深圳地區臭氧污染來源的敏感性分析

梁永賢 ,尹魁浩 ,胡泳濤 ,劉寶章 ,廖汝娥 ,顏 敏 (.深圳市環境科學研究院,廣東 深圳 5800；.美國佐治亞理工學院土木和環境工程學院,美國 亞特蘭大 GA 0005；.北京大學環境科學與工程學院,北京 0087；.深圳市深港產學研環保工程技術股份有限公司,廣東 深圳 5800)

近年來,隨著深圳市及周邊珠江三角洲城市經濟的快速發展,機動車和人口的持續增長,來自工業、交通和城市面源等排放的大量污染物使得深圳市夏季的臭氧濃度保持較高的水平,2006～2010年深圳市8月份9個常規監測點的資料統計結果表明,光化學煙霧指示物臭氧有逐年升高的趨勢[1].高濃度的對流層臭氧會對人體健康、農業生產以及生態系統造成諸多不利影響[2],臭氧污染正引起深圳環保部門的重視.

由于臭氧是氮氧化物(NOx)和揮發性有機物(VOCs)在大氣中通過一系列光化學反應形成的二次污染物,其濃度水平對前體物的排放變化具有非線性的化學響應特征[3],因此,識別臭氧的來源、量化各類污染源對臭氧的貢獻是比較復雜的.

目前,有關深圳地區臭氧來源,臭氧生成機制,將NOx或者VOCs作為優先控制的對象等研究鮮有報道.弄清深圳地區臭氧污染的來源和成因,對制定有效的控制對策,具有重要的意義.

目前用來分析污染源的敏感性的工具主要有BFM方法(brute-force Method)和DDM-3D方法(三維去耦合直接法)兩種. 由于 BFM 方法計算效率較低,同時該方法是一種線性計算方法,已不能適應臭氧、PM2.5等二次非線性形成的污染物的源敏感性分析,正逐漸被計算效率高,且是非線性的源敏感性分析方法DDM-3D取代.

本文運用區域空氣質量模式 CMAQ對2008年8月20～21日發生在深圳地區的嚴重臭氧污染進行了模擬,在分析深圳地區臭氧污染特征的基礎上,利用DDM-3D源敏感性分析工具識別深圳地區臭氧的來源及其貢獻,探討深圳地區臭氧的生成機制,為控制深圳地區臭氧污染提供參考.

1 材料與方法

1.1 模擬時段的選取

不利天氣條件如臺風登陸前外圍下沉氣流、地面均壓區或弱的高壓脊控制、冷鋒來臨前低壓控制、準靜止鋒影響且無有效降水天氣、副熱帶高壓持續控制且地面風力微弱等天氣,在這些天氣下大氣中的污染物容易堆積并造成較為嚴重的空氣污染. 2008年的8月20～21日,深圳地區受中心位于深圳東南、臺灣西南、菲律賓西北的洋面上臺風“鸚鵡”外圍下沉氣流影響,深圳地區監測到的臭氧8h平均濃度最大值為191 μg/m3,出現在 20日 19:00,臭氧污染嚴重. 由于夏季南海洋面熱帶氣旋活動頻繁,經常導致深圳地區發生臭氧污染,本文選取2008年8月16～24日作為模擬時段,模擬上述典型臭氧污染過程.

1.2 模型介紹

本研究采用美國EPA最新發布和推薦的區域空氣質量管理模式 CMAQ(版本 4.7.1)進行空氣質量模擬和敏感性計算.該版本的CMAQ帶有美國喬治亞理工學院開發的前向敏感性數值分析工具 DDM-3D[4-7].選擇的模擬范圍和模擬網格見圖 1,本研究采用三重嵌套網格,其中最外層水平網格為 36km,覆蓋整個中國和東亞地區,中層水平網格為 12km,覆蓋整個廣東省,最內層水平網格為4km,以深圳市為中心,覆蓋珠江三角洲.所有嵌套網格在垂直方向分為13層,近地面1km以下分為7層,其中第一層為18m,以保證在邊界層內有足夠的垂直分辨率.

