羊騰躍 劉紅年 王學(xué)遠(yuǎn) 胡非

(1 南京大學(xué) 大氣科學(xué)學(xué)院,南京 210023;2 中國科學(xué)院大氣物理研究所,北京 100029)

引 言

21世紀(jì)以來,隨著中國經(jīng)濟(jì)的高速增長,我國城市空氣污染也日益嚴(yán)重,以灰霾問題為首的城市空氣質(zhì)量問題一直是研究熱點[1-2]。近年來,我國積極實施空氣污染治理舉措[3],城市空氣質(zhì)量總體雖呈現(xiàn)好轉(zhuǎn)趨勢,但城市空氣污染狀況仍不容樂觀。例如2012—2018年我國PM2.5的污染基本呈逐年減輕的趨勢,但同時O3的污染卻日益嚴(yán)重[4-5]。以長三角地區(qū)主要城市為例,由O3引起的城市空氣質(zhì)量超標(biāo)占總超標(biāo)天數(shù)的比例從2015年的37.2%上升到了2018年的44.3%[4]。

城市空氣污染最重要成因是污染物的排放和不利的氣象條件,對此已有相當(dāng)多的研究[6],例如,ZHANG, et al[7]研究發(fā)現(xiàn),居民燃煤貢獻(xiàn)了京津冀三角冬季月平均PM2.5濃度的46%。任陣海等[8]發(fā)現(xiàn),持續(xù)的晴天和大范圍高壓均壓場條件下容易使重污染區(qū)邊界層逆溫厚度增大,從而形成局地嚴(yán)重污染的天氣條件。LIU, et al[9]研究指出,在污染物排放變化不大的條件下,不利的氣象條件是嚴(yán)重污染事件形成的關(guān)鍵因素。

除排放因素和氣象條件以外,城市下墊面也可以通過影響城市氣象[10],從而改變污染擴(kuò)散。如Batterman, et al[11]通過北京市12個監(jiān)測點近2 a的PM2.5濃度觀測數(shù)據(jù),發(fā)現(xiàn)局地人類活動和土地利用的差異,可以解釋PM2.5濃度71%的空間變化。WANG, et al[12]利用大氣動力學(xué)和化學(xué)模型研究了珠江三角洲地區(qū)城市土地利用變化對O3濃度的影響,發(fā)現(xiàn)O3濃度增加的主要區(qū)域與溫度升高、風(fēng)速降低的區(qū)域相一致,并且O3濃度增長最快的時間發(fā)生在溫度增加與風(fēng)速降低最快時間發(fā)生后的幾個小時。LIU, et al[13]研究發(fā)現(xiàn),在杭州高度城市化地區(qū),PM2.5濃度增加30 μg·m-3,平均能見度降低0.2 km,最大下降1 km;日平均霾小時數(shù)增加0.46 h,霾高度增加100～300 m,污染物“自凈時間”增加1.5倍。

目前關(guān)于城市氣象對空氣污染影響的研究主要集中在城市的總體效應(yīng),如有無城市、城市化發(fā)展等方面[14-16]。城市對局地氣象條件的影響相對比較復(fù)雜,其物理過程主要可以分為動力效應(yīng)、熱力效應(yīng)、城市植被作用等。其中,城市的動力效應(yīng)主要指城市建筑對氣流的阻尼作用,使風(fēng)速減小;而城市的熱力效應(yīng)則是城市下墊面熱力學(xué)性質(zhì)的改變和人為熱的排放造成的以城市熱島為特征的局地環(huán)流[17]。城市植被由于增加了污染物干沉降速度,從而降低城市污染物濃度[18]。

目前,關(guān)于這些物理過程對污染物影響的研究還比較缺乏。鑒于此,本文使用RBLM-chem模式,利用杭州市高分辨率城市建筑等資料,通過敏感性試驗的方法,定量分析城市動力效應(yīng)、熱力效應(yīng)以及城市植被、人為熱對SO2、NO2、O3和PM2.5等主要污染物濃度所造成的影響;同時研究城市下墊面對城市植被干沉降速度的影響,探究各種因素對城市空氣質(zhì)量帶來的影響。

