四川盆地城市群臭氧污染時空精細演變特征的觀測與模擬

張小玲,雷 雨,王聰聰,吳 鍇,3,楊顯玉,2,譚欽文,陸成偉(.成都信息工程大學大氣科學學院,高原大氣與環(huán)境四川省重點實驗室,四川 成都 60225；2.成都平原城市氣象與環(huán)境四川省野外科學觀測研究站,四川 成都 60225；3.加州大學爾灣分校土木與環(huán)境工程學院,爾灣,美國 9267；.成都市生態(tài)環(huán)境科學研究院,四川 成都 6006)

自2013年《大氣污染防治行動計劃》和2018年《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》實施以來,我國城市主要污染物的排放和環(huán)境濃度顯著下降[1-2],大氣污染防治工作成效顯著.PM2.5等一次污染物濃度得到明顯改善,優(yōu)良天數(shù)逐年增加.但O3作為二次污染物,其生成主要受前體物NOx和VOCs 排放量以及輻射光照條件的影響,并且由于O3與其前體物之間存在高度的非線性關系,使得O3濃度呈現(xiàn)出增加和區(qū)域蔓延的態(tài)勢[3-4].《中國大氣O3污染防治藍皮書(2020年)》[5]報告顯示,2015-2019年中國74 個重點城市O3濃度呈現(xiàn)波動緩慢上升趨勢,其中,京津冀、長三角、珠三角和成渝地區(qū)的O3年評價值(日最大8h 滑動平均第90 百分位濃度)分別上升了34.4%、25.7%、20.3%和14.1%,區(qū)域平均O3濃度顯著高于全國平均水平.

空氣污染物的濃度取決于排放、氣象和化學反應三個關鍵因素.污染物排放到大氣中,經(jīng)過運輸、化學轉化、沉降等化學和物理過程,受氣象條件變量影響較大[6].氣象因素可以顯著調(diào)節(jié)O3濃度的變化,研究結果表明,高O3污染事件通常與高溫、強輻射、低風速和低相對濕度等氣象條件有關[7].溫度越高,光化學反應的強度增大,生物排放量進一步增加,從而促進O3濃度的升高[8-9];相對濕度對O3形成的作用較為復雜,潮濕的大氣有助于云的形成,并增加氣溶膠對太陽輻射的散射,通過影響光化學反應和水相化學來阻礙O3的產(chǎn)生和加速O3的消除[10].風場通過改變O3及其前體物在不同地區(qū)之間的擴散和傳輸來影響O3污染[3].馮浩鵬等[11]對四川盆地3 次不同程度的區(qū)域性持續(xù)性O3過程進行研究,發(fā)現(xiàn)垂直運動的強弱是造成O3濃度差異的重要原因,低層風速較小,且盆地內(nèi)存在弱的垂直環(huán)流圈時,O3容易在盆地內(nèi)積聚滯留造成污染.Han 等[12]使用多元線性回歸模型研究表明,中國東部O3污染易發(fā)生在弱氣旋系統(tǒng)或盛行南風的天氣形勢下.四川盆地特殊地形條件下,大尺度大氣運動和局地環(huán)流(如山谷風)會共同影響污染物的擴散和輸送[13-14].因此,天氣系統(tǒng)制約和維持著局地氣象條件,對O3及其前體物的區(qū)域傳輸有重要作用.

