李勛 秦墨梅 李琳 李婧祎 胡建林

摘要

大氣污染物排放清單是空氣質(zhì)量模擬和空氣污染治理的重要依據(jù).本研究比較分析了兩套覆蓋江蘇省的2017年大氣污染物排放清單，即分別由上海市環(huán)境科學(xué)研究院、江蘇省環(huán)境科學(xué)研究院編制的“長(zhǎng)三角清單”和“江蘇省清單”，并結(jié)合區(qū)域空氣質(zhì)量模型CMAQ評(píng)估不同清單對(duì)長(zhǎng)三角地區(qū)2017年1、4、7、10月的空氣質(zhì)量模擬的影響.清單比較結(jié)果表明，除二氧化硫（SO2）以外，江蘇省清單估算的各污染物排放量較長(zhǎng)三角清單低.通過與觀測(cè)數(shù)據(jù)比較，發(fā)現(xiàn)兩套清單對(duì)SO2、氮氧化物（NOx）、臭氧（O3）和細(xì)顆粒物（PM2.5）的模型模擬性能均較好.江蘇省清單與長(zhǎng)三角清單兩者的模擬結(jié)果空間分布接近，其中江蘇省清單模擬的PM2.5和O3在長(zhǎng)三角多數(shù)地區(qū)略低于長(zhǎng)三角清單的模擬結(jié)果（1月O3除外）.江蘇省清單與長(zhǎng)三角清單均能夠用于空氣質(zhì)量模式模擬，可為江蘇地區(qū)的細(xì)顆粒物和光化學(xué)煙霧污染的控制策略制定提供參考.關(guān)鍵詞

排放清單;CMAQ模型;江蘇省;空氣污染物

中圖分類號(hào) X511;X513

文獻(xiàn)標(biāo)志碼 A

0 引言

近年來，我國(guó)以光化學(xué)煙霧（O3）和細(xì)顆粒物（PM2.5）污染為主的大氣污染問題突出[1]，它危害人體健康、降低能見度，也對(duì)環(huán)境質(zhì)量及氣候產(chǎn)生不利影響[2-4].高強(qiáng)度的人為源排放是造成我國(guó)空氣污染的重要原因之一[5]，因此，控制人為源排放是減輕空氣污染的重要舉措.例如，Zhang等研究表明，2103—2017年間，我國(guó)“大氣十條”的實(shí)施使得我國(guó)PM2.5質(zhì)量濃度下降20 μg/m3[6].

大氣污染物排放清單可量化各人為源大氣污染物的排放強(qiáng)度，并描述污染物排放隨時(shí)間和空間的變化特征，是開展空氣質(zhì)量模擬、制定科學(xué)有效的排放控制策略的重要依據(jù)[7].近20年來，全球尺度和區(qū)域尺度的大氣污染物排放清單一直在更新和發(fā)展中，清單結(jié)果表明，全球人為源排放量仍呈現(xiàn)出增長(zhǎng)的趨勢(shì)[8-9].在我國(guó)積極治理空氣污染的背景之下，京津冀、長(zhǎng)三角和珠三角等地區(qū)的大氣污染物排放呈現(xiàn)明顯下降趨勢(shì)[10-11].這些地區(qū)也對(duì)應(yīng)著高人為源排放，如長(zhǎng)三角地區(qū)每單位面積二氧化硫（SO2）、氮氧化物（NOx）、非甲烷揮發(fā)性有機(jī)物（NMVOCs）、細(xì)顆粒物（PM2.5）和氨氣（NH3）的排放強(qiáng)度分別是全國(guó)平均的2.3、4.5、5.2、3.4和3.0倍[12].將不同大氣污染物排放清單應(yīng)用于空氣質(zhì)量模型時(shí)，排放量估算的差異將影響模型模擬的污染物濃度和模擬性能.例如，Zhou等對(duì)比了江蘇省清單、長(zhǎng)三角清單和中國(guó)多尺度排放清單 （Multi-resolution Emission Inventory for China，MEIC），發(fā)現(xiàn)江蘇省清單模擬得到的PM2.5、SO2、O3質(zhì)量濃度和觀測(cè)值更接近[13].

