杨冬冬,赵树云,张 华*,沈新勇



未来全球PM2.5浓度时空变化特征的模拟

杨冬冬1,2,赵树云1,2,张 华1,2*,沈新勇1

(1.南京信息工程大学气象灾害预报预警与评估协同创新中心,江苏南京 210044；2.国家气候中心,中国气象局气候研究开放实验室,北京 100081)

根据政府间气候变化专门委员会第五次评估报告(IPCC AR5)给出的气溶胶及其前体物的不同排放情景RCP2.6(低排放)、RCP4.5(中等排放)和RCP8.5(高排放),利用国家气候中心的气溶胶–气候在线耦合模式,分别模拟了2010~2030和2030~2050年总PM2.5(人为和自然PM2.5的总和)及其中人为和自然气溶胶柱含量的时空变化,并预估了的绿色排放情景RCP4.5下中国地区人为和自然气溶胶对总PM2.5浓度变化的贡献.结果表明,在3种排放情景下,2010~2030年PM2.5柱含量变化的空间分布基本相似.在欧洲、北非及其西侧的洋面上,PM2.5呈现不同程度的增加,其中以北非及其西侧的洋面上的增加最为明显,而阿拉伯半岛东部PM2.5则明显减少.在RCP4.5排放情景下,中国地区年均PM2.5地表浓度的减少量约为2.55 μg/m3,其中人为气溶胶的贡献约为28%,自然气溶胶的贡献约为72%.2030~2050年,3种排放情景下PM2.5柱含量变化的空间分布差异较大,在RCP4.5和RCP8.5排放情景下,非洲北部及其西侧洋面的PM2.5显著增加,而东亚地区的PM2.5显著减少,而RCP2.6排放情景与前2种情景的结果区别很大.在RCP4.5排放情景下,中国地区PM2.5及其中人为和自然气溶胶均在2010~2030年的基础上进一步减少,而且人为气溶胶在其中的贡献(约为34%)也有所增加.

PM2.5；人为气溶胶；自然气溶胶；BCC_AGCM2.0_CUACE/Aero

当前我国乃至世界诸多地区均面临着大气PM2.5污染的环境问题以及改善环境的社会需求[1-5].目前国内外对PM2.5的研究主要侧重观测资料的分析以及模式的模拟.近年来诸多气溶胶模式也得到了应用和发展,基于模式也进行了大量的模拟研究[6-8].Han[9]和谢祖欣等[10]分别利用区域空气质量模式RAQM再现了东亚以及中国地区气溶胶以及其他污染物的分布.张美根[11]也指出2001年春季东亚地区的人类活动不仅使源区气溶胶浓度显著增加,而且使近海无源广大海域的污染加重.张华等[12-13]和赵树云[14]采用国家气候中心气溶胶–气候在线耦合模式BCC_ AGCM2.0_CUACE/Aero对中国地区PM2.5以及全球气溶胶的柱含量和光学厚度进行了模拟,并综合分析了污染物排放的控制对策.杨冬冬等[15]模拟了全球和中国地区PM2.5自工业革命到2010年期间的时空变化特征,但没有模拟未来的PM2.5的变化规律.政府间气候变化专门委员会(简称:IPCC)的排放情景在气候变化研究中有着越来越广泛的应用,不同地区之间污染物存在着一定的影响关系[16].本研究采用模式模拟的方法,研究了全球各地区不同排放情景下PM2.5未来的时空的变化,旨在为中国政府制定未来减排政策提供依据.

1 模式和方法

1.1 模式介绍

研究采用的模式是国家气候中心的气溶胶–气候在线耦合模式BCC_AGCM2.0_CUACE/ Aero. Zhang等[17]实现了国家气候中心的第二代大气环流模式BCC_AGCM2.0和气溶胶化学模式CUACE/Aero的耦合,从而可以更加精细地研究气溶胶与气候之间的相互作用.赵树云等[14]对该模式的气溶胶模拟能力进行了综合评估.王志立等[18]发现该模式模拟的各类气溶胶柱含量与AeroCom多模式的中间值在量级和空间分布上均比较一致.

其中,大气环流模式BCC_AGCM2.0在水平方向采用 42波三角截断方案[T42,近似于 2.8°(纬度)×2.8°(经度)],垂直方向为混合σ−压力坐标系,共26层,模式顶气压约为2.9hPa,刚性边界.Wu等[19]对该模式进行了一系列评估,发现它可以相当好地模拟当前的气候平均态.

