基于空氣質量模型對佛山市PM2.5的來源研究

趙文龍,李云鵬,余永昌,鄧思欣,龔道程,古穎綱,王伯光*(.暨南大學質譜儀器與大氣環境研究所,廣東 廣州 506；.暨南大學環境與氣候研究院,廣東 廣州 544；.佛山市環境監測中心站,廣東 佛山58000)

基于空氣質量模型對佛山市PM2.5的來源研究

趙文龍1,2,李云鵬1**,余永昌3,鄧思欣3,龔道程2,古穎綱1,王伯光1,2*(1.暨南大學質譜儀器與大氣環境研究所,廣東 廣州 510632；2.暨南大學環境與氣候研究院,廣東 廣州 511443；3.佛山市環境監測中心站,廣東 佛山528000)

利用第三代空氣質量模型CMAQ對廣東省佛山市2014年11月大氣PM2.5濃度進行模擬,結合觀測數據比對分析,顯示模型對PM2.5具有良好的模擬性能.通過敏感性分析,研究了佛山本地各污染源對PM2.5濃度的相對貢獻以及周邊地區外來源對佛山PM2.5的影響.結果發現,整個研究時段佛山本地源對 PM2.5貢獻占主導,平均貢獻為 64.9%;而污染時段外來源影響增強,如廣州對湖涌和惠景城站點平均相對貢獻為 36.8%,清遠對云東海站點相對貢獻為 18.5%.佛山本地各類源對 PM2.5濃度的影響差別明顯,污染時段,工業源對湖涌站點相對貢獻為54.6%,對其他站點的相對貢獻為 28.2%～30.2%;流動源對惠景城站點相對貢獻為 28.9%.通過情景分析,在改善大氣環境過程中提出對佛山各類型源的有效削減策略,同時注意城市間協作、區域間聯防聯控的控制措施.

PM2.5；空氣質量模型；來源解析；情景分析；區域大氣污染

細顆粒物PM2.5能夠長時間停留在大氣環境中,其濃度水平受到多重因素的影響,如源排放、二次粒子生成[1]以及氣象條件[2-3]等.PM2.5由于其來源和成分的復雜性、對人體的健康影響[4-6]以及對能見度[6-8]的影響引起了人們的廣泛關注. PM2.5污染是區域輸送、本地污染源排放和不利氣象條件共同作用的結果.珠江三角洲(下稱珠江三角洲)有關 PM2.5污染來源的研究主要包括兩個方面:一方面是對區域輸送貢獻的研究,并且定量給出區域之間污染源排放對PM2.5的貢獻[9-10];另一方面是對本地污染源貢獻的識別研究,定量給出本地不同類別源對PM2.5的貢獻[11-12].因此,對于空氣質量的控制,識別其污染來源至關重要.為有效控制大氣中的細顆粒物污染,對區域輸送以及各類源的貢獻情況得到了管理部門的關注.

針對污染物來源解析,數值模擬方法能夠模擬污染物在大氣中的輸送、擴散、化學轉化和遷移等過程,在此基礎上能夠更加全面的反映污染物在環境中的變化及影響,不但可以得到污染源影響的空間分布情況,而且還可以區分本地排放和外來源輸送的影響,通過情景分析得到定量源解析結果,對改善大氣環境質量具有指導性意義.

珠江三角洲城市化程度高,污染源數量多并且集中,大氣污染呈現明顯的區域復合型污染特征[13],珠江三角洲顆粒物污染發生在秋冬季節的頻率較高[14-15].隨著 2012年空氣質量新標準的實施[16], PM2.5納入監測指標范圍.佛山市作為珠江三角洲主要城市之一,2014年佛山在廣東省環保廳公布的全省各市(區)按照環境空氣綜合質量指數排名,位列全省倒數第二位[17].目前,有關佛山地區污染控制策略的研究較少,并且對周邊地區污染源的作用和各類源貢獻程度缺乏定量研究.本文旨在利用三維空氣質量模式對 PM2.5進行模擬,采用情景分析的方法,通過對佛山本地和周邊地區源以及佛山本地各類源排放進行削減,量化評估區域和佛山本地各類源對 PM2.5的貢獻,從而為改善大氣環境質量提供科學依據.