江蘇省位于中國(guó)東部，是我國(guó)經(jīng)濟(jì)發(fā)展相對(duì)發(fā)達(dá)的地區(qū)，其大氣污染物排放總量也是我國(guó)排放最高的地區(qū)之一[14].高排放造成江蘇省大氣污染嚴(yán)重，多站點(diǎn)的PM2.5、O3觀測(cè)質(zhì)量濃度均超過國(guó)家空氣質(zhì)量標(biāo)準(zhǔn)[15-16].Huang等[14]建立了2007年江蘇省核心城市的主要人為空氣污染物和揮發(fā)性有機(jī)物物種的排放清單，排放物空間上主要集中在沿長(zhǎng)江的城市和工業(yè)區(qū).Fu等[17]更新了江蘇省2010年的排放清單，發(fā)現(xiàn)所有污染物的排放量都發(fā)生了顯著變化，從2005年到2010年，SO2的排放量下降了49%，PM10和PM2.5的排放量也在持續(xù)下降，NOx排放僅增加了1.1%，VOCs的排放增加110%.此后，Zhou等[13]也對(duì)江蘇省排放清單做出更新，發(fā)現(xiàn)大多數(shù)物種的點(diǎn)源排放占比顯著提高，與中國(guó)排放清單（MEIC）相比，NOx排放的空間分布與觀測(cè)更加一致.

本研究將對(duì)比分析江蘇省環(huán)境科學(xué)研究院編制的《2017年江蘇省大氣污染物排放清單》和上海市環(huán)境科學(xué)研究院編制的《2017年長(zhǎng)三角地區(qū)大氣污染物排放清單》這兩套數(shù)據(jù)中對(duì)江蘇省大氣污染物排放的估算，并利用空氣質(zhì)量模型CMAQ分別對(duì)排放清單進(jìn)行模擬驗(yàn)證，以評(píng)估不同清單對(duì)空氣質(zhì)量模擬的影響.

1 研究方法和數(shù)據(jù)

1.1 源排放清單

本研究比較分析了兩套覆蓋江蘇省的大氣污染物源排放清單：1）江蘇省環(huán)境科學(xué)研究院編制的《2017年江蘇省大氣污染物排放清單》（以下簡(jiǎn)稱“江蘇省清單”）;2）上海市環(huán)境科學(xué)研究院編制的《2017年長(zhǎng)三角地區(qū)大氣污染物排放清單》[17]（以下簡(jiǎn)稱“長(zhǎng)三角清單”）.兩套清單均采用“自下而上”的估算方法，覆蓋農(nóng)業(yè)、交通、居民、工業(yè)和揚(yáng)塵五大類別，江蘇省清單分辨率為3 km×3 km，長(zhǎng)三角清單分辨率為4 km×4 km，包含對(duì)SO2、NOx、CO、NMVOCs、PM10、PM2.5和NH3等主要污染物的估算.

1.2 模型設(shè)置

本研究采用源導(dǎo)向的CMAQ（Community Multiscale Air Quality）空氣質(zhì)量模型v5.2版本[18]以及SAPRC-07[19]的光化學(xué)機(jī)理評(píng)估不同源排放清單對(duì)空氣質(zhì)量模擬的影響.其中，本研究使用的CMAQ模型增加了硫酸鹽、硝酸鹽和二次有機(jī)氣溶膠的非均相生成途徑，模型更新的細(xì)節(jié)見此前研究[20-22].模擬區(qū)域如圖1所示，包括長(zhǎng)三角地區(qū)（江蘇省、上海市、浙江省、安徽省），長(zhǎng)三角以外的山東省、河南省、湖北省、江西省、福建省部分地區(qū)以及部分海域.模擬的空間分辨率為4 km×4 km，網(wǎng)格數(shù)為238×268，模擬時(shí)間為2017年1、4、7、10四個(gè)月.氣象場(chǎng)由WRF模型（Weather Research and Forecasting Model）v4.0[23]提供，初始條件和邊界條件采用國(guó)家環(huán)境預(yù)測(cè)中心（NCEP）FNL全球再分析資料[24].