1 模式介紹與方案設(shè)計

1.1 模式介紹

數(shù)值模式使用RBLM-Chem(Regional Boundary Layer Model)模式。該模式主要由兩部分構(gòu)成,以區(qū)域邊界層氣象模式RBLM為基礎(chǔ),耦合了大氣化學(xué)輸送擴(kuò)散模式ACTDM(Atmospheric Chemical Transport and Dispersion Model)。RBLM是以 ARPS(Advanced Regional PredictionSystem)模式為基礎(chǔ)發(fā)展而來的一個三維的、非靜力的、高分辨率區(qū)域氣象數(shù)值預(yù)報模式。該模式在 ARPS 模式動力框架基礎(chǔ)上詳細(xì)考慮了城市下墊面特征及人為因素等對邊界層結(jié)構(gòu)的影響。徐敏等[19]在動量、湍能方程中加入了城市建筑物拖曳項,使之能夠更準(zhǔn)確地模擬城市建筑所表現(xiàn)出的氣象特征。何曉鳳等[20-21]在冠層模型理論框架基礎(chǔ)上,發(fā)展并建立了城市冠層模式(NJU-UCM-S),并將其與模式耦合,完善了RBLM模式對城市區(qū)域陸面過程的參數(shù)化方案。YANG, et al[22]發(fā)展建立了新的城市樹木冠層模型和植被干沉降模塊。ACTDM是一個包含多物種源排放、輸送擴(kuò)散、化學(xué)轉(zhuǎn)化、干濕沉降過程的大氣污染物濃度預(yù)報模式[23]，且將ACTDM與RBLM進(jìn)行耦合,并建立了植被干沉降模塊,將RBLM發(fā)展為新的區(qū)域邊界層化學(xué)模式(RBLM-Chem),使之適用于城市及區(qū)域尺度的氣象與大氣環(huán)境高分辨率數(shù)值模擬研究[18]。

1.2 方案設(shè)計

模式模擬區(qū)域是以(30.16°N、120.075°E)為中心的145 km×95 km范圍,涵蓋了杭州市主要區(qū)域。如圖1所示,水平網(wǎng)格距為1 km,垂直方向采用拉伸網(wǎng)格,最低層格距為10 m,垂直方向共33層, 模式頂高4 500 m。

圖1給出了模擬域地表類型(a)、城市植被覆蓋率(b)、建筑高度(c)和建筑密度(d)。根據(jù)杭州市城市規(guī)劃部門10 m分辨率的建筑資料,平均得到的建筑高度和建筑密度分布(圖1c、d)?？梢?高大密集的建筑主要集中在杭州市主城區(qū)與蕭山區(qū)。

圖1 模擬域地表類型(a)、城市植被覆蓋率(b)、建筑高度(c)和建筑密度(d)(a中色標(biāo)5、7、10、11、14分別表示城市、常綠林、農(nóng)田、灌木、水體；其中藍(lán)色區(qū)域代表杭州市市區(qū),紅色區(qū)域代表水體,貫穿模擬域的徑流為錢塘江;b是地表類型為城市時的城市植被覆蓋率)Fig.1 (a)Surface type, (b)urban vegetation coverage, (c)building height and (d)building density in simulation area(color codes 5, 7, 10, 11 and 14 in a refer to city, often greenwood, farmland, shrub and water)

模式所用的1 km分辨率排放源資料包括SO2、NOx、PM10、PM2.5、HC、CO等,來自于杭州市環(huán)保局,包括工業(yè)點源、生活面源和交通排放源3種人為排放[13]。此外模式參考趙斌等[24]增加了杭州市PM10與PM2.5的交通揚塵排放;模式中還考慮了植被的VOC排放,在模式中根據(jù)地表類型和氣象場實時計算[18]。