通過空氣質(zhì)量數(shù)值模式模擬研究大氣污染物的生成、輸送、擴散、沉降規(guī)律,是研究大氣污染成因機制的重要手段之一.第三代空氣質(zhì)量模型CMAQ 將氣溶膠模塊引入光化學氧化模式,可以研究O3和氣溶膠的相互作用,是目前大氣環(huán)境領域應用最廣泛的模型之一[15-16].在O3污染防治中,許多學者利用CMAQ 模式研究中國夏季O3來源的結果顯示,工業(yè)源排放高的地區(qū)主要為華北、東北、四川盆地和長三角地區(qū)[17].Tan 等[18]研究發(fā)現(xiàn)成都相對較高的本地O3生成,不僅維持了O3的增加,而且可水平傳輸?shù)较嘛L地區(qū)或垂直傳輸?shù)缴蠈?Yang 等[19]分析了成都兩次高濃度O3污染事件,發(fā)現(xiàn)O3及其前體物的垂直混合和水平輸送作用以及局地高排放造成O3污染的主要原因.Zhang 等[20]發(fā)現(xiàn)由于盆地東南風盛行,O3及其前體物的區(qū)域傳輸是成都及周邊地區(qū)O3高濃度形成的重要因素,但川南地區(qū)的BVOCs(生物揮發(fā)性有機化合物)在區(qū)域風場的影響下可以輸送到成都及周邊地區(qū),從而促進O3的形成.Qiao 等[21]提出了一種改進的WRF-CMAQ 建模系統(tǒng),用于模擬四川盆地冬季和夏季的PM2.5和O3,為研究四川盆地大氣污染物的健康效應、來源解析和控制策略提供了依據(jù).基于長期觀測的數(shù)據(jù),Wu 等[22]分析了2013～2020年四川盆地O3超標特征以及氣象條件和前體物排放的影響.Yang 等[23]利用WRF-CMAQ 模型結合ISAM對四川盆地一次極端的O3污染事件演化機制開展了研究和源歸因,發(fā)現(xiàn)弱通風條件和滯留條件以及工業(yè)和交通運輸?shù)那绑w物排放對O3濃度的增加影響最大.

O3污染的形成和維持與氣象條件和不同天氣系統(tǒng)之間的相互配合密切相關,而四川盆地內(nèi)氣象條件和污染物之間復雜的相互作用還沒有被完全理解,城市間的相互貢獻和源排放影響研究仍比較薄弱.水平輸送和垂直傳輸混合會影響下風向區(qū)域O3濃度的時間和空間分配,每次過程發(fā)生發(fā)展的特點和傳輸過程有所不同,從不同角度對四川盆地O3污染的研究仍相對較少.因此本文利用加密觀測資料,分析了2019年8月22～28日四川盆地一次持續(xù)性臭氧污染過程的演變機制與氣象成因,并利用WRF-CMAQ 模式,更深入地了解O3事件的演變及其與邊界層內(nèi)垂直混合的關系,揭示盆地內(nèi)O3污染事件中氣象條件驅動的區(qū)域傳輸機制.

1 材料與方法

1.1 研究區(qū)域

四川盆地地處青藏高原東部,海拔落差超過4000m,北接大巴山和秦嶺,南接云貴高原,東接巫山,為典型的深盆地貌(圖1a),盆地內(nèi)人口密度大,其中成都市和重慶市2020年常住人口分別達到2094.70萬人和3205.42 萬人(圖1b).本文以四川盆地18 個城市為研究對象,按地理位置分為川東北城市群(廣安、廣元、巴中、達州、南充)、成都平原城市群(德陽、綿陽、成都、眉山、樂山、雅安、遂寧、資陽)、川南城市群(內(nèi)江、自貢、宜賓、瀘州)和重慶直轄市.受人為污染排放和深盆地形的影響,盆地內(nèi)大氣污染嚴重[24-25].

圖1 四川盆地及周邊地形海拔高度及人口密度分布Fig.1 Distribution of topographic elevation and population density in the Sichuan Basin and sounding area

1.2 數(shù)據(jù)來源

污染數(shù)據(jù)為四川省環(huán)境監(jiān)測總站和重慶市生態(tài)環(huán)境監(jiān)測中心提供的四川盆地共242 個省控站和國控站2019年8月逐小時的6 項污染物濃度資料(其中,國控站99 個),并根據(jù)《環(huán)境空氣質(zhì)量標準》(GB 3095-2012)[26]計算日平均值及O3日最大8h滑動平均值(O3-8h).氣象觀測資料為四川盆地內(nèi)126 個氣象站點的逐小時地面觀測資料,包括溫度、相對濕度、氣壓、風向、風速和降水量等,數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)和四川省氣象臺.氣象再分析資料為ERA5 數(shù)據(jù)集,空間分辨率為0.125°×0.125°,用于高低空天氣形勢和流場分析.

