长三角区域和城市氨气变化特征及对细颗粒物形成的影响*

林燕芬

(上海市环境监测中心，上海 200235)

氨气(NH3)作为大气中已知唯一的碱性气体，在大气化学过程中起着举足轻重的作用。NH3一方面促进大气中的二氧化硫(SO2)和氮氧化物(NOx)等酸性物质的清除，在一定程度上缓解了酸雨危害；另一方面，NH3与SO2、NOx等酸性气体反应，形成各种铵盐，是大气细颗粒物(PM2.5)的重要组成部分，对空气质量有重要影响[1-2]，且由于铵盐具有高吸湿性，对能见度降低也有显著影响[3]。已有研究表明，NH3在粒子成核阶段和随后的粒子生长过程中显著促进新粒子的形成，NH3能促进SO2的氧化和向硫酸盐的转化，NH3排放的增长会抵消部分SO2和NOx减排所带来的PM2.5浓度的降低[4]，从而限制空气质量的持续有效改善。总之，NH3的增加对环境、公众健康、生态系统及气候变化等均有不可忽视的作用[5-6]。欧美国家的经验显示，在SO2和NOx已经控制到一定程度的时候，控制NH3将是降低PM2.5浓度最经济有效的途径[7]。美国、欧盟等国家和地区已认识到NH3排放对于大气颗粒物形成的重要性，并出台了相关减排指标，其中欧盟2012年修订的《哥德堡议定书》制定了2020年NH3排放量较2005年减少6%的目标。

中国是全世界NH3排放量最大的国家之一，2008年NH3排放总量占全亚洲的45%[8]，并呈现增长趋势。据董文煊等[9]估算，1994—2006年，中国NH3排放的年平均增长率为3.1%。近年来，中国颗粒物污染改善明显，但随着一次来源颗粒物的削减，颗粒物二次组分占比上升，因此NH3、NOx和挥发性有机物(VOCs)等形成二次气溶胶的重要前体物的减排将是中国空气质量持续改善的关键[10]。目前，中国对气态污染物的控制主要集中在SO2和NOx等酸性气体，“十三五”期间，VOCs治理也取得了一定成效，排放总量出现了下降趋势[11]，而对于NH3的控制措施则相对缺失[12]。中国目前对NH3的研究多集中于各个城市和地区排放特征研究，涵盖的排放源种类一般分为自然源、农业源、工业源、交通源和生活源等，并对比了不同城市的NH3排放强度等差别[13-17]，而对于城市和区域环境中NH3浓度的长期变化特征及其对PM2.5的影响研究则相对较少。本研究针对长三角区域和上海两个不同类型站点的NH3浓度变化特征及其对PM2.5的影响开展研究，有助于认识区域和城市中NH3的来源及其对环境中PM2.5的影响；在此基础上利用数值模拟开展氨减排情景的模拟分析，初步定量评估上海不同来源的NH3对PM2.5浓度的贡献，为进一步深挖PM2.5减排空间，制定经济、有效的PM2.5减排措施提供科学依据。

1 研究区域和数据来源

1.1 监测点概况

本研究所采用的大气NH3、PM2.5浓度及其组分的数据来自于国家环境保护长三角大气复合污染上海淀山湖科学观测研究站(简称区域站)和上海市浦东大气超级站(简称城市站)。区域站位于东经120.978°、北纬31.093 5°，地处江苏、浙江和上海三省市的交界，距离上海市区约46 km，该区域是长三角城市快速发展扩容“城间带”，周边没有典型工业污染源，可代表长三角范围内的区域污染特点；城市站位于东经121.533°、北纬31.228°，地处上海中心城区核心位置，站点周围主要为居民区、商业区与交通干道等，周边没有明显的工业排放源，人口密集、交通流量大，属于典型城市居民点，对研究城市地区大气复合污染成因与机理有重要价值。

1.2 数据来源

2 结果与分析

图1 区域站和城市站和PM2.5的年际变化Fig.1 Inter-annual variation of and PM2.5 at regional and urban sites

2.2 NH3对PM2.5中SNA浓度的影响

图2 区域站和城市站NH3和质量浓度的月变化Fig.2 Monthly variation of NH3 and mass concentrations at regional and urban sites

图3 区域站和城市站NH3与SNA的相关分析Fig.3 Correlation analysis between NH3 and SNA at regional and urban sites

图4 区域站和城市站的SNA与ACR、NH3的相关分析Fig.4 Correlation analysis between SNA and ACR，NH3 at regional and urban sites

表1 ACR与SO2、NO2、温湿度的相关系数1)Table 1 Correlation coefficients between ACR and SO2，NO2，temperature，humidity

2.3 氨对氮氧化率(NOR)和硫氧化率(SOR)的影响

图5 区域站和城市站总氨质量浓度与SOR、NOR的相关分析Fig.5 Correlation analysis between total ammonia mass concentration and SOR，NOR at regional and urban sites

2.4 氨减排模式的模拟研究

为研究NH3排放对上海环境空气中PM2.5的影响，选取2018年6月10—14日的PM2.5轻度污染过程作为典型案例，基于WRF-CMAQ模式系统模拟上海PM2.5小时浓度变化情况，同时设置3个模拟情景(见表2)，并计算它们对上海PM2.5浓度的贡献率(即模拟情景下PM2.5小时浓度较基准情景的变化率)，结果见图6。

PM2.5浓度基准情景模拟值变化与实测值较一致，较准确地模拟了研究时段中PM2.5的污染水平和变化趋势。3个模拟情景均促使PM2.5浓度出现不同程度的下降。针对此次污染案例，综合3个模拟情景去除所有人为源氨排放，最高能使PM2.5小时质量浓度约下降14.4 μg/m3，贡献率为25.0%；能使研究时段内PM2.5平均值下降4.8 μg/m3，贡献率约13.9%。

如将研究时段分成污染时段和非污染时段，根据3个模拟情景结果分别进行不同类别氨排放贡献分析。结果发现：在污染时段，居民生活氨排放的贡献率(7.4%)最大，其次是农业氨排放(贡献率为5.3%)，交通、工业氨排放贡献率为3.7%；在非污染时段，农业和居民生活氨排放(均为4.9%)贡献率相当，交通、工业氨排放贡献率为3.2%。

3 结论与讨论

(2) 两个站点污染日SNA与ACR均呈线性正相关，且同样的ACR下，NH3浓度越高，SNA也相应越高，表明SNA主要受ACR影响，NH3也有一定的贡献。

(3) 两个站点总氨浓度与SOR、NOR均为正相关关系，表明总氨浓度的增加均有利于NO2和SO2向PM2.5转化。

表2 上海基准和模拟情景的NH3排放量Table 2 NH3 emissions of baseline and simulation scenarios in Shanghai 万t/a

图6 PM2.5小时质量浓度实测值、基准情景模拟值和3个模拟情景的贡献率Fig.6 The PM2.5 hourly measurement concentrations and simulated concentrations of baseline scenario and the contributions of three simulation scenarios to PM2.5

(4) 基于WRF-CMAQ模式系统模拟，去除所有人为源氨排放能使研究时段内PM2.5平均值下降4.8 μg/m3，贡献率约13.9%。随着酸性污染气体减排空间的减少，评估典型及重点行业的氨排放削减潜力，落实氨的减排控制对于经济有效地促进PM2.5的进一步减排有重要意义。