杭州市氣象局采用Lamb-Jenkinson大氣環(huán)流客觀分型方法,將杭州地區(qū)2010—2015年大氣環(huán)流分為27種類型[25]。本文選擇了晴天且出現(xiàn)頻率較高的E、SE、S、UD、A、AE、ANE等天氣類型個例,對冬、夏季節(jié)典型天氣具有一定的代表性。個例共10例,分別為2013年8月3日、8月15日、8月21日、8月23日、8月26日、12月1日、12月16日、12月18日、12月23日、12月27日。其中夏季5 d,冬季5 d。在這10個個例中,模擬都從08時(北京時，下同)開始,模擬時間25 h,時間步長4 s。

本文設(shè)計了Basecase、No_urban、No_build、No_heat、No_tree共5組數(shù)值試驗(表1)。其中,Basecase為基本試驗,其余4組為對照試驗。在四組對照試驗中,No_urban組在Basecase基礎(chǔ)上去除了城市影響,即將城市地表類型改為農(nóng)田,去除城市建筑和人為熱;No_build組在Basecase基礎(chǔ)上去除城市建筑,但保留城市地表類型;No_heat組和No_tree組分別在Basecase基礎(chǔ)上去除了人為熱和城市植被。通過比較Basecase與No_urban、No_build 、No_tree、No_heat組的結(jié)果,即可分別得到城市效應(yīng)、城市動力效應(yīng)、城市植被、人為熱的影響。另外,在No_build組與No_urban組的設(shè)計中,兩組區(qū)別為有無人為熱和城市冠層,因此比較兩組試驗的結(jié)果即可得到城市熱力效應(yīng)的影響。

表1 數(shù)值試驗方案設(shè)置Table 1 Set-up of the simulations

2 模擬結(jié)果與分析

2.1 模擬性能檢驗

為了驗證模式模擬結(jié)果的可靠性,表2給出了模擬區(qū)域7個氣象站和10個環(huán)境監(jiān)測站觀測結(jié)果和模擬結(jié)果的統(tǒng)計對比。結(jié)果表明，對氣溫和相對濕度的平均誤差分別為0.3 ℃和3.9%,氣象場模擬總體上與觀測結(jié)果吻合地較好。污染物濃度方面,模式對SO2、NO2、O3、PM10和PM2.5的平均誤差分別為-6.0、1.1、-0.9、6.6和2.9 μg·m-3。在模擬區(qū)域,NO2、O3、PM10和PM2.5濃度模擬的相對誤差都很小,與觀測結(jié)果比較吻合?？傮w上看,模式對于研究區(qū)域氣象場與污染物濃度的模擬比較可信。

表2 觀測和模擬結(jié)果統(tǒng)計對比Table 2 Statistics of observations and simulations

2.2 結(jié)果分析

圖2給出了在所有個例的全天平均下,杭州地區(qū)城市化對地面氣象場的影響?？梢钥吹?城市化過程使得城區(qū)溫度上升1 ℃左右,在中心城區(qū),如拱墅區(qū)、下城區(qū),上升達(dá)到了2 ℃。在兩個試驗組郊區(qū)溫度基本不變的情況下,表現(xiàn)出了典型的城市“熱島”特征。城市化過程也使得城區(qū)相對濕度下降6%左右,中心城區(qū)下降幅度接近10%,表現(xiàn)出了典型的城市“干島”特征。同時,比濕下降幅度較小,城市下墊面改變使得地表蒸發(fā)減小的作用不是很明顯,這可能和杭州綠化率較高以及西湖、錢塘江水域面積較大有關(guān)。而城市相對濕度的下降主要是由城市熱島效應(yīng)造成城市氣溫、飽和水汽壓上升引起的。此外,城市化過程中增加了城市建筑動力效應(yīng),對風(fēng)的拖曳阻尼作用增強隨著加強,使得城區(qū)風(fēng)速下降,可達(dá)0.8 m·s-1左右。城區(qū)風(fēng)速雖然下降,湍流動能卻有著顯著增加,在大部分區(qū)域上升約0.03 m2·s-2。這是因為城市熱力上升作用比較明顯,加之下墊面較為粗糙,造成湍流運動比較顯著。城市風(fēng)速衰減主要是由動力學(xué)效應(yīng)造成的,城市熱島效應(yīng)主要由城市冠層和人為熱效應(yīng)造成的,其他幾組試驗造成的城市氣象場的變化本文不再給出。

