CMAQ模型在大气环境影响评价中的应用

空气质量模型是大气环境管理和研究中非常重要的技术手段。文章系统回顾国内外空气质量模型的发展历程,分析了不同时期、不同类别空气质量模型的特征,重点介绍第三代空气质量模型CMAQ(Community Multiscale Air Quality Modeling System)的基本原理和典型特征,并对其在环评领域的法规化应用提出了一些建议。

基于全国源清单CMAQ模型预报适用性研究

随着空气质量预报重要性不断凸显,不少省份将要开展城市空气质量预报。介绍了CMAQ数值模型发展、应用和预报原理,并对CMAQ在不同城市的使用情况以及污染预报准确率进行了分析对比,研究发现:CMAQ数值预报模型有着较好的预报能力,能够有效地指导城市空气质量预报。

达州市城区环境空气质量变化趋势及CMAQ模型预报分析

利用Spearman秩相关系数法、污染日历图、浓度分析法和CMAQ预测模型研究了达州市城区2015—2019年空气质量状况。结果表明:2015—2019年,达州市城区O_(3) 浓度变化趋势为显著上升(P<0.05),季度变化明显,8月易发生因O_(3) 超标导致的轻度污染状况;CO年均值变化趋势为显著降低(P<0.05);NO_(2)年均值呈上升趋势,但尚未达到显著水平(P>0.05);SO_(2)、PM_(10)和PM_(2.5)年均值呈下降趋势,但变化趋势不明显(P>0.05)。2019年,1月和12月污染最重,PM_(2.5)超标是主因,PM_(10)和PM_(2.5)年均值达标形势严峻,全年一半以上天数的PM_(2.5)浓度超过年均值二级标准限值,PM_(10)也近半;NO_(2)年均值达标形势严峻,全年212 d超过年均值二级标准限值。CMAQ模型对不同污染指标的预测准确率不同,预测PM_(2.5)浓度、首要污染物和空气质量等级时的准确率不及人工预测,预测AQI时的准确率高于人工预测,更多污染指标的预测比较还有待进一步研究。

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型,预测污染物浓度对人类健康和社会经济发展具有重要意义。然而,传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此,本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型,并使用哈里斯鹰算法(HHO)对模型的超参数进行优化;用CMAQ模型对上海市2022年12月六种大气污染物(SO_(2)、NO_(2)、PM_(10)、PM2.5、O_(3)、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入,对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示,修正模型显著提高了六项污染物浓度的预测精度,RMSE减少了73.11%~91.31%,MAE减少了67.19%~89.25%,IOA提升了35.34%~108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题,使用高斯随机游走策略对HHO算法进行改进,显著提高了CO浓度的预测精度。相比于改进之前,RMSE减少了39.55%,MAE减少了45.93%,IOA提高了32.43%。

基于CMAQ模型的随机响应曲面不确定性传递分析方法实现与评价

针对蒙特卡洛法在复杂环境模型进行不确定性传递分析时对计算机和时间资源需求巨大的缺点,本文引进快速高效的随机响应曲面法,并将其成功应用于CMAQ区域空气质量模型的不确定性传递分析,建立了基于CMAQ区域空气质量模型的不确定性分析概念框架.采用2阶和3阶随机响应曲面法,研究了排放清单不确定性对臭氧模拟结果的影响,并与1000次蒙特卡洛模拟结果进行对比.结果表明:3种模拟情景下臭氧浓度的均值几乎相同,模拟结果的概率分布曲线也基本一致,而采用随机响应曲面法可以极大节省模拟所需时间,提高计算效率,显示随机响应曲面法具有在复杂大气环境模型中进行不确定性传递分析的潜在价值.

基于CMAQ模型的大连市大气氮湿沉降模拟研究

为了探讨大连市大气氮氧化物湿沉降的污染特征,通过监测站采集2012年内大连市的雨水样品,分析了氮氧化物的沉降浓度及沉降规律.同时,采用CMAQ模型MM5气象模式对大连市大气氮湿沉降进行了模拟研究,并在相关模拟模型的预报因子中增加氮氧化物污染源动态变化信息进行修正.结果表明:大连市大气氮湿沉降中硝酸根离子的平均当量浓度值为71.73μeq·L-1,铵根离子为98.91μeq·L-1;大连大气中氮氧化物沉降当量浓度随季节变化明显,且不同时期波动显著.CMAQ模型的模拟结果与实测数据相比存在偏差;经修正后模型模拟的结果更加逼近观测值,充分说明利用该修正模型在一定程度上修正了源清单不确定性对模拟结果造成的影响,利用修正后模型进行模拟具有可靠的准确性与可行性,可为大连市环境影响评估及控制效益评价提供科学依据.

