非采暖期和采暖期青岛市及中国东部臭氧和细颗粒物模拟研究❋

常　明， 刘晓环， 刘明旭， 张　强， 高会旺

(中国海洋大学海洋环境与生态教育部重点实验室，山东 青岛 266100)



非采暖期和采暖期青岛市及中国东部臭氧和细颗粒物模拟研究❋

常明， 刘晓环， 刘明旭， 张强， 高会旺❋❋

(中国海洋大学海洋环境与生态教育部重点实验室，山东 青岛 266100)

摘要：利用WRF-CMAQ模式对2013年5月17日—6月7日(非采暖期)和11月8—12月1日(采暖期)青岛市以及中国东部地区O3和PM2.5进行模拟研究。结果显示，WRF-CMAQ模式能够合理的模拟出青岛市不同时期O3和PM2.5的浓度水平和变化特征。青岛市非采暖期O3浓度平均值高于采暖期，且非采暖期高于中国东部地区平均值；而非采暖期PM2.5平均值低于采暖期，且均高于中国东部地区平均值。青岛市不同时期近地面O3主要来源为垂直传输。青岛市PM2.5的来源在非采暖期和采暖期存在差异，其非采暖期主要来源为一次源排放和液相化学过程；采暖期其主要来源仅为一次源排放。青岛市O3二次生成在非采暖期受VOC和NOx协同控制或VOC控制；在采暖期，青岛市的O3生成受VOC控制。削减华北区域的NH3和SO2可以最好的控制非采暖期青岛市PM2.5浓度；在采暖期，削减华北区域的NH3和NOx排放，对青岛市PM2.5降低最显著。

关键词：WRF-CMAQ； PM2.5和O3；日变化；主控因素

CHANG Ming, LIU Xiao-Huan, LIU Ming-Xu, et al. Simulation study of ozone and fine particulate matter in Qingdao and Eastern China in non-heating and heating periods[J]. Periodical of Ocean University of China, 2016, 46(2): 14-25.

随着全球城市化和工业化的加快，大气污染已成为全球最大挑战之一，大气污染除了危害人体健康外，还会给生态环境、气候变化等带来不利影响[1]。目前，光化学烟雾和霾污染正在成为中国最严重的大气污染问题,其中臭氧(O3)是光化学污染发生时的最主要产物。近地面高浓度臭氧(O3)会加重城市光化学烟雾污染，它具有很强的氧化性，对眼睛和呼吸道有很强的刺激性，损害人体肺功能[2]。霾是细微的尘粒均匀地漂浮在空中，其中PM2.5是霾污染的元凶，成分复杂，吸入后除了会对呼吸系统造成伤害外[3]，PM2.5还能够吸收和散射太阳短波辐射及地面长波辐射，从而对区域甚至全球气候变化产生影响[4]。

青岛市地处山东半岛东南部，三面环海，处于温带季风气候区，其市区包括市南、市北、李沧、崂山、黄岛和城阳六个辖区。近年来，青岛市城市化、工业化和机动化发展迅速，空气污染问题日益严峻。青岛市环保局发布的《2013年青岛市环境质量综述》(http://www.sdein.gov.cn/dtxx/gsdt/201401/t20140109_246745.html)指出，市南区东部子站和四方区子站在O3污染最为严重的5月份日超标率平均值分别约为18.55%和20.16%，其中日平均浓度的最大值为208μg·m-3，小时O3浓度的最大值为366μg·m-3，是《环境空气质量标准(GB3095-2012)》O3二级标准规定的200μg·m-3的1.8倍；2013年青岛市霾天数达到了99 d，PM2.5年均值为66μg·m-3，是《环境空气质量标准(GB3095-2012)》PM2.5二级标准(35μg·m-3)的1.8倍。

以往对O3和PM2.5的研究往往侧重某一方面因素的影响，无法对大气物理和化学过程进行综合分析。数值模式作为一种研究空气质量的数学工具，具有现场实测和实验室、研究所不可代替的功能和特性。而美国环保部开发的CMAQ(Community Multiscale Air Quality Modeling System)模型被国内外学者广泛使用。例如，Matthias等[5]使用CMAQ模式对欧洲地区大气污染物进行了模拟研究。Im等[6]应用CMAQ模式模拟了伊斯坦布尔大气颗粒物污染事件，分析了源排放变化对污染物浓度的影响。Arnold等[7]进行了O3前体物NOx和可挥发有机污染物(VOC)排放量分别削减50%的情景模拟，分析了不同监测点O3浓度随前体物排放量的变化。近年来，CMAQ在国内的应用越来越广泛。刘煜等[8]利用CMAQ模型开展了华北地区城市间大气污染的相互影响和输送模拟研究。Wang等[9]对北京市大气O3的生成敏感性做了情景模拟分析，认为北京地区光化学污染控制主要以VOC控制为主。

