李嘉偉,韓志偉,張仁健 (中國科學(xué)院大氣物理研究所,東亞區(qū)域氣候-環(huán)境重點實驗室,北京 100029)

2010年春季東亞地區(qū)沙塵氣溶膠和PM10的模擬研究

李嘉偉,韓志偉*,張仁健 (中國科學(xué)院大氣物理研究所,東亞區(qū)域氣候-環(huán)境重點實驗室,北京 100029)

利用區(qū)域空氣質(zhì)量模式系統(tǒng)RAQMS,模擬研究了2010年3月東亞地區(qū)PM10氣溶膠的時空演變,研究了19～23日沙塵暴暴發(fā)的過程,并將模擬結(jié)果與中國16個城市的PM10地面觀測數(shù)據(jù)進行了比較.結(jié)果顯示,模式對于PM10和沙塵具有好的模擬能力,可以合理地反映東亞地區(qū)PM10的時空分布和沙塵暴的演變過程;觀測值和模擬值的總體相關(guān)系數(shù)達到0.705,兩者平均值分別為124.8,165.5μg/m3.2010年3月份東亞地區(qū)PM10平均濃度處在較高水平,沙塵氣溶膠是PM10的主要組分.3月東亞地區(qū)沙塵排放量約110.4Mt,其中68%重新沉降到地表.關(guān)鍵詞：東亞地區(qū)；沙塵氣溶膠；PM10；數(shù)值模擬

沙塵氣溶膠是大氣氣溶膠的重要組分,對全球空氣質(zhì)量和氣候環(huán)境都有很大影響[1].據(jù)估算,全球沙塵氣溶膠年排放量大約在 1000～3000Mt之間[1-2],季節(jié)和空間變化很大.當(dāng)沙塵源區(qū)的地表風(fēng)速超過某一臨界值時,沙塵氣溶膠就可能被抬升到大氣中,且被長距離輸送[3-4],影響沙塵源區(qū)及下風(fēng)向地區(qū)的空氣質(zhì)量以及區(qū)域氣候[5-9].

東亞地區(qū)是全球主要沙塵源區(qū)之一,中國西部的沙漠地區(qū)以及中蒙邊境的戈壁地區(qū)是沙塵氣溶膠主要源地[10-11].據(jù)估算,每年大約有100～460Mt的沙塵氣溶膠從東亞源區(qū)進入大氣,約占全球年沙塵排放量的 10%～25%[11],其中春季(3～5月)是東亞地區(qū)沙塵暴最多發(fā)的季節(jié)[12-13].近年來,針對東亞春季沙塵暴的研究越來越多,其中包括一些大型綜合實驗計劃[14-15].2010年3月,東亞地區(qū)暴發(fā)了一次特大沙塵暴,這次沙塵暴影響了中國的大部分地區(qū),以及日本、韓國等東亞國家.

數(shù)值模式是認識沙塵氣溶膠時空分布、了解其環(huán)境和氣候效應(yīng)的一種有效工具.本研究利用數(shù)值模式,結(jié)合觀測資料,模擬了2010年3月中國大陸地區(qū)大氣氣溶膠的變化過程,特別關(guān)注了19～23日的沙塵過程,并討論了沙塵氣溶膠主導(dǎo)下東亞地區(qū)氣溶膠的分布特征.

1 模式介紹和參數(shù)設(shè)置

采用區(qū)域空氣質(zhì)量模式系統(tǒng)(RAQMS)對東亞區(qū)域進行模擬研究.模式建立在地形追隨球面坐標系上,包含大氣污染物(氣體和氣溶膠)涉及的源排放、平流、湍流擴散、多相化學(xué)轉(zhuǎn)化、干沉降、云和降雨沖刷等主要過程[4].平流過程、垂直方向的湍流擴散參數(shù)化分別采用Walcek等[16]、Byun等[17]提出的方案;氣體的干濕沉降過程采用 Walmsley等

