区域大气污染物浓度贡献的空间尺度效应

陈欣锐，张艳，马蔚纯

(复旦大学环境科学与工程系，上海 200433)



区域大气污染物浓度贡献的空间尺度效应

陈欣锐，张艳，马蔚纯

(复旦大学环境科学与工程系，上海 200433)

区域大气污染物浓度贡献的定量分析是污染物来源分析的一个重要方面，在区域环境评价中具有重要的实际意义。采用WRF/CALPUFF模式系统，以上海市宝山区、月浦镇和月盛社区三个地理空间尺度由大到小的区域为例，从月均浓度和年均浓度贡献两个角度，运用“强力法”模拟计算宝山区各大点源对上述三个区域NOx浓度贡献率。研究表明，区域大气污染物浓度贡献存在显著的空间尺度效应。无论是月均还是年均浓度，各大点源对整个宝山区、月浦镇和月盛社区的污染物浓度累积贡献率均呈现递增趋势。此外，在一定的空间尺度上，各污染源的浓度贡献也表现出一定的季节差异。

区域大气污染；浓度贡献；空间尺度效应；上海宝山

区域大气污染物浓度贡献的定量分析是区域污染源解析的一个重要方面。通过定量计算不同地区、不同类型的大气污染源对大气污染的浓度贡献，可以识别造成区域污染的主要来源，为区域大气污染管控和制定有针对性的对策措施提供重要的技术和数据支撑[1-2]。

采用数值模拟的方法研究区域大气污染物浓度贡献是一种重要的、有效的技术手段[3-4]。李勤等采用三维欧拉数值模式对重庆城区各类大气污染源对区域SO2浓度的贡献进行分析[5]；马雁军等采用三维平流扩散多源模式计算不同类别高度的污染源对沈阳市各监测点的浓度贡献[6]；方力采用ADMS-Urban模型软件计算了鞍山市低架源和高架源对地面TSP和SO2浓度的贡献[7]；王格采用AERMOD模式，模拟铁岭市各类大气污染源对区域PM10和SO2的浓度贡献[8]；宋宇等采用美国EPA推荐的政策法规模式CALPUFF模拟计算石景山工业区对北京市PM10污染的影响[9]；任永建等采用中尺度气象模式MM5耦合大气污染模式CALPUFF，研究了山西省阳泉市本地点源和外地点源对城市环境空气质量的影响[10]；王繁强等也利用MM5/CALPUFF模式系统，研究了黄河中上游地区19个城市SO2排放在上述城市之间的相互影响以及对北京城市大气环境的影响[11]；王书肖等采用MM5-CMAQ模型计算了北京各区县、各行业燃煤对北京市各监测点空气质量的影响[12]。

本文以上海市宝山区、月浦镇和月盛社区三个不同尺度的区域为例，采用四季(以2010年1月、4月、7月和10月为代表)和全年平均浓度贡献率指标，重点研究宝山区大点源对上述三个不同地理范围区域环境空气质量影响的空间尺度效应。

1 研究区域

宝山区位于上海市北部，东北濒长江，东临黄浦江，南与上海市中心城区毗邻，西与嘉定区交界，面积293.71 km2(图1)。宝山区是上海乃至全国重要的钢铁工业基地，拥有全国最大的现代化钢铁联合企业——宝钢集团；宝山区还是上海重要的能源供应基地，华能石洞口电厂位于宝山区境内。因此，大点源排放密集并对周边环境空气质量产生显著影响是目前宝山区大气环境的显著特征。与全市相比，区域内总体大气环境质量相对较差。

月浦镇位于宝山区东北方向，地处上海北翼，东临长江入海口(图1)，全镇总面积47.34 km2，其中宝钢等大中型企业占地22.37 km2。月浦镇是上海重要的钢铁、能源基地，除宝钢集团公司和上海华能石洞口电厂外，还有上海石洞口煤气厂等重要企业。本文研究所涉及的5个工业大源分别是：宝钢股份有限公司本部、不锈钢事业部、特钢事业部、中厚板厂以及石洞口第一第二电厂，其中，宝钢股份有限公司本部和石洞口第一第二电厂位于月浦镇境内。