目前对青岛市O3和PM2.5还主要集中在观测研究方面[10-13]。然而观测研究由于本身的局限性，以及以往的研究多侧重某一因素的影响，无法对各种大气物理和化学过程对污染物的综合作用进行详细的分析，对该地区的O3和PM2.5的形成因素和变化特征还缺乏深入的认识。因此本研究通过CMAQ模型对青岛市以及中国东部地区O3以及PM2.5进行模拟研究，量化不同物理化学过程对O3和PM2.5日变化的贡献，分析影响O3和PM2.5的主控因素，为改善青岛市空气质量提供决策参考。

1数据来源、模式简介和研究方法

1.1 研究时间和数据采集

本文的研究时间选择在2013年5月17日—6月7日(非采暖期)和11月8日—12月1日(采暖期)。用于评估模式性能的青岛市O3、NO2和PM2.5浓度数据来自环保部数据中心空气质量发布平台(http://113.108.142.147:20035/emcpublish/)，9个监测站位置在图1(b)中列出，根据各监测站位于模式不同的网格点中，将其分为市南市北区(包括市南西站、市南东站、市北站)、李沧四方区(包括李沧站和四方站)、崂山区、城阳区、仰口区和黄岛区。

1.2 气象模式

气象场模拟采用的是中尺度天气预报模式(The Weather Research and Forecasting Model)(WRF)模式3.2.1版本。模拟域采用Lambert投影坐标系。图1(a)所示，模拟采用双层网格嵌套，第一层区域(区域1)包括了中国大部分，网格数为170×103，网格间距为36km；第二层区域(区域2)为中国东部地区，网格数为142×220，网格间距为12km。第一猜测场采用美国国家环境中心(NCEP)的全球再分析资料(Final Operational Global Analysis Datasets)。主要的物理过程参数化选择如下：Lin微物理计算方案[14]，Mlawer长波辐射计算方案[15]，Goddard短波辐射计算方案[16]，Monin-Obukhov陆面方案[17]，以及YSU边界层计算方案[18]。

图1　WRF-CMAQ模式区域设置(a)；九个监测站

1.3 空气质量模型

空气质量模型采用CMAQ 4.7.1版本，模拟域垂向分为14层，采用cb05cl_ae5_aq机理作为气象化学反应机理。源排放数据来自美国航空航天局(NASA)INTEX-B网格化排放清单，并且针对36和12km进行了再次网格化[19-20]。由气象化学界面处理器MCIP模块将其WRF结果转化为CMAQ需要的网格化气象资料。第一层区域所需要的初始条件(ICONs)和边界条件(BCONs)来自全球化学模式(GEOS-CHEM)。GEOS-CHEM模型是一个5维(空间、时间和示踪剂)全球对流层化学输送模型，主要用于模拟全球性尺度大气污染物的长距离传输和化学反应过程，还可以对其他空气质量模式提供初始场和动态边界场。第二层区域需要的初始条件和边界条件由第一层区域模拟结果提供。CMAQ中的过程分析技术能量化出不同大气过程对污染物浓度变化的影响，其中包括：源排放、水平传输(水平方向对流和扩散)、垂直传输(垂直方向对流和扩散)、气溶胶过程(新粒子生成、粒子之间的凝结碰并以及气溶胶热动力学等的净效应)、云雾过程(云雾的液相化学、云下和云内化学物种的混合、消光和清除作用以及湿沉降等作用的净效应)和干沉降。

1.4 模式评估

为了评估模拟结果，本研究采用了以下统计指标： 相关系数(R)、标准化平均偏差(NMB)和标准化平均误差(NME)。其中，NMB和NME定义如下：

(1)

(2)

其中：Cs是模拟值；Co是观测值；NMB表示模拟与实测的偏离程度；NME指模拟与实测的绝对误差，这是2个没有量纲的量。

1.5 生成O3敏感性分析方法

O3的生成与其前体物之间存在典型的非线性关系。一般而言，其生成往往受到VOC控制或NOx控制，而地区的O3污染控制措施的制定依赖于其生成敏感性的分析。指示剂法是基于已有的光化学理论，使用光化学反应中某些特定的物种、物种组合或物种比值作为指示剂，建立O3生成的敏感性与指示剂之间的关系。在较多的指示剂方法中，Liu等[21]指出,H2O2和HNO3生成速率比值(PH2O2/PHNO3)是一种较为准确的指示剂，其阈值可以定为0.2，大于0.2时，O3生成受NOx控制，小于0.2时受VOC控制，而O3/NOx也是一种比较有效的指示剂，其比值大于15，可以判定为受NOx控制，小于15受VOC控制[22]。因此本文利用模拟得到的O3/NOx和PH2O2/PHNO3这两种指示剂判断青岛市以及中国东部地区O3生成的主要控制因素。