气溶胶化学模式CUACE/Aero考虑的气溶胶种类主要有:硫酸盐(SF)、黑碳(BC)、有机碳(OC)、海盐(SS)和沙尘(SD)气溶胶,其中人为气溶胶及其相关前体物的排放数据是给定的离线值[20-21],均来自政府间气候变化专门委员会第五次评估报告(IPCC AR5)[22].自然气溶胶SS和SD的排放率则是在线计算的,其中SS的排放方案来自文献[23],SD的排放方案也来自文献[24-25].目前CUACE/Aero主要包含气溶胶的排放、传输、化学转化、与云的相互作用、干湿沉降等过程.该模式还是一个粒径分档模式,气溶胶的半径从小到大分为12档,分别为0.005~0.01,0.01~0.02, 0.02~0.04,0.04~0.08,0.08~0.16,0.16~0.32,0.32~0.64, 0.64~1.28,1.28~2.56,2.56~5.12,5.12~10.24,10.24~20.48μm.前8档气溶胶的直径在2.5μm以下,是本文的研究对象.分档近似在多成分相互作用的过程中具有更好的灵活性,而且能更方便的计算出在不同粒径范围内各种气溶胶的浓度和光学性质,有利于研究气溶胶的辐射强迫和气候效应[26].

BCC_AGCM2.0_CUACE/Aero具有比较完善的气溶胶模块,并不断地参与AeroCom的比较计划,其结果已被IPCC AR5引用[22],通过与观测资料和国际其他先进模式的比较,保证了其对气溶胶的模拟能力.根据对模式输出的气溶胶和云的光学特性以及人为气溶胶间接效应(AIE)的评估结果,Wang[27]发现采用双参数云微物理方案对气溶胶的质量浓度和光学厚度等的模拟更接近真实大气,故又将该模式应用到不同情景下减排黑碳对气溶胶净冷却效应的削弱作用[28].在模式中采用四流辐射传输算法可以提高气溶胶的直接辐射效应(DRE)和强迫(DRF)的计算精度[29].此外,将该模式应用到沙尘气溶胶对全球干旱和半干旱地区气候的影响的研究中,发现模式的模拟结果较好[30].

1.2 试验设计

IPCC AR5提出了以稳定浓度为特征的新情景:典型浓度路径(Representative Concentration Pathways,简称RCPs),即用单位面积的强迫来代表到2100年间稳定浓度的情景.其中,RCP2.6表示辐射强迫小于2.6W/m2且继续下降,RCP4.5表示辐射强迫达到4.5W/m2且维持稳定,RCP8.5表示辐射强迫大于8.5W/m2且继续上升[22].综合考虑IPCC AR5各排放情景中气溶胶的排放情况,本文选取2010、2030和2050年作为研究的时间节点.气溶胶排放数据来自IPCC AR5RCP2.6、RCP4.5和RCP8.53种排放情景, RCP海温场采用不同排放情景下对应的未来海温模式资料.在3个时间节点和3种排放情景下共运行9个模拟试验,每个试验运行23年,并取后20年的平均结果代表所在时间节点上气溶胶的气候态水平.虽然模式中自然气溶胶的排放是在线计算的,但不同的人为气溶胶排放情景会引起不同的气候反馈,而这些反馈过程又影响自然气溶胶的排放和传输.因此,本文介绍不同排放情景下人为气溶胶变化的同时,也介绍了相应的自然气溶胶变化.通过对比不同时间节点上的气溶胶水平,最终得到了3种排放情景下,2010~2030年以及2030~2050年PM2.5及其中人为(SF、BC和OC)和自然(SS和SD)气溶胶柱含量的时空变化特征.本文还给出了在RCP4.5排放情景下,中国地区人为和自然气溶胶对总PM2.5地表浓度变化的贡献.

2 结果与分析

2.1 PM2.5柱含量变化的全球分布

在RCP2.6、RCP4.5和RCP8.53种排放情景下,2010~2030年PM2.5的全球年均柱含量分别增加了约3.74,2.60,3.40mg/m2.如图1所示,2010~ 2030年3种排放情景下PM2.5柱含量变化的空间分布基本一致.在西欧、北非的撒哈拉沙漠地区及其西侧的洋面上,PM2.5的柱含量呈现不同程度的增加,其中以北非的沙漠地区地区及其西侧的洋面上的增加最为明显,而阿拉伯半岛东部地区PM2.5的柱含量则明显减少.不同排放情景下2010~2030年PM2.5柱含量的变化也存在一定的差异,在RCP2.6排放情景下,阿拉伯半岛地区PM2.5柱含量的减少相比于其他2种排放情景更为明显.在RCP8.5排放情景下,中亚地区的PM2.5柱含量明显增加,而在RCP2.6排放情景下则减少.不同地区的主导性气溶胶不同(如北非以沙尘气溶胶为主,而欧洲以硫酸盐为主)[31],不同类型气溶胶变化的差异是导致PM2.5柱含量变化地区差异的主要原因.

