目前我国大气污染形势严峻, PM_2.5和O₃等二次污染问题日渐突出, 对空气质量模式模拟和预报预警结果的准确性要求日益严苛, 而排放清单是空气质量模式模拟不确定性的重要来源.大气污染物排放清单指污染源在一定时间跨度和空间区域内排放到大气中的各种污染物的量的集合^[1], 准确、更新及时和高分辨率的排放清单对于污染物来源解析、空气质量预报预警、重污染天气应急方案制订及效果评估、污染物总量减排核查核算、空气质量达标规划等工作都起着基础数据支撑的作用^[2].目前对排放清单的研究以全国尺度或者区域尺度的清单研究居多^[3], 清华大学开发的中国多尺度排放清单模型(multi-resolution emission inventory for China, MEIC)^[4], 包含电力^[5]、工业^[6]、交通^[7]、居民^[8]和农业排放源, 10种污染物, 可以直接对接空气质量模型, 简便快捷地对污染物时空变化和污染趋势进行模拟^[9], 但是当被分配至城市尺度高分辨率网格时, 会存在较大的不确定性^[10].在国内城市空气质量预报预警系统中, 以城市尺度本地清单为基础, 外围地区处理融合MEIC, 再与空气质量模式对接成为了主流选择, 如：中山市^[11]和成都市^[12]空气质量多模式预报系统.

对于城市尺度排放清单, 研究多限制于单个部门或几种污染物^[3], 如：王红丽等^[13]建立了上海市餐饮源PM_2.5排放清单, 赵庆炎等^[14]建立了郑州市工业窑炉PM_2.5排放清单, 且研究区域集中在东部地区和重点城市, 西部地区的研究相对薄弱^[9], 能对接于空气质量模式的城市尺度排放清单更为缺乏.

兰州市是我国西部重要工业型城市, 兼受本地工业源、区域传输、复杂河谷地形及不利气象条件等因素影响, 近年来, 兰州市年平均臭氧日最大8 h浓度(MDA8)不断攀升^[15], PM_2.5年平均浓度虽呈现下降趋势, 但仍然超过环境空气质量二级标准限值^[16], 目前兰州市已经建立了2009年和2016年部分行业人为源排放清单, 如：刘晓等^[17]建立的移动源VOCs清单, 刘镇等^{[18, 19]}建立的化石燃料源排放清单, 栗世学等^[20]建立的农牧业源氨排放清单等, 但仍未将清单进一步整合对接应用于空气质量模式, 本研究在已发表的兰州市各行业人为源排放清单的基础上, 进一步完善和分配(时间、空间和物种), 建立了可对接于空气质量模式的2016年兰州市高分辨率人为源排放清单模型(high-resolution anthropogenic emission inventory for Lanzhou in 2016, HEI-LZ16), 选择1、4、7和9月, 利用WRF-Chem模式验证评估, 以评估HEI-LZ16在兰州市的适用性, 分析兰州市不同月份PM_2.5和O₃时空分布特征, 以期为兰州市大气污染强化监测点位布设、大气污染成因分析、防控措施的制定及空气质量预报预警提供基础支撑.

大气污染源排放清单建立的重要作用之一就是为空气质量模式或气候模式提供输入数据, 主要的空气质量模式(CMAQ、CAMx和WRF-Chem等)均对排放清单的时间、空间和化学物种分辨率有很高的要求, 因此, 采用“系数法”构建的某地区大气污染物排放清单, 只有分配成具有时间、空间和化学物种分布的网格化排放清单才能满足空气质量模式的要求.本研究构建的兰州市高分辨率人为源排放清单, 以2016年为基准年, 包含10大类排放源9种污染物, 分别是生物质燃烧源、溶剂使用源、移动源、化石燃料燃烧源、石油化工源、工艺过程源、农业源、废弃物处置源、油气储运源和道路扬尘源, 包含的污染物有SO₂、NO_x、CO、NH₃、VOCs、PM_2.5、PM₁₀、BC和OC, 其中, 生物质燃烧源仅包含居民燃烧部分(煨炕^[21]、秸秆和柴薪炉具^[22]), 不包含生物质开放燃烧, 考虑到石油化工行业对兰州市环境空气质量具有重要影响, 因此本文将中国石油兰州石化公司及其附属子公司排放的污染物单独作为石油化工源, 化石燃料燃烧和工艺过程源不再包含石油化工源的排放, 其他污染源详细清单建立方法详见文献[17~20].

