城市下垫面影响空气污染的机制分析

羊腾跃 刘红年 王学远 胡非

(1 南京大学 大气科学学院,南京 210023;2 中国科学院大气物理研究所,北京 100029)

引 言

21世纪以来,随着中国经济的高速增长,我国城市空气污染也日益严重,以灰霾问题为首的城市空气质量问题一直是研究热点[1-2]。近年来,我国积极实施空气污染治理举措[3],城市空气质量总体虽呈现好转趋势,但城市空气污染状况仍不容乐观。例如2012—2018年我国PM2.5的污染基本呈逐年减轻的趋势,但同时O3的污染却日益严重[4-5]。以长三角地区主要城市为例,由O3引起的城市空气质量超标占总超标天数的比例从2015年的37.2%上升到了2018年的44.3%[4]。

城市空气污染最重要成因是污染物的排放和不利的气象条件,对此已有相当多的研究[6],例如,ZHANG, et al[7]研究发现,居民燃煤贡献了京津冀三角冬季月平均PM2.5浓度的46%。任阵海等[8]发现,持续的晴天和大范围高压均压场条件下容易使重污染区边界层逆温厚度增大,从而形成局地严重污染的天气条件。LIU, et al[9]研究指出,在污染物排放变化不大的条件下,不利的气象条件是严重污染事件形成的关键因素。

除排放因素和气象条件以外,城市下垫面也可以通过影响城市气象[10],从而改变污染扩散。如Batterman, et al[11]通过北京市12个监测点近2 a的PM2.5浓度观测数据,发现局地人类活动和土地利用的差异,可以解释PM2.5浓度71%的空间变化。WANG, et al[12]利用大气动力学和化学模型研究了珠江三角洲地区城市土地利用变化对O3浓度的影响,发现O3浓度增加的主要区域与温度升高、风速降低的区域相一致,并且O3浓度增长最快的时间发生在温度增加与风速降低最快时间发生后的几个小时。LIU, et al[13]研究发现,在杭州高度城市化地区,PM2.5浓度增加30 μg·m-3,平均能见度降低0.2 km,最大下降1 km;日平均霾小时数增加0.46 h,霾高度增加100～300 m,污染物“自净时间”增加1.5倍。

目前关于城市气象对空气污染影响的研究主要集中在城市的总体效应,如有无城市、城市化发展等方面[14-16]。城市对局地气象条件的影响相对比较复杂,其物理过程主要可以分为动力效应、热力效应、城市植被作用等。其中,城市的动力效应主要指城市建筑对气流的阻尼作用,使风速减小;而城市的热力效应则是城市下垫面热力学性质的改变和人为热的排放造成的以城市热岛为特征的局地环流[17]。城市植被由于增加了污染物干沉降速度,从而降低城市污染物浓度[18]。

目前,关于这些物理过程对污染物影响的研究还比较缺乏。鉴于此,本文使用RBLM-chem模式,利用杭州市高分辨率城市建筑等资料,通过敏感性试验的方法,定量分析城市动力效应、热力效应以及城市植被、人为热对SO2、NO2、O3和PM2.5等主要污染物浓度所造成的影响;同时研究城市下垫面对城市植被干沉降速度的影响,探究各种因素对城市空气质量带来的影响。

1 模式介绍与方案设计

1.1 模式介绍

数值模式使用RBLM-Chem(Regional Boundary Layer Model)模式。该模式主要由两部分构成,以区域边界层气象模式RBLM为基础,耦合了大气化学输送扩散模式ACTDM(Atmospheric Chemical Transport and Dispersion Model)。RBLM是以 ARPS(Advanced Regional PredictionSystem)模式为基础发展而来的一个三维的、非静力的、高分辨率区域气象数值预报模式。该模式在 ARPS 模式动力框架基础上详细考虑了城市下垫面特征及人为因素等对边界层结构的影响。徐敏等[19]在动量、湍能方程中加入了城市建筑物拖曳项,使之能够更准确地模拟城市建筑所表现出的气象特征。何晓凤等[20-21]在冠层模型理论框架基础上,发展并建立了城市冠层模式(NJU-UCM-S),并将其与模式耦合,完善了RBLM模式对城市区域陆面过程的参数化方案。YANG, et al[22]发展建立了新的城市树木冠层模型和植被干沉降模块。ACTDM是一个包含多物种源排放、输送扩散、化学转化、干湿沉降过程的大气污染物浓度预报模式[23]，且将ACTDM与RBLM进行耦合,并建立了植被干沉降模块,将RBLM发展为新的区域边界层化学模式(RBLM-Chem),使之适用于城市及区域尺度的气象与大气环境高分辨率数值模拟研究[18]。