本研究模擬了兩個(gè)方案（表1），模擬區(qū)域中的江蘇省分別采用江蘇省清單和長(zhǎng)三角清單估算的人為源大氣污染物排放.兩方案中，長(zhǎng)三角除江蘇省以外地區(qū)（上海市、浙江省和安徽?。┚捎瞄L(zhǎng)三角清單[14]，長(zhǎng)三角以外的地區(qū)則采用了清華大學(xué)MEICv1.2網(wǎng)格化清單（2014年），分辨率為0.25°×0.25°（http：∥www.meicmodel.org）.本研究根據(jù)MEIC清單中農(nóng)業(yè)、工業(yè)、能源、交通和居民生活排放源等各類源VOC物種的質(zhì)量占比（即VOC化學(xué)物種分配廓線）將長(zhǎng)三角清單和江蘇省清單的VOC總量分配至各VOC物種[25].生物排放源由MEGAN模型v2.1[26]提供.美國(guó)國(guó)家大氣研究中心（NCAR）的火源清單（FINN）提供了露天燃燒源的排放[27].

1.3 模型評(píng)估

本研究將CMAQ模擬的各污染物濃度與地面觀測(cè)數(shù)據(jù)比較以評(píng)估模型的模擬性能.污染物的觀測(cè)值從中國(guó)國(guó)家環(huán)境監(jiān)測(cè)中心的發(fā)布網(wǎng)站（http：∥www.mee.gov.cn/hjzl/dqhj/）獲取，包括SO2、NO2、O3和PM2.5質(zhì)量濃度.用于評(píng)估的統(tǒng)計(jì)參數(shù)包括歸一化平均偏差（NMB，其量值記為ηNMB）、歸一化平均誤差（NME，其量值記為ηNME）、相關(guān)系數(shù)（r）等，其計(jì)算公式分別如下：

ηNMB=∑（Pj-Oj）∑Oj，（1）

ηNME=∑|Pj-Oj|∑Oj，（2）

r=-∑[（Pj-）×（Oj-O）]∑（Pj-）2×∑（Oj-O）2，（3）

式中，Oj代表某小時(shí)的觀測(cè)值，Pj代表某小時(shí)的模擬值，

是觀測(cè)值的平均，

是模擬值的平均.Emery等[28]對(duì)統(tǒng)計(jì)參數(shù)NMB、NME用于O3和PM2.5的推薦標(biāo)準(zhǔn)分別為[-15% 15%]、[-25% 25%]和[-30% 30%]、[-50% 50%].

2 研究結(jié)果

2.1 不同排放清單的比較

圖2比較了江蘇省清單和長(zhǎng)三角清單中估算的2017年江蘇省各行業(yè)排放的大氣污染物排放量.江蘇省清單的CO、SO2、NOx、VOCs、PM10、PM2.5和NH3的年排放總量分別為5 895、667、918、1 218、1 175、507和413 kt，除SO2，其他污染物的年排放量均低于長(zhǎng)三角清單.在這之中，NOx的年排放總量基本與長(zhǎng)三角清單的估算結(jié)果相當(dāng);PM10和PM2.5的年排放總量相對(duì)于長(zhǎng)三角清單分別低9%和4%;VOCs的年排放總量相對(duì)于長(zhǎng)三角清單低15%.兩套清單估算的CO、NH3和SO2年排放總量呈現(xiàn)較大差異，江蘇省清單的NH3和CO排放相對(duì)于長(zhǎng)三角清單分別低34%和51%，而SO2的年排放總量較長(zhǎng)三角清單高72%.

