APP下载

河北环境气象智能评估系统研发与应用

2021-06-30马翠平杨雨灵焦亚音赵玉广

三峡生态环境监测 2021年2期
关键词:气象条件贡献空气质量

马翠平 ,杨雨灵 ,焦亚音 ,孟 凯 ,赵 娜 ,赵玉广

(1.河北省环境气象中心,石家庄 050021;2.河北省气象与生态环境重点实验室,石家庄 050021;3.河北省环境气象职工创新工作室,石家庄 050021)

在经济高速发展的形势下,由于环保意识滞后,导致空气质量恶化、重污染事件频发[1],尤其以京津冀、珠三角、长三角、关中地区等城市经济带尤为显著。大气污染防治已成为我国面临的一个严峻的挑战与难题[2-4]。京津冀地区作为我国政治文化中心、经济发展重地,频发的大气污染事件已成为地区经济社会进一步发展的重大障碍。京津冀区域集聚了大量的水泥、钢铁、炼油石化等高污染产业和遍布各地的无组织零散高危害产业,产生的大气污染物排放量巨大[5-6],加上地形和气候系统的不利影响,河北污染扩散能力较差,成为大气污染的重灾区[7]。

近年来,京津冀协同发展已上升到国家战略层面。在经济、交通和文化等方面取得长足发展的同时,大气治理作为京津冀一体化重点推进的工作任务之一,理应有所突破[8]。大气污染防治要做到精准发力,有针对性地采取相应的污染防治措施。对大气污染物来源分析,评估对空气质量影响显著的敏感区域和敏感源是大气污染防治工作的前提。其分析结果是制定大气污染防治规划的重要依据,也是基于污染天气分型建立精准施策应急机制的重要科技支撑[9]。

多名学者利用中国科学院大气物理研究所开发的嵌套网格空气质量预报模式系统WRF−NAQPMS和美国NOAA预报系统实验室开发的空气质量模式WRF-chem,模拟了京津冀、江苏、上海等地PM2.5典型重度污染过程,分析了颗粒物及其组分的时空变化特征及其气象影响因子[10-14]。朱莉莉等[15]采用WRF−NAQPMS搭建了江苏省空气质量数值预报模式系统,并对系统预报效果进行了评价,模式系统整体能准确把握PM2.5质量浓度的变化趋势。唐湘博等[16]利用定量分析方法模拟计算出区域减排总成本最小化状况下的污染协同减排补偿标准及各辖区所承担的污染物减排量,就区域污染协同减排补偿机制提出了实施思路及保障措施。熊亚军等[17]基于KNN数据挖掘算法计算的减排评估结果显示,数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性。潘锦秀等[18]利用NAQPMS评估不同减排方案对冬奥赛区PM2.5的影响,给出京津冀及周边城市污染物排放量在当前的基础上减排50%,冬奥期间将可能不出现重污染日的提议,为冬奥保障提供依据。翟世贤等[19]基于美国国家环境保护局研制的第三代空气质量预报和评估模式Model-3/CMAQ,进行不同区域、不同比例、不同减排时刻北京减排效果评估。

现阶段利用数值模式开展空气质量预报效果准确性评价的成果相对较多,对空气质量数值预报效果给予可靠性评估,但利用数值模拟技术开展减排效果评估的成果相比甚少,仅有的文献也以个例研究为主,在国内没有见到将该技术业务化应用的相关报道。

随着大气污染治理的深入,依据污染天气分型开展重污染联防联控精准施策的需求越来越迫切,常态化开展重点区域和重点行业减排效果评估的意义十分重大,本文基于WebGIS平台,利用数值模拟技术建立减排调控智能评估系统,实现科研级模拟评估技术业务化应用。