从图2可以发现,总的人为PM2.5在不同排放情景下的柱含量变化的空间分布基本一致,但是变化的具体数值仍存在明显的差异.2010~2030年,PM2.5中总的人为气溶胶在RCP2.6、RCP4.5和RCP8.5排放情景下全球年均柱含量分别减少了约1.23,0.78,0.29mg/m2.在RCP2.6和 RCP4.5排放情景下,PM2.5中的人为气溶胶在欧洲、北美东部、东亚以及东南亚等地区均存在明显的减少中心,其中以东亚地区减少最为明显.在RCP8.5排放情景下,上述地区人为气溶胶的柱含量在2010~2030年也是减少的,但相比于前2种排放情景减少程度较弱.3种排放情景下,PM2.5中的人为气溶胶在阿拉伯半岛和非洲中部地区,存在一个明显的增加区,其中阿拉伯半岛地区人为气溶胶的增加以RCP8.5排放情景最为明显.

本研究中,PM2.5中的人为气溶胶包括SF、BC和OC.SF主要源自化石燃料的燃烧,因而排放强度与不同国家和地区的工业化程度密切相关.BC主要是由含碳物质的不完全燃烧产生,而OC在很大程度上和BC有着相似的来源. RCP4.5排放情景更贴近未来的实际排放情况[32],在该排放情景下,模式模拟的2010~2030年人为气溶胶中的SF、BC和OC全球年平均柱含量分别减少了0.60,0.01,0.16mg/m2.从图2a2~d2可以看出,北美东部地区总人为气溶胶柱含量的减少主要是由SF的减少造成的,欧洲中东部和东亚等地区总人为气溶胶的减少是由SF、BC和OC共同减少造成的,东南亚地区总人为气溶胶的减少则主要是碳类气溶胶(BC和OC)的贡献.另外,非洲中部和阿拉伯半岛等地区总人为气溶胶柱含量的增加主要是由该地区碳类气溶胶增加造成的(图2c和d).因为BC和OC在很大程度上是同源的,所以两者柱含量的变化在空间分布上十分相似.

图4 2010~2030年RCP4.5排放情景下PM2.5季节平均柱含量变化的全球分布

Fig.4 Global distributions of the seasonal mean changes in the column burden of PM2.5during 2010~2030 based on RCP4.5

从图2还可以发现,2010~2030年人为气溶胶柱含量减少的地区也正是工业革命到现在人为气溶胶柱含量增加的地区[30].工业革命带来经济发展的同时,也带来了资源和环境等问题.为了应对这些问题,20世纪80年代以来,许多发达国家和地区相继采取了一系列措施控制和减少人为SO2的排放,空气中的SF也相比之前减少了许多[4].另外,能源结构的优化、燃烧技术的提高和清洁技术的使用等也进一步造成PM2.5浓度的降低.2014年底,中美双方共同发表了《中美气候变化联合声明》[33],美国首次提出到2025年温室气体排放较2005年整体下降26%~28%,中国也首次正式提出2030年左右中国二氧化碳排放有望达到峰值,并将于2030年将非化石能源在一次能源中的比重提升到20%.应对全球气候变化和环境问题的国际合作进一步说明了环境的重要性.

PM2.5中自然气溶胶包括SS和SD,其中SS主要由海浪泡沫破裂而成,它的排放主要依赖于海洋表面风速的大小.SD又称矿物沙尘,主要源于干旱、半干旱地区风对地表的侵蚀.全球有4个沙尘暴多发区,分别为中亚、北美、北非和澳大利亚,主要分布在赤道两侧的副热带地区(25°S~25°N)[34].从模拟结果可以看出,2010~ 2030年在RCP2.6、RCP4.5和RCP8.5排放情景下,PM2.5中总自然气溶胶的全球年均柱含量分别增加了约4.96,3.38,3.69mg/m2.在非洲西北部及其西侧的洋面上,3种排放情景下的自然气溶胶均显著增加,且柱含量的增加量可达40mg/m2.而在阿拉伯半岛自然气溶胶的柱含量则是减少的.

