珠江三角洲秋季臭氧干沉降特征的数值模拟

耿一超,田春艳,陈晓阳,申 冲,王雪梅,常 鸣,王明洁,陈训来,樊 琦*



珠江三角洲秋季臭氧干沉降特征的数值模拟

耿一超1,田春艳1,陈晓阳1,申 冲1,王雪梅2,常 鸣2,王明洁3,陈训来3,樊 琦1*

(1.中山大学大气科学学院,广东省气候变化与自然灾害研究重点实验室,广东 广州 510275；2.暨南大学环境与气候研究院,广东 广州 510632；3.深圳市国家气候观象台,广东 深圳 518040)

利用区域化学传输模式WRF-Chem对2014年10月珠江三角洲臭氧干沉降特征进行模拟,结果表明:臭氧干沉降通量呈现明显的时空分布差异,日间平均沉降通量[0.68μg/(m2·s)]明显大于夜间[0.21μg/(m2·s)];同时,珠江三角洲城区的臭氧沉降通量及日较差均比周边植被覆盖区小.受NO和VOCs等前体物以及各气象要素场的综合影响,臭氧浓度日变化具有明显的单峰型分布特征,在14:00~15:00达到峰值,秋季臭氧浓度高值区位于珠江三角洲主要排放源下风向区域的广佛交界、江门及中山东部等地区;臭氧的干沉降速率也具有明显的时空变化特征:从07:00~08:00的0.27cm/s开始迅速增大,10:00~16:00基本保持在0.60cm/s左右,17:00开始平缓减小至午夜的0.21cm/s左右; 干沉降速率的变化主要受空气动力学阻抗R、粘性副层阻抗R以及表面阻抗R影响,研究表明夜间的干沉降速率主要受R影响,而日间R起主要作用.这3种阻抗分别受大气稳定度､摩擦速度和下垫面土地利用类型影响,在珠江三角洲区域亦表现出明显的时空变化特征.

珠江三角洲；WRF-Chem模式；臭氧干沉降；干沉降速率；阻抗

珠江三角洲是我国经济快速发展区域之一,随着工业化进程和城市化的加快以及汽车保有量的增加,大量使用化石燃料造成氮氧化物(NO)和挥发性有机物(VOCs)等臭氧前体物浓度大幅增高,导致近地表臭氧浓度呈上升趋势[1].臭氧除会严重影响人体健康外[2],还可经由干沉降等过程通过植物气孔进入植物叶片,影响作物的光合作用和呼吸作用等生理活动,导致作物产量降低,危害粮食安全[3].开展臭氧干沉降特征、干沉降通量及其时空分布的研究尤为重要.

近年来,各国学者在不同下垫面通过观测实验(表1)开展臭氧干沉降的研究,取得了一定的进展,研究内容多集中于臭氧干沉降影响因素分析[3-6]以及不同沉降通道的区分[7-8].臭氧干沉降受多种因素制约,包括大气特性、地表特性及污染物特性等.Coyle等[9]探究了昼夜差异及不同湿度对臭氧干沉降的可能影响过程.潘小乐等[10]研究指出干沉降受地形、大气稳定度以及气象因素等影响,具有明显的日变化特征,日间植物冠层阻力较小,沉降通量较大.

还有相当的研究指出:臭氧干沉降通量及干沉降速率亦受气象条件的影响.Wu等[11]研究表明干沉降速率受气象因素影响有显著的季节变化特征; Atsuyuki等[12]同样发现干沉降除了季节变化,还存在日变化.Cieslik[13]研究指出环境影响如湿度相比地表覆盖物种类对臭氧通量更重要.

除观测实验研究外,不少学者亦利用数值模式的方法开展臭氧干沉降方面的研究.Lagzi等[14]研究指出臭氧通量的空间分布形态取决于土壤湿度、气象条件、臭氧浓度及下垫面土地利用类型;Rydsaa等[15]利用WRF-Chem模式研究开发了植被对近地面臭氧的气孔吸收建模,指出模式需要对气孔导度模型和气孔阻抗相关参数进行一定改进,从而改善干沉降速率以及近地面臭氧的模拟效果.

珠江三角洲臭氧浓度的高值多集中在秋季[19-21],近地面臭氧污染严重,前人对于珠江三角洲臭氧污染研究较多,但是对珠江三角洲臭氧干沉降的研究较为缺乏.珠江三角洲三面环山一面靠海的地形导致污染物不易长距离输送,因此大气自身的干沉降过程尤显重要.本文利用WRF- Chem模式对珠江三角洲2014年10月进行数值模拟,分析臭氧干沉降的时空分布特征以及影响因素,为近地面臭氧污染分布及臭氧对于生态环境的影响提供参考.

