何 斌,梅士龍,陸琛莉,李海軍,周秋林,宋劉明

?

MEIC排放清單在空氣質量模式中的應用研究

何 斌*,梅士龍,陸琛莉,李海軍,周秋林,宋劉明

(嘉興市氣象局,浙江嘉興314050)

本文主要研究了清華大學MEIC 2012基準年0.25°×0.25°排放清單應用于WRF-CHEM模式所需的主要處理技術,包括:單位面積污染物排放質量(或物質的量)濃度的計算,經緯度格點濃度到中尺度格點濃度的轉換,使用模式地表類型數(shù)據對排放清單進行細化處理,各部門小時排放數(shù)據的確定以及PM2.5組成成分比例的區(qū)域分配等.通過重污染個例的預報和模擬試驗分析了清單處理技術的應用效果,結果表明:模式能較好地反映出污染物局地累積和水平輸送的變化趨勢,但高污染中心的濃度預報值要低于實際觀測值,這與氣象場的預報偏差有較大關系.清單細化處理技術可以改變模式格點上污染物的模擬濃度,但在不同氣象條件下,改變量有所不同,靜穩(wěn)天氣下,城市及其周邊地區(qū)的改變量較大.

MEIC；WRF-CHEM；排放清單處理技術

大氣污染物排放清單反映了污染物的排放強度及其時空分布特征,是制定污染控制策略的重要參考依據.其編制主要依據污染源的活動水平以及各種污染物的排放因子,兩者均存在著一定的不確定性[1-2],因此排放清單的準確性也就體現(xiàn)在其是否代表了當前各類污染源的真實活動水平和各種污染物的最新排放因子.近年來隨著中國經濟體量的增長、經濟結構的變化,先進減排技術的應用以及國家新的排放政策的實施,之前的排放源清單[1,3-4]已不能較好地反映當前中國的污染排放狀況,而由清華大學負責研制的基于中國多尺度排放清單模型(MEIC)的2012年排放清單則是目前國內具有較高代表性的中國區(qū)域排放源清單(http://www.meicmodel.org/).

除了用于研究大氣污染物的時空排放特征以外,污染源排放清單還可以作為大氣化學模式的初始輸入數(shù)據用于空氣質量的模擬研究和預報業(yè)務.此前大氣環(huán)境學者利用CMAQ模式開展了廣泛的研究工作[5-7],而近年來WRF-CHEM模式逐漸被應用[8-10].該模式的最大特點是對物理和化學過程實現(xiàn)了融合處理,即在時間積分步上化學物質的傳輸過程能夠直接使用氣象模式中的物理傳輸方案,同時加入了高耦合度的物理-化學雙向反饋機制[11].然而目前WRF-CHEM模式仍缺少類似于CMAQ模式的排放源處理模塊SMOKE,且國內對于相應排放清單處理方法的論述也較少,而這對于空氣質量模擬及預報又具有重要影響,因此本文將詳細闡述清華大學MEIC2012基準年0.25°′0.25°排放清單應用于WRF-CHEM模式所需的主要處理技術,并通過重污染個例的預報和模擬試驗對清單處理技術的應用效果予以初步分析.

1 模式設置及MEIC排放清單處理方法

1.1 模式介紹

本次研究使用的空氣質量模式為WRF- CHEM 3.6.1,中尺度網格范圍如圖1所示.氣相化學反應方案為RADM2,該方案中的無機物包含14類穩(wěn)定物種,4類活躍的中間態(tài)物種以及3類數(shù)量較多的穩(wěn)定物種(氧氣、氮氣和水).有機化學包括26類穩(wěn)定物種和16類過氧自由基,大多數(shù)揮發(fā)性有機物(VOCs)使用Middleton給出的聚合因子.氣溶膠參數(shù)化方案為MADE/SORGAM,主要包括氣溶膠的均化成核、揮發(fā)性物質在氣溶膠上的蒸發(fā)凝結以及氣溶膠顆粒之間的碰并凝聚過程.氣溶膠化學包括無機和有機兩類化學過程.模式中還啟用了水相化學反應過程(aqueous reactions),但目前仍為試驗版本,并采用了氣溶膠-輻射反饋機制和濕去除機制.模式中PM2.5分為硫酸鹽、硝酸鹽、有機碳、黑碳、其他共5類,它們在模式中是獨立存在并被處理的.光化學過程中光解頻率的計算采用Madronich方案,某種氣體的光解頻率是由某個波長上的光化通量、該氣體的吸收截面以及量子產率的乘積在186到730nm間的130個波長積分得到的.考慮到計算效率,每30min調用一次光化學過程.此外還考慮了氣態(tài)物種和氣溶膠顆粒的干沉降作用,并使用Gunther方案計算生物源排放.研究中使用的排放清單為MEIC V1.2,空間分辨率為0.25°′0.25°,其中VOCs物種排放數(shù)據采用RADM2化學機制.

