16 Feb

大陸高壓型和變性高壓脊型是中山最為常見的灰霾天氣形勢[36].本次灰霾過程的天氣形勢以大陸高壓型和變性高壓脊型為主,且兩種天氣形勢在不斷地互相轉(zhuǎn)換,主要表現(xiàn)為冷空氣的南下和出海變性.圖3分別給出了11日、14日、15日和16日 08:00的海平面氣壓場,可以看出 11日和16日均有冷空氣的南下滲透,而14日和15日為冷空氣減弱出海,廣東省受變性高壓脊控制.當有冷空氣南下滲透時,有利于上游地區(qū)的空氣污染物向下游輸送,所以這時容易導致中山出現(xiàn)灰霾天氣.13、14、15日的天氣形勢則較為相似,均為變性高壓脊型,但13、14日并沒有出現(xiàn)灰霾現(xiàn)象,而 15日的灰霾現(xiàn)象非常明顯,這可能是由于 12日的冷空氣對空氣污染物有一定清除作用,13、14日冷高壓出海后,到達中山的氣流以海上較為清潔的氣流為主,陸地上的污染物輸送明顯減弱,此時灰霾的出現(xiàn)主要以本地污染源排放的污染物所引起,但污染物的累積也需要一段時間,因此 13、14日灰霾現(xiàn)象出現(xiàn)了短暫的間歇,一直到15日污染物進一步積累,而且當天地面平均風速僅有0.8m/s,非常不利于污染物的擴散,較高的相對濕度也對氣溶膠吸濕增長非常有利,因此灰霾現(xiàn)象再次出現(xiàn),而且能見度非常低.由此可知,即使天氣形勢較為相似,但是否會引起灰霾現(xiàn)象仍需考慮污染物的輸送、累積和具體的氣象要素情況.

3 模擬結果分析

3.1 模式模擬結果驗證

由于2月12日的日均PM2.5濃度最高,因此選擇2月11日08:00到2月13日08:00為數(shù)值模擬的主要分析時段.WRF模擬結果的準確性將直接影響到CMAQ的模擬,因此先進行WRF模擬結果的驗證.圖4為實況和模擬的2月11日20:00海平面氣壓場,可見兩圖的氣壓分布非常相似,在我國的西部為一明顯的高壓區(qū),從這一高壓區(qū)有冷空氣滲透南下,1020hPa等壓線南壓到廣東西北部,而 1017.5hPa等壓線則位于南海北部,可見此時廣東正受弱冷空氣補充影響.圖5為中山氣象站2月11日08:00到13日08:00的實況氣溫、相對濕度、風速和模擬結果的對比,表3給出了各模擬量的統(tǒng)計參數(shù),計算方法詳見附錄.從氣溫來看,模擬溫度比實況溫度略偏高,二者的時間分布基本一致,相關系數(shù)達到0.92.對相對濕度的模擬除了個別時次之外,總體上模擬濕度比實況濕度要偏低,其平均偏差為-12%,但時間變化與實況一致,體現(xiàn)出夜間高日間低的特點,相關系數(shù)為0.75.風速與下墊面的分布狀況密切相關,是氣象模擬的一大難點.從模擬風速與實況風速的比較來看,模擬風速基本要比實況偏大,其平均偏差和平均誤差分別為0.8m/s和1.0m/s,但在變化趨勢上,模式成功模擬出了 11日白天風速增大、11日夜間風速減小,以及12日夜間風速先增大再減小的時間分布,對風速產(chǎn)生明顯變化的時間節(jié)點的模擬基本是合理的.從以上分析可知, WRF模式對氣象場的模擬是可信的.

圖4 2月11日20:00(a)實況海平面氣壓場與(b)模擬海平面氣壓場的對比Fig.4 (a) Observed sea level pressure versus (b) simulated on 20:00 11 Feb.

