宋昊冬 謝真珍 趙天良 安禮政 邵正艷 王蓓元

收稿日期：2023-12-10

基金項(xiàng)目：國(guó)家自然科學(xué)基金（42075063）；江蘇省大氣環(huán)境監(jiān)測(cè)與污染控制高技術(shù)研究重點(diǎn)實(shí)驗(yàn)室開(kāi)放項(xiàng)目（KHK2005）。

作者簡(jiǎn)介：宋昊冬（1987—），男，江蘇淮安人，工程師，研究方向?yàn)榇髿猸h(huán)境。

摘 要：利用WRF-Chem空氣質(zhì)量模式模擬研究淮安地區(qū)2019年1月12—15日期間的細(xì)顆粒物PM2.5污染過(guò)程，研究結(jié)果表明：污染期間，高空以西北氣流為主，地面均壓場(chǎng)控制，沒(méi)有明顯的冷空氣活動(dòng)，地面風(fēng)速較小，相對(duì)濕度較大，且近地層存在明顯的逆溫，大氣污染水平和垂直擴(kuò)散條件均較差，有利于細(xì)顆粒物PM2.5的形成、積聚和維持；模式對(duì)此次污染過(guò)程的天氣系統(tǒng)演變和PM2.5質(zhì)量濃度有比較好的模擬效果，氣象要素和污染物濃度模擬的相關(guān)系數(shù)分別在0.63和0.74以上，并且均通過(guò)了P＜0.05的顯著性檢驗(yàn)；此次重污染天氣由本地累積和外來(lái)輸送共同引起，江蘇省內(nèi)污染源排放的貢獻(xiàn)率為47%，其中淮安占比為17%。區(qū)域污染物輸送的輸送主要來(lái)自偏西和偏北方向，其中山東、安徽和河南污染物的貢獻(xiàn)率分別為20%、18%和10%，在區(qū)域傳輸中占較大比重。

關(guān)鍵詞：數(shù)值模擬；PM2.5；重污染天氣

中圖分類號(hào)：X513 文獻(xiàn)標(biāo)識(shí)碼：B文章編號(hào)：2095–3305（2024）03–00-03

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，城市化的進(jìn)程迅速推進(jìn)，隨之引起的大氣環(huán)境問(wèn)題也日趨嚴(yán)重[1]。大氣污染防治國(guó)十條發(fā)布以來(lái)，我國(guó)大氣重污染天氣發(fā)生頻次和持續(xù)時(shí)間均有所改善，但長(zhǎng)三角地區(qū)冬季的灰霾天氣仍時(shí)有發(fā)生。由細(xì)顆粒物PM2.5引起的區(qū)域性灰霾天氣，依然嚴(yán)重威脅著人們的健康[2]。

近年來(lái)，越來(lái)越多的專家、學(xué)者開(kāi)展了霧霾相關(guān)內(nèi)容的研究[3-4]。謝真珍等[5]利用常規(guī)氣象、環(huán)境觀測(cè)資料開(kāi)展了淮安地區(qū)一次持續(xù)性霧霾過(guò)程階段性特征及影響因子分析。欒兆鵬等[6]重點(diǎn)研究了降水和風(fēng)對(duì)泰安地區(qū)PM2.5濃度的影響。目前，眾多專家學(xué)者也開(kāi)始側(cè)重于應(yīng)用空氣化學(xué)模式分析重污染天氣的生消原理和污染物的傳輸特征。錢(qián)俊龍等[7]利用WRF-Chem模式開(kāi)展了冷空氣過(guò)程對(duì)江蘇持續(xù)性霾的影響，發(fā)現(xiàn)冷高壓的主體位置對(duì)污染物的輸送有重要影響。吳珂等[8]對(duì)蘇州一次重霾污染天氣過(guò)程進(jìn)行了數(shù)值模擬分析，發(fā)現(xiàn)了該地區(qū)重霾天氣過(guò)程的主要天氣類型、污染物分布特征及其氣象影響因子。

淮安位于江蘇北部，地處中國(guó)南北分界線，隨著工業(yè)的發(fā)展，該地區(qū)的空氣污染情況不容樂(lè)觀。然而，對(duì)于淮安而言，利用數(shù)值模擬的空氣重污染研究相對(duì)較少。利用WRF-Chem，針對(duì)淮安地區(qū)2019年1月中旬一次重污染天氣過(guò)程開(kāi)展模擬分析，為淮安地區(qū)重污染天氣的預(yù)報(bào)預(yù)警提供參考。

1 資料和方法

1.1 氣象要素觀測(cè)資料、再分析資料和PM2.5濃度監(jiān)測(cè)數(shù)據(jù)

