大气污染源排放清单不仅可识别污染源、全面掌握污染物排放规律, 也可为大气污染成因探究、减排方案制定和空气质量预报预警等提供重要的基础数据和信息.目前, 以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)为代表的全国网格化排放清单被广泛应用于空气质量模式的模拟^[1~3], 但由于网格分辨率较低, 当其被分配至城市尺度时存在较大不确定性^[4].在城市尺度大气污染源排放清单方面, 东部地区和重点城市大气污染源清单的研究较为成熟, 但污染源和污染物种类齐全的高时空分辨率城市排放清单仍未完全建立^{[5, 6]}, 西部地区源排放清单的构建起步相对较晚, 涉及单个源类、污染物或市区的本地排放清单建立工作正在逐步开展^[7~9].同时, 城市清单的研究结果具有显著的区域特征, 如珠江三角州地区以家具制造、石油精炼和油气码头排放为主的工艺过程源是VOCs的最大贡献源类^[10], 而以机械加工、建筑装饰、电子设备制造、印刷和家具等行业为主的溶剂使用源则是四川省VOCs排放的最大贡献源类^[11]; 山东省PM₁₀和PM_2.5的主要来源是以施工扬尘源中建筑物建造和拆迁源为主的扬尘源^[12], 东北地区则是以生活民用源和工业源的排放为主^[13]; 袁相洋等^[14]估算了2015年南京市和北京市森林天然源挥发性有机物(biogenic volatile organic compounds, BVOCs)的排放表明, 北京市森林源VOCs排放总量是南京的2~3倍, 且两市VOCs排放优势树种不同.综上, 由于区域位置、自然条件、社会经济状况、产业结构、生产消费特点、交通和科技发展水平等的差异导致城市清单具有突出的本地特征, 构建符合本地的高分辨率城市清单是实现精准科学治污的重要基础.

乌海市地处内蒙古自治区西南部, 由于区域丰富的煤炭和矿产资源, 煤化工工业为乌海及周边区域的支柱产业, 除辖内的海勃湾千里山、乌达和海南西来峰工业园区外, 乌海市周边还分布着蒙西、乌斯太、棋盘井和石嘴山河滨工业园区, 形成了园区“围城”的工业分布特征.作为典型煤碳资源型城市的乌海市工业布局特殊, 大气污染物排放总量较大, 虽有部分研究初步量化了乌海市及周边园区典型行业的排放^{[15, 16]}, 但系统完善的城市大气污染物源排放清单尚未建立, 大气污染物排放强度和时空分布特征尚不清楚.同时, 近年来乌海市夏季O₃污染问题逐渐突出, 且O₃污染的成因尚未被完全揭示^{[17, 18]}.本文以2018年为基准年, 对乌海市主要大气污染源进行实地调研, 结合统计调查数据获取乌海市大气污染源活动水平, 利用“系数法”构建了乌海市高时空分辨率大气污染源清单(self-built high-resolution emission inventory in 2018, HEI-WH2018).在分析乌海市大气污染源排放特征的基础上, 选取O₃污染严重的7月为夏季代表月份, 利用WRF-Chem (weather research and forecasting model coupled to chemistry)模式评估了自建清单适用性和准确性, 分析了乌海市O₃及前体物分布特征, 并结合模式诊断模块分析了乌海市O₃污染过程中不同物理化学过程的贡献.以期为乌海市及其他以煤化工行业为主的工业城市本地精细化源清单的建立及O₃污染成因的探究提供参考.

本次源清单的建立涵盖乌海市下辖的海勃湾区、乌达区和海南区.乌海市共3个国控站点, 分别为聚英学校、林业局和中海勃湾学校(图 1), 均位于海勃湾区.