圖5 WRF模擬的(a)氣溫、(b)相對濕度、(c)風速與實況的對比Fig.5 Simulated (a) temperature, (b) relative humidity and (c) wind speed versus observed

圖6為CMAQ模擬的中山氣象站PM2.5濃度和能見度與實況的對比,可見CMAQ模式能準確模擬出2月11日到12日白天的灰霾污染過程.從11日白天開始,中山市的PM2.5濃度明顯上升,到12日上午達到最高值,之后PM2.5濃度迅速下降,灰霾天氣得到緩解.總體上由于模擬風速比實況風速要大,在一定程度上不利于污染物的積累,因此模擬 PM2.5濃度比實況要偏低,其平均偏差為-22μg/m3.模擬 PM2.5濃度達到峰值的時間要比實況提前3h左右,這可能是因為氣象模式對南嶺地形的考慮有所不足,使模擬的冷空氣到達珠三角的時間比實況提前,而本次過程中有大部分的污染物是通過冷空氣的平流作用到達中山的,因此污染物濃度達到峰值的時間也有所提前.但實況濃度與模擬濃度的相關系數(shù)為 0.72,說明CMAQ模式仍能準確模擬出氣溶膠濃度的變化過程.與 PM2.5濃度相對應,對能見度的模擬也能反映出中山市 11～12日出現(xiàn)了明顯的灰霾污染.不同的是,從11日到12日,實況能見度雖然也在下降,但 11日的能見度也已經(jīng)處在較低水平,因此下降的幅度不明顯;而由于 11日白天模擬PM2.5濃度比實況偏低,因此這段時間的模擬能見度比實況偏高.能見度的模擬平均偏差為1.7km,相關系數(shù) 0.58,模擬能見度開始回升的時間也比實況提前約3h左右,與PM2.5的變化趨勢相一致.由以上分析可知,CMAQ模式對11～12日灰霾污染過程的模擬是準確的.

圖6 CMAQ模擬(a)PM2.5濃度、(b)能見度與實況的對比Fig.6 Simulated (a) PM2.5concentrations and (b) visibility versus observed

表3 WRF和CMAQ的模擬效果統(tǒng)計參數(shù)Table 3 Statistical parameters for model performance ofWRF and CMAQ

3.2 氣溶膠來源分析

為考察中山本地、外地的排放源在這次灰霾天氣中對中山灰霾污染狀況的影響程度,利用CMAQ模式開展污染來源試驗,以研究不同地區(qū)對中山 PM2.5濃度的貢獻.污染物來源試驗的時間段為2月11日08:00到2月13日08:00(本地時間),由于污染過程主要集中在11日白天到12日白天,因此選取11日12:00～12日12:00作為研究氣溶膠來源的主要時段.

圖7 研究時段內(nèi)各地排放源對中山PM2.5濃度的貢獻Fig.7 Percentage contributions of the emissions from different regions to the simulated PM2.5in Zhongshan

按照表 2的試驗內(nèi)容進行多次模擬試驗后,得到在研究時段內(nèi)各個地區(qū)的污染物排放源對中山 PM2.5濃度的貢獻如圖 7所示.由于 2月11～12日有弱冷空氣南下補充影響中山,一定程度上加強了污染物的水平輸送,但這種輸送以短距離輸送為主,因此廣州-佛山的排放源在此次過程中貢獻最大,為33%;中山本地排放源的貢獻次之,為30%;弱冷空氣的補充在一定程度上也加強了廣東省外排放源的污染物傳輸,因此省外排放源的貢獻也達到了27%;珠三角其余地區(qū)中,江門-珠海和東莞-深圳-惠州的貢獻率相當,均為3%,這是因為受弱冷空氣影響,以偏北風為主,因此位于中山西、南、東面的排放源貢獻相對較小;整個珠三角排放源對中山的貢獻共為 69%,而廣東其他地區(qū)排放源的貢獻率僅為 4%.由此可見,當有冷空氣影響而出現(xiàn)灰霾天氣時,外地排放源對中山的影響相當大,廣佛、中山本地以及廣東省外排放源的貢獻率最大.另外,由于氣象模式模擬的風速一般會偏大,在一定程度上加強了污染物的跨地區(qū)輸送,且弱化了靜小風條件下所產(chǎn)生的污染,所以模式的結果可能會高估了外地排放源的貢獻,而低估了中山本地排放源的貢獻.