空间分配上, 生物质燃烧及畜禽养殖、农药及氮肥施用、建筑涂料及工程机械、居民生活消费分别以农村居民点、耕地面积分布、建筑面积分布和人口分布作为空间特征表征数据, 其他化石燃料燃烧、溶剂使用源、石油化工源、工艺过程源和餐饮源均以具体的企业及个体户经纬度坐标进行空间分配, 道路移动源以实际路网分布进行空间分配.

时间分配上, 依据月变化系数将年排放量分配到各月, 其中, 煨炕及供暖行业为实际调查得到的兰州市采暖日期, 电力、石油化工、建筑涂料使用、纺织印染、金属制造、非金属制造、其他工艺过程源分别以兰州市2016年逐月发电量、原油加工量、房屋竣工面积、毛机织物产量、黑色有色金属冶炼及压延工业标准煤消耗量、非金属矿物制品业标准煤消耗量和工业用电量为时间表征数据, 归一化后表征月变化系数.然后, 依据小时变化系数逐时分配, 其中, 生物质燃烧源和餐饮源采用实际调查的小时变化系数, 道路移动源采用实际车流量表征小时变化系数, 电力行业采用在线监测的污染物浓度表征小时变化系数, 其他污染源主要参考文献[23]进行小时分配.

VOCs物种分配上, 石化行业和油漆制造行业采用兰州市实际监测的结果^[24], 其他行业主要参考国内外相关研究及SPECIATE 4.5数据库^[25], 并进一步将实际物种映射到MOZART^[26]化学机制, 以便直接对接WRF-Chem模式.

目前的模式研究中, 多以1、4、7和10月分别代表冬春夏秋季进行模拟^{[27, 28]}, 由于基准年10月监测数据相对缺失较多, 且因局地扬尘源源强变化, 导致颗粒物小时浓度值变化幅度较大, 为更加客观合理地评估HEI-LZ16的适用性, 本研究选取了1、4、7和9月分别代表冬春夏秋季进行模拟, 模拟方案设计及兰州区域采用的人为源排放清单如表 1所示, 兰州区域以外的中国人为源采用基准年为2016年的MEIC, MEIC可以直接与空气质量模式对接, 被广泛用于污染成因分析、空气质量预报预警和空气污染达标规划等方面的工作, MEIC是中国目前采用的最广泛的人为源排放源数据集, 也是目前亚洲地区比较重要的排放清单模型^[9].中国之外采用基准年为2010年的HTAP_v2(hemispheric transport of air pollution version 2)^[29], HTAP_v2是EDGAR团队等联合开发的全球大气污染物排放清单, 适用于全球^[30]及区域^[31]尺度数值模拟研究.生物排放源采用MEGAN模型计算结果.

表 1 (Table 1)

表 1 模拟试验方案设计 Table 1 Test plan of simulation 兰州市人为源排放数据 模拟月份 HEI-LZ16 1、4、7和9 MEIC 1、4、7和9

表 1 模拟试验方案设计 Table 1 Test plan of simulation

模拟区域中心经纬度为(104.327°E, 35.428°N), 投影方式为Lambert投影, 标准纬线分别为30°N和60°N, 模式水平方向采用三层嵌套网格.第一层区域网格数为120×108, 分辨率为27 km; 第二层区域网格数为76×64, 分辨率为9 km, 第二层区域网格数为61×55, 分辨率为3 km.具体模拟区域如图 1所示.

图 1

Fig. 1

图 1 WRF-Chem三重网格区域、兰州市国控点和河谷城区 Fig. 1 Three nested domain for WRF-Chem, national ambient air monitoring sites, and urban valley of Lanzhou

模式垂直方向共有30层, 模式层顶大气压强为50 hPa.气象场输入数据采用NCEP(1°×1°)FNL资料, 化学初始及侧边界条件采用全球化学传输模式CAM-Chem的输出结果^[32], 地形数据采用MODIS反演数据.模拟选择的各物理化学参数化方案如表 2所示.

表 2 (Table 2)

表 2 WRF-Chem模式物理化学参数化方案 Table 2 WRF-Chem model physical and chemical parameterization scheme 内容 模式参数配置 微物理参数化方案 Lin方案 短波辐射方案 RRTM方案 长波辐射方案 Dudhia方案 积云对流参数化方案 New Grell scheme方案 边界层参数化方案 YSU方案 近地面层方案 Monin-Obukhov方案 陆面过程 Noah land-surface方案 气相化学机制 MOZART机制 光解方案 TUV方案 气溶胶方案 GOCART方案

表 2 WRF-Chem模式物理化学参数化方案 Table 2 WRF-Chem model physical and chemical parameterization scheme

2016年PM_2.5和O₃小时浓度监测数据来自全国城市空气质量实时发布平台(http://106.37.208.233:20035/). 2016年兰州市共有5个国控点, 其中兰炼宾馆、生物制品研究所、铁路设计院和职工医院为国控城市点, 榆中兰大为背景点, 国控点(国控城市点和背景点)位置及河谷城区位置见图 1(b).