图 1

Fig. 1

黑点为国控站点 图 1 研究区域及监测站点分布示意 Fig. 1 Modeling domains and location of monitoring stations

参考国家生态环境部发布的系列大气污染物排放清单编制技术指南, HEI-WH18主要利用“系数法”自下而上构建, 包含12类污染源, 分别为：工艺过程源、化石燃料燃烧源、溶剂使用源、移动源、农牧业氨源、废弃物处理源、扬尘源、油气储运源、生物质燃烧源、煤层及矸石堆自燃源、餐饮源和天然源; 9种污染物, 分别为：SO₂、NO_x、CO、NH₃、VOCs、PM_2.5、PM₁₀、BC和OC.

煤层及矸石堆自燃源活动性水平依据2017年和2018年可见光红外成像辐射仪(visible infrared imaging radiometer, VIIRS)火点数据确定^[19]; 天然源排放利用天然源排放模型(model of emissions of gases and aerosols from nature, MEGAN)计算得到, 活动水平采用中国科学院地理科学与资源研究所提供的中国100万植被类型空间分布数据集(https://www.resdc.cn/data.aspx?DATAID=122); 其它各类源的活动性水平数据来源于现场调查、行业报告和乌海市政府公报数据, 结合对乌海市重点行业和企业进行现场核查最终确定.在排放因子选用方面, 各类人为源优先选取国家颁布的排放清单编制指南中的相关因子^[20~27], 其次参考文献[28]中的因子, 对于以上指南和手册未涵盖的源类如其他工业锅炉、钢材生产、飞机及船舶排放和农田系统氨肥使用等, 依照11大类人为源进一步进行排放因子选取, 其中化石燃料燃烧源和工艺过程源参考文献[29~31], 移动源参考文献[10, 32], 溶剂使用源参考文献[33, 34], 农牧业氨源参考文献[35]; 煤层及矸石自燃源排放因子选取详见文献[19]; 对于仍未涵盖的源类如电石生产、基础化学原料制造、合金生产、非金属和金属制品制造等源类选用文献[36]中的排放因子.化石燃料燃烧源中有在线监测数据的企业, 根据在线监测结果对SO₂、NO_x和PM₁₀的排放因子进行了本地化校正.

依据文献[28]和各类源活动水平的月变化情况将年排放量细分至各月.煤层及矸石堆自燃源和生物质燃烧源以VIIRS火点和土地利用类型进行空间分配; 道路移动源根据乌海市实际路网分布分配, 非道路移动源依据建筑用地面积、耕地面积等分配; 农牧业源以农村居民点以及耕地类型进行分配; 土壤扬尘和道路扬尘分别按照土地利用类型和道路长度、车流量等分配; 餐饮源按照乌海市人口分布特征分配, 除上述源之外的其它源按照排放源所在经纬度进行空间分配; 最终, 利用Arcgis将所有污染物排放量整合细分至1 km×1 km的空间网格之上.

基于HEI-WH18, 利用WRF-Chem对乌海市2018年7月O₃及其前体物进行模拟.WRF-Chem采用4层嵌套(图 1), 水平分辨率分别为27、9、3和1 km. WRF模式输入的气象资料来源于美国国家环境预报中心(national centers for environmental prediction, NCEP)提供的FNL(final operational global analysis)全球再分析资料, 空间分辨率为1°×1°, 时间间隔为6 h.化学初始及侧边界条件采用全球化学传输模式(community atmosphere model with chemistry, CAM-Chem)的输出结果, 空间分辨率为0.9°×1.25°, 时间间隔为6 h^[37~39].乌海市之外的中国区域源排放清单采用清华大学开发的2016年MEIC清单(http://meicmodel.org)^[40~43]; 中国之外区域采用EPA-US/Canada、MICS-Asia、TNO和EDGAR团队等联合开发的基准年为2010年的全球大气污染物排放清单HTAP_v2(hemispheric transport of air pollution version 2)^[44], 它已被广泛地应用于全球及区域尺度数值模拟研究中^{[45, 46]}.另外, 本研究采用的空气污染物数据来自全国城市空气质量实时发布平台(http://106.37.208.233:20035/)公布的乌海市国控站点小时浓度数据.