1.6 PM2.5敏感性分析方法

2结果与讨论

2.1 模式评估

图2是不同时期青岛市小时平均O3和PM2.5模拟与观测浓度对比(各站点平均)，表1是O3和PM2.5模拟与实测差异的统计结果。可以看出，模拟结果基本体现了青岛市O3和PM2.5浓度的变化，其中O3的相关系数为0.36(非采暖期)和0.46(采暖期)，PM2.5的相关系数为0.44(非采暖期)和0.46(采暖期)。在非采暖期(NMB=71.1%)和采暖期(NMB=95.9%)对O3的模拟均出现了高估。表2为青岛市不同区域NO2年均浓度实测与模拟对比，总体上NO2的模拟情况与O3的模拟的刚好相反，除仰口外(NMB=-6.4%)，其他站点均存在明显低估。O3作为一种二次污染物，其生成与其前体物NOx存在很大的关系。近年来，青岛市机动车尾气排放量的增加，使NOx排放量逐渐上升。大气中NO可与O2争夺活性自由基发生氧化反应生成NO2，同时NO还会对O3进行滴定反应，因此较高的NOx浓度会限制O3的生成。所以，由于模拟低估了NOx的浓度，对O3生成的抑制作用没有得到体现，进而导致了O3浓度的高估。在所有6个站点中，仅有仰口子站呈现了较好的NO2模拟效果。这由于仰口区距离市区较远，人为污染较轻，NOx源排放量的时间变化可能不大，从而对该站点的模拟结果影响较小。因此NOx源排放偏低是模式高估青岛市O3浓度的主要原因。

图2　青岛市不同时期小时平均O3(a)和

PM2.5在非采暖期(NMB=-21.8%)和采暖期(NMB=-14.3%)的模拟出现了轻微的低估。一些研究已经证实了现在的空气质量模式会低估二次有机颗粒物(SOA)浓度，特别是碳质气溶胶[25-26]。因为SOA形成的化学和物理过程十分复杂，因此模式中的二次有机颗粒物生成机制不完整，可能是CMAQ低估青岛市PM2.5浓度的原因。除此之外，WRF模式对气象场模拟的偏差也会导致O3和PM2.5的模拟结果出现偏差。

表1　不同时期O3和PM2.5观测值与模拟值差异的统计结果

注：R：相关系数；NMB：标准化平均偏差；NME：标准化平均误差。

Note:R：correlation coefficient；NMB：normalized mean bias；NME：Normalized mean error.

表2　青岛市不同区域NO2年均观测值与模拟值差异对比

注：NME-标准化平均误差。NME：normalized mean error.

2.2 中国东部地区O3和PM2.5的空间分布

图3为CMAQ模拟的中国东部地区非采暖期和采暖期O3和PM2.5平均浓度的空间分布图。

2.2.1 O3的空间分布从图3(a)中看出，中国北方地区(N30°以北)非采暖期O3浓度明显高于采暖期，平均浓度差约为20～40μg·m-3，其原因是非采暖期较高的温度和太阳辐射增强促进了O3的光化学反应；而在南方大部分地区(N30°以南)则正好相反，采暖期O3浓度要比非采暖期高出约20μg·m-3。段玉森等[27]和张玉强[28]也指出，中国南方在5月份已经进入“梅雨”季节，云层厚度的增加减少了太阳辐射，从而降低了O3的生成速率，并由于夏季风的影响，对O3及其前体物质起到了一定的稀释和去除作用，使南方O3浓度低于北方。而青岛市O3浓度也呈现出了非采暖期和采暖期差异，O3浓度在非采暖期为118.5μg·m-3高于中国东部地区平均值(91.8μg·m-3)，采暖期为65.1μg·m-3低于中国东部地区平均值(80.1μg·m-3)。

图3　中国东部不同时期O3(a)和PM2.5(b)模拟浓度空间分布

2.2.2 PM2.5的空间分布从图3(b)中看出，采暖期中国东部的PM2.5浓度要明显高于非采暖期，平均值高出13μg·m-3。其原因除了在11月份已经进入采暖期，颗粒物的一次排放和前体物排放增多外，还与采暖期降雨较少，大气对流混合作用较弱不利于颗粒物扩散等因素有关。并且PM2.5呈现出区域污染特性，其中非采暖期PM2.5污染浓度较高的区域为华北地区和长三角，采暖期除了以上区域外珠三角也呈现出较高的PM2.5污染，区域内的最高值均超过100μg·m-3。PM2.5区域分布的差异与中国地区间经济和工业发展的不平衡有关。这些具有高浓度PM2.5区域(环渤海经济圈、以上海市为中心的长三角城市群、以及以广州、深圳和香港为核心的珠三角城市群)均具有人口密集、机动车保有量大以及工业较为集中的特征，从而导致了大量的一次排放和二次生成。而位于环渤海经济圈南端的青岛市PM2.5也呈现出非采暖期和采暖期差异，在非采暖期平均浓度约为35.5μg·m-3，采暖期约为46.4μg·m-3，且均高于中国东部地区平均值(非采暖期为17.3μg·m-3，采暖期为31.6μg·m-3)。

