沈勁 陳多宏 巫楚 王曉彥 張敬偉 鄧瀅
(1. 廣東省環(huán)境監(jiān)測(cè)中心,國(guó)家環(huán)境保護(hù)區(qū)域空氣質(zhì)量監(jiān)測(cè)重點(diǎn)實(shí)驗(yàn)室 廣州 510308;2. 廣東省環(huán)境監(jiān)測(cè)中心,廣東省環(huán)境保護(hù)大氣二次污染研究重點(diǎn)實(shí)驗(yàn)室 廣州 510308;3. 河源市環(huán)境監(jiān)測(cè)站 廣東河源 517000;4. 中國(guó)環(huán)境監(jiān)測(cè)總站,國(guó)家環(huán)境保護(hù)環(huán)境監(jiān)測(cè)質(zhì)量控制重點(diǎn)實(shí)驗(yàn)室 北京 100012)
近年來(lái),公眾對(duì)大氣污染的關(guān)注程度日益增加,大氣污染防治已上升為國(guó)家戰(zhàn)略,我國(guó)重點(diǎn)區(qū)域大氣污染綜合治理攻堅(jiān)行動(dòng)方案已陸續(xù)出臺(tái)。改善空氣質(zhì)量是建設(shè)美麗中國(guó)、推進(jìn)生態(tài)文明建設(shè)、改善民生福祉的重要內(nèi)容之一。
2015年,珠三角地區(qū)在全國(guó)各大城市群中率先實(shí)現(xiàn)空氣質(zhì)量全面達(dá)標(biāo)[1],至2017年,廣東省與珠三角地區(qū)PM2.5平均濃度已連續(xù)三年穩(wěn)定達(dá)標(biāo)。但2017年后,廣東省多項(xiàng)空氣污染物濃度出現(xiàn)反彈,空氣質(zhì)量達(dá)標(biāo)率出現(xiàn)較大幅度下降,臭氧第90百分位數(shù)濃度達(dá)到2013年大范圍自動(dòng)化監(jiān)測(cè)以來(lái)的最高值,并超過(guò)國(guó)家二級(jí)標(biāo)準(zhǔn)。為了使廣東省的大氣污染物濃度重回下降通道,需要不斷更新大氣污染減排措施,同時(shí)對(duì)措施的成效進(jìn)行評(píng)估[2]。三維空氣質(zhì)量模型可以模擬不同排放情景下的空氣質(zhì)量,評(píng)估減排措施產(chǎn)生的空氣質(zhì)量改善效果[3]。
廣東省大氣重污染事件時(shí)有發(fā)生[4],很多研究團(tuán)隊(duì)已針對(duì)重污染過(guò)程的成因進(jìn)行了深入研究[5-6]。冬季是污染最嚴(yán)重的季節(jié)[7],其中一月重污染事件頻發(fā)[8],重污染時(shí)段削峰對(duì)于空氣污染的改善極其重要。因此,本研究主要以一月為研究對(duì)象,基于2017年的情況與三維空氣質(zhì)量模型,研究到2020年減排措施實(shí)施后空氣污染的變化情況。
使用WRF-SMOKE-CAMx模型[9],模型的設(shè)置可參考文獻(xiàn)[10]。根據(jù)珠三角排放源清單的最新研究成果[11],建立了2015年的基準(zhǔn)源清單,利用區(qū)域內(nèi)主要污染源活動(dòng)的預(yù)測(cè)數(shù)據(jù)及發(fā)展指標(biāo)推算2020年的排放量,同時(shí),結(jié)合國(guó)家“十三五”規(guī)劃的減排要求,就2020年主要大氣污染物的減排目標(biāo)進(jìn)行估算。在預(yù)測(cè)2020年的排放量時(shí),主要考慮維持2017年底前實(shí)施的政策和措施外,還考慮了2018-2020年期間規(guī)劃實(shí)行的減排措施。使用2017年1月的氣象場(chǎng),分別用基準(zhǔn)清單與2020年的估算源清單進(jìn)行主要空氣污染物濃度模擬,先對(duì)比模擬結(jié)果與實(shí)測(cè)值的差距評(píng)估模型的準(zhǔn)確性,再通過(guò)對(duì)比減排與空氣污染物濃度變化的關(guān)系,定量評(píng)估減排成效。
采用2015年基準(zhǔn)源清單與2017年1月的氣象場(chǎng),模擬出廣東省21個(gè)地級(jí)市的主要空氣污染物濃度,通過(guò)與空氣質(zhì)量國(guó)控點(diǎn)數(shù)據(jù)的對(duì)比,揭示模型對(duì)廣東省各市大氣污染的模擬能力(見(jiàn)表1)。除NO2之外,各項(xiàng)污染物的模擬值與實(shí)測(cè)值較接近。從全省平均情況看,SO2模擬值與實(shí)測(cè)值僅相差3 μg/m3,PM2.5與PM10的模擬偏差分別為2 μg/m3與11 μg/m3,O3的偏差約6 μg/m3,但NO2的偏差較大,達(dá)到15 μg/m3??傮w而言,模型較好地重現(xiàn)了各市不同污染物的濃度水平,與其它大氣污染模擬研究的誤差水平接近,表明本研究建立的模型系統(tǒng)適用于定量研究減排對(duì)廣東省空氣污染的影響。同時(shí),各市NO2模擬濃度的普遍低估表明排放源清單很有可能低估了NOx的排放量。