圖2 城市化引起的2 m氣溫(a，單位:K)、相對濕度(b，單位:%)、風(fēng)速(c，單位:m·s-1)以及湍流動能(d，單位:m2·s-2)變化(Basecase-No_urban)Fig.2 Impact of the urbanization on 2 m air temperature(a,unit: K), relative humidity(b,unit: %),wind speed(c,unit: m·s-1)and TKE(d,unit: m2·s-2)(Basecase-No_urban)

相對于Basecase、No_build組僅去除了城市建筑,兩組試驗結(jié)果之差體現(xiàn)了城市動力效應(yīng)的影響。圖3給出了城市動力效應(yīng)對SO2、NO2、O3和PM2.5地面濃度的影響?？梢?城市動力效應(yīng)對不同污染物的影響各不相同,且存在空間差異?？傮w而言,其效應(yīng)使得城區(qū)大部分區(qū)域污染物濃度升高,如SO2有接近5 μg·m-3的濃度上升,PM2.5、O3濃度也有近15 μg·m-3的上升。城市的動力效應(yīng)存在空間差異,主要和建筑高度、建筑密度的空間差異有關(guān),建筑高度和密度較大的主城區(qū)污染物濃度增加顯著。城市化過程中,城市高大建筑群和交錯復(fù)雜的道路取代了農(nóng)田、綠地,使得城區(qū)下墊面粗糙度增大,直接導(dǎo)致了城市風(fēng)速衰減,不利于污染物的擴(kuò)散作用,從而使得污染物濃度升高。

圖3 城市動力效應(yīng)對(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; Basecase-No_build)Fig.3 Impact of the urban dynamics effect on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_build)

城市熱力效應(yīng)包括城市地表類型改變產(chǎn)生的城市冠層熱力效應(yīng)和人為熱排放效應(yīng)。在No_build組與No_urban組的設(shè)計中,兩組區(qū)別為有無人為熱和城市冠層,因此兩組試驗結(jié)果相減即可得到城市熱力效應(yīng)的影響。

圖4給出了城市熱力效應(yīng)對SO2、NO2、O3和PM2.5地面濃度的影響?？梢?NO2、O3和PM2.5城區(qū)濃度都有明顯下降,其中以PM2.5濃度的下降最為顯著,在城市大部分區(qū)域降低約5 μg·m-3,部分區(qū)域下降幅度甚至達(dá)到20 μg·m-3。而NO2、O3濃度下降的區(qū)域相對而言分布較為集中,沒有像PM2.5那樣覆蓋大半個城區(qū),但在相應(yīng)區(qū)域,濃度下降幅度較大,NO2濃度的下降幅度接近20 μg·m-3,O3濃度的下降幅度接近5 μg·m-3。城市下墊面熱力學(xué)性質(zhì)的改變和人為熱的排放使得城市地區(qū)形成了以熱島效應(yīng)為特征的局地環(huán)流,而這種局地環(huán)流促進(jìn)了污染物從城市地面向高空輸送,使得城市地區(qū)污染物濃度降低[17]。

圖4 城市熱力效應(yīng)對(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; No_build-No_urban)Fig.4 Impact of the urban thermodynamic effect on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; No_build-No_urban)

上文分別分析城市動力效應(yīng)與熱力效應(yīng)對污染物濃度的影響,實際上,城市動力效應(yīng)是與熱力效應(yīng)共同作用、相互影響的。例如以熱力驅(qū)動的城市熱島局地環(huán)流會受到城市建筑物的動力作用,從而改變風(fēng)場與湍流分布,繼而又會影響熱量的輸送。下文通過比較有無城市的Basecase與No_urban組結(jié)果,研究城市動力學(xué)和熱力學(xué)的綜合效應(yīng)(圖5)。可見,在城市綜合效應(yīng)影響下,大部分城市區(qū)域的污染物濃度還是呈現(xiàn)升高的結(jié)果。通過之前圖3與圖4的分析可知,在本次試驗中,城市動力效應(yīng)使得污染物濃度升高,城市熱力效應(yīng)使得污染物濃度降低,而城市動力效應(yīng)大于熱力效應(yīng),城市的總體作用是使污染物濃度升高。因此,圖5中污染物濃度的分布總體上與圖3比較相近,最終,污染物濃度也呈升高趨勢。