1.2 MEIC排放清單處理方法

排放清單處理是實現(xiàn)空氣質量預報的重要環(huán)節(jié),主要包括污染物濃度的網格轉換、網格分辨率的細化匹配、時間分配以及PM2.5組分比例的區(qū)域分配等步驟,下文對相應處理技術進行詳細闡述.

1.2.1 單位面積濃度計算及格點轉換 MEIC排放清單提供經緯度格點單元上的污染物排放質量(或物質的量)濃度,而模式系統(tǒng)需要中尺度格點單元上的單位面積污染物排放質量(或物質的量)濃度,這里就要進行以下轉換:首先計算每個經緯度格點單元上的單位面積污染物排放質量(或物質的量)濃度,其次再將經緯度格點單位上的濃度值或分配或聚合地轉換到中尺度格點單元上.進行第一步轉換的關鍵是要計算每個經緯度格點單元的面積,在經緯向格距較小的情況下,可以近似認為格點單元成準矩形,因此只需計算出緯向邊長和經向邊長就可以得到該格點單元的近似面積.在球坐標系下計算公式如下:

式中:為地球半徑,為單元格中心緯度,D為緯向格距,D為經向格距,本文中D和D均D取為0.25°(實際計算中需轉為弧度單位).注意如果D或D較大,則可以將格點單元均等分割為更小面積的準矩形進行分別計算,最后將所有小矩形相加得到格點單元的面積.

圖1 MEIC 2012基準年0.250′0.250排放清單[Mg/(km2×a)]

本文中模式區(qū)域的投影方式為Lambet投影,中心經緯度取在(33.0°N,117.0°N),切割線為(30°N,60°N),中心點附近的網格間距為9km.在模擬區(qū)域中截取長三角地區(qū)如圖2所示,其中實線代表經緯度網格線,間隔為0.25°,虛線代表中尺度網格線.模式系統(tǒng)需要每個中尺度網格上的排放濃度,其基本計算思路如下:首先計算包含整個中尺度模擬區(qū)域的經緯度坐標范圍,然后逐個確定每個經緯度網格內的所有中尺度網格,并將該經緯度網格的排放值賦予這些中尺度網格點.注意本文中經緯度網格包含中尺度網格的標準定義為中尺度網格的中心點位于經緯度網格內,如果某個中尺度網格被一個以上的經緯度網格所包含,則該中尺度網格的排放值為這些經緯度網格排放值的平均.在進行上述計算過程時,需要進行經緯度地球坐標系統(tǒng)和中尺度投影坐標系統(tǒng)之間的轉換,具體算法可以參考相關文獻,本文不再贅述.

圖2 模式區(qū)域中長三角地區(qū)的經緯度網格(實線)和中尺度網格(虛線)分布

1.2.2 排放清單的細化處理 MEIC排放清單的分辨率為0.25°′0.25°,而模式的水平分辨率為9km,兩者并不匹配,為了能夠獲得和模式分辨率相同的排放清單,有必要對原始清單進行細化處理.此前許多大氣環(huán)境工作者多使用人口或者路網等數(shù)據來獲得高分辨率的網格化清單[12-13],也有部分學者利用衛(wèi)星遙測的地表類型數(shù)據研究生物質燃燒的時空分布特征[14-15].本文將利用WRF-CHEM模式自有的下墊面類型數(shù)據對排放清單進行細化.