基于CMAQ空气质量模型研究机动车对济南市空气质量的影响

为研究济南市机动车排气对城市区域空气质量的影响,利用环境空气质量监测站点(简称“1号站点”)和路边机动车尾气监测站点(简称“2号站点”)的在线数据,以及基于4种模拟情景的CMAQ空气质量模型预测数据,研究了济南市城市区域大气污染物质量浓度变化规律及不同机动车车型对6种常规大气污染物的贡献.结果表明:①在采暖季,1号站点ρ(PM 2.5)、ρ(PM 10)、ρ(NO 2)、ρ(CO)、ρ(O 3)和ρ(SO 2)月均值分别为435μg m^3、702μg m^3、84.2μg m^3、6.8 mg m^3、4.5μg m^3和92μg m^3.②2015年12月24日(灰霾天),1号站点ρ(CO)、ρ(PM 2.5)和ρ(PM 10)均明显升高,ρ(SO 2)、ρ(O 3)和ρ(NO 2)均变化不明显.2个监测站点中ρ(NO 2)和ρ(PM 10)均呈双峰趋势,2个峰值出现的时间与上、下班高峰期基本一致.除ρ(O 3)和ρ(SO 2)达GB 3095—2012《环境空气质量标准》二级标准外,其他污染物均超过GB 3095—2012二级标准限值,采暖季大气污染特征为颗粒物型污染.③机动车对研究区域NO 2和PM 10贡献率较大,其中,小型车对CO、NO 2、PM 10和PM 2.5贡献率最大,其贡献率分别为85.7%、50.1%、53.4%和52.8%.机动车排放源能降低空气中ρ(O 3),其总贡献率为-25.5%,其中大型车、中型车、小型车对O 3的贡献率分别为-8.8%、-2.7%和-8.9%.灰霾天下不同机动车车型对空气中污染物质量浓度的总贡献率均比采暖季大.研究显示,济南市采暖季大气污染特征为颗粒物型污染,机动车排放源对空气中NO 2和PM 2.5有较大贡献.

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。

基于PM_(2.5)浓度达标约束和区域联防联控的河南省地级市大气环境容量研究

为研究以河南省为代表的受大气污染传输影响显著省份的大气环境容量,本文基于CMAQ模型,采用嵌套迭代模拟的方法,计算了在周边省份区域联防联控的前提下河南省PM_(2.5)浓度达标(GB 3095-2012《环境空气质量标准》二级标准限值)时17个地级市SO_(2)、NO_(x)、一次PM_(2.5)和NH_(3)的大气环境容量.结果表明:①省外传输对河南省PM_(2.5)浓度的贡献率为50.29%,其中周边7个省份传输贡献率为36.19%,可见周边省份实施大气污染联防联控是河南省实现空气质量达标的必要条件.②在省级PM_(2.5)浓度达标时,河南省周边7个省份SO_(2)、NO_(x)、一次PM_(2.5)和NH_(3)的大气环境容量分别为279.07×10^(4)、465.61×10^(4)、172.67×10^(4)和182.96×10^(4)t,超载排放量分别为243.13×10^(4)、402.79×10^(4)、143.63×10^(4)和142.54×10^(4)t.③在区域联防联控的前提下,全省PM_(2.5)浓度达标时河南省17个地级市的SO_(2)、NO_(x)、一次PM_(2.5)和NH_(3)环境容量分别为23.48×10^(4)、52.40×10^(4)、22.74×10^(4)和32.17×10^(4)t,超载排放量分别为48.43×10^(4)、106.78×10^(4)、45.84×10^(4)和61.63×10^(4)t.④河南省东南部区域的SO_(2)和NO_(x)排放以及西北部区域的一次PM_(2.5)和NH_(3)排放会对全省PM_(2.5)浓度变化有显著贡献.研究显示,河南省PM_(2.5)浓度达标时,4种主要大气污染物的环境容量的最大值为52.40×10^(4)t,超载排放量的最大值为106.78×10^(4)t.为实现河南省PM_(2.5)浓度达标,河南省周边省份均需要实施大气污染联防联控,同时河南省需要加大对东南部区域的SO_(2)和NO_(x)排放以及西北部区域的一次PM_(2.5)和NH_(3)排放的管控.