2.3 不同过程对青岛市O3和PM2.5日变化影响及贡献

2.3.1 青岛市O3日变化和不同过程贡献图4反映了非采暖期和采暖期青岛市O3实测和模拟的日变化情况。在非采暖期和采暖期，实测和模拟O3变化一致，均呈现单峰分布，在15:00达到每日浓度的最大值。由CMAQ模拟的非采暖期和采暖期近地面(0～40m)O3的净变化量日曲线(见图5)，可以得出在非采暖期和采暖期青岛市臭氧增长的时间均为7:00～14:00，该时段的平均增长速率为4.28和4.62μg·m-3·h-1；过程分析结果表明气相化学作用对O3的清除量低于其他时段，该时段光化学反应产生的O3补充了滴定作用消耗的O3，从而使O3浓度在该时段出现了上升趋势。而在15:00～次日6:00青岛市O3浓度逐渐降低，该时段平均速率在非采暖期和采暖期分别为-2.15和-2.89μg·m-3·h-1；过程分析结果表明气相化学作用对O3的清除量较高，夜间NO对O3的滴定消耗作用较高，从而使O3浓度在该时段持续降低。青岛市非采暖期和采暖期近地面O3来源方式基本一致。其主要来源为垂直传输，非采暖期的平均贡献速率为56.09μg·m-3·h-1，采暖期为31.36μg·m-3·h-1。清除O3的过程为水平传输、干沉降和气相化学过程，其在非采暖期的平均贡献速率分别为-31.98、-14.45和-9.53μg·m-3·h-1，在采暖期为-16.47、-4.28和-10.94μg·m-3·h-1。

图4　青岛市不同时期近地面O3浓度日变化模拟值与实测值对比

图5　不同过程对青岛市不同时期O3浓度贡献

如图5所示，不同物理化学过程对青岛市非采暖期和采暖期高空O3的贡献作用也基本相同。垂直传输是所有时期40～240m高度内O3的主要来源，并且呈现出夜间高日间低的现象；而在360～500m高度内，垂直传输对非采暖期O3的正贡献出现在日间，而在夜间垂直传输对O3起到清除作用，但在采暖期该高度内垂直传输对O3在全天均为正贡献；在1400m以上的高度，垂直传输在非采暖期对O3的正贡献要多于采暖期。水平传输与垂直传输正好相反，其在40～240m是O3的主要清除过程，也呈现出夜间高日间低的现象；在360～500m高度内，水平传输对非采暖期O3的清除作用主要发生在日间，夜间其为O3的正贡献，但在采暖期对O3均是清除作用；在更高的高度上，水平传输在非采暖期对O3的清除作用多于采暖期。而气溶胶化学作用在非采暖期和采暖期40～100m高度内对O3均为清除作用；在160～500m高度内气相化学作用在日间对O3是正贡献，在夜间依旧是清除作用；在1400～2000m的高度内，气相化学过程在日间对O3主要为正贡献。徐峻等[29]在2006年通过CMAQ模型对北京市O3进行模拟研究，也认为O3在近地面的生成量较低，而近地面的气相化学过程也主要是消耗O3，而北京O3的主要形成高度在200～800m，随气流传输至近地面。其原因是由于地面的NOx排放量较高，新NO在大气中的注入量也高，大气氧化性较弱从而使NOx的循环次数较低，导致了低的O3生成量；而在高空的大气中，由于新NO注入量较低，大气氧化性较高，NOx的循环次数也有较大增加，使O3的生成量较高。综上所述，在非采暖期垂直传输至青岛市近地面的臭氧是由气相化学作用在160～1400m内的高空中形成，以及在360m以上高空中由周围区域水平传输而来。而采暖期垂直传输至青岛市近地面的O3是由气相化学作用在360m高度以上大气中形成；以及在1400m以上高空中由周围区域水平传输而来。

图6　青岛市不同时期近地面PM2.5

2.3.2青岛市PM2.5日变化和不同过程贡献PM2.5在不同时期呈现出了不同的日变化趋势(见图6)。在非采暖期，实测和模拟PM2.5呈现单峰分布，模拟的浓度峰值出现在9:00，相较于实测峰值略有提前。而在采暖期，实测和模拟PM2.5均呈现双峰分布，模拟的峰值出现在8:00和20:00，第一个峰值也略提前于实测值。通过模拟的非采暖期和采暖期PM2.5的净变化量日曲线(见图7)，可以得出非采暖期青岛市PM2.5增长的时间为23:00～次日8:00，该时段的平均增长速率为1.88μg·m-3·h-1，原因为夜间较低的大气边界层(见图8)导致了大量PM2.5垂直传输至近地面并在该时段持续积累，使此时段模式计算的垂直传输作用对PM2.5的贡献量较高。而在9:00～22:00时段，PM2.5浓度总体呈现下降趋势(该时段的平均增长速率为-0.8μg·m-3·h-1)，特别是在9:00～13:00时段，其原因是由于大气边界层在日间抬升造成近地面PM2.5向高空传输，使模式计算的垂直传输对PM2.5有较高的清除量，且在10:00出现了净变化量最低值(-3.80μg·m-3·h-1)。随后由于边界层开始降低与气体前体物排放变化的共同影响，其净变化量曲线在13:00～22:00出现震荡。而在采暖期青岛市PM2.5的净增长时段更长(16:00～次日7:00)，在该时段的平均增长速率为1.62μg·m-3·h-1，并且18:00出现了第一个增长峰值(4.6μg·m-3·h-1)，原因除了夜间较低的边界层高度(见图8)造成高空PM2.5垂直传输至地面和晚高峰时间交通量的增大引起的颗粒物浓度增加外，采暖期节傍晚更易形成逆温层，气流较为稳定，使模式计算的水平传输对PM2.5的清除量减少，从而出现了增长峰值。而在8:00～15:00时段，PM2.5浓度总体呈现下降趋势，该时段的平均变化速率为-3.2μg·m-3·h-1；其原因同样是由于大气边界层日间抬升造成近地面PM2.5向高空垂直传输，且也在10：00出现了净生成量最低值(-6.4μg·m-3·h-1)。

