高效率顆粒物微物理模型簡介與重污染過程應用分析

劉 冰，趙熠琳，Yu Fangqun，李健軍，王曉彥，焦聰穎，汪 巍，牛航宇

1．中國環境監測總站國家環境保護環境監測質量控制重點實驗室，北京100012

2．Atmospheric Science Research Center(ASRC)，State University of New York at Albany，USA

改革開放30多年來，中國經濟社會高速發展，取得了舉世矚目的成就，同時也付出了巨大的資源環境代價，空氣污染形勢日益嚴重，重污染過程頻次增多、影響范圍增大，霧霾等空氣污染問題造成的損失也越來越大。2013年1月、12月和2014年2月，中東部地區發生多次大范圍、長時間的霧霾天氣和空氣重污染過程，導致高速公路關閉，航班被取消，嚴重影響了人民群眾的生產生活和交通出行，引起全社會的極大關注［1-5］。直接排放的氣態污染物通過成核、長大、聚集、非均相化學反應等物理化學過程形成二次顆粒物，連同一次排放的顆粒物(主要包括黑碳、有機碳)，在不利的大氣條件作用下，形成低能見度現象和灰霾過程。

有研究顯示，在1954—2006年期間，細顆粒物重污染過程頻次的增多很大程度上增加了肺癌的發生概率［6］。這是因為細顆粒物體積較小，能夠通過鼻腔穿過氣管直接到達人體的肺部，更小的顆粒物甚至可以通過肺部進入血液循環，對人體健康造成傷害。因此，受頻繁的霧霾天氣和連續重污染過程影響，醫院呼吸道病人劇增，對環境和公眾健康造成重大影響。

歐美等發達國家和地區，很早就開展了空氣質量數值模式預報工作，在預報臭氧、PM2.5等空氣污染物的濃度及污染物跨區傳輸方面取得了較好的經驗和效果，其采用的空氣質量模擬與預報模式也較為完善，可預報多種尺度下的多種污染物。在中國的中科院大氣物理所、南京大學、北京大學等高校院所通過多年的研究和應用，發展了各具特點的空氣質量數值預報模式，可對城市及區域尺度一次、二次污染物的演變規律進行數值模擬。

通常的空氣質量數值預報模式包括氣象預報場、模式源清單、化學反應機制、物理化學過程等幾個模塊［7］，這些模塊對預報結果的準確性等都具有關鍵作用，每個數值預報模式都自帶有相關的默認模塊。目前，中國由細顆粒物(PM2.5)導致的空氣污染和霧霾天氣問題尤為突出，因此，對顆粒物物理化學轉化過程的研究具有重要意義，其轉化過程對空氣質量模式模擬和預報的準確性有重要影響。美國紐約州立大學奧爾巴尼分校大氣科學研究中心經過多年研究，發展了一個專門針對氣溶膠微物理過程模擬的高效率顆粒物微物理模型(簡稱APM模型)。本文主要介紹了APM模型的基本原理以及在全球化學傳輸模式(GEOS-Chem)、區域性氣象和化學預報模式(WRF-Chem)、通用地球系統模式(CESM-CAM5)等氣象及環境空氣質量預報模式中的應用，并利用GEOS-Chem-APM模式對2014年2月京津冀區域的重污染過程進行模擬和分析。

1 APM模型簡介

硫酸氣(H2SO4)被廣泛認為參與超細粒子的成核過程，通過凝結的方式對顆粒物的長大有所貢獻。氨氣(NH3)、硝酸氣(HNO3)能夠通過熱動力平衡的方式被硫酸鹽顆粒物吸收，從而對氣溶膠的體積增長和質量增重作出貢獻。大量的野外實驗結果表明，成核的超細粒子成長速率通常要比被非有機氣體吸收的量要多很多(可達到2～10倍)，目前觀測到的超細粒子高成長速率均同有機物有關，但是，如何準確地模擬大氣顆粒物中有機化合物的凝聚過程，尤其是成核顆粒物，是一個巨大的挑戰。

