基于SHERPA的環境空氣質量減排情景模擬評估

朱媛媛，高愈霄，劉 冰，王 威，魯 寧，朱莉莉，宮正宇，李健軍

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.北京科技大學，能源與環境工程學院，北京 100083

近年來，中國中東部地區頻繁出現長時間、大范圍重污染過程，嚴重影響了社會經濟發展和人民身心健康。為此，國家在2013年頒布并實施了《大氣污染防治行動計劃》，明確提出重點區域和重點省市需要建立重污染天氣監測預警體系[1]，環境空氣質量預報預警作用也逐步成為重污染預警應急和大氣污染防控不可或缺的基礎工作。經過幾年來的建設和實施，環境空氣質量預報預警工作穩步推進，為環境管理提供了強有力的技術支撐。

在大氣污染治理過程中，科學制定污染減排規劃和污染應急響應控制措施，評估控制方案的可操作性和有效性至關重要。而這些減排控制方案與措施的制定和效果評估，通常需要依靠污染控制情景模擬等手段進行分析。減排情景模擬可以較好地了解污染物排放削減帶來的經濟效益、環境效益和健康效益，為形成和評估控制措施的有效性，優化控制方案提供依據[2]。然而，中國在減排方案情景分析和決策支持等方面方法尚未成熟，多數研究僅對個別污染物[3-4]或重大活動期間[5-7]的污染物減排效果進行評估，缺少多個污染物及中長期減排效果評估的案例。相對而言，歐洲在減排情景模擬、空氣質量達標規劃等方面的研究成果較為豐富，IAM(Integrated Assessment Modeling)、GAINS(Greenhouse gas-Air Pollution Interactions and Synergies)以及SHERPA(Screening for High Emission Reduction Potential on Air)等集合評估模型常被應用于歐洲減排措施的制定[8-11]。在上述3種模型工具中，IAM模型可用于區域、城市或熱點地區的情景模擬，但需要大量的計算和當地信息的輸入。GAINS可應用于歐洲國家層面減排措施的制定，分析并推薦經濟有效的方法達到環境治理的目標，但該模型基于國家尺度，且依賴于監測結果，不能隨著研究范圍的改變來評估最優減排措施，空間靈活性欠缺[12-13]。

因此，筆者介紹一種在歐盟國家和地區廣泛使用的基于SHERPA的環境空氣質量減排情景模擬評估模型，并以法國為研究案例，展示該模式方法在污染物來源分析、環境空氣質量減排措施制定以及減排效果模擬評估等方面的作用和效果，以期對中國環境空氣質量預報、減排措施制定和評估等環境服務和管理工作有所裨益。

1 模型方法

1.1 SHERPA模型

SHERPA是歐洲委員會聯合研究中心(European Commission Joint Research Centre)在歐盟空氣質量主題戰略(COM 2005 446)和歐盟指令(2008/50/EC)框架下開發的基于污染物排放和濃度關系的情景模擬模型。其主要作用是通過篩選主要污染源及其相關信息，有針對性地制定和評估研究區域空氣質量控制規劃和減排措施，為科研人員和管理部門提供技術支持。

SHERPA模型主要由以下3個輸出模塊組成：

1)污染物來源分析：該模塊可提供研究區域的污染源分類、前體物信息等，這些數據可用于分析空氣污染本地治理的可管控程度。模型通過識別所選地區污染物來源(本地或外來傳輸)，初步判斷減排方案的可行性。如果研究區域的大部分污染物源自外來傳輸，則通過本地減排措施改善空氣質量的幅度就較小，反之則較大。因此，污染物來源分析模塊可為環境管理部門初步分析其空氣污染本地治理的可控程度。

