高效率颗粒物微物理模型简介与重污染过程应用分析

刘 冰，赵熠琳，Yu Fangqun，李健军，王晓彦，焦聪颖，汪 巍，牛航宇

1．中国环境监测总站国家环境保护环境监测质量控制重点实验室，北京100012

2．Atmospheric Science Research Center(ASRC)，State University of New York at Albany，USA

改革开放30多年来，中国经济社会高速发展，取得了举世瞩目的成就，同时也付出了巨大的资源环境代价，空气污染形势日益严重，重污染过程频次增多、影响范围增大，雾霾等空气污染问题造成的损失也越来越大。2013年1月、12月和2014年2月，中东部地区发生多次大范围、长时间的雾霾天气和空气重污染过程，导致高速公路关闭，航班被取消，严重影响了人民群众的生产生活和交通出行，引起全社会的极大关注［1-5］。直接排放的气态污染物通过成核、长大、聚集、非均相化学反应等物理化学过程形成二次颗粒物，连同一次排放的颗粒物(主要包括黑碳、有机碳)，在不利的大气条件作用下，形成低能见度现象和灰霾过程。

有研究显示，在1954—2006年期间，细颗粒物重污染过程频次的增多很大程度上增加了肺癌的发生概率［6］。这是因为细颗粒物体积较小，能够通过鼻腔穿过气管直接到达人体的肺部，更小的颗粒物甚至可以通过肺部进入血液循环，对人体健康造成伤害。因此，受频繁的雾霾天气和连续重污染过程影响，医院呼吸道病人剧增，对环境和公众健康造成重大影响。

欧美等发达国家和地区，很早就开展了空气质量数值模式预报工作，在预报臭氧、PM2.5等空气污染物的浓度及污染物跨区传输方面取得了较好的经验和效果，其采用的空气质量模拟与预报模式也较为完善，可预报多种尺度下的多种污染物。在中国的中科院大气物理所、南京大学、北京大学等高校院所通过多年的研究和应用，发展了各具特点的空气质量数值预报模式，可对城市及区域尺度一次、二次污染物的演变规律进行数值模拟。

通常的空气质量数值预报模式包括气象预报场、模式源清单、化学反应机制、物理化学过程等几个模块［7］，这些模块对预报结果的准确性等都具有关键作用，每个数值预报模式都自带有相关的默认模块。目前，中国由细颗粒物(PM2.5)导致的空气污染和雾霾天气问题尤为突出，因此，对颗粒物物理化学转化过程的研究具有重要意义，其转化过程对空气质量模式模拟和预报的准确性有重要影响。美国纽约州立大学奥尔巴尼分校大气科学研究中心经过多年研究，发展了一个专门针对气溶胶微物理过程模拟的高效率颗粒物微物理模型(简称APM模型)。本文主要介绍了APM模型的基本原理以及在全球化学传输模式(GEOS-Chem)、区域性气象和化学预报模式(WRF-Chem)、通用地球系统模式(CESM-CAM5)等气象及环境空气质量预报模式中的应用，并利用GEOS-Chem-APM模式对2014年2月京津冀区域的重污染过程进行模拟和分析。

1 APM模型简介

硫酸气(H2SO4)被广泛认为参与超细粒子的成核过程，通过凝结的方式对颗粒物的长大有所贡献。氨气(NH3)、硝酸气(HNO3)能够通过热动力平衡的方式被硫酸盐颗粒物吸收，从而对气溶胶的体积增长和质量增重作出贡献。大量的野外实验结果表明，成核的超细粒子成长速率通常要比被非有机气体吸收的量要多很多(可达到2～10倍)，目前观测到的超细粒子高成长速率均同有机物有关，但是，如何准确地模拟大气颗粒物中有机化合物的凝聚过程，尤其是成核颗粒物，是一个巨大的挑战。

