近年来，我国中东部地区空气重污染现象频发，并呈现复合性、 区域性、 周期性特征^[1]，引起了政府和公众的广泛关注^[2].有研究表明^[3,4]，PM_2.5是造成空气重污染的主因，且在研究PM_2.5浓度水平、 组分特征、 时空分布规律的基础上，明确各行政主体、 各省市跨界输送率及相应的治理责任，是区域联防联控解决大气污染的有效途径.

随着计算机及综合空气质量模式迅猛发展，PM_2.5跨界输送定量计算成为可能.Streets等^[5]用CMAQ模型模拟2008年奥运期间在稳定南风作用下河北省对北京PM_2.5浓度的贡献可达50%~70%； Wang等^[6]用CAMx模型计算了重污染过程中外来源对上海市PM_2.5浓度的贡献，结果接近50%； Wu等^[7]利用CAMx模型计算了珠江三角洲广州市春季PM_2.5来源发现有31.7%来自区域输送； 赵秀娟^[8]等应用CMAQ模型解析了石家庄市霾污染来源，结果显示石家庄市PM_2.5的来源为河北南部65.3%、 山西13.8%、 河北北部7.3%、 山东1.6%、 河南1.1%、 京津0.9%； 王自发等^[9]用NAQPMS模型模拟研究了2013年1月我国中东部强霾污染过程，结果表明静稳天气下区域外PM_2.5跨界输送对京津冀地区贡献为20%~35%； 安俊岭等^[10]利用CAMx模型模拟计算了河北省对北京市PM_2.5跨界输送通量，结果为816~2152 t ·d^-1； 薛文博等^[11]用CAMx模型模拟计算的京津冀、 长三角、 珠三角城市群PM_2.5年均浓度受外省市的贡献分别达到22%、 37%、 18%，山东省PM_2.5外来源输送贡献率达41%. 这些研究多基于单个案例、 大区域的定量计算，对长时间、 多省市、 不同高度污染物跨界输送研究较少.

春季华北地区冷锋多发^[12]，受锋后较大偏北风影响污染物长距离输送现象显著； 山东省位于下风向东部沿海，是重要的能源基地，且近年来大气污染形势较为严峻. 本研究利用空气质量数值模型CAMx重点模拟分析了2014年春季(3~5月)山东省PM_2.5的空间分布、 输送沉降规律，以期为大气污染控制、 决策及防治提供科学依据.

综合空气质量模式CAMx^[13]中心网格点坐标为35°N、 110°E，采用单向嵌套技术，水平分辨率为36 km，总网格数为200×160个，模拟区域覆盖整个东亚地区(包括了中国大陆、 日本、 韩国、 朝鲜等国)； 使用兰博托地图投影，标准纬线为24°N和46°N.在垂直方向上设置为20层粗网格，其中8层分布于1 km 以下，其中近地面层高度约35 m，以便更好地分析大气边界层结构. 模式第一次运行时模拟预测5 d的初始场，模式的后续初始场采用前一时次的预测输出结果，以保证污染源排放的累积效果及消除初始条件的影响.

CAMx模式水平平流方案采用PPM数值计算方法，垂直对流计算采用隐式欧拉方案，运用K理论计算水平扩散，气相化学机制为SAPRC99机制，采用EBI计算方法.CAMx模式在模拟PM_2.5时物理、 化学机制较为复杂，主要涉及粒子干沉降清除、 气溶胶-云滴相互作用和降水清除、 硫酸/水汽系统中的二元匀质核化过程、 气相前体物产生的有机气溶胶组分、 粒子凝结和凝固增长等过程^[8]，粒子被分为两部分细粒子和粗粒子，基于热力学平衡原理计算无机气溶胶的化学成分在气相、 气溶胶相内的组成及各组分的平衡浓度，二次无机气溶胶主要考虑NH₃-H₂SO₄-HNO₃-H₂O的混合体系，二次有机气溶胶(SOA)采用Pandis等产出率的估算方法^[14].