1.3 氣象和空氣質(zhì)量模式及初邊條件

數(shù)值模式采用WRF-CMAQ 模擬系統(tǒng),其中氣象模為WRF v4.1.1,氣象場側邊界條件和初始條件數(shù)據(jù)來自最終全球再分析數(shù)據(jù)(FNL),空間分辨率為1°×1°,時間間隔為6h.該資料包含了地表26 個標準等壓層、邊界層和對流層頂?shù)囊匦畔?空氣質(zhì)量模式使用CMAQ v5.2.1,人為源排放清單為清華大學研究開發(fā)的中國多尺度 2017年排放清單數(shù)據(jù)(MEIC),空間分辨率為 0.25°×0.25°(http://www.meicmodel.org)[2].排放數(shù)據(jù)包括電力、工業(yè)、住宅、交通和農(nóng)業(yè)等5 個部門,涵蓋了10 種主要的大氣污染物和二氧化碳(SO2、NOx、CO、NMVOC、NH3、PM2.5、PM10、BC、OC 和CO2).利用由北京市勞動保護科學研究所開發(fā)的排放清單空間分配工具(ISAT)將MEIC 清單網(wǎng)格化數(shù)據(jù)進行空間分配[27].自然源排放數(shù)據(jù)通過自然界氣體和氣溶膠排放模式(MEGAN)進行處理[28-29].

CMAQ 模式主要考慮了大氣中污染物的排放、輸送、擴散、化學轉化和清除機制,模擬研究中均采用三層嵌套結構,中中中中中為(30°N,104°E),水平分辨分別為27,9 和3km,第三層涵蓋四川盆地,網(wǎng)格數(shù)為182×232.WRF 模式水平網(wǎng)格設置與化學傳輸模式一致,采用地形追隨坐標,垂直方向分為30 層,從地表延伸至100hPa,其中垂直高度1km 以下共分為8 層,更好地描述大氣邊界層的垂直結構.

過程分析(PA)被用于WRF-CMAQ 模型,旨在分析影響模擬O3濃度的物理化學過程.為了模擬7個主要大氣過程對每小時O3的貢獻,綜合過程速率(IPR)被廣泛用于O3污染的診斷[30-31].綜合源解析方法(ISAM)是源分配和源靈敏度方法的結合體,具有在整個生命周期標記O3及其前體物的優(yōu)勢,并且被廣泛應用于跟蹤不同受體區(qū)域、排放部門以及初始條件和邊界條件對模擬O3濃度的影響[32].本研究中標記了四川盆地18 個城市中的O3及其前體物,并標記了邊界條件(BCO)和初始條件(ICO),以保持質(zhì)量守恒,目的是為了量化各受體城市對自身和其他城市O3濃度的貢獻以及不同部門排放源的貢獻.

模擬時間段為2019年7月29日～8月31日,前3d 為啟動時間,以減少初始條件和邊界條件對模擬結果的影響.WRF 和CMAQ 模式中主要的物理化學過程的選項包括:RRTM 長短波輻射方案、Noah LSM 陸面過程方案、YSU 邊界層方案、Lin 微物理方案、單層城市冠層方案、氣相化學為CB06 碳鍵化學機理、氣溶膠方案為AERO6/3 氣溶膠機理.

2 結果與討論

2.1 O3 區(qū)域污染的時空演變與天氣成因分析

2.1.1 O3及氣象要素的時空演變特征 本研究選取2019年8月22～28日一次O3污染時間持續(xù)較長、污染范圍較大的典型過程,結合精細化污染監(jiān)測數(shù)據(jù)和氣象資料,分析臭氧濃度的演變規(guī)律及氣象條件特征.從城市空氣質(zhì)量監(jiān)測數(shù)據(jù)可知四川盆地18個城市中有11 個城市出現(xiàn)O3濃度超標,發(fā)生7d 超標.