HEI-WH18中SO₂、NO_x、CO、PM₁₀、PM_2.5、VOCs、NH₃、BC和OC的年排放总量分别为65 945、40 934、172 867、159 771、47 469、69 191、1 407、1 491和1 648 t·a^-1 (表 1).从不同源类的排放及贡献来看, SO₂、PM₁₀、PM_2.5、BC和OC排放最大的源类为煤层及矸石堆自燃源, 贡献率分别为：63%、61%、71%、45%和59%; NO_x排放较大的为工艺过程源、化石燃料燃烧源和移动源, 贡献率分别为45%、43%和10%; VOCs和CO排放最大的是工艺过程源, 贡献率分别为82%和61%; 废弃物处理源和农牧业氨源的排放对NH₃贡献较大, 贡献率分别为69%和18%(表 1和图 2).

表 1 (Table 1)

表 1 2018年乌海市各类大气污染源排放量及其与MEIC清单的对比/t·a-1 Table 1 Emissions of air pollution sources and their comparison with MEIC for Wuhai in 2018/t·a-1 源清单 源分类 SO2 NOx CO PM10 PM2.5 VOCs NH3 BC OC HEI-WH18 化石燃料燃烧源 12 799 17 430 26 374 23 103 6 181 2 469 —6) 128 — 工艺过程源 11 321 18 507 105 316 28 877 5 160 56 540 115 635 617 移动源 6 4 004 6 585 104 95 1 014 56 24 45 煤层及矸石堆自燃源 41 817 977 34 390 96 779 33 873 3 899 — 668 969 生物质燃烧源 2 16 202 44 43 39 3 1 14 溶剂使用源 — — — — — 738 — — — 扬尘源 — — — 10 802 2 067 — — — — 农牧业氨源 — — — — — — 260 — — 废弃物处理源 — — — — — 3 090 973 — — 油气储运源 — — — — — 1 262 0 — — 餐饮源 — — — 62 50 115 — 35 3 天然源 — — — — — 19 — — — 合计 65 945 40 934 172 867 159 771 47 469 69 191 1 407 1 491 1 648 工业部门1) 11 986 21 111 104 900 29 030 5 297 56 714 115 642 617 火电企业2) 3 640 11 572 21 449 933 246 2 027 — 13 — 交通部门3) 6 4 004 6 585 104 95 1 014 56 24 45 民用部门4) 8 494 3 269 1 443 21 999 5 804 422 3 150 17 农业部门5) — — — — — — 260 — — 合计 24 126 39 956 134 377 52 066 11 442 60 177 434 829 679 MEIC 工业部门 9 949 14 603 40 904 6 379 4 407 12 404 248 483 480 火电企业 45 269 67 618 33 389 12 270 7 420 664 — 15 — 交通部门 310 6 843 30 700 277 275 5 439 49 144 57 民用部门 4 525 1 500 27 046 1 284 908 2 003 52 139 247 农业部门 — — — — — — 1 388 — — 合计 60 053 90 565 132 039 20 210 13 010 20 510 1 737 781 784 1) 包括化石燃料燃烧源中的工业部分和工艺过程源; 2) 包括化石燃料燃烧源中的火电部分; 3) 包括移动源; 4)包括化石燃料固定燃烧源中的民用部分、生物质燃烧源和餐饮源; 5)包括农牧业氨源; 6)“—”表示无该类污染物的排放

表 1 2018年乌海市各类大气污染源排放量及其与MEIC清单的对比/t·a-1 Table 1 Emissions of air pollution sources and their comparison with MEIC for Wuhai in 2018/t·a-1

图 2

Fig. 2

图 2 HEI-WH18中不同源类排放贡献 Fig. 2 Contribution of various emission sources in HEI-WH18

