單華瑤,高 陽,2??,姚小紅,2??
(1.中國海洋大學(xué)深海圈層與地球系統(tǒng)前沿科學(xué)中心, 海洋環(huán)境與生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室,山東 青島 266100;2.青島海洋科學(xué)與技術(shù)試點(diǎn)國家實(shí)驗(yàn)室 海洋生態(tài)與環(huán)境科學(xué)功能實(shí)驗(yàn)室,山東 青島 266237)
2000年以來中國灰霾天數(shù)明顯增加[7]。為改善空氣質(zhì)量,中國在“十一五”(2006—2010年)期間采取了一系列提高能源利用效率和減少污染排放的措施,對控制PM2.5污染起到了一定的作用。然而冬季灰霾污染依舊時(shí)有發(fā)生,例如2013年1月中國東部出現(xiàn)高濃度PM2.5污染,京津冀地區(qū)月均PM2.5濃度為145 μg·m-3[8],北京市PM2.5最大小時(shí)濃度可達(dá)680 μg·m-3[9]。在污染源排放一定的前提下,PM2.5濃度與氣象條件密切相關(guān),高濕空氣有利于氣溶膠粒子吸濕性增長和二次氣溶膠濃度的累積[10],近地面逆溫層和靜穩(wěn)天氣可促進(jìn)顆粒物濃度的升高[11]。趙晴等[12]通過觀測數(shù)據(jù)和后向軌跡模擬分析,發(fā)現(xiàn)2019年元宵節(jié)期間濟(jì)寧市顆粒物污染主要由靜穩(wěn)高濕、近地逆溫等不利于擴(kuò)散的氣象條件和上風(fēng)向高濃度污染氣團(tuán)的傳輸所致。汪鵬等[13]使用混合受體模型并結(jié)合國控站觀測數(shù)據(jù),發(fā)現(xiàn)杭州市2017年冬季的一次重灰霾過程的根本原因是本地污染源和來自北方污染物的遠(yuǎn)距離傳輸?shù)墓餐B加作用。
為探究大氣污染形成的物理化學(xué)機(jī)理,一個(gè)常用的方法是借助數(shù)值模式進(jìn)行模擬解析。1990年代美國環(huán)保署提出了“一個(gè)大氣”的理念,同時(shí)開發(fā)了三維歐拉模型 Community Multiscale Air Quality Modeling(CMAQ),可用于模擬和追蹤大氣污染物的物理化學(xué)過程和傳輸擴(kuò)散等過程。聶滕等[14]運(yùn)用CMAQ模式分析了2014年亞太經(jīng)合會議(APEC)期間北京市兩次PM2.5污染過程的來源,指出11月4和10日的污染分別由水平傳輸和局地污染排放造成的。
目前,中國PM2.5污染機(jī)制的探討主要集中在華北平原地區(qū)[15-18],對于沿海城市的研究相對較少。青島市位于山東半島的東南部,緊鄰黃海,受到內(nèi)陸傳輸和本地排放等的影響。Wu等[19]結(jié)合過去的一些研究[20-21],指出青島市 1997—2000年冬季PM2.5濃度較低(57 μg·m-3)[21],但2000年后濃度有所升高,如2003年的1月6~20日PM2.5濃度平均為135 μg·m-3[20],2006—2007年冬季PM2.5濃度平均為110 μg·m-3[19]。近年來,青島市冬季灰霾污染依舊嚴(yán)重。Li等[22]發(fā)現(xiàn)青島市2015年冬季重污染時(shí)期PM2.5濃度日平均為168 μg·m-3。結(jié)合CMAQ模式過程分析模塊,Zhang等[23]發(fā)現(xiàn),青島2016年1月初近地面PM2.5濃度的增加是受高空遠(yuǎn)距離輸送和垂直向下傳輸共同影響的結(jié)果。Gao等[24]利用拉格朗日粒子擴(kuò)散模式FLEXible PARTicle dispersion model (FLEXPART)和CMAQ模式中源解析模塊Integrated Source Apportionment (ISAM),發(fā)現(xiàn)青島市2015年冬季PM2.5污染接近一半的貢獻(xiàn)來自北方和西部的傳輸影響。然而,上述研究主要從PM2.5總濃度來分析污染來源及控制機(jī)制,缺乏對PM2.5各組分的物理化學(xué)過程進(jìn)行解析,因此,本研究旨在探討PM2.5各組分的物理化學(xué)過程,從而為PM2.5污染治理提供重要的科學(xué)依據(jù)。
