论文部分内容阅读
随着经济建设的快速发展,资源能耗的持续增长,机动车保有量的不断增加,大气环境面临着严峻的形势,区域性大范围的复合型大气污染现象频发,尤其是在我国经济发达的区域表现的尤为突出,严重制约社会经济的可持续发展,威胁人民群众身体健康。长三角地区经济发达,人口密集,大气霾污染时常发生,影响广大。霾天气的本质是细粒子气溶胶污染,以细颗粒物PM2.5浓度超标为代表。PM2.5可长时间稳定地悬浮在空气中,并长距离传输,对生产和生活以及人体健康带来不利影响。尽管近年来我国环境空气质量在持续改善,PM2.5浓度也在大幅下降,但环境空气质量改善成效还有待巩固,弄清长三角区域间大气污染物的相互影响特征及规律对于长三角区域的环境污染联防联控、缓解区域环境危机都具有重要意义。本文筛选了长三角地区2012至2016年五年间的霾污染日,基于WRF-Chem（Weather Research and Forecasting/Chemistry）模式,通过MEIC排放清单清零的方法针对研究区域内不同排放源对PM2.5的贡献程度开展敏感性实验,并对霾污染发生的大气环流形势进行了客观分型,探究不同大气背景下,长三角地区PM2.5污染输送的相互影响和各排放源贡献率。研究结果如下:（1）首先利用2013年12月上海、南京和杭州站点的实测资料对WRF-Chem模式的模拟性能进行了评估,发现风向风速、温度、相对湿度和PM2.5质量浓度的模拟结果可以很好地吻合实测值,二者一致性较强。上海、南京和杭州温度模拟结果与实测的相关系数分别为0.92、0.71和0.87,相对湿度的相关系数分别是0.75,0.67和0.74,PM2.5的相关系数介于0.57至0.67之间。模拟的风速值相对实测值偏高,排放清单的不确定性会使得PM2.5质量浓度的模拟数值存在一定的误差。（2）利用COST733,根据欧洲中期天气预报中心的再分析数据ERA-Interim的500hPa、850hPa位势高度和海平面气压场资料,对霾污染日的大气环流形势进行客观分型,得到:霾污染日的环流形势共被分为五类,第一类天气形势（均压场或高压前部弱气压场）下霾日数量为143天,占总数量的40.86%,是所有天气类型中占比最高的。第二类天气形势（冷锋型或高压前部型）有霾污染日所占比例为29.71%,多发生在1、10、11、12这几个月内。第三类天气形势（入海高压后部型）下有霾污染日77天,多发生在春季和冬季。第四类天气形势（高压底部型）下的霾污染日均发生在九月和十月,与第五类天气形势（低压或倒槽前部型）下的霾污染日所占比例同为最小值（6.86%）。（3）敏感性实验分别清除上海、江苏、浙江、长三角地区和外源地区的人为排放,结果表明来自长三角的排放是三个省市的主要贡献者,五种天气形势下的平均贡献率分别32.12%（上海）,24.61%（江苏）,31.49%（浙江）。江浙沪本地排放对自身的贡献率远高于其他两个省市对该省市的贡献率。江苏省对上海PM2.5的贡献率略高于浙江省;上海和浙江两地对江苏的PM2.5浓度贡献相对较小,在五种环流分型下的贡献率都低于11%;对于浙江而言,江苏省排放对其的贡献比上海略高。除在第一类环流形势下的江苏和第二类环流形势下的上海、江苏外,长三角的排放对研究目标省市PM2.5贡献率比外部区域的贡献略高或基本一致。（4）环流形势下的风向与PM2.5贡献量空间分布比较一致,五种主导天气形势表现出不同特征。上海人为源排放对上海PM2.5的贡献均高于15μg/m3,对江苏和浙江PM2.5增长的贡献普遍低于25μg/m3;浙江省人为排放向浙北及三省市交界处贡献了大于35μg/m3的PM2.5浓度,在P3-P5下对安徽省也产生了较大影响。江苏的排放对自身以及临近的安徽省影响较大,对江苏大部分地区PM2.5浓度贡献超过35μg/m3,江苏南部PM2.5增加超过55μg/m3,对另两个省市的PM2.5浓度贡献都小于25μg/m3。第一、二类天气形势下西北转东北风为主导风向,江浙沪交界部分受到来自长三角自身排放源的贡献超过75μg/m3的范围相对小;而第三、五类下受偏东风和东南风影响,污染物向长三角北部区域扩散,江苏省受到的影响较大。相对于其他天气形势,第四类天气形势在东北风向主导下,人为源排放更多地向西南方向扩散,直至影响到华南大部分区域。