表1 2017年1月實(shí)測(cè)空氣污染物月均值與模擬值的對(duì)比 μg/m3
如圖1所示,考慮一系列減排措施后,預(yù)計(jì)2020年廣東省各大氣污染物排放量均有所下降。與基準(zhǔn)年2015年相比,2020年人為源的SO2,NO2,CO,PM10,PM2.5,VOCs,NH3排放分別下降40%,32%,37%,23%,25%,31%,18%。其中與燃燒相關(guān)的氣態(tài)污染物降幅較大,主要是由于固定燃燒源與移動(dòng)源的大幅減排;其次是VOCs,主要得益于溶劑使用與工藝過(guò)程源的較大力度減排;降幅最少的是與農(nóng)業(yè)等關(guān)系密切的NH3。
圖1 基準(zhǔn)排放清單與2020年的估算清單的對(duì)比
注:CO/10為CO年排放量的1/10。
選取2017年1月為冬季的代表月份,通過(guò)使用2015年基準(zhǔn)與2020年估算的源清單,使用2017年的氣象場(chǎng),對(duì)廣東省各市的主要大氣污染物進(jìn)行模擬(見(jiàn)表2)。使用2020年的模擬結(jié)果減去2017年的模擬結(jié)果,再除以2017年的模擬值可以得到不同污染物的變化率。結(jié)果表明,通過(guò)一次污染物的較大幅度減排,廣東省各市NO,NO2,SO2,PM10和PM2.5在1月的月均值均出現(xiàn)了不同程度的下降,其中NO降幅最大,平均達(dá)31%;NO2與SO2的下降幅度也達(dá)19%與17%;PM10和PM2.5的降幅相對(duì)較低,均為14%左右。O3平均濃度則是出現(xiàn)了反彈,均值漲幅為11%。
從空間分布來(lái)看(圖2),各市的污染物濃度變化率也存在較大差異,珠三角城市各項(xiàng)主要大氣污染物的變化率較大。各城市間氣態(tài)污染物的變化率差異較大,如不同城市NO的變化率少則減少1%(潮州市),多則變動(dòng)50%(中山市);而PM10與PM2.5則沒(méi)有顯著的城市間差異,各城市的變化率接近。臭氧與PM2.5是目前最受關(guān)注的兩項(xiàng)大氣污染物,全省不同城市的臭氧均有不同程度的上升,珠三角的升幅較大,粵東與粵北的升幅相對(duì)較少,這主要是由于NO的大幅下降導(dǎo)致了臭氧滴定效應(yīng)減弱。特別是珠三角的NO濃度下降比例顯著大于其它地區(qū),生成或輸送過(guò)來(lái)的臭氧無(wú)法得到很好的去除,導(dǎo)致臭氧累積,這一累積效應(yīng)要大于由于VOCs減少而導(dǎo)致的臭氧生成減少。所以在大幅減排一次污染物的同時(shí),臭氧有較大的上升風(fēng)險(xiǎn),建議在大力減排NOx的同時(shí)加大力減排VOCs。而PM2.5則實(shí)現(xiàn)了全省各市的普遍下降,主要是由于SO2與NO2等前體物得到了較好的控制,加上一次排放的細(xì)顆粒物也有所下降,最終導(dǎo)致PM2.5的普降,而且各市的下降比例接近。
表2 2020年相對(duì)于2017年廣東省各市污染物的變化率 %
圖2 2020年1月臭氧與PM2.5濃度變化率
(1)使用WRF-SMOKE-CAMx模型系統(tǒng)模擬了2017年1月廣東省各市的主要大氣污染物,模型對(duì)SO2,O3,PM10和PM2.5的模擬效果較好,但對(duì)NO2存在低估,表明目前的排放源清單可能普遍低估了NOx的排放量。
(2)與基準(zhǔn)年2015年相比,2020年廣東省人為源的SO2,NO2,CO,PM10,PM2.5,VOCs,NH3排放分別下降40%,32%,37%,23%,25%,31%,18%,使用2017年1月的氣象場(chǎng),2020年同期廣東省各市平均NO,NO2,SO2,PM10,PM2.5月均值下降率分別為31%,19%,17%,14%,14%。O3平均濃度出現(xiàn)了反彈,漲幅均值為11%,主要是由于NO滴定效應(yīng)減弱導(dǎo)致。這表明目前的污染防治措施在大力減排一次污染時(shí)會(huì)對(duì)臭氧污染的改善造成較大壓力。
(3)氣態(tài)污染物的濃度變化率存在較大的地區(qū)差異,2020年冬季珠三角地區(qū)的臭氧濃度上升顯著,粵東與粵北的上升幅度相對(duì)較低;各市氣溶膠的變化率相對(duì)接近。