如圖2所示，長(zhǎng)三角清單和江蘇省清單中，江蘇省各大氣污染物排放的行業(yè)分布較為相似，但也存在一定的差異性.其中，CO、SO2和VOCs均主要來自工業(yè)源排放，占比分別為82%（長(zhǎng)三角清單）和81%（江蘇省清單）、84%（長(zhǎng)三角清單）和91%（江蘇省清單）、57%（長(zhǎng)三角清單）和87%（江蘇省清單）;NOx則主要來自于交通源排放，分別占比69%（長(zhǎng)三角清單）和64%（江蘇省清單），與江蘇省城市化程度較高、汽車保有量大的特征相符，其次來自工業(yè)源，約占28%～35%;NH3則主要來自農(nóng)業(yè)源排放，分別占比88%（長(zhǎng)三角清單）和93%（江蘇省清單）;一次顆粒物PM10和PM2.5主要由揚(yáng)塵源和工業(yè)源貢獻(xiàn).因此，兩清單中各污染物的主要排放源相同，而存在的差異性主要表現(xiàn)如下：

1） 長(zhǎng)三角清單和江蘇省清單中工業(yè)源貢獻(xiàn)的CO和SO2年排放量差別較大.例如，長(zhǎng)三角清單中工業(yè)源CO排放約為江蘇省清單的2倍，而工業(yè)源SO2排放則為江蘇省清單估算結(jié)果的54%.

2） 長(zhǎng)三角清單估算結(jié)果表明江蘇省居民源貢獻(xiàn)的VOCs排放較高，約為江蘇省VOCs總排放的22%，而在江蘇省清單中，居民源VOCs排放幾乎可忽略.

3） 江蘇省清單中，農(nóng)業(yè)源NH3的年排放總量相比長(zhǎng)三角清單低30%（約172 kt），是造成兩者NH3排放總量差異的主要原因.江蘇省清單缺少對(duì)交通源NH3排放的估算.有研究表明，機(jī)動(dòng)車排放可能是城市地區(qū)NH3的重要來源[29].根據(jù)長(zhǎng)三角清單，交通源NH3排放約占全省NH3總排放的2%.此外，長(zhǎng)三角清單中居民源NH3排放約為江蘇省清單對(duì)應(yīng)NH3排放的10倍.

江蘇省清單和長(zhǎng)三角清單排放的空間分布差異如圖3所示.江蘇省清單中CO、NH3排放在絕大部分地區(qū)低于長(zhǎng)三角清單;而江蘇省清單中CO排放在徐州市和長(zhǎng)江沿岸部分地區(qū)比長(zhǎng)三角清單高1 000 t/a，江蘇省清單NH3排放在南京市和蘇州市比長(zhǎng)三角清單高10～20 t/a.SO2的排放與之相反，江蘇省清單在大部分地區(qū)比長(zhǎng)三角清單高50 t/a，長(zhǎng)江沿岸部分地區(qū)除外.江蘇省清單VOCs、NOx、PM10和PM2.5的排放在部分地區(qū)高于長(zhǎng)三角清單.例如，江蘇省清單中，蘇中和蘇南地區(qū)的VOCs排放比長(zhǎng)三角清單高50～100 t/a;江蘇省清單NOx排放在道路主干網(wǎng)及其附近地區(qū)明顯高于長(zhǎng)三角清單.PM10和PM2.5的排放呈現(xiàn)出相同的趨勢(shì)，即江蘇清單中蘇南地區(qū)排放較長(zhǎng)三角清單高50～100 t/a.

2.2 不同清單對(duì)模型性能的影響

本研究分別利用江蘇省清單和長(zhǎng)三角清單估算的江蘇省大氣污染物排放，模擬2017年1、4、7、10四個(gè)月長(zhǎng)三角地區(qū)的空氣質(zhì)量（表1中的方案1和方案2），并通過與各地區(qū)（環(huán)太湖、蘇中、蘇北、皖北、皖中南、浙中南）國(guó)控站點(diǎn)的觀測(cè)值比較，評(píng)估不同排放清單對(duì)該地區(qū)空氣質(zhì)量模型模擬的影響.圖4比較了江蘇省清單與長(zhǎng)三角清單模擬分別得到的O3、PM2.5、SO2和NO2質(zhì)量濃度與各地區(qū)觀測(cè)值計(jì)算得到的NMB值.