运用CAMx中的PSAT技术对PM_2.5各项污染物进行源-受体关系分析，PSAT可以进行示踪的颗粒物成分包括：SO₂、 SO₄^2-、 NO₃^-、 NH₄⁺、 SOA、 Hg、 EC、 沙尘粒子和其它一次排放的粗细粒子等，PSAT示踪技术避免了源关闭法忽略非线性化学过程所造成的浓度偏差，已经在很多研究结果中得到应用^[15].为建立污染源与环境受体间空间传输矩阵，依据省级行政区划将区域网格划分为31个分区，每一个分区代表一个省级单元，将国界外所有网格划分为2类，一类是海洋，一类是除海洋外其它区域； 根据山东省市级规划，对山东省分区进一步划分为17个分区，每一个分区代表一个市级单元； 三者之和共计49个分区，以此计算不同省市及区域外来源贡献，对于背景及边界条件则单独计算.

采用ARW-WRF3.2^[16]模拟2014年春季山东省及周边地区气象场，WRF模式的中心点坐标设为35 N、 110 E，水平网格距为36 km，与CAMx模式对应； 垂直层次均为35层，外层嵌套为内层提供边界条件； 气象背景场和边界资料为NCAR(National Center for Atmospheric Research)和NCEP(National Centers for Environmental Prediction)的再分析逐日资料FNL，分辨率为1 ×1 ，时间分辨率是6 h； 地形和下垫面输入资料分别来自USGS 30 s全球地形和MODIS下垫面分类资料； 使用气象前处理模块WRF2CAMx将WRF的输出结果插值到CAMx模型区域和网格上并转为CAMx可识别接收的格式.

运用陆地生态系统估算模型MEGAN^[17]处理天然源，人为源(含PM_2.5、 BC、 OC)等排放数据则采用2010年清华大学MEIC^[18]排放清单，而SO₂、 NO_x、 PM₁₀排放数据则为2010年污染源普查数据，NH₃排放数据取自2010年日本国立环境研究所开发的亚洲地区REAS排放清单，表 1显示了污染源清单来源的明细，整合、 处理后的天然源、 人为源排放清单共同输入到排放源处理模型SMOKE，形成系统的排放源文件.

表1(Table 1)

表1 污染源清单数据 Table 1 Pollution source list data 污染物 SO2 NOx PM10 NH3 人为VOCs 自然VOCs PM2.5、 BC、 OC等 数据来源 污染源普查 污染源普查 污染源普查 TRACE-P MEIC MEGAN MEIC 数据特征 点源：经纬度 点源：经纬度 点源：经纬度 1°×1° 0.5°×0.5° 对应的网格数据 0.5°×0.5° 面源：行政区 面源：行政区 面源：行政区

表1 污染源清单数据 Table 1 Pollution source list data

SMOKE在物种分配时，将PM_2.5分为较为详细的5个物种，包括初始硝酸盐PNO₃(1%)、 初始硫酸盐PSO₄(9%)，初始有机物POA(30%)、 初始元素碳PEC(24%)和更细颗粒物PMFINE(36%)，将计算网格内PM_2.5采用统一的分配方案^[19].SMOKE水平分辨率、 网格数与CAMx设置一致.图 1显示了我国东部地区SMOKE输出结果中ρ(PM_2.5)的排放源空间分布情况.

图1

Fig. 1

图1 中国东部PM2.5的排放源的空间分布 Fig.1 Spatial distribution of PM2.5 emission sources in Eastern China

新环境空气质量标准出台后，环境保护重点城市才统一监测PM_2.5，2010年PM_2.5逐时监测数据比较缺乏.为了验证CAMx模拟大气污染物浓度变化情况，使用2010年源排放清单和气象数据，调取CAMx模拟结果与2010年春季山东省各市PM₁₀平均浓度数据^[18]折算成PM_2.5浓度后的结果作比较，结果见图 2.从中可知PM_2.5的模拟结果与观测值较为吻合，两者相关系数达0.90左右.

图2

Fig. 2

图2 2010年春季模拟值与实测值对比 Fig.2 Comparison between the measured and simulated data during Spring in 2010

为进一步验证CAMx的模拟效果，使用2014年气象模拟结果输入到CAMx模型中，选取济南、 淄博、 烟台、 威海站点2014年1~11月SO₂、 NO₂、 PM_2.5观测数据(实时发布数据来自中国环境监测总站http://113.108.142.147:20035/emcpublish/)，与CAMx输出结果进行比对，图 3为模拟值与观测值的时间序列，可以看出PM_2.5的模拟值与观测值的时间序列变化较为一致，ρ(PM_2.5)模拟值均在观测值的0.5~2倍的范围内，模拟结果略微低估，这可能与排放源的不确定性、 模型在多相氧化过程和湿清除过程的不确定性有关^[20].

