环境科学  2022, Vol. 43 Issue (5): 2403-2414   PDF    
引用本文
陈天雷, 吴敏, 潘成珂, 常莉敏, 李泱, 刘鹏, 高宏, 黄韬, 马建民. 基于前体物多情景排放的兰州市2030年夏季臭氧预测[J]. 环境科学, 2022, 43(5): 2403-2414.
CHEN Tian-lei, WU Min, PAN Cheng-ke, CHANG Li-min, LI Yang, LIU Peng, GAO Hong, HUANG Tao, MA Jian-min. Ozone Simulation of Lanzhou City Based on Multi-scenario Emission Forecast of Ozone Precursors in the Summer of 2030[J]. Environmental Science, 2022, 43(5): 2403-2414.
基于前体物多情景排放的兰州市2030年夏季臭氧预测
陈天雷1, 吴敏1, 潘成珂1, 常莉敏1, 李泱1, 刘鹏1, 高宏1, 黄韬1, 马建民2     
1. 兰州大学资源环境学院, 甘肃省环境污染预警与控制重点实验室, 兰州 730000;
2. 北京大学城市与环境学院, 北京 100871
收稿日期: 2021-08-11; 修订日期: 2021-09-30
基金项目: 国家自然科学基金项目(41977357); 兰州大学中央高校基本科研业务费专项(lzujbky-2021-kb23)
作者简介: 陈天雷(1995~), 男, 硕士, 主要研究方向为城市大气污染防治, E-mail: chentl19@lzu.edu.cn
通信作者: 高宏, E-mail: honggao@lzu.edu.cn
摘要: 近年来, 兰州市夏季臭氧污染问题日渐凸显, 已成为影响当地环境空气质量达标的首要污染因子和制约环境空气质量持续改善的突出短板.解决臭氧污染问题需结合城市经济发展的实际情况定量评估前体物减排量并提出切实可行的减排对策, 为环境管理的中长期规划提供科学依据.在2015年本地排放清单的基础上, 通过情景分析法预测了兰州市2030年3种梯度城市发展与污染控制情景下臭氧的两类主要前体物氮氧化物(NOx)和挥发性有机物(VOCs)的排放量, 利用WRF-Chem模型对不同情景下的2030年夏季臭氧污染程度进行了数值模拟, 分析了臭氧浓度与生成敏感性的时空变化情况, 并提出了兰州市臭氧前体物的总量控制参考和针对不同行政区的减排对策建议.结果表明, 3种不同的城市发展与污染控制情景下兰州市2030年NOx排放量为4.57×104~12.14×104 t, VOCs排放量为5.30×104~7.69×104 t, NOx排放可通过调整能源结构, 加强末端治理和限制机动车排放等措施有效减少; 减排VOCs则需从工业源、生活源和移动源多方面同时入手, 做好长期治理攻坚的准备.模拟结果显示, 兰州市夏季中心城区臭氧浓度高, 臭氧生成主要受VOCs控制, 郊区浓度略低, 受NOx控制. 2030年若将兰州市NOx和VOCs的排放量限制在6.25×104 t和5.81×104 t, 夏季臭氧1 h平均浓度将全部低于国家二级标准, 若限制在4.57×104 t和5.30×104 t, 可进一步削减夏季日间臭氧浓度的9.1%, 更利于中心城区的臭氧浓度削峰.兰州市目前阶段应着重减排中心城区的VOCs和郊区的NOx, 同时关注臭氧生成敏感性变化, 加强各行政区间的联防联控.
关键词: 兰州市      大气臭氧      臭氧前体物排放      WRF-Chem      情景模拟      减排对策建议     
Ozone Simulation of Lanzhou City Based on Multi-scenario Emission Forecast of Ozone Precursors in the Summer of 2030
CHEN Tian-lei1 , WU Min1 , PAN Cheng-ke1 , CHANG Li-min1 , LI Yang1 , LIU Peng1 , GAO Hong1 , HUANG Tao1 , MA Jian-min2     
1. Key Laboratory for Environmental Pollution Prediction and Control, Gansu Province, College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China;
2. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China
Abstract: In recent years, summer ozone pollution in Lanzhou has become an increasingly prominent concern and a primary factor causing the air quality of the city to exceed the ambient air quality standard of China. To achieve the city's goal for improving the air quality in Lanzhou, well below the national standard, effective air quality mitigation measures for the next decade must be taken to quantify the reduction in ozone precursor emissions, which would provide scientific support for the long-term outline of local environmental management. Based on the 2015 emission levels issued by the local government, the emission amounts of major ozone precursors (NOx and VOCs) were predicted, and ozone concentration levels subject to three urban development and pollution control scenarios in Lanzhou in 2030 were simulated using a coupled WRF-Chem weather and air quality model. The response and sensitivity of predicted ozone concentration to the changes in precursor emissions was quantified. The results were used to determine the levels and magnitudes of precursor emission reductions in Lanzhou in the next decade and provide guidance for emission mitigation policy. Based on the economic development and pollution control plan in Lanzhou, the emission range of NOx was 4.57×104-12.14×104 t, and the emission range of VOCs was 5.30×104-7.69×104t, under three modeling scenarios. Adjusting the energy structure, tightening up end-treatment, and restricting the vehicle emissions could more effectively reduce NOx emissions, whereas the reduction in VOCs emissions would depend on synergistic emission reduction from industry, residential, and transportation sources, which requires a long-term campaign. The modeling results showed that the ozone concentration in the urban area was higher than that in the suburbs. The urban ozone was formed mainly in a VOCs-limited regime, and the suburban ozone was formed in an NOx-limited regime. If the emissions of NOx and VOCs in Lanzhou were restricted below 6.25×104 t and 5.81×104 t in 2030, respectively, the 1 h average ozone concentration could be well below the secondary level of the national ambient air quality standard in summer. If emissions of these two precursors were further reduced to 4.57×104 t and 5.30×104 t, the summer daytime-ozone concentration could be further reduced by 9.1%, which would be conducive to ozone control in the urban area. By comparing the ozone pollution in different scenarios, the focus to reduce the air quality of the city below the national standard should be on reducing VOCs in urban Lanzhou and NOx in the suburbs of the city. Additional attention should be paid to the sensitivity of ozone formation to the changes in ozone precursor emissions so as to help strengthen regional joint prevention and control for ozone pollution in Lanzhou.
Key words: Lanzhou      atmospheric ozone      ozone precursor emissions      WRF-Chem      scenario simulation      emission reduction countermeasures     