表1 不同下垫面类型臭氧干沉降观测及模拟结果

注:-表示未进行观测.

1 资料和方法

1.1 干沉降计算方法

沉降是发生在空气与大地界面的向下物质通量,以F表示,单位为μg/(m2·s).干沉降通量通常用干沉降速率(V)与气体浓度C表示[22]:

F=V×C(1)

式中:V的大小随大气状态、污染物种类及下垫面类型的不同而有所差异.WRF-Chem模式中各种痕量气体和气溶胶干沉降通量的计算使用3层阻力(空气动力学阻抗、粘性副层阻抗和表面阻抗)模型,阻力模型的理论基础是假定V与这3种阻抗之和成反比,即

式中:R为空气动力学阻抗,表征气态污染物分子从近地层受湍流运动影响迁移到粘性副层之上的过程阻抗,主要影响因子为摩擦速度(),莫宁奥布霍夫长度()及大气稳定度()等大气湍流特征量,在WRF-Chem模式中分为稳定、中性与不稳定3种情况分别对R进行计算.

R为粘性副层阻抗,主要表征气态污染物分子通过分子扩散从粘性副层迁移到受体表面的过程,主要与粘性副层的厚度、气态污染物分子半径、温度和摩擦速度等因素有关.

R为地表冠层阻抗,表征了污染物被受体表面附着并固定的过程,R不仅与沉降污染物的物理化学性质有关,还受到受体表面的物理化学性质、冠层内气象条件和植物的生理过程影响.WRF-Chem模式中采用Wesely方案计算R,该方案认为污染物迁移到地表,可沉降至植被冠层叶片上、冠层底层及地表土壤,可以表征为多种阻抗并联作用,包括:叶片气孔阻抗、叶肉阻抗、叶片角质层阻抗、植被冠层内的大气浮力阻抗、低层树枝、树皮等的表面阻抗、冠层顶部至地表面的大气阻抗[23].

1.2 模式及其设置

WRF-Chem模式是由美国国家大气研究中心(NOAA)、美国国家大气海洋局(NCAR)及美国西北太平洋国家实验室(PNNL)等共同开发的新一代区域化学传输模式.该模式包括边界层、微物理、云过程、长短波辐射和陆面过程等多种物理参数化方案,同时还包含了化学传输、气相化学机制、气溶胶机制和光解机制等,研究者可以根据研究区域的实际情况选择适合的物理及化学参数化方案来开展气象和空气质量的数值模拟.模式最大的优点是气象模式与化学传输模式在时间和空间分辨率上完全耦合,实现了真正的在线反馈[24].目前,WRF-Chem模式已被广泛应用于区域气候及大气污染的数值模拟研究等领域.

表2 模式物理及化学参数化方案设置

图1 模式模拟范围及珠江三角洲GLC2009土地利用类型分布

1.城市和建成区; 2.旱地农田和牧场; 3.灌溉耕地和牧场; 4.混合旱地/灌溉农田和牧场; 5.农田/草地镶嵌; 6.农田/林地镶嵌; 7.草原; 8.灌丛; 9.混合灌木丛/草地; 10.稀树草原; 11.落叶阔叶林; 12.落叶针叶林; 13.常绿阔叶林; 14.常绿针叶林; 15.针阔混交林; 16.水体; 17.草本湿地; 18.木本湿地; 19.荒地、稀疏植被; 20.草本苔原; 21.木本苔原; 22.混合苔原; 23.裸地苔原; 24.雪、冰

利用WRF-Chem模式3.8.1版本进行模拟.中心点设置在珠江三角洲区域内(113.7°E, 23.5°N),采用LAMBERT投影,垂直方向上设置30层,采用150×135的网格,网格距为3km,范围覆盖整个珠江三角洲(图1).模拟时段为2014年9月26日00:00时至2014年10月31日00:00时(世界时),前5d作为spin up时间.模式的气象场初始和边界条件采用每6h一次1°×1°的全球再分析格点数据,化学初始和边界条件采用每6h一次的1.9°×2.5°的全球尺度空气质量模式MOZART输出数据.物理及化学参数化方案见表2.模式输入的排放源清单为Zheng等[25]提供的2010年珠江三角洲的人为源排放数据以及由自然源气体和气溶胶排放模式MEGAN计算得到的生物源排放清单,其中MEGAN使用的输入数据来自NCAR网站[26],包括网格化的异戊二烯排放因子、叶面积指数(LAI)、植物功能类型分数、气候温度和太阳辐射数据[27].下垫面土地类型数据使用空间分辨率30s的GLC2009插值到珠江三角洲地区. GLC2009土地覆盖数据由欧洲太空局(ESA)、联合国环境规划署(UNEP)、联合国粮农组织(FAO)、欧洲委员会联合研究中心(JRC)、国际地圈-生物圈计划(IGBP)及林地和土地覆盖动态的全球观测(GOFC—GOLD)执行小组共同参与完成.它具有较高分辨率,其最新数据能反映全球地表覆盖状况,在生态环境动态监测、土地资源利用等方面得到了广泛应用[28].在珠江三角洲地区,相比模式内置的 MODIS资料,GLC2009在珠江三角洲区域更为准确,且地表气象要素的模拟效果更好[29].模式中土地利用类型为与美国地质勘探局(USGS)数据一致的24种(图1):珠江三角洲地区主要土地利用类型(占0.5%以上)共10种,分别为城市用地(占5.59%)、旱地农田和牧场(占12.25%)、灌溉耕地和牧场(占0.57%)、混合旱地/灌溉农田和牧场(占9.83%)、农田/草地镶嵌(占14.99%)、混合灌木丛/草地(占16.65%)、常绿阔叶林(占32.55%)、常绿针叶林(占4.63%)、针阔混交林(占1.63%)及草本湿地(占1.16%).