1 研究方法

1.1 模型設置

本研究采用的模型系統是由源排放清單網格化模型(SMOKE)[18]、氣象模式(WRF)[19]以及化學傳輸模式(CMAQ)等構成,CMAQ[20]被廣泛應用于大氣環境質量研究,WRF模式使用NCEP FNL再分析資料為其提供氣象場,氣象模式輸出結果由氣象-化學界面處理接口 MCIP[21]模塊轉化為CMAQ模式所需氣象資料數據格式.排放源清單文件經過SMOKE進行處理,為CMAQ提供所需的網格化、逐時排放源數據.模型模擬區域采用三重網格嵌套結構,網格設置如圖 1(a)所示,其中第三重網格如圖1(b),水平分辨率為4km,區域覆蓋整個珠江三角洲.模擬區域垂直方向分為15層,近地面層高約40m.

圖1 三重嵌套區域(a)、4km網格模擬區域及佛山市空氣質量觀測站(b)分布Fig.1 Domains for CMAQ (a)、4-km domain and locations of the air quality monitoring sites in Foshan (b)

本研究模型系統以 2010年全國排放清單為基準[22],利用2012年珠江三角洲排放源清單對面源和移動源[23]進行了更新,根據2013年佛山市環境統計數據對佛山市的點源進行了更新,第三重網格顆粒物排放空間分布如圖 2所示.模型系統使用 SAPRC99[24]氣相化學反應機制.本研究利用CMAQ對佛山市2014年11月1～30日PM2.5時空變化情況進行了模擬,為了消除初始條件的影響,模擬的前3d作為模式的初始化過程.

1.2 評估方法介紹

本研究采用佛山市空氣質量監測網PM2.5小時濃度數據對模擬結果進行評估,監測站點位置如圖1(b)所示,惠景城站點為粵港聯網站點,位于禪城區,湖涌站點為市控站點,位于禪城區,云東海站點為國控站點,位于三水區.采用標準化平均偏差(NMB),標準化平均誤差(NME)和相關系數(COR)三個統計指標評估模擬效果.NMB、NME和COR的計算公式如式(1)、(2)和(3):

圖2 顆粒物排放源月均值空間分布特征Fig.2 Spatial distribution of monthly particulate matter

1.3 情景分析方案

情景分析即按照既定方案調整某個地區或某種污染物的源排放清單,通過對比調整前后的清單和利用原始清單模擬出的目標物種濃度的變化,來推斷源清單中調整部分對目標物種濃度的貢獻和目標物種濃度對排放量變化的響應.情景分析法[9,25]應用于區域復合污染研究、區域之間污染影響研究以及污染源控制[26]等研究,是研究區域空氣質量相互影響的常用方法.王淑蘭[27]等將情景分析方法應用于區域大氣復合污染控制方案的研究.胡曉宇等[28]利用情景分析方法對珠江三角洲城市群PM10的相互影響進行了研究.根據佛山市各監測站點監測數據結果,將 PM2.5日均濃度超過國家二級標準濃度限值(75μg/m3)作為污染日,統計結果顯示:2014年11月出現過2次較為嚴重的PM2.5污染時段,時間分別是11月15～16日和20～22日.對佛山本地和周邊地區源對PM2.5的區域貢獻、佛山本地各類源對PM2.5的貢獻情況分別進行2014年11月份整月時段和污染時段統計分析.情景分析主要針對第三重網格內人為排放源進行,對于研究區域內外污染源對佛山市PM2.5的貢獻,分別將佛山、廣州、肇慶、江門、清遠和第三重網格人為源排放逐一扣除50%,氣象及其他條件不變進行模擬計算;研究佛山市本地各類源對佛山市 PM2.5貢獻,分別將電廠、工業源和流動源逐一扣除50%,氣象及其他條件不變進行模擬.各模擬情景方案如表1所示.