作为中国最早发现光化学烟雾的城市, 自2013年以来, 兰州市夏季臭氧浓度呈明显上升态势并持续处于较高水平[1], 2016~2020年, 仅西固工业区夏季臭氧超标天数就分别达到16.7%、44.6%、50.5%、63.2%和33.7%[2], 在2016~2019年超标天数快速飙升后, 2020年开始趋于下降, 夏季臭氧1 h平均浓度于2017年最高达到481μg·m-3, 对拉升兰州市平均臭氧浓度水平有很大的贡献.当前兰州市臭氧已成为影响夏季空气质量的首要污染物.高浓度的臭氧污染不仅持续恶化生态环境, 造成建筑老化, 引起气候变化, 还对人体健康有严重的损害[3~5].有研究发现, 兰州市区近地面臭氧高浓度污染主要集中在4~8月[6], 臭氧的形成对其前体物NOx和VOCs的敏感性不断发生变化[2, 7~9].由于近地面臭氧主要来自于化学转化造成的二次污染, 与其前体物呈非线性关系[10], 治理难度不亚于PM2.5.在“十四五”规划中, 国家已经把臭氧及其前体物列为改善空气质量的重点关注污染物[11], 如何在保证城市高质量发展的基础上, 有效评估当前大气污染防控措施, 制定科学和长期的臭氧前体物减排方案, 是城市大气环境管理者亟待解决的问题.

基于空气质量模型的情景设置是开展区域臭氧浓度空间分布模拟, 进行前体物减排效果评估的有效手段和方法.Kim等[12]的研究利用GEOS-Chem模型模拟了2050年RCP情景下全球近地面臭氧的浓度分布, 量化了气候和排放变化对未来臭氧空气质量的影响.Zhu等[13]的研究同样利用GEOS-Chem模型模拟了2000~2050年RCP情景下中国区域近地面臭氧的浓度变化, 得出应同时降低NOx、CO和NMVOCs的人为排放与全球CH4的浓度, 以减轻未来中国区域臭氧污染的结论; Zhang等[14]的研究利用CMAQ模型模拟了2015~2020年中国区域5种减排控制政策情景下O3和NO2的浓度分布, 研究了二者的协同健康效应, 并探讨了目前已在各部门实施的减排控制政策的有效性; Li等[15]的研究基于WRF-Chem模型模拟了2016年兰州市11种前体物排放控制情景下的臭氧浓度, 分析了主城区和石化工业区的臭氧敏感性特征; Zhang等[16]的研究利用MCM模型与后向轨迹法, 确定了2018年华北平原区域臭氧的主要来源, 得出了减少交通和工业部门的前体物排放, 可有效降低此区域臭氧浓度的结论; 谢放尖等[17]的研究通过设置梯度发展情景调整排放清单, 利用CMAQ模型模拟了2030年南京市包括臭氧在内的6项污染物浓度, 给出了达标约束下各项污染物的总量控制指标.兰州市大气臭氧前体物减排对策的科学制定和严格实施是防控臭氧污染、改善环境空气质量的关键, 探讨各项减排措施的综合控制效果, 进行科学地环境管理中长期规划对于研判兰州市臭氧污染趋势、推进臭氧污染防治工作具有十分重要的意义.

本研究采用情景分析法, 在2015年(基准年)本地排放清单的基础上, 设置了3种梯度的城市发展与污染控制情景, 预测了兰州市2030年(目标年)臭氧主要前体物NOx和VOCs的排放量, 并于基准年和目标年选取夏季臭氧污染较为严重的一个月时间(7月24日~8月24日), 利用WRF-Chem模型评估2030年不同前体物排放情景下夏季臭氧浓度相比于2015年的变化情况及其生成敏感性, 提出适用于兰州市不同行政区臭氧防控的前体物减排对策建议, 以期为兰州市“十四五”环境规划和大气污染物总量控制政策的制定提供参考.

1 材料与方法 1.1 目标年排放清单的预测 1.1.1 排放总量预测方法

区域大气污染物排放量与城市经济发展情况、能源消费量、重点行业活动水平、末端治理效率和污染管控政策强度等因素密切相关[18~21].以2015年本地NOx和VOCs的排放清单为基础, 筛选重点排放源和排放行业, 根据兰州市当前城市发展态势, 结合已出台的污染物管控政策和规划力度合理推测, 构建兰州市2030年不同NOx和VOCs的排放情景, 情景名称与内容见表 1, 主要活动水平预测及依据见表 2.采用排放系数法[22]对重点排放源和排放行业进行分行业预测[23], 对其他排放源和排放行业进行宏观预测, 估算兰州市2030年NOx和VOCs的排放量, 具体公式如下：

(1)
表 1 不同的城市发展与污染防控政策干预下的情景设置 Table 1 Scenario settings under different urban development and pollution control interference

表 2 主要活动水平预测 Table 2 Forecast of major activity levels

式中, E为污染物排放量, i代表不同的源类别; A为活动水平, 其定义为影响污染物排放的各种经济活动的产出量, 如能源消耗量和产品产量等; EF为排放因子, 即单位活动水平的污染物产生量; η为治理技术对污染物的去除效率.模拟2030年空气质量时, 兰州市发展情景下二氧化硫和颗粒物排放主要参考兰州市生态环境局空气质量达标规划指标所设置的减排比例, 在2015年总量排放的基础上做削减, 基础情景和战略情景在此基础上再分别增加和减少10%的排放, 其余污染物保持与PM2.5下降比例相同.