APM模型是一种先进的多类型、多组分、可分辨大小的微物理模型，是独立的箱式模型，当前版本高度模块化和格式化。当前的APM模型是在过去的模式开发以及旨在解释大气颗粒物观测结果验证工作的基础上，不断更新和发展起来的［8-15］，该模型考虑的基本物理过程包括成核、冷凝/蒸发、凝结、与当地湿度结合的热动力平衡和干沉降，具体包括颗粒物微物理过程中的离子调节成核、NH3/HNO3/H2O平衡吸收、持续氧化老化形成、混合态模拟等过程。其中，离子调节成核过程源自一个动力学成核模型，在多种实验室的热动力学数据的限制下，同野外观测结果吻合性较好;NH3/HNO3/H2O平衡吸收过程采用的是ISORROPIA II热力学平衡模型;持续氧化老化的形成过程包括持续氧化老化和动力学凝结，由于在一个特定的挥发性有机化合物氧化反应中会有很多产物形成，单独测量半挥发化合物十分困难，因此该模型中扩展了两种替代产物以表示氧化产物的波动分布;混合态模拟过程包括半包裹的混合方式，可示踪包裹在一次颗粒物外的二次物种种类和数量。APM模型能够灵活区分所需模拟气溶胶的各部分、各成分、各类型的数量，应用时如无计算成本限制，可定制地处理较为复杂、精细和高分辨率的气溶胶系统。

APM模型中，针对二次颗粒物(SP)分为40个粒径分割(bin);对疏水黑碳(BC)提供2种对数正态形态(一种是化石燃料，另一种是生物质燃烧)，为亲水BC提供2种类似的对数正态形态;针对一次有机碳(POC)，同 BC类似，采用4种对数正态形态;海盐颗粒分为20个bin，沙尘分为15个 bin;同时针对一次颗粒物的每一种类都包括2个半包裹的示踪剂(图 1)。

图1 APM模型中不同类型颗粒物粒径分割图

2 APM模型的部分模拟应用

2.1 APM模型在全球化学传输模式中的应用

APM模型在发展过程中，尝试同全球化学传输模式结合，开展大气颗粒物属性(大小、成分、包裹在一次颗粒物外的可挥发性物种)研究，模拟分析颗粒物凝结核浓度、气溶胶光学特性(气溶胶光学厚度)、直接辐射强迫等特征。其中选取的GEOS-Chem是全球化学模式的典型代表，增加APM模块的GEOS-Chem模式能够模拟气态污染物(包括 NOx、SOx、VOCs等)、颗粒物粒径分割等微物理过程，在原有GEOS-Chem模式相关模块的基础上增加了88种示踪者(tracer)，利用离线的同化气象场，取得了较好的模拟效果，适合进行开展全球长期的过程研究。

Yu和Luo应用GEOS-Chem-APM模式对通过硫酸气凝结以及硝酸、胺和二次有机气溶胶平衡吸收方式成核的颗粒物成长过程、二次颗粒物被一次颗粒物(沙尘、黑碳、有机碳、海盐)清除的过程进行了模拟［16］，计算了基于离子调节成核(IMN，Ion-mediated Nucleation)机制的二次颗粒物形成速率，利用多种观测结果对一次颗粒物的排放参数进行了修正。模拟结果显示，通过IMN形成的二次颗粒物能够很好地解释对流层很多地方观测到的颗粒物数浓度;同全球22个具有至少1年以上的大于10 nm凝结核(Condensation Nuclei，CN10)观测资料进行比较，年均 CN10浓度模拟值同实测值吻合程度较好(2倍偏差以内);对流层大部分地区的二次颗粒物在数量上占绝对优势;0.4%过饱和度的云凝结核(Cloud Condensation NucleiC，CN0.4)以及二次 CCN0.4存在较大的空间差异。

包裹在BC、POC颗粒物外的二次物种能够显著地增加颗粒物的大小和吸湿性，从而影响它们的光学特性。Yu等人利用GEOS-Chem-APM模式对全球气溶胶光学厚度(AOD，Aerosol Optical Depth)的空间分布进行了模拟［17］，模拟结果同AERONET(AErosol RObotic NETwork)、MODIS、MISR观测到AOD的全球空间分布基本一致，偏差均在2倍以内。同时分析结果显示，在所有天和晴朗天的状况下模拟全球平均的年均AOD有20%的偏差，部分区域偏差甚至大于50%。