2 干沉降特征及影响因素分析

2.1 模式模拟结果验证

利用广东省环境监测中心提供的珠江三角洲地区47个空气质量监测站点逐小时污染物浓度数据以及珠江三角洲9个城市代表气象站的逐时观测数据对WRF-Chem模式的结果进行评估,模拟值为根据观测站点的经纬度提取相应位置的模拟数据.通过计算平均偏差(Bias),均方根误差(RMSE)、平均绝对误差(MAE)、吻合指数(IOA)、相关系数()等统计参数来验证模拟效果.

表3给出了WRF-Chem模式模拟的2m温度、相对湿度、10m风速和臭氧浓度的验证结果.从统计参数来看,2m温度和相对湿度的IOA指数都达到了0.99,而都超过了0.8,说明模式能较好地模拟出这段时间温度和相对湿度的演变规律.风速的模拟相关性较低,但平均绝对偏差和均方根误差较小.对于臭氧,将47个站点逐时观测数据与模拟值各自进行验证后对统计参数进行平均处理,模拟值和观测值的平均偏差为-4.56μg/m3,平均IOA指数达到0.93,平均相关系数达到0.66,各站点臭氧浓度日变化的趋势模拟效果亦较为理想(图略),部分时段模式结果会对臭氧浓度有所高估.总体而言,模式对珠江三角洲区域内气象场和臭氧浓度的模拟效果良好.

表3 2014年10月珠江三角洲平均温度、相对湿度、风速及臭氧浓度模拟值和观测值对比

注: OBS为观测值平均, SIM为模拟值平均,Bias为模拟值平均与观测值平均值的偏差,MAE为平均绝对误差,RMSE为均方根误差,IOA为吻合指数,为相关系数.其中Bias、MAE及RMSE越接近0,IOA及越接近1表明模拟效果越好.

2.2 臭氧浓度分布特征

臭氧干沉降通量主要由臭氧浓度及其干沉降速率共同决定.由图2a可知,中心城区日平均浓度相对周围地区偏低,中心城区臭氧平均浓度为40~ 70μg/m3,而珠江三角洲东部的惠州及广州市北部地区浓度为100~110μg/m3,西部的江门及肇庆臭氧浓度相对较高,在120~140μg/m3之间.由图2b可知,与臭氧浓度日间平均(08:00~17:00)分布一致,珠江三角洲除惠州及广州北部地区以外臭氧最大8h平均浓度普遍在130μg/m3以上,高值区主要分布在珠江三角洲西南部,浓度在160μg/m3以上,超过国家二级标准(160μg/m3),峰值可达250μg/m3,主要位于佛山东南部、广佛交界、佛山及江门两市交界处.

珠江三角洲区域臭氧前体物NO与VOCs的源排放高值区主要位于珠江三角洲的中心区域,其中NO排放量较大的区域集中在广州市区、佛山、东莞和中山,而VOCs排放量较大的区域集中在广州市区、东莞和深圳,这是由这些城市工业排放、交通以及人口等因素共同影响的结果[30].如图3所示,10月珠江三角洲主要受东北风影响,风速较低,约为3~4m/s,有利于来自上风向的广州、佛山、东莞及深圳高浓度的污染物向下风方向的中山与江门地区输送,中心城区温度较高,白天平均约28~30℃,中心城区白天平均太阳辐射为440~480W/m2,同时,中心城区白天平均相对湿度在55%以下,高温低湿的环境有利于光化学反应的发生,受这些气象条件的影响在排放源下风向的珠江口西侧地区受外来输送及本地排放共同影响易形成臭氧浓度高值区;而夜间城区NO消耗臭氧导致臭氧浓度较低,从而造成臭氧浓度日平均分布在中心城区相对较低.