[18]的參數(shù)化方案;氣相化學(xué)過程采用 SAPRC99 (Statewide Air Pollution Research Center)[19]機制代表.無機氣溶膠的演變由熱力平衡模式ISORROPIA[20]計算,二次有機氣溶膠采用容積產(chǎn)生率的方案進行計算[21].模式假設(shè)無機鹽和含碳氣溶膠服從對數(shù)正態(tài)分布,并存在于細模態(tài).模式耦合了一個采用分粒徑方法的沙塵和海鹽模塊,沙塵氣溶膠在0.43～42μm范圍內(nèi)分為10檔,海鹽在0.43～17.5μm分8檔,該模塊能夠合理地反映沙塵和海鹽氣溶膠的產(chǎn)生、輸送、擴散、干濕沉降等物理過程,成功模擬了2002年和2006年的沙塵暴過程[4,22].無機鹽氣溶膠的干沉積速率根據(jù)Walcek等[23]的方案計算,黑碳和有機碳氣溶膠參考 Uno等[24]的方法在陸地和海洋上設(shè)定不同的干沉積速率,沙塵和海鹽的干沉積過程根據(jù) Han等[4]的方案計算,即干沉積速率為總阻力的倒數(shù)和重力沉降速率之和. RAQMS模式曾作為核心模式之一參與了國際大氣化學(xué)模式比較計劃MICS-Asia II (The Model InterComparison Study for Asia Phase II)[25].

模式水平方向采用經(jīng)緯度投影網(wǎng)格,水平格點分辨率為 0.5°,垂直方向在 sigma-z坐標下不等距分 12層,模式底層的半層高度為 50m,模式頂高度約 10000m.模擬區(qū)域為 75°E～145°E, 20°N～50°N,東亞地區(qū)絕大部分國家和地區(qū)都被包括在內(nèi)(中國、朝鮮半島、日本、蒙古、東南亞北部、西太平洋等,圖1),格點數(shù)141×61.

模式采用的人為污染源來自美國宇航局NASA 的 INTEX-B (Intercontinental Chemical Transport Experiment-Phase B)計劃準備的排放源清單.清單基準年為 2006年,包含了排放強度的逐月變化[26],分辨率是0.5°,包括人為排放的一氧化碳(CO),氮氧化物(NOx),二氧化硫(SO2),黑碳(BC),有機碳(OC),揮發(fā)性有機物(NMVOC)和粒徑 10μm以下人為活動(發(fā)電、工業(yè)生產(chǎn)、居民生活、交通運輸?shù)?直接排放的顆粒物(PM10).生物質(zhì)燃燒產(chǎn)生的黑碳和有機碳氣溶膠排放來自GFEDv2 (Global Fire Emission Database version 2)[27].模式的氣象驅(qū)動場由 MM5 (Fifth-Generation NCAR/Penn State Mesoscale Model)計算得到.MM5使用了四維同化技術(shù),提高了風(fēng)、溫、濕等氣象變量模擬的準確性.

圖1 模擬區(qū)域、4個氣象站點和16個城市的位置Fig.1 Model domain and locations of 4 meteorological sites and 16 cities

2 觀測資料

城市空氣污染指數(shù)(API)下載自中華人民共和國環(huán)境保護部網(wǎng)站(http://www.zhb.gov.cn).本研究選取了16個城市的API數(shù)據(jù),這些城市或者接近沙塵源區(qū),或者位于沙塵輸送路徑上,絕大部分受到本次沙塵暴的影響.API是可以同時反映首要空氣污染物(SO2、NO2和 PM10其中之一)和空氣污染水平的概念性數(shù)字,它與污染物日平均濃度之間存在如下線性關(guān)系:

式中:I為報道的API;C 為污染物濃度;下標i和j分別為表1(API的分級及對應(yīng)的PM10日均濃度值)中與C和I最接近且分別大于和小于C和I的值.需要指出的是,API報道的上限為500,所以通過式(1)計算的日平均 PM10濃度上限為600μg/m3,一旦實際觀測濃度超過該上限,API將無法正確反映當(dāng)日 PM10的最大濃度水平.以往研究表明[3-4,28],API能夠很好地反映沙塵過程,在沙塵研究中利用API數(shù)據(jù)是可行并且有效的.本研究所用API數(shù)據(jù)的時間范圍是2010年3月(15日缺測),針對關(guān)注重點,使用中剔除了首要污染物為SO2或NO2的數(shù)據(jù).在下文中,把由式(1)計算的PM10記為EPM10.