APM模型是一種先進的多類型、多組分、可分辨大小的微物理模型，是獨立的箱式模型，當前版本高度模塊化和格式化。當前的APM模型是在過去的模式開發以及旨在解釋大氣顆粒物觀測結果驗證工作的基礎上，不斷更新和發展起來的［8-15］，該模型考慮的基本物理過程包括成核、冷凝/蒸發、凝結、與當地濕度結合的熱動力平衡和干沉降，具體包括顆粒物微物理過程中的離子調節成核、NH3/HNO3/H2O平衡吸收、持續氧化老化形成、混合態模擬等過程。其中，離子調節成核過程源自一個動力學成核模型，在多種實驗室的熱動力學數據的限制下，同野外觀測結果吻合性較好;NH3/HNO3/H2O平衡吸收過程采用的是ISORROPIA II熱力學平衡模型;持續氧化老化的形成過程包括持續氧化老化和動力學凝結，由于在一個特定的揮發性有機化合物氧化反應中會有很多產物形成，單獨測量半揮發化合物十分困難，因此該模型中擴展了兩種替代產物以表示氧化產物的波動分布;混合態模擬過程包括半包裹的混合方式，可示蹤包裹在一次顆粒物外的二次物種種類和數量。APM模型能夠靈活區分所需模擬氣溶膠的各部分、各成分、各類型的數量，應用時如無計算成本限制，可定制地處理較為復雜、精細和高分辨率的氣溶膠系統。

APM模型中，針對二次顆粒物(SP)分為40個粒徑分割(bin);對疏水黑碳(BC)提供2種對數正態形態(一種是化石燃料，另一種是生物質燃燒)，為親水BC提供2種類似的對數正態形態;針對一次有機碳(POC)，同 BC類似，采用4種對數正態形態;海鹽顆粒分為20個bin，沙塵分為15個 bin;同時針對一次顆粒物的每一種類都包括2個半包裹的示蹤劑(圖 1)。

圖1 APM模型中不同類型顆粒物粒徑分割圖

2 APM模型的部分模擬應用

2.1 APM模型在全球化學傳輸模式中的應用

APM模型在發展過程中，嘗試同全球化學傳輸模式結合，開展大氣顆粒物屬性(大小、成分、包裹在一次顆粒物外的可揮發性物種)研究，模擬分析顆粒物凝結核濃度、氣溶膠光學特性(氣溶膠光學厚度)、直接輻射強迫等特征。其中選取的GEOS-Chem是全球化學模式的典型代表，增加APM模塊的GEOS-Chem模式能夠模擬氣態污染物(包括 NOx、SOx、VOCs等)、顆粒物粒徑分割等微物理過程，在原有GEOS-Chem模式相關模塊的基礎上增加了88種示蹤者(tracer)，利用離線的同化氣象場，取得了較好的模擬效果，適合進行開展全球長期的過程研究。

Yu和Luo應用GEOS-Chem-APM模式對通過硫酸氣凝結以及硝酸、胺和二次有機氣溶膠平衡吸收方式成核的顆粒物成長過程、二次顆粒物被一次顆粒物(沙塵、黑碳、有機碳、海鹽)清除的過程進行了模擬［16］，計算了基于離子調節成核(IMN，Ion-mediated Nucleation)機制的二次顆粒物形成速率，利用多種觀測結果對一次顆粒物的排放參數進行了修正。模擬結果顯示，通過IMN形成的二次顆粒物能夠很好地解釋對流層很多地方觀測到的顆粒物數濃度;同全球22個具有至少1年以上的大于10 nm凝結核(Condensation Nuclei，CN10)觀測資料進行比較，年均 CN10濃度模擬值同實測值吻合程度較好(2倍偏差以內);對流層大部分地區的二次顆粒物在數量上占絕對優勢;0.4%過飽和度的云凝結核(Cloud Condensation NucleiC，CN0.4)以及二次 CCN0.4存在較大的空間差異。

包裹在BC、POC顆粒物外的二次物種能夠顯著地增加顆粒物的大小和吸濕性，從而影響它們的光學特性。Yu等人利用GEOS-Chem-APM模式對全球氣溶膠光學厚度(AOD，Aerosol Optical Depth)的空間分布進行了模擬［17］，模擬結果同AERONET(AErosol RObotic NETwork)、MODIS、MISR觀測到AOD的全球空間分布基本一致，偏差均在2倍以內。同時分析結果顯示，在所有天和晴朗天的狀況下模擬全球平均的年均AOD有20%的偏差，部分區域偏差甚至大于50%。