1.1.2 清单网格化方法

参考以往研究对于清单网格化的分配方法[24~30], 假定目标年污染源的分布特征不发生变化, 把预测的兰州市2030年NOx和VOCs的排放量进行时间、空间和化学物种分配, 使其满足空气质量模型的输入数据要求.空间分配上, 将经纬度明确的点源和道路移动源分别根据2015年兰州市工业企业布局和路网进行分配, 其余生活源, 工业源和农业源排放量分别根据人口密度, 第二产业GDP和土地利用类型数据进行分配.基于韩向娣等[31]的研究, 第二产业GDP数据由网格化的夜间灯光数据计算得出, 具体公式如下：

(2)

式中, GDP2为第二产业GDP数据; I为夜间灯光指数.人口密度数据来源于CIESIN(Center for International Earth Science Information Network), 夜间灯光数据来源于NOAA (National Oceanic and Atmospheric Administration), 土地利用类型数据来源于中国科学院资源环境科学数据中心; 参考2015年本地排放清单中基于部门调研获得的逐月和逐时分配系数进行时间分配; 参考国内外相关研究和SPECIATE v4.2数据库[32]进行VOCs物种分配, 并映射到MOZART[33]化学机制, 以便对接WRF-Chem模型. 2030年兰州市其余污染物排放清单根据目标年情景削减比例在2015年清华MEIC清单[34]的基础上削减获取.

1.2 模型设置

近地面臭氧的生成机制较为复杂, 受到温度, 光照, 气压, 相对湿度和前体物排放量与排放比例等多种因素的影响[6, 35, 36], 故使用内嵌化学机制的空气质量模型模拟臭氧浓度的方法得到了广泛的应用.本研究采用空气质量模型WRF-Chem v3.8.1[37], 对兰州市进行两层区域嵌套模拟.图 1为模拟域和海拔高度, 考虑到兰州市的复杂地形和小尺度气象活动, 设置模型内域覆盖兰州市及周边地区, 空间分辨率为2 km, 网格数140×135; 外域覆盖甘肃省及部分邻近省份, 空间分辨率为10 km, 网格数104×110.垂直方向包括27层, 最顶层气压值为50 hPa.气象场由NCEP(1°×1°)FNL资料经气象模式WPS v3.8.1模拟得到.天然源排放的VOCs采用美国国家大气研究中心研发的MEGAN模型计算得到[38].模型采用适于光化学二次污染物模拟的MOZART化学机制, 气溶胶化学过程采用MOSAIC模块, 使用KPP库, 开启气象和化学双反馈选项.模型验证以2015年模拟时间段(7月24日~8月24日)为基准, 目标年气象数据以2015年相同时间段作为替代.

图 1 WRF-Chem模型模拟区域和海拔高度 Fig. 1 WRF-Chem model domain and terrain height

2 结果与讨论 2.1 清单结果分析

图 2给出了兰州市2030年不同城市发展与污染控制情景下NOx和VOCs的主要源排放量的差异及相对2015年的变化率.从中可见, NOx排放的主要贡献源为电力热力生产和供应源、移动源与工业源, VOCs排放的主要贡献源为工业源、生活源和移动源.在基础情景下, 若无新污染防控政策干预, 兰州市2030年NOx和VOCs的排放量将分别达到12.14×104 t和7.69×104 t, 相比2015年增幅为81%和25%; 发展情景下, 适当的污染防控政策干预可以将兰州市NOx和VOCs的排放量限制在6.25×104 t和5.81×104 t, 相比2015年的降幅为7%和6%; 战略情景下, 强化污染防控政策干预可将兰州市NOx和VOCs的排放总量限制在4.57×104 t和5.30×104 t, 相比2015年的降幅达32%和14%; 此外, 在进行情景计算时发现, 对于兰州市NOx减排, 除了应合理调整能源结构和提高重点行业的脱硝效率外, 各项限制机动车排放的措施也可获得较好的效果, 而对于VOCs减排则需从工业源、生活源和移动源多方面同时入手, 合理规划, 突出重点, 做好长期治理攻坚的准备.

红色虚线为2015年的排放量, 虚线以上数值为相比2015年的排放增幅, 虚线以下数值为相比2015年的排放降幅 图 2 兰州市不同情景下NOx和VOCs的主要源排放总量及其变化 Fig. 2 Emissions and variations of NOx and VOCs under different scenarios in Lanzhou

2.2 模型验证

用于模型验证的兰州市臭氧浓度观测数据来自于兰州市5个国控监测站小时分辨率的臭氧自动监测数据.图 3给出了2015年7月24日~8月24日期间, 兰州市5个国控监测站臭氧小时浓度模拟值与观测值在时间序列上的对比情况, 可以看出, 模拟值能够较好的与臭氧自动监测浓度的变化趋势相吻合, 除了对榆中农村地区模拟的相关性稍差外, 4个城区点位的相关性均在0.66~0.74之间, 总体上, 模型对于臭氧的浓度略有低估, 对于日间(08:00 ~19:00)的模拟效果优于夜间(20:00~次日07:00).由于近地面臭氧的形成与污染主要发生在有光照的日间[39~41], 夜间臭氧浓度较低且以消耗作用为主, 故提取日间臭氧浓度模拟值做进一步分析.