2.3 臭氧干沉降速率分布特征及其影响因子

如图4所示,珠江三角洲地区的干沉降速率具有明显的时空变化特征.由日平均的干沉降速率分布(图4a)可知,水体表面干沉降速率最低,约为0.08cm/s,草本湿地干沉降速率略高于水体,约为0.17cm/s,中心城区为低值区,普遍为0.25cm/s左右,高值区位于珠江三角洲中心城区的外围常绿阔叶林地区,干沉降速率的峰值可达0.50cm/s,除此以外的郊区农田下垫面的干沉降速率分布较均匀,约为0.3cm/s.图4b为日间(08:00~17:00)平均的臭氧干沉降速率分布,分布特征与日平均分布情况较为一致,日间干沉降速率的低值区亦位于城市区域,约为0.25cm/s,珠江三角洲外围地区日间干沉降速率逐渐增大,从郊区约0.40cm/s到常绿阔叶林地区增大到0.80cm/s以上,可见干沉降速率具有明显随下垫面土地利用类型变化的特征;夜间平均干沉降速率分布较均匀(图4c),相对于日间,整个珠江三角洲区域干沉降速率偏低,约为0.2cm/s.

对比图1中珠江三角洲土地利用类型分布,可以看出干沉降速率的空间分布与下垫面类型有明显相关,进一步分析几种主要土地利用类型的干沉降速率日变化(图4d),其中农田/牧场下垫面为旱地耕地/牧场(土地利用类型编号2、3、4)、农田草地(土地利用类型编号5)4类相似下垫面的合并,草地下垫面为灌丛/草地.可以看出除城区下垫面类型外,其它各土地利用类型下垫面的干沉降速率均具有日间大,夜间保持平稳低值的特征,其中常绿阔叶林日间均值最大,约为0.84cm/s,且日变化最为明显,平均日较差约0.60cm/s,城区基本无日变化;草本湿地下垫面与水体相似,两者干沉降速率均在0.2cm/s以下.

2.3.1 空气动力学阻抗R及粘性副层阻抗R从R、R和R的相对大小及日变化(图5a)可以看出,三者都具有日间小夜间大的日变化特征,转变主要出现在06:00~08:00与17:00~18:00:R日间平均约为17.67s/m,夜间平均约为68.38s/m,对干沉降速率的影响较弱;R日间平均约为11.20s/m,夜间平均约为392.92s/m,为夜间干沉降速率的主要影响因子;而R日间平均约为173.58s/m,夜间平均约为265.23s/m,是日间干沉降速率的主要影响因子.

R及R主要受稳定度以及湍流活动强弱影响.表4根据1/(为奥布霍夫长度)划分不同稳定度分类探讨R及R的变化,其中1/大于0为稳定条件,等于0代表中性条件,小于0代表不稳定条件.根据统计,城区和水体下垫面绝大部分为不稳定情况,约占97.69%和99.95%,而植被下垫面平均58.62%为稳定情况,39.32%为不稳定情况.从表4可以看出,干沉降速率均随大气稳定度的增加而减小,这是由于大气稳定度的增强,导致边界层内湍流交换作用减弱,从而使O3干沉降速率减小.随着稳定度的增加,摩擦速度逐渐减小,理查森数R逐渐增大.这表明近地层机械湍流交换逐渐减弱,气象场从动力促进、热力促进的状态向动力抑制、热力抑制的状态发展.随着稳定度的增加,R、R和R都逐渐在增大,且R和R变化幅度远大于R,大气稳定度是影响R和R的主要因子.由珠江三角洲平均的稳定度日变化(图5b中的1/)可以看出,在07:00~08:00以及17:00~ 18:00,会有稳定度1/由正到负和由负到正的转变,表征了稳定度由稳定转向日间的不稳定再转变为夜间的稳定层结,同时摩擦速度具有07:00~08:00增大,12:00~13:00达到峰值,17:00~18:00减小的单峰型日变化特征.

表4 不同大气稳定度下臭氧干沉降及相关变量变化

注: 1/大于0代表稳定条件,等于0代表中性条件,小于0代表不稳定条件.Dep为干沉降通量,TSK为地表温度,Swdown为地面接收的太阳短波辐射.

