中国长三角地区PM2.5时空分布数值模拟研究

doi:10.3969/j.issn.1673-503X.2021.04.005

摘要/Abstract

摘要：

利用第三代空气质量预报模式LOTOS-EUROS(Long Term Ozone Simulation-European Operational Smog)对2018年中国长三角地区细颗粒物(PM_2.5)浓度的时空分布进行数值模拟，通过对比模拟结果与地面观测值，验证模式对PM_2.5长期特征模拟的合理性并探讨长三角地区PM_2.5的时空分布特征。结果表明：LOTOS-EUROS模式可以较好地再现中国长三角地区PM_2.5浓度的时空分布特征，监测站点观测值和模拟值的整体相关系数达到0.64，可以用于长三角地区细颗粒物的模拟。长三角地区PM_2.5浓度呈冬高夏低，西北高东南低的特征。冬季PM_2.5浓度高值出现在长三角地区的西北部，安徽省等地区的浓度水平最大值可达到160 μg·m^-3；春季和秋季PM_2.5浓度的高值集中在30°N以北、120°E以西地区，浓度为40-80 μg·m^-3；而夏季PM_2.5浓度水平大幅度降低，大部分地区维持在20-40 μg·m^-3，低值中心出现在长三角地区东南部沿海城市，低于10 μg·m^-3，最低值可达5 μg·m^-3。

关键词: 长三角地区, 空气质量预报, 数值模拟

Abstract:

The spatiotemporal characteristics of fine particulate matter (PM_2.5) concentration over the Yangtze River Delta in 2018 were simulated using the third-generation air quality forecast model, Long Term Ozone Simulation-European Operational Smog (LOTOS-EUROS). Comparing with ground observations, the rationality of this model to simulate the long-term characteristics of PM_2.5concentration was verified, and the spatiotemporal variation of PM_2.5 in this region was explored. The results showed that the LOTOS-EUROS model can well reproduce the spatiotemporal characteristics of PM_2.5 concentration in the Yangtze River Delta. The overall correlation coefficient between the observation and simulation values of the monitoring stations reaches 0.64, which means that this model can be applied to the simulation of fine particulate matter in the Yangtze River Delta. The PM_2.5 concentration in the Yangtze River Delta is high in winter of the northwest, and is low in summer of the southeast. High PM_2.5 concentrations in winter occur in the northwestern region of the Yangtze River Delta, and the maximum concentrationin in Anhui province and other areas can reach 160 μg·m^-3. In spring and autumn, high PM_2.5 concentrations are concentrated in the north of 30°N and the west of 120°E, with values ranging from 40 μg·m^-3 to 80 μg·m^-3. Whereas in summer, PM_2.5 concentration decreases significantly and remains around 20-40 μg·m^-3 in most areas. The low-value center of PM_2.5 concentration (lower than 10 μg·m^-3) occurs in coastal cities in the southeast of the Yangtze River Delta, with the lowest value reaching 5 μg·m^-3.

Key words: The Yangtze River Delta, Air quality prediction, Numerical simulation

中图分类号:

X513

许敏. 中国长三角地区PM_2.5时空分布数值模拟研究[J]. 气象与环境学报, 2021, 37(4): 33-39.

Min XU. Numerical simulation on the spatiotemporal distribution of PM_2.5 in the Yangtze River Delta[J]. Journal of Meteorology and Environment, 2021, 37(4): 33-39.