图 3 兰州市5个国控站点臭氧小时模拟值与观测值对比 Fig. 3 Comparison between simulated and observed hourly ozone concentrations at five national controlling sites in Lanzhou

为更好地验证模型模拟的精度, 引入平均相对偏差(MFB)和平均相对误差(MFE)对模拟结果进行评估, 定义如下：

(3)
(4)

式中, Pi和Oi为模拟和观测变量, N为参与比对的有效样本数.

表 3给出了日间臭氧浓度模拟值的统计分析结果, 根据Boylan等[42]建议的评估模型预报合理性指标范围对模拟结果的精确度进行评价, 兰州市各国控点的MFB均在-60%~60%之间, 且MFE小于75%, 表明模拟结果在合理可接受范围内, 能够反映实际观测情况.

表 3 兰州市日间臭氧模拟结果精度评估 Table 3 Assessment of daytime ozone simulation performance in Lanzhou

2.3 模拟结果分析 2.3.1 基准年臭氧污染特征

图 4为2015年7月24日~8月24日的模拟时间段兰州市日间(08:00~19:00)平均温度和风速, 从中可见, 兰州市夏季的风向属于偏东风, 平均风速小于3 m·s-1, 并且相比于远郊三县, 中心城区的温度更高, 部分地区白天平均温度可达25℃以上.根据马秉吉等[1]和陈培章等[6]的研究, 由于地形的影响, 兰州市微弱的东风不但对臭氧的清除作用不明显, 反而利于其前体物的积累, 同时, 较高的温度也有助于臭氧的生成.

图 4 2015年夏季模拟时间段日间平均温度和风速 Fig. 4 Daytime average of temperature and wind speed during the simulation period of summer in 2015

图 5给出了2015年夏季模拟时间段兰州市不同时刻(08:00、10:00、12:00、14:00、16:00和18:00) 臭氧浓度的空间分布情况.从中可知, 由于夜间臭氧的消耗, 在08:00左右, 兰州市近地面臭氧浓度处于较低水平.随着白天光照强度的增加和前体物的大量排放, 臭氧不断生成与积累, 并在13:00左右浓度达到最高(安宁区最高约117μg·m-3), 呈现出中心城区高, 郊区低的空间分布状态, 这是因为城关区的较多机动车和西固区的大型石化与重工业排放了大量的臭氧前体物, 有利于臭氧的生成, 且较低的风速不利于其扩散, 造成了较高的局地污染.临近傍晚, 由于光照强度的下降和前体物的消耗, 兰州市臭氧浓度逐渐降低.

图 5 2015年夏季模拟时间段不同时刻臭氧浓度分布 Fig. 5 Modeling the distribution of daytime ozone concentration at different times during the simulation period in summer of 2015

本研究基于Sillman[43]所提出的H2O2/HNO3比值法判定臭氧生成的敏感性, 若比值小于0.3, 则该地区处于VOCs控制区, 若大于0.5则属于NOx控制区, 比值在0.3~0.5之间, 则属于过渡区.该方法经学者应用证实其在中国区域具有较好的适用性[44~46].图 6给出了兰州市及周边区域H2O2/HNO3的平均变化情况, 总体而言, 在2015年夏季光化学反应较为显著的时间段, 兰州市中心城区平均处于VOCs控制区, 郊区处于NOx控制区, 且控制臭氧生成的前体物敏感性在一天的不同时间会发生转换, 这与以往对于兰州市2013~2019年期间臭氧敏感性研究的结论基本一致[7~9, 47].对比近年来兰州市臭氧敏感性控制区范围的变化情况表明：兰州市夏季臭氧敏感性正呈现出中心城区NOx控制区不断减小, VOCs控制区不断增加的态势, 分析与兰州市石化和重工业VOCs治理工作的持续推进以及各项前体物减排措施的不断实施有关, 其改变了污染源前体物排放量, 导致前体物间的比例发生改变, 造成臭氧生成的敏感性特征发生了变化.

图 6 2015年夏季模拟时间段H2O2/HNO3的空间变化 Fig. 6 Spatial variations in H2O2/HNO3 during the simulation period of summer in 2015

2.3.2 目标年情景模拟对比 2.3.2.1 夏季臭氧浓度日变化情况

图 7给出了2030年夏季兰州市及周边地区3个情景下不同时刻(08:00、10:00、12:00、14:00、16:00和18:00)的臭氧浓度与2015年夏季之差的空间分布情况, 图 8为对应的臭氧生成敏感性控制区.从中可见, 在基础情景的模拟中, 兰州市目标年夏季臭氧浓度总体上高于2015年, 尤其是在下午, 本市红古区、永登县部分地区, 临夏回族自治州和青海省东部的臭氧浓度有了明显提高(差值最高为18.5μg·m-3).然而在上午, 兰州市中心城区附近出现了臭氧浓度偏低的现象(差值最低为-38.5μg·m-3), 这是由于在此情景下, 兰州市夏季臭氧生成主要受VOCs控制, 且与2015年相比控制范围增加, 中心城区排放的大量NO还原臭氧, 高浓度的NO2又终止了·OH在大气中的氧化循环, 导致臭氧浓度的降低, 这也符合VOCs控制区的特征, 与NO的“滴定”效应有关[48], 并且根据计算, 在此情景下兰州市中心城区臭氧的1 h平均浓度存在超标现象(西固区与城关区超标天数均为6.4%), 前体物的大量排放也增加了局地臭氧污染超标的风险; 在发展情景的模拟中, 兰州市目标年夏季臭氧浓度的时空分布和生成敏感性与2015年情况类似, 仅在下午部分时段, 西固区和城关区等少数地区的臭氧浓度有所降低(差值最低为-11.7μg·m-3), 在此情景下兰州市臭氧的1 h平均浓度已全部低于国家二级标准, 臭氧污染得到了有效控制; 在战略情景的模拟中, 兰州市目标年夏季臭氧浓度显著降低, 以下午时段中心城区的下降最为明显(差值最低为-27.0μg·m-3), 有利于臭氧削峰, 同时由于NOx的大量减排, 兰州市臭氧生成敏感性控制区已整体转化为NOx控制区和过渡区.