青岛市近地面PM2.5来源方式存在非采暖期和采暖期差异(见图7)。其中非采暖期PM2.5的来源为一次源排放、液相化学过程以及出现在下午至次日早晨的垂直传输，平均贡献速率为14.92、4.71和3.96μg·m-3·h-1；而近地面PM2.5的去除则受水平传输、气溶胶化学过程、干沉降以及出现在中午的垂直传输影响，其平均贡献速率为-16.39、-3.58、-2.33和-1.33μg·m-3·h-1。采暖期近地面PM2.5的主要来源方式为一次源排放，平均变化速率为16.44μg·m-3·h-1。其与非采暖期不同的原因，除了因为采暖导致颗粒物的一次排放增多外，较低的相对湿度，也减少了颗粒物通过液相化学过程生成。而采暖期近地面PM2.5的主要去除过程为水平传输、干沉降、气溶胶化学过程以及出现在中午的垂直传输和液相化学过程，平均变化速率分别为-9.05、-2.25、-0.58、-3.79和-1.08μg·m-3·h-1。水平传输在非采暖期和采暖期都是青岛市近地面PM2.5主要的去除方式。但由于非采暖期较高的温度，导致了其出现了较高的气溶胶化学过程去除贡献。而采暖期在中午出现了液相化学对PM2.5的去除贡献，是颗粒物被冲刷和湿沉降清除，与该研究时段突发降水较多有关。

图7　不同过程对青岛市不同时期PM2.5贡献

如图7所示，在高层大气中，非采暖期和采暖期不同物理化学过程对PM2.5的作用依然有着较大的差异，其中，源排放对高层大气中PM2.5的贡献依然存在，并且主要存在于40～100m的高度上，而气溶胶化学过程在非采暖期40～500m高度上对大气中PM2.5浓度增加有较大贡献；而在采暖期同样的高度上却依然以负贡献为主，其对PM2.5正贡献出现在更高(1400～2000m)的大气中。相较于地面，气溶胶过程对高密PM2.5生成出现正的贡献是由于高空的温度低于地面，更有利于二次颗粒物在高空生成。李莉[30]同样指出，在300m以上的高空二次气溶胶过程对PM2.5的生成主要为正贡献。液相化学过程在非采暖期对40～360mPM2.5有着较大的清除作用，但在采暖期液相化学过程对40～500m PM2.5有较多的正贡献，其原因也是因为非采暖期较高的相对湿度对颗粒物有着较大的湿清除量。垂直传输在非采暖期对40～240m高度PM2.5依然以正贡献为主，在360～2000m垂直传输逐渐转为了负贡献；而在采暖期垂直传输对PM2.5正贡献的高度比非采暖期略高(40～500m)，在500m以上高度对PM2.5为负贡献。而水平传输与垂直传输相反，在非采暖期对40～240m高度PM2.5以负贡献为主，在360～2000m以正贡献为主；在采暖期对40～500m的PM2.5以负贡献为主，500m以上高空以正贡献为主。综上所述，在非采暖期青岛市高空PM2.5一方面来自高位的源排放，另一方面来自气溶胶化学过程在40～500m生成，以及在500m以上由周围区域水平传输；而采暖期青岛市高空PM2.5的主要来源是液相化学过程在40～500m生成，以及1000m以上空中从其他区域的水平传输。

图8　青岛市不同时期PBL高度日变化模拟值

2.4 中国东部和青岛市O3和PM2.5主要控制因素分析

2.4.1 O3控制因素图9所示为中国东部地区不同时期PH2O2/PHNO3和O3/NOx指示剂模拟结果。由图9可见，两种模拟的结果有一定区别。其中根据PH2O2/PHNO3指标剂结果，在非采暖期VOC的控制区域主要在沿海经济较发达地区，这些地区包括北京、天津、上海、广州、沈阳、济南、南京、杭州等有着较多的汽车保有量的大城市，排放的NOx较大。由于沿海省份也有较多排放VOC的工厂以及植物排放的生物源挥发性有机污染物(BVOC)，因此在沿海VOC控制区里也夹杂着NOx控制区，特别是山东省内。但根据O3/NOx指示剂结果，其VOC控制区要大于PH2O2/PHNO3指示剂结果，这是由于各指示剂在得出其界限值时所在的实验环境以及模拟中使用的参数和反应机制的不同[31]。而青岛市的不同区域在非采暖期有不同的指示值(见表3)，其中市南市北区、李沧四方区和黄岛区，2种指示剂都被认为是NOx控制，这可能与这些区域存在大量排放VOC的工业有关，而城阳区O3/NOx指示剂显示是NOx控制，PH2O2/PHNO3为VOC控制，其他区域均为VOC控制。而由于模式存在NOx源排放偏低问题，因此青岛市非采暖期的O3主控因素应为NOx和VOC协同控制或VOC控制。