表1 API等級及對應(yīng)PM10濃度Table 1 API levels and corresponding PM10 concentrations

圖2 EPM10與SPM10對比(EPM10在15日缺測)Fig.2 Comparison between EPM10 and SPM10 (EPM10data is missing in March 15)

模式對比還用到北京南郊觀象臺(39.80°N, 116.47°E)2010年3月11～31日(北京時間)的PM10觀測數(shù)據(jù)(部分時刻缺測).將這套數(shù)據(jù)(下文記為SPM10)作日平均處理后,與北京的 EPM10作對比(圖 2).結(jié)果顯示二者具有很好的相關(guān)性(相關(guān)系數(shù)0.925),在11～31日(15日除外),SPM10的平均濃度為202.75μg/m3,峰值濃度為753.76μg/m3, EPM10對應(yīng)的濃度值分別為 183.08,600μg/m3,數(shù)值非常接近.兩組數(shù)據(jù)之間存在差異的主要原因是:EPM10有濃度上限;EPM10是北京多個觀測點的空間平均值,SPM10僅是北京城郊一點的值.

位于沙塵源區(qū)的錫林浩特、民勤、庫車和阿泰勒4個氣象站(圖1)的地面日平均風(fēng)速觀測資料(來自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng), http:// cdc.cma.gov.cn/)用于檢驗MM5的模擬效果.

3 模擬結(jié)果

3.1 與日平均風(fēng)速觀測資料對比

圖3 4個站點觀測與模擬的地面日平均風(fēng)速Fig.3 Observed and simulated daily surface winds

圖3給出錫林浩特、民勤、庫車和阿泰勒4個站點觀測和模擬的日平均地面風(fēng)速.這4個站都位于沙源及其附近地區(qū).

總體上,模式比較好地反映了這4個站點地面風(fēng)速的逐日變化趨勢.在錫林浩特、民勤、庫車和阿泰勒,模擬值與觀測值之間的相關(guān)系數(shù)分別為0.77,0.82,0.74和0.74.雖然模擬和觀測比較接近,但總體大于觀測值,其中觀測和模擬的月平均風(fēng)速在錫林浩特分別是 4.3,5.5m/s;在民勤是3.3,4.3m/s;在庫車是 2.1,2.7m/s;在阿泰勒是2.2,3.1m/s.模擬值與觀測值之間存在差異,一方面是因為模式給出的是10m風(fēng)速,但觀測值則來自地表,另一方面模式相對較粗的網(wǎng)格分辨率(45km),也會導(dǎo)致模擬的誤差.

3.2 與PM10觀測資料對比

模式模擬時間段為2010年2月23日0:00～3月31日18:00(標準時),時間步長是5min,前6d作為模式預(yù)積分,3月1～31日的計算結(jié)果用作分析.模擬的PM10包括沙塵、海鹽、黑碳、有機碳、硫酸鹽、硝酸鹽、銨鹽和人為活動直接排放PM10.模擬與觀測結(jié)果之間進行了詳細對比以檢驗?zāi)Ｊ綄?PM10的模擬能力,同時結(jié)合模擬結(jié)果和觀測資料對2010年3月份沙塵暴在中國大陸輸送和分布的演變情況進行研究.

圖4 模擬值與觀測值在9個城市的比較Fig.4 Comparison between simulation results and observations in 9 cities

圖4給出模擬PM10日均濃度與EPM10濃度 在不同城市對比的情況,其中北京的觀測值包括了EPM10和SPM10.

從圖4(a)可見,模式在北京的模擬效果很好,合理地反映了沙塵氣溶膠到來前后 PM10的逐日變化情況,捕捉到 20日的沙塵暴過程.與SPM10相比,模擬值在11～16日偏高,但與EPM10更接近,原因是 SPM10是在城郊的單站觀測,會低于 EPM10代表的城市平均水平.沙塵天氣期間,模式很好地反映了PM10濃度的急劇增加,只是稍微高估了20日PM10的峰值濃度.相反,模式低估了22日北京PM10次高峰的濃度水平,這可能是因為沙塵源區(qū)地表風(fēng)速的模擬誤差,導(dǎo)致起沙量的模擬偏差,也可能與模式分辨率有關(guān).有研究表明

[29-30]模式網(wǎng)格分辨率對起沙量模擬的影響比較大.此外,EPM10和SPM10在22日差別很大,也顯示了當(dāng)日 PM10濃度的上升除了因為沙塵的輸送,還與局地污染物排放有關(guān)(因沙塵是區(qū)域性的,如果完全由沙塵氣溶膠控制,兩者濃度水平應(yīng)更接近).在 SPM10有觀測記錄的時間段內(nèi)(11～31日),模擬PM10和SPM10的平均濃度分別是179.75, 194.73μg/m3,模擬值與觀測值很接近.