图/表 7

图1

图2

图3

图4

图5

表1

图6

参考文献 22

1	钟流举, 郑君瑜, 雷国强, 等. 空气质量监测网络发展现状与趋势分析[J]. 中国环境监测, 2007, 23 (2): 113- 118. doi: 10.3969/j.issn.1002-6002.2007.02.029
2	Pope III C A . Air pollution and health-good news and bad[J]. The New England Journal of Medicine, 2004, 351 (11): 1132- 1133. doi: 10.1056/NEJMe048182
3	Wang J , Hu Z M , Chen Y Y , et al. Contamination characteristics and possible sources of PM₁₀ and PM_2.5 in different functional areas of Shanghai, China[J]. Atmospheric Environment, 2013, 68, 221- 229. doi: 10.1016/j.atmosenv.2012.10.070
4	李杰, 杨文夷, 陈焕盛, 等. 东亚大气可吸入颗粒物时空分布的数值模拟研究[J]. 环境科学学报, 2014, 34 (3): 548- 557.
5	Timmermans R , Kranenburg R , Manders A , et al. Source apportionment of PM_2.5 across China using LOTOS-EUROS[J]. Atmospheric Environment, 2017, 164, 370- 386. doi: 10.1016/j.atmosenv.2017.06.003
6	Brasseur G P , Xie Y , Petersen A K , et al. Ensemble forecasts of air quality in eastern China-Part 1:Model description and implementation of the MarcoPolo-Panda prediction system[J]. Geoscientific Model Development, 2019, 12, 33- 67.
7	邹旭东, 田晓波, 杨洪斌, 等. 2007年冬季沈阳典型大气污染源PM₁₀排放模拟[J]. 气象与环境学报, 2011, 27 (6): 28- 34. doi: 10.3969/j.issn.1673-503X.2011.06.005
8	王开燕, 邓涛, 邓雪娇, 等. 灰霾数值预报系统对不同天气型过程数值模拟分析[J]. 气象与环境学报, 2014, 30 (5): 21- 26.
9	杨文夷, 李杰, 陈焕盛, 等. 东亚边界层臭氧时空分布的数值模拟研究[J]. 中国环境科学, 2014, 34 (7): 1633- 1641.
10	邹旭东, 杨洪斌, 张云海, 等. 辽宁中部城市灰霾天气数值模拟[J]. 气象与环境学报, 2014, 30 (6): 92- 99.
11	李红斌, 傅瑜, 张靖萱, 等. 大连市冬季大气污染数值模拟及其对人工增雨(雪)作业的指示作用[J]. 气象与环境学报, 2017, 33 (5): 10- 16. doi: 10.3969/j.issn.1673-503X.2017.05.002
12	刘香娥, 何晖, 贾星灿, 等. 北京一次污染天气过程特征的数值模拟[J]. 气象, 2016, 42 (9): 1096- 1104.
13	马雁军, 王扬锋, 刘宁微. 辽宁中部城市群主要大气污染物时空分布特征的数值模拟[J]. 气象与环境学报, 2006, 22 (2): 6- 10. doi: 10.3969/j.issn.1673-503X.2006.02.002
14	卢苗苗, 唐晓, 王自发, 等. 武汉地区2014年PM_2.5时空分布与来源贡献的数值模拟研究[J]. 环境科学学报, 2017, 37 (11): 4227- 4240.
15	袁良, 王成林, 刘华强, 等. 长江三角洲地区低层大气污染物O₃、NO_x、SO₂的数值模拟[J]. 环境监控与预警, 2011, 3 (1): 33- 37. doi: 10.3969/j.issn.1674-6732.2011.01.010
16	高达, 谢旻, 陈星, 等. 气候变化对长三角臭氧污染影响的数值模拟研究[J]. 装备环境工程, 2019, 16 (6): 115- 122.
17	Schaap M , Timmermans R M A , Roemer M , et al. The LOTOS-EUROS model: description, validation and latest developments[J]. International Journal of Environment and Pollution, 2008, 32 (2): 270- 290.
18	Crippa M , Guizzardi D , Muntean M , et al. Gridded emissions of air pollutants for the period 1970-2012 within EDGAR v4.3.2[J]. Earth System Science Data Discussion, 2018, 10 (4): 1987- 2013.
19	Molteni F , Buizza R , Palmer T N , et al. The ECMWF ensemble prediction system: Methodology and validation[J]. Quarterly journal of the royal meteorological society, 1996, 122 (529): 73- 119.
20	Mizzi A P , Arellano A F , Edwards D P , et al. Assimilating compact phase space retrievals of atmospheric composition with WRF-Chem/DART: a regional chemical transport/ensemble Kalman filter data assimilation system[J]. Geoscientific Model Development(Discussions), 2015, 8 (9): 7693- 7725.
21	Boylan J W , Russell A G . PM and light extinction model performance metrics, goals, and criteria for three-dimensional air quality models[J]. Atmospheric environment, 2006, 40 (26): 4946- 4959.
22	戴昭鑫, 张云芝, 胡云锋, 等. 基于地面监测数据的2013-2015年长三角地区PM_2.5时空特征[J]. 长江流域资源与环境, 2016, 25 (5): 813- 821.