圖8分別為中山、廣佛以及廣東省外排放源對珠三角地區(qū) PM2.5濃度貢獻率的空間分布.從圖可見,中山的排放源主要影響本地的氣溶膠分布,對周邊城市基本上沒有影響;其貢獻率在中心城區(qū)最大,達 30%以上,從市中心到周邊鎮(zhèn)區(qū),貢獻率逐漸減小.廣佛排放源影響最明顯的地區(qū)位于佛山的東部以及廣州的南部,其中對佛山東南部地區(qū)的貢獻率達 60%以上,其對中山北部PM2.5的貢獻率可達 50%以上,但在南部則減小到 30%以下.廣東省外的排放源對珠三角的影響非常大,其對廣州和佛山的北部、東莞和深圳的東部貢獻率可達 50%以上,而對中山的貢獻率在25%到30%之間,說明由于冷空氣的影響,污染物存在著明顯的跨地區(qū)輸送.

圖8 研究時段內(nèi)(a)中山、(b)廣佛以及(c)廣東省外排放源對珠三角地區(qū)PM2.5濃度的貢獻率分布Fig.8 Spatial distribution of percentage contributions of (a) local emissions in Zhongshan, (b) emissions from Guangzhou and Foshan, and (c) emissions from outside of Guangdong Province to the simulated PM2.5in Zhongshan

模擬試驗使用的清華 MEIC排放清單把排放源分為電廠、工業(yè)、農(nóng)業(yè)、交通和民用五大類,由上文分析可知,在本次過程中廣佛和中山本地排放源的貢獻最大,因此進一步討論在這次灰霾天氣中這兩個區(qū)域各類排放源對中山PM2.5濃度的貢獻率.如圖9所示,在中山本地排放源中,工業(yè)源所占的貢獻最大,為 13%,其次為農(nóng)業(yè)源的為8%,民用源和交通源的貢獻率相當,分別為5%和4%,電廠源貢獻率最低,接近0%.而在廣佛排放源中,工業(yè)源的貢獻達到了 20%,其次為農(nóng)業(yè)源的7%,交通、民用、電廠源的貢獻率分別為 3%、2%和1%.由此可見,在本次灰霾天氣中工業(yè)源的貢獻比重遠大于其他行業(yè),其中廣佛地區(qū)的工業(yè)源貢獻最大.農(nóng)業(yè)源的貢獻率也相當可觀,這是因為NH3主要由這部分的排放源排出,據(jù)有關研究,在珠三角地區(qū)農(nóng)業(yè)源占人為 NH3排放的貢獻在80%以上[37],而NH3與硫酸和硝酸結合成鹽,形成硫酸銨和硝酸銨氣溶膠,在 PM2.5中所占的比重較大,因此這部分排放源的貢獻率不容忽視.目前關于這部分排放源的不確定性較大,貢獻量在學術上仍有爭議[38-39].其余種類排放源的貢獻率均明顯低于工業(yè)貢獻及農(nóng)業(yè)貢獻.

圖9 中山和廣佛各類排放源對中山PM2.5的貢獻率Fig.9 Percentage contributions of different emissions from Zhongshan and GF to the simulated PM2.5in Zhongshan

3.3 減排試驗分析

由上文分析可知,廣佛和中山的工業(yè)源和農(nóng)業(yè)源對中山本次灰霾過程貢獻最大,因此對中山和廣佛的工業(yè)排放及農(nóng)業(yè)排放分別實施減排,減排幅度設置為30%、50%和70%,并觀察減排實施后PM2.5濃度下降的幅度、能見度上升的幅度以及減排效率,其中減排效率定義如下:

減排效率可衡量減排措施的投入與實際取得效果的經(jīng)濟效益,是一個評價減排措施是否高效的指標.減排從11日12:00灰霾天氣開始出現(xiàn)前開始,到12日12:00灰霾天氣緩解后結束.中山和廣佛地區(qū)的工業(yè)源和農(nóng)業(yè)源排放中,對 PM2.5的形成影響較大的物種年排放總量如表 4所示.其中,SO2、PM2.5、NOx和VOC全部由工業(yè)源排出,而 NH3的排放中,農(nóng)業(yè)源的比例占 99%以上.除了NH3的排放以佛山最多以外,其余污染物的排放廣州均居于首位,而中山的污染物排放量明顯比廣州和佛山要低.

表4 廣州、佛山和中山工業(yè)源和農(nóng)業(yè)源主要污染物年排放總量Table 4 Major air pollutants from industrial and agricultural emissions of Guangzhou, Foshan and Zhongshan

表5 不同減排力度下PM2.5、能見度的變化幅度以及減排效率Table 5 Percentage changes of simulated PM2.5concentrations and visibility, and the emission control efficiency under different strategies

減排效果以及減排效率如表 5所示.隨著減排力度的增加,減排效果趨于明顯,對于農(nóng)業(yè)減排和工業(yè)減排,減排力度從 30%增加到 50%再到70%,PM2.5濃度下降幅度的變化以及能見度上升幅度的變化基本相同,說明隨著減排力度的加大,PM2.5濃度的下降以及能見度的上升基本呈準線性變化.而由于工業(yè)源的貢獻比農(nóng)業(yè)的貢獻要大,因此在減排幅度相同的前提下,工業(yè)減排的影響明顯比農(nóng)業(yè)要大.減排效率主要跟PM2.5下降的幅度以及減排力度有關,從表 5可見,隨著減排力度的增加,減排效率的變化并不明顯,說明了減排力度的增大并不能使效率明顯提高,但也不會使效率明顯降低從而造成過度浪費,由于不同減排力度下減排效率變化并不明顯,因此想要達到一定的減排目標,仍然需要對減排力度進行加大.

圖10 農(nóng)業(yè)、工業(yè)減排70%前后PM2.5濃度時間變化對比Fig.10 Temporal variations of PM2.5concentrations when agricultural and industrial emissions were reduced by 70%

圖11 農(nóng)業(yè)、工業(yè)減排70%后PM2.5下降幅度時間變化Fig.11 Temporal variations of percentage changes of PM2.5concentrations when agricultural and industrialemissions were reduced by 70%

圖10、圖11為中山和廣佛地區(qū)農(nóng)業(yè)和工業(yè)分別減排 70%后 PM2.5濃度以及其下降幅度的時間變化.可以看出,雖然減排力度不隨時間變化,但減排后 PM2.5濃度的變化幅度卻有著明顯的差異,當PM2.5濃度較低時,減排前后變化幅度很小,隨著PM2.5濃度增大,減排后PM2.5濃度下降的幅度迅速上升,當PM2.5濃度達到峰值前后,減排效果最為明顯,此時農(nóng)業(yè)減排下PM2.5濃度下降的幅度在20%以上,工業(yè)減排下 PM2.5濃度下降幅度更可達到30%以上.之后隨著 PM2.5濃度從峰值下降,減排的效果迅速減小.從以上分析可知,開始減排和結束減排的時機把握非常重要,在灰霾天氣開始加重前實施減排,在 PM2.5濃度達到峰值前后減排的效果最為明顯;當灰霾天氣趨于緩解時減排的效果會迅速下降,此時即可停止減排,以免造成不必要的浪費.這是因為大多數(shù)灰霾污染過程結束都是因為冷空氣南下,相對于灰霾的積累,屬于快速變化的過程,即使不減排污染物濃度也會迅速下降.

4 結論

4.1 2015年2月11～18日中山市的灰霾過程的天氣形勢以大陸高壓型和變性高壓脊型為主,當有冷空氣南下時,會使污染物的跨地區(qū)輸送增強,導致中山出現(xiàn)灰霾天氣;當冷空氣減弱出海時,霾污染主要來自靜小風條件下本地污染源所排放污染物的累積.