由四川盆地平均O3-8h 濃度值變化(圖2)可知,2019年8月23～26日為持續(xù)性O3區(qū)域污染(O3_8h >160μg/m3),并在 24日達到最大值172.16μg/m3,盆地 O3小時平均最大濃度達到了184.28μg/m3.25日起雖然出現(xiàn)了較明顯的降水,但主要集中在樂山和雅安等污染相對較輕的區(qū)域,對溫度和濕度有所影響,并未影響到氣態(tài)前體物和O3的濃度.直到8月27日,污染較重的川南地區(qū)也出現(xiàn)了降水,同時盆地風速較大,風向為偏北風,對上游城市污染的清除效果較好,O3濃度降低幅度明顯,空氣質(zhì)量全面轉好,本次污染過程結束.

選取污染期間四川盆地四大城市群代表性城市的污染物平均日變化進行分析(圖3),其中成都平原、川南和川東北地區(qū)分別以成都、內(nèi)江、達州為代表.污染過程期間PM2.5、NO2和CO 的日變化特征比較相似,均在早上08:00～09:00 時達到峰值,之后呈現(xiàn)先減后增的趨勢,谷值出現(xiàn)在14:00～16:00 時,這與08:00～09:00 早高峰階段受交通污染源排放的影響有關,隨著溫度升高,光化學反應增強,CO 和NO2均為 O3的重要前體物,NO2發(fā)生光解生成O3,CO 也被消耗,O3濃度的不斷上升,與大氣氧化劑的光化學反應將消耗一部分VOCs,并導致PM2.5中二次有機氣溶膠生成減少[33-34].之后由于晚高峰的污染物排放加上夜間無太陽輻射、大氣邊界層降低,NO 等還原物質(zhì)與其發(fā)生氧化反應消耗部分O3,PM2.5、NO2和CO 濃度升高.O3的濃度在白天12:00～19:00 時維持高濃度,夜間為低濃度,谷值出現(xiàn)在07:00～08:00 時.

圖3 污染期間四大城市群代表城市O3、PM2.5、NO2、CO 的平均日變化情況Fig.3 Average diurnal variation of O3,PM2.5,NO2 and CO in representative cities of the four major urban agglomerations during air pollution

圖4 為四川盆地國控站和省控站O3_8h 濃度進行反距離權重插值后的逐日空間分布,結合地面氣象觀測站點的日均溫度、相對濕度以及風向風速(圖略)進行分析.在污染過程的初期,即8月22～23日,盆地底部日均氣溫較高,分布特征為東部和中部高溫低濕,西部低溫高濕.盆地主要受到東北氣流和西北氣流的影響,以部分城市局地O3污染為主.O3高值區(qū)主要在成都和重慶西部地區(qū),低值區(qū)主要位于川東北、雅安、樂山等盆地邊緣城市(圖4a～b);8月24日起,隨著溫度和氣態(tài)前體物濃度的不斷升高,地面風速小,不利于污染物的擴散和消除,導致污染累積且區(qū)域擴大,盆地O3呈片狀污染,盆地底部的O3濃度普遍高于盆地邊緣地區(qū)(圖4c).溫度的升高和紫外線的加強主要通過兩種機制增加表面臭氧的產(chǎn)生[35-36]:(1)提高NOx的光解速率;(2)有利于生物排放異戊二烯.8月27日起,盆地以偏北風為主風速增大,盆地O3濃度降低幅度明顯,污染主要匯集在重慶,部分地區(qū)仍有高濃度O3發(fā)生(圖4f).

圖4 四川盆地8月22～27日O3_8h 濃度分布Fig.4 Distribution of O3_8h concentrations in the Sichuan basin from August 22～27

2.1.2 高低空環(huán)流形勢特征 除本地源排放的影響外,穩(wěn)定的大尺度天氣形勢和不利的氣象條件是O3持續(xù)污染的維持機制[37].