圖5 城市綜合效應(yīng)對(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; Basecase-No_urban)Fig.5 Impact of the urbanization on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_urban)

由于城市區(qū)域人口、生產(chǎn)、生活集中,產(chǎn)生了大量人為熱,人為熱效應(yīng)城市熱力效應(yīng)有重要貢獻(xiàn),也對城市區(qū)域污染物濃度分布也有重要影響。圖6給出了人為熱對SO2、NO2、O3和PM2.5地面濃度的影響。人為熱對城市地區(qū)各項污染物濃度都起著減小的作用,其中SO2、NO2、O3、PM2.5濃度降幅分別在2.5、 3.0 、6.0、10.0 μg·m-3左右,下降比較明顯的區(qū)域主要集中在原本污染物濃度排放較為密集的區(qū)域。人為熱可以在一定程度上增加下墊面的溫度,從而更有利于城市地區(qū)氣流的熱力上升運動,裹挾著污染物離開地表,進(jìn)入高層后擴(kuò)散輸送。對比圖4發(fā)現(xiàn),人為熱效應(yīng)作為城市熱力效應(yīng)的一部分,對污染物濃度的上升作用小于城市熱力效應(yīng)。

圖6 人為熱對(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; Basecase-No_heat)Fig.6 Impact of the anthropogenic heat on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_heat)

城市植被主要通過吸收、吸附污染物緩解城市地區(qū)污染。許多城市都把增加城市植被覆蓋率作為改善城市空氣質(zhì)量的辦法。通過比較Basecase與No_tree組結(jié)果(圖7),定量研究了城市植被對污染物的影響。由圖7可見,城市植被可以顯著降低城市地區(qū)污染物濃度。其中,主城區(qū)SO2濃度的降幅在2.5 μg·m-3左右,NO2濃度的下降不太明顯,部分地區(qū)濃度上升。O3、PM2.5濃度的降幅分別為4.0、6.0 μg·m-3左右。在本次試驗中,植被對SO2、O3和PM2.5濃度的下降作用比較顯著,而對NO2的作用則比較復(fù)雜。在RBLM-chem模式中,考慮了植被VOC排放,植被的作用既增加了污染物的干沉降速度,又增加了光化學(xué)反應(yīng)的重要前體物。

圖7 城市植被對(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面濃度的影響(單位:μg·m-3; Basecase-No_tree)Fig.7 Impact of the urban vegetation on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_tree)

植被增加污染物的干沉降速度是其影響污染物濃度的重要機(jī)制。下文將比較城市/農(nóng)田下墊面,有/無城市植被,對污染物干沉降速度的影響。

圖8為Basecase與No_urban組SO2、NO2、O3和PM2.5干沉降速度之差。可以看到,城市效應(yīng)使得城區(qū)污染物干沉降速度明顯降低。SO2、NO2的干沉降速度都有接近0.2 m·s-1的下降,而O3的下降幅度較低,約為0.08 m·s-1。城市對污染物干沉降速度的影響主要包括兩方面,一是城市地表類型代替了農(nóng)田地表類型,相比城市,農(nóng)田地表類型具有更為豐富的植被,對污染物的吸附阻力較大,因此城市地表類型的變化使干沉降速度減小;另一方面,城市氣象條件的變化使城市湍流能量加大,可能增加污染物的干沉降。在本文模擬中,城市化使污染物干沉降速度下降,可見主要是前者起了主要作用。

圖8 城市效應(yīng)對(a)SO2、(b)NO2、(c)O3和(d)PM2.5干沉降速度的影響(單位:m·s-1; Basecase-No_urban)Fig.8 Impact of the urbanization on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 dry deposition velocity (unit: m·s-1; Basecase-No_urban)