圖3a為長三角地區(qū)經緯度格點上的排放濃度.可以看到從上海到江蘇南部有一條明顯的PM2.5強排放帶,而在浙江北部地區(qū),PM2.5的排放強度則要小得多,20Mg/(km2×a)以上的強排放區(qū)主要集中在杭州和寧波等城市及周邊較小區(qū)域內.圖3b是將經緯度格點單元上的排放值轉換到中尺度格點單元上的結果,對比圖3a可以看到PM2.5排放值的總體分布形勢類似,只是在部分區(qū)域略有差異,這是由于將經緯度格點單元上的排放值重新均等分配到中尺度格點單元上,因此排放值的分辨率仍保持不變.圖3c為WRF- CHEM模式9km網格所對應的地表類型(LANDUSE)分布,該數(shù)據來源于美國地質勘測組織(USGS)的全球30s 24類地表類型數(shù)據.之前在將經緯度格點排放數(shù)據分配到中尺度格點單元時,沒有考慮中尺度格點單元所代表的地表類型,因此所有中尺度格點單元的分配權重是一樣的,下面將依據中尺度格點單元所代表的地表類型和所在的排放部門,對其賦予不同的權重值,如表1所示.對于非農業(yè)部門,由于其排放活動主要集中在城市及周邊農村地區(qū),因此城市類型給予1.0的最大權重系數(shù),旱地和灌溉作物次之,在0.6~0.5之間,灌木則僅為0.1,對于其他的17種類型如水體、各種林木以及濕地等則給予0.0的權重.對于農業(yè)部門,由于其排放主要集中在農田和林牧業(yè)地區(qū),因此這些地區(qū)的權重值較高.如此設定則當經緯度格點單元內存在一種或以上此8類地表類型時,其排放值將按不同的權重系數(shù)集中分配在此8類地表類型的中尺度格點單元內,否則仍按均等分配處理(圖3d).具體計算公式為:

從圖3c可以看到在9km分辨率下,僅有上海地區(qū)顯示出一小塊城市類型區(qū)域,而長三角地區(qū)的其他城市無法有效地顯示出來.這可能是因為24類USGS地表類型數(shù)據較為陳舊,而近年來中國的城市化進程發(fā)展迅速,因此該地表類型數(shù)據與當前中國的下墊面類型存在著一定的差異.由于城市及周邊地區(qū)的污染物排放量較大,本文主要通過修改24類USGS地表類型數(shù)據來提高城市類型數(shù)據的比例,從而使污染物排放量更多地向城市地區(qū)集中.WRF-CHEM模式中LANDUSEF變量保存每個格點單元內24類地表類型的百分比,如果某個格點單元內某種地表類型的比例最高,則該格點單元的地表類型(LANDUSE)就設定為該地表類型.對上述標準略作修改,如果格點單元的城市類型比例高于2%,則可以認為該格點單元代表城市類型區(qū)域,通過這樣的處理可以較為有效地提高城市類型的比例,且與當前中國城市的總體分布形勢較為一致.圖3e為經過城市化處理后的長三角地表類型分布,可以看到長三角地區(qū)各級城市的位置和范圍都能較好地反映出來.上海地區(qū)的城市范圍較之前明顯擴大,杭州、寧波、蘇州、嘉興等二三線城市都能清晰地看到.圖3f為使用了新的地表類型數(shù)據后得到的長三角地區(qū)PM2.5的排放分布,可以看到上海和蘇南連成一線超過20Mg/ (km2×a)的強排放帶已斷開,而兩側城市區(qū)域內的排放值得到了進一步加強.使用上述排放清單細化技術提高了排放清單的空間分辨率,修正了城市區(qū)域的污染排放量,使得排放數(shù)據精度和實際模式分辨率協(xié)調一致,這有利于獲得更加準確的污染物預報結果.圖3g,f為NH3的原排放分布和經細化處理后得到的排放分布,可以看到與PM2.5的分布相反,城市的NH3排放量有所減小,而其周邊農村地區(qū)的NH3排放強度則進一步增大.為了驗證清單細化處理的合理性,將本次研究中9km分辨率的清單與Fu等[12]研究得到的長三角地區(qū)4km分辨率的排放清單進行對比,可以發(fā)現(xiàn)對于PM2.5,兩個清單的總體分布形勢表現(xiàn)出較好的一致性,而Fu等的清單由于使用了更為詳細的人口和網路數(shù)據,因此能夠更好地表現(xiàn)出縣級的污染排放分布.但對于NH3,4km清單的強排放區(qū)域主要集中在城市地區(qū),這與本研究中的排放分布存在一定的差異.