1 系统架构

大气污染减排调控智能评估系统集减排效果评估、污染源排放清单动态反演、污染物来源解析、气象条件贡献评估、运行监控管理五大功能模块于一体,利用“云后台”集合了多源气象和环境大数据,集成了空气质量模式CMAQ、污染追踪模式CMAx等数值模式,把复杂的清单处理和格点转换计算封装在后台,基于B/S(Browser/Server)架构和WebGIS,实现基于“Web”前台操控Linux系统自动运行脚本和数值模式作业,解决非专业人员开展数值模拟技术评估的技术瓶颈,实现科研级模拟评估技术的低门槛、广应用,使减排效果模拟评估、污染物来源解析和气象条件贡献定量评估等研究性工作转向业务应用,为省市县气象部门在削峰降污、精准治霾中发挥重要作用提供技术保障。图1为河北省环境气象智能评估系统框架示意图,具体功能特征在文中详细介绍。

图1 河北省环境气象智能评估系统框架示意图Fig.1 Schematic diagram of intelligent environmental meteo⁃rological assessment system in Hebei Province

1.1减排评估子系统

基于WRF-CMAQ模式实现重点行业污染排放管控效果数值模拟技术应用,减排效果智能评估流程见图2。研发了脱离服务器级别的、可独立交互操作的“1-click”一键式重点行业污染排放管控效果智能评估子系统,实现数值模拟技术由过去依赖专业人员的科研工具转向业务应用。

1.1.1 减排方案制作

基于WebGIS人机交互技术,实现在地图上圈选任意不规则调控区域与模式网格的自动转换,克服以往手动评估只能根据经纬度范围确定规则矩形区域的弊端,克服人为只能通过经纬度矩形网格确定模拟区域带来的与实际减排区域偏差较大的不足,实现精准地基于行政区域确定减排调控模拟实验区域,降低实验区域带来的误差。通过Windows控件实现减排区域、减排行业和减排比例的任意设置,完成减排方案的预设。

1.1.2 减排方案模拟

基于屏幕定位技术,提出Web前台操控服务器级模式作业脚本的技术路线。基于SMOKE模式,采用欧拉后向迭代算法求解数值网格时间-空间积分,解决重点行业污染排放管控信息的空间网格化、时间分配以及物种分配;构建地理信息技术网络地图平台,搭载空间分析引擎,解决服务器级减排调控模拟方案智能化处理技术难题,通过排放源行业分类和消减比例的任意交互组合,将复杂的评估方案和繁琐的源清单处理技术封装在后台,建立模拟评估由过去依赖高技术人才的科研级工具转向业务应用的技术方案,降低减排效果评估的技术门槛。

1.1.3 减排效果评估

WebGIS子系统为整个系统提供了网络地图平台,它是所有环境气象评估相关数据进行显示的地理基础和背景底图,根据设置启动响应处置的自动运行脚本,智能生成重污染应急、常态化调控等不同需求的模拟评估方案,结合气象初始场的交互选择实现预评估或后评估。减排效果评估流程见图2。

图2 减排效果评估流程Fig.2 Assessment process of emission reduction effect

1.2 污染源追踪子系统

CAMx模式是美国Environ公司开发的第三代空气质量模型,其化学传输模型综合了空气动力学、气象化学、气溶胶、云化学与动力学等过程。颗粒识别技术(particulate source apportionment technolo⁃gy,PSAT)是CAMx模式的一个扩展功能,用来评估不同区域排放源对目标区域颗粒物的传输贡献。

基于CAMx-PSAT模式的颗粒物源解析技术,建立精细到区县的精准识别京津冀城市群污染物传输贡献的技术方法,实现了污染物示踪、全物理化学过程和快速评估,能够精准识别区域污染的来源,并实现京津冀城市群污染物相互输送贡献评估业务化。图3为唐山(左)、石家庄(中)、秦皇岛(右)对周边城市输送贡献分析。同时,基于WebGIS技术,实现模拟范围的自定义,使资源利用实现最大化。建立可视化的分析环境为业务人员提供一个定性和定量结合的效果评估平台,灵活载入各源解析方案并控制模式运行,可提供自定义范围内所有区县的颗粒物源解析结果的快速展示。图4为不同时刻京津冀十三地市对北京(左)、天津(右)PM2.5传输贡献分析。

图3 京津冀部分城市的PM2.5输送图例Fig.3 PM2.5transportation in some cities of Beijing,Tianjin and Hebei