2)決策支持：該模塊用于識別研究區域主要污染源來源地，并通過測算相應國家或區域對研究地區空氣污染的貢獻水平，確定區域聯防聯控的優先次序，提高空氣質量治理效率。

3)情景模擬：該模塊在污染排放的主要行業和來源確定后，可根據特定污染排放行業的排放強度和空間覆蓋情況制定不同的減排方案，進行情景模擬分析，評估不同減排方案對空氣質量改善的作用效果。

與其他減排情景模擬評估工具相比，SHERPA模型主要具有3個特點：①空間靈活性較好，理論上通過提前輸入相關參數和排放源清單，可為任意選定的研究區域提供減排措施評估；②運算速度快，對于歐洲的研究區域，模型運算通常僅需要幾分鐘，可快速提供計算結果和決策支持信息，與模型使用者具有較好的交互性；③操作簡便，SHERPA基于空氣質量模型(AQM)模擬，但簡化了排放源與受體的關系(SRR)，將排放與濃度改變聯系起來，因此減少計算過程和時間，使操作更為簡便。總之，SHERPA在保障較高模擬準確度的同時，保留了上述3個特點，其運算結果與基于排放源與受體關系的空氣質量模型模擬結果一致[14]。

1.2 排放源與受體關系(SRR)

空氣質量數值模型在進行模擬時，為大氣中復雜的傳輸、擴散和化學過程提供了污染物濃度場，每個網格單元中污染物的濃度都是遍布于整個模型的排放源的函數。每次減排模擬評估，都需要調整污染源初始排放，重新運行模式，計算濃度變化。這種方法非常準確，但需要大量的計算時間。因此，在進行減排模擬評估(特別是在處理大量排放源變化)時，為了較為快速的獲得模擬結果，需要適當簡化排放源與污染物濃度之間的關系。SHERPA模型利用了簡化排放源和濃度關系的方法以提高模型運算速度，即假設排放源和污染物濃度之間是線性關系。THUNIS等[15-16]已經證實在處理年度或季度平均濃度時，這種線性關系是成立的。SHERPA中單個網格單元污染物濃度(ΔCi)隨排放變化可用公式(1)[14]來表示。

(1)

式中：i為被估算的網格單元；j為污染前體物；k為排放源網格單元內排放源的聚合，它存在于研究區域所有網格單元中。ΔCi為被估算的網格單元i的濃度變化；ai,j,k為被估算的網格單元i因污染前體物j在聚合k中隨排放變化所引起的濃度變化的系數；ΔEj,k表示排放源網格單元j中污染前體物聚合k的排放量變化。prec為污染前體物(precursor)；cell為網格單元。SHERPA模型在排放源和污染物濃度之間建立的線性關系，主要好處之一就是使運算具備較強的空間靈活性。一旦獲得系數a，公式(1)就可以給出任何地理區域因污染物排放變化所引起的濃度變化，而不需要額外進行模擬計算。

然而逐個網格單元的計算，意味著需要計算大量的系數a，進而需要先行進行大量的空氣質量模型模擬運算，延長計算時間。為了解決這個問題，SHERPA開發者在對整個建模領域的所有可用模擬(包括基本情況和場景)進行統計和分析后提出，ΔCi與ΔEj,k之間的關系隨dik(被估算的網格單元i和排放源網格單元聚合k之間的距離)的增大而減小，而系數a同樣遵循類似的關系，并可以近似表示為公式(2)[14]的距離函數。

ai,j,k=αi,j(1+dik)-ωi,j

(2)

式中：i和j的含義與公式(1)相同；dik表示被估算的網格單元i和排放源網格單元聚合k之間的距離。未知數α和ω是與每個污染前體物和網格相關的變量。參數α與函數的振幅有關，表示一個污染前體物相對于另一個污染前體物的重要性。參數ω則與函數的寬度有關，提供與距離相關的污染物降解速度的相關信息，它與氣象影響因素(特別是風速)相關，同時由于一些污染排放前體物在大氣中有較長的停留時間，該參數也與前體物的種類有關。公式(2)在每個網格單元中計算過程一樣，但α和ω具有其獨特性。因此，當系數a轉變為2個未知數(α和ω)后，計算公式(1)每個網格中的方程數量為前體物數量的2倍即可(即2×Nprec)，一定程度上減少了空氣質量模型模擬運算。為此，模型開發者使用了更多的模擬(15～20次)來提高對參數α和ω估算的準確率[14]。