氣溶膠的直接輻射強迫(Direct Radiative ForceDRF)在全球氣候變化中起重要作用，但模擬具有較大的不確定性。Ma等人利用GEOSChem-APM模式對氣溶膠DRF進行了模擬研究，擴展應用了一個輻射傳輸模型［18］。其中，地表反射率數據是從MODIS衛星反演獲得，該數據集為8天平均值，包括水平分辨率為5 600 m的7個波段。該研究中模擬了總的和人為產生的氣溶膠直接輻射強迫，重點放在人為產生的氣溶膠結果上，并同以往的研究報告進行了比較。研究結果顯示，控制人為氣溶膠DRF的關鍵因素主要為BC、POC，其中包括BC的密度和混合狀態。

2.2 APM模型在區域氣象和化學預報模式中的應用

APM模型在全球化學傳輸模式應用經驗的基礎上，選取了國際上應用較廣的區域氣象化學研究與預報模式(WRF-Chem，Weather Research and Forecast model coupled with Chemistry)，利用在線的預報氣象場，開展區域短周期模擬和預報研究。APM模型同WRF-Chem模式自帶的MOSAIC模塊相比，示蹤者略有減少，但是計算時間卻僅為原來的三分之一，同時模擬效果也較好。

以往觀測資料顯示，氣溶膠成核事件是CCN的重要來源，并在氣溶膠間接輻射強迫中起關鍵作用。Luo和Yu利用WRF-Chem-APM模式同2004夏天INTEX-A野外活動中獲得的相關觀測結果進行分析評估［19］。結果顯示，在地表和源區能夠捕捉到較高濃度水平的 SO2、CN10。利用WRF-Chem-APM模擬的美國東部顆粒物形成和數濃度，總的來說與GEOS-Chem-APM模擬結果一致，但前者具有更高的空間分辨率，可以揭示城市甚至羽煙規模的過程。此外，較高成核速率主要集中于SO2高排放區，同時氣溶膠的成核在時空上主要分布在CN10;CCN0.4濃度高值通常也主要集中在SO2源區;二次顆粒物成核和成長是CCN0.4的重要來源，在美國東部大部分地區所占比例超過80%。

Yu等人利用WRF-Chem-APM模式預報了美國東北部2008年6月的AOD的時間序列模擬結果，并同AERONET的7個觀測站點資料進行了比較［17］?？偟膩碚f，模擬結果基本捕捉到AERONET站點AOD的絕對值和變化范圍(包括經過的高AOD煙團的較大變化)，表明美國東北部的AOD主要為二次顆粒物并且具有較大的時空變化。

2.3 APM模型在通用地球系統模式中的應用

APM模型在總結全球化學傳輸模式和區域氣象化學預報模式的應用經驗后，又在通用地球系統模式的通用大氣模式(CESM-CAM5，Community Atmosphere Model Version 5，CAM5)中開展應用。CAM5-APM模式除了具備以往模擬優勢外，還能夠追蹤包裹在一次顆粒物外的二次顆粒物，既能夠選擇簡單的離線氧化過程，也能選擇全面的在線化學反應過程，適合于開展化學－氣溶膠－云－沉降－氣候研究。

成核是大氣顆粒物的重要來源，其通過氣溶膠－云－沉降－氣候之間的相互作用對地球氣候起到重要作用，厘清顆粒物的形成機制是評估氣溶膠間接輻射強迫和相關氣候反饋過程的關鍵因素。Yu等人將IMN機制應用到CAM5-APM模式模擬中［20］，其中電離影響是基于均相和離子調節的雙向H2SO4-H2O成核過程。結果顯示，電離在全球氣溶膠特性和云強迫改變中具有重要作用，可能提供與影響氣候變化相關的大氣電離各種過程的重要物理機制，電離能夠顯著影響硫酸氣的濃度、成核速率、氣溶膠和CCN濃度、云特性、沉降和云強迫等，而云強迫對成核過程的敏感性大大降低了成核機制的不確定度，提高了氣候模式在氣溶膠－云－氣候相互作用過程中的代表性。