圖9為城市植被對SO2、NO2、O3和PM2.5干沉降速度的影響(Basecase-No_tree組,其余同上)。發(fā)現(xiàn)向城市區(qū)域引入城市植被后,在城市植被覆蓋的區(qū)域,污染物干沉降速度顯著上升。其中SO2、NO2的干沉降速度增幅較大,接近0.1 m·s-1;PM2.5的干沉降速度增幅較小,約為0.06 m·s-1,O3的干沉降速度增幅最小,約0.03 m·s-1。

圖9 城市植被對(a)SO2、(b)NO2、(c)O3和(d)PM2.5干沉降速度的影響(單位:m·s-1; Basecase-No_tree)Fig.9 Impact of the urban vegetation on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 dry deposition velocity (unit: m·s-1; Basecase-No_urban)

3 結(jié)論

利用杭州市高分辨率城市建筑等資料,使用RBLM-chem模式,分析2013年冬季和夏季的10個個例,通過敏感性試驗的方法,定量分析城市動力效應(yīng)、熱力效應(yīng)以及城市植被、人為熱對SO2、NO2、O3、PM2.5等主要污染物濃度所造成的影響。主要結(jié)論如下:

(1)城市化過程使得城區(qū)溫度上升1 ℃左右,在中心城區(qū),如拱墅區(qū)、下城區(qū),上升達(dá)到了2 ℃,表現(xiàn)出了典型的城市“熱島”特征。城市化過程也使得城區(qū)的相對濕度顯著下降,降幅在大部分城區(qū)為6%左右,中心城區(qū)接近10%,表現(xiàn)出了典型的城市“干島”特征。此外,城市化過程增加了城市建筑動力效應(yīng),對風(fēng)的拖曳阻尼作用增強,使得城區(qū)風(fēng)速下降,降幅可達(dá)0.8 m·s-1左右。而城區(qū)湍流動能有著顯著增強,上升約0.03 m2·s-2。

(2)城市動力效應(yīng)總體上使得城區(qū)污染物濃度升高,如SO2濃度有接近5 μg·m-3上升,PM2.5、O3濃度也有近15 μg·m-3的上升。城市熱力效應(yīng)總體上使得城區(qū)污染物濃度降低,其中以PM2.5濃度的下降最為顯著,在城市大部分區(qū)域降低約10 μg·m-3,下降最多的區(qū)域甚至達(dá)到了20 μg·m-3。NO2、O3濃度下降的區(qū)域分布較為集中,但濃度下降顯著,下降幅度分別為20、5 μg·m-3。城市動力效應(yīng)大于熱力效應(yīng),城市的總體作用是使污染物濃度升高。

(3)人為熱對城市地區(qū)各項污染物濃度都起著減小的作用,其中SO2、NO2、O3、PM2.5濃度降幅分別為2.5、 3.0 、6.0、10.0 μg·m-3左右,下降比較明顯的區(qū)域主要集中在原本污染物濃度排放較為密集的區(qū)域。

(4)城市效應(yīng)使得污染物干沉降速度明顯降低,SO2、NO2的干沉降速度都有接近0.2 m·s-1的下降,O3的下降幅度較低,約為0.08 m·s-1。城市植被可以顯著增加污染物干沉降速度,令SO2、NO2、O3和PM2.5的干沉降速度分別上升0.1、0.1、0.03、0.06 m·s-1左右。干沉降速度的上升使得城區(qū)污染物濃度降低,SO2、NO2、O3和PM2.5濃度下降的幅度約為2.5、6.0、4.0、6.0 μg·m-3。

本文數(shù)值試驗主要通過污染物地面濃度的變化來分析城市下墊面對空氣污染的影響。今后可考慮拓寬角度,如分析污染物濃度的垂直剖面,有望對城市熱力效應(yīng)引起的熱島環(huán)流有更直觀的認(rèn)識;也可以考慮對污染物濃度的日變化進(jìn)行分析,探究在污染比較嚴(yán)重的時段,是城市下墊面的哪些因子起了主要作用。此外,盡管本文使用了較為精細(xì)的高分辨率排放源清單,但由于排放源清單制作的滯后性,勢必與實際排放情況有一定偏差。未來考慮使用更新的排放源清單,期望可以提高模擬的真實性、準(zhǔn)確性。