表1 情景分析方案Table 1 Scenario analysis scheme

2 結果與討論

2.1 PM2.5模擬結果評估

針對本文研究的3個站點,圖3展示了監測站點PM2.5小時濃度觀測值與模擬結果隨時間的變化情況,濃度值基本一致,變化趨勢相對同步.表2列出了PM2.5日均濃度觀測值與模擬值的比對結果.從PM2.5比對結果可以發現,PM2.5的模擬結果總體上偏低.CMAQ模擬的結果受多重因素的影響,其中關鍵影響因素之一是污染物源清單不確定性[29-31].本研究雖然在2010年的基礎上對珠江三角洲排放源清單進行了更新,但是數據資料統計結果與真實源排放情況存在一定的差異性,進而對模擬結果產生影響.水平分辨率4km網格內平均值和觀測站點值進行比較,模擬值無法確切反映網格內部排放源和氣象條件的變化,以湖涌站點為例,溫度、風速、壓強和濕度等氣象因素,模擬值和觀測值相關系數在0.61～0.91之間,標準化平均偏差在-0.03～0.22之間,標準化平均誤差在0.03～0.41之間.氣象模擬的誤差以及模式中所采用的大氣化學機制不完善也是影響模擬結果的原因.但 PM2.5變化趨勢與監測結果基本符合,相關系數在 0.51～0.72區間,標準化平均誤差均小于 0.5,與同類研究結果接近[32-34],由此可見,模擬結果基本能夠滿足研究的需求.

圖3 2014年11月3個站點PM2.5小時濃度模擬值和觀測值比對Fig.3 Comparison between observed and simulated PM2.5hourly concentrations at three sites during 4～30November in 2014

表2 3個監測站點PM2.5日均值比對統計結果Table 2 Performance statistics for simulated daily PM2.5concentration at three monitoring sites

2.2 污染時段PM2.5模擬結果分析

根據各監測站點 PM2.5統計結果,污染時段為15～16日和20～22日,分別對15～16日和20～22日PM2.5特征進行分析.

圖4為11月14～16日PM2.5日均濃度空間分布情況.14日為對照日,從PM2.5日均空間分布來看,佛山地區PM2.5濃度水平較低.15日為污染日,從PM2.5日均空間分布狀況來看,佛山與周邊城市廣州和肇慶交界區域存在部分高值區域,佛山大部分地區 PM2.5日均濃度較低,呈現上述空間分布的原因是在交界區域存在較強的排放源(圖 2),結合監測站點 PM2.5小時濃度變化情況(圖3),模擬結果偏低. 16日與15日相比,從空間分布狀況來看,佛山地區 PM2.5日均濃度水平較低,從風場分布情況來看,16日與15日相比日平均風速較高,進而導致 PM2.5日均濃度處于較低水平.

圖4 2014年11月14～16日PM2.5日均濃度空間分布與風場疊加Fig.4 Spatial distribution of daily PM2.5concentrations with the wind fields during 14～16November 2014

圖5為11月19～22日PM2.5日均濃度空間分布情況.19日為對照日,佛山整個地區PM2.5濃度水平較低.20日PM2.5日均濃度水平較19日有所升高,佛山市PM2.5日均濃度模擬高值區域出現在佛山與周邊城市的交界區域,呈現上述空間分布的原因是交界區域存在較強的排放源(圖 2),佛山市絕大部分地區大氣環境質量相對較好.21日, PM2.5日均濃度空間分布狀況顯示,PM2.5日均濃度水平較高,濃度高值區域主要出現在佛山市中部及東南地區,從風場分布情況來看,21日較20日平均風速相對較低、佛山中部及東南地區存在著較強的排放源(圖2),導致PM2.5日均濃度水平較高.22日較21日污染程度較輕,PM2.5日均濃度高值區域明顯縮小,由于顆粒物污染源空間分布情況(圖 2),導致高值區域主要出現在佛山中部以及交界區域的部分地區.結合20～22日PM2.5濃度與風場疊加變化情況,污染期間主導風向明顯,以東北風為主,上述PM2.5時空分布可能是穩定氣象場作用的結果,特別是 21日,風速偏小,進而導致佛山地區 PM2.5濃度超標.

