中国氨排放对PM2.5污染的影响

薛文博,许艳玲,唐晓龙,雷 宇,王金南(.北京科技大学土木与环境工程学院,北京 0008；2.北京工业大学环境与能源工程学院,北京 0024；.环境保护部环境规划院,北京 0002)

中国氨排放对PM2.5污染的影响

薛文博1,许艳玲2,3,唐晓龙1,雷 宇3*,王金南3(1.北京科技大学土木与环境工程学院,北京 100083；2.北京工业大学环境与能源工程学院,北京 100124；3.环境保护部环境规划院,北京 100012)

基于WRF-CMAQ空气质量模型,定量模拟了氨排放对全国城市PM2.5浓度的影响.结果表明,氨排放对全国城市硫酸盐、硝酸盐、铵盐及PM2.5年均浓度贡献率分别为4.2%、99.8%、99.7%和29.8%,氨排放对硫酸盐年均浓度的影响较小,而对硝酸盐和铵盐年均浓度的影响极为显著.氨排放对 1、4、7、10月四个典型月 PM2.5月均浓度的贡献量分别为 20.15µg/m3、12.39µg/m3、13.20µg/m3、14.20µg/m3,其中1月PM2.5受氨排放的影响最大.氨对PM2.5影响较大的地区主要集中在河南、山东、湖北、河北等农业、畜牧业发达、氨排放量集中的地区,对PM2.5年均浓度贡献量均超过20µg/m3.因此,控制氨排放将有效降低PM2.5浓度,特别是可以显著减少硝酸盐和铵盐污染.

氨；WRF模型；CMAQ模型；排放清单；PM2.5

我国相继开展了SO2、NOx、颗粒物及VOCs等大气污染物的减排工作[1-3],但 NH3排放控制一直被忽视[4].我国NH3排放大约为1000万t左右,超过欧洲与美国 NH3排放的总和[5-8],其中大约有90%为农业与畜禽养殖排放.NH3排入大气后与SO2转化形成的硫酸和NOx转化形成的硝酸发生化学反应,生成硫酸铵与硝酸铵二次无机颗粒物.研究表明,硫酸盐(PSO4)、硝酸盐(PNO3)及铵盐(PNH4)约占 PM2.5年均浓度的 30%左右,但在重污染过程中PSO4、PNO3及PNH4合计占PM2.5年均浓度的比例高达50%以上[9-11],NH3是重污染天气二次无机颗粒物爆发式增长的重要前体物.针对 NH3排放清单以及 NH3排放对PM2.5的非线性影响机理,我国学者开展了大量研究工作.宋宇等基于分省活动水平和排放因子,建立了中国 1km分辨率 NH3排放清单,估算出2006年全国NH3排放总量约为980万t[5];董文煊等[6]建立了1994～2006年我国分省、分部门的大气NH3排放清单,结果表明2006年中国NH3排放总量的 94%来自于牲畜养殖和化肥使用,且NH3排放分布的空间差异性显著;张强等[7]开发了多尺度多污染物排放清单(MEIC),2012年MEIC排放清单中NH3排放总量约为1070万t;尹沙沙[12]建立了珠三角2006年人为源排放清单,并基于CMAQ模型分析了不同部门NH3排放对珠三角地区PM2.5、PSO4、PNO3及PNH4的贡献;刘晓环[13]采用CMAQ模型分析了PSO4、PNO3及PNH4对其前体物SO2、NOx和NH3的敏感性;沈兴玲等[4]建立了2010年广东省人为源NH3排放清单,并分析了 NH3的减排潜力;彭应登等[14]研究了北京市 NH3排放对二次颗粒物生成的影响,结果表明NH3是北京春、秋、冬3季生成二次粒子的主控因子.已有研究初步揭示了NH3排放对 PM2.5及其组分的影响,但目前尚缺乏全国尺度、长周期NH3排放对PM2.5及其主要化学组分的影响研究.

本文基于清华大学2013年中国多尺度排放清单(MEIC),利用中尺度气象模型 WRF和第三代空气质量模型 CMAQ,采用情景分析法,系统性模拟了NH3排放对PSO4、PNO3、PNH4及PM2.5的贡献,揭示了NH3排放对全国、重点区域及各省市PM2.5污染的影响规律.