利用兰州市行政边界[图 1(b)], 提取边界内MEIC网格(0.25°×0.25°)的排放总量, 并与HEI-LZ16进行比较(表 3), 各子源排放贡献占比如图 2所示. HEI-LZ16中, SO₂、NO_x、CO、NH₃、VOCs、PM₁₀、PM_2.5、BC和OC的总量分别为25 642、53 998、319 003、10 475、35 289、49 250、19 822、2 476和1 482 t·a^-1, 从各污染源排放占比来看[图 2(a)], SO₂和CO排放最大的子源为化石燃料燃烧, 贡献率分别为84.1%和45.9%, NO_x排放最大的子源为移动源(54.0%), NH₃排放最大的子源为农业源(89.3%), VOCs排放最大的子源为石油化工源(25.3%), PM₁₀和PM_2.5排放最大的子源为道路扬尘源, 贡献率分别为56.4%和33.9%, BC和OC排放最大的子源为生物质燃烧, 贡献率分别为59.7%和78.9%.在MEIC中, SO₂(58.7%)、NO_x(47.9%)、CO(41.1%)、VOCs(67.3%)、PM₁₀(65.3%)和PM_2.5(61.3%)贡献最大的子源均为工业源[图 2(b)]. HEI-LZ16相比MEIC, NH₃的排放总量较为接近, PM₁₀的排放总量更高, 原因是HEI-LZ16中考虑了道路扬尘源, 而MEIC中并未包含该子源, HEI-LZ16中SO₂、NO_x、VOCs、CO和PM_2.5的排放总量较MEIC更低, 原因主要来自工业源污染物总量的差异, 将HEI-LZ16中工艺过程源、化石燃料燃烧(工业)、石油化工源求和与MEIC中工业源总量进行相减(表 3), 二者工业源排放的SO₂、NO_x、CO、VOCs、PM₁₀和PM_2.5差异高达22 185、20 351、98 835、35 669、12 686和11 435 t·a^-1, MEIC采用分省的活动水平和全国平均因子估算工业源排放, 会对污染防治较好的城市排放量有一定的高估, “十二五”期间, 兰州市主城区燃煤供热锅炉实施“凡煤必改、应改尽改”的“换血式”煤改气工程, 改造主城区燃煤锅炉1 901台, 8 240蒸吨, 原煤散烧供热锅炉退出主城区供热历史, 全市火电、化工、钢铁、水泥和砖瓦等主要高排放的210家企业实施深度治理, 全市火电机组完成了脱硫、脱硝和除尘改造, 颗粒物排放浓度均达到国家火电行业特别排放限值要求, 六大燃煤电厂和西北铁合金重点工业企业的烟气深度治理, 2015年12月, 兰州作为全国唯一的非低碳试点城市应邀参加巴黎世界气候大会, 并荣获“今日变革进步奖”^[33], 因此, MEIC以全国平均排放因子可能对兰州市2016年工业源排放有所高估.

表 3 (Table 3)

表 3 2016年兰州市人为源排放清单/t·a-1 Table 3 Anthropogenic emission inventory for Lanzhou in 2016/t·a-1 项目 源类 SO2 NOx CO NH3 VOCs PM10 PM2.5 BC OC 生物质燃烧 459 298 44 864 213 5 627 6 710 6 240 1 477 1 169 溶剂使用源 0 0 0 0 3 435 0 0 0 0 移动源 155 29 170 101 394 470 8235 755 700 463 166 化石燃料燃烧 21 571 15 136 146 304 45 4 116 6 162 3 327 213 114 石油化工源 230 1 144 6 705 1 8 922 32 17 3 1 HEI-LZ16 工艺过程源 3 228 8 251 19 737 48 4 392 7 832 2 822 320 32 农业源 0 0 0 9 357 0 0 0 0 0 废弃物处置 0 0 0 340 430 0 0 0 0 油气储运 0 0 0 0 133 0 0 0 0 道路扬尘 0 0 0 0 0 27 758 6 716 0 0 总计 25 642 53 998 319 003 10 475 35 289 49 250 19 822 2 476 1 482 MEIC 总计 51 599 88 293 359 883 11 264 74 198 34 971 24 706 3 011 4 356 工业源差异 -22 185 -20 351 -98 835 -591 -35 669 -12 686 -11 435 -512 -800