圖1 CMAQ三重嵌套的模擬范圍和模擬網格Fig.1 Nested domains for CMAQ simulation in resolutions of 36, 12 and 4km

CMAQ采用 SAPRC99氣相反應機理[8],以及最新的AERO5氣溶膠模塊以及ACM云處理模式.36km以及12km網格的空氣質量模擬結果為4km的目標網格提供邊界和初始空氣質量條件.對于36km以及12km網格的人為源排放,采用INTEX-B網格化的源數據[9]進行空間插值和時間分配得到,同時對細顆粒物按源排放種類做了成分分配.對于4km網格則采用SMOKE模式[10],利用華南理工大學編制的珠江三角洲2007年源排放清單[1,11-19]為輸入模擬得到.天然源則采用BEIS3.14模式[10]并利用MODIS 2006的植被和土地利用資料模擬得到.

CMAQ空氣質量模式的輸入氣象場由WRF(Weather Research and Forecast model)模式的ARW 3.2版本模擬得到[20-21].輸入的第一猜測氣象場為NCEP Final Analysis(FNL)再分析資料,具有1度的空間分辨率和6h的時間分辨率.氣象模擬采用了MODIS 2006的土地利用資料,以準確反映珠江三角洲地區近年的迅猛城市化發展進程帶來的土地利用的變化.在 WRF模擬過程中,利用NCEP搜集的全球地面和探空數據ADP資料,通過3D nudging 和surface nudging技術對36km以及12km網格的FNL氣象場進行了四維資料同化[20-21].

1.3 敏感性分析

利用上述數值模擬系統和輸入資料,選取典型不利天氣條件的污染時段(2008年8月16～24日)進行氣象、源排放和空氣質量模擬.在氣象場以及空氣質量場的模擬值與監測值吻合的基礎上,利用敏感性分析工具DDM-3D計算深圳及周邊地區各類污染源排放量對深圳的臭氧濃度的敏感性.

圖2 2008年8月16～24日臭氧模擬值與監測值對比Fig.2 Comparison of simulated and observed ozone during 16-24 August 2008

本研究在區域上著重分析深圳和東莞(與深圳接壤且源排放量大)兩地源排放對深圳臭氧濃度的影響,同時考慮深莞兩地外的珠江三角洲其他城市源排放的影響,因此,將珠江三角洲的源排放劃分成深圳、東莞和其他城市三部分.由于機動車源排放是臭氧前體物的重要來源,因此本研究在分析深圳源排放對臭氧濃度影響時,將機動車源排放與其他源分開考慮.基于以上劃分原則,得到 8類源排放參數,分別為:(1)深圳的機動車 NOx源排放(szmvnox);(2)深圳的機動車 VOCs源排放(szmvvoc);(3)深圳除機動車外其他源的 NOx源排放(szotnox);(4)深圳除機動車外其他源的 VOCs源排放(szotvoc);(5)東莞的 NOx源排放(dgnox);(6)東莞的 VOCs源排放(dgvoc);(7)除深圳和東莞外其他城市的 NOx源排放(otnox);(8)除深圳和東莞外其他城市的VOCs源排放(otvoc).

本研究中選取以上 8類源排放作為排放參數進行CMAQ-DDM-3D的模擬,分別計算出臭氧濃度對這 8類源排放參數的歸一化敏感性,即這 8類源排放參數(100%的源排放量)對模擬臭氧濃度的數量化影響.

2 結果與討論

2.1 模擬結果評估

利用專門的氣象模擬評估分析工具METSTAT,對2008年8月16～24日利用WRF模擬得到的氣象場,分別與實際觀測資料進行對比并作模式模擬評估,見表1.監測資料有深圳市19個地面氣象站的逐時的風速、風向、溫度和濕度等氣象要素.

評估結果表明模擬的氣象場基本符合作為空氣質量模式輸入氣象場的要求.模擬值與監測值比對結果與相關文獻記載模擬結果差異不大[22-23].

