唐伟，王帅，何友江，杨小阳，孟凡

(1.中国环境科学研究院，北京 100012；2.中国环境监测总站，北京 100012)

京津冀地区一次臭氧污染过程的数值模拟分析

唐伟1，王帅2，何友江1，杨小阳1，孟凡1

(1.中国环境科学研究院，北京 100012；2.中国环境监测总站，北京 100012)

利用区域空气质量模型对京津冀地区2015年6月21日至27日一次近地面臭氧污染过程进行模拟，识别了京津冀地区的臭氧生成控制区，并对京津冀地区各城市的臭氧及其生成前体物NOx和VOCs的来源进行解析。结果表明，京津冀地区除部分城市的中心城区为VOCs控制区域外，大部分地区为NOx和VOCs的共同控制区，因此控制NOx和VOCs排放均有利于减轻臭氧污染。京津冀地区各城市的NOx和VOCs以本地贡献为主，但区域间的相互传输对各城市的臭氧浓度有很大影响。保定、承德和张家口本地NOx排放对本地的NOx贡献分别为89%、88%、95%；本地VOCs排放对本地的VOCs贡献分别为54%、33%、50%；本地排放对本地的臭氧贡献分别为14%、13%、18%。

京津冀地区；臭氧数值模拟；来源贡献解析；敏感性分析

随着国民经济的快速增长和城市化进程的加快，我国大气环境呈现出煤烟型污染和光化学污染共存并相互影响的复合型污染，表现在城市和区域大气环境中PM2.5和O3同时或交替出现污染，对公众健康和生态环境带来巨大危害，对区域环境空气质量造成重大不利影响。NOx和VOCs是近地面大气中O3生成的重要前体物[1]，因此，有效控制二者的排放是降低大气O3污染的重要途径之一。

京津冀地区工业发达、人口稠密，污染物排放量大，近些年O3污染问题日益凸显[2-3]。本研究运用区域空气质量模式CAMx(Comprehensive Air Quality Model with Extensions)对2015年6月21日至27日京津冀区域出现的一次大气O3污染过程进行了模拟，运用O3敏感性分析技术解析了京津冀地区O3生成前体物的相关减排策略，通过来源示踪(OSAT)技术研究分析了京津冀地区各城市间O3及其生成前体物的相互传输情况，并重点对保定、承德和张家口三市的污染来源进行解析，以期为京津冀地区O3污染治理和区域联防联控提供技术支撑。

1 数值模拟分析方法

1.1CAMx O3模拟系统

本研究运用区域空气质量模型CAMx[4]构建了全国O3模拟系统。模拟区域为东经57°至161°，北纬1°至59°，涵盖了所有省份。模拟网格水平分辨率为36 km×36 km，网格数为200×160，垂直层次20层，模式顶高约15 km。模拟使用的2015年6月的气象场由中尺度The Weather Research and Forecast(WRF)模型提供，WRF模型输入数据由美国环境预报中心(NECP)的气象再分析资料(FNL)提供。模拟使用的排放清单以清华大学构建的全国污染源排放清单MEIC2012为基准，再根据现有的调查统计数据调整后建立；天然源的VOCs排放由美国国家大气研究中心研发的MEGAN模式计算得到。模拟气相化学机理选用SAPRC99，气溶胶化学采用统计粗细粒子机理(Coarse and Fine)[4]。模式中所使用的光解速率是利用2015年6月OMI卫星观测的臭氧柱浓度资料，结合地面反照率和大气浑浊度的变化范围，由TUV模式计算得到。

1.2O3敏感性分析技术

O3敏感性分析技术是用来研究大气中一个或多个要素改变时，大气中的O3浓度如何改变，因此可以用来计算O3浓度与前体物污染源排放之间的关系，具体公式如下：

(1)

式中，CO3代表大气中O3的浓度；pj代表不同的排放源，来自不同区域或来自不同种类。

本研究采用去耦合直接方法(DDM)来计算O3浓度与前体物污染源之间的敏感性，与公式(1)中的敏感性参数计算不同的是，DDM可以计算出半标准化的敏感因子，公式如下：

(2)

通过敏感因子Sij可以直观地评估出污染物对排放源削减的有效性。如果Sij>0，说明对排放源j的削减能有效降低污染物i的浓度；如果Sij<0，说明削减源j的排放非但无效，反而会加重污染物i的污染。因此，通过计算O3对NOx或VOCs排放的敏感性可以得出：如果dO3/dNOx为正值，且大于dO3/dVOCs，说明该地区是NOx控制区，减排NOx有利于降低O3浓度；反之，则需要通过减排VOCs来降低该地区的O3浓度。