4.2 WRF-CMAQ模式能很好地模擬出 2月11～12日的氣象條件、PM2.5濃度以及能見度的變化過程.該次污染過程是由弱冷空氣影響引起的,廣州佛山、中山本地以及廣東省外排放源對中山 PM2.5濃度的貢獻率分別為 33%、30%和27%,外地排放源的貢獻相當明顯.而在各行業(yè)的排放源對中山 PM2.5的貢獻中,工業(yè)源和農(nóng)業(yè)源的貢獻率最大,中山的工業(yè)源和農(nóng)業(yè)源貢獻率分別為 13%和 8%,廣佛地區(qū)工業(yè)排放和農(nóng)業(yè)排放的貢獻率分別為20%和7%.

4.3 針對地區(qū)和行業(yè)開展減排評估,分別對中山、廣佛地區(qū)的工業(yè)排放和農(nóng)業(yè)排放實施減排.農(nóng)業(yè)減排30%、50%和70%后,中山PM2.5濃度分別下降6%、10%和15%,而對工業(yè)排放實施相同幅度的減排后,PM2.5濃度分別下降11%、18%和23%.隨著減排力度的增加,減排效率的變化并不明顯.減排的時機把握相當重要,在灰霾天氣開始加重前實施減排,在 PM2.5濃度達到峰值前后減排的效果最為明顯,而當灰霾天氣趨于緩解時減排的效果會迅速下降.

附錄:表3模式模擬效果統(tǒng)計參數(shù)定義:

[1]林良勛.廣東省天氣預報技術手冊 [M]. 北京:氣象出版社, 2006:253-257.

[2]Li Y C, Yu J Z, Ho S, et al. Chemical characteristics of PM2.5and organic aerosol source analysis during cold front episodes in Hong Kong, China [J]. Atmospheric Research, 2012,118:41-51.

[3]張小曳,孫俊英,王亞強,等.我國霧－霾成因及其治理的思考[J]. 科學能報, 2013,13:1178-1187.

[4]陳歡歡,吳 兌,譚浩波,等.珠江三角洲 2001～2008年灰霾天氣過程特征分析 [J]. 熱帶氣象學報, 2010,26(2):147-155.

[5]高 怡,張美根.2013年1月華北地區(qū)重霧霾過程及其成因的模擬分析 [J]. 氣候與環(huán)境研究, 2014,19(2):140-152.

[6]Chan C. Air pollution in mega cities in China [J]. Atmospheric Environment, 2008,42(1):1-42.

[7]吳劍斌,王 茜,王自發(fā).上海市夏季顆粒物污染過程數(shù)值模擬研究 [J]. 環(huán)境科學學報, 2015,35(7):1982-1992.

[8]吳 兌.近十年中國灰霾天氣研究綜述 [J]. 環(huán)境科學學報, 2012,32(2):257-269.

[9]吳 兌,吳 晟,李海燕,等.穗港晴沙兩重天－2010年3月17-23日珠三角典型灰霾過程分析 [J]. 環(huán)境科學學報, 2011,31(4):695-703.

[10]高 岑,王體健,吳建軍,等.2009年秋季南京地區(qū)一次持續(xù)性灰霾天氣過程研究 [J]. 氣象科學, 2012,32(3):246-252.

[11]俞建蔚,孫 燕,張 備,等.江蘇沿江一次重霾天氣成因分析[J]. 氣象科學, 2009,29(5):665-669.

[12]Wu D, Tie X X, Li C, et al. An extremely low visibility event over the Guangzhou region: A case study [J]. Atmospheric Environment, 2005,39(35):6568-6577.

[13]Ji D S, Wang Y S, Wang L L, et al. Analysis of heavy pollution episodes in selected cities of northern China [J]. Atmospheric Environment, 2012,50:338-348.