2.3.2 冠层阻抗RR主要受下垫面以及太阳辐射影响[31],具有明显的时空变化特征(图6a和6b).对于城区和水体下垫面,植被覆盖率低,吸收较弱,R相对其它植被覆盖下垫面通常更大,没有明显的日变化,平均分别为380和1547s/m(表5);植被覆盖下垫面的R具有日间小,夜间大的明显日变化特征,主要过渡时段为07:00~08:00以及17:00~18:00.这主要是受太阳短波辐射的影响,07:00~08:00随着太阳短波辐射增强,植物开始进行光合作用,气孔打开,气孔导度增大,气孔阻抗减小,有利于气孔对臭氧气体的吸收,各植被下垫面R从夜间的200~350s/m迅速减小到日间的100~150s/m;17:00~18:00太阳辐射减弱,光合作用结束,气孔仅用于维持呼吸以及蒸腾作用,几乎完全闭合,气孔导度减小,气孔阻抗增大,R迅速增大.日间由于干沉降速率的主要影响因子为R,因此R相对最小的常绿阔叶林干沉降速率最大,其次为其它植被下垫面,城区几乎无日变化,草本湿地介于其它植被下垫面与水体表面之间,量级较大,又有明显的日变化特征(图6c).

表5 不同下垫面Rc及其它变量日平均值

夜间由于稳定层结湍流较弱,导致空气动力学阻抗R极大,因此占主要作用;日出后随着太阳辐射强度增大,湍流活动增强,大气层结开始变为不稳定,R与R迅速减小,同时植被开始因光合作用而张开气孔,使气孔导度增大,气孔阻抗迅速减小,3个阻抗共同迅速减小,使干沉降速率V迅速增大;17:00~ 18:00由于太阳辐射减弱,大气层结逐渐稳定,湍流活动削弱,导致R与R迅速增大,同时植被不再进行光合作用导致气孔闭合,仅需要为植被蒸腾作用和呼吸作用保持一定的气孔导度,因此R也随之迅速增大,3个阻抗共同增大使干沉降速率减小.

2.4 臭氧干沉降通量分布特征

综合上述臭氧浓度及臭氧干沉降速率的模拟结果,计算得出珠江三角洲地区日平均臭氧干沉降通量介于0.1~0.55μg/(m2·s)(图7a).图7b为日间平均的臭氧干沉降通量空间分布,高值区主要分布在常绿阔叶林区域,平均为0.70~1.44μg/(m2·s),其中肇庆、江门两市境内的常绿阔叶林相比珠江三角洲东部地区常绿阔叶林覆盖区臭氧干沉降通量更大;次高值区为除城区和湿地之外的珠江三角洲农田郊区及常绿针叶林和混交林,平均为0.30~0.90μg/(m2·s),并且西部相对东部沉降通量更大;城区、水体表面及草本湿地,均为沉降通量低值区,平均为0.17~ 0.45μg/(m2·s).夜间O3干沉降通量分布较为均匀(图7c),普遍在0.20μg/(m2·s)以下.

对比臭氧浓度空间分布(图2b)与干沉降速率分布(图4b)可知,O3干沉降通量受两者共同影响.由图7b可见,在常绿阔叶林、城区以及其它下垫面干沉降差异显著.造成这种空间分布差异的主要原因是干沉降速率,在干沉降速率大的下垫面类型,沉降通量一般也较大,如常绿阔叶林,日间平均干沉降速率是农田郊区等其它下垫面的183%~210%,是城区及草本湿地下垫面的336%,日间常绿阔叶林平均O3干沉降通量是这些其它类型下垫面的148%~218%;而同一下垫面类型的沉降通量差异主要是由于O3浓度差异引起,如肇庆、江门的常绿阔叶林下垫面O3干沉降通量要比惠州同为常绿阔叶林的区域大许多;另外农田、针叶林及草地等非常绿阔叶林植被覆盖的下垫面地区,O3浓度高值导致了珠江三角洲西部非常绿阔叶林下垫面地区的O3沉降通量可以与东部常绿阔叶林下垫面的沉降通量相当.

由图7d可知,O3浓度与干沉降速率具有明显的日变化特征,日间O3浓度与干沉降速率均高于夜间, 10月O3浓度从07:00开始,受太阳短波辐射影响,温度升高,光化学反应生成O3并在午后14:00~15:00浓度达到峰值,18:00之后光化学反应开始减弱,同时随着NO对O3的消耗使得O3浓度逐渐降低;干沉降速率在08:00之前较稳定地保持在0.21cm/s左右,08:00开始迅速增大,在10:00~16:00较为稳定地维持在0.55~0.6cm/s,日间平均干沉降速率为0.56cm/s,之后逐渐下降,保持在0.21cm/s左右,夜间平均干沉降速率为0.22cm/s,整个10月珠江三角洲干沉降速率日平均为0.36cm/s.日间时段内,干沉降速率较为平稳,干沉降通量变化受臭氧浓度变化影响较大,在0.50~0.82μg/(m2·s)变化,平均为0.68μg/ (m2·s),在过渡时段17:00~18:00,臭氧浓度变化较为平缓,干沉降通量受迅速减小的干沉降速率影响较大,夜间平均为0.21μg/(m2·s),形成明显单峰型日变化特征,总体而言,臭氧干沉降效应主要集中在日间.