监测站点	R	MB/(μg·m^-3)	NMB/(%)	RMSE/(μg·m^-3)	NME/(%)
上海浦东张江	0.68	-2.51	-6.73	24.21	43.24
南京奥体中心	0.67	4.51	9.30	28.87	41.69
杭州下沙	0.52	-0.98	-2.31	30.14	47.21
合肥长江中路	0.71	13.73	29.65	29.28	48.07
长三角地区所有监测站	0.64	3.87	9.06	29.03	45.47

[1]	姜平,刘晓冉,康俊,廖代强,周杰. 基于超越概率的重庆市住宅区风环境品质定量评估[J]. 气象与环境学报, 2020, 36(6): 31-41.
[2]	李爽, 丁治英, 赵欢, 邢蕊, 康晓玉, 韩艳凤. 2014年辽宁地区一次短时暴雨过程多尺度特征分析[J]. 气象与环境学报, 2018, 34(6): 75-83.
[3]	吴昌广, 房雅萍, 林姚宇, 马晓阳, 王耀武, 王克桓. 湿热地区街头绿地微气候效应数值模拟分析[J]. 气象与环境学报, 2016, 32(5): 99-106.
[4]	艾凯, 郑益群, 曾新民, 陈浩伟. WRF模式不同云微物理方案对华西秋雨模拟影响[J]. 气象与环境学报, 2016, 32(2): 1-10.
[5]	江杨, 何志新, 周昆, 朱红芳, 王东勇. 安徽地区山地与平原冻雨天气成因及特征分析[J]. 气象与环境学报, 2016, 32(2): 11-17.
[6]	邹旭东,杨洪斌,张云海,刘玉彻,汪宏宇. 辽宁中部城市灰霾天气数值模拟[J]. 气象与环境学报, 2014, 30(6): 92-99.
[7]	张楠,易笑园,朱立娟,王庆元. 地面气旋影响下两次华北暴雪（雨）过程分析[J]. 气象与环境学报, 2014, 30(5): 7-14.
[8]	王开燕,邓涛,邓雪娇,李海洋, 赵小伟,祁秀香. 灰霾数值预报系统对不同天气型过程数值模拟分析[J]. 气象与环境学报, 2014, 30(5): 21-26.
[9]	任丽,杨艳敏,金磊,韩冰,关铭. 一次东北冷涡暴雨数值模拟及动力诊断分析[J]. 气象与环境学报, 2014, 30(4): 19-25.
[10]	汪靖, 赵玉洁, 吴振玲, 蔡子颖 . 混合层的建立对一次强阵风天气过程的影响[J]. 气象与环境学报, 2014, 30(4): 26-33.
[11]	程相坤,程航,徐杰,马雁军. 一次黄海海雾成因分析及数值模拟试验[J]. 气象与环境学报, 2013, 29(6): 15-23.
[12]	谢今范,王玉昆,张亮,张婷,于莉. 数值模拟技术在风电场宏观选址上的应用[J]. 气象与环境学报, 2013, 29(5): 148-153.
[13]	宋晓辉,田利庆,田秀霞,马鸿青,张功文,董方亮. 河北省一次回流暴雪的数值模拟[J]. 气象与环境学报, 2013, 29(3): 8-14.
[14]	王文,程攀. 一次暴雨过程数值模拟与诊断分析[J]. 气象与环境学报, 2013, 29(1): 1-11.
[15]	邹旭东，杨洪斌，李帅彬，刘玉彻，汪宏宇. 利用MM5模式及NCEP资料对沈阳一次污染天气的数值模拟[J]. 气象与环境学报, 2012, 28(4): 8-15.