图 7 2030年夏季基础情景、发展情景和战略情景下不同时刻的臭氧浓度与2015年之差的空间分布 Fig. 7 Differences for spatial distribution of modeling summer ozone concentration at different times between 2015 and 2030 based on the basic scenario, development scenario, and strategic scenario

图 8 2030年夏季基础情景、发展情景和战略情景下H2O2/HNO3的空间变化 Fig. 8 Spatial variations in H2O2/HNO3 in summer of 2030 based on the basic scenario, development scenario, and strategic scenario

2.3.2.2 兰州市及各行政区夏季臭氧浓度对比

图 9给出了2030年夏季3个情景下兰州市不同行政区日间(08:00~19:00)臭氧浓度均值以及与2015相比较的变化情况.其中, 城关区为居民商业混合区, 西固区为典型工业区, 榆中县为远郊农业区.总体来看, 兰州市及其各行政区臭氧浓度对比情况：西固区>城关区>兰州市全域(包括兰州市五区三县在内的全部地区的均值)>榆中县, 不同污染控制情景对兰州市各行政区的臭氧浓度影响不尽相同.按基础情景城市发展态势, 若无新污染防控政策干预, 兰州市全域日间臭氧浓度相比2015年的增幅将达到9.2%, 但中心城区包括西固区和城关区的臭氧浓度却分别下降了9.1%和4.8%, 这是由于中心城区的化石燃料燃烧和移动源排放的NOx显著高于VOCs的排放量, 增强了NO的“滴定”效应, 导致臭氧大量消耗, 造成浓度降低.此时若加强兰州市VOCs的减排, 对臭氧的控制较为有利, 然而大量的前体物排放和积累仍然可以随时造成局地高浓度的臭氧污染; 在发展情景下, 适当的污染防控政策干预可降低兰州市全域日间臭氧浓度的4.6%, 对3个行政区的臭氧浓度也有微弱的削减作用, 此时应当注意在中午时段加强城关区和西固区VOCs的减排管控, 以降低中心城区臭氧的峰值浓度; 在战略情景下, 强化污染防控政策干预可降低兰州市日间臭氧浓度的13.7%, 对西固区和榆中县的臭氧削减也达到了11.2%和13.1%, 但城关区臭氧浓度降幅仅为3.5%, 这可能是由于兰州市工业企业的空间分布较为集中, 城关区人口密度与汽车保有量大和VOCs的削减力度不足所导致的, 此时应在中心城区协同削减NOx和VOCs的排放量, 在周边地区削减NOx排放, 以稳固并加强兰州市臭氧污染的控制效果.

虚线为2015年的浓度, 虚线以上数值为相比2015年的浓度增幅, 虚线以下数值为相比2015年的浓度降幅 图 9 3个情景下兰州市不同行政区日间臭氧浓度均值及变化 Fig. 9 Mean and variations of daytime ozone concentration under three scenarios in different districts of Lanzhou

2.4 兰州市NOx和VOCs的总量控制与减排对策建议

兰州市的臭氧浓度与城市经济发展特征和污染治理水平密切相关, 作为我国工业较发达的城市, 其特殊的盆地地形和大量的前体物排放增加了臭氧污染治理的难度, 而强有力的环境管理和科学的中长期规划是兰州市臭氧污染防控的关键.从前体物控制上来说, NOx和VOCs的总量控制是“十四五”期间大气污染治理工作的主攻方向, 尤其是生态环境部于2019年提出的推行VOCs精细化管控“一厂一策”制度, 于2021年开展的细颗粒物和臭氧污染协同防控“一市一策”驻点跟踪研究以及“十三五”规划中提出并在部分重点区域开展的VOCs排放总量控制工作, 不仅对当前城市的臭氧防控具有重要意义, 也是未来PM2.5和臭氧协同治理的关键.由本研究可知, 若在2030年将兰州市NOx和VOCs的排放总量限制在6.25×104 t和5.81×104 t, 预计目标年兰州市夏季臭氧1 h平均浓度将全部低于国家二级标准, 臭氧污染可以得到有效控制, 若将排放量限制在4.57×104 t和5.30×104 t, 可进一步削减兰州市夏季日间臭氧浓度的9.1%, 此结果也可为兰州市环境规划的提出和污染物总量控制政策的制定提供定量的参考.值得说明的是, 可使兰州市2030年臭氧达标的前体物排放情景在理论上有较多种, 探寻最佳方案还应综合考虑经济和技术等因素的影响, 有待进一步论证.