表 3 2016年兰州市人为源排放清单/t·a-1 Table 3 Anthropogenic emission inventory for Lanzhou in 2016/t·a-1

图 2

Fig. 2

图 2 HEI-LZ16和MEIC中子源排放贡献百分比 Fig. 2 Emission source contribution percentages in HEI-LZ16 and MEIC

此外, MEIC以经济指标或人口密度为空间表征数据进行分配, 在城市尺度高分辨率网格时, 存在较大的不确定性^[10], 造成工业源污染物多集中在城区^[34], 这也是MEIC较HEI-LZ16的工业源排放量更高的原因之一. HEI-LZ16工业源清单建立过程中, 实地调研了相关部门和各个企业, 获取了相关活动水平及工业企业位置, 对部分全国平均排放因子进行了校准, 采用物料衡算、排放因子等多种方法^[19], 计算得到的城市污染物排放总量相对更为客观合理, 2.2节将进一步利用环境空气监测数据和WRF-Chem模式对HEI-LZ16和MEIC的准确性及适用性进行评估校验.

兰州市各污染源及污染物的月变化系数如图 3所示, 从各污染源月变化来看, 煨炕和供暖锅炉仅在11月~次年的3月的采暖季有排放, 氮肥的氨排放主要集中在3~7月和9月^[20], 其它污染源月变化系数相对差异不大; 从各污染物月变化来看, NH₃与其他污染物的月变化特征明显不同, 排放量主要集中在温度最高的6~8月(54.2%), 受移动源排放影响, NO_x的月排放量差异不大, 其他污染物的排放主要集中在采暖季, SO₂、CO、VOCs、PM₁₀、PM_2.5、BC和OC采暖季排放占全年总量的百分比为52.6%、54.1%、57.4%、71.4%、59.8%、79.9%和88.3%.从空间排放特征上来看, NO_x的排放高值区集中在河谷城区及兰州新区、红古区西部的大型热电企业和永登县西北部的水泥企业[图 4(a)]; VOCs的排放高值区集中在河谷城区西部的石油化工园区和城区道路[图 4(b)], 此外榆中县冬季煨炕采暖的比例较大^[21], 其也是冬季VOCs排放高值区. PM_2.5贡献较大的子源是道路扬尘源和生物质燃烧源, 排放高值区集中在道路和经济欠发达的榆中县农村, 此外永登县的水泥企业、榆中县的钢铁、水泥和建材企业排放的PM_2.5同样不容忽视[图 4(c)].

图 3

Fig. 3

图 3 污染源和污染物的月变化 Fig. 3 Monthly changes in emission sources and pollutants

图 4

Fig. 4

图 4 NOx、VOCs和PM2.5排放量的1 km×1 km空间分布 Fig. 4 The 1 km×1 km spatial distribution of NOx, VOCs, and PM2.5 emissions

为量化评估HEI-LZ16与MEIC在兰州市的适用性, 采用的统计分析参数包括相关系数(R)、均方根误差(RMSE)、标准平均偏差(NMB)和标准平均误差(NME)进行评估, R反映了模拟值和监测值的一致性, RMSE是用来衡量模拟值同监测值之间的偏差, NMB反映各模拟值与监测值的平均偏离程度, NME反映了平均绝对误差, 评估时采用第3层的PM_2.5和O₃的小时浓度模拟值, 每月的前3 d作为模式的spin-up时间, 兰州市国控城市点的小时平均模拟值与监测值对比结果如表 4所示.

表 4 (Table 4)