国内外空气质量模型研究进展

本文系统总结了国内外空气质量模型的发展历程及最新进展,分析不同时期、不同类别空气质量模型的基本特征及适用条件,重点介绍ISC3、AERMOD、ADMS、CALPUFF四个法规化中小尺度空气质量模型及NAQPMS、WRF-CHEM、CAMx、CMAQ四个综合型区域尺度空气质量模型的基本原理及典型特征,探讨空气质量模型在我国实践应用中存在的主要问题。最后分析我国建设法规化空气质量模型的必要性,并提出法规化模型建设的前置条件及核心内容。

台州市市区环境空气中PM2.5的多模型联用来源解析

为对台州市市区环境空气中PM 2.5的主要来源进行全面分析,运用CMAQ(空气质量模型)模型中的ISAM源追踪算法,计算了台州市本地各类污染源及外来源对PM 2.5的贡献,同时基于CMB模型的初步源解析结果,利用CMAQ模型解析二次前体物排放源的贡献,得到CMB-CMAQ联用模型的源解析结果,综合分析CMAQ模型和CMB-CMAQ联用模型解析结果最终获得台州市市区空气中PM2.5的贡献源数据.结果表明:①CMAQ模型和CMB-CMAQ联用模型解析结果均表明,台州市市区PM 2.5本地源中首要贡献源为工业源,两个模型中工业源贡献率分别为20.13%和26.94%,其次为扬尘源(贡献率分别为16.98%、19.37%)和道路移动源(贡献率分别为16.44%、18.14%).②CMB-CMAQ联用模型解析结果中工业源、扬尘源和道路移动源的贡献率均高于CMAQ模型解析结果,而外来源和电力源的贡献率均低于CMAQ模型解析结果.③CMAQ模型和CMB-CMAQ联用模型综合分析分配结果表明,外来源、工业源、扬尘源、道路移动源是对区域中PM 2.5贡献较大的4个污染源,贡献率分别为26.10%、22.38%、16.09%、15.07%.研究显示,台州市市区环境空气中PM 2.5污染呈以工业源、扬尘源为主,道路移动源污染突出的复合型污染特征,加强这三类源的排放管理对于台州市市区PM 2.5污染防治具有重要意义.

采用Model3/CMAQ预测机动车毒物排放健康风险

空气毒物是指那些致癌和导致其他严重健康影响的污染物。本研究预测不同排放情景下空气毒物对健康的影响。选择的毒物有:苯、1,3-丁二烯、甲醛、乙醛、柴油颗粒物。设计了10个排放情景,包括2020年排放标准下的情景。结果显示,柴油颗粒物的致癌风险是其他主要毒物联合作用风险的4.2倍,且主要来自非道路源,占到57.9%。其他四种毒物的致癌风险主要来自生物源,占32.2%。除了柴油颗粒物,主要的道路致癌风险来自轻型汽油车所排放的毒物,主要为苯和1,3丁二烯。根据2020年的排放情景,柴油颗粒物造成的健康风险降低32.8%,其他四种毒物造成的风险降低19.4%。因此,降低柴油车颗粒物排放能有效降低健康风险,采用更好的技术和更严的标准控制车用柴油机的排放,能取得更加明显的效果。

MM5/WRF气象场模拟差异对CMAQ空气质量预报效果的影响

评估了为公共多尺度空气质量模式(CMAQ)提供气象输入场的第五代NCAR/Penn State中尺度(MM5)模式与天气研究和预报(WRF)模式模拟的多种气象要素的准确性;比较了2个模式提供的气象场对华北地区SO2和NO2源同化反演效果及其质量浓度预报的差异;分析了相对湿度和边界层高的变化对ρ(SO2),ρ(NO2)预报的影响及其物理机制.结果表明:WRF模式模拟的各气象要素准确性优于MM5模式,其中MM5模式对相对湿度和边界层高度的模拟值与实测值的偏差较明显,而WRF模式的模拟值与实测值较接近;相对湿度和边界层高度参数是影响CMAQ空气质量预报的关键气象要素,这2个参数的变化对ρ(SO2)和ρ(NO2)的预报有显著影响,因此,对2个参数的改进可显著减小预报误差;ρ(SO2)模拟误差减小的主要原因是垂直输送和质量调整过程对ρ(SO2)的贡献减小;而ρ(NO2)模拟误差减小的主要原因是化学反应过程对ρ(NO2)的贡献明显减小.