通过对比兰州市目标年的不同污染控制情景和臭氧污染状况, 筛选夏季臭氧污染的主要影响因素, 进而针对不同行政区给出的NOx和VOCs减排对策建议：在城关区(居民商业混合区)应着重加强对道路移动源NOx和VOCs排放的管控, 严格执行最新的机动车排放标准, 加快淘汰和更新高排放的老旧机动车, 大力支持新能源和清洁能源车辆的推广应用, 强化各项机动车管控和监督政策, 尤其注意减少午间时段的前体物排放, 以达到臭氧日间高浓度削峰的目的.同时加大对城关区溶剂使用源VOCs排放的限制, 主要针对贡献较大的建筑涂料排放和生活源溶剂使用排放, 建议推广使用环保型涂料和去污产品, 推进喷涂设备的工艺升级, 在餐饮服务业加装油雾回收装置等, 并减少城关区加油站的VOCs排放; 在西固区(典型工业区)应重点削减石油化工业的VOCs排放量, 实行总量控制管理, 加大监管力度, 建议完善企业LDAR工作, 强化企业生产环节的源头削减和过程控制, 减少VOCs的无组织排放.同时, 通过优化能源结构, 整合优质高效电力供应, 加强末端治理, 淘汰落后产能等方式减少热电行业和工业锅炉化石燃料燃烧排放的前体物, 加强对机动车尾气排放的控制; 在榆中县(远郊农业区)应加强农村地区生物质燃烧的管控工作, 开展专项整治活动, 全面禁止秸秆焚烧, 因地制宜的规划和构建农村地区清洁能源体系, 开发生物质能源, 减少燃煤锅炉的散煤燃烧量.同时, 汽油车的公路排放对该区域臭氧前体物贡献占比也较大, 建议采取优化公路交通限速, 取消高速公路人工收费站和强制上路车辆加装尾气净化装置等措施减少尾气排放.根据李泱等[2]的研究, 近几年榆中县的臭氧浓度升高明显, 除了受此区域NOx和VOCs排放的影响, 还与气象因素导致的中心城区排放的前体物向东输送有关.因此, 加强兰州市各行政区之间的臭氧污染联防联控是必要且急迫的手段; 总之, 目前阶段应在兰州市中心城区着重于减排VOCs, 在郊区着重于减排NOx, 并时刻关注不同行政区臭氧前体物的排放特征, 根据臭氧生成敏感性的动态变化, 科学、合理地制定前体物减排方案.

3 结论

(1) 基于3个不同情景预测的兰州市2030年臭氧主要前体物排放量和夏季臭氧达标情况：基础情景兰州市NOx和VOCs的排放量分别为12.14×104 t和7.69×104 t, 中心城区夏季臭氧1 h平均浓度存在超标现象(西固区、城关区超标天数均为6.4%), 兰州市全域日间臭氧浓度较2015年提升9.2%; 发展情景兰州市NOx和VOCs的排放量分别为6.25×104 t和5.81×104 t, 夏季臭氧1 h平均浓度全面达标, 日间臭氧浓度较2015年下降4.6%, 臭氧污染能够得到有效控制; 战略情景兰州市NOx和VOCs的排放量分别为4.57×104 t和5.30×104 t, 夏季日间臭氧浓度在发展情景的基础上进一步削减了9.1%, 更有利于中心城区的臭氧浓度削峰.

(2) 兰州市夏季臭氧污染机制和前体物控制策略：兰州市夏季中心城区臭氧浓度较高, 臭氧生成主要受VOCs控制, 郊区浓度略低, 主要受NOx控制, 臭氧敏感性在近些年呈现出中心城区NOx控制区不断减小, VOCs控制区不断增加的趋势.未来进一步减排兰州市NOx, 可通过调整能源结构, 加强末端治理和限制机动车排放等措施有效减少, 减排VOCs则需从工业源、生活源和移动源多方面同时入手, 做好长期治理攻坚的准备.

(3) 针对兰州市不同行政区臭氧前体物的减排对策建议：在城关区应加强对机动车尾气排放的管控, 减少溶剂使用源和加油站的VOCs排放, 同时加大对午间时段前体物排放的限制, 使臭氧日间高浓度削峰; 在西固区应重点削减石化行业的VOCs排放量, 并减少电厂和工业锅炉化石燃料燃烧的前体物排放, 加强对机动车尾气排放的管控; 在榆中县, 应强化农村地区生物质燃烧的管控工作, 减少散煤燃烧, 降低汽油车的公路排放.在兰州市各行政区应加强臭氧污染的联防联控, 目前阶段需着重减排中心城区的VOCs和郊区的NOx, 并时刻关注臭氧生成敏感性变化, 据此调整前体物减排方案.

致谢: 感谢兰州大学超算中心对本研究的支持.

