基于CMAQ/ISAM空气质量模型的北京市夏季臭氧来源解析研究

为了解北京市夏季臭氧(O_(3))污染的特征与来源,采用区域空气质量模型(CMAQ)的综合源解析功能(ISAM)对北京市2019年6月不同区域的近地面O_(3)浓度及其来源贡献进行了数值模拟计算,量化了北京市、天津市、河北省、京津冀以外省份以及全球背景共14类NO_(x)和VOCs排放源对北京市不同区域O_(3)污染的贡献.结果表明:①北京市不同地区O_(3)及其前体物来源存在显著差异,城区及近郊区NO_(x)和VOCs均主要来自于北京市本地排放,本地源排放对城区及近郊区的NO_(x)贡献(39.7%~46.4%)显著大于对远郊区的贡献(19.9%~38.8%),本地源排放对城区及近郊区的VOCs贡献(51.1%~75.8%)大于对远郊区的贡献(19.5%~39.6%).②远郊区NO_(x)和VOCs浓度更易受非本地排放的输送影响.③O_(3)主要来源于包括模拟区域外以及全球背景的边界传输贡献,边界传输对北京市不同受体区域的贡献均大于52.6%.④北京市本地源排放对城区及近郊区O_(3)的贡献(6.8%~18.3%)大于对远郊区的贡献(2.4%~7.6%),京津冀以外源区的排放对北京市远郊区的贡献(5.2%~6.4%)大于对城区及近郊区的贡献(2.7%~4.4%),说明本地排放对远郊区影响相对较小,远郊区O_(3)浓度易受北部燕山山脉和太行山的阻隔影响.因地理位置及地形原因,河北省不同源区对北京市不同区域O_(3)浓度的贡献存在一定差异.研究显示,控制北京市夏季O_(3)污染应综合考虑城区与郊区O_(3)来源的差异性,做好周边区域的联防联控.

基于三维空气质量模型的淄博市臭氧及前体物来源解析

基于WRF-CMAQ模型中的ISAM模块对2021年6月淄博市夏季O_(3)及其前体物NO_(2)和VOCs进行来源解析,明确O_(3)及其前体物的来源(区域和源类),并将O_(3)日最大8 h平均值(MDA8)高于(低于)160μg·m^(-3)的时段划分为污染(清洁)时段,对比了清洁天与污染天的来源差别并选取了典型污染时段进行来源解析和过程分析.结果表明,淄博市夏季NO_(2)主要来自本地排放,贡献率达45.1%,道路移动源(33.8%)和天然源(20.7%)是最主要的本地NO_(2)来源.天然源、溶剂源和石化行业对VOCs的贡献占据主导地位,总贡献达78.5%.MDA8的本地贡献是21.4%,区域外传输(32%)和周边城市(26.8%)影响不可忽略.在本地排放源中,道路移动源、电力行业和建材行业对本地MDA8贡献率在10.9%~18.8%.O_(3)污染天时淄博市MDA8受本地贡献及区域内各城市贡献总和均有所上升.但从淄博市本地源类贡献的变化来看,在不同的污染情况下本地各污染源排放贡献率相近.

基于极端随机树方法的WRF-CMAQ-MOS模型研究

随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Forecast Model)气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS(Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics)统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数(AQI)及PM_(2.5)、PM_(10)、NO_2、SO_2、O_3、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO_2及O_3,2016年1、2、3月整体相关系数NO_2由0.35升至0.63,O_3由0.39升至0.79,均方根误差NO_2由0.0346减至0.0243 mg/m^3,O_3由0.0447减至0.0367 mg/m^3。文中发展的WRFCMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。

上海市PM_(2.5)和臭氧复合污染期多路径减排效果评估

为探究大气PM_(2.5)和臭氧(O_(3))复合污染期间的污染物浓度削峰方案,以上海市2018年4月27—30日PM_(2.5)和O_(3)复合污染时段为研究对象,结合区域多尺度空气质量模型(CMAQ模型),建立上海市O_(3)日最大8小时滑动平均值(MDA8 O_(3))以及PM_(2.5)浓度与人为源排放的NO_(x)和VOCs之间的响应关系,获得了EKMA(empirical kinetics modeling approach,经验动力学建模方法)曲线.在此基础上,探讨上海市MDA8 O_(3)和PM_(2.5)对前体物排放的敏感性,并进一步量化了本地减排、提前减排和区域减排等不同情景下PM_(2.5)和MDA8 O_(3)的浓度变化.结果表明:(1)上海市PM_(2.5)和O_(3)复合污染期间MDA8 O_(3)的峰值率(PR)为0.6~1.1,除浦东惠南站点外,整体处于VOCs控制区.(2)上海市人为源NO_(x)和VOCs减排对PM_(2.5)的削峰效果有限(NO_(x)减少80%时,PM_(2.5)浓度下降1.2μg/m^(3)).本地VOCs减排对MDA8 O_(3)的削峰较为明显(最大下降量为17.0μg/m^(3)).VOCs与NO_(x)的减排比例需控制在1.9∶1以上才能使MDA8 O_(3)浓度不发生反弹,同时可优先控制烯烃类的排放.(3)上海市MDA8 O_(3)浓度在提前减排和区域减排VOCs情景下均能进一步降低,降幅为0.6%~3.1%,且区域减排带来的受益范围更广;提前减排和区域减排对上海市PM_(2.5)浓度降低的边际效益均甚微.研究显示,复合污染期间VOCs的排放控制可同时削减PM_(2.5)和MDA8 O_(3)浓度峰值,提前采取污染防控措施以及区域联合控制对上海市O_(3)浓度削峰有一定积极意义.

