朱媛媛，高愈霄，劉 冰，王 威，魯 寧，朱莉莉，宮正宇，李健軍

1.中國環(huán)境監(jiān)測總站，國家環(huán)境保護環(huán)境監(jiān)測質(zhì)量控制重點實驗室，北京 100012 2.北京科技大學，能源與環(huán)境工程學院，北京 100083

近年來，中國中東部地區(qū)頻繁出現(xiàn)長時間、大范圍重污染過程，嚴重影響了社會經(jīng)濟發(fā)展和人民身心健康。為此，國家在2013年頒布并實施了《大氣污染防治行動計劃》，明確提出重點區(qū)域和重點省市需要建立重污染天氣監(jiān)測預(yù)警體系[1]，環(huán)境空氣質(zhì)量預(yù)報預(yù)警作用也逐步成為重污染預(yù)警應(yīng)急和大氣污染防控不可或缺的基礎(chǔ)工作。經(jīng)過幾年來的建設(shè)和實施，環(huán)境空氣質(zhì)量預(yù)報預(yù)警工作穩(wěn)步推進，為環(huán)境管理提供了強有力的技術(shù)支撐。

在大氣污染治理過程中，科學制定污染減排規(guī)劃和污染應(yīng)急響應(yīng)控制措施，評估控制方案的可操作性和有效性至關(guān)重要。而這些減排控制方案與措施的制定和效果評估，通常需要依靠污染控制情景模擬等手段進行分析。減排情景模擬可以較好地了解污染物排放削減帶來的經(jīng)濟效益、環(huán)境效益和健康效益，為形成和評估控制措施的有效性，優(yōu)化控制方案提供依據(jù)[2]。然而，中國在減排方案情景分析和決策支持等方面方法尚未成熟，多數(shù)研究僅對個別污染物[3-4]或重大活動期間[5-7]的污染物減排效果進行評估，缺少多個污染物及中長期減排效果評估的案例。相對而言，歐洲在減排情景模擬、空氣質(zhì)量達標規(guī)劃等方面的研究成果較為豐富，IAM(Integrated Assessment Modeling)、GAINS(Greenhouse gas-Air Pollution Interactions and Synergies)以及SHERPA(Screening for High Emission Reduction Potential on Air)等集合評估模型常被應(yīng)用于歐洲減排措施的制定[8-11]。在上述3種模型工具中，IAM模型可用于區(qū)域、城市或熱點地區(qū)的情景模擬，但需要大量的計算和當?shù)匦畔⒌妮斎?。GAINS可應(yīng)用于歐洲國家層面減排措施的制定，分析并推薦經(jīng)濟有效的方法達到環(huán)境治理的目標，但該模型基于國家尺度，且依賴于監(jiān)測結(jié)果，不能隨著研究范圍的改變來評估最優(yōu)減排措施，空間靈活性欠缺[12-13]。

因此，筆者介紹一種在歐盟國家和地區(qū)廣泛使用的基于SHERPA的環(huán)境空氣質(zhì)量減排情景模擬評估模型，并以法國為研究案例，展示該模式方法在污染物來源分析、環(huán)境空氣質(zhì)量減排措施制定以及減排效果模擬評估等方面的作用和效果，以期對中國環(huán)境空氣質(zhì)量預(yù)報、減排措施制定和評估等環(huán)境服務(wù)和管理工作有所裨益。

1 模型方法

1.1 SHERPA模型

SHERPA是歐洲委員會聯(lián)合研究中心(European Commission Joint Research Centre)在歐盟空氣質(zhì)量主題戰(zhàn)略(COM 2005 446)和歐盟指令(2008/50/EC)框架下開發(fā)的基于污染物排放和濃度關(guān)系的情景模擬模型。其主要作用是通過篩選主要污染源及其相關(guān)信息，有針對性地制定和評估研究區(qū)域空氣質(zhì)量控制規(guī)劃和減排措施，為科研人員和管理部門提供技術(shù)支持。

SHERPA模型主要由以下3個輸出模塊組成：

1)污染物來源分析：該模塊可提供研究區(qū)域的污染源分類、前體物信息等，這些數(shù)據(jù)可用于分析空氣污染本地治理的可管控程度。模型通過識別所選地區(qū)污染物來源(本地或外來傳輸)，初步判斷減排方案的可行性。如果研究區(qū)域的大部分污染物源自外來傳輸，則通過本地減排措施改善空氣質(zhì)量的幅度就較小，反之則較大。因此，污染物來源分析模塊可為環(huán)境管理部門初步分析其空氣污染本地治理的可控程度。