参考文献
[1] 马秉吉, 马玉霞, 虞志昂, 等. 兰州市近地面臭氧污染分布特征[J]. 环境保护科学, 2019, 45(3): 60-65.
Ma B J, Ma Y X, Yu Z A, et al. Characteristics of near-surface ozone pollution in Lanzhou[J]. Environmental Protection Science, 2019, 45(3): 60-65.
[2] 李泱, 常莉敏, 吕沛诚, 等. 兰州市大气臭氧生成的敏感性分析及其前体物减排对策建议[J]. 环境科学学报, 2021, 41(5): 1628-1639.
Li Y, Chang L M, Lü P C, et al. Sensitivity analysis of atmospheric ozone formation and its precursors emission reduction countermeasures in Lanzhou city[J]. Acta Scientiae Circumstantiae, 2021, 41(5): 1628-1639.
[3] Grulke N, Hrath R L. Ozone effects on plants in natural ecosystems[J]. Plant Biology, 2019, 22. DOI:10.1111/plb.12971
[4] Stocker T F, Qin D, Plattner G K, et al. IPCC, 2013: climate change 2013: the physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change[R]. New York: Cambridge University Press, 2013.
[5] Miao W J, Huang X, Song Y, et al. An economic assessment of the health effects and crop yield losses caused by air pollution in mainland China[J]. Journal of Environmental Sciences, 2017, 56: 102-113. DOI:10.1016/j.jes.2016.08.024
[6] 陈培章, 陈道劲. 兰州主城臭氧污染特征及气象因子分析[J]. 气象与环境学报, 2019, 35(2): 46-54.
Chen P Z, Chen D J. Analysis of ozone pollution characteristics and meteorological factors over Lanzhou city[J]. Journal of Meteorology and Environment, 2019, 35(2): 46-54. DOI:10.3969/j.issn.1673-503X.2019.02.007
[7] 贾晨辉. 中国西部兰州盆地非甲烷烃大气污染特征及其化学行为[D]. 兰州: 兰州大学, 2018.
Jia C H. Characteristics and chemical behaviors of atmospheric non-methane hydrocarbons in Lanzhou Valley, Western China[D]. Lanzhou: Lanzhou University, 2018.
[8] 尹伊. 基于CMAQ模式、MEIC清单对兰州市主城区臭氧污染特征的初步研究[D]. 兰州: 兰州大学, 2019.
Yin Y. Ozone pollution characteristics in the main urban area of Lanzhou city based on CMAQ model and MEIC[D]. Lanzhou: Lanzhou University, 2019.
[9] 马丹阳. 兰州市石化生产行业对主城区近地面臭氧污染的数值模拟研究[D]. 兰州: 兰州大学, 2020.
Ma D Y. The simulation of petrochemical industry in Lanzhou city on the ozone pollution near the ground in the main urban area[D]. Lanzhou: Lanzhou University, 2020.
[10] Chameides W L, Demerjian K, Albritton D, et al. An assessment of tropospheric ozone pollution: a North American perspective[R]. Washington: NARSTO, 2000.
[11] 新华网. 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL]. http://www.xinhuanet.com/2021-03/13/c_1127205564.htm, 2021-03-13.
[12] Kim M J, Park R J, Ho C H, et al. Future ozone and oxidants change under the RCP scenarios[J]. Atmospheric Environment, 2015, 101. DOI:10.1016/j.atmosenv.2014.11.016
[13] Zhu J, Liao H. Future ozone air quality and radiative forcing over China owing to future changes in emissions under the Representative Concentration Pathways (RCPs)[J]. Journal of Geophysical Research: Atmospheres, 2016, 121(4): 1978-2001. DOI:10.1002/2015JD023926
[14] Zhang X G, Fung J C H, Lau A K H, et al. Air quality and synergistic health effects of ozone and nitrogen oxides in response to China's integrated air quality control policies during 2015-2019[J]. Chemosphere, 2021, 268. DOI:10.1016/j.chemosphere.2020.129385
[15] Li J X, Wang Z X, Chen L L, et al. WRF-Chem simulations of ozone pollution and control strategy in petrochemical industrialized and heavily polluted Lanzhou city, Northwestern China[J]. Science of the Total Environment, 2020, 737. DOI:10.1016/j.scitotenv.2020.139835
[16] Zhang Y N, Xue L K, Li H Y, et al. Source apportionment of regional ozone pollution observed at Mount Tai, North China: application of lagrangian photochemical trajectory model and implications for control policy[J]. Journal of Geophysical Research: Atmospheres, 2021, 126(6). DOI:10.1029/2020JD033519
[17] 谢放尖, 史之浩, 李婧祎, 等. 基于达标约束的南京市环境空气质量情景模拟[J]. 环境科学, 2019, 40(7): 2967-2976.
Xie F J, Shi Z H, Li J Y, et al. Scenario simulation study constrained by the ambient air quality standards in Nanjing[J]. Environmental Science, 2019, 40(7): 2967-2976.
[18] 安文辉, 曹国良, 蒙小波, 等. 情景分析法预测西安市大气污染物排放总量[J]. 环境工程, 2016, 34(8): 99-103.
An W H, Cao G L, Meng X B, et al. Scenario analysis to predict the total emissions of air pollutants in Xi'an[J]. Environmental Engineering, 2016, 34(8): 99-103.
[19] Grossman G M, Krueger A B. Economic growth and the environment[J]. The Quarterly Journal of Economics, 1995, 110(2): 353-377. DOI:10.2307/2118443
[20] Panayotou T. Empirical tests and policy analysis of environmental degradation at different stages of economic development[R]. Geneva: International Labour Organization, 1993.
[21] 刘俏. 情景分析法在城市规划区域污染物排放总量中的预测研究——以安庆市为例[D]. 合肥: 合肥工业大学, 2013.
Liu Q. Research on the prediction of the total discharge of pollutants of urban planning based on scenario analysis—the case study of Anqing city[D]. Hefei: Hefei University of Technology, 2013.
[22] 生态环境部. 关于发布计算污染物排放量的排污系数和物料衡算方法的公告[EB/OL]. http://www.mee.gov.cn/gkml/hbb/bgg/201712/t20171229_428887.htm, 2017-12-28.
[23] 翁建宇. 安徽省"十三五"大气主要污染物排放总量预测及减排潜力分析研究[D]. 合肥: 合肥工业大学, 2017.
Weng J Y. The thirteenth five years plan of main air pollutants total amount prediction of Anhui province and analysis of emission reduction potential[D]. Hefei: Hefei University of Technology, 2017.
[24] Li M, Liu H, Geng G N, et al. Anthropogenic emission inventories in China: a review[J]. National Science Review, 2017, 4(6): 834-866. DOI:10.1093/nsr/nwx150