從圖4a可以看出，江蘇省清單與長(zhǎng)三角清單兩者對(duì)O3的模擬效果較為一致，1、7月均高估O3質(zhì)量濃度，而4、10月低估，其中7、10月NMB值基本在[-15% 15%]標(biāo)準(zhǔn)范圍內(nèi).1月兩套清單模擬的O3對(duì)應(yīng)的NMB差別較大，江蘇省清單對(duì)O3高估更嚴(yán)重.對(duì)于PM2.5，利用江蘇省清單與長(zhǎng)三角清單模擬計(jì)算的NMB值多為負(fù)值（圖4b），說明兩者均低估PM2.5，其中江蘇省清單對(duì)應(yīng)NMB更低，表明江蘇省清單對(duì)PM2.5低估更嚴(yán)重.兩套清單模擬PM2.5的NMB值大多在[-30% 30%]標(biāo)準(zhǔn)范圍內(nèi)，均表現(xiàn)出較好的PM2.5模擬效果.江蘇省清單與長(zhǎng)三角清單兩者模擬出的SO2質(zhì)量濃度在1、10這兩月表現(xiàn)出較大的不同（圖4c），江蘇省清單中較高的SO2排放總量造成采用長(zhǎng)三角清單SO2模擬質(zhì)量濃度低估的地區(qū)呈現(xiàn)高估，而4、7月兩者模擬效果較為一致.兩套清單均低估NO2質(zhì)量濃度，其中江蘇省清單低估更嚴(yán)重，1、10月份兩套清單模擬效果的差別更為明顯.總體而言，與觀測(cè)值比較計(jì)算的NMB值表明，采用江蘇省清單和長(zhǎng)三角清單，PM2.5和O3模擬效果均較好，長(zhǎng)三角清單的模擬效果略優(yōu)于江蘇省清單.

圖5以南京市為例，分別比較了1、4、7、10這四個(gè)月各排放清單模擬的PM2.5和觀測(cè)值的逐日變化.江蘇省清單模擬得到的1、10月PM2.5質(zhì)量濃度與長(zhǎng)三角清單模擬得到的PM2.5質(zhì)量濃度較為接近，除個(gè)別PM2.5高值存在低估以外，與觀測(cè)值基本一致，NMB值在[-30% 30%]標(biāo)準(zhǔn)范圍內(nèi)，NME值在[-50% 50%]標(biāo)準(zhǔn)范圍內(nèi)，模型模擬效果較好.在4、7月，江蘇省清單模擬的南京市PM2.5質(zhì)量濃度高于長(zhǎng)三角清單的模擬結(jié)果;與觀測(cè)值相比，7月兩套清單模擬的南京市PM2.5質(zhì)量濃度則普遍存在高估，其中江蘇省清單高估更嚴(yán)重.

圖6是南京市1、4、7、10四個(gè)月的O3觀測(cè)值與分別采用長(zhǎng)三角清單和江蘇省清單模擬的O3質(zhì)量濃度比較.在1月，江蘇省清單模擬得到的O3質(zhì)量濃度高于長(zhǎng)三角清單模擬得到的O3質(zhì)量濃度，但長(zhǎng)三角清單模擬的O3質(zhì)量濃度與觀測(cè)值更為符合（NME更低，r值更高）.兩套清單對(duì)4、7兩月的O3模擬值影響不大，各評(píng)估指標(biāo)較為接近.在10月，江蘇省清單模擬得到的O3質(zhì)量濃度在中旬高于長(zhǎng)三角清單模擬得到的O3質(zhì)量濃度;與觀測(cè)值的對(duì)比可以看出，長(zhǎng)三角清單低估O3質(zhì)量濃度更為嚴(yán)重.