气溶胶的直接辐射强迫(Direct Radiative ForceDRF)在全球气候变化中起重要作用，但模拟具有较大的不确定性。Ma等人利用GEOSChem-APM模式对气溶胶DRF进行了模拟研究，扩展应用了一个辐射传输模型［18］。其中，地表反射率数据是从MODIS卫星反演获得，该数据集为8天平均值，包括水平分辨率为5 600 m的7个波段。该研究中模拟了总的和人为产生的气溶胶直接辐射强迫，重点放在人为产生的气溶胶结果上，并同以往的研究报告进行了比较。研究结果显示，控制人为气溶胶DRF的关键因素主要为BC、POC，其中包括BC的密度和混合状态。

2.2 APM模型在区域气象和化学预报模式中的应用

APM模型在全球化学传输模式应用经验的基础上，选取了国际上应用较广的区域气象化学研究与预报模式(WRF-Chem，Weather Research and Forecast model coupled with Chemistry)，利用在线的预报气象场，开展区域短周期模拟和预报研究。APM模型同WRF-Chem模式自带的MOSAIC模块相比，示踪者略有减少，但是计算时间却仅为原来的三分之一，同时模拟效果也较好。

以往观测资料显示，气溶胶成核事件是CCN的重要来源，并在气溶胶间接辐射强迫中起关键作用。Luo和Yu利用WRF-Chem-APM模式同2004夏天INTEX-A野外活动中获得的相关观测结果进行分析评估［19］。结果显示，在地表和源区能够捕捉到较高浓度水平的 SO2、CN10。利用WRF-Chem-APM模拟的美国东部颗粒物形成和数浓度，总的来说与GEOS-Chem-APM模拟结果一致，但前者具有更高的空间分辨率，可以揭示城市甚至羽烟规模的过程。此外，较高成核速率主要集中于SO2高排放区，同时气溶胶的成核在时空上主要分布在CN10;CCN0.4浓度高值通常也主要集中在SO2源区;二次颗粒物成核和成长是CCN0.4的重要来源，在美国东部大部分地区所占比例超过80%。

Yu等人利用WRF-Chem-APM模式预报了美国东北部2008年6月的AOD的时间序列模拟结果，并同AERONET的7个观测站点资料进行了比较［17］。总的来说，模拟结果基本捕捉到AERONET站点AOD的绝对值和变化范围(包括经过的高AOD烟团的较大变化)，表明美国东北部的AOD主要为二次颗粒物并且具有较大的时空变化。

2.3 APM模型在通用地球系统模式中的应用

APM模型在总结全球化学传输模式和区域气象化学预报模式的应用经验后，又在通用地球系统模式的通用大气模式(CESM-CAM5，Community Atmosphere Model Version 5，CAM5)中开展应用。CAM5-APM模式除了具备以往模拟优势外，还能够追踪包裹在一次颗粒物外的二次颗粒物，既能够选择简单的离线氧化过程，也能选择全面的在线化学反应过程，适合于开展化学－气溶胶－云－沉降－气候研究。

成核是大气颗粒物的重要来源，其通过气溶胶－云－沉降－气候之间的相互作用对地球气候起到重要作用，厘清颗粒物的形成机制是评估气溶胶间接辐射强迫和相关气候反馈过程的关键因素。Yu等人将IMN机制应用到CAM5-APM模式模拟中［20］，其中电离影响是基于均相和离子调节的双向H2SO4-H2O成核过程。结果显示，电离在全球气溶胶特性和云强迫改变中具有重要作用，可能提供与影响气候变化相关的大气电离各种过程的重要物理机制，电离能够显著影响硫酸气的浓度、成核速率、气溶胶和CCN浓度、云特性、沉降和云强迫等，而云强迫对成核过程的敏感性大大降低了成核机制的不确定度，提高了气候模式在气溶胶－云－气候相互作用过程中的代表性。

