排放清单对南京污染物的数值模拟研究

论文总字数：14616字

目 录

引言 1

1.资料及方法 2

1.1 模式设置 2

1.2 观测数据来源 3

1.3 排放清单介绍 3

2.模拟结果对比 4

2.1 两种不同排放清单模拟情况对比 4

2.2 南京地区冬季污染物月变化分析 7

2.2.1 南京地区冬季污染物PM_2.5和PM₁₀月变化分析 7

2.2.2 南京地区冬季污染物NO₂和SO₂月变化分析 7

2.3 南京地区冬季污染物日变化分析 7

2.3.1 南京地区冬季污染物PM_2.5和PM₁₀日变化分析 7

2.3.2 南京地区冬季污染物NO₂和SO₂日变化分析 12

3.结论 14

参考文献 14

致谢 16

引言

大气气溶胶是指相对均匀且稳定地悬浮在大气中的液体或固体微粒^[1]。通常，这种固体微粒或者液体微粒也被成为颗粒物或粒子，它的粒径也存在一个范围，一般是指空气动力学直径为0.003~100μm的液滴或固体颗粒物。它对于人类健康和环境会产生负面影响，并且它也可以通过改变一定区域或全球规模的太阳辐射从而影响气候变化。大气中气溶胶通过直接辐射强迫和间接辐射强迫两种方式改变辐射过程，从而影响全球气候变化。气溶胶的直接辐射强迫是指气溶胶可以通过吸收或者散射太阳辐射而对气候变化产生影响。间接辐射强迫是当大气中气溶胶的含量增加时，但空气中含水量却保持在一个稳定的条件下，那么会导致每个气溶胶上的水含量变少，因此会对大气中太阳短波的吸收和散射过程造成影响，从而会间接的影响到辐射过程^[2-3]。

按照气溶胶粒径大小分，可以分为以下五类^[2]：1、总悬浮颗粒物（TSP）；2、飘尘；3、降尘；4、可吸入颗粒物（IP）或PM₁₀；5、细粒子或PM_2.5。那么，根据气溶胶粒子的组成及来源随着粒径大小而明显不同的特点，可以讲气溶胶粒子分为细粒子（粒径D_p≤2.5μm）和粗粒子（粒径D_p＞2.5μm）两大类。其中，燃烧过程、气-粒转化、核凝聚、云滴蒸发等过程产生的多为细粒子；扬尘、工业直接排放等过程产生多为粗粒子；特殊地，海盐、花粉排放等产生的既有细粒子，也有粗粒子。气溶胶粒子的来源，包括地表面上的岩石或土壤被风化；海水表面由于大风大浪的作用使得海水飞溅而脱离海面，经过蒸发过程，剩余的海盐粒子便飘浮在空气中；植物的花粉或孢子，在风的吹动下，离开植物本体，飘到大气中；人类燃烧活动或自然火灾（火山爆发，森林及农田火灾）；厂矿企业排放的大量固体或液体颗粒物或能发生化学反应的气体等以及人类生活垃圾的排放也会产生气溶胶粒子。

PM_2.5是指粒径小于等于2.5μm的颗粒物。当PM_2.5均匀的分布在空气中时，会造成空气混浊，水平能见度低于10km，影响交通。当这种细小的颗粒物被吸入人体后会直接进入支气管，干扰肺部的气体交换，引发包括哮喘、支气管炎和心血管疾病等方面的健康危害。由于我国的经济的快速发展，忽略了环境保护，使得中国各大城市目前均处于严重污染的情况^[7]。

胡荣章等^[4]重点模拟了冬季和夏季中的个例，其中冬季模拟时间为2005年1月6号至2005年1月7号；夏季为2004年8月28号。冬季的这次个例是属于一次大气污染物从累积到清除的过程，夏季的这次个例则能够体现出夏季南京地区代表性的风场特征。得出南京地区颗粒物的消光系数占总消光系数的95%以上，是能见度降低最重要的贡献者。杨鹏等^[5]模拟了2013年6月23~24号的一次突发性的气溶胶污染事件，南京、徐州、苏州、杭州、合肥、临安这6个城市气溶胶污染物的模拟情况，并与观测结果进行对比，得出此次污染发生时江淮地区正处于梅雨时节，南京及其周围地区处于江淮低空切变线，切变线附近有辐合的流场，东部上流排放源的贡献和南京本地的静稳风场导致污染物在南京堆积。