在采暖期，中国东部地区(见图9)PH2O2/PHNO3指示剂判断的VOC控制区域大于非采暖期并从沿海向内陆扩展，主要包括辽宁省、华北地区、长三角和珠三角。这是由于这些地区采暖期的BVOC排放低于非采暖期，大气中的VOC所占比例降低。根据O3/NOx指示剂结果判定的采暖期VOC控制区也略大于PH2O2/PHNO3指示剂结果。在采暖期，青岛市不同区域PH2O2/PHNO3指示剂结果均小于0.2，O3/NOx指示剂结果也均小于15，因此判定采暖期青岛市O3主控因素均为VOC控制。

非采暖期Non-heatingperiodPH2O2/PHNO3O3/NOx采暖期HeatingperiodPH2O2/PHNO3O3/NOx市南、市北EasternSN、WesternSNandSB1.5261市南、市北EasternSN、WesternSNandSB0.1411李沧、四方LCandSF0.2519李沧、四方LCandSF0.017崂山LS0.039崂山LS0.138城阳CY0.1219城阳CY0.017仰口YK0.093仰口YK0.1112黄岛HD0.2517黄岛HD0.1214

3结语

WRF-CMAQ模型能够合理的模拟出青岛市不同时期O3和PM2.5的浓度水平和变化特征。模式对青岛市非采暖期和采暖期O3的模拟值与观测值的相关系数分别为0.36和0.46，标准化平均偏差分别为71.1%和95.9%。NOx源排放偏差导致O3浓度高估。而青岛市非采暖期和采暖期PM2.5的模拟值与观测值的相关系数分别为0.44和0.46，标准化平均偏差分别为-21.8%和-14.3%。模式在总体上低估PM2.5是与SOA形成机制不完善有关。

模拟结果显示，由于不同时期光照强度差异，青岛市非采暖期O3平均值高于采暖期，分别为97.7和85.1μg·m-3，其中非采暖期O3浓度高于中国东部地区平均值，而采暖期低于中国东部地区平均值。而由于不同时期颗粒物一次排放和大气对流混合强度差异，青岛市采暖期PM2.5平均值高于非采暖期，分别为35.5和46.4μg·m-3，且均高于中国东部地区平均值。

青岛市近地面O3浓度增长时段均为7:00～14:00；而下降时段为15:00～次日6:00。近地面O3的主要来源为垂直传输，主要的清除过程为水平传输、干沉降和气相化学过程。在非采暖期青岛市高空O2是由气相化学作用在160～1400m内的高空中生成，以及在360m以上高空中由周围区域水平传输而来。而采暖期青岛市高空O3是由气相化学作用在360m高度以上大气中生成；以及在1400m以上高空中由周围区域水平传输而来。而青岛市PM2.5日变化在非采暖期和采暖期不同，在非采暖期为单峰分布，采暖期为双峰分布。近地面PM2.5在非采暖期的增长时间为23:00～8:00；下降时段为9:00～22:00。其来源为源排放、液相化学过程以及垂直传输，去除过程为水平传输、气溶胶化学过程、干沉降以及出现在中午的垂直传输。与非采暖期不同，青岛市近地面PM2.5在采暖期的增长时间为16:00～次日7:00；而下降时段为8:00～15:00时段。近地面PM2.5的主要来源仅为源排放，而液相化学过程成为了PM2.5的清除途径。在非采暖期青岛市高空PM2.5的主要来源除了高位的源排放外，气溶胶化学过程在40～500m的生成，以及在500m以上由周围区域的水平传输也是有重要贡献；而采暖期青岛市高空PM2.5的主要是由液相化学过程在40～500m生成，以及1000m以上空中从其他区域水平传输而来。

根据中国东部地区不同时期区O3生成敏感性指示剂模拟结果，非采暖期VOC的控制带主要在沿海经济较发达地区，而NOx控制区主要分布在内陆以及夹杂在VOC控制带中。而根据青岛市不同区域指标剂结果，青岛市非采暖期O3生成受VOC和NOx协同控制或VOC控制。在采暖期，由于BVOC排放减少，VOC控制区域从沿海向内陆扩展，青岛市O3生成在该时期受VOC控制。对青岛市PM2.5的控制研究结果表明，在非采暖期削减华北区域的NH3和SO2可以最好的控制青岛市PM2.5浓度,削减其50%排放能够使青岛市PM2.5降低21.4%和14%。而在采暖期,削减华北地区50%NH3和NOx排放可以使青岛市PM2.5浓度降低20.8%和16%。因此要控制青岛市O3和PM2.5污染需要因不同时期有所区别。

参考文献：

[1]郝吉明, 李欢欢, 沈海滨. 中国大气污染防治进程与展望[J]. 世界环境, 2014(1): 58-61.

Hao J M, Li H H, Shen H B. Process and prospects of China air pollution control[J]. World Environment, 2014(1): 58-61.