1.2 方案设计

模式模拟区域是以(30.16°N、120.075°E)为中心的145 km×95 km范围,涵盖了杭州市主要区域。如图1所示,水平网格距为1 km,垂直方向采用拉伸网格,最低层格距为10 m,垂直方向共33层, 模式顶高4 500 m。

图1给出了模拟域地表类型(a)、城市植被覆盖率(b)、建筑高度(c)和建筑密度(d)。根据杭州市城市规划部门10 m分辨率的建筑资料,平均得到的建筑高度和建筑密度分布(图1c、d)。可见,高大密集的建筑主要集中在杭州市主城区与萧山区。

图1 模拟域地表类型(a)、城市植被覆盖率(b)、建筑高度(c)和建筑密度(d)(a中色标5、7、10、11、14分别表示城市、常绿林、农田、灌木、水体；其中蓝色区域代表杭州市市区,红色区域代表水体,贯穿模拟域的径流为钱塘江;b是地表类型为城市时的城市植被覆盖率)Fig.1 (a)Surface type, (b)urban vegetation coverage, (c)building height and (d)building density in simulation area(color codes 5, 7, 10, 11 and 14 in a refer to city, often greenwood, farmland, shrub and water)

模式所用的1 km分辨率排放源资料包括SO2、NOx、PM10、PM2.5、HC、CO等,来自于杭州市环保局,包括工业点源、生活面源和交通排放源3种人为排放[13]。此外模式参考赵斌等[24]增加了杭州市PM10与PM2.5的交通扬尘排放;模式中还考虑了植被的VOC排放,在模式中根据地表类型和气象场实时计算[18]。

杭州市气象局采用Lamb-Jenkinson大气环流客观分型方法,将杭州地区2010—2015年大气环流分为27种类型[25]。本文选择了晴天且出现频率较高的E、SE、S、UD、A、AE、ANE等天气类型个例,对冬、夏季节典型天气具有一定的代表性。个例共10例,分别为2013年8月3日、8月15日、8月21日、8月23日、8月26日、12月1日、12月16日、12月18日、12月23日、12月27日。其中夏季5 d,冬季5 d。在这10个个例中,模拟都从08时(北京时，下同)开始,模拟时间25 h,时间步长4 s。

本文设计了Basecase、No_urban、No_build、No_heat、No_tree共5组数值试验(表1)。其中,Basecase为基本试验,其余4组为对照试验。在四组对照试验中,No_urban组在Basecase基础上去除了城市影响,即将城市地表类型改为农田,去除城市建筑和人为热;No_build组在Basecase基础上去除城市建筑,但保留城市地表类型;No_heat组和No_tree组分别在Basecase基础上去除了人为热和城市植被。通过比较Basecase与No_urban、No_build 、No_tree、No_heat组的结果,即可分别得到城市效应、城市动力效应、城市植被、人为热的影响。另外,在No_build组与No_urban组的设计中,两组区别为有无人为热和城市冠层,因此比较两组试验的结果即可得到城市热力效应的影响。

表1 数值试验方案设置Table 1 Set-up of the simulations

2 模拟结果与分析

2.1 模拟性能检验

为了验证模式模拟结果的可靠性,表2给出了模拟区域7个气象站和10个环境监测站观测结果和模拟结果的统计对比。结果表明，对气温和相对湿度的平均误差分别为0.3 ℃和3.9%,气象场模拟总体上与观测结果吻合地较好。污染物浓度方面,模式对SO2、NO2、O3、PM10和PM2.5的平均误差分别为-6.0、1.1、-0.9、6.6和2.9 μg·m-3。在模拟区域,NO2、O3、PM10和PM2.5浓度模拟的相对误差都很小,与观测结果比较吻合。总体上看,模式对于研究区域气象场与污染物浓度的模拟比较可信。