表 4 兰州市国控城市点的小时平均模拟值与监测值对比结果1) Table 4 Comparison of hourly averaged simulated and observed national ambient air monitoring data at city sites in Lanzhou 项目 1月 4月 7月 9月 MEIC HEI-LZ16 MEIC HEI-LZ16 MEIC HEI-LZ16 MEIC HEI-LZ16 O3 R 0.54 0.45 0.68 0.72↑ 0.60 0.62↑ 0.61 0.82↑ RMSE 164.7 39.1↑ 109.7 43.5↑ 166.3 49.0↑ 197.9 34.5↑ NMB% 282.7 29.8↑ 36.7 -45.9 112.0 19.3↑ 164.2 5.2 ↑ NME% 336.6 90.9↑ 103.8 52.2↑ 149.5 51.4↑ 209.2 43.7↑ PM2.5 R 0.42 0.51↑ 0.30 0.30 0.43 0.30 0.24 0.31↑ RMSE 56.6 32.7↑ 33.7 27.7↑ 41.6 22.0↑ 50.4 18.8↑ NMB% 40.9 -9.1↑ 20.4 -65.9 72.1 -7.7↑ 70.0 -33.9↑ NME% 68.6 39.0↑ 66.1 66.0↑ 87.9 53.2↑ 87.2 36.6↑ 1)↑表示HEI-LZ16的模拟效果较MEIC有所改善; 相关性均通过了置信度为95%的显著性检验

表 4 兰州市国控城市点的小时平均模拟值与监测值对比结果1) Table 4 Comparison of hourly averaged simulated and observed national ambient air monitoring data at city sites in Lanzhou

从表 4中可以看出, 两套清单均能较好地模拟O₃的小时变化规律, HEI-LZ16在4、7和9月模拟的小时O₃相关系数优于MEIC, 在MEIC模拟中, O₃的NMB值均大于0, 甚至在1、7和9月超过了100%.表明MEIC可能对兰州市O₃前体物排放量有一定的高估, HEI-LZ16在所有模拟时间段, O₃的平均NME值较MEIC减小了140.2%, 表明HEI-LZ16中O₃前体物排放量较MEIC更为合理.本研究考虑计算时, 采用了更加简单高效的GOCART气溶胶方案, 该方案并未考虑二次有机气溶胶过程, 导致两套清单在所有模拟时间段PM_2.5模拟值与观测值的相关系数相对较低. MEIC在所有模拟时间段, PM_2.5的NMB值均大于0, 表明MEIC可能对兰州市PM_2.5排放量同样存在一定的高估, HEI-LZ16清单中PM_2.5的NMB值均小于0, 4月的NMB值低至-65.9%, 4月兰州市浮尘、扬沙天气现象频发, 模拟的PM_2.5浓度较观测值明显偏低, 可能是由于HEI-LZ16中对于土壤扬尘等扬尘源清单仍考虑不足所致, 未考虑二次有机气溶胶生成导致了其他月份PM_2.5同样被低估. HEI-LZ16在所有模拟时间段, PM_2.5的平均NME值较MEIC减小了28.8%, 表明HEI-LZ16中PM_2.5排放量较MEIC更为合理, HEI-LZ16清单较MEIC在兰州市更加准确适用.

空气质量模式模拟结果较站点监测的优势之一, 是能够反映污染物浓度空间上的连续分布特征, 模式模拟结果可以为监测点布设提供科学依据.本研究以HEI-LZ16的模拟结果来分析兰州市近地面月平均臭氧MDA8和月平均PM_2.5浓度的分布特征, 2016年1、4、7和9月的月平均臭氧MDA8空间浓度如图 5所示.从中可以看出, 河谷城区(内层黑线)7月和9月的月平均臭氧MDA8高于1月和4月, 不同月份的臭氧MDA8高值区位置有较大差别, 1月份臭氧MDA8呈现河谷城区低, 郊区及农村高的分布特征, 兰州市西部及西北部大型热力电厂及水泥制造企业位置同样出现了O₃低值区, 臭氧MDA8低浓度分布区与NO_x高值排放区[图 4(a)]对应, 由于“NO滴定作用”, 冬季臭氧MDA8受到NO_x排放的抑制作用反而浓度降低, 4月臭氧MDA8分布特征同样呈现河谷城区低、外围地区浓度相对较高的分布特征, 说明春季兰州市河谷城区仍然以消耗O₃为主, 但在河谷城区下风向郊区也出现了高值区, 说明春季兰州市河谷城区对下风向地区O₃生成有较大的贡献. 7月臭氧MDA8分布特征与1月和4月有明显不同, 河谷城区西部及其下风向地区的臭氧MDA8明显高于其他地区, 从监测值来看, 城区西部浓度值同样高于城区东部浓度值, 兰州市的石油化工园区主要集中在城区的西部, 其排放的VOCs占兰州市VOCs总量的25.3%, 加之城区东部移动源排放的大量NO_x在偏东风的传输下, 致使在城区西部及其下风向地区大量生成了O₃, 因此兰州市河谷城区西部夏季臭氧MDA8高, 不仅与石油化工园区位于西部有关, 同样与偏东风的传输有关, 夏季河谷城区西部及其下风向郊区臭氧MDA8的高值受偏东风和光化学反应的共同影响.与7月相比, 9月东北-西南走向的臭氧MDA8的高值区更加明显, 兰州市的东北方向是被誉为中国“铜城”的白银市, 有色金属产业发达, 东北-西南高值区与风向的吻合性很好, 说明了沿着白银—兰州黄河河谷盆地走向的西侧存在一个O₃传输通道.