圖5 2014年11月19日～22日PM2.5日均濃度空間分布與風場疊加Fig.5 Spatial distribution of daily average PM2.5concentrations with the wind fields during 19～22November 2014

2.3 基于減排情景分析的PM2.5來源解析

2.3.1 本地和周邊地區排放對佛山市大氣PM2.5的影響 利用各個情景方案的模擬結果與基準方案的差值,定量計算各區域排放源對PM2.5的貢獻.表 3展示了每個地區對3個監測點整個時段和污染時段的貢獻,其中佛山、廣州、肇慶和清遠貢獻值為第三重網格扣除50%的相對貢獻,其他為扣除佛山、廣州、肇慶、清遠和江門的差值,全部貢獻值為第三重網格的絕對貢獻.

表3 佛山及周邊地區對監測點位的相對貢獻(%)Table 3 The relative contributions of Foshan and surrounding cities to monitoring sites (%)

整個時段和污染時段的結果相似,說明研究時段主導風向較為穩定.由圖4和圖5的模擬結果并結合表3可以看出,江門處于佛山下風向,江門對佛山影響較小,對各站幾乎無貢獻,未予以列出,而廣州處于佛山的上風向,影響較明顯.第三重人為源貢獻對不同的站點貢獻不同,在研究站點中人為源污染時段貢獻為 39.7%～82.6%.Wu等[9]對珠江三角洲PM2.5來源研究顯示,珠江三角洲區域內排放源對佛山市惠景城站點貢獻為23.3%,低于本研究結果,其原因可能是由于研究時段不同所導致的氣象場差異和污染源清單的不確定性.以第三重全部人為源的貢獻為總體,佛山在湖涌站的本地貢獻最大,污染時段和整個時段相差較小,整個時段相對貢獻為 72.1%,對其他站點相對貢獻較高,污染時段最小相對貢獻為55.3%,說明佛山市PM2.5來源貢獻主要為本地源;廣州對惠景城站點和湖涌站點貢獻較高,對惠景城站點污染時段相對貢獻為 41.0%,污染時段相對貢獻高于整個時段相對貢獻,對湖涌站點污染時段為32.6%,比整個時段高10個百分點,對云東海站點貢獻小于 10%,其原因可能是惠景城站點和湖涌站點距離廣州較近(圖1(b))、氣象場風向以東北風為主(圖4,圖5)以及廣州與佛山交界地區存在著較強的源排放(圖2),說明區域貢獻對污染形成的影響不容忽視,因此需要采取區域間協同控制措施,胡曉宇等[28]對珠江三角洲區域大氣PM10相互影響研究結果顯示,佛山地區顆粒物污染受到本地源貢獻為主, 并且廣州對佛山影響顯著,本研究中廣州對佛山各站點的平均相對貢獻為 25.4%,通過計算廣州對佛山影響響應系數占整個珠江三角洲影響的 28.7%,略高于本研究結果,總體比較而言,研究結果較為一致;肇慶對云東海站點貢獻較低,污染時段為 1.9%,對湖涌和惠景城站點的貢獻幾乎可以忽略不計;清遠位于云東海站點上風向,對其貢獻較高,污染時段為18.5%,污染時段貢獻高于整個時段,其原因可能是較強的輸送過程影響,對湖涌和惠景城站點貢獻可忽略不計;從結果上來看,肇慶對云東海站點相對貢獻偏低,可能是模式中源排放偏低,本研究排放源清單以2010年為基準,珠江三角洲由于產業政策的影響,產業分布較2010有明顯變化[35-36],肇慶由于數據資料的限制,源清單未進行更新,導致顆粒物排放源統計結果偏低,進而肇慶對云東海站點相對貢獻可能低估;其他區域貢獻值為扣除佛山、廣州、肇慶和清遠后的差值,其他區域對云東海站點整個時段和污染時段相對貢獻約為 9%;第三重內其他區域對湖涌和惠景城站點相對貢獻較低,均在6%以下.

2.3.2 本地各類排放源對佛山市大氣 PM2.5的影響 利用各個情景方案的模擬結果與基準方案的差值,定量計算各類排放源對 PM2.5的貢獻.表4展示了各類排放源對3個監測站點整個時段和污染時段的相對貢獻,其他為扣除電廠、工業源和流動源貢獻的差值.