1.2.3 污染物排放的時間分攤系數(shù) MEIC提供了逐月的污染物排放數(shù)據,本文研究了長三角地區(qū)部分大中城市PM2.5排放的月變化特征及各部門的排放比例(圖4).可以看到PM2.5的排放主要來自于工業(yè)部門,盡管各城市月排放變化并不一致,但2月份的排放量幾乎均為最低,這可能與春節(jié)期間企業(yè)放假停產有直接關系.在多數(shù)城市中電力部門或交通部門的排放量次之.電力部門排放量在7~8月出現(xiàn)高峰,這與夏季民用和工業(yè)用電量較大有關.交通部門排放量的月變化則不明顯.民用排放量在多數(shù)月份較小,但在每年冬季12~3月則出現(xiàn)較明顯的增長,這與冬季民用取暖致使燃氣燃煤用量陡增有關.

要實現(xiàn)污染物的業(yè)務化預報,則必須向WRF-CHEM模式提供有效的逐小時排放信息,因此需將MEIC提供的逐月排放數(shù)據轉化為小時排放數(shù)據.之前許多學者對區(qū)域性的小時排放數(shù)據進行了研究,本文綜合參考吳曉璐[16]和翟一然[17]文獻中調研或引用得到的長三角地區(qū)各部門污染物排放的小時分攤系數(shù).電力部門的排放一般為8h工作制,其排放時間也主要集中在09:00~17:00,這與其工作時間一致,此時段內的小時分攤系數(shù)大概在5%左右.工業(yè)部門一般為8小時工作制,其排放時間也主要集中在09:00~ 17:00,其小時分攤系數(shù)接近7%,而夜間其排放量較小,在2%~3%.交通部門的排放主要集中在07:00~09:00和16:00~18:00兩個上下班高峰時段,小時分攤系數(shù)約在6%左右,中午前后出現(xiàn)排放低谷,夜間則出現(xiàn)較明顯的下降.民用部門的排放與居民的生活作息關系密切,11:00~12:00和18:00~19:00為排放的高峰期,小時分攤系數(shù)可達10%左右,同樣夜間排放量較小.農業(yè)部門的排放源主要來自于畜牧業(yè)、氮肥施用和秸稈焚燒,前兩者是主要排放源.由于上述文獻中沒有明確提及農業(yè)排放的小時分攤系數(shù),因此本文將按如下標準來設定該系數(shù):畜牧業(yè)中飼料、糞便以及氮肥的日排放變化與溫度、濕度等氣象條件有關,一般而言白天的日照較強,氣溫較高,濕度相對較低,因此以上排放源白天的排放量應大于夜間,將08~17時的小時分攤系數(shù)設為5%~ 6%,夜間則降低到2%~3%.

表1 排放清單細化過程中使用的8類地表類型及其權重系數(shù)

圖4 經細化處理后的各部門PM2.5排放量的月變化(Mg/(km2×月))

(a)杭州,(b)嘉興,(c)無錫,(d)上海

2 結果與討論

2.1 預報個例分析

本文使用上述清單處理技術實現(xiàn)了MEIC排放清單在WRF-CHEM模式中的業(yè)務化應用,模式的氣象場數(shù)據來自于GFS的0.5°′0.5°的分析場和預報場,化學場數(shù)據來自于前24h模式的化學預報場,目前尚未對其進行同化分析處理.2015年12月11日長三角地區(qū)受外來污染物輸入影響出現(xiàn)了一次重度霾天氣過程.本文通過分析初始時間為8~10日20:00的預報場結果,對MEIC清單處理技術以及WRF-CHEM的預報效果進行初步的驗證.