3 应用GEOS-APM模式的京津冀区域重污染过程模拟分析

2014年2月，京津冀区域出现连续多日的重污染天气过程。如图2所示，细颗粒物浓度连续多日严重超标，能见度低，严重影响人民群众的生产生活，引起各方媒体和人民群众的广泛关注。利用嵌套(nested)的GEOS-APM模式，对2014年2月京津冀区域连续近一周的一次重污染过程进行模拟。其中模拟的水平空间分辨率为2°×2.5°，垂直方向分为47层。

图2 2014年2月京津冀区域各城市细颗粒物日均浓度时间序列图

图3是GEOS-APM模式针对2014年2月的模拟结果，模拟内容自上而下分别为气溶胶光学厚度(AOD)、PM2.5浓度、相对湿度(RH)、能见度(Visibility)。

可以看出，2014年2月20—26日的重污染过程(过程一)期间，该模式在各项模拟结果同实际观察结果吻合程度相对较好，而此次污染过程之前的2月13—16日重污染过程(过程二)模拟结果偏差较大。主要原因是过程二的湿度模拟结果(50% ～70%)显著低于实际观测结果(80% ～90%)，其模拟的能见度(约5 km)高于实际观测结果(1 ～3 km)，PM2.5浓度的模拟结果(200 μg/m3左右)显著偏低(观测值200～400 μg/m3)。由此可见，相对湿度模拟对其他大气条件以及颗粒物浓度模拟有重要关系，相对湿度模拟较好时，其他模拟结果相对较好。

在模拟结果较好的情况下，对2月20—26日重污染过程的污染特点进行了分析研究。结果显示，此次重污染过程的大部分时间内，相对湿度持续较大(90%以上)，同时能见度极低(1～3 km)，总AOD相对较高，AOD中的沙尘和海盐粒子所占比例较低，BC、OC所代表的一次颗粒物、二次颗粒物对AOD贡献相对较高，包裹了二次颗粒物的一次颗粒物(BC/OC coating with secondary particulate)所占比例相对较大，对污染的贡献略高于二次生成颗粒物。

图4是利用GEOS-APM模式对2014年2月京津冀区域颗粒物粒径的模拟结果。结果显示，空气质量相对较好的时间是超细粒子中的小粒子成长时期，而当出现重污染过程时，在超细PM1粒径范围内相对较大粒径的粒子占据了主导地位(400～700 nm)，而这些粒径的粒子在可见光波段内，能够造成显著的散射效应，是能见度降低、灰霾形成的主要原因。

4 结果与讨论

在中国的低层对流层中，很多地方都有显著的二次颗粒物生成过程的发生。硫酸、硝酸、胺和二次有机化合物都对二次颗粒物的成长有重要贡献(在边界层内，硫酸占干重的20% ～50%)，通过包裹，二次物种能够显著增加一次排放的BC和OC颗粒物的大小(50% ～80%)。二次颗粒物和包裹了二次物种的一次颗粒物对颗粒物数浓度增加和灰霾形成有显著贡献。除气溶胶外，对于相对湿度模拟的准确性，很大程度上影响了模式对灰霾事件的捕捉能力。研究和发展一个涵盖强大的物理和化学机制、并得到观测结果很好验证的灰霾模式，能够有效地用于灰霾及重污染过程预报和污染控制策略研究。

APM模型经过20多年的研究和发展，在全球化学传输模型、区域性气象和化学预报模型、通用地球系统模型等气象及环境空气质量预报模型中取得了很好的应用验证，得到国际学术界的认可。尝试将APM模型应用于京津冀区域重污染过程的模拟分析中，取得了较好的模拟分析效果。

利用APM模型开展空气污染过程的连续模拟分析以及比较研究，能够加强对灰霾形成关键过程控制的科学理解，提高颗粒物微物理过程在预报模式中的代表性，在更好地解释中国灰霾的生成和物理化学转化过程，研究和控制PM2.5、提高环境空气质量预报准确性，开展污染物情景模拟分析以及环境管理与控制等方面发挥作用。