整個時段和污染時段的結果總體差別較小.以佛山全部排放源為總體,其中工業源的相對貢獻最大,以湖涌站點為例,污染時段工業源相對貢獻為54.6%,對其他站點的貢獻為28.2%～30.2%.流動源的相對貢獻較大,流動源對惠景城的貢獻最大,污染時段貢獻為 28.9%;對云東海的貢獻次之,達20.6%;對湖涌貢獻,污染時段貢獻為16.9%.電廠對云東海站點相對貢獻較低,整個時段相對貢獻為 1.9%;對另外 2個站點的貢獻均不超過1%.天然源在目前模型中的貢獻很小,未予以列出.其他排放源的污染時段貢獻28.3%～47.6%,其他貢獻來源可能是本地面源等未納入情景分析污染類別的影響.

表4 佛山各類排放源對監測點位的相對貢獻(%)Table 4 The relative contributions of emission sources in Foshan to monitoring sites (%)

通過模擬以及情景分析結果提出以下建議:佛山本地源各類污源的控制中,要著力對工業源進行控制;從區域間相互影響的角度,佛山處于廣州的下風向區域,特別是在盛行東北風的情況下,廣州輸送過程對佛山 PM2.5貢獻不容忽視,清遠主要對佛山北部地區影響較為顯著.為了要控制污染,需采取本地控制和區域間聯防聯控的措施.

3 結論

3.1 佛山和周邊地區對PM2.5貢獻情況:整個時段佛山本地源對3個站點平均相對貢獻為64.9%.污染時段廣州對湖涌和惠景城站點平均相對貢獻為 36.8%.污染時段清遠對三水地區相對貢獻為18.5%.肇慶對三水地區有影響.

3.2 佛山市本地各類源對PM2.5貢獻情況:污染時段工業源對湖涌站點相對貢獻為 54.6%;污染時段流動源對惠景城站點相對貢獻為 28.9%;污染時段其他排放源相對貢獻為28.3%～47.6%.

[1] 楊春雪,闞海東,陳仁杰.我國大氣細顆粒物水平、成分、來源及污染特征 [J]. 環境與健康雜志, 2011,28(8):735-738.

[2] 楊孝文,周 穎,程水源,等.北京冬季一次重污染過程的污染特征及成因分析 [J]. 中國環境科學, 2016,36(3):679-686.

[3] 李穎敏,范紹佳,張人文.2008年秋季珠江三角洲污染氣象分析[J]. 中國環境科學, 2011,31(10):1585-1591.

[4] 謝 鵬,劉曉云,劉兆榮,等.珠江三角洲地區大氣污染對人群健康的影響 [J]. 中國環境科學, 2010,30(7):997-1003.

[5] Buonocore J J, Dong X, Spengler J D, et al. Using the Community Multiscale Air Quality (CMAQ) model to estimate public health impacts of PM2.5from individual power plants [J]. Environment International, 2014,68:200-208.

[6] Kampa M, Castanas E. Human health effects of air pollution [J]. Environ Pollut, 2008,151(2):362-367.

[7] Burr M J, Zhang Y. Source apportionment of fine particulate matter over the Eastern U.S. Part I: source sensitivity simulations using CMAQ with the Brute Force method [J]. Atmospheric Pollution Research, 2011,2(3):300-317.

[8] 張 艷,余 琦,伏晴艷,等.長江三角洲區域輸送對上海市空氣質量影響的特征分析 [J]. 中國環境科學, 2010,30(7):914-923.

[9] Wu D W, Fung J C H, Yao T, et al. A study of control policy in the pearl river delta region by using the particulate matter source apportionment method [J]. Atmospheric Environment,2013, 76(SI):147-161.

[10] Kwok R H F, Fung J C H, Lau A K H, et al. Numerical study on seasonal variations of gaseous pollutants and particulate matters in Hong Kong and pearl river delta region [J]. Journal of Geophysical Research-Atmospheres, 2010,115(D16):751-763.