8月22～27日不同高度的環(huán)流背景結果顯示(圖5),100hPa 南亞高壓中心控制在四川盆地上空,“1680特征線”不斷西退,四川盆地受到強烈的下沉氣流控制.500hPa 西太平洋副熱帶高壓(西太副高)脊線不斷西伸北抬,控制著整個四川盆地,盆地內(nèi)出現(xiàn)持續(xù)高溫、干燥的天氣,有利于O3的氣相化學反應;此外,西太副高脊線可以阻擋冷空氣擴展南下到達我國南方地區(qū),導致四川盆地上空冷空氣長期不足,有利于高溫的發(fā)展和維持[38].污染后期,副高輸送的暖濕氣流與干冷的西北氣流在四川盆地相遇,形成降水,濕清除作用使地面O3濃度降低.700 和850hPa 均受到高壓和下沉氣流控制,成都平原城市群由于本地人為源污染物排放量大,同時位于高壓中心,氣壓梯度小,呈現(xiàn)高溫靜穩(wěn)天氣,使得O3濃度快速增加;而川東北城市由于本地排放較小,且位于高壓系統(tǒng)的邊緣,風速較大,不利于污染物的積累[39].低層高壓系統(tǒng)、高層南亞高壓中心以及西太副高西伸北抬控制著四川盆地,這種天氣形勢配置下,地面氣溫較高,易發(fā)生O3污染事件,夏季O3超標率可達69%[40].在高低空大氣環(huán)流形勢的控制下,O3濃度的變化主要與當?shù)貧庀髼l件的變化有關,這些變化影響O3的光化學反應生成、擴散、傳輸和消散過程[41].

2.2 地面O3 和NOx 濃度分布與演變的模擬分析

Lei 等[42]利用WRF-CMAQ 模式系統(tǒng)模擬了成都平原夏季O3污染期間地面氣象要素和污染物濃度的演變,表明模式模擬的氣象場很好地反映了大氣動力學和熱力學的特征,成功地模擬再現(xiàn)了O3和NOx濃度的時間變化.此次O3污染空間分布的模擬結果顯示(圖6):污染初期(8月22～23日)O3高值區(qū)位于成都、重慶西部等高排放地區(qū),24～25日O3污染區(qū)擴大到整個盆地底部城市,NOx與O3的分布特征基本一致(圖7);26～27日盆地內(nèi)東北風加強,污染高值區(qū)位于川南,且伴隨降溫降水過程,NOx和O3濃度明顯降低.四川盆地發(fā)生區(qū)域性O3污染期間,成都平原城市群和重慶主城區(qū)NOx呈現(xiàn)片狀分布,這主要與該地區(qū)密集的工業(yè)排放和交通移動源的排放有關[43],而其他NOx高值區(qū)呈現(xiàn)出團狀或點狀分布,非城市地區(qū)離散的點狀NOx高值主要與大型工廠的排放有關.總體而言,模擬結果再現(xiàn)了四川盆地地面O3和NOx的空間分布及演變過程,風矢量特征與再分析數(shù)據(jù)及觀測數(shù)據(jù)的空間分布基本一致.

圖6 四川盆地8月22～27日模擬的地面風場和O3_8h 濃度Fig.6 Simulated surface wind and O3_8h concentration in the Sichuan Basin from August 22 to 27

圖7 四川盆地8月22～27日模擬的地面風場和NOx 濃度Fig.7 Simulated surface wind field and NOx concentration in the Sichuan Basin from August 22 to 27

2.3 邊界層內(nèi)O3空間分布和傳輸機制

典型O3污染過程中,盆地內(nèi)主要以東北風或東南風為主,而水平傳輸和邊界層的垂直傳輸對下風向區(qū)域O3濃度的時間分布和空間分布尤為重要.因此,選擇O3污染較為嚴重且位于盛行風通道上的8個城市(德陽、成都、眉山、樂山、自貢、宜賓、重慶、達州),進一步研究邊界層O3的傳輸機制以及晝夜空間分布上的差異性.