1.3O3来源解析技术

O3来源解析技术(OSAT)又称污染源示踪技术，在示踪的过程中以标记源的方法获得有关O3及其前体物生成和消耗的信息，以此统计不同地区、不同种类的前体物对O3生成的贡献量。本研究将京津冀地区按城市划分为13个源区，每个城市既是源区又是受体，以此计算13个城市间的相互传输贡献。OSAT通过对边界条件(模拟区域外O3及前体物)的示踪来计算O3背景浓度的影响。

对O3生成前体物NOx和VOCs来源解析的方法如公式(3)和(4)所示。式中，N代表NOx的示踪物；ΔNOx代表示踪过程NOx的变化量；V代表VOCs的示踪物；ΔVOCs代表示踪过程VOCs的变化量，并且通过与OH自由基的反应速率常数来区分不同源区或行业的VOCs的反应活性。

(3)

(4)

在对O3的源解析中，首先区分O3生成是NOx控制还是VOCs控制。如果为NOx控制，则追溯不同源区或行业NOx排放对受体点O3生成的贡献(O3N)，如公式(5)所示，PO3代表示踪过程O3的生成量。如果为VOCs控制，则追溯不同源区或行业VOCs排放对受体点O3生成的贡献(O3V)，如公式(6)所示，并在示踪过程中同时考虑VOCs的最大增量反应因子(MIR)来区分不同V系示踪物的反应活性。

(5)

(6)

2 结果与讨论

2.1O3模拟结果验证

利用CAMx模型对2015年6月21日至27日保定、承德和张家口三市的小时O3浓度进行模拟，结果如图1所示。从图1中可看出，CAMx模型模拟总体较好，模拟值与监测值趋势呈现很好的一致性。但21—23日模拟结果总体上略低估了日间O3高值，而24—27日的模拟结果略高估了日间O3高值；夜间O3的模拟也呈现了一定的误差，模拟低估了保定夜间O3浓度，高估了承德和张家口的夜间O3浓度。统计结果显示，保定O3模拟和监测小时值对比R=0.75，标准化平均偏差NMB=-0.16，标准化平均误差NME=0.27；承德O3模拟和监测小时值对比R=0.63，NMB=0.24，NME=0.42；张家口O3模拟和监测小时值对比R=0.53，NMB=0.05，NME=0.29。

图1 O3小时模拟值和监测值对比Fig.1 Comparisons of hourly O3 concentrations between modeled and observed data

主要的误差来源可能是由模式对夜间边界层的模拟与污染源清单的不确定性造成的。

2.2O3生成敏感性分析

NOx、VOCs和O3之间存在复杂的非线性关系，因此如何科学减排前体物NOx和VOCs是减轻O3污染的关键。通过CAMx-DDM敏感性分析技术计算得出的O3对NOx与VOCs排放的敏感性，可以直观地反映出京津冀不同地区需要采取的减排方法，结果如图2所示。

从图2可以看出，北京、天津、廊坊、唐山、秦皇岛的中心城区由于有较高的NOx排放，O3日最大8小时平均值对NOx排放呈负敏感性，因此减排VOCs有利于减轻O3污染；而在张家口、承德、衡水和沧州的大部分地区，O3对NOx排放的敏感性为正值，且略大于对VOCs排放的敏感性，因此在这些地区减排NOx和VOCs均有利于减轻O3污染，减排NOx效果可能更明显；邯郸、石家庄、邢台和保定的中心城区O3对NOx排放显示为负敏感性，而在周边郊区显示正敏感性，但总体上略小于对VOCs排放的敏感性，因此在这四个城市减排VOCs将有利于减轻O3污染。京津冀地区除部分城市的中心城区为VOCs控制区域外，大部分地区为NOx和VOCs的共同控制区，控制二者的排放均有利于减轻O3污染，而外部传输的NOx和VOCs会对京津冀区域的O3污染起到很大作用。

图2 京津冀区域最大8小时O3对NOx与VOCs排放的敏感性Fig.2 Maximum 8-h averaged O3 sensitivities to NOx and VOCs emissions

2.3O3及其生成前体物来源解析

2.3.1城市间O3及其前体物传输情况分析

为计算京津冀地区不同城市间较为详细的输送关系，利用CAMx-OSAT技术对京津冀地区各城市2015年6月21日至27日的O3及其前体物NOx和VOCs进行了示踪。结果如表1至表3所示，其中，行代表其他城市的贡献，列代表对其他城市的贡献。