1 模型与方法

1.1 模型选择

采用CMAQ空气质量模型模拟NH3排放对PM2.5污染的影响.CMAQ 模型主要由边界条件模块(BCON)、初始条件模块(ICON)、光分解率模块(JPROC)、气象-化学预处理模块(MCIP)和化学输送模块(CCTM)构成.化学输送模块(CCTM)是CMAQ模型的核心,污染物在大气中的扩散和输送过程、气相化学过程、气溶胶化学过程、液相化学过程、云化学过程以及动力学过程均由CCTM 模块模拟完成,其他模块的主要功能主要是为CCTM 提供输入数据和相关参数.CCTM模块可输出多种气态污染物和气溶胶组分的逐时浓度以及逐时的能见度和干湿沉降[15-16].

1.2 模型设置

1.2.1 CMAQ模型 模拟时段为2015年1月、4月、7月及10月共4个典型月,结果输出时间间隔为1h.模拟区域采用Lambert投影坐标系,中心点经度为103°E,中心纬度为37°N,两条平行纬度分别为 25°N、40°N.水平模拟范围为 X方向(-2690～2690km)、Y方向(-2150～2150km),网格间距20km,共将全国划分为270×216个网格.垂直方向共设置14个气压层,层间距自下而上逐渐增大.采用的化学机制为 CB-05气相化学机制和AERO5气溶胶机制,表1为具体参数化方案.

1.2.2 WRF模型 CMAQ模型所需要的气象场由中尺度气象模型 WRF提供,WRF模型与CMAQ模型采用相同的模拟时段和空间投影坐标系,但模拟范围大于 CMAQ模拟范围,其水平模拟范围为X方向(-3600km～3600km)、Y方向(-2520km～2520km),网格间距 20km,共将研究区域划分为360×252个网格.垂直方向共设置30个气压层,层间距自下而上逐渐增大.WRF模型的初始场与边界场数据采用美国国家环境预报中心(NCEP)提供的6h一次、1°分辨率的FNL全球分析资料[17],每日对初始场进行初始化,每次模拟时长为 30h,Spin-up时间设置为 6h,并利用NCEP ADP观测资料[18]进行客观分析与四维同化,表2为具体参数化方案,该参数化方案模拟的风速、风向、温度、湿度及降水等气象要素在已有研究中得到验证[19].WRF模型模拟结果通过MCIP程序转换为CMAQ模型输入格式.

表1 CMAQ模型参数设置Table 1 Parameters setting of CMAQ

表2 WRF参数化方案Table 2 Parameterization scheme of WRF

1.3 排放清单

CMAQ模型所需排放清单的化学物种主要包括SO2、NOx、颗粒物(PM10、PM2.5及其组分)、NH3和 VOCs(含多种化学组分)等多种污染物.SO2、NOx、PM10、PM2.5、BC、OC、NH3、VOCs(含主要组分)等人为源排放数据均采用2013年MEIC排放清单[7],生物源VOCs排放清单利用MEGAN天然源排放清单模型计算[20].

1.4 模型验证

图1 PM2.5模拟浓度与监测浓度相关性Fig.1 Correlation between modelling data and monitoring data of PM2.5

利用中国首批开展PM2.5监测的74个城市2015年实际观测数据[21],验证模型模拟结果的准确性.将 74个城市的 PM2.5年均观测数据与CMAQ模型年均模拟结果进行比较,结果表明模拟值与观测值具有较好的相关性,相关系数 r达到 0.83(n=74,P＜0.05),图 1为验证结果.为验证PM2.5化学组分模拟结果的准确性,将北京、石家庄、武汉3个城市的硫酸盐、硝酸盐及铵盐模拟结果与源解析结果进行比较[22-24],结果表明模型模拟的PSO4、PNO3及PNH4比例与源解析结果较为一致,但北京市PSO4、PNO3及PNH4模拟结果均略有低估,这可能是CMAQ空气质量模型缺失部分非均相化学反应所致[19].总体来看,本文所选空气质量模型及模拟参数可以较好地模拟我国区域性、复合型PM2.5年均污染特征及其化学构成.