2.3 不同清單對(duì)空間分布的影響

圖7比較了江蘇省清單與長(zhǎng)三角清單1、4、7、10四個(gè)月模擬得到的PM2.5以及兩者差值的空間分布.江蘇省清單與長(zhǎng)三角清單模擬得到的PM2.5四個(gè)月的空間分布類似，即長(zhǎng)三角地區(qū)的PM2.5高值主要集中在江蘇省南部、浙江省北部和安徽省大部分地區(qū).兩套清單模擬的季節(jié)變化相同，1月PM2.5質(zhì)量濃度最高，7月PM2.5質(zhì)量濃度最低.1月，江蘇省清單模擬的PM2.5在絕大部分地區(qū)低于長(zhǎng)三角清單模擬結(jié)果5～15 μg/m3，但在南京市、常州市和衢州金華一帶的PM2.5高于長(zhǎng)三角清單10 μg/m3.其他月份PM2.5差值的空間分布與1月類似，其中7月江蘇省清單和長(zhǎng)三角清單PM2.5模擬差值較小.

圖8是江蘇省清單與長(zhǎng)三角清單模擬得到的1、4、7、10四個(gè)月的O3以及兩者差值的空間分布.兩套清單均模擬出7月O3質(zhì)量濃度相對(duì)較高，而1月質(zhì)量濃度相對(duì)較低的季節(jié)變化，原因是夏季的光化學(xué)反應(yīng)更為活躍.受溫度影響，1月O3質(zhì)量濃度南高北低，而7月則在模擬區(qū)域的北部地區(qū)出現(xiàn)O3高值，與夏季主導(dǎo)風(fēng)向有關(guān).1月江蘇省清單模擬得到的O3質(zhì)量濃度值在江蘇、安徽大部分地區(qū)高于長(zhǎng)三角清單模擬得到的O3質(zhì)量濃度值，兩者相差10～20 μg/m3.4、7、10月的O3差值空間分布相似，江蘇省清單模擬得到的O3質(zhì)量濃度在大部分地區(qū)比長(zhǎng)三角清單模擬得到的低20 μg/m3，可能與長(zhǎng)三角清單中VOCs排放較高有關(guān).

3 討論與結(jié)論

本研究比較了江蘇省清單和長(zhǎng)三角清單估算的江蘇省大氣污染物排放，并分別利用兩套清單模擬2017年1、4、7、10四個(gè)月長(zhǎng)三角地區(qū)的空氣質(zhì)量，以評(píng)估不同排放清單對(duì)該地區(qū)空氣質(zhì)量模型模擬的影響.江蘇省清單中污染物的排放（除SO2）都低于長(zhǎng)三角清單.江蘇省清單CO、NOx、VOCs、PM10、PM2.5、NH3排放與長(zhǎng)三角清單相比分別低51%、0.4%、15%、9%、4%、34%，而SO2排放高72%.兩套清單各污染物行業(yè)分布類似.江蘇省清單和長(zhǎng)三角清單模擬得到的污染物濃度與觀測(cè)值的比較結(jié)果表明，模型模擬性能較好.江蘇省清單與長(zhǎng)三角清單的模擬空間分布和季節(jié)變化相似，江蘇省清單模擬的PM2.5在多數(shù)地區(qū)都低于長(zhǎng)三角清單的模擬結(jié)果（蘇南、衢州金華一帶除外），江蘇省清單模擬的O3除1月外也普遍低于長(zhǎng)三角清單的模擬結(jié)果.綜上所述，江蘇省清單與長(zhǎng)三角清單能夠用于空氣質(zhì)量模式模擬，為江蘇地區(qū)的灰霾和光化學(xué)煙霧事件的控制策略提供科學(xué)依據(jù).

目前，江蘇省的大氣污染物排放清單研究仍然存在局限性.由于缺少詳細(xì)信息，無法完全了解每個(gè)城市排放的時(shí)間變化規(guī)律，并且排放的垂直分布也無法準(zhǔn)確確定.模型中通常采用一些經(jīng)驗(yàn)參數(shù)[25]，這可能與實(shí)際情況不符.源譜對(duì)空氣質(zhì)量模式的影響尚未得到充分評(píng)估，如PM2.5和VOCs的組分組成，由于其對(duì)于O3和二次顆粒物的形成非常重要，因此未來需要更多的研究.