由表1可知，北京市排放的NOx对南边相邻的廊坊贡献最大，达到20%，其次是承德2%，对保定、沧州和衡水各贡献了1%左右，对其他城市贡献均小于1%。天津市排放的NOx对廊坊贡献了18%，对沧州贡献了12%，对唐山贡献了5%，对承德贡献了2%，对衡水和秦皇岛各贡献了1%，对其他城市贡献均小于1%。河北省保定市对北京的NOx贡献了1%，其他城市均小于1%；河北省廊坊市对天津的NOx贡献了2%，唐山市对天津的NOx贡献了1.5%，其他城市均小于1%。

表1 京津冀城市间NOx相互传输小时平均贡献

由表2可看出，北京市排放的VOCs对南边相邻的廊坊贡献最大，达到18%，其次是承德11%，对其他城市贡献均小于5%。天津市排放的VOCs对廊坊贡献了12%，对唐山贡献了10%，对沧州贡献了9%，对承德贡献了8%，对秦皇岛贡献了5%，对其他城市贡献均小于5%。河北省廊坊市对北京的VOCs贡献了2.6%，保定市贡献了1.8%，唐山市贡献了1%，其他城市均小于1%；河北省廊坊市对天津的VOCs贡献了3.5%，唐山市贡献了2.3%，沧州市贡献了2%，保定市贡献了1%，其他城市均小于1%。

表2 京津冀城市间VOCs相互传输小时平均贡献

由表3可看出，北京市的O3对廊坊贡献最大，达到12%，其次是承德9%，对唐山贡献了6.5%，对保定贡献了5.6%，对天津贡献了5.5%，对其他城市贡献均小于5%。天津市的O3对唐山贡献了11%，对廊坊贡献了8%，对沧州贡献了6.4%，对承德贡献了6.3%，对秦皇岛贡献了5.5%，对其他城市贡献均小于5%。河北省保定市对北京的O3贡献了4.7%，廊坊市贡献了4%，沧州市贡献了2.8%，唐山市贡献了2.3%，其他城市均小于2%；河北省沧州市对天津的O3贡献了4.8%，唐山市贡献了4%，廊坊市贡献了3.7%，保定市和衡水市各贡献了2.5%，其他城市均小于2%。

表3 京津冀城市间O3相互传输最大8小时平均贡献

2.3.2O3及其前体物来源重点城市分析

同时，本研究利用CAMx-OSAT技术对保定、承德、张家口三市在2015年6月21日至27日的O3、NOx和VOCs在全国范围内进行了示踪。

保定市NOx排放对自身的NOx浓度贡献了近89%，邻近城市石家庄和衡水各贡献了近2%，邢台、沧州和廊坊各贡献了近1%，北京及其他省市贡献了近4%；承德市NOx排放对自身的NOx贡献近88%，唐山贡献了近3%，北京和天津各贡献了近2%，廊坊及其他省市贡献了5%；张家口市排放对自身的NOx贡献为近95%，相邻的山西和内蒙古贡献了近4%，北京及其他省市贡献了1%。可以看出，这三个城市NOx的贡献主要来自本地排放，且总体呈由南向北的污染趋势。

保定以南的山东省VOCs排放对保定的VOCs贡献最大，近9%，河南贡献近4%，京津冀各城市中北京、衡水和石家庄各贡献了近4%，天津、邯郸和邢台各贡献了近2%，沧州及其他地区贡献了15%；外地排放的VOCs对承德市VOCs浓度的贡献占67%，其中北京贡献了近11%，天津贡献了近8%，山东贡献了近11%，华东、东北和京津冀的唐山各贡献了近5%，沧州、保定、廊坊各贡献了近2%，石家庄、衡水和邯郸各贡献了近1%，邢台及其他地区贡献了13%；与张家口相邻的山西和内蒙排放的VOCs对张家口市的VOCs浓度贡献了近10%，山东和河南贡献近9%，华东和东北地区贡献了近8%，京津冀地区石家庄贡献了近4%，保定贡献了近3%，北京贡献了近4%，邯郸及其他地区贡献了12%。可以看出，保定和张家口的VOCs排放对自身的VOCs浓度贡献了50%以上，而承德只对自身的VOCs贡献了33%，并且污染物贡献比例由南向北递减的趋势明显。