图2 PM2.5模拟结果与源解析结果比较Fig.2 Comparation of simulated PM2.5compositions from CMAQ and source apportionment results

1.5 情景设计

设置两个模拟情景:①2015年所有污染物现状排放情景;②NH3排放置零情景,即在全口径污染物排放清单中扣除NH3排放量.利用空气质量模型分别模拟“全口径排放情景”与“NH3排放置零情景”下空气中的PSO4、PNO3、PNH4及PM2.5浓度,将“全口径排放情景”与“NH3排放置零情景”的环境影响进行比较,得到NH3排放对PSO4、PNO3、PNH4及PM2.5的定量影响.

2 结果与讨论

大气中SO2、NOx、NH3等多种气态污染物经过物理化学转化生成的 PSO4、PNO3、PNH4是PM2.5的重要组分,本研究利用CMAQ模型分别模拟了NH3排放对PSO4、PNO3、PNH4、PM2.5的影响.

2.1 硫酸盐影响

图3及表3为NH3排放对全国、各省PSO4月均浓度贡献模拟结果.结果表明,NH3排放对全国地级及以上城市 PSO4年均浓度贡献较小,年平均贡献率仅为4.2%,这与尹沙沙[12]、刘晓环[13]的研究结论基本一致,均表明当NH3排放量减少时,PSO4浓度变化较小.从各省城市PSO4年均浓度受NH3排放的影响看,NH3排放对江苏、重庆、浙江、湖南等省份PSO4年均浓度的贡献值超过0.65µg/m3.4个典型月NH3排放对PSO4年均浓度贡献大小依次为7月、4月、1月和10月.7月NH3排放对PSO4的贡献最大,影响较大的地区集中在“辽宁-山东-江苏-安徽-湖北-湖南”等中东部地区,贡献浓度超过 1µg/m3.10月受影响程度最小,其中成渝、云贵、长三角局部地区 PSO4受NH3排放影响相对较大.NH3排放对其他地区4个典型月份的PSO4浓度均无显著影响.

图3 NH3排放对PSO4贡献浓度Fig.3 Monthly average contribution of ammonia emission on sulfate

2.2 硝酸盐影响

图4及表3为NH3排放对全国、各省PNO3月均浓度贡献模拟结果.相比 PSO4,NH3排放对PNO3年均浓度影响显著提高.NH3排放对全国地级及以上城市 PNO3年均浓度贡献约为7.52µg/m3,年均浓度贡献率约为 99.8%,刘晓环[13]、尹沙沙等[12]研究也表明 NH3排放量减少,PNO3浓度大幅下降.PNO3年均浓度受NH3排放影响的区域间差异显著,在河南、湖北、安徽、山东等省份农业、畜牧企业分布比较密集的地区,NH3排放量大且相对集中,NH3排放对以上省份PNO3年均浓度的贡献值均超过12µg/m3.NH3排放对各省城市 PNO3年均浓度贡献率较高,且无明显区域性差异,均接近100%.从NH3排放对PNO3影响的季节变化来看,1月 NH3排放对PNO3的影响最大,对全国地级及以上城市PNO3月均浓度贡献值达 10.88µg/m3,贡献浓度较大的地区主要集中在胡焕庸线[25-26]的东侧地区,贡献浓度超过 10µg/m3的地区占国土面积的 20%以上,其中四川东南部以及湖北、湖南交界地区贡献浓度高于20µg/m3.4、7、10月NH3排放对地级及以上城市PNO3月均贡献与1月的空间分布趋势基本一致,但是影响程度和高值区面积均明显降低.

图4 NH3排放对PNO3贡献浓度Fig.4 Monthly average contribution of ammonia emission on nitrate

2.3 铵盐影响

图5及表3为NH3排放对全国、各省PNH4月均浓度贡献模拟结果.结果表明,NH3排放对全国地级及以上城市 PNH4年均浓度影响显著,年均浓度贡献约为4.68µg/m3,年均浓度贡献率约为99.7%.从各省城市PNH4年均浓度受NH3排放的影响看,在河南、山东、湖北、河北、重庆等省份农业、畜牧企业分布比较密集的地区,NH3排放量大且相对集中,NH3排放对以上省份 PNH4年均浓度的贡献值均超过 7µg/m3.与 PNO3相似,NH3排放对各省份城市 PNH4年均浓度贡献率较高,且无区域性差异,均接近 100%.从季节性变化来看,PNH4受NH3排放的影响程度为1、7月总体上高于4、10月,1月PNH4月均浓度受NH3排放的影响强度最大,平均贡献值为5.31µg/m3,高值区主要集中在四川盆地、两湖平原地区.7月份NH3排放对PNH4月均浓度的影响范围最广,平均贡献值为4.88µg/m3,在华北平原、四川盆地、两湖平原地区的平均贡献浓度高于10µg/m3.