理論上，SHERPA在輸入適當數據后可應用于任何研究地區。所需的輸入數據包括：①覆蓋研究區域的詳細網格化污染源排放清單，包括排放行業和污染前體物清單；②一系列經過15～20次空氣質量模型模擬的預先定義的排放場景所生成的排放源與受體關系；③與用戶選定研究區域排放源網格文件相一致的圖形文件清單表格，這些文件將用于篩選可能采取減排措施的區域。

該研究SHERPA模型中污染傳輸模型采用CHIMERE[17]，其在整個歐洲區域的空間分辨率為7×7 km2。污染源排放清單以修訂后的MACC-TNO排放清單[18-19]為基礎。氣象輸入數據基于歐洲中期天氣預報中心(ECMWF)2010年集成預報系統(IFS)的預報結果。減排區域的定義基于歐洲區域命名法(NUTS)，包括NUTS0(國家)、NUTS1(大區)、NUTS2(區域)和NUTS3(省級)共4層[20-21]。模型在歐洲地區研究的運算時間小于5 min。

1.3 評估

SHERPA在建模過程中通過AQM對污染物排放量減少所取得的減排效果進行一系列模擬，來推導SRR。建模的第一階段，先減少每種污染前體物排放量的50%；第二階段，將每種污染前體物同時降低，模擬減排幅度介于當前立法水平(CLE)和最大可行減少水平(MFR)之間[22]，通過一系列的模擬過程，來計算每個網格單元和污染前體物的SRR系數(α和ω)的值。在模型評估過程中，考慮了歐洲每年的PM2.5濃度及其污染物(PPM、SO2、NOx、VOC和NH3)的濃度，并通過比較SRR和AQM對空氣質量實況和減排模擬所達到的污染物濃度改變進行評估。對法國等國家和地區的不同減排情景模擬評估結果表明：所有模擬減排情景相對于AQM的相對偏差均小于10%，處于可接受水平；模擬減排措施適用于所有研究的污染物，其排放量最大可減少60%[14]。同時，評估測試結果還表明，無論在多大程度上應用減排，無論評估對象在空間上如何復雜，對于簡化后的SRR的假設都有效[14]。

2 模型應用

2.1 研究對象

法國位于歐洲西部，北臨北海，與比利時、盧森堡、德國等接壤，陸地面積約為55萬km2，人口約為6 699萬[23]，包括9個NUTS2共計26個NUTS3區域。研究基于SHERPA模型，以PM10、PM2.5和NO2為研究對象，重點分析PPM、NOx、SO2、VOC、NH3等污染前體物的變化對法國環境空氣中PM10、PM2.5和NO2年均濃度的影響，并對環境空氣中主要污染物進行來源分析、決策管理支持分析和情景模擬分析，以展示SHERPA模型在規劃和評估空氣質量管理方面的作用。

2.2 污染物來源分析

SHERPA模型通過計算排放源及前體物對環境空氣中PM2.5、PM10和NO2的貢獻，得出法國本地管控措施對上述污染物的最大可減排量分別為45%、35%和80%。如圖1所示，通過選擇控制法國本地不同行業污染源〔圖1(a)〕或控制本地PPM、SOx、NOx、VOC、NH3等前體物〔圖1(b)〕等2種手段，都可以達到相同的最大減排控制效果。

圖1 按污染源和前體物劃分的最大累計可減排量Fig.1 The maximum reduction according to the pollution source (a) and precursor (b)