月盛社区位于月浦镇西部，范围东至蕴川路，南到月罗公路，西到月浦镇界，北到石太路(图1)，面积10.0 km2，是月浦镇相对居民比较集中的地区，因此，其大气环境特别引起人们关注。

图1 宝山区、月浦镇、月盛社区的地理位置Fig.1 The location of Baoshan District, Yuepu Town and Yuesheng Community

2 研究方法和数据来源

2.1 模型及计算方案

采用环境空气质量数值模拟方法，研究大点源对不同尺度空间地域范围(宝山区、月浦镇和月盛社区)的浓度贡献。数值模拟采用中尺度气象模式WRF[13-14]与大气污染扩散模式CALPUFF[15]相结合的方式。由WRF模式模拟区域气象场，为空气质量模拟提供气象数据，CALPUFF模式基于上述气象场的模拟结果，结合区域大气污染物排放清单进行污染物扩散模拟。模拟结果经过CALPOST后处理程序，得到便于后续统计分析的格点污染物浓度时间序列。

分别以1月、4月、7月、10月作为冬、春、夏、秋四个季节的典型月，以NOx为例，采用CALPUFF模式，

运用“强力法”[16]，计算各大点源对宝山地区、月浦镇和月盛社区的月平均浓度贡献。

各大点源对某一区域大气污染物浓度贡献比例Pij，由以下公式计算：

式中，Pij为第i类大点源对某一区域第j个网格的污染贡献，%；Cj为全宝山区所有固定点源打开的情况下，该区域第j个网格的污染物月均浓度值，mg/m3；Cij为关闭第i类大点源后，该区域第j个网格的污染物月均浓度值，mg/m3。

基于Pij，分别计算上述三个不同地理空间范围的研究区域(宝山区、月浦镇和月盛社区)所包含网格的空间平均浓度贡献率，以此代表各大点源对区域的月平均浓度贡献率。

2.2 数据来源

通过对宝山地区污染物排放情况的调研，并基于全国污染源普查、环境统计和排污申报中宝山地区的数据，采用自下而上(BottomtoUp)的方式，建立了宝山区2009年主要大气污染物精细化排放清单[17]。按照污染物的排放方式将污染源分为点源(包括工业大点源、中小点源和生活点源)、面源(包括农业面源、生物质露天和室内燃烧以及人体生活排放)和道路交通源。

3 计算结果与讨论

3.1 四季典型月平均浓度贡献

3.1.1 冬、夏季典型月浓度贡献分析

表1给出了冬、夏季典型月(1月和7月)大点源对宝山区、月浦镇和月盛社区NOx的平均浓度贡献率。从表1中可知，在冬季，各大点源对NOx浓度有重要贡献，在宝山区尺度上的累积贡献达到35.78%，对月浦镇和月盛社区的累积贡献均达到45%左右。其中宝钢本部是最大的贡献源，对宝山地区的贡献为16.85%，对月浦镇和月盛社区的贡献均超过20%。石洞口第一第二电厂是第二大污染贡献源，对宝山地区、月浦镇和月盛社区的贡献分别是8.26%、8.92%和12.51%；而特殊钢事业部的贡献率最小。

在夏季，各大点源的累积浓度贡献率呈现出由宝山区向月浦镇、月盛社区递增的规律。NOx的最大贡献源依然为宝钢本部，对宝山区、月浦镇和月盛社区的贡献率分别为12.87%、25.45%和24%。石洞口第一第二电厂是第二大浓度贡献源，贡献率分别为6.39%、6.38%和9.44%，均小于冬季。中厚板分厂的贡献率总体上最小，也明显小于该厂冬季的贡献率，这可能与冬、夏两季上海的主导风向不同有关。

比较各污染源对宝山区、月浦镇和月盛社区的浓度贡献，可以发现，宝钢本部对月浦镇和月盛社区的贡献明显大于对整个宝山地区的贡献，而宝钢本部对月浦镇和月盛社区的浓度贡献相差不大。石洞口第一第二电厂对月盛社区的浓度贡献明显大于对宝山地区和月浦镇的贡献。