3 结论

3.1 珠江三角洲秋季臭氧浓度具有明显时空变化特征:臭氧浓度呈单峰型分布,峰值出现在14:00~15:00左右;臭氧高值区分布在珠江三角洲区域主要排放源下风方向的广佛交界、江门及中山东部等地区.

3.2 珠江三角洲日平均臭氧干沉降速率为0.36cm/s,呈现明显的单峰型分布特征:日间大于夜间;空间上水体及湿地下垫面的干沉降速率最小,城区次之,植被覆盖区(草地、常绿阔叶林、常绿针叶林、混交林和农田)的干沉降速率相对较大,其中常绿阔叶林干沉降速率的日平均最大;夜间干沉降速率分布表现出较为一致的低值;日间的干沉降速率分布受下垫面影响显著.

3.3 干沉降速率受3个阻抗R、R、R共同影响,R与R主要受湍流强度及稳定度影响,夜间多为稳定层结,湍流活动受抑制,因此夜间R在3个阻抗中相对最大,平均约为392.92s/m,起主要作用,使得V在夜间普遍较小.日间层结不稳定,湍流活动强烈,导致R和R较小,日间R相对较大,起主要作用.R主要是受下垫面类型影响,具有明显时空分布特征.

3.4 臭氧干沉降通量由臭氧浓度及臭氧干沉降速率共同影响,亦呈现单峰型分布特征:日间大于夜间, 12:00~14:00达到峰值,夜间较为平稳;空间分布上沉降通量受干沉降速率影响分为明显的3个区域:城区、农田牧场、草地、常绿针叶林及针阔混交林等植被覆盖区域及常绿阔叶林区域.

[1] 李 硕,郑有飞,吴荣军,等.冬麦田臭氧干沉降过程的观测[J]. 应用生态学报, 2016,27(6):1811-1819. Li S, Zheng Y F, Wu R J, et al. Observation of ozone dry deposition in the field of winter wheat [J]. Chinese Journal of Applied Ecology(in Chinese), 2016,27(6):1811-1819.

[2] 闫美霖,李湉湉,刘晓途,等.我国臭氧短期暴露的人群健康效应研究进展 [J]. 环境与健康杂志, 2012,29(8):752-760. Yan M L, Li T T, Liu X T, et al. Human health effects of short-term ozone exposure: a review of Chinese epidemiological evidence [J]. J Environ Health(in Chinese), 2012,29(8):752-760.

[3] 李 硕.冬小麦麦田臭氧干沉降机制的观测模拟研究[D]. 南京:南京信息工程大学, 2014. Li S. Measurements and modeling the mechanism of ozone dry deposition on the yields of winter wheat [D]. Nanjing:Nanjing University of Information Science & Technology(in Chinese), 2014.

[4] 朱治林,孙晓敏,董云社,等.鲁西北平原玉米地涡度相关臭氧通量日变化特征[J]. 中国科学:地球科学, 2014,44(2):292-301. Zhu Z L, Sun X M, Dong Y S, et al. Diurnal variation of ozone flux over corn field in Northwestern Shandong Plain of China [J]. Science China: Earth Sciences(in Chinese), 2014,44(2):292-301.

[5] 许 亮.冬小麦气孔与冠层O3吸收通量的观测与模拟研究[D]. 南京:南京信息工程大学, 2015. Xu L. Research of observation and simulation winter wheat stomatal and canopy O3absorbed flux [D]. Nanjing: Nanjing University of Information Science & Technology (in Chinese), 2015.

[6] 赵 辉,郑有飞,曹嘉晨,等.大气臭氧污染对冬小麦气孔吸收通量的影响机制及其时空格局[J]. 环境科学, 2017,38(1):412-422. Zhao H, Zheng Y F, Cao J C, et al. Influencing mechanism and spatio-temporal pattern of stomatal ozone flux of winter wheat under Ozone pollution [J]. Environmental Science (in Chinese), 2017,38(1): 412-422.

[7] Milo Z, Pavel C, Petr C, et al. Ozone flux over a Norway spruce forest and correlation with net ecosystem production [J]. Environmental Pollution, 2011,159:1024-1034.

[8] Silvano F, Megan M, Rupert H, et al. Ozone fluxes in a Pinus ponderosa ecosystem are dominated by non-stomatal processes: Evidence from long-term continuous measurements [J]. Agricultural and Forest Meteorology, 2010,150:420-431.