[2]唐孝炎, 张远航, 邵敏. 大气环境化学[M]. 北京: 高等教育出版社, 2006.

Tang X Y, Zhang Y H, Shao M. Atmospheric Environment Chemistry[M]. Beijing: Higher Education Press, 2006.

[3]Tie X, Wu D, Brasseur G. Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou, China[J]. Atmospheric Environment, 2009, 43(14): 2375-2377.

[4]Quinn P K, Bates T S. North American, Asian, and Indian haze: Similar regional impacts on climate[J]. Geophysical Research Letters, 2003, 30(11): 17-18.

[5]Matthias V, Aulinger A, Quante M, et al. Adapting CMAQ to investigate air pollution in North Sea coastal regions[J]. Environmental Modelling and Software, 2008, 23(3): 356-368.

[6]Im U, Markakis K, Unal A, et al. Study of a winter PM episode in Istanbul using the high resolution WRF/CMAQ modeling system[J]. Atmospheric Environment, 2010, 44(26): 3085-3094.

[7]Arnold J R, Dennis R L. Testing CMAQ chemistry sensitivities in base case and emissions control runs at SEARCH and SOS99 surface sites in the southeastern US[J]. Atmospheric Environment, 2006, 40(26): 5027-5040.

[8]刘煜, 李维亮, 周秀骥. 夏季华北地区二次气溶胶的模拟研究[J]. 中国科学, D辑, 2005(S1): 156-166.

Liu Y, Li W L, Zhou X J. Model simulation of secondary aerosol over North China in summer[J]. Science In China 2005(S1): 156-166.

[9]Wang S, Zhao M, Xing J, et al. Quantifying the air pollutants emission reduction during the 2008 Olympic Games in Beijing[J]. Environmental Science and Technology, 2010, 44(7): 2490-2496.

[10]李海燕. 青岛市环境空气质量改善途径研究[D]. 青岛： 中国海洋大学, 2006.

Li H Y. Study on methods of improving air quality in Qingdao[D]. Qingdao： Ocean University of China, 2006.

[11]柯馨姝, 盛立芳, 孔君, 等. 青岛大气颗粒物数浓度变化及对能见度的影响[J]. 环境科学, 2014(1): 15-21.

Ke X S, Sheng L F and Kong J, et al. Variation of atmospheric particle number concentrations in Qingdao and itsimpact on visibility[J]. Environmental Science, 2014(1): 15-21.

[12]冯静, 董君, 陶红蕾. 青岛市环境空气臭氧污染特征分析[J]. 干旱环境监测, 2013(4): 150-153.

Feng J, Dong J, Tao H L. The analysis for pollution feature of ambient Ozone in Qingdao[J]. Arid Environmental Monitoring, 2013(4): 150-153.

[13]于鹏, 王建华, 郭素荣, 等. 近十年青岛市臭氧质量浓度分布特征分析[J]. 青岛大学学报(工程技术版), 2002(1): 87-89.

Yu P, Wang J H and Guo S R, et al. Analysis of distributed characteristics of ozone concentration of late ten years in Qingdao City[J]. Journal of Qingdao University (Engineering & Technology Edition), 2002(1):87-89.

[14]Lin Y L, Farley R D, Orville H D. Bulk parameterization of the snow field in a cloud model[J]. Journal of Climate and Applied Meteorology, 1983, 22(6): 1065-1092.

[15]Mlawer E J, Taubman S J, Brown P D, et al. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave[J]. Journal of Geophysical Research: Atmospheres, 1997, 102(D14): 16663-16682.

[16]Chou M D, Suarez M J. An efficient thermal infrared radiation parameterization for use in general circulation models[J]. NASA Tech Memo, 1994, 104606(3): 85.

[17]Obukhov A M. Turbulence in an atmosphere with a non-uniform temperature[J]. Boundary-Layer Meteorology, 1971, 2(1): 7-29.

[18]Hong S Y, Noh Y, Dudhia J. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Monthly Weather Review, 2006, 134(9)： 2318-2341.

[19]Streets D G, Zhang Q, Wang L, et al. Revisiting China's CO emissions after the Transport and Chemical Evolution over the Pacific (TRACE-P) mission: Synthesis of inventories, atmospheric modeling, and observations[J]. Journal of Geophysical Research: Atmospheres, 2006, 111(D14).

[20]Zhang Q, Streets D G, He K, et al. NOx emission trends for China, 1995-2004: The view from the ground and the view from space[J]. Journal of Geophysical Research: Atmospheres, 2007, 112(D22).

[21]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 precursor emissions[J]. Atmospheric Environment, 2010, 44(30): 3719-3727.

[22]Tonnesen G S, Dennis R L. Analysis of radical propagation efficiency to assess ozone sensitivity to hydrocarbons and NOx: 2. Long-lived species as indicators of ozone concentration sensitivity[J]. Journal of Geophysical Research, 2000, 105(D7): 9227.

[23]Quan J, Zhang Q, He H, et al. Analysis of the formation of fog and haze in North China Plain (NCP)[J]. Atmospheric Chemistry and Physics, 2011, 11(15)： 8205-8214.