地面氣象資料：2019年1月12—15日淮安國(guó)家級(jí)氣象觀測(cè)站逐小時(shí)地面氣溫、風(fēng)向風(fēng)速、相對(duì)濕度等逐小時(shí)觀測(cè)數(shù)據(jù)。溫度垂直分布資料：2019年1月14日08：00淮安國(guó)家基準(zhǔn)氣候站地基微波輻射計(jì)觀測(cè)資料。模式使用的氣象初始場(chǎng)來(lái)自美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心和美國(guó)國(guó)家大氣研究中心聯(lián)合制作的FNL再分析資料。顆粒物監(jiān)測(cè)數(shù)據(jù)來(lái)源于中國(guó)環(huán)境監(jiān)測(cè)總站，本文分析的是淮安國(guó)控點(diǎn)2019年1月12—15日PM2.5濃度逐小時(shí)數(shù)據(jù)。

1.2 數(shù)值模擬試驗(yàn)

使用WRF-Chem 3.9.1版本對(duì)此次污染過(guò)程進(jìn)行模擬。排放源數(shù)據(jù)來(lái)源于2017年清華大學(xué)MEIC清單。此次模擬采用雙層嵌套，第一層網(wǎng)格距為27 km，最內(nèi)層為9 km，垂直分為31層。模擬的時(shí)間為2019年1月11日08：00—16日08：00，前24 h為spin-up，模擬的區(qū)域如圖1所示，模式采用的主要參數(shù)化方案為：邊界層方案（MYJ），氣溶膠反應(yīng)方案（MOSAIC），物理過(guò)程方案（LIN），氣相反應(yīng)方案（CBMZ）等。

2.1 污染過(guò)程概況

2019年1月中旬，江蘇省自北向南依次出現(xiàn)了一次污染過(guò)程，其中蘇北地區(qū)污染較嚴(yán)重。此次污染過(guò)程首要污染物為PM2.5，因此以PM2.5為主進(jìn)行模擬和分析。在污染累積時(shí)段內(nèi)，PM2.5濃度緩慢上升，在15日09：00濃度達(dá)到最大值，為255 μg/m3，隨后受北風(fēng)風(fēng)速增加的影響，濃度迅速下降，到12：00降至73 μg/m3。此階段地面的風(fēng)速較小，最小風(fēng)速為0，平均風(fēng)速為1.18 m/s。溫度偏低，最高氣溫為5.3 ℃，最低為-2.4 ℃，

平均為1.55 ℃。且相對(duì)濕度較大，最高為100%，最低

為73%，平均達(dá)92%。氣象要素不利于污染物的水平擴(kuò)散，有利于吸濕增長(zhǎng)。且污染階段淮安地區(qū)低空

（1 km以下）有明顯的逆溫層結(jié)，逆溫強(qiáng)度為5.1 ℃/km，

逆溫層厚度為450 m，主要分布在近地面，不利于近地層污染物的垂直擴(kuò)散。

2.2 天氣背景分析

1月12—14日淮安地區(qū)高空以西北氣流控制為主（高空、地面天氣形勢(shì)圖略），高空下沉氣流不利于污染物的垂直擴(kuò)散，地面為弱高壓控制，風(fēng)速較小，有利于顆粒物的累積增長(zhǎng)，15日早晨地面處于冷鋒前沿，風(fēng)速增大，污染迅速消散。

2.3 模擬結(jié)果與分析

為了評(píng)估模式的模擬結(jié)果，選取了3個(gè)參數(shù)：相關(guān)系數(shù)（r）、平均絕對(duì)誤差（MAE）、均方根誤差（RMSE）

來(lái)定量的描述其準(zhǔn)確性。公式如下：

r=（1）

MAE=（2）

RMSE=（3）

式（1）～（3）中，Xi和Yi分別代表觀測(cè)值和模擬值。相關(guān)系數(shù)r表示模擬值與觀測(cè)值之間的線性關(guān)系，值越接近1，說(shuō)明相關(guān)性越好；平均絕對(duì)誤差（MAE）和均方根誤差（RMSE）反映模擬值與觀測(cè)值的偏離程度，值越接近0，代表模擬效果越好。

首先將模式模擬出的氣象要素場(chǎng)和淮安站氣象要素觀測(cè)值進(jìn)行比較，如表1所示，WRF-Chem模式對(duì)風(fēng)速的模擬效果最好，相關(guān)系數(shù)達(dá)0.79；其次是溫度，相關(guān)系數(shù)達(dá)0.72；然后是相對(duì)濕度，相關(guān)系數(shù)為0.63。

如圖2所示，各氣象要素模擬值與觀測(cè)值變化趨勢(shì)比較一致，因此模式可以用來(lái)模擬環(huán)境場(chǎng)。本文將PM2.5模擬值與觀測(cè)值進(jìn)行比較，總體變化趨勢(shì)匹配較好，相關(guān)系數(shù)達(dá)0.74，平均絕對(duì)誤差為39.25，均方根誤差為50.34，均在合理范圍內(nèi)。因此整體來(lái)看，WRF-Chem模式對(duì)此次重污染過(guò)程的模擬還是較為可靠的。