[9] Coyle M, Nemitz E, Storeton-West, et al. Measurements of ozone deposition to a potato canopy [J]. Agricultural and Forest Meteorology, 2009,49:655-666.

[10] 潘小乐,王自发,王喜全,等.秋季在北京城郊草地下垫面上的一次臭氧干沉降观测试验[J]. 大气科学, 2010,34(1):120-130. Pan X L, Wang Z F, Wang X Q, et al. An observation study of ozone dry deposition over grassland in the suburban area of Beijing [J]. Chinese Journal of Atmospheric Sciences(in Chinese), 2010,34(1): 120-130.

[11] Wu Z Y, Staebler R, Vet R, et al. Dry deposition of O3and SO2estimated from gradient measurements above a temperate mixed forest [J]. Environmental Pollution, 2016,210:202-210.

[12] Atsuyuki S, Kazuhiko S, Hidekazu I, et al. Measurements of sulfur dioxide and ozone dry deposition over short vegetation in northern China: A preliminary study [J]. Atmospheric Environment, 2003,37: 3157-3166.

[13] Cieslik S. Ozone fluxes over various plant ecosystems in Italy: A review [J]. Environmental Pollution, 2009,157:1487-1496.

[14] Lagzi I, Me´sza´ros R, Horva´th L, et al. Modelling ozone fluxes over Hungary [J]. Atmospheric Environment, 2004,38:6211-6222.

[15] Rydsaa J H, Stordal F, Gerosa G, et al. Evaluating stomatal ozone fluxes in WRF-Chem: Comparing ozone uptake in Mediterranean ecosystems [J]. Atmospheric Environment, 2016,143:237-248.

[16] 黄积庆,郑有飞,徐静馨,等.南京秋季裸地臭氧干沉降通量观测及土壤阻力模拟 [J]. 应用生态学报, 2016,27(10):3196-3204. Huang J Q, Zheng Y F, Xu J X, et al. O3dry deposition flux observation and soil resistance modeling over a bare soil in Nanjing area in autumn [J]. Chinese Journal of Applied Ecology(in Chinese), 2016,27(10):3196-3204.

[17] 刘 俊,郑有飞,赵 辉,等.水稻田臭氧干沉降日变化特征研究 [J]. 生态环境学报, 2017,26(11):1935-1941. Liu J, Zheng Y F, Zhao H, et al. Diurnal variational characteristics of ozone dry deposition over a rice field [J]. Ecology and Environmental Sciences(in Chinese), 2017,26(11):1935-1941.

[18] Muller J B A, Dorsey J R, Flynn M, et al. Energy and ozone fluxes over sea ice [J]. Atmospheric Environment, 2012,47:218-225.

[19] 叶绿萌,樊少芬,常 鸣,等.珠三角地区秋季臭氧生成敏感性时空变化模拟研究 [J]. 南京大学学报(自然科学), 2016,52(6):977-988. Ye L M, Fan S F, Chang M, et al. Spatial and temporal distribution of ozone sensitive district in Pearl River Delta region during autumn [J]. Journal of Nanjing University (Natural Sciences) (in Chinese), 2016,52(6):977-988.

[20] 沈 劲,陈 皓,钟流举,等.珠三角秋季臭氧污染来源解析 [J]. 环境污染与防治, 2015,37(1):25-30. Shen J, Chen H, Zhong L J, et al. Ozone source apportionment in the Pearl River Delta in autumn [J]. Environmental Pollution & Control(in Chinese), 2015,37(1):25-30.

[21] 李泽琨.珠江三角洲地区臭氧及其前体物非线性响应特征及控制对策研究 [D]. 广州:华南理工大学, 2015. Li Z K. Characterization of the nonlinearity of ozone and its precursor emission changes and control strategies in the Pearl River Delta region [D]. Guangzhou:South China University of Technology(in Chinese), 2015.

[22] Wesely M L, Hicks B B. A review of the current status of knowledge on dry deposition [J]. Atmospheric Environment, 2000,34:2261–2282.

[23] 常 鸣.典型亚热带森林干沉降参数化改进及其对区域活性氮沉降估算的影响[D]. 广州:中山大学, 2016. Chang M.Impact of improved parameterization on the dry deposition of reactive nitrogen in a Southern China forest [D]. Guangzhou:Sun Yat-sen University(in Chinese), 2016.

[24] 薛文博,王金南,杨金田,等.国内外空气质量模型研究进展[J]. 环境与可持续发展, 2013,38(3):14-20. Xue J B, Wang J N, Yang J T, et al. Domestic and foreign research progress of air quality model [J]. Environment and Sustainable Development (in Chinese), 2013,38(3):14-20.