2)決策支持：該模塊用于識別研究區(qū)域主要污染源來源地，并通過測算相應(yīng)國家或區(qū)域?qū)ρ芯康貐^(qū)空氣污染的貢獻水平，確定區(qū)域聯(lián)防聯(lián)控的優(yōu)先次序，提高空氣質(zhì)量治理效率。

3)情景模擬：該模塊在污染排放的主要行業(yè)和來源確定后，可根據(jù)特定污染排放行業(yè)的排放強度和空間覆蓋情況制定不同的減排方案，進行情景模擬分析，評估不同減排方案對空氣質(zhì)量改善的作用效果。

與其他減排情景模擬評估工具相比，SHERPA模型主要具有3個特點：①空間靈活性較好，理論上通過提前輸入相關(guān)參數(shù)和排放源清單，可為任意選定的研究區(qū)域提供減排措施評估；②運算速度快，對于歐洲的研究區(qū)域，模型運算通常僅需要幾分鐘，可快速提供計算結(jié)果和決策支持信息，與模型使用者具有較好的交互性；③操作簡便，SHERPA基于空氣質(zhì)量模型(AQM)模擬，但簡化了排放源與受體的關(guān)系(SRR)，將排放與濃度改變聯(lián)系起來，因此減少計算過程和時間，使操作更為簡便?？傊琒HERPA在保障較高模擬準確度的同時，保留了上述3個特點，其運算結(jié)果與基于排放源與受體關(guān)系的空氣質(zhì)量模型模擬結(jié)果一致[14]。

1.2 排放源與受體關(guān)系(SRR)

空氣質(zhì)量數(shù)值模型在進行模擬時，為大氣中復雜的傳輸、擴散和化學過程提供了污染物濃度場，每個網(wǎng)格單元中污染物的濃度都是遍布于整個模型的排放源的函數(shù)。每次減排模擬評估，都需要調(diào)整污染源初始排放，重新運行模式，計算濃度變化。這種方法非常準確，但需要大量的計算時間。因此，在進行減排模擬評估(特別是在處理大量排放源變化)時，為了較為快速的獲得模擬結(jié)果，需要適當簡化排放源與污染物濃度之間的關(guān)系。SHERPA模型利用了簡化排放源和濃度關(guān)系的方法以提高模型運算速度，即假設(shè)排放源和污染物濃度之間是線性關(guān)系。THUNIS等[15-16]已經(jīng)證實在處理年度或季度平均濃度時，這種線性關(guān)系是成立的。SHERPA中單個網(wǎng)格單元污染物濃度(ΔCi)隨排放變化可用公式(1)[14]來表示。

(1)

式中：i為被估算的網(wǎng)格單元；j為污染前體物；k為排放源網(wǎng)格單元內(nèi)排放源的聚合，它存在于研究區(qū)域所有網(wǎng)格單元中。ΔCi為被估算的網(wǎng)格單元i的濃度變化；ai,j,k為被估算的網(wǎng)格單元i因污染前體物j在聚合k中隨排放變化所引起的濃度變化的系數(shù)；ΔEj,k表示排放源網(wǎng)格單元j中污染前體物聚合k的排放量變化。prec為污染前體物(precursor)；cell為網(wǎng)格單元。SHERPA模型在排放源和污染物濃度之間建立的線性關(guān)系，主要好處之一就是使運算具備較強的空間靈活性。一旦獲得系數(shù)a，公式(1)就可以給出任何地理區(qū)域因污染物排放變化所引起的濃度變化，而不需要額外進行模擬計算。

然而逐個網(wǎng)格單元的計算，意味著需要計算大量的系數(shù)a，進而需要先行進行大量的空氣質(zhì)量模型模擬運算，延長計算時間。為了解決這個問題，SHERPA開發(fā)者在對整個建模領(lǐng)域的所有可用模擬(包括基本情況和場景)進行統(tǒng)計和分析后提出，ΔCi與ΔEj,k之間的關(guān)系隨dik(被估算的網(wǎng)格單元i和排放源網(wǎng)格單元聚合k之間的距離)的增大而減小，而系數(shù)a同樣遵循類似的關(guān)系，并可以近似表示為公式(2)[14]的距離函數(shù)。

ai,j,k=αi,j(1+dik)-ωi,j

(2)