模式在呼和浩特的表現(xiàn)較好[圖4(b)],合理反映了沙塵過程前后 PM10濃度的逐日變化趨勢,捕捉到20日PM10濃度的上升.但是在11～15日和30～31日,特別是31日,模式高估了PM10的濃度,使模擬值大于觀測值,這與模式較粗的網(wǎng)格分辨率[29],模式中地表參數(shù)的準確性(范圍、位置等)[3],地表風(fēng)速大小模擬的準確性[30]都有關(guān)系.

在緯度偏南的西安[圖 4(c)],模式模擬效果相對差一些,先后在15～17日、20～22日和25日高估了 PM10的日平均濃度.西安位于黃土高原,距離沙漠很近,區(qū)域模式的分辨率很難分辨出當(dāng)?shù)叵聣|面的狀況(城市或沙漠),因此會高估沙塵氣溶膠的濃度.

模式合理地模擬了位于長江中下游流域的武漢[圖4(d)]、南昌[圖4(e)]和上海[圖4(f)]等城市PM10濃度的逐日變化,捕捉到21日這3個城市的沙塵過程.模式在南京、杭州、蕪湖等地理位置接近的城市模擬效果也類似(圖略).模式也很好地模擬了廈門[圖 4(g)]、福州[圖 4(h)]和深圳[圖4(i)]等南方沿海城市3月份PM10的逐日變化,反映了此次沙塵過程22日影響東南及華南地區(qū),持續(xù)到23日,然后結(jié)束的過程.

模擬與觀測結(jié)果反映了這次沙塵暴的輸送路徑和演變過程:從源區(qū)暴發(fā)后,20日首先到達華北,21日到達長江中下游流域,22日到達東南及華南沿海地區(qū).

表2列出16個城市模擬PM10和EPM10的相關(guān)系數(shù)和各自的月平均值.需要指出,由于 EPM10有觀測上限(最大600μg/m3),所以表2中某些城市的 EPM10月平均濃度會低于實際水平.從相關(guān)系數(shù)來看,除蘭州外,模式在其余15個城市的相關(guān)系數(shù)都超過 0.6,在呼和浩特和上海甚至接近 0.9.從月平均值來看,16個城市的模式模擬值都接近觀測值.在呼和浩特、蘭州、西安這幾個接近沙漠的城市,以及中南部的長沙,模擬值和觀測差別相對較大,但也都在2倍范圍內(nèi).表2顯示,從整體上看,模式在中國東部的模擬效果優(yōu)于西部地區(qū).統(tǒng)計結(jié)果顯示所有觀測值與模擬值的相關(guān)系數(shù)為0.705(樣本數(shù) 465),觀測和模擬的平均值分別為124.8,165.5μg/m3,兩者很接近(注意因為觀測值有上限,實際上模擬值與觀測值比上述情況更接近一些).總之,模式可以比較合理和準確地反映東亞地區(qū)PM10的時空分布和沙塵暴的演變過程,模擬效果比較好,模擬結(jié)果是可信的.

與觀測資料相比,模式在中國西部的誤差總體大于東部地區(qū).蘭州、西安和呼和浩特等城市處在沙塵源區(qū)附近.模式相對較粗的網(wǎng)格難以把城市和沙源區(qū)分開來(如模式中蘭州、呼和浩特所在格點的下墊面類型是沙源,西安所在格點雖然下墊面類型是草地,但距離沙源很近),因此這些西部城市的模擬值是偏高的.另外,模擬的風(fēng)速和起沙量偏大也可能是這些城市沙塵濃度高估的原因.