不同大气污染物监测密度对CMAQ源同化修正效果影响的模拟

采用(美国环保部的MODEL-3系统的)CMAQ源同化模型及4种不同空间分辨率的SO2、NO2实测资料,反演得到中国不同尺度的同化修正排放源,利用新一代中尺度气象模式WRF与多尺度空气质量模式CMAQ,模拟分析了中国不同观测信息密度对SO2、NO2源同化反演及其浓度预报的影响,重点分析了华北地区SO2、NO2浓度加密观测对改善SO2、NO2排放源和空气质量预报的重要影响。结果表明,采用不同分辨率的实测资料时,SO2、NO2的趋势预报效果改善程度有一定差异;采用较高分辨率的实测资料进行SO2、NO2源同化修正时,可明显减小SO2、NO2浓度的预报误差。华北地区较高分辨率的观测信息对于改进源同化修正效果及SO2、NO2浓度的趋势预报十分重要,尤其是对SO2浓度的预报尤为重要;采用经高分辨率的实测资料同化修正的排放源时,WRF-CMAQ模式对北京城市尺度SO2、NO2浓度的变化趋势、浓度水平和空间分布特征具有较好的预报效果。高分辨率的观测资料和区域源同化反演方法对于区域污染物浓度预报及排放源清单具有显著的改进作用。

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.

大气臭氧污染过程及其时空变化特征研究

进行大气臭氧污染时空分布特征分析研究时,若布设监测点位置不理想,会直接影响到时空变化特征的获取精度,为此提出大气臭氧污染过程及其时空变化特征研究。选用成都市作为研究对象,进行臭氧浓度监测点布设,结合Models-3/CMAQ模拟成都市大气臭氧污染过程变化,根据大气臭氧污染过程分析结果,确定成都市大气臭氧污染浓度空间分布特征趋势。分析结果发现:该城市大气臭氧污染在月际上呈现出春秋高、冬季低的时间变化规律,在空间上呈现北高南低的空间分布趋势。

中国氨排放对PM_(2.5)污染的影响

基于WRF-CMAQ空气质量模型,定量模拟了氨排放对全国城市PM_(2.5)浓度的影响.结果表明,氨排放对全国城市硫酸盐、硝酸盐、铵盐及PM_(2.5)年均浓度贡献率分别为4.2%、99.8%、99.7%和29.8%,氨排放对硫酸盐年均浓度的影响较小,而对硝酸盐和铵盐年均浓度的影响极为显著.氨排放对1、4、7、10月四个典型月PM_(2.5)月均浓度的贡献量分别为20.15μg/m3、12.39μg/m3、13.20μg/m3、14.20μg/m3,其中1月PM_(2.5)受氨排放的影响最大.氨对PM_(2.5)影响较大的地区主要集中在河南、山东、湖北、河北等农业、畜牧业发达、氨排放量集中的地区,对PM_(2.5)年均浓度贡献量均超过20μg/m3.因此,控制氨排放将有效降低PM_(2.5)浓度,特别是可以显著减少硝酸盐和铵盐污染.

长江三角洲区域输送对上海市空气质量影响的特征分析

采用MM5/CMAQ模型模拟了2004年长江三角洲地区大气污染物的输送与扩散对上海地区空气质量的影响,并定量研究了外部源区域输送和本地源对上海市空气质量的贡献.结果表明,上海地区受本地源和外地源的影响程度及相互比例随着季节的变化存在很大差异;一次污染物SO2和二次污染物SO42-所受到的影响也呈现不同的特点.外部源区域输送对上海地区SO2浓度的贡献率为7%～17%,而对SO42-浓度的贡献率在60%～70%.贡献率垂直廓线分析表明,上海地区SO2外部源贡献率随高度存在着明显的变化,总体上随高度的增长呈非线性增长,而SO42-外部源贡献率随高度的变化不明显.

电力行业多污染物协同控制的环境效益模拟

为定量分析电力行业多污染物协同控制与区域复合型大气污染之间的定量关系,评估不同控制情景下的环境质量效益,应用CMAQ空气质量模型分别对2008年基准排放情景、2015年和2020年目标控制情景的硫、氮沉降及PM2.5污染状况进行模拟.结果表明:2015年和2020年我国陆地硫沉降总量将由2008年的678.87×104t分别降至602.02×104和578.26×104t,降幅分别为11.32%和14.82%,平均每减排1 t SO2可减少0.2～0.3 t硫沉降;2015年和2020年的陆地氮沉降总量将由2008年的1 064.67×104t分别降至1 042.02×104和1 037.06×104t,仅分别降低了2.13%和2.59%,但重度氮沉降区域明显缩小,2015年和2020年氮沉降强度大于5 g/m2的区域将比2008年分别降低17.12%和22.01%;2015年和2020年ρ(PM2.5)年均值超过GB3095─2012《环境空气质量标准》二级标准(35μg/m3)的国土面积分别仍将高达289.14×104和286.68×104km2,与2008年(298.99×104km2)相比,降幅分别为3.29%和4.12%,但重污染区域显著减少,并且ρ(PM2.5)年均值超过70μg/m3的区域将比2008年减少9.31%和12.41%.