基于反向模拟的长三角地区PM2.5来源研究

At present, China is confronting with severe atmospheric fine particles (PM2.5) pollution. Yangtze River Delta (YRD) is one of the most polluted regions in China. In order to better control and reduce the PM2.5 concentration and achieve the air pollution prevention goals, it is crucial to ascertain the sources of PM2.5 using scientific sources apportionment techniques. In this project, a method for optimizing the emissions of PM2.5 precursors using air pollution measurement data will be developed, then, the hourly air pollutants observations released publicly by Ministry of Environment Protection will be utilized to optimize the emission inventories over eastern China, especially in YRD region. Based on the optimized emission inventories, a regional air quality model coupled with a tracer module will be used to investigate the sources of PM2.5 pollution in YRD during autumn and fall of 2014. The results will be of great significance for understanding the pollutants emission characteristics of YRD region, effective joint prevention and control of PM2.5 pollution and realizing the air pollution prevention goals as well. Moreover, the emission inventory optimization method developed in this project will be also of great help to improve the accuracy of numerical air quality forecasting, which are being carried out widely in China now, implying a wide range of applications.

当前，我国正面临严重的大气细颗粒物（PM2.5）污染，而长三角地区是我国PM2.5污染最严重的区域之一。为了更好地控制和降低PM2.5浓度，实现大气污染防治目标，使用科学的源解析方法来判别PM2.5的来源是关键。本项目将研究开发利用大气污染常规观测数据优化PM2.5前体物排放的方法，然后利用国家环境监测总站公布的大气污染物浓度实时监测数据优化我国中东部特别是长三角地区的排放清单，在此基础上，再利用空气质量模型进行示踪模拟，研究分析2014年秋冬季节长三角地区PM2.5污染的来源。研究结果对阐明长三角地区的污染物排放特征，有效进行长三角地区PM2.5污染的联防联控，实现大气污染防治目标等具有重要意义；另外，本项目建立的利用常规观测数据优化排放清单的方法，对提高目前国内广泛开展的空气质量数值预报的预报准确率具有重要帮助，因而具有广泛的应用价值。

为了更好地控制和降低PM2.5浓度，实现大气污染防治目标，降低排放清单不确定性和科学判别PM2.5的来源是关键。本课题开发了基于集合卡尔曼滤波的PM2.5源清单反演算法和定量区分不同地区排放和气象变化对PM2.5浓度变化贡献算法；构建大气PM2.5初始场同化及排放反演系统和长三角地区PM2.5来源示踪模拟系统；研究了初始场同化的作用、反演了长三角地区PM2.5排放清单，研究了PM2.5的不同来源以及导致近年来PM2.5浓度变化的原因。研究结果表明：1）PM2.5初始场同化能显著降低初始场的不确定性，明显改进0-24小时内PM2.5预报结果，但不同地区有显著差异，主要受排放以及气象条件的影响；2）PM2.5排放反演系统能显著降低先验清单不确定性，提高SO2、NO2和PM2.5浓度的模拟精度（RMSE降低15~30%），经过优化，长三角地区的SO2和一次PM2.5排放比先验排放（MEIC 2016）分别增加了16.2%和125.5%，而NOx排放略微下降2.9%，但在长三角核心的苏南、上海和浙北等地，SO2和NOx排放显著降低（-20~-40%），而一次PM2.5则显著增加（50-100%）；3）本地排放和北方远距离输送是长三角主要城市秋冬季PM2.5的主要来源（占70%以上），轻污染时本地排放贡献占比40-65%，大于远距离输送贡献（30-40%），而重污染时则相反，利用反演优化后清单会降低本地贡献比例，提高北方远距离输送的贡献；4）2017年秋冬季相比2013年同期，长三角PM2.5浓度的下降主要归功于减排的贡献，在长三角核心的苏南、上海和浙北，本地贡献占了77%，其中56%为本地减排贡献，在外地的贡献中（23%），其中16%为减排贡献。研究成果对于改进空气质量预报、降低排放清单不确定性、明确不同地区污染来源及减排贡献等具有重要意义，为实现大气治理目标提供重要帮助，其中初始场同化和清单反演系统已经应用于空气质量预报系统中，大幅提高了空气质量预报的准确率；未来反演系统将可以进一步拓展应用，实现排放清单的实时反演，从而让政府部门可以实时了解本地区排放的变化，更好的管理本地区污染源排放。