3 應用GEOS-APM模式的京津冀區域重污染過程模擬分析

2014年2月，京津冀區域出現連續多日的重污染天氣過程。如圖2所示，細顆粒物濃度連續多日嚴重超標，能見度低，嚴重影響人民群眾的生產生活，引起各方媒體和人民群眾的廣泛關注。利用嵌套(nested)的GEOS-APM模式，對2014年2月京津冀區域連續近一周的一次重污染過程進行模擬。其中模擬的水平空間分辨率為2°×2.5°，垂直方向分為47層。

圖2 2014年2月京津冀區域各城市細顆粒物日均濃度時間序列圖

圖3是GEOS-APM模式針對2014年2月的模擬結果，模擬內容自上而下分別為氣溶膠光學厚度(AOD)、PM2.5濃度、相對濕度(RH)、能見度(Visibility)。

可以看出，2014年2月20—26日的重污染過程(過程一)期間，該模式在各項模擬結果同實際觀察結果吻合程度相對較好，而此次污染過程之前的2月13—16日重污染過程(過程二)模擬結果偏差較大。主要原因是過程二的濕度模擬結果(50% ～70%)顯著低于實際觀測結果(80% ～90%)，其模擬的能見度(約5 km)高于實際觀測結果(1 ～3 km)，PM2.5濃度的模擬結果(200 μg/m3左右)顯著偏低(觀測值200～400 μg/m3)。由此可見，相對濕度模擬對其他大氣條件以及顆粒物濃度模擬有重要關系，相對濕度模擬較好時，其他模擬結果相對較好。

在模擬結果較好的情況下，對2月20—26日重污染過程的污染特點進行了分析研究。結果顯示，此次重污染過程的大部分時間內，相對濕度持續較大(90%以上)，同時能見度極低(1～3 km)，總AOD相對較高，AOD中的沙塵和海鹽粒子所占比例較低，BC、OC所代表的一次顆粒物、二次顆粒物對AOD貢獻相對較高，包裹了二次顆粒物的一次顆粒物(BC/OC coating with secondary particulate)所占比例相對較大，對污染的貢獻略高于二次生成顆粒物。

圖4是利用GEOS-APM模式對2014年2月京津冀區域顆粒物粒徑的模擬結果。結果顯示，空氣質量相對較好的時間是超細粒子中的小粒子成長時期，而當出現重污染過程時，在超細PM1粒徑范圍內相對較大粒徑的粒子占據了主導地位(400～700 nm)，而這些粒徑的粒子在可見光波段內，能夠造成顯著的散射效應，是能見度降低、灰霾形成的主要原因。

4 結果與討論

在中國的低層對流層中，很多地方都有顯著的二次顆粒物生成過程的發生。硫酸、硝酸、胺和二次有機化合物都對二次顆粒物的成長有重要貢獻(在邊界層內，硫酸占干重的20% ～50%)，通過包裹，二次物種能夠顯著增加一次排放的BC和OC顆粒物的大小(50% ～80%)。二次顆粒物和包裹了二次物種的一次顆粒物對顆粒物數濃度增加和灰霾形成有顯著貢獻。除氣溶膠外，對于相對濕度模擬的準確性，很大程度上影響了模式對灰霾事件的捕捉能力。研究和發展一個涵蓋強大的物理和化學機制、并得到觀測結果很好驗證的灰霾模式，能夠有效地用于灰霾及重污染過程預報和污染控制策略研究。

APM模型經過20多年的研究和發展，在全球化學傳輸模型、區域性氣象和化學預報模型、通用地球系統模型等氣象及環境空氣質量預報模型中取得了很好的應用驗證，得到國際學術界的認可。嘗試將APM模型應用于京津冀區域重污染過程的模擬分析中，取得了較好的模擬分析效果。

利用APM模型開展空氣污染過程的連續模擬分析以及比較研究，能夠加強對灰霾形成關鍵過程控制的科學理解，提高顆粒物微物理過程在預報模式中的代表性，在更好地解釋中國灰霾的生成和物理化學轉化過程，研究和控制PM2.5、提高環境空氣質量預報準確性，開展污染物情景模擬分析以及環境管理與控制等方面發揮作用。