表2 观测和模拟结果统计对比Table 2 Statistics of observations and simulations

2.2 结果分析

图2给出了在所有个例的全天平均下,杭州地区城市化对地面气象场的影响。可以看到,城市化过程使得城区温度上升1 ℃左右,在中心城区,如拱墅区、下城区,上升达到了2 ℃。在两个试验组郊区温度基本不变的情况下,表现出了典型的城市“热岛”特征。城市化过程也使得城区相对湿度下降6%左右,中心城区下降幅度接近10%,表现出了典型的城市“干岛”特征。同时,比湿下降幅度较小,城市下垫面改变使得地表蒸发减小的作用不是很明显,这可能和杭州绿化率较高以及西湖、钱塘江水域面积较大有关。而城市相对湿度的下降主要是由城市热岛效应造成城市气温、饱和水汽压上升引起的。此外,城市化过程中增加了城市建筑动力效应,对风的拖曳阻尼作用增强随着加强,使得城区风速下降,可达0.8 m·s-1左右。城区风速虽然下降,湍流动能却有着显著增加,在大部分区域上升约0.03 m2·s-2。这是因为城市热力上升作用比较明显,加之下垫面较为粗糙,造成湍流运动比较显著。城市风速衰减主要是由动力学效应造成的,城市热岛效应主要由城市冠层和人为热效应造成的,其他几组试验造成的城市气象场的变化本文不再给出。

图2 城市化引起的2 m气温(a，单位:K)、相对湿度(b，单位:%)、风速(c，单位:m·s-1)以及湍流动能(d，单位:m2·s-2)变化(Basecase-No_urban)Fig.2 Impact of the urbanization on 2 m air temperature(a,unit: K), relative humidity(b,unit: %),wind speed(c,unit: m·s-1)and TKE(d,unit: m2·s-2)(Basecase-No_urban)

相对于Basecase、No_build组仅去除了城市建筑,两组试验结果之差体现了城市动力效应的影响。图3给出了城市动力效应对SO2、NO2、O3和PM2.5地面浓度的影响。可见,城市动力效应对不同污染物的影响各不相同,且存在空间差异。总体而言,其效应使得城区大部分区域污染物浓度升高,如SO2有接近5 μg·m-3的浓度上升,PM2.5、O3浓度也有近15 μg·m-3的上升。城市的动力效应存在空间差异,主要和建筑高度、建筑密度的空间差异有关,建筑高度和密度较大的主城区污染物浓度增加显著。城市化过程中,城市高大建筑群和交错复杂的道路取代了农田、绿地,使得城区下垫面粗糙度增大,直接导致了城市风速衰减,不利于污染物的扩散作用,从而使得污染物浓度升高。

图3 城市动力效应对(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面浓度的影响(单位:μg·m-3; Basecase-No_build)Fig.3 Impact of the urban dynamics effect on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_build)

城市热力效应包括城市地表类型改变产生的城市冠层热力效应和人为热排放效应。在No_build组与No_urban组的设计中,两组区别为有无人为热和城市冠层,因此两组试验结果相减即可得到城市热力效应的影响。

图4给出了城市热力效应对SO2、NO2、O3和PM2.5地面浓度的影响。可见,NO2、O3和PM2.5城区浓度都有明显下降,其中以PM2.5浓度的下降最为显著,在城市大部分区域降低约5 μg·m-3,部分区域下降幅度甚至达到20 μg·m-3。而NO2、O3浓度下降的区域相对而言分布较为集中,没有像PM2.5那样覆盖大半个城区,但在相应区域,浓度下降幅度较大,NO2浓度的下降幅度接近20 μg·m-3,O3浓度的下降幅度接近5 μg·m-3。城市下垫面热力学性质的改变和人为热的排放使得城市地区形成了以热岛效应为特征的局地环流,而这种局地环流促进了污染物从城市地面向高空输送,使得城市地区污染物浓度降低[17]。