式中：i和j的含義與公式(1)相同；dik表示被估算的網(wǎng)格單元i和排放源網(wǎng)格單元聚合k之間的距離。未知數(shù)α和ω是與每個污染前體物和網(wǎng)格相關(guān)的變量。參數(shù)α與函數(shù)的振幅有關(guān)，表示一個污染前體物相對于另一個污染前體物的重要性。參數(shù)ω則與函數(shù)的寬度有關(guān)，提供與距離相關(guān)的污染物降解速度的相關(guān)信息，它與氣象影響因素(特別是風速)相關(guān)，同時由于一些污染排放前體物在大氣中有較長的停留時間，該參數(shù)也與前體物的種類有關(guān)。公式(2)在每個網(wǎng)格單元中計算過程一樣，但α和ω具有其獨特性。因此，當系數(shù)a轉(zhuǎn)變?yōu)?個未知數(shù)(α和ω)后，計算公式(1)每個網(wǎng)格中的方程數(shù)量為前體物數(shù)量的2倍即可(即2×Nprec)，一定程度上減少了空氣質(zhì)量模型模擬運算。為此，模型開發(fā)者使用了更多的模擬(15～20次)來提高對參數(shù)α和ω估算的準確率[14]。

理論上，SHERPA在輸入適當數(shù)據(jù)后可應(yīng)用于任何研究地區(qū)。所需的輸入數(shù)據(jù)包括：①覆蓋研究區(qū)域的詳細網(wǎng)格化污染源排放清單，包括排放行業(yè)和污染前體物清單；②一系列經(jīng)過15～20次空氣質(zhì)量模型模擬的預(yù)先定義的排放場景所生成的排放源與受體關(guān)系；③與用戶選定研究區(qū)域排放源網(wǎng)格文件相一致的圖形文件清單表格，這些文件將用于篩選可能采取減排措施的區(qū)域。

該研究SHERPA模型中污染傳輸模型采用CHIMERE[17]，其在整個歐洲區(qū)域的空間分辨率為7×7 km2。污染源排放清單以修訂后的MACC-TNO排放清單[18-19]為基礎(chǔ)。氣象輸入數(shù)據(jù)基于歐洲中期天氣預(yù)報中心(ECMWF)2010年集成預(yù)報系統(tǒng)(IFS)的預(yù)報結(jié)果。減排區(qū)域的定義基于歐洲區(qū)域命名法(NUTS)，包括NUTS0(國家)、NUTS1(大區(qū))、NUTS2(區(qū)域)和NUTS3(省級)共4層[20-21]。模型在歐洲地區(qū)研究的運算時間小于5 min。

1.3 評估

SHERPA在建模過程中通過AQM對污染物排放量減少所取得的減排效果進行一系列模擬，來推導SRR。建模的第一階段，先減少每種污染前體物排放量的50%；第二階段，將每種污染前體物同時降低，模擬減排幅度介于當前立法水平(CLE)和最大可行減少水平(MFR)之間[22]，通過一系列的模擬過程，來計算每個網(wǎng)格單元和污染前體物的SRR系數(shù)(α和ω)的值。在模型評估過程中，考慮了歐洲每年的PM2.5濃度及其污染物(PPM、SO2、NOx、VOC和NH3)的濃度，并通過比較SRR和AQM對空氣質(zhì)量實況和減排模擬所達到的污染物濃度改變進行評估。對法國等國家和地區(qū)的不同減排情景模擬評估結(jié)果表明：所有模擬減排情景相對于AQM的相對偏差均小于10%，處于可接受水平；模擬減排措施適用于所有研究的污染物，其排放量最大可減少60%[14]。同時，評估測試結(jié)果還表明，無論在多大程度上應(yīng)用減排，無論評估對象在空間上如何復雜，對于簡化后的SRR的假設(shè)都有效[14]。

2 模型應(yīng)用

2.1 研究對象

法國位于歐洲西部，北臨北海，與比利時、盧森堡、德國等接壤，陸地面積約為55萬km2，人口約為6 699萬[23]，包括9個NUTS2共計26個NUTS3區(qū)域。研究基于SHERPA模型，以PM10、PM2.5和NO2為研究對象，重點分析PPM、NOx、SO2、VOC、NH3等污染前體物的變化對法國環(huán)境空氣中PM10、PM2.5和NO2年均濃度的影響，并對環(huán)境空氣中主要污染物進行來源分析、決策管理支持分析和情景模擬分析，以展示SHERPA模型在規(guī)劃和評估空氣質(zhì)量管理方面的作用。

2.2 污染物來源分析

SHERPA模型通過計算排放源及前體物對環(huán)境空氣中PM2.5、PM10和NO2的貢獻，得出法國本地管控措施對上述污染物的最大可減排量分別為45%、35%和80%。如圖1所示，通過選擇控制法國本地不同行業(yè)污染源〔圖1(a)〕或控制本地PPM、SOx、NOx、VOC、NH3等前體物〔圖1(b)〕等2種手段，都可以達到相同的最大減排控制效果。