同样以RCP4.5排放情景为重点进行分析, 2010~2030年,自然气溶胶中的SD和SS全球年平均柱含量的变化量分别为3.39,-0.01mg/m2.对比图3a2和b2可以发现,非洲西北部及其西侧的洋面上以及阿拉伯半岛PM2.5中总自然气溶胶柱含量的变化主要是SD主导的.在北非及北非西侧洋面上降水有所减少,这可能是SD在该地区明显增加的原因之一.从图3c2可以看出,SS的变化主要发生在两半球的洋面上.SS的柱含量在南半球和北太平洋中东部的中低纬均有增量的大值区.对比图3a2和c2可以发现,洋面上自然气溶胶的变化主要是由SS造成的.观测和模拟均表明[35-36],SS含量本身在30°~60°N和30°~60°S之间的洋面上有2个高值区.SS的变化和近地面风场变化有很大关系,在SS增加的区域大多存在风场的辐合,相反,SS减少的区域也大多存在风场的辐散.

2010~2030年不同地区PM2.5柱含量的变化存在着明显的季节差异.以RCP4.5为例,PM2.5柱含量在春、夏、秋、冬四季的全球平均变化量分别约为4.00,1.02,1.74,3.65mg/m2.从图4可以看出,在北非的撒哈拉沙漠地区,虽然PM2.5在四季都是显著增加的,但是增加的范围和强度在冬、春两季远大于夏、秋两季.在阿拉伯半岛地区,PM2.5在冬、春季增加比较明显,而在夏季出现一个较为显著的减少中心.北非和阿拉伯半岛上PM2.5柱含量的变化主要是由自然气溶胶(主要是沙尘气溶胶)变化主导的.2010~2030年,东亚、东南亚等地区冬季PM2.5柱含量是显著减少的,这是由人为和自然气溶胶共同造成的.而夏、秋季PM2.5柱含量在东亚、东南亚地区则有所增加,这主要是由自然气溶胶的增加造成的.

相比2010~2030年,2030~2050年PM2.5柱含量的变化在不同排放情景下的差异较大.如图5所示,在RCP2.6排放情景下,PM2.5的全球年平均柱含量减少了2.27mg/m2,非洲西北部以及其西侧洋面、欧洲西部、阿拉伯半岛东南部以及北美东部等地区PM2.5柱含量减少.在RCP4.5和RCP8.52种排放情景下,2030~2050年非洲北部及其西侧洋面的PM2.5显著增加,东亚地区的PM2.5则显著减少,而且这种减少在RCP4.5排放情景下尤为明显,PM2.5柱含量的变化在RCP4.5和RCP8.52种排放情景下的空间分布与RCP2.6情景下的基本相反.

2030~2050年RCP2.6、RCP4.5和RCP8.5排放情景下人为气溶胶柱含量的变化在空间分布上较为一致,3种排放情景下全球年均柱含量分别减少了约0.96,1.02,1.07mg/m2(图6a1~a3).在3种排放情景下,人为气溶胶在东亚和东南亚地区均存在明显的减少中心,而在欧洲西部和北美东部等地区,人为气溶胶的减少则相对较弱.相比于2010~2030年,2030~2050年虽然不同排放情景下人为气溶胶全球年均柱含量的绝对减少量均有所下降,但减少的地区更为集中,主要分布在东亚、东南亚一带.2030~2050年,3种排放情景下SF柱含量变化的空间分布基本一致,减少的大值区主要集中在东亚地区.因为BC和OC在很大程度上是同源的,所以2030~2050年两者柱含量变化的空间分布在3种排放情景下相似,减少区主要集中在东亚和东南亚亚一带.另外,在RCP2.6排放情景下,BC和OC在南亚以及非洲中部也存在明显的减少区,而在RCP4.5排放情景下,两者柱含量在欧洲中部有所增加.

图5 在RCP2.6、RCP4.5、RCP8.5 3种排放情景下, 2030~2050年PM2.5年均柱含量变化的全球分布

Fig.5 Global distributions of the annual mean changes in the column burden of PM2.5during 2030~2050 based on RCP2.6, RCP4.5, RCP8.5

在RCP4.5排放情景下,2030~2050年人为气溶胶中的SF、BC和OC全球年平均柱含量分别减少了0.94,0.02,0.06mg/m2(图6).东亚是人为气溶胶减少最明显的地区,该地区人为气溶胶柱含量的降低是由SF、BC和OC的减少共同造成的.然而在北美东部,人为气溶胶的减少主要归功于SF,2种含碳气溶胶甚至有所增加.2030~2050年非洲中部碳类气溶胶明显增加的特征仅仅出现在RCP4.5排放情景下,两类含碳气溶胶的增加是非洲中部人为气溶胶明显增加的原因,而在RCP2.6情景下,该地区碳类气溶胶反而是明显减少的(图6c1和d1).