保定以南的山东省的排放对保定的O3贡献最大，达到15%，其次是河南贡献了近8%，华东地区(安徽、江苏等)贡献了近6%，东北地区贡献了近5%，山西、内蒙古两省区贡献了近10%，京津冀各城市中北京和天津贡献了近10%，衡水和石家庄各贡献了近5%，邯郸、邢台和沧州各贡献了近3%，廊坊及其他地区贡献了12%；山东省的排放对承德市的O3贡献了近12%，内蒙古贡献了近10%，河南和山西贡献了近8%，东北和华东各省贡献了近15%，京津冀地区北京贡献了近9%，天津贡献了近6%，唐山和保定各贡献了3%，衡水、沧州、石家庄、张家口和廊坊各贡献了近2%，邯郸及其他地区贡献了11%；与张家口市相邻的山西省的排放对张家口的O3贡献了近10%，内蒙古贡献了近12%，南边山东省的排放对张家口贡献了近7%，河南贡献了近6%，东北地区贡献了近7%，华东各省贡献了近4%，西北各省贡献了5%，在京津冀地区，北京和天津贡献了近4%，石家庄贡献了5%，保定贡献了4%，邯郸和邢台各贡献了近2%，沧州及其他地区贡献了13%。可以看出，本次O3污染过程中，保定、承德和张家口本地生成的O3均小于20%，三个城市的O3污染主要来自外部的输送，因此在京津冀及周边地区采取联防联控的措施对O3污染的控制能发挥重要的作用。

3 结论

通过模拟2015年6月21日至27日京津冀地区出现的一次O3污染过程，并对本次污染过程进行O3敏感性分析和污染源来源解析，结果表明：京津冀区域由于NOx排放量较大，总体上处于VOCs控制区，对VOCs和NOx按科学的比例协同减排有助于改善京津冀地区的空气质量；京津冀地区各城市间的O3相互传输对本地的O3浓度贡献很大，采取污染联防联控政策能有效控制区域内的O3污染。

[1] 唐孝炎, 张远航, 邵敏. 大气环境化学(第二版)[M]. 北京: 高等教育出版社, 2006.

[2] 潘本锋, 程麟钧, 王建国, 等. 京津冀地区臭氧污染特征与来源分析[J]. 中国环境监测, 2016, 32(5): 17- 23.

[3] 程麟钧, 王帅, 宫正宇, 等. 京津冀区域臭氧污染趋势及时空分布特征[J]. 中国环境监测, 2017, 33(1): 14- 21.

[4] ENVIRON. CAMx Users’ Guide, version 6.40[M]. ENVIRON International Corporation, Novato, CA, 2014.

[5] COHAN D S, TIAN D, HU Y T, et al. Control strategy optimization for attainment and exposure mitigation: Case study for ozone in Macon, Georgia[J]. Environmental Management, 2006, 38: 451- 462.

[6] JIN L, TONSE S, COHAN D S, et al. Sensitivity analysis of ozone formation and transport for a central California air pollution episode[J]. Environmental Science and Technology, 2008, 42： 3683- 3689.

[7] NOPMONGCOL U, EMERYC, SAKULYANONTVITTAYA T, et al. A modeling analysis of alternative primary and secondary US ozone standards in urban and rural areas[J]. Atmospheric Environment, 2014, 99: 266- 276.

[8] DOWNEY N, EMERY C, JUNG J, et al. Emission reductions and urban ozone responses under more stringent US standards[J]. Atmospheric Environment, 2015, 101: 209- 216.

Modeling of Ozone Pollution Episode in Jing-Jin-Ji Area

TANG Wei1, WANG Shuai2, HE You-jiang1, YANG Xiao-yang1, MENG Fan1

(1.Chinese Research Academy of Environmental Sciences, Beijing 100012, China; 2.China National Environmental Monitoring Center, Beijing 100012, China)

The modeling of aground-level ozone pollution episode from June 21stto 27th2015 in Jing-Jin-Ji area is conducted in this study. The NOxand VOCs control zones are distinguished, and the regional source apportionments of ozone and its precursors (NOxand VOCs) are analyzed. The results show that the ozone formation in most cities in Jing-Jin-Ji area were in the NOxand VOCs co-control zones, indicating that reducing both NOxand VOCs emissions may bring down ozone concentrations; however, in some urban central areas, especially those with high NOxlevel, O3attainment might benefit from reducing VOCs emissions. The NOxand VOCs concentrations in each city in Jing-Jin-Ji area were mostly contributed by local NOxand VOCs emissions; however, O3concentrations in each city were mostly contributed by regional transport. In Baoding, Chengde, and Zhangjiakou, 89%，88% and 95% NOxconcentrations were contributed by local NOxemissions respectively, and 54%, 33% and 50% VOCs concentrations were contributed by local VOCs emissions respectively, while only 14%, 13% and 18% O3concentrations were generated by local NOxand VOCs emissions respectively.

Jing-Jin-Ji area; ozone modeling; source apportionment analysis; sensitivity analysis

10.14068/j.ceia.2017.05.002

X51

： A

： 2095-6444(2017)05-0007-06

2017-04-14

国家自然科学基金(41605077)

唐伟(1981—)，男，浙江金华人，助理研究员，博士，主要研究方向为大气污染模拟与防治，E-mail：tangwei@craes.org.cn