图5 NH3排放对PNH4贡献浓度Fig.5 Monthly average contribution of ammonia emission on ammonium

2.4 PM2.5影响

图6 NH3排放对重点区域PM2.5平均浓度贡献Fig.6 Contribution of ammonia emission on PM2.5in key regions

图6及表3为NH3对全国、各省PM2.5月均浓度贡献模拟结果.结果表明,NH3排放对全国地级及以上城市 PM2.5年均浓度贡献值约为15.01µg/m3,年均浓度贡献率约为 29.8%.在京津冀、长三角、珠三角、成渝地区,NH3排放PM2.5年均浓度贡献值分别为 16.10µg/m3、18.71µg/ m3、7.22µg/m3和14.83µg/m3.京津冀、长三角等空气污染最为严重的区域,NH3排放对 PM2.5年均浓度贡献值分别占《环境空气质量标准》(GB3095-2012)中PM2.5年均浓度限值的50%左右,见图5所示.在河南、山东、湖北、河北等4个省份,NH3排放量大且相对集中,NH3排放对以上省份PM2.5年均浓度的贡献值均超过20µg/m3,这与对二次无机盐颗粒物(如PNO3、PNH4)影响的空间分布规律相似.PM2.5受 NH3排放影响的季节性差异显著,1、4、7、10月四个典型月NH3排放对全国地级及以上城市PM2.5月均浓度的贡献值分别为20.15、12.39、13.20和14.20µg/m3.1月PM2.5月均浓度受NH3影响强度和范围最大,以“北京-成都-上海”为顶点的三角区和吉林中部地区,月均浓度贡献值高于 20µg/m3.NH3排放对4、7、10月PM2.5月均贡献与1月的空间分布趋势基本一致,但影响程度与范围均明显降低.

图7 NH3排放对PM2.5贡献浓度Fig.7 Monthly average contribution of ammonia emission on PM2.5

表3 NH3排放对全国各省PM2.5年均浓度贡献(%)Table 3 Annual average contribution of ammonia emission on PM2.5in all provinces

续表3

2.5 讨论

我国华北、华中及华东等地区SO2、NOx、颗粒物及VOCs排放量高度集中,已经成为全球PM2.5污染最为严重的地区之一[27],特别是在供暖季,由于煤炭的集中燃烧排放了大量污染物,加之不利气象条件等外部因素,致使大规模的灰霾污染事件频繁发生.NH3排放对 PM2.5浓度的贡献与我国 PM2.5污染的时空分布特征高度一致,因此 NH3排放是引起重污染地区、重污染时段PM2.5持续处于高位的关键因素之一.本研究表明,NH3排放对全国城市 PM2.5年均浓度贡献率高达 29.8%;在京津冀、长三角等空气污染最为严重的区域,NH3排放对 PM2.5年均浓度贡献值约占《环境空气质量标准》中PM2.5年均浓度限值的50%;对河南、山东、湖北、河北等4个省份城市 PM2.5年均浓度贡献超过 20μg/m3,约占《环境空气质量标准》(GB3095-2012)对 PM2.5年均限值要求的60%.因此,控制NH3排放是实现PM2.5年均浓度达标的必要条件.此外,NH3排放对 1月份全国城市 PM2.5月均浓度贡献量高达20.15μg/m3,其中,对长三角、成渝地区PM2.5月均浓度贡献值超过全国平均水平,对山东、河南、湖北、湖南等省 PM2.5月均浓度贡献值超过25μg/m3,因此控制 NH3排放是降低重度灰霾污染发生频次及强度的必要条件.

由于氨排放对颗粒物的影响具有显著的非线性特征,本研究基于WRF-CMAQ空气质量模型,采用敏感性分析方法模拟了 NH3排放对PSO4、PNO3、PNH4及PM2.5的影响.该方法具有快速有效的优点,适用于长周期、大尺度分析,但要准确分析NH3排放对PM2.5的贡献,需结合实验观测、受体模型等源解析方法进一步研究.