图8 2030~2050年RCP4.5排放情景下PM2.5季节平均柱含量变化的全球分布

Fig.8 Global distributions of the seasonal mean change of the column burden of PM2.5during 2030~2050 based on RCP4.5

2030~2050年不同排放情景下自然气溶胶的变化显著不同.在RCP2.6排放情景下,自然气溶胶在东亚的东北部、中亚以及非洲中部等地区均增加,而在非洲的西北部及其西侧洋面、欧洲西部则减少.在RCP4.5排放情景下,自然气溶胶在东亚北部显著减少,而在非洲北部则存在明显的增加中心.在RCP8.5排放情景下,自然气溶胶在东亚地区的减少相比RCP4.5排放情景偏弱,但在北非及其西侧的洋面上的增加量比RCP4.5排放情景下更为明显.

在RCP4.5排放情景下,2030~2050年,自然气溶胶及其中SS和SD全球年平均柱含量的变化量分别为0.80,-0.06,0.86mg/m2.从空间分布上看,陆地上自然气溶胶的变化以SD的变化为主(图7a2)和b2),而洋面上自然气溶胶的变化以SS为主(图7a2和c2).自然气溶胶在非洲北部、阿拉伯半岛东部均有所增加,而在中亚地区和东亚的北部却有所减少.对比2010~2030年和2030~2050年自然气溶胶全球平均柱含量的变化可以发现,虽然自然气溶胶全球年均柱含量在这2个阶段都是增加的(增量分别为~3.38,0.80mg/m2),但后一阶段的增加量明显小于前一阶段.

在RCP4.5排放情景下,2030~2050年非洲西北部及其西侧洋面上,冬春两季PM2.5柱含量是显著增加的,而夏秋季PM2.5的增加不如冬春季明显,且在北非南部出现了减少中心(图8).在北美东部,冬季PM2.5柱含量有明显的增加,中心值超过了40mg/m2,而在其他3个季节,PM2.5柱含量的变化不明显.在亚洲地区,冬季45°N附近存在一条东-西走向的PM2.5减少带,从中亚地区一直延伸到中国东部沿海地区,春季该减少带加强东移至东亚地区,并在其东侧的北太平洋也出现了PM2.5的减少中心,而夏秋季,PM2.5的减少不如冬春两季明显,减少中心位于中国华北及黄淮地区.

2.2 中国地区PM2.5地表浓度的变化

2010~2030年和2030~2050年是中国经济社会发展以及污染物减排的关键时期,因此,重点分析了这2个阶段中国地区(15°~55°N, 72°~136°E)人为和自然气溶胶在PM2.5变化中的贡献(以RCP4.5排放情景下的地表浓度变化为例).

如表1所示,2010~2030年中国地区总人为PM2.5地表浓度的年均减少量为0.72μg/m3,减少的大值区主要分布在华北南部、华中和华东地区(图略).从季节平均来看,中国地区人为气溶胶平均地表浓度的变化在春季最为显著,变化量为-1.05μg/m3,秋、冬季次之,分别为-0.60, -0.62μg/m3,夏季最小,为-0.59μg/m3.春季OC、SF和BC的地表浓度分别减少了0.54,0.44, 0.07μg/m3,对总PM2.5变化的贡献分别为16%, 13%,2%.夏、秋两季,人为气溶胶中SF对总PM2.5地表浓度变化的贡献均为最大,分别为16%, 21%,OC的贡献次之,分别为7%,12%.冬季OC和SF对总PM2.5变化的贡献非常接近,均为6%左右.四季中,BC对总PM2.5变化的贡献最小.

2010~2030年间,中国地区PM2.5地表浓度的年均减少量为2.55μg/m3,其中人为气溶胶减少了0.72 μg/m3,对总PM2.5减少贡献28%,而自然气溶胶年均地表浓度减少了1.83μg/m3,对PM2.5的减少贡献了72%.从季节平均看,除秋季外,其他3个季节人为和自然气溶胶的地表浓度都是减少的,且自然气溶胶的减少对总PM2.5减少的贡献均在65%以上.人为气溶胶对总PM2.5变化的贡献在春、秋季贡献最大,夏季次之,冬季最小.2010~ 2030年人为气溶胶地表浓度的降低主要原因是排放的明显减少.

从表2可以看出,无论是年平均还是季节平均,2030~2050年中国地区PM2.5及其中的人为和自然气溶胶区域平均地表浓度均是减少的.PM2.5及其中的人为和自然气溶胶地表浓度的年均减少量分别约为3.70,1.25,2.45μg/m3.SF地表浓度的减少对中国地区人为PM2.5地表浓度的降低贡献最大,OC次之,BC贡献最小.2030~2050年中国地区的自然气溶胶也有所减少,SD仍然是自然气溶胶减少的主要贡献因素.