致谢:该研究得到环境保护部公益性行业专项《京津冀城市大气边界层对重污染形成的影响研究》、《京津冀地区典型重污染天气过程空气质量特征研究》以及中国科学院战略性先导科技专项《大气灰霾追因》的资助。

［1］张璘，丁铭，董东梅．春季大气PM10重污染的监测与预警——以江苏省典型城市为例［J］．中国环境监测，2009，25(2):90-93．

［2］孙峰，张大伟，孙瑞雯，等．北京地区冬季典型PM2.5重污染案例分析［J］．中国环境监测，2014，30(6):1-12．

［3］张霖琳，高愈霄，刀谞，等．京津冀典型城市采暖季颗粒物浓度与元素分布特征［J］．中国环境监测，2014，30(6):53-61．

［4］王茜．上海市秋季典型PM2.5污染过程数值预报分析［J］．中国环境监测，2014，30(2):7-13．

［5］区宇波，岳玎利，张涛，等．珠三角秋冬季节长时间灰霾污染特性与成因［J］．中国环境监测，2014，30(5):16-20．

［6］Tie X X，Wu D，Brasseur G．Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou，China［J］． Atmospheric Environment，2009，43:2 375-2 377．

［7］王自发，谢付莹，王喜全等．嵌套网格空气质量预报模式系统的发展与应用［J］．大气科学，2006，30(5):778-790．

［8］Turco R，PHamill P，Toon O B，et al．A onedimensional model describing aerosol formation and evolution in the stratospherePart IPhysical processes and mathematical analogs［J］．Journal of Atmospheric Science，1979，36:699-717．

［9］Hamill P，Turco R P，Kiang C S，et al．An analysis of various nucleation mechanisms for sulfate particles in the stratosphere ［J］．Journal of Aerosol Science，1982，13:561-585．

［10］Toon O B，TurcoR P，WestphalD，etal． A multidimensional model for aerosols:Description of computational analogs［J］．Journal of Atmospheric Science，1988，45:2 123-2 143．

［11］Jacobson M，Turco R，Jensen E，et al．Modeling coagulation among particles of different composition and size［J］．Atmospheric Environment，1994，28:1 327-1 338．

［12］Jacobson M Z，Turco R P．Simulating condensational growthevaporation and coagulation of aerosols using a combined moving and stationary size grid［J］．Aerosol Science and Technology，1995，22:73-92．

［13］Yu F，Turco R P．The role of ions in the formation and evolution ofparticles in aircraftplumes ［J］．Geophysical Research Letters，1997，24:1 927-1 930．

［14］Yu F．A study of the formation and evolution of aerosols and contrails in aircraft wakes:Development，validation and application of an advanced particle microphysics (APM) model ［D］． Doctoral Dissertation，University ofCalifornia，LosAngeles(UCLA)，1998．

［15］Yu F，Turco R P．Case studies of particle formation events observed in boreal forests:Implications for nucleation mechanisms［J］．Atmospheric Chemistry and Physics，2008，8:6 085-6 102．

［16］Yu F，Luo G．Simulation of particle size distribution with a global aerosol model:Contribution of nucleation to aerosoland CCN numberconcentrations ［J］．Atmospheric Chemistry and Physics，2009，9:7 691-7 710．

［17］Yu F，Luo G，Ma X．Regional and global modeling of aerosol optical properties with a sizecompositionand mixing state resolved particle microphysics model［J］．Atmospheric Chemistry and Physics，2012，12:5 719-5 736．

［18］Ma X，Yu F，Luo G．Aerosol direct radiative forcing based on GEOS-Chem-APM and uncertainties［J］．Atmospheric Chemistry and Physics，2012，12:5 563-5 581．

［19］Luo G，Yu F．Simulation of particle formation and number concentration over the Eastern United States with the WRF-Chem+APM model［J］．Atmospheric Chemistry and Physics，2011，11:11 521-11 533．

［20］Yu F，Luo G，Liu X，et al．Indirect radiative forcing by ion-mediated nucleation of aerosol［J］．Atmospheric Chemistry and Physics，2012，12:11 451-11 463．