表1 2008年8月16～24日WRF模擬氣象場與監測對比的統計評估Table 1 Performance statitics of the WRFs imulated meteorological variables against surface observations during 16～24 August 2008

表2 2008年8月16～24日模擬結果統計分析Table 2 CMAQ Performance statistics for the simulated hourly concentrations of surface ozone against observations over Shenzhen during 16～24 August 2008

圖3 2008年8月16～24日臭氧監測和模擬結果Fig.3 Scatter plot of observed and simulated ozone during 16～24 August 2008

從臭氧模擬值與監測值的對比曲線分析可知,CMAQ模型的模擬結果基本能較好的反映深圳的臭氧濃度的水平和變化趨勢,臭氧模擬峰值的出現時間與監測值也比較吻合.同時可以看到,在大多數情況下模擬值偏高,這可能與用2007年的排放源清單代替2008年的源排放情況,造成排放總量有所差別,以及與源清單自身的誤差及源分配誤差、氣象模擬誤差等因素有關.

從模擬結果的統計分析和散點圖來看,臭氧的模擬值與監測值相關性較好,相關系數為0.51,平均標準偏差為 17%,平均標準誤差為 46%(表2、圖3).

2.2 源排放對臭氧的敏感性空間分布

平均模擬濃度的空間分布見圖 4.結合珠江三角洲地面風場變化(圖5),分析這一時刻的敏感性空間分布(圖 6)可知,NOx源排放對臭氧 8h平均濃度的敏感性,在源區及附近為負值,即削減NOx源排放會增加這個區域的臭氧8h平均濃度,在源區的下風向,貢獻為正值,即削減NOx源排放會降低源排放下風向區域的臭氧 8h平均濃度.同時,可以看出,東莞和其他城市的NOx源排放對深圳的臭氧濃度有很大的負貢獻.

圖4 2008年8月20日19∶00臭氧的8h平均模擬濃度的空間分布Fig.4 Surface distributions of 8-hour average ozone concentration at 19∶00LST on August 20, 2008

VOCs源排放對臭氧8h平均濃度的貢獻則沒有負值出現,即削減 VOCs源排放總會降低排放源區以及下風向區域的臭氧濃度.同時可以看出,東莞和其他城市的 VOCs源排放對深圳的臭氧有很大濃度正貢獻.

從空間分析可以得到:在發生臭氧高污染時,控制NOx人為源排放,會使深圳大部分地區的臭氧濃度升高,令污染加重,而削減VOCs人為源排放則能較大幅度地降低臭氧污染.

圖5 2008年8月20日 12∶00～19∶00珠江三角洲風場Fig.5 Surface wind field of PRD from 12∶00 to 19∶00 on August 20, 2008

2.3 源排放對站點的臭氧貢獻及其時間分布

由于荔園站臭氧觀測數據質量相對較好,區域代表性較強,選擇荔園作為典型站來分析各類源排放對荔園站的臭氧生成貢獻及時間分布(圖7).

圖6 2008年8月20日19∶00臭氧的8h平均模擬濃度對8類源排放參數的敏感性的空間分布Fig.6 Sensitivity of surface ozone to 8 types of emissions over Shenzhen region at 19∶00 on August 20, 2008

由圖7可見,在荔園站點,在監測和預測臭氧8h平均濃度最高的時刻,即 2008年 8月 20日19:00,所有 NOx源排放的臭氧8h平均濃度貢獻均為負值,其中深圳道路移動源的NOx貢獻最大負值(-40μg/m3),其他城市的 NOx負值貢獻次之(-29μg/m3).VOCs源排放的臭氧貢獻為正值,以其他城市 VOCs貢獻最大(39μg/m3),東莞 VOCs貢獻次之(32μg/m3).時間序列上,VOCs源排放的臭氧貢獻夜間為 0,白天為正.NOx源排放的臭氧貢獻多為負值,個別源,比如其他城市的NOx源排放臭氧貢獻,有時在白天出現正值.

從時間序列的分析可以得到:控制NOx人為源排放,總體來說對控制臭氧污染是不利的,而控制VOCs人為源排放是比較有效的.