2030~2050年中国地区人为和自然气溶胶地表浓度的年均减少量分别约为1.25,2.45μg/m3,相比2010~2030年(减少量分别为0.78,1.83μg/ m3),减少的更为明显.2030~2050年人为气溶胶在中国地区PM2.5降低中的作用也更加突出,贡献了其中的34%.

表1 2010~2030年RCP4.5排放情景下中国地区PM2.5中人为和自然气溶胶的季节和年平均地表浓度的变化(μg/m3)

注:括号内为不同成分对PM2.5变化的贡献.

综合表1、2可以发现,在2010~2030年和2030~2050年2个阶段,人为气溶胶的减排也给中国地区带来了自然气溶胶的减少,从而更加有利于大气中PM2.5含量的降低,而这也加强了减排人为气溶胶的意义.

目前,BCC_AGCM2.0_CUACE/Aero模式只考虑了SF、BC、OC、SS和SD五类典型气溶胶,没有将硝酸盐和铵盐气溶胶包含在内,这可能会引起模拟的PM2.5浓度相比实际偏低一些.另外,根据IPCC AR5给出的温室气体和气溶胶及其前体物的排放情景,未来硝酸盐在总气溶胶中的比重很可能会越来越大.下一步工作将研究硝酸盐和铵盐这2类气溶胶在未来的变化趋势.此外,模式的分辨率、粒子的干湿沉降过程以及混合状态的模拟都会带来一定的误差,未来还需对模式进行进一步的改进.

表2 2030~2050年RCP4.5排放情景下中国地区PM2.5中人为和自然气溶胶的季节和年平均地表浓度变化(μg/m3)

注:括号内为不同成分对PM2.5变化的贡献.

3 结论

3.1 2010~2030年,RCP2.6、RCP4.5和RCP8.5排放情景下非洲西北部及其西侧洋面上PM2.5的柱含量均显著增加,而在阿拉伯半岛则减少,这主要是自然气溶胶的变化引起的.而在欧洲、北美东部、东亚和东南亚地区,人为气溶胶是2010~ 2030年PM2.5柱含量减少的主要原因,其中以东亚和东南亚地区的人为气溶胶减少最为显著. 2030~2050年,3种排放情景下欧洲、北美东部、东亚和东南亚地区人为气溶胶柱含量继续减少,尤其是东亚地区,减少最为明显.由模拟结果可知,2030~2050年期间3种排放情景下自然气溶胶的变化则呈现不同的空间分布形势.

3.2 在RCP4.5排放情景下,2010~2030年中国地区PM2.5及其中的人为和自然气溶胶的年均地表浓度均是减少的,其中人为气溶胶对总PM2.5地表浓度降低的贡献是28%,自然气溶胶的贡献为72%.从季节平均看,除秋季外,人为和自然气溶胶的地表浓度在其他季节都是减少的,两者共同造成了PM2.5的减少.2030~2050年,无论是全年还是各个季节,中国地区PM2.5及其中的人为和自然气溶胶地表浓度均有所减少,且均比2010~2030年减少的更为明显.同时,人为气溶胶对总PM2.5减少的贡献也相比2010~2030年有所增加.

[1] 韩力慧,张 鹏,张海亮,等.北京市大气细颗粒物污染与来源解析研究[J]. 中国环境科学, 2016,36(11):3203-3210.

[2] 李云婷,王占山,安欣欣,等.2015年“十一”期间北京市大气重污染过程分析[J]. 中国环境科学, 2016,36(11):3218-3226.

[3] 张云伟,王晴茹,陈 嘉,等.城市街谷内PM2.5浓度时空变化及影响因素分析[J]. 中国环境科学, 2016,36(10):2944-2949.

[4] 顾芳婷,胡 敏,王 渝,等.北京2009~2010年冬、春季PM2.5污染特征[J]. 中国环境科学, 2016,36(9):2578-2584.

[5] 李丽云,邓雪娇,何启华,等.近35年广东省区域灰霾天气过程的变化特征及突变分析[J]. 中国环境科学, 2016,36(8):2297- 2303.

[6] Chung C E, Ramanathan V, Kiehl J T. Effects of the South Asian Absorbing Haze on the Northeast Monsoon and Surface -Air Heat Exchange [J]. Journal of Climate, 2002,(17):2462-2476.