模式在中南部長沙的模擬結(jié)果與觀測相比差別較大,這一方面可能是因為上游地區(qū)起沙量模擬偏大,另一方面可能是模式低估了該地區(qū)沙塵干濕沉降過程的影響,使得大氣中沙塵濃度偏高.

表2 模擬值與觀測值在16個城市的統(tǒng)計數(shù)據(jù)Table 2 Statistics between simulations and observations in 16 cities

3.3 PM10和沙塵氣溶膠的水平分布

圖5分別給出模擬范圍內(nèi)3月份近地面PM10濃度[圖5(a)]以及PM10中沙塵氣溶膠濃度[圖5(b)]的月平均分布.3月份整個東亞大陸的 PM10濃度都處在較高水平[圖 5(a)],濃度中心出現(xiàn)在中國西部的沙漠地區(qū)和中蒙邊境的戈壁地區(qū),月平均濃度基本在 400μg/m3以上,最高值超過 1200μg/m3.華北、中原和長江中下游流域等地區(qū)3月份平均PM10濃度也較高,在200～400μg/m3左右.在中國南方地區(qū),3月份近地面平均PM10濃度相對較低,在100μg/m3左右,沿海地區(qū)由于受海鹽的影響 PM10濃度略高.東北地區(qū)PM10濃度較低.在朝鮮半島南部(韓國)、西太平洋部分地區(qū)和日本南部,3月份近地面平均PM10濃度低于100μg/m3.

結(jié)合 PM10中沙塵氣溶膠濃度的分布情況[圖 5(b)],可以了解在不同地區(qū)沙塵氣溶膠對PM10的貢獻.在中國西部沙漠地區(qū),PM10主要由沙塵氣溶膠組成,沙塵的貢獻在80%以上.在華北地區(qū),沙塵氣溶膠濃度在 100～400μg/m3左右,與沙塵源區(qū)距離越遠濃度越低.在中原和長江中游地區(qū)沙塵氣溶膠濃度較高,約 200μg/m3,高于長江下游地區(qū)的濃度(約 100μg/m3).從華北到長江中下游流域,沙塵氣溶膠對近地面 PM10的貢獻率基本在 30%～60%左右,顯示了這些地區(qū)受沙塵氣溶膠影響嚴重.沙塵氣溶膠在華南、東南和西南等地區(qū)的近地面濃度比較低,月平均濃度在50μg/m3以下,對PM10的貢獻率基本在30%以下,說明在這些地區(qū)以人為源氣溶膠為主.沙塵氣溶膠在東北地區(qū)的濃度非常低.在韓國、西太平洋和日本大部,沙塵氣溶膠近地面濃度約 50μg/m3,占這些地區(qū)月平均 PM10的 40%左右.因此,2010年3月份,沙塵氣溶膠是東亞地區(qū)近地面PM10的主要組分,貢獻率在源區(qū)最大,隨著距離的增加逐漸降低,在下游地區(qū)沙塵氣溶膠對 PM10的月平均貢獻率可以達到40%.圖5(b)顯示了沙塵由源區(qū)向東南方向的輸送.

3.4 沙塵氣溶膠的干、濕沉降

圖6(a)和圖6(b)分別顯示了模擬沙塵氣溶膠在2010年3月干、濕沉降(g/m2)的分布情況.最大干沉降出現(xiàn)在戈壁和柴達木盆地的沙漠地區(qū),3月總沉降量約 20～50g/m2.在華北和中原的大部分地區(qū),沙塵氣溶膠 3月份干沉降在 5g/m2左右.在長江中下游地區(qū),沙塵氣溶膠干沉降量在0.5～5g/m2之間.沙塵氣溶膠在華南和東北的干沉降量很小,低于 0.5g/m2.在朝鮮半島南部和西太平洋部分海域,沙塵氣溶膠的干沉降量約在0.5～1g/m2左右.日本大部和日本以東海域沙塵的干沉降量在 0.5g/m2以下.對照圖 5(b),可以發(fā)現(xiàn)沙塵氣溶膠的干沉降和近地面濃度在空間分布上密切相關(guān):在沙塵氣溶膠濃度高的源區(qū),沙塵干沉降量也大;隨著與源區(qū)距離增加,沙塵氣溶膠濃度和干沉降量均快速下降.