圖7 2008年8月16～22日荔園模擬和監測的臭氧8h平均濃度以及8個源排放對臭氧8h平均濃度的敏感性時間序列Fig.7 Simulated and observed 8-hour average surface O3 concentration at the Liyuan site during 16-22 August 2008, and the sensitivity of ozone simulation to 8 types of emissions

2.4 敏感性分析對控制方案選擇的意義

由各類源排放對站點的臭氧貢獻分析可知,計算得到的源排放對臭氧濃度的定量貢獻可以為制定控制方案提供便利的決策依據.以荔園站2008年8月21日為例,觀測到的8h最大濃度為191μg/m3,如 執 行 8h 臭 氧 濃 度 標 準 為120μg/m3[24],那么需要降低 71μg/m3.模擬得到的8h最大濃度為 154μg/m3,因此,如果模擬值成比例減低 71×154/191=57μg/m3,將使 8h濃度達標.根據圖 7為得到 57μg/m3的臭氧削減量,可以有若干方案,比如同時削減深圳其他源的 VOCs排放和東莞的 VOCs排放等.在這里只考量控制深圳其他源 VOCs排放,看臭氧是否能達標,從圖 7可以得到臭氧 8h最大濃度為 154μg/m3時,深圳其他 VOCs源的排放的貢獻為 16μg/m3,折合到實際貢獻為 16×154/191=13μg/m3,即在不利天氣條件下,只控制深圳其他VOCs源排放,只能最大8h濃度降到 178μg/m3.因此,只控制深圳本身的VOCs排放,在不利天氣條件下,要把臭氧8h平均濃度控制在WHO空氣質量標準(120μg/m3)以下,是很困難的,需要深圳與珠江三角洲周邊城市協同控制才可能達到控制目標.

不同方案均可利用以下方程進行優化,對每一個站點的每一個超標濃度均可得到如下方程:

式中:ΔE1是第 1種源的削減比例;S1是臭氧濃度對第 1種源排放參數的敏感性;ΔCp是目標控制的臭氧預測濃度削減量;C0是監測濃度值;Cp是預測濃度值;Cs是需要達標的濃度標準.

求解以上方程,可以得到多種保證所有濃度均達標的源排放削減方案.

方程同樣可以很便捷的用于評估擬采用的控制方案以檢驗評估效果,即削減量是否使臭氧濃度達標.

3 結論

3.1 運用CMAQ模式對深圳地區的2008年8月份的臭氧進行模擬,將監測值與模擬值進行對比,結果表明,CMAQ模式能較好的重現典型臭氧污染的過程.

3.2 DDM-3D敏感性分析結果可知,NOx人為源排放對深圳的臭氧貢獻多表現為負值,VOCs人為源排放對深圳臭氧貢獻表現為正值,說明在深圳控制臭氧濃度的關鍵是控制人為 VOCs排放源,根據深圳的產業結構和人口規模特征,控制重點應放在化學品/橡膠/塑膠、印刷、電子產品制造、家具、玩具、制鞋、建筑涂料使用、家用溶劑等方面.

3.3 深圳市的臭氧污染問題具有區域性特征,周邊城市的排放的污染物和生產的臭氧在一定氣象條件下向深圳傳輸,對深圳市的臭氧濃度水平產生影響.

3.4 在不利天氣條件下,只控制深圳本身的源是很難達到臭氧8h平均濃度120 μg/m3的目標,需要協同東莞、香港及其他周邊城市共同控制.

[1]深圳市環境科學研究院.2011年第 26屆世界大學生夏季運動會環境空氣質量預測預報及保障措施研究 [R]. 深圳:深圳市環境科學研究, 2011.

[2]王雪松,李金龍,張遠航,等.北京地區臭氧污染的來源分析 [J].中國科學(B輯:化學), 2009,39(6):548-559.

[3]唐孝炎,張遠航,邵 敏.大氣環境化學 [M]. 北京:高等教育出版社, 2006.

[4]Napelenok S L, Cohan D S, Hu Y, et al. Decoupled direct 3D sensitivity analysis for particulate matter (DDM-3D/PM)[J].Atmospheric Environment, 2006,40(32):6112-6121.

[5]Napelenok S L, Cohan D S, Odman M T, et al. Extension and evaluation of sensitivity analysis capabilities in a photochemical model [J]. Environmental Modelling and Software, 2008,23(8):994-999.