图4 北京、天津PM2.5输送时序图例Fig.4 PM2.5transportation time series in Beijing and Tianjin

1.3 污染源反演子系统

随着大气污染治理工作不断推进,污染排放源清单逐年变化较大,为克服中国多尺度排放清单模型(multi-resolution emission inventory for Chi⁃na,MEIC)更新周期长的难题,基于OMI(Aura卫星搭载的监测大气中NO2、SO2、HCHO、BrO、OClO等痕量气体的传感器)高分辨卫星遥感资料和地面污染监测实况资料,结合“nudging自适应模式逼近的排放源动态同化反演技术”,实现WRF-CMAQ气象-化学模式污染源排放清单逐月更新自动化和业务化(排放源动态反演技术流程见图5),使排放清单更真实地反映实际排放情况,提升模式预报的可靠性。子系统利用bash/csh(bash shell和csh shell是Linux常见的shell)脚本、WebGIS和屏幕定位技术,将繁琐的源清单处理技术封装在后台,用户可通过在“Web前端”简单的屏幕智能点选,灵活选择反演区域、时间和分辨率,自动运行生成所需要的动态排放源,同时得到模拟检验效果,帮助用户评估排放源结果,简化操作流程,缩短运行时间。解决人为操作效率低、清单更新周期长的难题,同时提升了排放源清单的空间分辨率,气态污染物预报相关系数由0.4提升至0.8,可靠性显著提升。

图5 排放源动态反演技术流程图Fig.5 Flow chart of emission source inversion technology

1.4 气象条件评估子系统

气象条件对大气污染防治效果影响的分析评估是指特定时段内,不考虑排放源的变化,仅评估风场、气温、气压、湿度、降水、边界层特征等多种气象要素的变化对PM2.5浓度变化所造成的影响。气象条件评估子系统基于WebGIS平台,利用PM2.5气象条件评估指数EMI(evaluation on mete⁃orological condition index of PM2.5pollution)建立京津冀地区分季节、分区域气象贡献评估模型及处理技术,开展气象条件对大气污染防治效果影响评估,客观评价气象条件和人为减排对大气污染防治效果的分别贡献。

EMI是表征PM2.5浓度变化中气象条件贡献的无量纲指标,用地面至1 500 m高度气柱内PM2.5平均浓度与参考浓度的比值表示,值越大表征气象条件越不利于近地面大气中PM2.5稀释与扩散。两个对比时段气象条件评估指数EMI的变化表征了气象条件对PM2.5浓度变化的贡献。气象条件贡献包含了扩散、传输、干湿沉降,也考虑了气象因素对化学转化的贡献率。EMI来源于国家气象中心每日运行中国气象局化学天气预报系统-EMI评估模式(CUACE-EMI),空间分辨率15 km的逐小时隔断和站点数据,排放数据源采用2015年排放源清单;评估原则依据《气象条件对大气污染防治效果影响分析评估服务规范(暂行)》。

EMI适用于定量评估气象条件对PM2.5削减或增长的贡献效率。气象条件评估子系统遵循“先空间,再时间”原则,提供全省各市、县气象条件对大气污染防治效果影响评估。通过同比、环比、时间选择等功能,用户可根据实际服务需要,进行特定点位、特定城市、特定区域、特定时段(月、季、年尺度)排放变化率、气象条件变化率及污染物浓度变化率分析。评估结果以平面图、表格和柱状图不同的形式输出,提升评估效率,图6为河北省各市气象贡献评估结果柱状展示图例。

图6 河北省各市气象贡献评估产品输出Fig.6 Output of meteorological contribution evalutation products in cities of Hebei Province

1.5 管理监控子系统

管理监控子系统提供系统管理员及业务人员对整个河北省环境气象智能评估系统进行后台管理及模式作业监控的功能,主要实现对系统用户进行管理以及对系统运行情况的监控和相关日志管理,图7和图8分别为CPU和硬盘使用情况监控结果;更重要的是,实现Windows下,监控后台空气质量预报模式、评估系统数据管理、评估系统各业务分析处理等主要模块运行情况,并生成模式运行过程及评估系统各模块运行过程的日志,通过用户功能管理终端和不同级别用户权限,使平台使用更加规范化。