致謝:該研究得到環境保護部公益性行業專項《京津冀城市大氣邊界層對重污染形成的影響研究》、《京津冀地區典型重污染天氣過程空氣質量特征研究》以及中國科學院戰略性先導科技專項《大氣灰霾追因》的資助。

［1］張璘，丁銘，董東梅．春季大氣PM10重污染的監測與預警——以江蘇省典型城市為例［J］．中國環境監測，2009，25(2):90-93．

［2］孫峰，張大偉，孫瑞雯，等．北京地區冬季典型PM2.5重污染案例分析［J］．中國環境監測，2014，30(6):1-12．

［3］張霖琳，高愈霄，刀谞，等．京津冀典型城市采暖季顆粒物濃度與元素分布特征［J］．中國環境監測，2014，30(6):53-61．

［4］王茜．上海市秋季典型PM2.5污染過程數值預報分析［J］．中國環境監測，2014，30(2):7-13．

［5］區宇波，岳玎利，張濤，等．珠三角秋冬季節長時間灰霾污染特性與成因［J］．中國環境監測，2014，30(5):16-20．

［6］Tie X X，Wu D，Brasseur G．Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou，China［J］． Atmospheric Environment，2009，43:2 375-2 377．

［7］王自發，謝付瑩，王喜全等．嵌套網格空氣質量預報模式系統的發展與應用［J］．大氣科學，2006，30(5):778-790．

［8］Turco R，PHamill P，Toon O B，et al．A onedimensional model describing aerosol formation and evolution in the stratospherePart IPhysical processes and mathematical analogs［J］．Journal of Atmospheric Science，1979，36:699-717．

［9］Hamill P，Turco R P，Kiang C S，et al．An analysis of various nucleation mechanisms for sulfate particles in the stratosphere ［J］．Journal of Aerosol Science，1982，13:561-585．

［10］Toon O B，TurcoR P，WestphalD，etal． A multidimensional model for aerosols:Description of computational analogs［J］．Journal of Atmospheric Science，1988，45:2 123-2 143．

［11］Jacobson M，Turco R，Jensen E，et al．Modeling coagulation among particles of different composition and size［J］．Atmospheric Environment，1994，28:1 327-1 338．

［12］Jacobson M Z，Turco R P．Simulating condensational growthevaporation and coagulation of aerosols using a combined moving and stationary size grid［J］．Aerosol Science and Technology，1995，22:73-92．

［13］Yu F，Turco R P．The role of ions in the formation and evolution ofparticles in aircraftplumes ［J］．Geophysical Research Letters，1997，24:1 927-1 930．

［14］Yu F．A study of the formation and evolution of aerosols and contrails in aircraft wakes:Development，validation and application of an advanced particle microphysics (APM) model ［D］． Doctoral Dissertation，University ofCalifornia，LosAngeles(UCLA)，1998．

［15］Yu F，Turco R P．Case studies of particle formation events observed in boreal forests:Implications for nucleation mechanisms［J］．Atmospheric Chemistry and Physics，2008，8:6 085-6 102．

［16］Yu F，Luo G．Simulation of particle size distribution with a global aerosol model:Contribution of nucleation to aerosoland CCN numberconcentrations ［J］．Atmospheric Chemistry and Physics，2009，9:7 691-7 710．

［17］Yu F，Luo G，Ma X．Regional and global modeling of aerosol optical properties with a sizecompositionand mixing state resolved particle microphysics model［J］．Atmospheric Chemistry and Physics，2012，12:5 719-5 736．

［18］Ma X，Yu F，Luo G．Aerosol direct radiative forcing based on GEOS-Chem-APM and uncertainties［J］．Atmospheric Chemistry and Physics，2012，12:5 563-5 581．

［19］Luo G，Yu F．Simulation of particle formation and number concentration over the Eastern United States with the WRF-Chem+APM model［J］．Atmospheric Chemistry and Physics，2011，11:11 521-11 533．

［20］Yu F，Luo G，Liu X，et al．Indirect radiative forcing by ion-mediated nucleation of aerosol［J］．Atmospheric Chemistry and Physics，2012，12:11 451-11 463．