[11] 黃曉鋒,云 慧,宮照恒,等.深圳大氣PM2.5來源解析與二次有機氣溶膠估算 [J]. 中國科學:地球科學, 2014,44(4):723-734.

[12] 王文丁,陳煥盛,吳其重,等.珠江三角洲冬季PM2.5重污染區域輸送特征數值模擬研究 [J]. 環境科學學報, 2016,36(8):2741-2751.

[13] 鄧 濤,吳 兌,鄧雪嬌,等.珠江三角洲一次典型復合型污染過程的模擬研究 [J]. 中國環境科學, 2012,32(2):193-199.

[14] 吳 兌,畢雪巖,鄧雪嬌,等.珠江三角洲大氣灰霾導致能見度下降問題研究 [J]. 氣象學報, 2006,64(4):510-517.

[15] 廖志恒,孫家仁,范紹佳,等.2006～2012年珠三角地區空氣污染變化特征及影響因素 [J]. 中國環境科學, 2015,35(2):329-336.

[16] GB 3095-2012 環境空氣質量標準 [S].

[17] http://www.gdep.gov.cn/hjjce/gb/2015ngdhjgb/201606/t20160608 _211863.html

[18] Houyoux M, Vukovich J, Brandmeyer J, et al. Sparse Matrix Operator Kernel Emissions Modeling System (SMOKE): User Manual [Z]. Prepared by MCNC-North Carolina Supercomputing Center, Environmental Programs, Research Triangle Park, NC, 2000.

[19] Skamarock W C, Klemp J B, Dudhia J, et al. A description of the Advanced Research WRF version 3 [Z]. NCAR Technical Note:NCAR/TN-475+STR, 2008.

[20] Byun D,Schere K L.Review of the governing equations, computational algorithms, and other components of the Models-3Community Multiscale Air Quality (CMAQ) modelingsystem [J]. Applied Mechanics Reviews, 2006,59(2):51-77.

[21] Otte T L, Pleim J E. The meteorology-chemistry interface processor (mcip) for the cmaq modeling system: Updates through mcipv3.4.1 [J]. Geoscientific Model Development,2010,3(1): 243-256.

[22] Li M, Zhang Q, Kurokawa J, et al. MIX: a mosaic Asian anthropogenic emission inventory for the MICS-Asia and the HTAP projects [J]. Atmospheric Chemistry and Physics Discussions, 2015,15(23):34813-34869.

[23] 楊柳林,曾武濤,張永波,等.珠江三角洲大氣排放源清單與時空分配模型建立 [J]. 中國環境科學, 2015,35(12):3521-3534.

[24] Carter W P L. Documentation of the SAPRC-99chemical mechanism for VOC reactivity assessment. Report to California Air Resources Board [R]. California:University of California, Riverside, 2000.

[25] An X, Zhu T, Wang Z,et al. A modeling analysis of a heavy air pollution episode occurred in Beijing [J]. Atmospheric Chemistry and Physics, 2007,7(12):3103-3114.

[26] 郭秀銳,吉木色,郎建壘,等.基于情景分析的北京市機動車污染排放控制研究 [J]. 中國環境科學, 2013,33(9):1690-1696.

[27] 王淑蘭,云雅如,胡 君,等.情景分析技術在制定區域大氣復合污染控制方案中的應用研究 [J]. 環境與可持續發展, 2012, 37(4):14-20.

[28] 胡曉宇,李云鵬,李金鳳,等.珠江三角洲城市群PM10的相互影響研究 [J]. 北京大學學報(自然科學版), 2011,47(3):519-524.

[29] 鐘流舉,鄭君瑜,雷國強,等.大氣污染物排放源清單不確定性定量分析方法及案例研究 [J]. 環境科學研究, 2007,20(4):15-20.

[30] 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):5112-5122.

[31] 謝 敏,鐘流舉,陳煥盛,等.CMAQ模式及其修正預報在珠江三角洲區域的應用檢驗 [J]. 環境科學與技術, 2012,35(2): 96-101.

[32] Liu X H, Zhang Y, Xing J, et al. Understanding of regional air pollution over China using CMAQ, part II. Process analysis and sensitivity of ozone and particulate matter to precursoremissions [J].Atmospheric Environment, 2010,44(30):3719-3727.

