基于CMAQ模型分析成都市O3對氣象因子的靈敏度

張迎春，付 虹，李 迪，明鎮洋，劉岳軍

（西南交通大學地球科學與環境工程學院，四川 成都 611756）

氣象因子是決定O3生成的關鍵條件。DAWSON等[1]利用CMAQ模型研究了O3濃度對氣象因子的敏感性，研究結果表明，溫度對O3的影響最大，溫度每增加1 K，O3濃度增加0.34 ppb；絕對濕度的影響次之，每增加一個百分比，O3濃度下降0.025 ppb；風速和混合層高度對O3濃度的影響最小。STEINER等[2]利用CMAQ型模擬了加利福尼亞州中部地區O3濃度，結果表明，溫度、大氣水汽和生物VOCs（揮發性有機物）排放量的變化將導致每日O3峰值增加1%～5%。史之浩[3]利用CMAQ空氣質量模型，分析了氣象因子變化對中國O3和顆粒物污染形成過程的影響，研究表明，O3濃度對溫度的敏感性最高，對風速、濕度、混合層高度、降雨量的敏感性依次降低。張瑩等[4]基于GAMS模型分析了成都市氣象因子交互作用對臭氧的影響，結果表明，最高氣溫、日照時數等氣象因子與O3均呈非線性關系。最高氣溫、日照時數、MMD（最大混合層厚度）和相對濕度對O3濃度的影響均較大。胡成媛等[5]使用廣義相加模型（GAM），發現O3濃度與氣溫、氣壓等氣象因子呈非線性關系，對四川盆地的影響較大的是日照時數、相對濕度以及溫度。成都市是我國西南地區的經濟中心，常住人口超過2 000萬，靜風頻率高，夏季熱島效應和冬季逆溫現象多發，PM2.5和O3污染嚴重。本文基于CMAQ模型定量評估成都市O3對氣象因子的靈敏度和O3對氣象因子擾動的響應程度的空間分布。

1 數據來源與方法

1.1 數據來源與處理方法

臭氧污染濃度數據來源于中國環境監測總站全國環境空氣質量實時發布平臺（http://106.37.208.23320035）。數據內容為2017年7月成都市9個國控站點的O3濃度。氣象數據來自西南交通大學區域環境空氣質量綜合監測站，時間與O3濃度同步。

1.2 模型參數設置及評估

1.2.1 模型參數設置

采用WRF-CMAQ模型[6-8]模擬成都市的氣象因子和O3濃度，模擬區域（見圖1）采用三層嵌套模式，模擬精度逐層遞增。本文選取2017年7月代表夏季進行臭氧濃度模擬，為了降低初始條件的影響，提前5 d進行模擬。

圖1 模擬區域及嵌套情況示意圖

WRF模型提供初始氣象場和邊界條件為1°×1°的NCEP再分析資料（FNL），時間精度為6 h。具體物理參數配置如表1所示。

表1 WRF-CMAQ模型參數配置

1.2.2 模型評估方法

NMB（標準化平均偏差）與NME（標準化平均誤差）用于表征模擬值與觀測值的相對偏離程度，值越接近0，模擬值與觀測值偏離程度越小；R（相關系數）用于表征模擬值與觀測值的接近程度，值越接近1，模擬值與觀測值吻合度越好。相關計算公式[9]如下：

式中：Mi代表i時刻（某小時）的模擬值；Oi代表i時刻（某小時）的觀測值；n代表樣本總數；代表模擬值的平均濃度；代表觀測值的平均濃度。

1.3 靈敏度分析

靈敏度分析是研究與分析一個系統（或模型）的輸出結果對系統輸入參數或周圍條件變化的敏感程度的方法[10]。在空氣質量模型中，靈敏度分析最廣泛使用的方法有[11]情景分析法、去耦直接法、格林函數法以及伴隨法。

本文選用情景分析法（BFM）研究成都市臭氧濃度對氣象參數的靈敏度，情景分析法屬于一次一個變量法，即將某個參數進行擾動，而其他參數保持不變的情況下，計算該參數的變化導致模型輸出結果的變化率，靈敏度取多次擾動計算出的靈敏度系數的平均值。通過NCL編程對WRF模型模擬結果中的5種氣象因素的值分別進行6種情景的擾動，源排放和其他設置均不變，各個氣象參數受到的具體擾動情況如表2所示。