青島市小時(shí)平均大氣污染物(如SO2、PM2.5)觀測數(shù)據(jù)來源于環(huán)境保護(hù)部空氣質(zhì)量監(jiān)測數(shù)據(jù)網(wǎng)站(http://www.pm25.in),共包括仰口、李滄、市北、市南東、四方、市南西、嶗山、黃島和城陽9個(gè)監(jiān)測站(具體站點(diǎn)位置如Gao等[24]附件圖1所示)。青島市大氣污染主要發(fā)生在采暖季節(jié),因此本研究首先對2014—2018年采暖期(每年的11月16日~次年4月5日)大氣污染物年際變化進(jìn)行分析??紤]到觀測數(shù)據(jù)存在缺失現(xiàn)象,首先統(tǒng)一青島市各年觀測數(shù)據(jù)量,即任何一年某一小時(shí)數(shù)據(jù)缺失,所有年這一小時(shí)數(shù)據(jù)設(shè)置為缺失值。統(tǒng)計(jì)分析顯示,缺失數(shù)據(jù)分布零散,以2014年采暖期PM2.5為例,將原始數(shù)據(jù)和去掉缺失值處理后的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析(見表1),原數(shù)據(jù)量為3 408(其中缺失數(shù)據(jù)量為243),處理后數(shù)據(jù)量為2 854,其中從平均濃度、最大最小濃度及各百分位濃度的角度進(jìn)行對比,兩組數(shù)據(jù)體現(xiàn)出較高的一致性,說明去掉缺失值的處理方法基本不影響統(tǒng)計(jì)分析。此外SO2的對比顯示相似的結(jié)論。
表1 2014年采暖期PM2.5數(shù)據(jù)處理前后統(tǒng)計(jì)參數(shù)對比Table 1 Statistical comparison between the raw and processed PM2.5 during the heating period
為清晰展示2014—2018年青島市SO2和PM2.5年際變化特征,本研究設(shè)計(jì)了“濃度-百分位”圖(見圖1)。首先將每年的污染物濃度數(shù)據(jù)從小到大排列,然后以2014年采暖期污染物濃度作為基準(zhǔn)(橫坐標(biāo)),其余年份污染物濃度為縱坐標(biāo),圖中對角線(圖1黑色虛線所示)代表2014年采暖期SO2(或PM2.5)濃度,2015—2018年各年污染物濃度用空心圓表示(顏色對應(yīng)見圖1所示)。由于各年數(shù)據(jù)量相同,2014年數(shù)據(jù)對應(yīng)某一百分位的任意一個(gè)數(shù)據(jù)都可以在2015—2018年采暖期找到同一百分位所對應(yīng)的濃度。如圖1(a)粉色虛線所示,2014年采暖期SO2濃度為120 μg·m-3時(shí),其對應(yīng)的百分位為98(右側(cè)Y軸),這一百分位對應(yīng)的2015—2018年SO2的濃度分別為90,60,38和29 μg·m-3。同一百分位對應(yīng)SO2濃度逐年降低,表明SO2減排的效果。對比2014—2018年采暖期各個(gè)百分位的濃度可以發(fā)現(xiàn),SO2濃度呈現(xiàn)清晰的逐年下降的趨勢。從采暖期平均濃度來看,2014年采暖期SO2平均濃度為40 μg·m-3,2015—2018年采暖期分別下降了13%、38%、63%和68%。對于2014—2018年采暖期PM2.5而言(見圖1(b)),較低的PM2.5濃度呈現(xiàn)較為明顯的線性降低的趨勢下,高濃度PM2.5在不同年份有明顯偏移,特別是2015年采暖期濃度顯著高于其它年份(見圖1(b))。
(圖中的觀測數(shù)據(jù)為污染物SO2(a)和PM2.5(b)的小時(shí)觀測濃度;背景值為2014年污染物濃度,即X軸。圖中虛線為y=x函數(shù)線,代表2014年的污染物濃度,彩色空心圓為2015—2018各年的污染物濃度,對應(yīng)左側(cè)Y軸。每個(gè)污染物濃度值對應(yīng)的百分位數(shù)由黑色空心圓表示,百分位值對應(yīng)于右側(cè)Y軸。 The observation data are concentrations of SO2 (fig.1(a)) and PM2.5 (fig.1(b)). Hourly data was used in the plot, and the year of 2014 was used as reference shown in the X axis. Dotted 1∶1 line represents the value in 2014. The colored hollow circles correspond to the pollutant concentrations from 2015 to 2018 on the left Y Axis. Second y-coordinate is percentile of data volume composed by “○”.)