[6]Wang X, Zhang Y, Hu Y, et al. Decoupled direct sensitivity analysis of regional ozone pollution over the Pearl River Delta during the PRIDE-PRD2004campaign [J]. Atmospheric Environment, 2011,45(28):4941-4949.

[7]CMAS Center. Operational Guidance for the Community Multiscale Air Quality (CMAQ) Modeling System [R]. Chapel Hill, North Carolina: Community Modeling and Analysis System(CMAS) Center at the University of North Carolina at Chapel Hill, 2010.

[8]Luecken D J, Phillips S, Sarwar G, et al. Effects of using the CB05vs. SAPRC99vs. CB4chemical mechanism on model predictions: Ozone and gas-phase photochemical precursor concentrations [J]. Atmospheric Environment, 2008,42(23):5805-5820.

[9]Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006for the NASA INTEX-B mission [J]. Atmos Chem Phys,2009,9(14):5131-5153.

[10]The institute for the Environment. SMOKE v2.6User's Manual[R]. Chapel Hill, North Carolina: The institute for the Environment The University of North Carolina at Chapel Hill,2009.

[11]鄭君瑜,張禮俊,鐘流舉,等.珠江三角洲大氣面源排放清單及空間分布特征 [J]. 中國環境科學, 2009,29(5):455-460.

[12]余宇帆,盧 清,鄭君瑜,等.珠江三角洲地區重點VOC排放行業的排放清單 [J]. 中國環境科學, 2011,31(2):195-201.

[13]張禮俊,鄭君瑜,尹沙沙,等.珠江三角洲非道路移動源排放清單開發 [J]. 環境科學, 2010,31(4):886-891.

[14]車汶蔚,鄭君瑜,鐘流舉.珠江三角洲機動車污染物排放特征及分擔率 [J]. 環境科學研究, 2009,22(4):456-461.

[15]尹沙沙,鄭君瑜,張禮俊,等.珠江三角洲人為氨源排放清單及特征 [J]. 環境科學, 2010,31(5):1146-1151.

[16]鄭君瑜,鄭卓云,王兆禮,等.珠江三角洲天然源 VOCs排放量估算及時空分布特征 [J]. 中國環境科學, 2009,29(4):345-350.

[17]Zheng J, Swall J L, Cox W M, et al. Interannual variation in meteorologically adjusted ozone levels in the eastern United States: A comparison of two approaches [J]. Atmospheric Environment, 2007,41(4):705-716.

[18]Zheng J, Zheng Z, Yu Y, et al. Temporal, spatial characteristics and uncertainty of biogenic VOC emissions in the Pearl River Delta region, China [J]. Atmospheric Environment, 2010,44(16):1960-1969.

[19]Zheng J, Zhang L, Che W, et al. A highly resolved temporal and spatial air pollutant emission inventory for the Pearl River Delta region, China and its uncertainty assessment [J]. Atmospheric Environment, 2009,43(32):5112-22.

[20]Skamarock W C, Klemp J B, Dudhia J, et al. A Description of the Advanced Research WRF Version 3 [M]. Boulder, Colorado,USA: Mesoscale and Microscale Meteorology Division, National Center for Atmospheric Research, 2008.

[21]Mesoscale and Microscale Meteorology Division. ARW Version 3Modeling System User's Guide [M]. Boulder, Colorado, USA:Mesoscale and Microscale Meteorology Division, National Center for Atmospheric Research, 2010.

[22]Wang X, Zhang Y, Hu Y, et al. Process analysis and sensitivity study of regional ozone formation over the Pearl River Delta,China, during the PRIDE-PRD2004campaign using the Community Multiscale Air Quality modeling system [J]. Atmos Chem Phys, 2010,10(9):4423-4437.

[23]Emery, C A, Tai E, et al. Enhanced meteorological modeling and performance evaluation for Two Texas Ozone Episodes, project report prepared for the Texas Natural Resource conservation commission [R]. Texas: the Texas Natural Resource Conservation Commission, 2001.

[24]World Health Organization. Air quality guidline for Europe [M].2nd Edition. Copenhagen: World Health Organization, 2000.