南京是我国经济发展比较迅速的地区，同时，也正是由于经济的快速增长导致了环境的破坏。为了能及时的对环境污染作出预防，本研究利用WRF-chem模式模拟了采用不同排放清单时南京地区2015年1月份的PM_2.5、PM₁₀以及相关气体污染物的浓度值，通过对比分析不同污染物的模拟值和观测值，验证该模式是否能准确模拟出南京地区的污染物变化特征，同时也验证了不同排放清单对南京地区污染物的影响。并得到南京污染物冬季月变化及日变化特征，且分析造成变化可能存在的原因。

1.资料及方法

1.1模式设置

模式采用一层嵌套，如图1，分辨率为45km，网格数为119×101模式垂直方向设置为30层，模拟时间为2014年7月1日08时-2014年7月31日23时及2015年1月1日08时-2015年1月31日23时。模拟采用NCEP1°×1°再分析资料FNL作为模式气象初始场，大气成分初始和边界场使用全球大气化学模式MOZART-4/GEOS5提供的1.9°×2.5°水平分辨率的实时预报结果^[6]。模式使用的主要参数化方案如下：

表1 模拟使用方案

图1 模式系统模拟区域

1.2 观测数据来源

空气质量观测数据来源于中国环境监测总站，时间分辨率为1小时，选取南京站点的PM_2.5数据。气象观测数据来源于Micaps，包括2米温度（T2），10m风速风向，时间分辨率为3小时。

1.3 排放清单介绍

INTEX-B清单^[15]是由美国和中国共同编制的排放清单。INTEX-B清单的污染源排放年为2006年，分辨率为0.5°×0.5°。该清单使用了2004年-2006年各国给出的能源统计数据，并增加了一些包括PM_2.5，PM₁₀在内的主要排放物，使得该清单能更为准确的描述亚洲地区排放特征。针对我国，该清单考虑了新能源技术的影响，更新了电厂燃煤排放SO2和PM2.5、机动车排放NO2和CO等的排放因子。

MIX清单是最新的、最精确的，以2008年和2010年为基准年的排放清单，网格分辨率为0.25°×0.25°。其中涵盖了10种主要的大气污染物（大气细颗粒物（PM_2.5）、挥发性有机物（VOCs）、氨（NH₃）、可吸入颗粒物（PM₁₀）、道路机动车、非道路移动源、生物质燃烧源、扬尘颗粒物等方面）、温室气体和700多种人为排放源。与空气质量模式无缝衔接，提供可供模式直接使用的多层嵌套高时空分辨率的排放清单。

表2 两种排放清单中南京地区不同污染物排放量

表2为两种排放清单中南京地区不同污染物年总排放量。可以看出，南京地区SO₂排放减少较明显，10年的排放量相较于06年的排放量降低了约19％，可能是因为近年来脱硫技术的推广，电厂运行的优化等使燃料燃烧效率增高，污染排放控制效果提高^[18-19]；NOx排放增加明显，10年的排放量相比06年的排放增幅可达39%，这种差异可能与清单计算过程中使用的排放因子、人为活动水平等因素不同有关。

2.模拟结果对比

2.1 两种不同排放清单模拟情况对比

为了量化模拟结果的准确性，使用标准化平均偏差(normalized mean bias，NMB)、标准化平均误差(normalized mean error，NME)和相关系数(correlation coefficient，COR)、平均分数偏差(Mean Fractional Bias，MFB)和平均分数误差(Mean Fractional Error，MFE)这五个统计指标对模拟结果进行验证。公式如下：

N表示样本总数，m_i表示第i个时刻的模拟值，o_i表示第i个时刻的观测值。NMB反映的是模拟值与观测值的平均偏离程度，其值越接近于0，表明模拟值越接近观测值；NME表征了模拟值的平均绝对误差；相关系数反映的是观测值与模拟值变化趋势的温和程度，该值越接近于1，表明模拟效果越好。

大气污染物排放清单是指在一定的时间跨度和空间中向大气排放的污染物的列表集合。模式能够准确的模拟出污染物变化的一个重要因素是排放清单的准确性，同时，它也是一个很重要的不确定因素。因此很有必要用不同的排放清单对同一时间同一地区的大气状况进行模拟，而且可以相对容易的分析出仅由不同排放源之间的差异导致的模拟误差。

根据两种排放清单模拟出来的结果和观测值，计算出PM_2.5、PM₁₀、NO₂和SO₂四种污染物的平均分数偏差MFB和平均分数误差MFE，如下表：

剩余内容已隐藏，请支付后下载全文，论文总字数：14616字

相关图片展示：