圖5 2010年3月近地面月平均PM10濃度和沙塵(直徑≤10μm)濃度Fig.5 Surface monthly average PM10 concentration and dust (diameter≤10μm) concentration for March 2010

受降水分布的影響,沙塵氣溶膠濕沉降量的水平分布與干沉降量有很大區(qū)別[圖 6(b)].2010年3月降水分布的特點是:從中國的福建省到日本以南海面,降水沿西南-東北走向呈帶狀分布,最大降水(日本以南海面)可超過 500mm.新疆北部降水量較大,部分地區(qū)可達 100mm.青藏高原北側(cè)和南疆部分地區(qū)的月降水量也較大,在 20～50mm之間.中蒙邊境戈壁地區(qū)的月降水量小于1mm.沙塵濕沉降的分布大體上與降水量對應(yīng).在沙塵源區(qū)附近,沙塵氣溶膠的濕沉降量低于干沉降量,其中在蒙古國南部的戈壁地區(qū),沙塵濕沉降量低于0.1g/m2.但是在華北、中原、長江中下游的大部分地區(qū),沙塵氣溶膠的干、濕沉降量大致相當(dāng).在東北地區(qū)、朝鮮半島、西太平洋大部分地區(qū)、日本,沙塵的濕沉降量大于干沉降量,表明濕沉降過程在這些地區(qū)起主導(dǎo)作用.上述討論也說明,沙塵氣溶膠沉降,在源區(qū)附近主要取決于干沉降過程,但在沙塵輸送路徑的下風(fēng)向地區(qū),氣溶膠的濕沉降量與干沉降量相當(dāng)甚至更大.

圖6 2010年3月沙塵氣溶膠干沉降量和濕沉降量Fig.6 Dry and wet depositions of dust for March 2010

在模擬范圍內(nèi),估算2010年3月沙塵氣溶膠總的排放量為 110.4Mt,其中約 68%(約 75.3Mt)通過干、濕沉降重新返回地面,剩余的 32%(約35.1Mt)殘留在大氣中參與長距離輸送. Han等[4]曾估算在2002年3月15～24日(19～23日為沙塵暴過程),東亞地區(qū)沙塵氣溶膠的總排放量約為43.2Mt,其中大約 33.3Mt(77%)重新沉降到地表,剩余約 10Mt(23%)殘留在大氣中;本研究估算在對應(yīng)時間段內(nèi)(2010年3月15～24日,19～23日為沙塵暴過程),東亞地區(qū)總沙塵氣溶膠排放量為47.2Mt,其中的34.5Mt(73%)和12.7 Mt(27%)分別沉降到地面和殘留在大氣中,與Han等的結(jié)果很接近,說明發(fā)生在2010年3月的沙塵暴與2002年3月的特大沙塵暴強度相當(dāng).

4 結(jié)論

4.1 利用區(qū)域空氣質(zhì)量模式系統(tǒng)RAQMS模擬研究了2010年3月東亞地區(qū)PM10氣溶膠的時空演變,并重點關(guān)注了19～23日暴發(fā)的沙塵暴.模擬結(jié)果與 16個城市空氣污染指數(shù)(API)換算的PM10日平均濃度,以及北京南郊觀象臺實測的PM10濃度進行了比較.結(jié)果顯示,所有觀測樣本與模擬值之間的相關(guān)系數(shù)達到 0.705,兩者平均值分別為124.8μg/m3和165.5μg/m3,表明模式對PM10和沙塵濃度有好的模擬能力.

4.2 2010年3月19～23日的沙塵暴對東亞地區(qū)影響很大.模式結(jié)果顯示,3月份大陸地區(qū)PM10濃度水平較高,沙塵氣溶膠是3月份東亞地區(qū)PM10的主要成分,它對中國西北地區(qū) PM10的貢獻率超過80%,隨著與源區(qū)距離增加,沙塵氣溶膠的濃度和對 PM10的貢獻率均有所下降,但在主要輸送路徑的下游地區(qū),沙塵對 PM10的貢獻率仍在40%左右.