青島市采暖季平均PM2.5濃度2014年最高(67 μg·m-3),2015—2018年采暖期PM2.5平均濃度比2014年采暖期分別下降3%、15%、25%和12%。為了更直觀顯示各年份PM2.5濃度的差異,圖1(b)分為5段顯示(見圖2)。分段顯示后不同年份低百分位的線性變化與高百分位的非線性更加清晰。由圖2可以看出90百分位后,2015年采暖期的PM2.5濃度明顯上升,遠(yuǎn)高于其他年份采暖期。過去的研究已經(jīng)發(fā)現(xiàn),高濃度PM2.5的異常與氣象緊密相關(guān)。例如Li等[25]指出,中國中東部的冬季灰霾天氣與東亞冬季風(fēng)(EAWM)強(qiáng)度密切相關(guān),東亞冬季風(fēng)增強(qiáng)時(shí)灰霾天數(shù)減少,反之灰霾天數(shù)增加。許多研究發(fā)現(xiàn)東亞冬季風(fēng)與厄爾尼諾(ENSO)之間存在密切關(guān)系[26-28],因此厄爾尼諾現(xiàn)象可能通過東亞冬季風(fēng)影響中國冬季的灰霾天氣。Yuan等[10]發(fā)現(xiàn),2015年11~12月份的超強(qiáng)厄爾尼諾背景下,東亞冬季風(fēng)偏弱,中國冷空氣活動減少,中東部地區(qū)盛行異常的偏南風(fēng),水平和垂直擴(kuò)散條件變差,為灰霾天氣的發(fā)生提供了氣象條件。Zhang等[29]指出PM2.5濃度受厄爾尼諾和北極濤動共同作用的影響,2015年12月厄爾尼諾現(xiàn)象強(qiáng)烈,北極濤動為正相位,使得東亞冬季風(fēng)減弱,華北平原邊界層高度降低,造成灰霾累積。Gao等[24]借助過程分析,發(fā)現(xiàn)2015年青島冬季重霾期間近地面PM2.5的累積主要是來自于因邊界層降低而產(chǎn)生的向下垂直傳輸和氣溶膠化學(xué)反應(yīng)。本研究分析PM2.5各組分的物理化學(xué)過程,以解析2015年冬季PM2.5累積的機(jī)理。
(橫坐標(biāo)連續(xù),縱坐標(biāo)分為五段,即(a)~(e)圖,其余同圖1(b)。The abscissa is continuous. The ordinate is divided into five sections, that is, figure (a)~(e) and the rest are the same as fig.1(b).)
通過分析PM2.5及其組分的物理化學(xué)過程可為顆粒物污染控制提供有利的理論支撐,一個(gè)有效的工具是CMAQ中的過程分析(Process Analysis,PA)模塊。本研究使用積分過程速率(IPR)計(jì)算九種過程對污染物的貢獻(xiàn),包括水平對流過程(HADV)、水平擴(kuò)散過程(HDIF)、垂直對流過程(ZADV)、垂直擴(kuò)散過程(VDIF)、氣相化學(xué)反應(yīng)(CHEM)、干沉降(DDEP)、云霧液相過程(CLDS)、氣溶膠過程(AERO)和源排放過程(EMIS)。圖3展示了2015年12月和2016年1月青島市近地面PM2.5日累積濃度的過程分析,揭示了PM2.5濃度累積主要包括源排放(EMIS)、氣溶膠過程(AERO)和垂直對流過程(ZADV),清除過程主要為垂向擴(kuò)散(VDIF)和水平對流(HADV)。然而,氣相化學(xué)反應(yīng)(CHEM)、水平擴(kuò)散過程(HDIF)和云霧液相過程(CLDS)對PM2.5的貢獻(xiàn)相對較小。除了對近地面PM2.5物理化學(xué)過程的分析,垂向(1.5 km以內(nèi))物理化學(xué)過程的解析指出垂直對流過程(ZADV)對于較低層的PM2.5有正作用的同時(shí),在較高層具有清除作用(見圖4),這與Gao等[24]指出的青島2015年冬季重污染期間的主控過程基本一致。垂直擴(kuò)散過程(VDIF)則呈現(xiàn)相反的效果,對較低層的PM2.5具有顯著的清除作用,而對較高層的PM2.5有正作用。
圖3 2015年12月和2016年1月青島市近地面PM2.5過程分析