将HEI-WH18与基准年为2016年MEIC清单进行对比^[11], 与MEIC年排放总量相比, HEI-WH18中SO₂、NO_x、PM_2.5、NH₃和OC的年排放总量小35 927、50 609、1 568、1 303和105 t·a^-1, CO、PM₁₀、VOCs和BC的年排放总量大2 388、31 856、39 667和48 t·a^-1.进一步细分至子源, 工业部门除NH₃年排放量比MEIC中的数值小133 t·a^-1外, 其他污染物年排放量均比MEIC中的数值大, 这可能与MEIC对工业企业活动水平数据与排放相关参数的调研缺乏有直接关系^[47]; 火电企业VOCs年排放量较MEIC中的数值大1 363 t·a^-1, 其他污染物年排放量均显著小于MEIC的, HEI-WH18火电企业活动水平根据乌海市火电企业实际燃料用量确定, 同时, 火电企业SO₂、NO_x和PM₁₀的排放因子经过在线监测数据校正更符合乌海市实际情况; HEI-WH18交通部门除NH₃年排放量比MEIC中的数值大7 t·a^-1外, 其余污染物的年排放量均小于MEIC的, HEI-WH18中NH₃主要为汽油车和柴油车的排放, 且汽油车和柴油车的排放总量在交通部门年排放总量中贡献较大, 因此两个清单交通部门排放量的差异可能是由柴油车和汽油车活动水平的差异导致的, 另外HEI-WH18中考虑了飞机和船舶排放也是造成交通部门排放量差异的原因之一; 民用部门CO、VOCs、OC和NH₃年排放量分别比MEIC中的数值小25 603、1 581、230和49 t·a^-1, 其他污染物均大于MEIC的, 说明MEIC可能低估了民用部门散煤的用量.另外, MEIC清单未考虑煤层及矸石堆自燃源、油气储运源和废弃物处理源等源类也是造成两清单存在差异的原因.总的来说, 纳入源类的差异、不同数据来源获得的活动水平差异和全国平均与本地实际污染控制水平差异是造成HEI-WH18与MEIC结果存在差异的主要原因^[48].同时MIEC清单网格分辨率较低在乌海区域仅包含4个网格点, 在较小不规则区域总量的提取也会对清单结果有一定的影响, MEIC清单虽能较好的反映城市总的排放水平, 但是当被分配至高分辨率网格时不确定性较大^[4], 这也进一步说明了构建本地高精度污染源排放清单的必要性.

从不同源类月分配系数看(图 3), 受到工艺过程源和煤层及矸石堆自燃源的影响, 夏季(6~8月)SO₂、PM₁₀、PM_2.5和CO的排放量较大; 由于冬季供热采暖化石燃料燃烧源冬季(11~1月)排放较大, 因此NO_x冬季排放量略高于夏季; VOCs、NH₃、BC和OC各月排放量相差不大, 但总的来说夏季略高于冬季.从空间分布特征上来看(图 4), 在乌海市3个工业园区(千里山、乌达和西来峰工业园区)各污染物排放量较大; 其次由于煤层及矸石堆自燃源的影响在海勃湾区西南部、海南区东北部和乌达区西部也存在污染物排放高值; 另外, 由于海勃湾区和乌达区人口密度较大, 受到移动源、化石燃料燃烧源和餐饮源等影响, 海勃湾区和乌达城区污染物排放量较大.

图 3

Fig. 3

图 3 HEI-WH18中各类源月分配系数 Fig. 3 Monthly distribution coefficient of emission sources in HEI-WH18

图 4

Fig. 4

图 4 HEI-WH18中NOx、VOCs和PM2.5的空间分布 Fig. 4 Spatial distribution of annual NOx, VOCs, and PM2.5 emissions

采用平均偏差(MB)、平均误差(ME)、均方根误差(RMSE)、皮尔逊相关系数(R)和一致性指数(IOA)对比MEIC和HEI-WH18对乌海市7月国控站点O₃及其前体物的模拟情况, 以定量评估HEI-WH18的适用性和模式模拟效果.其中, MB、ME和RMSE代表了模式捕捉观测数据量级和大小的能力, 与相应评估参数或变量的单位一致, 越接近0模拟效果越好; R和IOA代表了模式捕捉观测数据变化的能力, 越接近1模拟效果越好^[49]. 7月国控站点各统计参数均值如表 2所示.