4.3 沙塵氣溶膠在沙漠源區(qū)附近的濕沉降量小于干沉降量;在沙塵輸送路徑的下風(fēng)向地區(qū),濕沉降過程的作用與干沉降過程相當(dāng)甚至更大.本研究估算2010年3月模擬區(qū)域內(nèi)沙塵氣溶膠總排放量為110.4Mt,其中68%(73.5Mt)發(fā)生沉降,剩余的32%(35.1Mt)殘留在大氣中.

[1] 邱玉珺,牛生杰,岳 平,等.半干旱區(qū)春季沙塵氣溶膠譜分布的觀測研究. [J]. 中國環(huán)境科學(xué), 2009,29(10):1021-1028.

[2] Zender C S, Miller R, Tegen I. Quantifying mineral dust mass budgets: terminology, constraints, and current estimates [J]. EOS, 2004,85(48):509-512.

[3] Gong S L, Zhang X Y, Zhao T L, et al. Characterization of soil dust aerosol in China and its transport and distribution during 2001 ACE-Asia. 2. Model simulation and validation [J]. J. Geophys. Res., 2003, 108:4262, doi:10.1029/2002JD002633.

[4] Han Z, Ueda H, Matsuda K, et al. Model study on particle size segregation and deposition during Asian dust events in March 2002 [J]. J. Geophys. Res., 2004, 109, D19205, doi:10.1029/ 2004JD004920.

[5] Ginoux P, Prospero J M, Torres O, et al. Long-term simulation of global dust distribution with the GOCART model: correlation with North Atlantic Oscillation [J]. J. Environ. Model. Software, 2004,19:113-128.

[6] Lau K M, Kim M K, Kim K M. Asian summer monsoon anomalies induced by aerosol direct forcing: the role of the Tibetan Plateau [J]. Clim. Dyn., 2006, 26:855-864, doi:10.1007/ s00382-006-0114-z

[7] Lau K M, Kim K M. Observational relationships between aerosol and Asian monsoon rainfall, and circulation [J]. Geophys. Res. Lett., 2006, 33, L21810, doi:10.1029/2006GL027546.

[8] 陳勇航,毛曉琴,黃建平,等.一次強沙塵輸送過程中氣溶膠垂直分布特征研究 [J]. 中國環(huán)境科學(xué), 2009,29(5):449-454.

[9] 賈 璇,王文彩,陳勇航,等.華北地區(qū)沙塵氣溶膠對云輻射強迫的影響 [J]. 中國環(huán)境科學(xué), 2010,30(8):1009-1014.

[10] Shao Y, Dong C H. A review on East Asian dust storm climate, modeling and monitoring [J]. Glob. Planet. Change, 2006, 52:1-22.

[11] Laurent B, Marticorena B, Bergametti G, et al. Modeling mineral dust emissions from Chinese and Mogolian deserts [J]. Glob. Planet. Change, 2006,52:121-141.

[12] 鄧祖琴,韓永翔,白虎志,等.沙漠地區(qū)沙塵氣溶膠含量變化的原因分析 [J].中國環(huán)境科學(xué), 2009,29(12):1233-1238.

[13] Kurosaki Y, Mikami M. Recent frequent dust events and their relation to surface wind in East Asia [J]. Geophys. Res. Lett., 2003, 30(14):1736, doi:10.1029/2003GL017261.

[14] Arimoto R, Kim Y J, Kim Y P, et al. Characterization of Asian dust during ACE-Asia [J]. Glob. Planet. Change, 2006,52:23-56. [15] Mikami M, Shi G Y, Yabuki S, et al. Aeolian dust experiment on climate impact: An overview of Japan-China joint project ADEC. Glob [J]. Glob. Planet. Change, 2006,52:142-172.

[16] Walcek C J, Aleksic N M. A simple but accurate mass conservative peak-preserving, mixing ratio bounded advection algorithm with Fortran code [J]. Atmos. Environ., 1998,32:3863-3880.

[17] Byun D W, Dennis R. Design artifacts in Eulerian air quality models: evaluation of the effects of layer thickness and vertical profile correction on surface ozone concentrations [J]. Atmos. Environ., 1995,29:105-126.

[18] Walmsley J L, Wesely M L. Modification of coded parameterizations of surface resistances to gaseous dry deposition [J]. Atmos. Environ., 1996,30:1181-1188.

[19] Carter W P L. Documentation of the SAPRC-99 chemical mechanism for VOC reactivity assessment. Report to California Air Resources Board [R]. California: University of California, Riverside, 2000.