图3

Fig. 3

图3 2014年春季模拟值与实测值对比 Fig.3 Comparison between the measured and simulated data during Spring in 2014

在时间序列图分析的基础上，进一步统计了观测值与模拟值的标准平均偏差(NMB)、标准平均误差(NME)、 平均相对偏差(MFB)、 平均相对误差(MFE)和相关系数R，结果见表 2.经计算ρ(PM_2.5)模拟值与监测值的相关系数在0.59~0.74之间，NMB在-31%~-18%之间，NME在23%~32%之间，MFB在-24%~-16%之间，MFE在19%~25%之间.Lu等^[21]应用CMAQ对中国地区的模拟结果显示SO₂的NMB和NME分别为-51.85%~-12.7%和68.1%~77.3%； 李莉等^[22]用CMAQ模拟了长三角近地面二次污染物 O₃ 及 PM₁₀的浓度，验证结果显示O₃及
PM₁₀
的模拟结果与监测值的相关系数分别为0.77和0.52，模型对 PM₁₀小时平均浓度的估算偏低10%,标准偏差为46%； 王茜^[23]用CMAQ对上海市秋季典型PM_{2. 5}污染过程数值预报验证分析表明PM_2.5 的NMB在-45.9%~10%之间，NME在20%~65.5%之间； 本研究验证结果与Boylan等^[24]设定的模拟颗粒物结果较好的标准(MFB≤±60%和MFE≤75%)较一致，同时与EPA推荐的评价标准^[25]较一致，模拟结果误差在可接受范围内，保证了 PM_2.5污染特征与形成过程分析结果的可靠性.

表2(Table 2)

表2 PM2.5观测值与模拟值的统计参数 Table 2 Performance statistical parameters for the measured and predicted values of PM2.5 项目 监测值/μg·m-3 模拟值/μg·m-3 R NMB/% NME/% MFB/% MFE/% 济南市 92.56 70.07 0.64 -20 23 -22 19 淄博市 100.74 76.97 0.59 -31 32 -21 22 烟台市 47.14 34.16 0.75 -19 27 -16 29 威海市 55.05 39.60 0.71 -18 30 -24 25

表2 PM2.5观测值与模拟值的统计参数 Table 2 Performance statistical parameters for the measured and predicted values of PM2.5

山东省位于我国东部沿海，总面积15.79×10⁴ km²，属暖温带季风气候，年平均气温11~14℃，降水季节分布很不均衡，全年降水量60%~70%集中于夏季； 2014年春季受亚洲中高纬度地区维持一槽一脊的环流形势影响，副热带高压偏北强度偏弱^[26]，WRF模拟结果显示山东省大部分地区则处于弱高压(海平面平均气压1019 hPa)后部控制之下，高压中心位于山东半岛以东的南黄海地区，冷空气范围影响到山东省北部部分地区，全省降水较少.

监测结果(图 4)显示，春季山东省各市PM_2.5平均浓度最高为淄博市(约98 μg ·m^-3)，最低为威海市(约49 μg ·m^-3)，9市PM_2.5平均浓度高于国家二级标准限值75 μg ·m^-3，而全省PM_2.5平均浓度为(73.57±15.81) μg ·m^-3.空间分布上PM_2.5浓度最低为半岛地区(青岛、 烟台、 威海)，最高为鲁西(菏泽、 聊城、 济南等市)及鲁中地区(淄博等市).