3 结论

3.1 NH3排放对全国城市PSO4、PNO3、PNH4及 PM2.5年均浓度贡献分别为 0.31μg/m3、7.52μg/m3、4.68μg/m3和15.01μg/m3.从贡献率来看,NH3排放对全国城市PSO4年均浓度贡献率较低,仅为4.2%;而对PNO3和PNH4影响较大,年均浓度贡献率在99.5%以上;对PM2.5年均浓度贡献率约为 29.8%.因此,控制 NH3排放能有效降低PM2.5污染,特别是对PNO3、PNH4有显著的削减作用,但对PSO4浓度无显著影响.

3.2 NH3排放对 PM2.5浓度贡献值的时间差异性显著. NH3排放对1、4、7、10四个典型月全国地级及以上城市PM2.5月均浓度的贡献分别为20.15μg/m3、 12.39μg/m3、 13.20μg/m3和14.20μg/m3.1月PM2.5平均浓度受NH3影响强度和范围最大,以“北京-成都-上海”为顶点的三角区和吉林中部地区,1月份月均浓度贡献值高于 20μg/m3.NH3排放对 PM2.5浓度的贡献量与PM2.5污染的时间分布特征高度一致.

3.3 NH3排放对 PM2.5浓度贡献值的空间差异性显著.NH3排放对京津冀、长三角等空气污染最为严重区域 PM2.5年均浓度贡献值均超过15μg/m3,对河南、山东、湖北、河北等4个省份PM2.5年均浓度的贡献值均超过 20μg/m3.NH3排放对PM2.5浓度的贡献量与PM2.5污染的空间分布高度重叠.

[1] 薛文博,付 飞,王金南,等.中国PM2.5跨区域传输特征数值模拟研究 [J]. 中国环境科学, 2014,34(6):1361-1368.

[2] 王凌慧,曾凡刚,向伟玲,等.空气重污染应急措施对北京市PM2.5的削减效果评估 [J]. 中国环境科学, 2015,35(8):2546-2553.

[3] 刘 俊,安兴琴,朱 彤,等.京津冀及周边减排对北京市PM2.5浓度下降评估研究 [J]. 中国环境科学, 2014,34(11):2726-2733.

[4] 沈兴玲,尹沙沙,郑君瑜,等.广东省人为源氨排放清单及减排潜力研究 [J]. 环境科学学报, 2014,34(1):43-53.

[5] Huang X, Song Y, Li M M, et al. A high-resolution ammonia emission inventory in China [J]. Global Biogeochemical Cycles, 2012,12:1-14.

[6] 董文煊,邢 佳,王书肖,等.1994～2006年中国人为源大气氨排放时空分布 [J]. 环境科学, 2010,31(7):1457-1463.

[7] Multi-resolution emission inventory for China. [Z/OL]. http: //www.meicmodel.org/.

[8] 李新艳,李恒鹏.中国大气NH3和NOx排放的时空分布特征 [J].中国大气NH3和NOx排放的时空分布特征 [J]. 中国环境科学, 2012,32(1):37-42.

[9] 王跃思,姚 利,王莉莉,等.2013年元月我国中东部地区强霾污染成因分析 [J]. 中国科学:地球科学, 2014,44(1):15-26.

[10] 徐 虹,张晓勇,毕晓辉,等.中国PM2.5中水溶性硫酸盐和硝酸盐的时空变化特征 [J]. 南开大学学报(自然科学版), 2013,46(6): 32-40.

[11] 余学春,贺克斌,马永亮,等.北京市PM2.5水溶性有机物污染特征[J]. 中国环境科学, 2004,24(1):53-57.

[12] 尹沙沙.珠江三角洲人为源氨排放清单及其对颗粒物形成贡献的研究 [D]. 广州:华南理工大学, 2011.

[13] 刘晓环.我国典型地区大气污染特征的数值模拟 [D]. 济南:山东大学, 2010.

[14] 彭应登,杨明珍,申立贤,等.北京氨源排放及其对二次粒子生成的影响 [J]. 环境科学, 2000.21(6):101-103.

[15] Community Modeling ＆ Analysis System Center, University of North Carolina. Community modeling and analysis system homepage [EB/OL]. Chapel Hill: Community Modeling and Analysis System Center, 2011[2011-11-21]. http:// www. cmascenter.org.