2015年12月7~10日華北地區(qū)高空先后處于高壓脊和脊后西南干暖氣流控制之下,地面位于弱高壓后部和暖低壓前部,沒有明顯冷空氣和降雨影響,且風力較小,大氣處于靜穩(wěn)狀態(tài)下,極不利于污染物的擴散.圖6a為10日08時(北京時,下同)使用全國各環(huán)保站監(jiān)測得到的PM2.5分布,可以看到PM2.5超過200mg/m3以上的高污染帶位于整個華北平原、河南中南部地區(qū)以及安徽中部地區(qū).模式總體上較好地反映了該高污染帶的分布情況,但是濃度預報值相比實況偏低,而湖北南部、安徽北部、湖南和江西境內的濃度預報值有所偏高(圖6e).12h以后受冷空氣大風影響,河北北部的PM2.5濃度明顯下降,整個高污染帶逐漸向南向東影響湖北東北部和山東東部地區(qū),安徽境內的高污染范圍較之前有所增大.此外在入海低壓氣旋后部西北氣流的引導下,安徽境內的高濃度污染物向下游擴散影響江蘇南部和浙江北部地區(qū)(圖6b).從預報場可以看到模式較好地反映了高污染帶向南向東擴散的趨勢,但是速度明顯要快于實況,濃度也較實況偏低(圖6f),此外還可以看到模式較好地預報出江蘇南部到浙江北部以及山東到江蘇北部兩塊東西向濃度較高的污染帶,它們先后對長三角地區(qū)造成較明顯的影響.11日原在山東的污染輸送帶開始影響江蘇南部到浙江北部地區(qū)(6c,d),預報模式較好地反映了這樣的變化趨勢(圖6g,h).需要說明的是,PM2.5實況分布圖中使用的環(huán)保監(jiān)測點的數(shù)量在1200~1300,從全國范圍來看,站點密度并不高,且多集中在城市,其他地區(qū)的站點更加稀少,而模式預報的水平分辨率可達9km,因此直接對兩類分辨率相差較大的濃度分布場進行比較會存在一定的誤差,但是從以上的比較中至少可以認為模式能夠較好地反映出污染物局地累積和輸送的變化趨勢,預報濃度低于實際觀測值的傾向.

2.2 污染物濃度預報誤差分析

從之前的預報個例中可以看到,高污染帶向南擴散的速度要快于實況,且污染濃度也要低于實測值.前者應與氣象場誤差有直接關系,而后者是因為氣象場誤差還是由于排放清單對污染源排放估算不足引起的并不清楚,為此設計了一個驗證試驗.該試驗的基本設置與前述的預報個例一致,但使用了FNL1.0°′1.0°的氣象再分析資料,同時啟用了WRF模式的四維格點同化方案,即使用6小時間隔的FNL再分析場對模擬場進行松弛逼近調整,使得模擬的氣象場接近實況.對比10日08時的預報場和模擬場可以看到,兩者的PM2.5高污染帶的分布形態(tài)較為一致,后者的污染帶濃度值要略高于前者,但仍低于實測值(圖6i).10日20:00預報場的高污染主要位于河南境內,而在模擬場中河北南部以及山東中西部地區(qū)仍存在較大范圍的污染,更接近于實況,但模擬濃度值仍低于實測值.此外還可以看到,該時刻浙江北部地區(qū)PM2.5濃度有所增加,但預報場明顯偏低,模擬場有所增加但仍低于實況(圖6j).11日08:00和20:00也有類似的情況(圖6k,l).可以看到,在排放參數(shù)不變的情況下,氣象場的變化會引起污染物濃度及其分布形勢發(fā)生變化,其中風場主要影響污染物的本地累積和遠距離輸送,濕度場會對多種化學反應過程產生影響,溫度場的差異也會引起大氣垂直穩(wěn)定度的改變,從而影響大氣的對流和湍流運動,并間接引起污染物濃度的變化.此外,盡管氣象場的改變使得污染物濃度有所增加,但是與實況相比仍然偏低,這可能與化學模式中相應物理化學作用機制的不完善有關,此外排放清單也可能仍存在一定的不確定性.

(a)(e)(i) 2015年12月10日08時, (b) (f)(j)2015年12月10日20時, (c)(g)(k) 2015年12月11日08時, (d)(h)(l) 2015年12月11日20時