[7] Myhre G, Samset B H, Schulz M, et al. Radiative forcing of the direct aerosol effect from AeroCom Phase II simulations [J]. Atmospheric Chemistry & Physics Discussions, 2012,13(4): 1853-1877.

[8] 赵淑雨.关中地区黑碳的时空变化及其成因—外场观测与数值模拟[D]. 北京:中国科学院研究生院(地球环境研究所), 2015.

[9] Han Z .A regional air quality model:Evaluation and simulation of O3and relevant gaseous species in East Asia during spring 2001. Environmental Model ling & Software, 2007,22(9):1328-1336.

[10] 谢祖欣,韩志伟,王格慧.春季中国东部气溶胶化学组成及其分布的模拟研究[J]. 大气科学, 2014,38(3):399-409.

[11] 张美根.多尺度空气质量模式系统及其验证I.模式系统介绍与气象要素模拟 [J]. 大气科学, 2005,29(5):805-813.

[12] Zhang H, Xie B, Zhao S Y, et al. PM2.5and tropospheric O3in China and an analysis of the impact of pollutant emission control [J]. Advances in Climate Change Research, 2014,5(3):136-141.

[13] 张 华,陈 琪,谢 冰.中国的PM2.5和对流层臭氧及污染物排放控制对策的综合分析[J]. 气候变化研究进展, 2014, 10:289-296.

[14] 赵树云,智协飞,张 华,等.气溶胶-气候耦合模式系统BCC_ AGCM2.0.1_CAM气候态模拟的初步评估[J]. 气候与环境研究, 2014,19(3):265-277.

[15] 杨冬冬,张 华,沈新勇,赵树云.全球和中国地区PM2.5时空变化特征的模拟研究[J]. 中国环境科学, 2016,36(4):990-999.

[16] Wang Q Y, Wang Z L, Zhang H. Impact of anthropogenic aerosols from global, East Asian, and non-East Asian sources on East Asian summer monsoon system [J]. Atmospheric Research, 2017, 183:224-236.

[17] Zhang H, Wang Z, Wang, et al. Simulation of direct radiative forcing of aerosols and their effects on East Asian climate using an interactive AGCM-aerosol coupled system [J]. Climate Dynamics, 2012,38(7/8):1675-1693.

[18] 王志立.典型种类气溶胶的辐射强迫及其气候效应的模拟研究[D]. 北京:中国气象科学研究院, 2011.

[19] Wu T, Yu R, Zhang F, et al. The Beijing Climate Center atmospheric general circulation model: description and its performance for the present-day climate [J]. Climate Dynamics, 2010,34(1):123-147.

[20] Brasseur G P, Hauglustaine D A, Walters S, et al. MOZART, a global chemical transport model for ozone and related chemical tracers: 1.Model description [J]. Journal of Geophysical Research Atmospheres, 1998,103(D21):28265-28289.

[21] Hauglustaine D A. MOZART, a global chemical transport model for ozone and related chemical tracers 2. Model results and evaluation [J]. Journal of Geophysical Research Atmospheres, 1998,1032(D21):28291-28335.

[22] IPCC, 2013 :Climate change 2013:the physical science basis. contribution of working groupⅠto the fifth assessment report of the intergovernmental panel on climate change [M]. Cambridge University Press, Cambridge, United Kingdom and NewYork, NY. USA.

[23] Gong S L, Barrie L A, Blanchet J -P, et al. Canadian Aerosol Module:A size-segregated simulation of atmospheric aerosol processes for climate and air quality models 1. Module development [J]. Journal of Geophysical Research Atmospheres, 2003,108(D1):AAC 3-1–AAC 3-16.

[24] Marticorena B, Bergametti G. Modeling the atmospheric dust cycle: 1. Design of a soil-derived dust emission scheme [J]. Journal of Geophysical Research Atmospheres, 1995,100(D8): 16415-16430.

[25] Alfaro S C, Gomes L. Modeling mineral aerosol production by wind erosion: Emission intensities and aerosol size distributions in source areas [J]. Journal of Geophysical Research Atmospheres, 2001,106(D16):18075-18084.

[26] 王志立.典型种类气溶胶的辐射强迫及其气候效应的模拟研究[D]. 北京:中国气象科学研究院, 2011.

[27] Wang, Z., H. Zhang, P. Lu, Improvement of cloud microphysics in the aerosol-climate model BCC_AGCM2.0.1_CUACE/Aero, evaluation against observations, and updated aerosol indirect effect [J]. Journal of Geophysical Research Atmospheres, 2014, 119(13):8400-8417.

[28] Wang Z, Zhang H, Zhang X. Simultaneous reductions in emissions of black carbon and co-emitted species will weaken the aerosol net cooling effect [J]. Atmospheric Chemistry & Physics, 2015,15:3671-3685.