表1 冬、夏季典型月大点源对宝山地区、月浦镇和月盛社区NOx平均浓度贡献率

3.1.2 春、秋季典型月浓度贡献分析

由表2可知，春、秋两季(4月和10月)各大点源对NOx浓度有重要贡献，在春季，对宝山区的累积浓度贡献为21%，对月浦镇和月盛社区的累积贡献分别达到27.11%和24.21%，与冬、夏季相比，累积浓度贡献率均有下降。宝钢本部仍是最大的贡献源，对宝山区NOx的浓度贡献为11.79%，对月浦镇和月盛社区的贡献率分别为20.54%和17.53%。石洞口第一第二电厂、不锈钢事业部、中厚板分厂对宝山地区、月浦镇和月盛社区的贡献总体上相差不大，贡献率在1%～3%，特殊钢事业部的贡献率则较低，在1%左右。

在秋季，各污染源的累积浓度贡献率呈现出明显的由宝山区向月浦镇、月盛社区递增的规律，这一规律与夏季相似，但秋季各大点源对月盛社区的累积浓度贡献率超过了50%，说明秋季月盛社区的大气污染主要来自于宝山区的各大点源。最大的贡献源依然为宝钢本部，对整个宝山地区、月浦镇和月盛社区的贡献率分别为16.66%、27.38%、28.33%；第二大贡献源为石洞口第一第二电厂，贡献率分别为9.19%、9.15%、15.91%。其余大点污染源的贡献率相近，均在2%～5%。

与冬、夏两季类似，春、秋两季宝钢本部对月浦镇、月盛社区的贡献率均明显超过对整个宝山地区的贡献率，而宝钢本部对月浦镇和月盛社区的浓度贡献相差不大。

表2 春、秋季典型月大点源对宝山地区、月浦镇、月盛社区NOx平均浓度贡献率

3.2 基于典型月的年平均浓度贡献

基于1月、4月、7月、10月4个典型月的月均浓度值，计算年平均浓度及其贡献率，结果见表3。由表3可知，从年均浓度贡献率看，各大点源对宝山区、月浦镇和月盛社区的NOx浓度有重要贡献。对于宝山地区，NOx最主要污染源为宝钢本部，年平均浓度贡献率为14.54%，其次为石洞口第一第二电厂，年平均浓度贡献率为6.72%。不锈钢事业部和中厚板分厂贡献率相近，为3.37%和3.27%，特殊钢事业部的贡献率较小。各污染源的累积年平均浓度贡献率为29.96%。对于月浦镇和月盛社区，第一大污染源仍为宝钢本部，年平均浓度贡献率分别为25.27%和22.58%；第二大污染贡献源为石洞口第一第二电厂，贡献率分别为6.59%和10.09%。其他贡献率较大的为不锈钢事业部和中厚板分厂，特殊钢事业部的贡献率较小。各大点源对月浦镇和月盛社区的累积浓度贡献率分别为39.34%和41.53%。

对比各大点源对宝山地区、月浦镇和月盛社区的累积年均浓度贡献，可以发现，累积年均浓度贡献率均呈现递增的趋势，即各污染源对于月盛社区的累积年均浓度贡献大于对月浦镇的累积贡献，且显著大于对宝山区的累积贡献。其中，宝钢本部对月浦镇和月盛社区的浓度贡献显著大于对整个宝山地区的浓度贡献；石洞口第一第二电厂对月盛社区的年均浓度贡献率也明显高于对月浦镇和整个宝山区的贡献率。由此可以认为，就全年情况而言，宝钢本部和石洞口第一第二电厂尽管对整个宝山地区的环境空气质量均有影响，但主要影响集中在月浦镇和月盛社区。

表3 各大点源对宝山地区、月浦镇、月盛社区NOx年平均浓度贡献率

4 讨论

(1)在不同的区域空间尺度上，各大点源的污染物浓度贡献存在显著差异。比较各污染源对宝山区、月浦镇和月盛社区四季典型月的月均浓度累积贡献率，可以发现各大点源对月浦镇和月盛社区的累积浓度贡献比对整个宝山地区的累积浓度贡献明显增大。这表明，宝山地区的各大工业污染源对大气环境的影响主要集中在月浦镇，尤其是月盛社区。例如在冬季，各大点源对宝山区NOx的累积浓度贡献率为35.78%，而对月浦镇和月盛社区的累积贡献达到45%左右。其中宝钢本部是最大的贡献源，石洞口第一第二电厂其次。