參考文獻(xiàn)

References

[1]Ding A J，F(xiàn)u C B，Yang X Q，et al.Ozone and fine particle in the western Yangtze River Delta：an overview of 1-yr data at the SORPES station[J].Atmospheric Chemistry and Physics，2013，13（11）：5813-5830

[2] Jiang X Y，Wiedinmyer C，Carlton A G.Aerosols from fires：an examination of the effects on ozone photochemistry in the western United States[J].Environmental Science and Technology，2012，46（21）：11878-11886

[3] Tao M H，Chen L F，Xiong X Z，et al.Formation process of the widespread extreme haze pollution over northern China in January 2013：implications for regional air quality and climate[J].Atmospheric Environment，2014，98：417-425

[4] Li X，Huang L，Li J Y，et al.Source contributions to poor atmospheric visibility in China[J].Resources，Conservation and Recycling，2019，143：167-177

[5] Sharma S，Zhang M Y，Anshika，et al.Effect of restricted emissions during COVID-19 on air quality in India[J].Science of the Total Environment，2020，728：138878

[6] Zhang Q，Zheng Y X，Tong D，et al.Drivers of improved PM2.5 air quality in China from 2013 to 2017[J].Proceedings of the National Academy of Sciences of the United States of America，2019，116（49）：24463-24469

[7] Monks P S，Granier C，F(xiàn)uzzi S，et al.Atmospheric composition change：global and regional air quality[J].Atmospheric Environment，2009，43（33）：5268-5350

[8] Crippa M，Guizzardi D，Muntean M，et al.Gridded emissions of air pollutants for the period 1970-2012 within EDGAR v4.3.2[J].Earth System Science Data，2018，10：1987-2013

[9] Hoesly R M，Smith S J，F(xiàn)eng L Y，et al.Historical （1750-2014） anthropogenic emissions of reactive gases and aerosols from the Community Emissions Data System （CEDS）[J].Geoscientific Model Development，2018，11：369-408

[10] Cai S Y，Ma Q，Wang S X，et al.Impact of air pollution control policies on future PM2.5 concentrations and their source contributions in China[J].Journal of Environmental Management，2018，227：124-133

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

[12] Zhang Q，Streets D G，Carmichael G R，et al.Asian emissions in 2006 for the NASA INTEX-B mission[J].Atmospheric Chemistry and Physics，2009，9（14）：5131-5153

[13] Zhou Y D，Zhao Y，Mao P，et al.Development of a high-resolution emission inventory and its evaluation and application through air quality modeling for Jiangsu province，China[J].Atmospheric Chemistry and Physics，2017，17（1）：211-233

[14] Huang C，Chen C H，Li L，et al.The study of emission inventory of anthropogenic air pollutants and VOC species in the Yangtze River Delta region，China[J].Atmospheric Chemistry and Physics，2011，11（3）：951-983

[15] Li M M，Wang T J，Xie M，et al.Improved meteorology and ozone air quality simulations using MODIS land surface parameters in the Yangtze River Delta urban cluster，China[J].Journal of Geophysical Research：Atmospheres，2017，122（5）：3116-3140

[16] She Q N，Peng X，Xu Q，et al.Air quality and its response to satellite-derived urban form in the Yangtze River Delta，China[J].Ecological Indicators，2017，75：297-306

[17] 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[J].Atmospheric Environment，2013，70：39-50

[18] Wyat A K，Napelenok S，Hogrefe C，et al.Overview and evaluation of the Community Multiscale Air Quality （CMAQ） modeling system version 5.2[M].Air Pollution Modeling and its Application XXV.2018：69-73

[19] Carter W P L.Development of the SAPRC-07 chemical mechanism[J].Atmospheric Environment，2010，44（40）：5324-5335

[20] Shi Z H，Li J Y，Huang L，et al.Source apportionment of fine particulate matter in China in 2013 using a source-oriented chemical transport model[J].Science of the Total Environment，2017，601：1476-1487