四川中东部地区2009年大气硫沉降模拟

采用第三代公共多尺度空气质量模型Models-3/CMAQ,对四川中东部地区2009年1月、4月、7月和10月SO2排放所产生的硫沉降分布进行数值模拟研究,并且将该模型输出的ρ(SO2)、SO42-湿沉降量分别与地面层的ρ(SO2)、降水中SO42-湿沉降量实测值进行相关分析,探讨硫沉降的季节、区域分布特征及湿沉降变化.结果表明:ρ(SO2)模拟值与实测值的R(相关系数)为0.445,SO42-湿沉降量模拟值与实测值的R为0.510;四川中东部地区夏季硫沉降量为2.2×104t,高于其他三季,冬季最小,为1.0×104t;硫沉降呈三大片区分布,宜宾、乐山、泸州为高值分布区,资阳、遂宁、南充、广安和达州均属于硫沉降低值区,成都、德阳、绵阳片区属硫沉降次高值区;干沉降中SO2沉降量在各季所占比例均在85%以上,湿沉降中各季SO42-沉降量所占比例均在99%以上.

舟山市臭氧污染分布特征及来源解析

臭氧及其前体物在环境空气中传输和反应过程复杂,本研究利用舟山市国控点2014年的监测数据对臭氧污染时空分布开展了统计分析,并利用CMAQ (community multiscale air quality)模型模拟了舟山市2014年臭氧污染形成,选用ISAM(integrated source apportionment method)源追踪算法计算来源贡献率.结果表明,舟山市春秋季节的臭氧浓度相对较高,浓度高值出现在午后13:00～15:00.普陀站的臭氧平均浓度最高而位于中心城区的临城站最低.臭氧总体浓度不高,但易出现单日浓度高值,其中5月臭氧超标率最高.舟山市本地臭氧形成主要受VOCs浓度控制,而源解析结果表明舟山市全年外来源占总贡献的69. 46%.本地源中,工业燃烧源、工艺过程源、道路移动源、非道路移动源的贡献率相差不大,且表现出显著的港口城市特征,船舶源、石化源、储运源分别占总贡献的4. 45%和1. 01%和1. 80%.控制臭氧污染应采取周边区域联防联控的措施,以VOCs排放源为主,不同来源协同调控的措施.

乌海市夏季臭氧污染特征及基于过程分析的成因探究

乌海市地形复杂,周边工业园区分布密集,近年来夏季O_(3)污染问题突出,且污染特征与形成机制尚不明确,分析乌海市O_(3)变化特征,探究O_(3)污染形成机制对该区域大气污染防治具有重要意义.本文在分析乌海市2018年6~8月3次持续O_(3)污染过程特征的基础上,利用WRF-CMAQ模式系统进行模拟并根据过程分析输出结果对污染的成因进行了深入分析,探讨了区域输送和局地光化学反应对乌海市O_(3)的影响.结果表明,乌海市夏季O_(3)呈现"单峰"的日变化特征,近地面O_(3)与向下短波辐射和气温显著呈正相关,与相对湿度呈负相关;空间分布上,乌海市3个工业园区白天和夜间均为O_(3)低值区,乌海西南部宁夏石嘴山地区、乌海城区和西北部乌兰布和沙漠地区白天为O_(3)高值区;过程分析结果表明,输送和化学过程及其相对大小对乌海市O_(3)有决定性影响,6月和7月的污染过程中局地光化学反应和输送共同导致O_(3)显著升高,且化学过程的影响是输送的两倍左右,8月O_(3)的升高主要为输送作用的贡献;进一步对输送作用进行分解可知偏南和西北方向的输送对O_(3)的升高有较大贡献,结合前体物的排放,可能的传输来源为宁夏银川、石嘴山及巴彦淖尔等区域,因此,乌海市应在控制本地排放的基础上,加强区域联防联控,减少区域传输对O_(3)的影响.