[16] Community Modeling ＆ Analysis System Center, University of North Carolina. CMAQ v4.6operational guidance document [EB/OL]. Chapel Hill: Community Modeling and Analysis System Center, 2006[2010-06-15]. http://www.cmascenter.org/ help/ documentation.cfm.

[17] National Center for Atmospheric Research. CISL Research Data Archive [EB/OL]. http://rda.ucar.edu/datasets/ds083.2/.

[18] National Center for Atmospheric Research. CISL Research Data Archive [EB/OL]. http://rda.ucar.edu/datasets/ds461.0/.

[19] Zheng B, Zhang Q, Zhang Y, et al. Heterogeneous chemistry: a mechanism missing in current models to explain secondary inorganic aerosol formation during the January 2013 haze episode in North China [J]. Atmospheric Chemistry and Physics, 2015, 15,2031—2049.

[20] Guenther A, Karl T, Harley P, et al. Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Nature) [J]. Atmospheric Chemistry and Physics, 2006,6(11):3181-3210.

[21] 中华人民共和国环境保护部数据中心.全国城市空气质量小时报. [Z/OL].

[22] 北京市环境保护局.北京市正式发布 PM2.5来源解析研究成果. [Z/OL]. http://www.bjepb.gov.cn/bjepb/323265/340674/396253/ index.html, 2014.

[23] 石家庄市环境保护局.石家庄市环境空气颗粒物来源解析研究报告 [R]. 石家庄:石家庄市环境保护局, 2014.

[24] 武汉市环境保护局.武汉市大气颗粒物源解析研究报告 [R].武汉市:武汉市环境保护局, 2015.

[25] 钟茂初.如何表征区域生态承载力与生态环境质量？兼论以胡焕庸线生态承载力涵义重新划分东中西部 [J]. 中国地质大学学报(社会科学版), 2016,16(1):1-8.

[26] 戚 伟,刘盛和,赵美风.“胡焕庸线”的稳定性及其两侧人口集疏模式差异 [J]. 地理学报, 2015,70(4):551-566.

[27] Donkelaar A, Martin R, Levy R C, et al. Satellite-based estimates of ground-level fine particulate matter during extreme events:A case study of the Moscow fires in 2010 [J]. Atmospheric Environment, 2011,45(34):6225-6232.

Impacts of ammonia emission on PM2.5pollution in China.

XUE Wen-bo1, XU Yan-ling2,3, TANG Xiao-long1, LEI Yu3*, WANG Jin-nan3(1.School of Civil and Environmental Engineering, University of Science and Technology Beijing, Beijing 100083, China；2.College of Environmental and Energy Engineering, Beijing University of Technology, Beijing 100124, China；3.Chinese Academy for Environmental Planning, Beijing 100012, China). China Environmental Science, 2016,36(12)：3531～3539

For PM2.5pollution investigation in China, the air quality modelling system WRF-CMAQ was applied to calculate the impacts of ammonia emission on PM2.5concentration. The results indicated that ammonia emission had the biggest contribution for secondary nitrogen particles, with annual average 99.8% for nitrate, 99.7% for ammonium, while only 4.2%, 29.8% for sulfate and PM2.5respectively. Quantification of ammonia emission impacts on PM2.5mass concentration were also conducted in January, April, July and October as representative months, counted 20.15μg/m3, 12.39μg/m3, 13.20μg/m3and 14.20μg/m3, respectively, with January ranking the first in monthly average contribution. It’s general that ammonia emission had dramatical influence on PM2.5in regions where agriculture and animal husbandry well developed, such as Henan, Shandong, Hubei and Hebei province, with annual average contribution all exceeded 20μg/m3. In view of this, ammonia emission control will lead to significantly decrease of nitrate and ammonium, therefore reduce the PM2.5pollution level.

ammonia emission；WRF；CMAQ；emission inventory；PM2.5

X513

A

1000-6923(2016)12-3531-09

薛文博(1981-),男,陕西宝鸡人,副研究员,博士,主要研究方向为空气质量模型、排放清单、环境卫星遥感就大气污染控制对策等.发表论文30余篇.

2016-04-12

环境保护公益性行业科研专项(201509001,201509076);国家重点研发计划项目(2016YFC0207502,2016YFC0208805)

∗ 责任作者, 研究员, leiyu@caep.org.cn