[20] Nenes A, Pandis S N, Pilinis C. ISORROPIA: A new thermodynamic equilibrium model for multiphase multicomponent inorganic aerosols [J]. Aquatic Geochemistry, 1998,4: 123-152.

[21] Lack D A, Tie X X, Bofinger N D, et al. Seasonal variability of secondary organic aerosol: A global modeling study [J]. J. Geophys. Res., 2004, 109, D03203, doi:10.1029/2003JD003418.

[22] Li J W, Han Z W. A modeling study of the impact of heterogeneous reactions on mineral aerosol sufaces on tropospheric chemistry over East Asia [J]. Particuology, 2010,8: 433-441.

[23] Walcek C J, Brost R A, Chang J S, et al. SO2, sulfate and HNO3 deposition velocities computed using regional landuse and meteorological data [J]. Atmos. Environ., 1986,20:949-964.

[24] Uno I, Carmichael G R, Streets D, et al. Analysis of surface black carbon distributions during ACE-Asia using a regional-scale aerosol model [J]. J. Geophys. Res., 2003, 108(D23):8636,doi: 10.1029/2002JD003252.

[25] Carmichael G R, Sakurai T, Streets D, et al. MICS-Asia II: The model intercomparison study for Asia Phase II methodology and overview of findings [J]. Atmos. Environ., 2008,42:3468-3490.

[26] Zhang Q, Streets D G, Carmichael G R, et al. Asian emission in 2006 for the NASA INTEX-B mission [J]. Atmos. Chem. Phys., 2009,9:5131-5153.

[27] Van der Werf G R, Randerson J T, Giglio L, et al. Interannual variability in global biomass burning emission from 1997 to 2004 [J]. Atmos. Chem. Phys., 2006,6:3423-3441, SRef-ID: 1680-7324/acp/2006-6-3423.

[28] Zhang X Y, Gong S L, Shen Z X, et al. Characterization of soil dust aerosol in China and its transport and distribution during 2001 ACE-Asia: 1. Network observations [J]. J. Geophys. Res., 2003, 108(D9):4261, doi:10.1029/2002JD002632.

[29] Liu M, Westphal D L. A study of the sensitivity of simulated mineral dust production to model resolution [J]. J. Geophys. Res., 2001, 106(D16):18099-18112.

[30] Luo C, Mahowald N M, Corral J D. Sensitivity study of meteorological parameters on mineral aerosol mobilization, transport, and distribution [J]. J. Geophys. Res., 2003, 108(D15): 4447, doi:10.1029/2003JD003483.

Simulation study on dust aerosol and PM10in East Asia during spring 2010.

LI Jia-wei, HAN Zhi-wei*, ZHANG Ren-jian (Key Laboratory of Regional Climate – Environment for Temperate East Asia, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029). China Environmental Science, 2011,31(10)：1600～1608

A regional air quality model system (RAQMS) was used to investigate the temporal and spatial variations of PM10in East Asia during March 2010, and the dust storm broken out on 19 to 23 March. Simulation results were compared with surface PM10observations in 16 Chinese cites. Comparison analysis showed that the model was able to reproduce the temporal and spatial distributions of PM10as well as the evolution of the dust storm reasonably well. Correlation coefficient was 0.705 between all observational and simulated pairs. The observed and simulated monthly concentrations averaged over all sites were 124.8 and 165.5μg/m3, respectively. Model results also indicated that during March 2010 East Asia experienced high PM10level with dust aerosol as the dominant component. Of the total dust emission (110.4Mt), about 68% was redeposited onto the underlying surface.

East Asia；dust storm；PM10；numerical simulation

X131.1

A

1000-6923(2011)10-1600-09

2011-12-13

中國科學(xué)院知識創(chuàng)新工程重要方向項目(KZCX22-YWQ11-03);中國科學(xué)院重大項目(KZCXL-YW-06-04)

* 責(zé)任作者, 研究員, hzw@mail.iap.ac.cn

李嘉偉(1983-),男,廣東肇慶人,中國科學(xué)院大氣物理研究所博士研究生,主要從事大氣物理學(xué)與大氣環(huán)境研究.發(fā)表論文 3篇.