2.3 排放清單細化處理的影響分析

本文在排放清單的中尺度格點轉化過程中依據USGS-24類地表類型數(shù)據對排放清單進行了細化處理,以更好地適應較高的中尺度網格分辨率.為了分析細化處理對于污染物濃度預報的影響,本文進行了細化處理的模擬對比試驗,模擬起始時間為2015年12月16日20時,試驗分析時段為23日08時-25日20時,模擬采用了四維格點同化技術以減小氣象場誤差.圖7為使用細化和無細化處理得到的PM2.5濃度場之差,可以看出23日08時濃度差的正值區(qū)主要對應長三角的城市區(qū)域,上海的差值中心超過了40mg/m3,杭州和蘇州的差值中心也超過了20mg/m3.在正值區(qū)附近一般會存在負值區(qū),這是由于排放量的重新分配使得這些格點上的排放量有所減少.另外在高低空氣流的作用下,濃度差的正負區(qū)域也會向下游擴散(圖7a). 24日02時受到海面東北風回流的影響,上海和蘇南地區(qū)PM2.5濃度差的中心值有所降低,而杭州及寧紹地區(qū)由于近地面風場較弱,因此城市區(qū)域附近存在明顯的PM2.5濃度差(圖7b).此外選取了上海徐匯上師大和無錫旺莊站點分析23日08時到25日20時PM2.5的濃度變化情況(圖7c,d),可以觀察到23日白天兩個站的PM2.5濃度峰值均超過250mg/m3,模擬結果較好地反映了該日出現(xiàn)的重度污染,其中上海站兩試驗的峰值無明顯差異,而無錫站的細化試驗峰值較無細化試驗高出40~50mg/m3.此后PM2.5濃度逐漸減小,24日白天濃度已下降到100mg/m3以下,且持續(xù)時間較長,盡管模式也反映了PM2.5濃度明顯下降的趨勢,但其濃度值仍較模式值偏高,這可能與模擬降水偏弱有關.該時段內上海站的細化試驗濃度值高于無細化試驗,最大差值為20~30mg/m3,而無錫站兩試驗結果無明顯差異.25日PM2.5濃度再次出現(xiàn)明顯上升,無錫站兩試驗峰值濃度差異較明顯, 超過了50mg/m3.從以上分析可以看到使用排放清單細化處理技術可以對模式格點排放量進行重新分配,進而改變這些格點上污染物的模擬濃度.但在不同氣象條件下,改變量有所不同,靜穩(wěn)天氣下,城市及其周邊地區(qū)的改變量較大.

(a) 2015年12月23日08時,(b) 2015年12月24日02時.2015年12月23日08時到25日20時站點PM2.5濃度變化曲線,(c) 上海 (d)無錫

3 結論

3.1 排放清單的空間轉化處理主要包括經緯度網格質量(或物質的量)濃度的計算、經緯度網格濃度向中尺度網格的轉換、依據USGS-24類地表類型數(shù)據對排放數(shù)據進行細化處理.

3.2 排放清單的時間轉換處理主要是將MEIC提供的污染物月排放數(shù)據轉換為小時排放數(shù)據.工業(yè)、電力、交通和民用的時間分攤系數(shù)取自相關文獻,對于農業(yè)排放,由于畜牧業(yè)中飼料、糞便以及氮肥的日排放變化與溫度、濕度等氣象條件有關,一般而言白天的日照較強,氣溫較高,濕度相對較低,因此認為白天的排放量應大于夜間.

3.3 PM2.5組成成分主要包括硫酸鹽、硝酸鹽、有機碳、元素碳.由于各地區(qū)排放的PM2.5的物種組分存在著一定的差異,因此有必要建立一個更大范圍的詳細的PM2.5物種組分數(shù)據庫,從而為數(shù)值模式提供更加準確的PM2.5組分信息.

3.4 實時污染物濃度預報表明模式能夠較好地反映出污染物局地累積和水平輸送的變化趨勢,但高污染中心的濃度預報值要低于實際觀測值.進一步通過與采用氣象場四維格點同化方案的模擬試驗對比可以發(fā)現(xiàn)氣象場的變化會引起污染濃度及其分布形勢發(fā)生變化,盡管模擬的污染濃度值較預報值有所增加,但是仍低于實際觀測值,這可能與化學模式中相應物理化學作用機制的不完善有關,此外排放清單也可能仍存在一定的不確定性.

3.5 清單細化處理試驗表明在保證排放清單中污染物排放總量不變的情況下,對模式格點的排放量進行重新分配可以改變這些格點上污染物的模擬濃度.但在不同氣象條件下,改變量有所不同,靜穩(wěn)天氣下,城市及其周邊地區(qū)的改變量較大.

[1] 曹國良,張小曳,龔山陵,等.中國區(qū)域主要顆粒物及污染氣體的排放源清 [J]. 科學通報, 2011,56(3):261-268.

[2] 鐘流舉,鄭君瑜,王國強,等.大氣污染源排放清單不確定性定量分析方法及案例研究 [J]. 環(huán)境科學研究, 2007,20(4):15-20.