圖1 按污染源和前體物劃分的最大累計可減排量Fig.1 The maximum reduction according to the pollution source (a) and precursor (b)

如圖1(a)所示，針對不同污染源進行減排模擬分析時，按照SNAP(Standard Nomenclature for Air Pollution)排放源目錄分類[24]，降低本地農(nóng)業(yè)和道路交通源對消減PM2.5和PM10的影響最大。通過控制這兩類排放源，最多可降低25%的PM2.5和19%的PM10排放。降低道路交通源和非道路交通源排放，對降低NO2濃度的影響最大，兩類排放源累計最多可減少56%的NOx排放。

如圖1(b)所示，以污染前體物為對象進行減排模擬分析時，降低PPM、NOx和NH3對消減PM2.5和PM10含量影響最大，降低所有行業(yè)PPM、NOx、NH3源排放最多可累計降低44%的PM2.5和35%的PM10濃度。而SOx和VOC可管控余地不大，其對顆粒物影響相對較小，累計顆粒物可減排量約為1%。此外，PM2.5、PM10和NO2無法通過本地減排措施降低的含量分別為55%、65%、20%，此部分污染主要源于區(qū)域間污染傳輸、自然界污染(如風沙)等因素。

2.3 決策管理

SHERPA模型在提供管理決策支持模擬運算時，會根據(jù)不同國家或地區(qū)不同污染源的排放對研究所選需管控地區(qū)影響程度的大小進行排序，從而制定應(yīng)對策略。圖2展示了歐洲所有NUTS0地區(qū)道路交通源排放對選定研究區(qū)域(巴黎盆地南部安德爾省附近點位)環(huán)境空氣中PM2.5、PM10和NO2濃度的影響程度。如圖所示，所選研究區(qū)域位于法國內(nèi)陸中心地區(qū)，本地道路源排放對該地區(qū)空氣中PM2.5、PM10和NO2濃度的影響分別占9.49%、6.92%、45.13%，貢獻比例相對較高。德國、英國、意大利影響次之，其道路交通源貢獻比例大約為0.5%～0.9%。模式運算表明，控制法國國內(nèi)道路源排放，對安德爾省所選研究區(qū)域空氣質(zhì)量改善有較大作用。

圖3為法國東北部邊境地區(qū)摩澤爾省附近點位受其他地區(qū)道路交通源排放影響的程度。結(jié)果表明，法國本地道路源排放影響仍相對較大，對摩澤爾省附近點位環(huán)境空氣中PM2.5、PM10和NO2污染貢獻的比例分別為6.29%、5.25%和24.42%。與對法國中心地區(qū)安德爾省點位(內(nèi)陸地區(qū))的研究結(jié)果比較，相鄰國家(區(qū)域)間排放傳輸?shù)挠绊戄^為顯著，如德國對其PM2.5、PM10和NO2污染貢獻分別為4.76%、4.07%、10.71%，盧森堡和瑞士的貢獻分別為0.92%、0.77%、1.82%和0.53%、0.45%、0.82%。上述結(jié)果表明該地區(qū)受本地和外來傳輸?shù)缆方煌ㄔ吹墓餐绊?。因此，該研究目標區(qū)域在控制道路交通源對空氣質(zhì)量的影響時，除了減少本地道路源的排放，還需要國家(區(qū)域)之間的通力協(xié)作。

注：底圖源自歐盟委員會歐洲統(tǒng)計局官方發(fā)布地圖數(shù)據(jù)及NUTS數(shù)據(jù)網(wǎng)站(http://ec. europa.eu/eurostat/web/nts/nuts-map-.pdf)1∶2 000萬歐洲矢量底圖。下同。圖2 道路交通源對安德爾省附近點位(內(nèi)陸地區(qū))PM2.5、PM10和NO2污染貢獻示意圖Fig.2 The traffic pollutant source contribution to PM2.5，PM10 and NO2 around Indre(inland area)

圖3 道路交通源對摩澤爾省附近點位(邊境點位)PM2.5、PM10和NO2污染貢獻示意圖Fig.3 The traffic pollutant source contribution to PM2.5,PM10 and NO2 around Moselle(border areas)

2.4 減排情景模擬

基于上述污染來源分析結(jié)果和管理需求，模型使用者可根據(jù)區(qū)域協(xié)調(diào)和排放源管理實際工作情況，選擇減排方案，通過控制污染源或前體物的消減比例進行情景模擬分析，了解減排預(yù)期效果。