图4 城市热力效应对(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面浓度的影响(单位:μg·m-3; No_build-No_urban)Fig.4 Impact of the urban thermodynamic effect on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; No_build-No_urban)

上文分别分析城市动力效应与热力效应对污染物浓度的影响,实际上,城市动力效应是与热力效应共同作用、相互影响的。例如以热力驱动的城市热岛局地环流会受到城市建筑物的动力作用,从而改变风场与湍流分布,继而又会影响热量的输送。下文通过比较有无城市的Basecase与No_urban组结果,研究城市动力学和热力学的综合效应(图5)。可见,在城市综合效应影响下,大部分城市区域的污染物浓度还是呈现升高的结果。通过之前图3与图4的分析可知,在本次试验中,城市动力效应使得污染物浓度升高,城市热力效应使得污染物浓度降低,而城市动力效应大于热力效应,城市的总体作用是使污染物浓度升高。因此,图5中污染物浓度的分布总体上与图3比较相近,最终,污染物浓度也呈升高趋势。

图5 城市综合效应对(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面浓度的影响(单位:μg·m-3; Basecase-No_urban)Fig.5 Impact of the urbanization on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_urban)

由于城市区域人口、生产、生活集中,产生了大量人为热,人为热效应城市热力效应有重要贡献,也对城市区域污染物浓度分布也有重要影响。图6给出了人为热对SO2、NO2、O3和PM2.5地面浓度的影响。人为热对城市地区各项污染物浓度都起着减小的作用,其中SO2、NO2、O3、PM2.5浓度降幅分别在2.5、 3.0 、6.0、10.0 μg·m-3左右,下降比较明显的区域主要集中在原本污染物浓度排放较为密集的区域。人为热可以在一定程度上增加下垫面的温度,从而更有利于城市地区气流的热力上升运动,裹挟着污染物离开地表,进入高层后扩散输送。对比图4发现,人为热效应作为城市热力效应的一部分,对污染物浓度的上升作用小于城市热力效应。

图6 人为热对(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面浓度的影响(单位:μg·m-3; Basecase-No_heat)Fig.6 Impact of the anthropogenic heat on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_heat)

城市植被主要通过吸收、吸附污染物缓解城市地区污染。许多城市都把增加城市植被覆盖率作为改善城市空气质量的办法。通过比较Basecase与No_tree组结果(图7),定量研究了城市植被对污染物的影响。由图7可见,城市植被可以显著降低城市地区污染物浓度。其中,主城区SO2浓度的降幅在2.5 μg·m-3左右,NO2浓度的下降不太明显,部分地区浓度上升。O3、PM2.5浓度的降幅分别为4.0、6.0 μg·m-3左右。在本次试验中,植被对SO2、O3和PM2.5浓度的下降作用比较显著,而对NO2的作用则比较复杂。在RBLM-chem模式中,考虑了植被VOC排放,植被的作用既增加了污染物的干沉降速度,又增加了光化学反应的重要前体物。

图7 城市植被对(a)SO2、(b)NO2、(c)O3和(d)PM2.5地面浓度的影响(单位:μg·m-3; Basecase-No_tree)Fig.7 Impact of the urban vegetation on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 surface concentration(unit: μg·m-3; Basecase-No_tree)

植被增加污染物的干沉降速度是其影响污染物浓度的重要机制。下文将比较城市/农田下垫面,有/无城市植被,对污染物干沉降速度的影响。

图8为Basecase与No_urban组SO2、NO2、O3和PM2.5干沉降速度之差。可以看到,城市效应使得城区污染物干沉降速度明显降低。SO2、NO2的干沉降速度都有接近0.2 m·s-1的下降,而O3的下降幅度较低,约为0.08 m·s-1。城市对污染物干沉降速度的影响主要包括两方面,一是城市地表类型代替了农田地表类型,相比城市,农田地表类型具有更为丰富的植被,对污染物的吸附阻力较大,因此城市地表类型的变化使干沉降速度减小;另一方面,城市气象条件的变化使城市湍流能量加大,可能增加污染物的干沉降。在本文模拟中,城市化使污染物干沉降速度下降,可见主要是前者起了主要作用。