[21] Hu J L，Chen J J，Ying Q，et al.One-year simulation of ozone and particulate matter in China using WRF/CMAQ modeling system[J].Atmospheric Chemistry and Physics，2016，16（16）：10333-10350

[22] Hu J L，Wang P，Ying Q，et al.Modeling biogenic and anthropogenic secondary organic aerosol in China[J].Atmospheric Chemistry and Physics，2017，17（1）：77-92

[23] Chen F，Dudhia J.Coupling an advanced land surface-hydrology model with the Penn State-NCAR MM5 modeling system.Part I：model implementation and sensitivity[J].Monthly Weather Review，2001，129：569-585

[24] Shen X J，Sun J Y，Zhang X Y，et al.Characterization of submicron aerosols and effect on visibility during a severe haze-fog episode in Yangtze River Delta，China[J].Atmospheric Environment，2015，120：307-316

[25] Li M，Zhang Q，Streets D G，et al.Mapping Asian anthropogenic emissions of non-methane volatile organic compounds to multiple chemical mechanisms[J].Atmospheric Chemistry and Physics，2014，14（11）：5617-5638

[26] Zhang H L，Li J Y，Ying Q，et al.Source apportionment of PM2.5 nitrate and sulfate in China using a source-oriented chemical transport model[J].Atmospheric Environment，2012，62：228-242

[27] Wiedinmyer C，Akagi S K，Yokelson R J，et al.The Fire Inventory from NCAR （FINN）：a high resolution global model to estimate the emissions from open burning[J].Geoscientific Model Development Discussions，2010，3：2439-2476

[28] Emery C，Liu Z，Russell A G，et al.Recommendations on statistics and benchmarks to assess photochemical model performance[J].Journal of the Air and Waste Management Association，2017，67：582-598

[29] Bhattarai N，Wang S X，Xu Q C，et al.Sources of gaseous NH3 in urban Beijing from parallel sampling of NH3 and NH4+，their nitrogen isotope measurement and modeling[J].Science of the Total Environment，2020，747：141361

Comparison of air pollutants emission inventories for

Jiangsu province based on air quality simulation

LI Xun1 QIN Momei1 LI Lin1 LI Jingyi1 HU Jianlin1

1 School of Environmental Science and Engineering，Nanjing University of Information Science and Technology，Nanjing 210044

Abstract Emission inventories of air pollutants are important inputs for air quality models.This study compared two emission inventories for Jiangsu province，referred to as YRD emission inventory and JS emission inventory，compiled by Shanghai Academy of Environmental Sciences and Jiangsu Academy of Environmental Sciences，respectively.The impacts of emission inputs on simulated PM2.5 and O3 in the Yangtze River Delta （YRD） in January，April，July，and October of 2017 were assessed with the community multiscale air quality （CMAQ） model.The emission estimates of various pollutants （except SO2） by JS emission inventory are lower than those by YRD emission inventory.Both the emission inventories can reproduce observations of SO2，NOx，O3，and PM2.5? with CMAQ.While the simulated PM2.5? and O3 with the two emission inputs are similar in spatial distributions and seasonal variations，PM2.5? and O3 with JS emission inventory are lower than those with YRD emission inventory mostly in the YRD region （except O3 in January）.This work shows that both of the emission inventories are good enough for air quality modeling，and to inform policy decision on control of fine particulate matter and photochemical smog pollution in Jiangsu province.

Key words emission inventory;community multiscale air quality （CMAQ） model;Jiangsu province;air pollutants

收稿日期 2020-10-10

資助項(xiàng)目 江蘇省自然科學(xué)基金青年項(xiàng)目（SBK2020044129）

作者簡(jiǎn)介

李勛，男，碩士生，研究方向?yàn)榇髿饣瘜W(xué)數(shù)值模擬.li-xun-cn@foxmail.com

秦墨梅（通信作者），女，博士，講師，研究方向?yàn)閰^(qū)域空氣質(zhì)量模擬.momei.qin@nuist.edu.cn