图4

Fig. 4

图4 春季山东省各市PM2.5浓度 Fig.4 Averaged mass concentrations of PM2.5 in key cities of Shandong in Spring

与其他城市相比，春季山东省ρ(PM_2.5)处于中等水平(表 3)，哈尔滨最高，浓度高达130μg ·m^-3，上海最低，浓度近47.8 μg ·m^-3.各省市ρ(PM_2.5)差别的主要原因可能为：①颗粒物排放源强不同，各省市产业结构及经济发展程度不同，造成污染物排放量差异较大； ②气象条件差异较大，春季是天气系统转换的季节，不同地区气象要素(风速、 小尺度环流、 逆温、 降水等)差异较大； ③地形影响，地形引起的山谷风、 海陆风、 热岛效应等对PM_2.5浓度造成很大影响； ④ PM_2.5监测方法不同^[27,28].

表3(Table 3)

表3 不同城市春季PM2.5浓度 Table 3 PM2.5 concentrations in different cities in Spring 项目 北京 南京 上海 广州 天津 重庆 哈尔滨 山东省 监测年份 2013 2007 2011~2012 2002 2009~2010 2004~2005 2008~2009 2014 ρ(PM2.5)/μg·m-3 83 95.5 47.8 68.96 71.88 104.8 130 73.57±15.81 文献 [29] [30] [31] [32] [33] [34] [35] 本研究

表3 不同城市春季PM2.5浓度 Table 3 PM2.5 concentrations in different cities in Spring

图 5为模拟的春季山东省及周边地区ρ(PM_2.5)水平和垂直分布，垂直分布为沿36°N所做的垂直剖面(青岛120°E附近为海陆分界)，从中可知受陆源气溶胶区和春季天气形势的综合影响^[36]，山东省PM_2.5呈现明显的地理分布特征.ρ(PM_2.5)最低为半岛地区，最高为鲁西地区，呈现出由城市边缘向城市中心推移递增的趋势，远离海岸ρ(PM_2.5)逐渐增大.济南-菏泽一带污染较重，中部地区的淄博污染次之，半岛及沿海地区污染最轻.模拟的全省PM_2.5平均浓度均达到70 μg ·m^-3左右. 垂直方向上ρ(PM_2.5)集中在2000 m以下，近地面出现了较高的浓度值，边界层之上浓度迅速降低.

图5

Fig. 5

图5春季 PM2.5浓度空间分布 Fig.5 Horizontal and vertical distribution of average PM2.5 concentrations in Spring

图 6为春季PM_2.5平均输送通量分布，输送通量的定义为风矢量与污染物浓度的乘积，即F=U×C.从中可知，水平方向上河北中南部、 河南、 江苏等地高浓度PM_2.5输送到山东，经计算全省PM_2.5输送通量平均达110 μg ·(m² ·s)^-1.垂直方向上，山东半岛沿海上空(36 N、 122 E)1000 m高度存在输送中心，输送通量达200 μg ·(m² ·s)^-1以上.山东省地面PM_2.5输送路径主要为两条，一条为偏西路径，污染物经河北中南部、 河南、 山东西部影响全省，另一条为偏南路径，来自长三角城市、 江苏省的污染物长距离输送到山东.

图6

Fig. 6

图6 春季 PM2.5平均输送通量 Fig.6 Vertical average transport flux of PM2.5 in Spring

干湿沉降是细颗粒物最主要沉降、 去除途径，颗粒物干沉降主要靠吸附或重力沉降，湿沉降主要是云雨、 雪对颗粒物的吸收及冲刷.由于干沉降速率相差不是很大，因此总沉降的空间分布主要由污染物浓度和降雨量决定. 经计算山东省PM_2.5沉降通量约为20 mg ·(m² ·d)^-1以上(图 7)，区域性高值中心在30 mg ·(m² ·d)^-1以上，与其它相关研究成果^[37,39]比较分析发现模拟结果基本可靠.从干湿沉降比值来看，PM_2.5以湿沉降为主，PM_2.5干湿沉降比例随着离岸距离没有明显的梯度变化，且PM_2.5沉降通量高值区与源排放的高值区并不吻合，这主要与PM_2.5在大气中的传输与扩散、 化学转化过程有关^[40,41].模拟的全省整个春季PM_2.5湿沉降总量为20.88×10⁴ t，干沉降总量为2.17×10⁴ t，全省PM_2.5沉降总量为23.05×10⁴ t，湿沉降总量约为干沉降总量的9.6倍.图 7为春季山东省各市PM_2.5沉降量分布，各市PM_2.5干沉降总量在54.51~5192 t之间，PM_2.5湿沉降总量在3116.91~26331.80 t之间.事实上总沉降量并不能完全反映该区域的沉降强度，主要原因为：①模拟计算的各省市以外地区PM_2.5及其组分在本地区沉降； ②沉降量也与省市区域面积有关； ③源分布的影响，源强越大，沉降量越大； ④气象条件也起着一定的作用，特别是降水对沉降量影响很大^[42,43].