[25] Li M, Zhang Q, Streets D G, et al. Mapping Asian anthropogenic emissions of non-methane volatile organic compounds to multiple chemical mechanisms[J]. Atmospheric Chemistry and Physics, 2014, 14(11): 5617-5638. DOI:10.5194/acp-14-5617-2014
[26] Huang T, Tian C G, Zhang K, et al. Gridded atmospheric emission inventory of 2, 3, 7, 8-TCDD in China[J]. Atmospheric Environment, 2015, 108: 41-48. DOI:10.1016/j.atmosenv.2015.02.070
[27] 张凯, 于周锁, 高宏, 等. 兰州盆地人为源大气污染物网格化排放清单及其空间分布特征[J]. 环境科学学报, 2017, 37(4): 1227-1242.
Zhang K, Yu Z S, Gao H, et al. Gridded emission inventories and spatial distribution characteristics of anthropogenic atmospheric pollutants in Lanzhou valley[J]. Acta Scientiae Circumstantiae, 2017, 37(4): 1227-1242.
[28] 王文鹏, 王占祥, 李继祥, 等. 兰-白城市群主要大气污染物网格化排放清单及来源贡献[J]. 环境科学, 2021, 42(3): 1315-1327.
Wang W P, Wang Z X, Li J X, et al. Gridded emission inventories of major criteria air pollutants and source contributions in Lan-Bai metropolitan area, Northwest China[J]. Environmental Science, 2021, 42(3): 1315-1327.
[29] 郭文凯, 李光耀, 陈冰, 等. 兰州市高分辨率人为源排放清单建立及在WRF-Chem中应用评估[J]. 环境科学, 2021, 42(2): 634-642.
Guo W K, Li G Y, Chen B, et al. Establishment of a high-resolution anthropogenic emission inventory and its evaluation using the WRF-Chem model for Lanzhou[J]. Environmental Science, 2021, 42(2): 634-642.
[30] 马明月, 杨宏, 潘峰, 等. MEIC清单对兰州市西固区臭氧污染预测的适用性研究[J]. 环境保护科学, 2021, 47(2): 136-144.
Ma M Y, Yang H, Pan F, et al. Applicability of MEIC to predict ozone pollution in Xigu district of Lanzhou[J]. Environmental Protection Science, 2021, 47(2): 136-144.
[31] 韩向娣, 周艺, 王世新, 等. 夜间灯光遥感数据的GDP空间化处理方法[J]. 地球信息科学学报, 2012, 14(1): 128-136.
Han X D, Zhou Y, Wang S X, et al. GDP spatialization in China based on nighttime imagery[J]. Journal of Geo-information Science, 2012, 14(1): 128-136.
[32] Simon H, Beck L, Bhave P V, et al. The development and uses of EPA's SPECIATE database[J]. Atmospheric Pollution Research, 2010, 1(4): 196-206. DOI:10.5094/APR.2010.026
[33] Emmons L K, Walters S, Hess P G, et al. Description and evaluation of the model for ozone and related chemical tracers, version 4 (MOZART-4)[J]. Geoscientific Model Development, 2010, 3(1): 43-67. DOI:10.5194/gmd-3-43-2010
[34] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission[J]. Atmospheric Chemistry and Physics, 2009, 9(14): 5131-5153. DOI:10.5194/acp-9-5131-2009
[35] Porter W C, Heald C L. The mechanisms and meteorological drivers of the summertime ozone-temperature relationship[J]. Atmospheric Chemistry and Physics, 2019, 19(21): 13367-13381. DOI:10.5194/acp-19-13367-2019
[36] Sillman S. The relation between ozone, NOx and hydrocarbons in urban and polluted rural environments[J]. Atmospheric Environment, 1999, 33(12): 1821-1845. DOI:10.1016/S1352-2310(98)00345-8
[37] Grell G A, Peckham S E, Schmitz R, et al. Fully coupled "online" chemistry within the WRF model[J]. Atmospheric Environment, 2005, 39(37): 6957-6975. DOI:10.1016/j.atmosenv.2005.04.027
[38] Guenther A, Karl T, Harley P, et al. Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Nature)[J]. Atmospheric Chemistry and Physics, 2006, 6(11): 3181-3210. DOI:10.5194/acp-6-3181-2006
[39] García M A, Sánchez M L, Pérez I A, et al. Ground level ozone concentrations at a rural location in Northern Spain[J]. Science of the Total Environment, 2005, 348(1-3): 135-150. DOI:10.1016/j.scitotenv.2004.12.049
[40] Dueñas C, Fernández M C, CañEte S, et al. Assessment of ozone variations and meteorological effects in an urban area in the Mediterranean Coast[J]. Science of the Total Environment, 2002, 299(1-3): 97-113. DOI:10.1016/S0048-9697(02)00251-6
[41] EPA/600/AP-93/004aF, Air quality criteria for ozone and related photochemical oxidants volume Ⅰ of Ⅲ (Final Report, 1996)[S].
[42] Boylan J W, Russell A G. PM and light extinction model performance metrics, goals, and criteria for three-dimensional air quality models[J]. Atmospheric Environment, 2006, 40(26): 4946-4959. DOI:10.1016/j.atmosenv.2005.09.087
[43] Sillman S. The use of NOy, H2O2, and HNO3 as indicators for ozone-NOx-hydrocarbon sensitivity in urban locations[J]. Journal of Geophysical Research: Atmospheres, 1995, 100(D7): 14175-14188. DOI:10.1029/94JD02953
[44] Liu X H, Zhang Y, Xing J, et al. Understanding of regional air pollution over China using CMAQ, part Ⅱ. Process analysis and sensitivity of ozone and particulate matter to precursor emissions[J]. Atmospheric Environment, 2010, 44(30): 3719-3727. DOI:10.1016/j.atmosenv.2010.03.036
[45] 贝耐芳, 冯添, 吴佳睿, 等. 西安地区夏季臭氧的模拟研究[J]. 地球环境学报, 2017, 8(6): 552-567.
Bei N F, Feng T, Wu J R, et al. Simulations of summertime ozone in Xi'an and surrounding areas[J]. Journal of Earth Environment, 2017, 8(6): 552-567.
[46] 牛元, 程水源, 欧盛菊, 等. 基于光化学指标法的邯郸市臭氧生成敏感性[J]. 环境科学, 2021, 42(6): 2691-2698.
Niu Y, Cheng S Y, Ou S J, et al. Applying photochemical indicators to analyze ozone sensitivity in Handan[J]. Environmental Science, 2021, 42(6): 2691-2698.
[47] 王文鹏. 兰州市近地面臭氧成因及源汇关系模拟研究[D]. 兰州: 兰州大学, 2021.
Wang W P. Modeling formation mechanism and source-sink relationship of ground-level ozone in Lanzhou, China[D]. Lanzhou: Lanzhou University, 2021.
[48] Xue L K, Wang T, Louie P K K, et al. Increasing external effects negate local efforts to control ozone air pollution: a case study of Hong Kong and implications for other Chinese cities[J]. Environmental Science & Technology, 2014, 48(18): 10769-10775.