[14]麥健華,鄧 濤,于玲玲,等.中山市旱季霾特征及數(shù)值模擬分析[J]. 環(huán)境科學學報, 2016,36(6):2170-2179.

[15]王自發(fā),李 杰,王 哲,等. 2013年1月我國中東部強霾污染的數(shù)值模擬和防控對策 [J]. 中國科學:地球科學, 2014,1:3-14.

[16]李 鋒,朱 彬,安俊嶺,等.2013年12月初長江三角洲及周邊地區(qū)重霾污染的數(shù)值模擬研究 [J]. 中國環(huán)境科學, 2015,35(7):1965-1974.

[17]周 陽,陳 璐,孟麗江,等.天津市區(qū)縣間大氣污染相互傳輸貢獻研究 [J]. 環(huán)境科學與技術, 2015,4:112-115.

[18]張 艷,余 琦,伏晴艷,等.長江三角洲區(qū)域輸送對上海市空氣質(zhì)量影響的特征分析 [J]. 中國環(huán)境科學, 2010,30(7):914-923.

[19]陳煥盛,王自發(fā),吳其重,等.亞運時段廣州大氣污染物來源數(shù)值模擬研究 [J]. 環(huán)境科學學報, 2010,30(11):2145-2153.

[20]Mai J H, Deng T, Yu L L, et al. A modeling study of impact of emission control strategies on PM2.5reductions in Zhongshan, China, using WRF-CMAQ [J]. Advances in Meteorology, 2016, Article ID 5836070,11pages.

[21]Xing J, Zhang Y, Wang S X, et al. Modeling study on the air quality impacts from emission reductions and atypical meteorological conditions during the 2008 Beijing Olympics [J]. Atmospheric Environment, 2011,45(10):1786-1798.

[22]陳 璐,周 陽,王 偉,等.天津市PM2.5排放源構成分析及防治措施評估 [J]. 城市環(huán)境與城市生態(tài), 2014,27(3):26-30.

[23]劉 俊,安興琴,朱 彤,等.京津冀及周邊減排對北京市PM2.5濃度下降評估研究 [J]. 中國環(huán)境科學, 2014,34(11):2726-2733.

[24]李 荔,劉 倩,李 冰,等.南京青奧會期間管控措施空氣質(zhì)量改善效果評估 [J]. 環(huán)境科學研究, 2016,29(2):175-182.

[25]李 莉,安靜宇,盧 清,等.清潔空氣行動計劃實施對長三角地區(qū) PM2.5污染改善效果模擬評估 [J]. 環(huán)境科學研究, 2015, 28(11):1653-1661.

[26]翟世賢,安興琴,劉 俊,等.不同時刻污染減排對北京市PM2.5濃度的影響 [J]. 中國環(huán)境科學, 2014,34(6):1369-1379.

[27]鄧 濤,吳 兌,鄧雪嬌,等.珠江三角洲一次典型復合型污染過程的模擬研究 [J]. 中國環(huán)境科學, 2012,32(2):193-199.

[28]王 哲,王自發(fā),李 杰,等.氣象－化學雙向耦合模式(WRFNAQPMS)研制及其在京津冀秋季重霾模擬中的應用 [J]. 氣候與環(huán)境研究, 2014,19(2):153-163.

[29]周廣強,謝 英,吳劍斌,等.基于WRF-Chem模式的華東區(qū)域PM2.5預報及偏差原因 [J]. 中國環(huán)境科學, 2016,36(8):2251-2259.

[30]王占山,李曉倩,王宗爽,等.空氣質(zhì)量模型CMAQ的國內(nèi)外研究現(xiàn)狀 [J]. 環(huán)境科學與技術, 2013,36(S1):386-391.

[31]He K B. Multi-resolution emission inventory for China (MEIC): model framework and 1990-30 2010 anthropogenic emission [R]. International Global Atmospheric Chemistry Conference, 2012.

[32]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, 2009,29(5):455-460.

[33]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.