[25] Zheng J Y, Zhang L J, Che W W, et al. A highly resolved temporal and spatial air pollutant emission inventory for the Pearl River Delta region, China and its uncertainty assessment [J]. Atmospheric Environment, 2009,43(32):5112-5122.

[26] https://www.acom.ucar.edu/wrf-chem/download.shtml.

[27] 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, 2006,6:3181-3210.

[28] 费 岚,宫传刚.中国典型区域GLC2009数据的精度评价[J]. 黑龙江科技大学学报, 2014,24(6):658-662. Fei L, Gong C G. Accuracy evaluation of globe land cover products GLC2009in typical regions in China [J]. Journal of Heilongjiang University of Science & Technology(in Chinese), 2014,24(6):658-662.

[29] 常 鸣,樊少芬,王雪梅.珠三角土地覆被资料优选及在WRF模式中的初步应用 [J]. 环境科学学报, 2014,34(8):1922-1933. Chang M, Fan S F, Wang X M. Impact of refined land-cover data on WRF performance over the Pearl River Delta region,China [J]. Acta Scientiae Circumstantiae(in Chinese), 2014,24(6):658-662.

[30] 郑君瑜,张理俊,钟流举,等.珠江三角洲大气面源排放清单及空间分布特征 [J]. 中国环境科学, 2009,29(5):455-460. Zheng J Y, Zhang L J, Zhong L J, et al. Area source emission inventory of air pollutant and its spatial distribution characteristics in Pearl River Delta [J]. China Environmental Science(in Chinese), 2009, 29(5):455-460.

[31] 苏 航,银 燕,朱 彬,等.中国环渤海地区SO2和NO2干沉降数值模拟及影响因子分析[J]. 中国环境科学, 2012,32(11):1921-1932. Su H, Yin Y, Zhu B, et al. Numerical simulation and sensitive factors analyse for dry deposition of SO2and NO2in Bohai Rim area of China [J]. China Environmental Science (in Chinese), 2012,32(11):1921-1932.

Numerical simulation of ozone dry deposition characteristics in autumn over the Pearl River Delta region, China.

GENG Yi-chao1, TIAN Chun-yan1, CHEN Xiao-yang1, SHEN Chong1, WANG Xue-mei2, CHANG Ming2, WANG Ming-jie3, CHEN Xun-lai3, FAN Qi1*

(1.School of Atmospheric Sciences, Guangdong Province Key Laboratory for Climate Change and Natural Disaster Studies, Sun Yat-sen University, Guangzhou 510275, China；2.Institute for Environmental and Climate Research, Jinan University, Guangzhou 510632, China；3.Shenzhen National Climate Observatory, Shenzhen 518040, China)., 2019,39(4)：1345~1354

The regional chemical transport model WRF-Chem was used to simulate the spatial and temporal characteristics of O3dry deposition flux in the Pearl River Delta (PRD) region in October 2014. The results show obvious spatial and temporal differences of ozone dry deposition flux: the mean flux in the daytime [0.68μg/(m2·s)] was higher than that in the night time [0.21μg/(m2·s)]; the O3deposition flux and its diurnal variation in the urban areas are smaller than those in the sub-urban areas. Moreover, the O3concentrations had obvious daily single-peak distribution characteristics which influenced by the precursors such as NOand VOCs, as well as the meteorological conditions. The peaks generally occur during 14:00~15:00, and the high concentrations were mainly located in the Guangfo junction、Jiangmen city and east Zhongshan city. The dry deposition velocity of O3also present significant spatial and temporal variations. It increased rapidly from 0.27cm/s during 07:00~08:00 to a relatively stable value 0.60cm/s during 10:00~16:00; and then decreased slowly to 0.21cm/s from 17:00 to midnight. The dry deposition velocity was mainly affected by three types of resistances: the aerodynamic resistance (R), sublayer resistance(R) and canopy resistance(R). Our results show that the dry deposition velocity at night was mainly affected byR, while in the daytimeRplayed a major role. These three resistances were mainly influenced by the stability、the friction velocity and the landuse type of the underlying surface.

Pearl River Delta；WRF-Chem model；ozone dry deposition；dry deposition velocity；resistances

X513

A

1000-6923(2019)04-1345-10

2018-09-14

国家重点研发计划(2017YFC0210105,2016YFC0203305, 2016YFC0203600);国家自然科学基金资助项目(91544102,41630422);深圳市科技计划项目(JCYJ20170306150333250);气象行业专项项目(GYHY201406031)

*责任作者, 教授, eesfq@mail.sysu.edu.cn

耿一超(1993-),男,江苏张家港人,中山大学大气科学学院硕士研究生,主要从事大气环境数值模拟研究.