对比各大点源对宝山地区、月浦镇和月盛社区的年均浓度贡献，NOx的年均浓度累积贡献率均呈现递增的趋势，即各污染源对于月盛社区的年均浓度累积贡献大于对月浦镇的贡献，且显著大于对整个宝山区的贡献。就全年情况而言，宝钢本部和石洞口第一第二电厂等大点源尽管对整个宝山地区的环境空气质量均有影响，但其主要影响集中在月浦镇和月盛社区。

(2)在一定的空间尺度上，各大点源的污染物浓度贡献也表现出一定的季节差异。例如，在春季，各大点源对宝山地区、月浦镇和月盛社区的污染物浓度贡献均显著低于其他季节，而在秋冬季，大点源的浓度贡献较高，尤其是在秋季，各大点源对月盛社区的累积浓度贡献超过了50%，为全年各季节中最高。这可能与不同季节的气象条件，尤其是主导风向不同有关。

(3)由于存在区域大气污染物浓度贡献的空间尺度效应，即位于宝山区的各大点源对于不同地理空间尺度且具有包含关系的宝山区、月浦镇和月盛社区的大气污染物浓度贡献具有显著差异，因此，在识别区域大气污染的主要来源时就必须考虑区域的地理空间范围，即区域的空间尺度效应。这也启发我们，某个监测站点或者某个受体站点的大气污染物浓度来源贡献可能不能反映区域尺度上的浓度贡献情况。此外，在分析具有空间包含关系的不同尺度范围的污染物浓度贡献时，除了考虑较大尺度的区域，还应该更加关注较小的局地尺度，例如本文研究中的社区尺度，准确识别小尺度上的主要污染源将为制定有针对性的局地大气污染管控措施提供数据支持。

5 结论

本文以上海市宝山区、月浦镇和月盛社区三个不同尺度的区域为例，从月平均浓度和年均浓度两个角度，研究宝山区大点源对上述三个不同空间范围区域环境空气质量影响的空间尺度效应。研究表明：

(1)区域大气污染物浓度贡献存在显著的空间尺度效应，即在不同的空间尺度上，各污染源对不同空间尺度的大气污染物浓度贡献率存在明显差异。在本文研究中，从总体上说，无论是月平均浓度还是年均浓度，各大点源对整个宝山区、月浦镇和月盛社区的浓度贡献率存在明显差异；同时，各大点源对整个宝山区、月浦镇和月盛社区的年均浓度累积贡献率均呈现递增的趋势。

(2)在一定的空间尺度上，各污染源的浓度贡献也表现出一定的季节差异。这可能与研究区域不同季节的气象条件，尤其是主导风向不同有关。

(3)由于上述空间尺度效应的存在，在研究一个地区大气污染物来源的浓度贡献时，应充分考虑研究对象的地理空间范围以及采样点或计算各点的数量、空间布局，因为不同空间尺度上的浓度贡献率可能存在显著差异。

[1] Wu D, Fung J C H, Yao T,etal. A study of control policy in the Pearl River Delta region by using the particulate matter source apportionment method[J]. Atmospheric Environment, 2013, 76(76): 147- 161.

[2] Burr M J, Zhang Y. Source apportionment of fine particulate matter over the Eastern U.S. Part II: source apportionment simulations using CAMx/PSAT and comparisons with CMAQ source sensitivity simulations[J]. Atmospheric Pollution Research, 2011, 2(3): 318- 336.

[3] 安静宇, 李莉, 黄成, 等. 2013年1月中国东部地区重污染过程中上海市细颗粒物的来源追踪模拟研究[J]. 环境科学学报, 2014, 34(10): 2635- 2644.

[4] Li L, Cheng S, Li J,etal. Application of MM5-CAMx-PSAT Modeling Approach for Investigating Emission Source Contribution to Atmospheric SO2Pollution in Tangshan, Northern China[J]. Mathematical Problems in Engineering, 2013, 2013(4): 707- 724.