如圖1(a)所示，針對不同污染源進行減排模擬分析時，按照SNAP(Standard Nomenclature for Air Pollution)排放源目錄分類[24]，降低本地農業和道路交通源對消減PM2.5和PM10的影響最大。通過控制這兩類排放源，最多可降低25%的PM2.5和19%的PM10排放。降低道路交通源和非道路交通源排放，對降低NO2濃度的影響最大，兩類排放源累計最多可減少56%的NOx排放。

如圖1(b)所示，以污染前體物為對象進行減排模擬分析時，降低PPM、NOx和NH3對消減PM2.5和PM10含量影響最大，降低所有行業PPM、NOx、NH3源排放最多可累計降低44%的PM2.5和35%的PM10濃度。而SOx和VOC可管控余地不大，其對顆粒物影響相對較小，累計顆粒物可減排量約為1%。此外，PM2.5、PM10和NO2無法通過本地減排措施降低的含量分別為55%、65%、20%，此部分污染主要源于區域間污染傳輸、自然界污染(如風沙)等因素。

2.3 決策管理

SHERPA模型在提供管理決策支持模擬運算時，會根據不同國家或地區不同污染源的排放對研究所選需管控地區影響程度的大小進行排序，從而制定應對策略。圖2展示了歐洲所有NUTS0地區道路交通源排放對選定研究區域(巴黎盆地南部安德爾省附近點位)環境空氣中PM2.5、PM10和NO2濃度的影響程度。如圖所示，所選研究區域位于法國內陸中心地區，本地道路源排放對該地區空氣中PM2.5、PM10和NO2濃度的影響分別占9.49%、6.92%、45.13%，貢獻比例相對較高。德國、英國、意大利影響次之，其道路交通源貢獻比例大約為0.5%～0.9%。模式運算表明，控制法國國內道路源排放，對安德爾省所選研究區域空氣質量改善有較大作用。

圖3為法國東北部邊境地區摩澤爾省附近點位受其他地區道路交通源排放影響的程度。結果表明，法國本地道路源排放影響仍相對較大，對摩澤爾省附近點位環境空氣中PM2.5、PM10和NO2污染貢獻的比例分別為6.29%、5.25%和24.42%。與對法國中心地區安德爾省點位(內陸地區)的研究結果比較，相鄰國家(區域)間排放傳輸的影響較為顯著，如德國對其PM2.5、PM10和NO2污染貢獻分別為4.76%、4.07%、10.71%，盧森堡和瑞士的貢獻分別為0.92%、0.77%、1.82%和0.53%、0.45%、0.82%。上述結果表明該地區受本地和外來傳輸道路交通源的共同影響。因此，該研究目標區域在控制道路交通源對空氣質量的影響時，除了減少本地道路源的排放，還需要國家(區域)之間的通力協作。

注：底圖源自歐盟委員會歐洲統計局官方發布地圖數據及NUTS數據網站(http://ec. europa.eu/eurostat/web/nts/nuts-map-.pdf)1∶2 000萬歐洲矢量底圖。下同。圖2 道路交通源對安德爾省附近點位(內陸地區)PM2.5、PM10和NO2污染貢獻示意圖Fig.2 The traffic pollutant source contribution to PM2.5，PM10 and NO2 around Indre(inland area)

圖3 道路交通源對摩澤爾省附近點位(邊境點位)PM2.5、PM10和NO2污染貢獻示意圖Fig.3 The traffic pollutant source contribution to PM2.5,PM10 and NO2 around Moselle(border areas)

2.4 減排情景模擬

基于上述污染來源分析結果和管理需求，模型使用者可根據區域協調和排放源管理實際工作情況，選擇減排方案，通過控制污染源或前體物的消減比例進行情景模擬分析，了解減排預期效果。