图 5

Fig. 5

圆圈为监测值(自左向右分别为兰炼宾馆、铁路设计院和榆中兰大), 箭头代表相同时间内平均风向和风速, 粉色线为黄河, 内层黑线为兰州市河谷城区, 下同 图 5 1、4、7和9月月平均臭氧MDA8 Fig. 5 Spatial distribution of monthly averaged ozone MDA8 in January, April, July, and September

2016年1、4、7和9月的月平均PM_2.5浓度如图 6所示, 从中可以看出, 不同月份的PM_2.5浓度高值区位置差别不大, 浓度高值区主要位于地势较低的黄河河谷盆地[图 1(b)], 兰州市西北方向的大型水泥制造企业, 东部的大型钢铁及水泥制造企业周围PM_2.5浓度同样很高, PM_2.5浓度高值区和排放高值区位置基本吻合. 1月的月平均PM_2.5浓度明显高于其他月份, 主要原因是1月正值兰州市的采暖期, 采暖期的排放的PM_2.5占全年排放总量的59.8%, 4月相比于其他月份, PM_2.5模拟浓度偏低, 但空间分布特征基本相似, 2016年4月的工业源时间表征数据相比于7月和9月偏低, 致使归一化后月变化系数偏低, 工业污染源的排放偏低是4月PM_2.5模拟浓度相比7月和9月偏低的主要原因.从月平均风向来看, 1月兰州市的近地面主导风向是偏北风, 4、7和9月黄河河谷以北主导风向为东北风, 黄河河谷以南为东南风, 沿着白银—兰州黄河河谷盆地走向的西侧同样存在一个PM_2.5的传输通道, 这点与刘镇^[19]运用后向轨迹模式得到的结论相似.

图 6

Fig. 6

图 6 1、4、7和9月PM2.5浓度 Fig. 6 Spatial distribution of monthly averaged PM2.5 concentrations in January, April, July and September.

(1) HEI-LZ16中SO₂、NO_x、CO、NH₃、VOCs、PM₁₀、PM_2.5、BC和OC的总量分别为25 642、53 998、319 003、10 475、35 289、49 250、19 822、2 476和1 482 t·a^-1, SO₂和CO排放最大的子源为化石燃料燃烧, 贡献率分别为84.1%和45.9%, NO_x排放最大的子源为移动源(54.0%), NH₃排放最大的子源为农业源(89.3%), VOCs排放最大的子源为石油化工源(25.3%), PM₁₀和PM_2.5排放最大的子源为道路扬尘源, 贡献率分别为56.4%和33.9%, BC和OC排放最大的子源为生物质燃烧, 贡献率分别为59.7%和78.9%.

(2) 在模拟时间内, HEI-LZ16相比于MEIC, O₃和PM_2.5的NME值分别减小了140.2%和28.8%, HEI-LZ16更能反映实际排放特征, 且能明显改善模拟效果, 但PM_2.5模拟浓度仍然偏低, 未来仍有必要更新本地VOCs和颗粒物源成分谱, 改进扬尘源排放清单等进一步优化HEI-LZ16模型.

(3) 兰州市近地面臭氧MDA8呈现冬春季城区低而郊区高、夏秋季河谷城区西部及其下风向地区高的分布特征.冬季兰州市河谷城区O₃浓度受到NO_x排放的抑制作用反而浓度降低, 春季兰州市河谷城区仍然以消耗O₃为主, 但对下风向地区O₃生成仍有较大的贡献, 夏季O₃高值区分布受偏东风和光化学反应的共同影响, 沿白银—兰州黄河河谷盆地走向的西侧存在一个O₃传输通道.

(4) 兰州市不同月份的PM_2.5浓度均呈现黄河河谷盆地高的分布特征, 且浓度高值区和PM_2.5排放高值区位置基本对应, 1月兰州市的近地面主导风向是偏北风, 4、7和9月黄河河谷以北主导风向为东北风, 黄河河谷以南为东南风, 沿着白银—兰州黄河河谷盆地走向的西侧同样存在一个PM_2.5的传输通道.