图7 CPU使用情况监控Fig.7 CPU usage monitoring

图8 硬盘使用情况监控Fig.8 Hard disk usage monitoring

2 应用案例

2.1 减排效果模拟评估

利用减排效果评估子系统,对2015年12月6—14日京津冀地区出现的严重雾霾天气进行减排效果模拟评估。此次重污染过程中,7—12日河北省中南部大部分地区空气质量维持重度到严重污染,各城市过程峰值日出现在8—9日,12月9日07时邯郸PM2.5浓度达594 μg/m3,为过程极值。

针对此次重污染过程开展减排效果模拟评估[19],采取两套评估方案。方案一:根据重污染应急实际减排对策开展效果评估。针对8—10日期间石家庄、唐山、廊坊、保定、衡水、邢台、邯郸地区,污染物排放总量削减30%,模拟评估减控前后PM2.5浓度削减效果。方案二:采取不同减排启动时间,模拟评估可能带来的重污染削峰效果。模拟减排启动时间分别为6日和8日,结束时间均为10日,对比两种方案的模拟削峰效果。

方案一,模拟评估结果。对实际减排模拟评估,结果显示,采取减排措施对重污染过程具有降低污染效果,削峰效果更明显。减排前,减控区域8、9日PM2.5日均浓度分别为192 μg/m3、206 μg/m3,9日为污染峰值日,PM2.5峰值浓度为336 μg/m3,出现在石家庄。减控后,减控区域8、9日PM2.5日均浓度分别下降16 μg/m3、28 μg/m3,削减率分别为8%和14%;9日石家庄PM2.5峰值浓度下降62.3 μg/m3,峰值削减率为19%,污染峰值日削减率最大。

方案二,不同减排启动时间模拟评估。表1结果显示,提前3天减排比重污染日开始减排削峰效果更显著。以石家庄为例,6日启动减排,4天平均PM2.5浓度下降50 μg/m3,污染峰值日削减最大,为66 μg/m3,削减率达22%,污染等级从严重污染降为重度污染。8日启动减排,2天平均PM2.5浓度下降44 μg/m3,污染峰值日削减 55 μg/m3,下降率为19%。以峰值日PM2.5削减效果看,提前3天开始采取减排措施比重污日开始减排,削峰效果提高20%。两种方案比较,6日比8日启动减排削峰效率更高,对年均空气质量指数(air quality index,AQI)控制效果更明显(表1)。通过12月4—14日空气质量模式预报结果检验,预报与实况相关系数为0.93,本次减排效果模拟评估结论可靠性较高。

表1 石家庄市区启动减排前后PM2.5日均浓度变化Table 1 Change of PM2.5daily average concentration before and after emission reduction in Shijiazhuang

2.2 污染物输送影响评估

利用污染追踪子系统,定量评估2020年上半年邢台市PM2.5来源及本地贡献。结果显示邢台市PM2.5以本地排放为主,春季本地排放高于冬季。

上半年平均本地贡献达61.6%,主要外来输送地为邯郸和石家庄,平均输送贡献分别为16.5%和8.5%,其他城市输送总和不足10%,见表2。

表2 2020年上半年邢台市PM2.5输送贡献Table 2 Contribution of PM2.5transportation in Xingtai in the first half of 2020(单位:%)

PM2.5输送贡献与气象环流场变化密切相关。1月,在有利的气象扩散条件下,邢台PM2.5本地排放贡献占一半左右,仅为50.6%;4月,受不利的气象条件影响,本地排放贡献占比激增至69.4%,本地贡献比1月高出近37.2%。

周边城市对邢台PM2.5传输贡献存在明显的季节特征。1—2月,邯郸对邢台的传输贡献(平均12.7%)小于石家庄(平均13.8%),3—6月,邯郸对邢台的传输贡献(平均18.4%)远高于石家庄(平均5.9%)。邢台冬季盛行西北风,4—6月,盛行南-东南风,这是影响传输贡献的重要原因。

2.3 气象条件定量评估

利用气象条件评估子系统,开展2020年上半年邢台区县气象条件对空气质量改善的贡献评估,结果显示整体气象条件不利于PM2.5改善(图9)。

图9 2020年上半年邢台区县气象条件对PM2.5浓度变化贡献空间分布Fig.9 Spatial distribution of meteorological conditions contrib⁃uting to PM2.5concentration change in districts and counties of Xingtai in the first half of 2020