[34]Gao J, Zhu B, Xiao H, et al. Diurnal variations and source apportionment of ozone at the summit of Mount Huang, a rural site in Eastern China [J]. Environmental Pollution, 2017,222:513-522.

[35]吳 兌,陳慧忠,吳 蒙,等.三種霾日統(tǒng)計方法的比較分析－以環(huán)首都圈京津冀晉為例 [J]. 中國環(huán)境科學, 2014,34(3):545-554.

[36]李穎敏,鄧雪嬌,鄧 濤,等.中山市 2000～2014年霾天氣特征及氣象影響因子 [J]. 中國環(huán)境科學, 2016,36(6):1638-1644.

[37]尹沙沙.珠江三角洲人為源氨排放清單及其對顆粒物形成貢獻的研究 [D]. 廣州:華南理工大學, 2011.

[38]錢曉雍,郭小品,林 立,等.國內(nèi)外農(nóng)業(yè)源NH3排放影響PM2.5形成的研究方法探討 [J]. 農(nóng)業(yè)環(huán)境科學學報, 2013,32(10):1908-1914.

[39]趙天良,柳 笛,李 恬,等.農(nóng)業(yè)活動大氣污染物排放及其大氣環(huán)境效應研究進展 [J]. 科學技術與工程, 2016,16(28):144-152.

Source analysis of a haze event in Zhongshan by numerical simulation.

MAI Jian-hua1, DENG Tao2*, HUANG Ye-qi2,3, YU Ling-ling4, DENG Xue-jiao2, JIANG Zheng-ming5(1.Zhongshan Meteorological Service, Zhongshan 528400, China；2.Guangdong Provincial Key Laboratory of Regional Numerical Weather Prediction, Institute of Tropical and Marine Meteorology, Guangzhou 510080, China；3.School of Environmental Science and Engineering, Sun Yat-sen University, Guangzhou 510080, China；4.Guangdong Meteorological Observatory, Guangzhou 510080, China；5.Zhongshan Environmental Monitoring Station, Zhongshan 528400, China). China Environmental Science, 2017,37(9)：3258～3267

A WRF-CMAQ modeling system was used to simulate a haze event in Zhongshan during February 2015. Contributions from regional transport and local emissions to PM2.5concentrations as well as the emission reduction strategies were accessed by the model for a representative air pollution episode (Feb. 11thto 12th, 2015). The simulations show reasonable agreement with the observations. The haze event was mainly affected by the intrusion of a weak cold front. The contribution percentage of emissions from Guangzhou and Foshan (GF), Zhongshan local, and emissions outside Guangdong Province were 33%, 30% and 27%, respectively. The contributions from non-local emissions were important in this haze event. The simulations also showed that local industrial and agricultural emissions contributed 13% and 8% of PM2.5in Zhongshan, while those two emissions in GF contributed 20% and 7%. After 30%, 50% and 70% reduction of agricultural emissions in Zhongshan and GF, PM2.5concentrations in Zhongshan deceased by 6%, 10% and 15%, and by 11%, 18% and 23% after the same reduction of industrial emissions in Zhongshan and GF. The emission reduction benefits showed little change under different strategies of agricultural and industrial reduction. Additionally, the emission reduction actions must be taken before the haze event, and it was most effective during the heavy polluted episode. However, the emission reduction became less effective when the haze event was ending.

haze；pollution source；emission control；WRF-CMAQ

X513

A

1000-6923(2017)09-3258-10

2017-02-20

國家自然科學基金(41475105);中國氣象局氣候變化專項(CCSF201531);廣東省科技廳公益研究與能力建設專項資金項目(2015A020215020);中山市科技計劃項目(2015B2349);廣州市科技計劃項目(201604020028);廣東省氣象局科技創(chuàng)新團隊計劃項目(201704) * 責任作者, 副研究員, tdeng@grmc.gov.cn

麥健華(1985-),男,廣東中山人,工程師,碩士,主要從事中短期天氣預報以及環(huán)境氣象研究工作.發(fā)表論文5篇.