[24]Wang L, Xu J, Yang J, et al. Understanding haze pollution over the southern Hebei area of China using the CMAQ mode[J]. Atmospheric Environment, 2012, 56： 69-79.

[25]Hallquist M, Wenger J C, Baltensperger U, et al . The formation, properties and impact of secondary organic aerosol: current and emerging issues[J]. Atmospheric Chemistry and Physics, 2009, 9(14): 5155-5236.

[26]Appel K W, Bhave P V, Gilliland A B, et al. Evaluation of the community multiscale air quality (CMAQ) model version 4. 5: sensitivities impacting model performance; part II—particulate matter[J]. Atmospheric Environment, 2008, 42(24)： 6057-6066.

[27]段玉森, 张懿华, 王东方, 等. 我国部分城市臭氧污染时空分布特征分析[J]. 环境监测管理与技术, 2011, 23: 34-38.

Duan Y Q, Zhang Y H and Wang D F, et al. Spatial-temporal patterns analysis of ozone pollution in several cities of China[J]. The Administration and Technique of Environmental Monitoring, 2011, 23: 34-38.

[28]张玉强. 研究中国地面臭氧时空分布特征[D]. 北京： 清华大学, 2011.

Zhang Y Q. Seasonal and spatial variability of surface ozone over China[D]. Beijing: Tsinghua University, 2011.

[29]徐峻, 张远航. 北京市区夏季臭氧生成过程分析[J]. 环境科学学报, 2006, 26(6): 973-980.

Xu J, Zhang Y H. Process analysis of O3 formation in summer at Beijing[J]. Acta Scientiae Circumstantiae, 2006, 26(6): 973-980.

[30]李莉.典型城市群众大气复合污染特征的数值模拟研究[D]. 上海: 上海大学， 2012.

Li L, The numerical simulation of comprehensive air pollution characteristics in a typical city-cluster[D]. Shanghai: Shanghai University, 2012.

[31]刘晓环. 我国典型地区大气污染特征的数值模拟[D]. 济南：山东大学, 2010.

Liu X H. Model simulation of air pollution characteristics at representative areas in China[D]. Jinan: Shandong University, 2010.

责任编辑庞旻

Simulation Study of Ozone and Fine Particulate Matter in Qingdao and Eastern China in Non-Heating and Heating Periods

CHANG Ming, LIU Xiao-Huan, LIU Ming-Xu, ZHANG Qiang, GAO Hui-Wang

(The Key Lab of Marine Environmental Science and Ecology, Ministry of Education, Ocean University of China, Qingdao 266100, China)

Abstract:WRF-CMAQ model was used for simulation research of O3and PM2.5in Qingdao and eastern China during two episodes, from May 17 to June 7 (non-heating period) and from November 8 to December 1 (heating period) of 2013. The results showed that WRF-CMAQ model could reasonably simulate concentrations and variation characteristics of O3and PM2.5in different periods in Qingdao. Average O3concentrations in non-heating period episode in Qingdao was higher than that in the heating period episode, and higher than that in eastern China; contrarily, average PM2.5concentrations in non-heating period episode in Qingdao was lower than that in the heating period episode, but also higher than the average of eastern China. Diurnal variation of O3in Qingdao near ground, mainly derived from vertical transmission, remained consistently in different periods. But diurnal variation of PM2.5in Qingdao presented periodal differences: the main sources in non-heating period episode were emissions and aqueous processes, while in heating period episode main sources were changed into emissions only. The generation of O3in Qingdao was affected by VOC or synergy of VOC and NOXin non-heating period episode, and by VOC in heating period episode. Abatement of NH3and SO2in North China region would effectively restrict PM2.5concentrations in spring and summer in Qingdao; while in autumn and winter, the elimination of NH3and NOxemissions would reduce PM2.5concentrations in the most significant way.

Key words:WRF-CMAQ; PM2. 5and O3; diurnal variation; main controlling factor

DOI：10.16441/j.cnki.hdxb.20150095

中图法分类号：X169

文献标志码：A

文章编号：1672-5174(2016)02-014-12

作者简介：常明(1990-),男,硕士生。E-mail:21121011053@ouc.edu.cn❋❋通讯作者： E-mail: hwgao@ouc.edu.cn

收稿日期：2015-03-18；

修订日期：2015-04-16

基金项目：❋ 国家重大科学研究计划项目(2014CB953700);国家自然科学基金项目(41305087);高等学校博士学科点专项科研基金项目(20120132120020);山东省自然科学基金项目(ZR2013DQ022)资助

引用格式：常明， 刘晓环， 刘明旭,等.非采暖期和采暖期青岛市及中国东部臭氧和细颗粒物模拟研究[J].中国海洋大学学报(自然科学版)， 2016, 46(2)： 14-25.

Supported by National Key Basic Research Program of China(2014CB953700);National Natural Science Foundation of China(41305087)；Reearch Fund for the Doctoral Program of Higher Education of China(20120132120020);Shandong Provincial Natural Science Foundation,China(ZR2013DQ022)