[5] 李勤, 雷孝恩. 重庆市污染源结构对大气SO2浓度贡献的数值分析[J]. 重庆环境科学, 1997(4): 27- 29.

[6] 马雁军, 杨洪斌, 张云海. 不同排放高度的污染源对城市大气污染的贡献分析[J]. 城市环境与城市生态, 2004(5): 18- 20.

[7] 方力. 利用ADMS-城市模型模拟分析鞍山市大气环境质量[J]. 环境保护科学, 2004, 30(6): 8- 10.

[8] 王格. 铁岭市各类大气污染源浓度贡献分析[J]. 环境保护科学, 2008, 34(2): 7- 9.

[9] 宋宇, 陈家宜, 蔡旭晖. 石景山工业区PM10污染对北京市影响的模拟计算[J]. 环境科学, 2002(s1): 65- 68.

[10] 任永建, 赖安伟, 高庆先. 基于数值模拟的区域大气环境研究[C]//湖北省气象学会学术年会学术论文详细文摘汇集，2008: 31- 36.

[11] 王繁强, 徐大海, 时进刚, 等. 黄河中上游19个城市2007年SO2排放相互影响及其对北京贡献的数值预测分析[C]//中国气象学会年会，2010: 25- 29.

[12] 王书肖, 陈瑶晟, 许嘉钰, 等. 北京市燃煤的空气质量影响及其控制研究[J]. 环境工程学报, 2010, 4(1): 151- 158.

[13] Skamarock W C, Klemp J B, Dudhia J,etal. A Description of the Advanced Research WRF Version 2[Z]. 2005.

[14] Wei Wang, Cindy Bruyère, Michael Duda,etal. Advanced Research WRF (ARW) User’s Guide version 3.2[Z]. WRF Model Home, 2011

[15] Zhang Y, Zhang C. User’s guide for the CALPUFF dispersion model. Final report[J]. Advanced Materials, 2014, 26(41): 7038- 7042.

[16] 张延君, 郑玫, 蔡靖, 等. PM2.5源解析方法的比较与评述[J]. 科学通报, 2015(2): 109- 121.

[17] 谈佳妮, 余琦, 马蔚纯, 等. 小尺度精细化大气污染源排放清单的建立——以上海宝山区为例[J]. 环境科学学报, 2014, 34(5): 1099- 1108.

The Spatial Scale Effect of Concentration Contributions of Regional Atmospheric Pollutants

CHEN Xin-rui, ZHANG Yan, MA Wei-chun

(Department of Environmental Science & Engineering, Fudan University, Shanghai 200433, China)

The quantitative analysis on the concentration contributions of regional atmospheric pollutants is an important aspect of source apportionment of atmospheric pollutants, and is also of great value in regional environmental assessment. In this study, we selected Baoshan District of Shanghai, Yuepu Town, and Yuesheng Community as three different spatial scales to study the spatial scale effect of the concentration contributions of atmospheric pollutants. Brute-force approach was used to simulate the average contributions (including monthly average contribution, and annual average contribution) of Baoshan’s large point sources (LPSs) to the NOxconcentrations of three above-mentioned regions through WRF/CALPUFF modeling system. The results showed that the concentration contributions of LPSs differed significantly in different spatial scales. Also, the accumulated average concentration contributions of all LPSs increased progressively in the order of Baoshan District, Yuepu Town, and Yuesheng Community. In addition, the concentration contributions of LPSs varied seasonally in a certain spatial scale.

regional atmospheric pollution; concentration contribution; spatial scale effect; Baoshan District, Shanghai

2016-10-20

国家自然科学基金项目(71173049)

陈欣锐(1991—)，女，安徽淮南人，硕士，主要从事空气质量模式、污染物排放清单方向的研究，E-mail：13210740001@fudan.edu.cn

马蔚纯(1969—)，男，上海人，教授，主要从事战略环境评价、大气模式与环境信息系统方向的研究，E-mail：wcma@fudan.edu.cn

10.14068/j.ceia.2016.06.016

X51

A

2095-6444(2016)06-0061-05