[29] Zhang H, Wang Z L, Zhang F, et al. Impact of four-stream radiative transfer algorithm on aerosol direct radiative effect and forcing [J]. International Journal of Climatology, 2015,35(14): 4318-4328.

[30] Zhao S, et al. Simulating direct effects of dust aerosol on arid and semi-arid regions using an aerosol–climate coupled system [J]. International Journal of Climatology, 2014.

[31] Zhang H, Zhao S, Wang Z, et al. The updated effective radiative forcing of major anthropogenic aerosols and their effects on global climate at present and in the future [J]. Int. J. Climatol., 2016,DOI:10.1002/joc.4613.

[32] Chylek P, Dubey M K, Lesins G, et al. Imprint of the Atlantic multi-decadal oscillation and Pacific decadal oscillation on southwestern US climate: past, present, and future [J]. Climate Dynamics, 2014,43(1/2):119-129.

[33] 《中国能源》编辑部.中美气候变化联合声明[J]. 中国能源, 2014,36(11):1-1.

[34] 马井会,张 华,郑有飞,等.沙尘气溶胶光学厚度的全球分布及分析[J]. 气候与环境研究, 2007,12(2):156-164.

[35] Liao H, Seinfeld J H, Adams P J, et al. Global radiative forcing of coupled tropospheric ozone and aerosols in a unified general circulation model [J]. Journal of Geophysical Research Atmospheres, 2004,109(D16):1355-1363.

[36] Takemura T, Nakajima T, Dubovik O, et al. Single-Scattering Albedo and Radiative Forcing of Various Aerosol Species with a Global Three-Dimensional Model [J]. Journal of Climate, 2002, 115(4):333-352.

致谢：本试验在中国气象科学研究院王志立博士、国家气候中心荆现文和谢冰博士等的协助下完成,在此表示感谢.

Simulation of global distribution of temporal and spatial variation of PM2.5concentration in the future.

YANG Dong-dong1,2, ZHAO Shu-yun1,2, ZHANG Hua1,2*, SHEN Xin-yong1

(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.Laboratory for Climate Studies of China Meteorological Administration, National Climate Center, Beijing 100081, China).

According to the emission scenarios of aerosols and their precursors, RCP2.6 (low emission), RCP4.5 (medium emission) and RCP8.5 (high emission) scenarios given by the Fifth Assessment Report of Intergovernmental Panel on Climate Change (IPCC AR5), the temporal and spatial variations of the concentrations of total PM2.5(the sum of anthropogenic and natural aerosols), anthropogenic and natural aerosols in PM2.5over the globe from 2010 to 2030 and 2030 to 2050, as well as the contributions of anthropogenic and natural aerosols to these variations under the green emission scenario (RCP4.5) over China were simulated in this work, using an aerosol-climate online coupled model from National Climate Center. Results show that from 2010 to 2030, the spatial variations of the column concentrations of PM2.5under the three emission scenarios were basically similar to each other. The column concentrations of PM2.5increase over Europe, North Africa, and the ocean to the west of North Africa, but the increase over North Africa and the ocean to the west of it was more significant than that over Europe. However, the column concentrations of PM2.5decrease over the Arabian peninsula. The annual mean surface concentrations of PM2.5over China decreased approximately by 2.55μg/m3, with the anthropogenic aerosols accounting for about 28% and the natural aerosols accounting for about 72% under RCP4.5 scenario. From 2030 to 2050, the spatial variations of the column concentrations of PM2.5differred greatly under the three different emission scenarios. The column concentrations of PM2.5increased apparently over North Africa and ocean to the west of it, while decreased over East Asia under both RCP4.5 and RCP8.5 scenarios. Whereas, the results under RCP2.6 scenario were quite different from RCP4.5 and RCP8.5 scenarios. In China, the column concentrations of PM2.5, as well as the anthropogenic and natural aerosols in PM2.5, were reduced further than the previous period under RCP4.5 scenario, with the contributions (about 34%) of anthropogenic aerosols increasing.

PM2.5；anthropogenic aerosol；natural aerosol；BCC_AGCM2.0_CUACE/Aero

X513

A

1000-6923(2017)04-1201-12

2016-07-20

国家自然科学基金项目(91644211,41575002)

杨冬冬(1990-),女,江苏连云港人,南京信息工程大学博士研究生,主要从事气溶胶的模式模拟研究.发表论文2篇.

* 责任作者, 研究员, huazhang@cma.gov.cn

, 2017,37(4)：1201~1212