图7

Fig. 7

图7 春季各市 PM2.5沉降量 Fig.7 Averaged depositions of PM2.5 in different cities in Spring

图 8为春季地面和2000 m高度山东省各市PM_2.5跨界输送贡献率分布，从中可知近地面PM_2.5主要受本地源排放影响，本地排放对其各省市PM_2.5浓度贡献率基本在50.33%~71.18%左右，外来源输送主要来自临近省市，各市外来源输送率平均为40.45%±5.96%.对于全省而言，外来源输送对全省PM_2.5浓度贡献率为21.08%±3.83%，其中京津冀地区对各市PM_2.5浓度贡献率在4.66%~11.87%之间，河南、 江苏等地对各市PM_2.5浓度贡献率在1.39%~7.92%之间，辽宁省对各市PM_2.5浓度贡献率在1.03%~7.90%之间，其它(背景、 边界条件等)对各市PM_2.5浓度贡献率在2.39%~9.73%之间. 整体而言各省市外来贡献高于全省平均，一方面是由于网格计算差异造成的，全省外来贡献计算方法基于全省网格平均，而非全省各市平均； 另一方面，各省市外来源贡献中包括了省内其他各市对其贡献.

图8

Fig. 8

图8不同高度PM2.5浓度贡献 Fig.8 Contributions of PM2.5 concentrations at different sites and height

2000 m左右上空各市本地源贡献率降为36.23%~53.90%左右，临近省市外来贡献明显增大.对于全省而言，外来源贡献率平均为39.48%±3.21%，平均增大18.39%； 随着高度的升高，京津冀、 背景及边界等条件对山东省PM_2.5浓度的贡献率明显上升，分别上升了7.56%、 6.18%.

外来源对山东省各市PM_2.5贡献率统计结果与其他研究结果对比见表 4.其他研究表明，外来源对不同地区PM_2.5的贡献率在20%~70%之间，与其他研究中存在差异的主要原因为：①缺乏不同地域、 长时间序列PM_2.5及其主要组分的跨区域输送规律研究； ②模式的空间分辨率、 排放源清单、 模型参数的设置及计算方法的不同.

表4(Table 4)

表4 外来输送对不同地区贡献率比较 Table 4 Contributions of external transmission to different districts 模拟时间 模型 地区 高度 贡献率/% 文献 2008 年 8月 CMAQ 北京 地面 50~70 [5] 2010年11月 CAMx 上海 地面 50 [6] 2012年12月 CAMx 广州市 地面 69 [7] 2007年12月 CMAQ 石家庄 地面 40 [8] 2013 年 1 月 NAQPMS 京津冀 地面 20~35 [9] 2013年全年 CAMx 山东省 地面 41 [11] 2014年3~5月 CAMx 山东省平均 地面 21.08±3.83 本研究 2014年3~5月 CAMx 山东省内各市 地面 40.45±5.96 2014年3~5月 CAMx 山东省平均 2000 m 39.48±3.21 2014年3~5月 CAMx 山东省内各市 2000 m 54.37±5.18

表4外来输送对不同地区贡献率比较 Table 4Contributions of external transmission to different districts

(1) 山东省2014年春季PM_2.5呈现明显的空间分布特征，鲁西、 鲁中地区浓度较高，半岛地区浓度较低； 垂直方向上ρ(PM_2.5)集中在2000 m以下.

(2)全省PM_2.5水平输送通量平均达110 μg ·(m² ·s)^-1，春季全省总沉降量为23.05×10⁴ t.

(3) 外来源输送对全省地面PM_2.5浓度贡献率为21.08%±3.83%，随着高度的升高，京津冀、 背景及边界等条件对山东省PM_2.5浓度的贡献率明显上升，分别上升了7.56%、 6.18%.