表2 氣象參數擾動情景

評價每個氣象參數變化情景對O3臭氧濃度的影響，以模擬時段O3日最大8 h平均濃度作為評價指標。情景分析法一階靈敏度系數計算公式[12]如下：

式中：Sj為某一擾動情景對應的靈敏度，j=1,2,…,n；c+Δεj、c-Δεj分別為對應擾動情景下的濃度；Δεj為擾動情景；S為靈敏度。

2 結果分析

2.1 CMAQ模型模擬結果評價

NMB和NME能更好地說明模擬值和監測值的偏離程度和誤差以及用R值來表征模擬值和監測值的變化趨勢的吻合程度，如表3所示。從表3可以看出，7月成都市9個站點臭氧日最大8 h濃度的模擬值與監測值相關性均較好，平均相關系數為0.831。但9個站點的臭氧日最大8 h濃度的NMB和NME差別較大，NMB的值介于-0.159～-0.355，且均為負值，說明7月臭氧濃度模擬值偏低。從總體看，臭氧濃度模擬值與觀測值的NMB和NME較低且相關性較好，所以此CMAQ系統可以用于計算成都市臭氧濃度對各氣象因子的靈敏度。

表3 2017年7月O3日最大8 h濃度模擬結果驗證

2.2 臭氧濃度對氣象因子的靈敏度分析結果

2.2.1 臭氧濃度對溫度的靈敏度

成都市夏季日最大8 h平均臭氧濃度均隨溫度升高而線性增加，如圖2所示，可決系數R2為0.951。夏季O3對溫度的靈敏度為0.627 1 ppb·K-1。

圖2 夏季O3日最大8 h平均濃度與溫度擾動的關系

成都市夏季O3日最大8 h平均濃度為58.923 ppb，當溫度增加5 K時，成都市夏季O3日最大8 h平均濃度為62.725 ppb，比未擾動時增加3.802 ppb，增加比例為6.45%，如圖3所示。成都市的O3表現出對溫度升高的敏感性，但從O3濃度增幅來看，溫度對O3濃度的影響在空間上的分布是不均勻的，其中成都市北部靈敏度最高，而成都市西邊靈敏度相對較低。這是由于在人為排放高的污染區域，O3濃度受溫度擾動較大，而相對農村區域臭氧濃度受溫度擾動的影響較小。由溫度擾動引起的臭氧濃度增加情況與已有的研究結果基本一致[13-14]。

圖3 夏季溫度增加5 K時O3日最大8 h平均濃度差值的空間分布

2.2.2 臭氧濃度對絕對濕度的靈敏度

成都市夏季O3日最大8 h平均濃度隨絕對濕度增加而線性降低（見圖4），R2為0.940。夏季O3日最大8 h平均濃度對絕對濕度的靈敏度為-0.032 6 ppb·%-1。

圖4 夏季O3日最大8 h平均濃度與絕對濕度擾動的關系

當絕對濕度增加20%時，成都市大部分地區夏季和冬季O3日最大8 h平均濃度均降低，只有北部極小部分區域濃度略微上升，如圖5所示。成都市夏季O3日最大8 h平均濃度為58.617 ppb，比未擾動時降低0.306 ppb，降低比例為0.519%。

圖5 夏季絕對濕度增加20%時O3日最大8 h平均濃度差值的空間分布

2.2.3 臭氧濃度對大氣壓強的靈敏度

成都市夏季O3日最大8 h平均濃度均隨大氣壓強（P）增加而線性降低（見圖6），可決系數R2為0.949。成都市夏季O3日最大8 h平均濃度對大氣壓強的靈敏度為-0.003 35 ppb·%-1。夏季大氣壓強對O3日最大8 h平均濃度的靈敏度很低，明顯低于對絕對濕度的靈敏度。

圖6 夏季O3日最大8 h平均濃度與大氣壓強擾動的關系

當大氣壓強增加20%時，成都市絕大部分地區夏季的O3日最大8 h平均濃度均降低，如圖7所示。成都市夏季日最大8 h平均O3濃度為58.872 ppb，比未擾動時降低0.051 ppb，降低比例為0.086 6%。

圖7 夏季大氣壓強增加20%時O3日最大8 h平均濃度差值空間分布

3 結論

本文運用WRF-CMAQ模型對研究區域2017年7月的臭氧濃度進行模擬，結果表明，模擬值與實際監測值的相關性較好，模型能較好地反映成都市臭氧污染狀況。溫度、絕對濕度、大氣壓強都會導致臭氧不同程度的變化。其中，溫度對臭氧的影響最強；絕對濕度有明顯的影響；大氣壓強、風速對臭氧濃度的影響很小。成都市夏季的O3濃度對各氣象因素擾動的響應程度空間分布不均，當溫度增加5 K時，在污染物排放量較高的區域，臭氧濃度增加最多。當絕對濕度增加20%時，大部分地區O3日最大8 h平均濃度均降低，極小部分區域濃度略微上升。當大氣壓強增加20%時，成都市絕大部分地區O3日最大8 h平均濃度降低。