2020年上半年邢台区县气象条件对PM2.5改善略不利,与去年同期相比,气象条件对PM2.5浓度上升贡献为2%。其中,巨鹿、临城、内丘和邢台县上半年气象条件同比略有利,除巨鹿外,其他三县在人为减排和气象贡献的共同作用下,PM2.5浓度同比下降均在20%以上;而气象条件同比持平或略不利的区县中,只有邢台市辖区PM2.5浓度同比下降高于20%,其他均在18%及以下,可能与邢台市辖区人为治理力度高于周边县有关。整体来看,上半年西部气象条件优于东部,西部PM2.5的改善程度也明显好于东部,见表3。

表3 2020年上半年邢台区县PM2.5浓度同比变化分析Table 3 Analysis on the year-on-year change of PM2.5concen⁃tration in districts and counties of Xingtai in the first half of 2020(单位:%)

上半年邢台气象条件对PM2.5增减贡献在24%以内,同一地点气象变化对PM2.5增减贡献最大可达42%。与去年同期对比,1、3和5月气象条件均不利于PM2.5改善,其中,1月气象条件最不利,除西部三个县,其他区县气象条件同比对PM2.5浓度上升贡献接近20%;3月和5月全市平均气象条件对PM2.5浓度上升贡献接近10%。2月全市平均气象条件同比持平;4月和6月,全市气象条件同比均比较有利,对PM2.5浓度下降贡献率达14%。上半年中,气象条件最不利的为新河,1月气象条件对PM2.5浓度上升贡献为24%,气象条件最有利的为邢台县,4月邢台县气象条件对PM2.5浓度下降贡献为22%,气象影响变化最大的为新河,对PM2.5浓度增减贡献幅度最大可达42%,见表4。

表4 2020年上半年邢台区县气象条件对PM2.5浓度变化贡献分析Table 4 Contribution of meteorological conditions to PM2.5concentration change in districts and counties of Xingtai in the first half of 2020

气象贡献与PM2.5变化呈正相关。1月受不利的气象条件影响,平均PM2.5浓度同比不降反升;2—4月,受疫情停工停产和气象贡献共同影响,2月在气象条件同比持平的情况下,PM2.5浓度同比下降幅度最大(40%);同样受疫情影响,3月在不利的气象条件下,PM2.5浓度仍维持下降,但幅度大大减小,仅下降14%;4月,在有利的气象条件下,PM2.5浓度同比下降幅度增加到33%。尽管4月和6月气象贡献相当,但5月、6月PM2.5浓度下降率分别低于3月、4月,可能与5月、6月大部分企业恢复生产,排放增加有关,见表3和表4。

3 结语

随着大气污染治理工作的不断深入,大气污染防控效果评估工作也显得越来越重要。为推进防控对策减排效果工作常态化,有效支撑大气污染防治气象保障能力,河北省率先研发了脱离服务器级别的、可独立交互操作的“1-click”一键式重点行业污染排放管控效果智能评估软件系统。降低了数值模拟评估的技术门槛,实现数值模拟技术由过去依赖专业人员的科研工具转向业务应用。

基于CAMx-PSAT颗粒物源解析技术,建立精准识别京津冀城市群污染物传输贡献的技术方法,该技术已在重点企业搬迁、重大活动环境气象保障等服务中心广泛应用。定量评估气象条件对PM2.5浓度变化影响服务对客观、科学评价大气污染治理效率提供重要依据,该系统已在河南、青海省气象台成果转化,取得了一定的社会效益。

猜你喜欢

气象条件贡献空气质量
山东省2021—2022年度气象条件对小麦产量的影响
山西太长高速公路交通事故与气象条件关系分析
中国共产党百年伟大贡献
成都平原经济区空气污染扩散气象条件变化特征分析
2020:为打赢脱贫攻坚战贡献人大力量
基于气象条件的船舶引航风险等级
海洋贡献2500亿
车内空气质量标准进展
重视车内空气质量工作 制造更环保、更清洁、更健康的汽车
多功能空气质量远程检测仪