根據(jù)世界衛(wèi)生組織2016年城市空氣質(zhì)量數(shù)據(jù)庫中2014年法國PM2.5數(shù)據(jù)[25]，位于法國中北部的法蘭西島及其周邊巴黎盆地地區(qū)污染相對較重，因此筆者選取該地區(qū)進行PM2.5減排模擬分析(表1)。模擬結(jié)果表明，在不采取措施時，法蘭西島及其臨近地區(qū)PM2.5年平均濃度范圍為12～25 μg/m3(圖4)，與代表區(qū)域的典型城市年均PM2.5實況結(jié)果相比，相對誤差范圍為-36%～17%，準確趨勢基本相符。

表1 法蘭西島及其周邊地區(qū)PM2.5年均值模擬結(jié)果和代表城市實測結(jié)果Table 1 Comparison between simulated and observed annual average PM2.5 concentration in Ile-de-France area and typical cities

當選擇對本地PM2.5生成前體物或排放源進行控制、降低本地50%排放量后，模擬結(jié)果表明法蘭西島PM2.5濃度最高可降低11 μg/m3，巴黎盆地周邊PM2.5濃度可降低2.5～10 μg/m3(圖5)。

圖4 無減排措施下法蘭西島 PM2.5年均濃度模擬圖Fig.4 The annual average concentration of PM2.5 without emission reduction measures in Ile-de-France

圖5 50%減排措施時巴黎盆地中心及 周邊地區(qū)降低的PM2.5平均濃度模擬圖Fig.5 The reduced annual average concentration of PM2.5 with 50% emission reduction around Ile-de-France

此外，在進行減排效果模擬分析時，SHERPA模型還可根據(jù)所選NUTS層級的不同，進一步分析和展示不同空間尺度下各地區(qū)的減排效果。如對法蘭西島及其外圍巴黎盆地地區(qū)實施50%減排措施時，可使法國NUTS0(國家)尺度整體年均PM2.5濃度降低0.86 μg/m3，巴黎盆地地區(qū)NUTS1(大區(qū))尺度降低2.28 μg/m3，法蘭西島、勃艮第、庇卡底等地區(qū)NUTS2(區(qū)域)尺度降低1.93～3.08 μg/m3，安德爾、巴黎地區(qū)NUTS3(省級)尺度降低1.47～9.94 μg/m3(圖6)。

圖6 50%減排措施下法國不同空間尺度PM2.5消減量模擬圖Fig.6 The reduced annual average concentration of PM2.5 with 50% emission reduction in NUTS0，NUTS1，NUTS2，NUTS3 areas

3 結(jié)論與建議

基于SHERPA模型以法國為研究對象開展了環(huán)境空氣中主要污染物來源分析、環(huán)境管理決策分析和情景模擬分析，得出以下主要結(jié)論：①采取控制法國本地不同行業(yè)污染源排放或前體物排放情況下，最多可使空氣中PM2.5、PM10和NO2年均質(zhì)量濃度降低約45%、35%和80%；②法國本地道路交通源排放對內(nèi)陸地區(qū)或邊境地區(qū)PM2.5、PM10和NO2污染的影響最大，德國道路交通源排放傳輸對法國東部邊境地區(qū)的影響較為顯著；③對法國中部法蘭西島及其外圍巴黎盆地地區(qū)PM2.5整體減排50%時，可使相應(yīng)地區(qū)PM2.5年均濃度降低2.5～11 μg/m3。

SHERPA模型與其他集合評估模型相比，具有空間靈活性好、運算速度快等優(yōu)點，盡管目前主要應(yīng)用于歐洲地區(qū)，但在輸入目標區(qū)域排放源清單、SRR并進行圖形文件格式設(shè)置后，可應(yīng)用于任何地區(qū)空氣質(zhì)量管理，可分析不同排放源及污染前體物對目標研究區(qū)域空氣質(zhì)量的影響，進而評估本地管控措施的減排效果，計算外來輸送對本地區(qū)的影響程度，以較短的模型計算時間、較強的空間靈活性模擬不同地區(qū)的減排效果，為模型使用者或環(huán)境政策制定者提供參考建議，這對中國環(huán)境質(zhì)量管理措施的制定和成效評估具有非常實用的借鑒意義。

由于SHERPA模型基于環(huán)境質(zhì)量預(yù)報模型排放源與受體關(guān)系的基本原理開發(fā)，與目前中國常用的環(huán)境質(zhì)量預(yù)測預(yù)報數(shù)值模型類似，其模型設(shè)置和運算需要輸入研究區(qū)域精細化網(wǎng)格化污染物排放清單，因此，排放清單的準確程度對模型模擬結(jié)果影響顯著。目前，SHERPA模型主要適用于季度或年度減排控制措施的效果評估，以月或日為時間單位的短期減排效果模擬評估有待進一步研究探索。