如圖8所示,O3濃度在晝夜和空間分布上均有明顯的變化特征,由于過程期間四川盆地上空受南亞高壓和西太副高的控制,700 和850hPa 均受到高壓影響,有下沉輻散作用,行星邊界層高度較低,白天近地面生成的高濃度O3在上升擴散時受到下沉氣流的抑制,容易停滯在邊界層內(nèi),而夜間低層O3濃度由于NO 的滴定作用顯著降低（城市地區(qū)最為顯著）.圖9 為夜間1000m 高度上O3濃度和風場的空間分布和演變,可見受白天地面O3_8h 濃度分布以及風場傳輸作用的影響較大.污染初期O3高值區(qū)位于成都、德陽地區(qū);污染積累和擴散期,盆地大部分地區(qū)存在O3污染;污染減弱期,川南城市群為O3高值區(qū).根據(jù)夜間地面O3濃度分布形勢可知(圖10),夜間地面O3的高低值分布特征與白天O3_8h 和NOx的高低值分布特征相反,夜間O3低值主要在盆地底部區(qū)域,成都及重慶市區(qū)受NO 滴定消耗O3,為兩大低值中心;O3高值中心主要位于盆地邊緣地區(qū).這進一步驗證白天O3主要在高排放的盆地底部區(qū)域形成(圖6),受水平傳輸擴散的影響,可將城市地區(qū)高濃度O3輸送至郊區(qū),由于受到山脈的阻擋和氣流的輻合影響,O3在山前堆積,沿山脈走勢呈帶狀分布.

圖8 模擬的8月22～28日四川盆地8 個城市O3 濃度和風場垂直剖面的時間變化(矢量為u、w*10 合成)Fig.8 Temporal variation of simulated vertical O3 concentration and wind fields in 8 cities from August 22 to 28

圖9 模擬的四川盆地8月22～27日夜間(20:00～次日07:00)1000m 高度O3 濃度和風場Fig.9 Simulated O3 concentration and wind field at 1000m height in the Sichuan Basin during the night of August 22 to 27

圖10 四川盆地8月22～27日夜間(20:00～次日7:00)地面O3 濃度和風場Fig.10 Simulated surface O3 concentration and wind field in the Sichuan Basin during the night of August 22 to 27

2.4 不同物理化學過程對O3 濃度的影響

圖11 為污染過程期間7 個大氣物理化學過程對四川盆地18 個城市市區(qū)O3生成的貢獻,分別為垂直平流(ZADV)、垂直湍流擴散(VDIF)、水平擴散(HDIF)、水平平流(HADV)、干沉降(DDEP)、濕沉降和云過程(CLDS)和氣相化學(CHEM)過程.由于O3污染期間云量小且降水少,CLDS 的貢獻可以忽略不計.白天垂直傳輸過程(垂直平流、湍流混合)和氣相化學是O3的主要來源,干沉降和水平平流為地表O3的主要匯,但夜間水平輸送過程對O3濃度為正貢獻.由于受到下沉氣流的影響,盆地VDIF 作用對地面O3濃度的正貢獻(29.08μg/m3)較強,特別是白天非常顯著.夜間垂直輸送作用對O3也有一定的輸送作用,污染過程中 VDIF 的平均貢獻為10.24μg/(m3·h),尤其是成都、眉山、樂山、廣元、宜賓和重慶等城市;除廣元外,污染過程中夜間HADV 對各城市的負貢獻也較大,平均負貢獻為5.62μg/(m3·h).白天氣相化學生成的O3濃度平均貢獻為5.00μg/(m3·h),這主要是由于太陽輻射較低、相對濕度、云量、降水偏多造成O3的光化學反應生成低,夜間NO 滴定反應消耗更多的O3,使得污染較為嚴重的成都、眉山、樂山、自貢、重慶等城市夜間氣相化學負貢獻分別為42.61,19.97,15.86,29.94,16.27μg/(m3·h).

圖11 各物理/化學過程引起的四川盆地18 個城市地面O3 小時變化Fig.11 Hourly changes of surface O3 concentration induced by various physical and chemical process at 18 cities in the Sichuan Basin

2.5 不同城市間的傳輸和污染源排放對各城市O3濃度的貢獻

2.5.1 四川盆地內(nèi)不同城市間的相互傳輸影響ISAM被用來標記和追蹤所有來源地區(qū)的O3及其前體物(NOx和VOCs),以量化四川盆地內(nèi)18 個城市彼此間O3濃度的貢獻.本研究重點關注此次污染過程中四川盆地各城市間O3_8h 和NO2濃度傳輸?shù)南鄬ω暙I.