[33] 呂 煒,李金鳳,王雪松,等.長距離污染傳輸對珠江三角洲區域空氣質量影響的數值模擬研究 [J]. 環境科學學報, 2015, 35(1):30-41.

[34] 鄭丹楠,王雪松,周 軍,等. 2013年1月寧波市PM2.5污染的形成過程與傳輸規律 [J]. 環境科學學報, 2015,35(8):2378-2386.

[35] 葉嘉國.珠江三角洲產業轉移趨勢及承接地應對之策 [J]. 宏觀經濟管理, 2013,349(1):54-56.

[36] 鮑 飛,涂建華.珠江三角洲產業轉移研究 [J]. 現代農業科技, 2009,496(2):226-230.

致謝：感謝香港理工大學蘇子君博士對英文摘要的潤色.

Studies on PM2.5source contribution of Foshan base on air quality model.

ZHAO Wen-long1,2, LI Yun-peng1**, YU Yong-chang3, DENG Si-xin3, GONG Dao-cheng2, GU Ying-gang1, WANG Bo-guang1,2*(1.Institute of Mass Spectrometer and Atmospheric Environment, Jinan University, Guangzhou 510632, China；2.Institute for Environmental and Climate Research, Jinan University, Guangzhou 511443, China；3.Foshan Environmental Monitoring Center, Foshan 528000, China). China Environmental Science, 2017,37(5)：1716～1723

The Model-3/CMAQ chemical transport model was employed to simulate PM2.5concentration in Foshan during November 2014. The comparison between the modelled and observed concentrations suggested a good performance for PM2.5. Sensitivity analysis was used to investigate the relative importance of local emission sources on ambient PM2.5in Foshan and the influence of air pollution originated from surrounding areas. The results indicated that local sources dominated the ambient concentration of PM2.5in Foshan with an average contribution of 64.9% during the whole campaign. For the pollution episodes, the impact of regional sources enhanced significantly, e.g. emissions from Guangzhou accounted for up to 36.8% of PM2.5at Huchong and Huijingcheng, and sources from Qingyuan contributed 18.5% of PM2.5at Yundonghai. The influences of various local sources on PM2.5in Foshan showed distinctive differences. In the pollution episodes, local industrial emissions were estimated to contribute 54.6% of PM2.5at Huchong while only 28.2%～30.2% for other sites. 28.9% of PM2.5concentration at Huijingcheng was attributed to vehicle exhaust emissions. In order to improve the air quality in Foshan, effective reduction measures on local sources should be fully implemented, together with inter-cities collaboration and inter-regional prevention and control.

PM2.5；air quality model；source analysis；scenario analysis；regional air pollution

X51

A

1000-6923(2017)05-1716-08

趙文龍(1990-),男,安徽阜陽人,碩士研究生,主要從事大氣環境過程模擬研究.

《中國環境科學》2011～2014年發表的論文中20篇入選“領跑者5000”提名論文

2016-10-08

國家自然科學基金青年基金資助項目(41505104);中央高校基本科研業務費專項資金資助項目(21615319);國家自然科學基金重大計劃重點項目(91544215);國家自然科學基金面上項目(41373116)

* 責任作者, 教授, tbongue@jnu.edu.cn, ** 助理研究員, t.ypli@jnu.edu.cn

《中國環境科學》2011～2014年發表的論文中有20篇入選“精品期刊頂尖論文平臺——領跑者5000”提名論文.“領跑者5000(F5000)”平臺由中國科學技術信息研究所于2013年建設,旨在集中展示中國精品科技期刊上發表的最高端的學術研究成果,將與國際和國內重要檢索系統鏈接,擴大論文影響.該平臺將與湯森路透公司合作,擬利用WOK國際檢索系統平臺,與SCI數據庫在同一平臺內實現文獻鏈接和國際引文檢索,在更大范圍內向世界科技同行展示和推廣中國最重要的科研成果.提名論文均為 2011～2014年在學科領域內被引率排名居前的論文.本次環境學科共有65篇文章入選“領跑者5000”提名論文.