图8 城市效应对(a)SO2、(b)NO2、(c)O3和(d)PM2.5干沉降速度的影响(单位:m·s-1; Basecase-No_urban)Fig.8 Impact of the urbanization on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 dry deposition velocity (unit: m·s-1; Basecase-No_urban)

图9为城市植被对SO2、NO2、O3和PM2.5干沉降速度的影响(Basecase-No_tree组,其余同上)。发现向城市区域引入城市植被后,在城市植被覆盖的区域,污染物干沉降速度显著上升。其中SO2、NO2的干沉降速度增幅较大,接近0.1 m·s-1;PM2.5的干沉降速度增幅较小,约为0.06 m·s-1,O3的干沉降速度增幅最小,约0.03 m·s-1。

图9 城市植被对(a)SO2、(b)NO2、(c)O3和(d)PM2.5干沉降速度的影响(单位:m·s-1; Basecase-No_tree)Fig.9 Impact of the urban vegetation on (a)SO2, (b)NO2, (c)O3 and (d)PM2.5 dry deposition velocity (unit: m·s-1; Basecase-No_urban)

3 结论

利用杭州市高分辨率城市建筑等资料,使用RBLM-chem模式,分析2013年冬季和夏季的10个个例,通过敏感性试验的方法,定量分析城市动力效应、热力效应以及城市植被、人为热对SO2、NO2、O3、PM2.5等主要污染物浓度所造成的影响。主要结论如下:

(1)城市化过程使得城区温度上升1 ℃左右,在中心城区,如拱墅区、下城区,上升达到了2 ℃,表现出了典型的城市“热岛”特征。城市化过程也使得城区的相对湿度显著下降,降幅在大部分城区为6%左右,中心城区接近10%,表现出了典型的城市“干岛”特征。此外,城市化过程增加了城市建筑动力效应,对风的拖曳阻尼作用增强,使得城区风速下降,降幅可达0.8 m·s-1左右。而城区湍流动能有着显著增强,上升约0.03 m2·s-2。

(2)城市动力效应总体上使得城区污染物浓度升高,如SO2浓度有接近5 μg·m-3上升,PM2.5、O3浓度也有近15 μg·m-3的上升。城市热力效应总体上使得城区污染物浓度降低,其中以PM2.5浓度的下降最为显著,在城市大部分区域降低约10 μg·m-3,下降最多的区域甚至达到了20 μg·m-3。NO2、O3浓度下降的区域分布较为集中,但浓度下降显著,下降幅度分别为20、5 μg·m-3。城市动力效应大于热力效应,城市的总体作用是使污染物浓度升高。

(3)人为热对城市地区各项污染物浓度都起着减小的作用,其中SO2、NO2、O3、PM2.5浓度降幅分别为2.5、 3.0 、6.0、10.0 μg·m-3左右,下降比较明显的区域主要集中在原本污染物浓度排放较为密集的区域。

(4)城市效应使得污染物干沉降速度明显降低,SO2、NO2的干沉降速度都有接近0.2 m·s-1的下降,O3的下降幅度较低,约为0.08 m·s-1。城市植被可以显著增加污染物干沉降速度,令SO2、NO2、O3和PM2.5的干沉降速度分别上升0.1、0.1、0.03、0.06 m·s-1左右。干沉降速度的上升使得城区污染物浓度降低,SO2、NO2、O3和PM2.5浓度下降的幅度约为2.5、6.0、4.0、6.0 μg·m-3。

本文数值试验主要通过污染物地面浓度的变化来分析城市下垫面对空气污染的影响。今后可考虑拓宽角度,如分析污染物浓度的垂直剖面,有望对城市热力效应引起的热岛环流有更直观的认识;也可以考虑对污染物浓度的日变化进行分析,探究在污染比较严重的时段,是城市下垫面的哪些因子起了主要作用。此外,尽管本文使用了较为精细的高分辨率排放源清单,但由于排放源清单制作的滞后性,势必与实际排放情况有一定偏差。未来考虑使用更新的排放源清单,期望可以提高模拟的真实性、准确性。