[3] 張 強, Klimont Z, Streets D G,等.中國人為源顆粒物排放模型及2001年排放清單估算 [J]. 自然科學進展, 2006,16(2):223- 231.

[4] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006for the NASA INTEX-B mission. Atmos Chem Phys Discuss [J]. 2009,9:4081?4139.

[5] 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.

[6] 陳彬彬,林長城,楊 凱,等.基于CMAQ模式產品的福州市空氣質量預報系統(tǒng)[J]. 中國環(huán)境科學, 2012,32(10):1744-1752.

[7] 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[J]. 中國環(huán)境科學, 2015,35(7):1965- 1974.

[8] 馬 欣,陳東升,高慶先,等.應用WRF-chem模式模擬京津冀地區(qū)氣溶膠污染對夏季氣象條件的影響 [J]. 資源科學, 2012, 34(8):1408-1415.

[9] 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.

[10] 楊 鵬,朱 彬,高晉徽,等.一次以南京為中心的夏季PM2.5污染島污染事件的數(shù)值模擬[J]. 中國環(huán)境科學, 2016,36(2):321- 330.

[11] Grell G A, Peckham S E, Schmitz R, et al. Fully coupled “online” chemistry within the WRF model [J]. Atmospheric Environment, 2005,39:6957-6975.

[12] Fu X, Wang S X, Zhao B, et al. Emission inventory of primary pollutants and chemical speciation in 2010 for the Yangtze River Delta region, China. Atmos. Environ, 2013,70:39-50.

[13] 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.

[14] Streets D G, Yarber K F, Woo J H, et al. Biomass burning in Asia: Annual and seasonal estimates and atmospheric emissions [J]. Global Biogeochem. Cycles, 2003,17:1759-1768.

[15] He M, Zheng J Y, Yin S S, et al. Trend, temporal and spatial characteristics, and uncertainties in biomass burning emissions in the Pearl River Delta, China [J]. Atmos. Environ., 2011,45:4051- 4059.

[16] 吳曉璐.長三角地區(qū)大氣污染物排放清單研究 [D]. 上海:復旦大學, 2009.

[17] 翟一然,王勤耕,宋媛媛.長江三角洲地區(qū)能源消費大氣污染物排放特征[J]. 中國環(huán)境科學, 2012,32(9):1574-1582.

[18] 馬召輝,梁云平,張 健,等.北京市典型排放源PM2.5成分譜研究.環(huán)境科學學報, 2015,35(12):4043-4052.

[19] 鄭 玫,張延君,閆才青,等.上海PM2.5工業(yè)源譜的建立 [J]. 中國環(huán)境科學, 2013,33(8):1354-1359.

The application of MEIC emission inventory in air quality model.

HE Bin*, MEI Shi-long, LU Chen-li, LI Hai-jun, ZHOU Qiu-lin, SONG Liu-ming

(Jiaxing Meteorological Bureau, Jiaxing 314050, China)., 2017,37(10)：3658~3668

The required techniques are investigated for applying the Tsinghua MEIC emission inventory of 2012 reference year with 0.25°′0.25°resolution to the WRF-CHEM model. These techniques include the calculation of pollutant mass per unit area, the transformation of pollutant concentration from the lat-lon grid to the mesoscale grid, the refinement of emission inventory with model land-use data, the determination of hourly emission data in each sector, and the apportionment of major PM2.5species in the specified regions. The effectiveness and performance of the aforementioned inventory processing techniques are assessed in the heavy pollution scenarios.It is indicated that the local accumulation and horizontal transport of pollutants can be well simulated from the WRF-CHEM model. However, the concentration in the high pollution central area is underestimated, which is closely related to the forecast bias in the meteorological fields. Additionally, the refinement of emission inventory changes the simulated pollutant concentration. The amount of change is found to vary according to the weather conditions. Under stable meteorological conditions, large changes mainly occur within and around urban areas.

MEIC；WRF-CHEM；processing techniques of emission inventory

X51

A

1000-6923(2017)10-3658-11

何 斌(1978-),男,浙江嘉興人,高級工程師,主要從事天氣預報、環(huán)境氣象業(yè)務及技術研究.發(fā)表論文10余篇.

2017-02-24

浙江省科技廳重大科技專項(2014C03025)

* 責任作者, 高級工程師, zjuhb@126.com