從圖12 可以看到,模式邊界(BCO)輸入的O3是四川盆地內(nèi)各城市 O3濃度的最大貢獻者,為43.19%～79.23%,BCO 主要包括模式邊界向城市區(qū)域傳輸?shù)那绑w物和O3.此外,來自對流層上部的富含 O3的氣團的貢獻也不應被忽略.初始條件(ICO)對O3_8h 的影響在整個污染期間幾乎可以忽略,初始條件下的標記物種在幾天內(nèi)迅速經(jīng)歷物理和化學過程,其效果隨著模擬時間的推移而逐漸降低[44].BCO 對川東北O(jiān)3的貢獻為58.86%～79.23%,與這些城市靠近北部邊界有關.而在污染過程后期受到降溫降水作用的影響,盆地東北風增大,模擬區(qū)域外對盆地內(nèi)的輸送作用增強.在污染初期,由重慶南部吹來的東南風在盆地內(nèi)以逆時針方向旋轉的氣流控制,導致污染過程中重慶O3濃度受BCO 的影響較大,約為72.50%.因此,由區(qū)域天氣系統(tǒng)變化引起的中尺度氣象過程增強了四川盆地北部O3的輸入和前體物的再循環(huán)與積累.與四川盆地川東北城市群相比,成都平原位于盆地底部,有相對較低的BCO 輸入的O3貢獻(約53.88%),同時成都平原擁有最大的VOCs 和NOx排放,說明本地人為排放對O3污染的關鍵作用,而大量的交通運輸和工業(yè)排放是四川盆地O3的兩個最重要的貢獻者[45].除模式邊界的影響外,城市自身對本地O3濃度的貢獻較大,各城市自身貢獻為5.71%～17.06%.

圖12 每個標記城市對O3 和NO2 濃度的相對貢獻Fig.12 Relative contribution of each labeled city to O3 and NO2 concentration

與O3的傳輸貢獻不同,NO2在輸送過程中容易與空氣中的水結合生成硝酸:3NO2+H2O=2HNO3+NO;因此,NO2貢獻的來源主要為自身貢獻和周邊城市的區(qū)域傳輸.污染過程中城市自身NO2貢獻為20.78%～44.96%,盆地內(nèi)其余17 個城市對該城市的NO2貢獻為16.13%～54.75%;來自BCO 輸入的NO2貢獻為23.19%～43.71%.成都和重慶作為四川盆地NOx排放最大的兩個城市,對自身NO2貢獻分別為41.95%和44.96%,與該地區(qū)汽車保有量的增長有關[46].川東北城市群的NOx排放低于四川盆地其他區(qū)域,來自模式邊界以及重慶地區(qū)輸入的NO2濃度對川東北城市群有較大的貢獻,進一步說明四川盆地北部城市O3及其前體物濃度的升高主要源于區(qū)域輸送.