根據世界衛生組織2016年城市空氣質量數據庫中2014年法國PM2.5數據[25]，位于法國中北部的法蘭西島及其周邊巴黎盆地地區污染相對較重，因此筆者選取該地區進行PM2.5減排模擬分析(表1)。模擬結果表明，在不采取措施時，法蘭西島及其臨近地區PM2.5年平均濃度范圍為12～25 μg/m3(圖4)，與代表區域的典型城市年均PM2.5實況結果相比，相對誤差范圍為-36%～17%，準確趨勢基本相符。

表1 法蘭西島及其周邊地區PM2.5年均值模擬結果和代表城市實測結果Table 1 Comparison between simulated and observed annual average PM2.5 concentration in Ile-de-France area and typical cities

當選擇對本地PM2.5生成前體物或排放源進行控制、降低本地50%排放量后，模擬結果表明法蘭西島PM2.5濃度最高可降低11 μg/m3，巴黎盆地周邊PM2.5濃度可降低2.5～10 μg/m3(圖5)。

圖4 無減排措施下法蘭西島 PM2.5年均濃度模擬圖Fig.4 The annual average concentration of PM2.5 without emission reduction measures in Ile-de-France

圖5 50%減排措施時巴黎盆地中心及 周邊地區降低的PM2.5平均濃度模擬圖Fig.5 The reduced annual average concentration of PM2.5 with 50% emission reduction around Ile-de-France

此外，在進行減排效果模擬分析時，SHERPA模型還可根據所選NUTS層級的不同，進一步分析和展示不同空間尺度下各地區的減排效果。如對法蘭西島及其外圍巴黎盆地地區實施50%減排措施時，可使法國NUTS0(國家)尺度整體年均PM2.5濃度降低0.86 μg/m3，巴黎盆地地區NUTS1(大區)尺度降低2.28 μg/m3，法蘭西島、勃艮第、庇卡底等地區NUTS2(區域)尺度降低1.93～3.08 μg/m3，安德爾、巴黎地區NUTS3(省級)尺度降低1.47～9.94 μg/m3(圖6)。

圖6 50%減排措施下法國不同空間尺度PM2.5消減量模擬圖Fig.6 The reduced annual average concentration of PM2.5 with 50% emission reduction in NUTS0，NUTS1，NUTS2，NUTS3 areas

3 結論與建議

基于SHERPA模型以法國為研究對象開展了環境空氣中主要污染物來源分析、環境管理決策分析和情景模擬分析，得出以下主要結論：①采取控制法國本地不同行業污染源排放或前體物排放情況下，最多可使空氣中PM2.5、PM10和NO2年均質量濃度降低約45%、35%和80%；②法國本地道路交通源排放對內陸地區或邊境地區PM2.5、PM10和NO2污染的影響最大，德國道路交通源排放傳輸對法國東部邊境地區的影響較為顯著；③對法國中部法蘭西島及其外圍巴黎盆地地區PM2.5整體減排50%時，可使相應地區PM2.5年均濃度降低2.5～11 μg/m3。

SHERPA模型與其他集合評估模型相比，具有空間靈活性好、運算速度快等優點，盡管目前主要應用于歐洲地區，但在輸入目標區域排放源清單、SRR并進行圖形文件格式設置后，可應用于任何地區空氣質量管理，可分析不同排放源及污染前體物對目標研究區域空氣質量的影響，進而評估本地管控措施的減排效果，計算外來輸送對本地區的影響程度，以較短的模型計算時間、較強的空間靈活性模擬不同地區的減排效果，為模型使用者或環境政策制定者提供參考建議，這對中國環境質量管理措施的制定和成效評估具有非常實用的借鑒意義。

由于SHERPA模型基于環境質量預報模型排放源與受體關系的基本原理開發，與目前中國常用的環境質量預測預報數值模型類似，其模型設置和運算需要輸入研究區域精細化網格化污染物排放清單，因此，排放清單的準確程度對模型模擬結果影響顯著。目前，SHERPA模型主要適用于季度或年度減排控制措施的效果評估，以月或日為時間單位的短期減排效果模擬評估有待進一步研究探索。