為定量給出各區(qū)域污染物傳輸對(duì)此次淮安地區(qū)污染的貢獻(xiàn)，設(shè)計(jì)了WRF-Chem排放情景試驗(yàn)，來(lái)計(jì)算淮安本地、江蘇省其他城市，以及外省排放源排放（安徽、山東、河南、山西、京津冀地區(qū)）對(duì)淮安地區(qū)污染的影響，此次污染過(guò)程上述地區(qū)對(duì)淮安的污染物貢獻(xiàn)率高達(dá)99%（表2）。其中，江蘇省內(nèi)污染物的貢獻(xiàn)率為47%，山東、安徽和河南污染物的貢獻(xiàn)率分別為20%、18%和10%，在區(qū)域傳輸中貢獻(xiàn)率較高。

此次重污染天氣過(guò)程，主要是由靜穩(wěn)天氣下的本地污染物的累積，以及西、北方污染物南下傳輸共同引起的，受濕度較大及逆溫等不利因素影響，污染逐漸加重。隨著15日上午冷空氣的南下，大氣污染擴(kuò)散氣象條件轉(zhuǎn)好，污染消散，空氣質(zhì)量迅速轉(zhuǎn)好。

3 結(jié)論與討論

利用WRF-Chem空氣質(zhì)量模式模擬了淮安地區(qū)2019年1月12—15日的一次重污染天氣過(guò)程，得到結(jié)論如下：

（1）此次重污染天氣過(guò)程前期高空以西北氣流控制為主，不利于污染物的垂直擴(kuò)散，地面為弱高壓控制，天氣靜穩(wěn)，有利于污染物的累積；后期地面處于冷高壓前沿，受冷空氣影響，風(fēng)速增大，有利于污染物的消散。逆溫層結(jié)、小風(fēng)、大的相對(duì)濕度等氣象條件是本次重污染天氣形成的重要原因。

（2）WRF-Chem模式對(duì)氣象要素和PM2.5有比較好的模擬效果，其中，氣象要素相關(guān)系數(shù)均在0.63以上，并且均通過(guò)了P＜0.05的顯著性檢驗(yàn)；PM2.5相關(guān)系數(shù)達(dá)0.74，并且模擬值與觀測(cè)值在變化趨勢(shì)上匹配度較高。

（3）此次重污染天氣過(guò)程由本地污染物的累積和外來(lái)污染物的輸送共同引起。江蘇省內(nèi)污染源排放對(duì)淮安地區(qū)污染物的貢獻(xiàn)率為47%，來(lái)自偏西和偏北方向的污染物在區(qū)域傳輸中貢獻(xiàn)率較高，該方向上游地區(qū)山東、安徽和河南省的貢獻(xiàn)率分別為20%、18%和10%。

參考文獻(xiàn)

[1] 張小曳，孫俊英，王亞強(qiáng)，等.我國(guó)霧-霾成因及其治理的思考[J].科學(xué)通報(bào)，2013，58（13）：1178-1187.

[2] Goldberg M S， Burnett R T， Bailar J C， et al. The association between daily mortality and ambient air particle pollution in Montreal， Quebec. 1. Nonaccidental mortality [J]. Environmental Research， 2001， 86（1）： 12-25.

[3] 李卓建，趙尚民，郭鵬程.太原市城區(qū)PM2.5濃度時(shí)空分布特征研究[J].環(huán)境污染與防治，2021，43（3）：353-358.

[4] 王璐，溫天雪，周旭，等.臨沂市區(qū)冬季大氣污染物的特征解析[J].環(huán)境污染與防治，2021，43（5）：562-567，573.

[5] 謝真珍，范秀蓮，王月林，等.淮安地區(qū)一次持續(xù)性霧霾過(guò)程階段性特征及影響因子分析[J].氣象與環(huán)境學(xué)報(bào)，2015， 31（5）：79-85.

[6] 欒兆鵬，盧慧超，李恬，等.降水和風(fēng)對(duì)泰安地區(qū)PM2.5濃度的影響及區(qū)域傳輸研究[J].氣象與環(huán)境學(xué)報(bào)，2021，37（3）：33 -39.

[7] 錢(qián)俊龍，劉端陽(yáng)，曹璐，等.冷空氣過(guò)程對(duì)江蘇持續(xù)性霾的影響研究[J].環(huán)境科學(xué)學(xué)報(bào)，2018，38（1）：52-61.

[8] 吳珂，包云軒，蔡敏，等.蘇州市一次重霾污染天氣過(guò)程的數(shù)值模擬[J].氣象科學(xué)，2019，39（1）：104-116.