2.5.2 不同部門來源對臭氧污染的貢獻 除氣象條件對O3的傳輸貢獻外,排放對O3污染起關鍵作用,本文研究模擬分析不同部門來源對盆地各城市O3污染的影響貢獻.圖13 可見,污染期間,人為源排放對各城市O3貢獻率達到49.37%～63.74%,其中交通源和工業(yè)源貢獻最大，其次為電廠和居民源.生物源排放貢獻率為24.51%～39.24%(圖14).生物源對四川盆地的O3濃度貢獻為17.39μg/m3,這主要歸因于四川盆地南部和重慶周圍亞熱帶常綠闊葉林和亞熱帶常綠針葉林的廣泛分布,這些樹木具有極高的生物源VOC(BVOC)排放潛力[47],導致當?shù)厣镌碆VOCs排放增加.值得注意的是,成都、德陽、綿陽等城市BVOCs 排放對O3的貢獻在四川盆地城市地區(qū)較低,這主要與城市化工業(yè)發(fā)展和植被覆蓋率較低有關.此外,污染過程中更大的太陽輻射和氣溫可間接增加揮發(fā)性有機化合物的生物排放,從而提高O3濃度[48].交通源排放對四川盆地O3貢獻為11.08μg/m3,尤其是成都和重慶市區(qū)貢獻最大.另一個重要貢獻者是工業(yè)源(10.48μg/m3),且成都、德陽、重慶、眉山、內(nèi)江、宜賓等城市工業(yè)部門的貢獻率較高,主要是與建筑部門和化工部門的排放有關[49],說明該地區(qū)大型工業(yè)設施是控制四川盆地高濃度 O3污染的關鍵排放部門,Deng 等[50]發(fā)現(xiàn)煉油廠是O3前體物的重要來源也說明了這一點.對NO2的模擬結果表明污染過程中工業(yè)源和交通排放是NO2的主要貢獻者(圖略),分別為2.48和1.68μg/m3,交通源排放對成都和重慶市區(qū)NO2貢獻最大,分別為22.89%和23.03%,工業(yè)源排放貢獻最大值主要在成都、重慶市區(qū)以及大型工業(yè)點源區(qū).因此,應該加大力度控制四川盆地O3前體物的工業(yè)源和交通源部門排放.

圖13 不同部門源排放對O3 平均濃度的相對貢獻Fig.13 Relative contribution to average O3 concentration from different source emissions

圖14 不同部門源排放對各城市O3 和NO2 濃度的相對貢獻Fig.14 Relative contributions of different source emissions to O3 and NO2 concentrations in different cities

3 結論

3.1 四川盆地2019年8月這次區(qū)域性O3污染事件的形成和演變與天氣系統(tǒng)和氣象條件的變化密不可分.100hPa 上南亞高壓西退,副高脊線西伸北抬,二者的空間及強度配置導致700 及850hPa 四川盆地受到異常反氣旋的控制,盛行下沉氣流,地面升溫,同時抑制了地面O3向高空的擴散稀釋,O3及其前體物容易堆積在盆地底部地區(qū).污染初期,在高溫小風的條件下成都平原O3高值區(qū)在成都、德陽等城市形成,隨著冷空氣侵入和東北風增強,O3高值區(qū)向川南城市群輸送.

3.2 晝夜O3空間分布差異顯著,白天O3高濃度主要在城市及周邊,且可在2km 邊界層內(nèi)形成高濃度層;夜間在殘留層仍維持較高濃度的O3層,1000m 高度上 O3濃度水平和空間分布特征受白天地面O3_8h濃度分布以及風場傳輸作用的影響較大.夜間O3低值主要為盆地底部城市地區(qū),成都及重慶為兩大低值中心,O3高值中心受山脈阻擋作用,呈帶狀堆積在盆地邊緣地區(qū).

3.3 氣象化學模型量化了O3形成的物理化學過程的相對貢獻,垂直傳輸過程和氣相化學是白天O3的主要來源,干沉降和水平平流為地面O3的主要匯,湍流混合作用對地面O3濃度的正貢獻較強.強烈的氣相化學反應主要發(fā)生在100～1000m 高度.

3.4 模式邊界(BCO)輸入和城市間的相互傳輸對盆地內(nèi)各城市O3濃度均有重要貢獻.受東北風輸送的影響,BCO對川東北城市群貢獻最大,東南風對重慶O3濃度受BCO 的影響較大.NO2貢獻的來源主要為城市自身貢獻和周邊城市的區(qū)域傳輸.

3.5 不同排源排放對盆地各城市O3污染的影響貢獻表明,生物源、工業(yè)源和交通源對四川盆地O3濃度有貢獻顯著,其中生物源排放對O3貢獻率可達24.51%～39.24%,居民源和發(fā)電廠的貢獻較低.成都、德陽、重慶、眉山、內(nèi)江、宜賓等城市工業(yè)部門的貢獻率較高,說明該地區(qū)大型工業(yè)設施是控制四川盆地高濃度O3污染的關鍵排放部門.