Gao等[24]指出,2015年12月~2016年1月期間青島市出現(xiàn)多次重污染(日均PM2.5濃度超過150 μg·m-3),并探討了其中兩次重污染事件——2015年12月29~31日和2016年1月15~17日PM2.5的來源和機(jī)制,但沒有分析PM2.5各組分的形成機(jī)理。因此,本研究對青島市這兩次重污染事件中PM2.5的四種組分進(jìn)行分析,分別為二次無機(jī)離子(SNA,硫酸鹽(Sulfate)、硝酸鹽(Nitrate)和銨鹽(Ammonium)之和)、元素碳(EC)、有機(jī)氣溶膠(OA)和其余組分(OTHER)。為了便于描述,我們將2015年12月29~31日定義為事件I,2016年1月15~17日為事件II。
與事件I對比,事件II期間邊界層平均高度降低,從事件I的598 m降為379 m,PM2.5平均濃度從事件I的124 μg·m-3升高為160 μg·m-3。兩次事件中PM2.5中各組分比例比較接近(見圖5)。例如,占比最高的SNA在事件I和II濃度分別為55和70 μg·m-3,比例均為44%,其中事件I期間,12月30日06:00邊界層高度下降,近地面SNA濃度由66 μg·m-3逐漸增加至101 μg·m-3;其次是OA,在事件I和事件II中分別占27%和29%;EC所占比例相對較低,在兩次事件中分別為8%和9%。過程分析(見圖6和7)表明,兩次事件PM2.5各組分累積(正作用)和消除(負(fù)作用)的物理化學(xué)過程具有較好的一致性。同一時(shí)間各組分垂直對流和水平對流對PM2.5各組分的作用基本是相反的,這與Gao等[24]研究中PM2.5過程分析的特征吻合。SNA在事件I中的累積由氣溶膠反應(yīng)控制為主逐漸轉(zhuǎn)為垂直對流過程控制(見圖6(a)),這一過程轉(zhuǎn)變在事件II也有一定的體現(xiàn)。在兩次事件中,有機(jī)氣溶膠OA累積主要受垂直和水平對流過程影響,元素碳EC和其余組分(OTHER)的累積主要受源排放、垂直和水平對流過程影響。兩次事件PM2.5各組分主要的清除過程是垂直擴(kuò)散和水平對流,但是對于事件II,垂直對流也起到重要的清除作用。
圖4 2015年12月和2016年1月青島市PM2.5過程分析垂向圖
圖5 PM2.5各組分濃度和邊界層高度的時(shí)間序列圖
在污染減排的背景下,PM2.5平均濃度呈現(xiàn)下降的趨勢,但高濃度污染事件依然頻發(fā)。基于數(shù)值模式,可以清晰看出青島市高濃度PM2.5主要是二次無機(jī)氣溶膠SNA和有機(jī)氣溶膠OA,約占70%左右,其余為EC和其它組分。通過重污染時(shí)段分析發(fā)現(xiàn)[24],青島市PM2.5的累積主要受污染源、氣溶膠化學(xué)和垂直對流的影響??紤]到PM2.5中組分所占比例的差異,通過對比不同組分與PM2.5累積的物理化學(xué)過程,利于有針對性的制定污染減排措施。然而,元素碳EC和其余組分(OTHER)的累積主要控制過程受源排放、垂直和水平對流過程影響,影響PM2.5組分的不同物理化學(xué)過程體現(xiàn)出PM2.5治理過程中同時(shí)考慮污染減排和氣象條件的重要性,尤其是氣象條件影響污染物傳輸及大氣穩(wěn)定性,從而影響垂直和水平對流等物理過程及顆粒物濃度的累積與清除。從另一個(gè)角度來看,大氣靜穩(wěn)天氣易于促進(jìn)污染物累積,近期研究[31]表明,我國華北地區(qū)大氣靜穩(wěn)天氣發(fā)生頻率未來可能增加,這一發(fā)現(xiàn)對目前我國顆粒物污染嚴(yán)重的華北地區(qū)空氣質(zhì)量的改善提出了一定的挑戰(zhàn)。因此,進(jìn)一步加強(qiáng)本地和區(qū)域協(xié)同污染減排,有利于諸如青島這類的沿海城市乃至整個(gè)華北地區(qū)空氣質(zhì)量的改善。
圖6 2015年12月29~31日(事件I)PM2.5各組分濃度過程分析圖
圖7 2016年01月15~17日(事件II)PM2.5各組分濃度過程分析圖