表 2 (Table 2)

表 2 O3、NO2和CO模拟浓度与监测浓度对比1) Table 2 Statistical comparison between the observed and simulated concentration of O3, NOx, and CO 清单 污染物 MB ME RMSE R IOA NO2 44.59 47.56 73.67 0.59 0.38 MEIC O3 35.33 59.23 76.69 0.64 0.65 CO -0.72 0.72 0.86 0.47 0.43 NO2 33.89 38.67 58.57 0.54 0.43 HEI-WH18 O3 21.00 47.69 61.49 0.61 0.70 CO -0.49 0.59 0.74 0.46 0.57 1)单位说明：MB、ME和RMSE为浓度单位, 其中NO2和O3为μg·m-3, CO为mg·m-3; R和IOA无量纲

表 2 O3、NO2和CO模拟浓度与监测浓度对比1) Table 2 Statistical comparison between the observed and simulated concentration of O3, NOx, and CO

从MB上看, MEIC和HEI-WH18均高估了NO₂和O₃, 低估了CO; HEI-WH18的ME和RMSE均显著小于MEIC, HEI-WH18模拟O₃的MB、ME和RMSE分别比MEIC中的数值小14.33、11.54和15.20 μg·m^-3, 这说明相较于MIEC, HEI-WH18对O₃及其前体物量级的模拟更好; 从R和IOA来看, 两套清单均能较好地再现O₃及其前体物的变化, 国控站点O₃平均R分别为0.64和0.61, 与国内外其他研究结果相近^[50~52], 但MEIC的R均大于HEI-WH18, IOA均小于HEI-WH18.因此, 虽两套清单均能捕捉O₃及其前体物的变化规律, 但是HEI-WH18对于O₃及其前体物量级的模拟与监测值更为符合.同时也说明MEIC清单中可能高估了乌海市NO_x的排放量, 低估了CO的排放量.

由于乌海市O₃呈现“单峰”日变化特征, 结合HEI-WH18的模拟结果对夏季乌海市近地面O₃、NO₂和CO白天(12:00~18:00)和夜间(00:00~06:00)的分布特征进行分析(图 5).

图 5

Fig. 5

色柱对应浓度, O3和NO2的单位为μg·m-3, CO的单位为mg·m-3 图 5 乌海市夏季O3、NO2和CO的空间分布特征 Fig. 5 Spatial distribution of O3, NO2, and CO in summer over Wuhai

白天, 乌海市及其周边区域O₃浓度整体较高尤其是乌海市西部及西南部宁夏石嘴山地区, O₃浓度在190~250 μg·m^-3左右, 3个工业园区为NO₂和VOCs较大排放源(图 5), 白天为NO₂高值区, 最高值可达到180 μg·m^-3以上, 并在日照充足的情况下发生光化学反应消耗O₃, 因此, 园区白天为O₃低值区.从月平均风向上看, 白天宁夏石嘴山地区和海勃湾市区及其周边区域均受西南风控制, 可能存在石嘴山至海南区的O₃及其前体物的输送.夜间, 宁夏北部和乌海东部为O₃高值区, 乌达区、海南区、海勃湾城区及工业园区和宁夏石嘴山地区NO₂浓度较高, O₃浓度低, 这是由于夜间NO的滴定作用造成的.由于煤层及矸石堆自燃源是乌海市CO的主要排放源类, 因此受到煤层及矸石堆自燃源空间分布的影响, CO昼夜高值中心均位于海勃湾区东南部和海南区北部, 白天由于光化学反应的消耗, CO浓度较低, 最大值仅为1.5 mg·m^-3左右, 夜间ρ(CO)最大值可以达到5 mg·m^-3.另外, 由于受到东北风影响, 夜间乌达-海南区的污染物向西南方向传输, 导致乌海西部形成了一个显著的O₃低值区, CO和NO₂高值区; 石嘴山地区受到西南风的影响, 低O₃和高NO₂也向乌海市西南部输送.

选取2018年7月3~5日(P1时段)和7月16~21日(P2时段)两个O₃污染时段进一步探究乌海市O₃污染形成的原因, 分析区域输送、边界层扩散和化学反应等对污染物浓度变化的影响.WRF-Chem诊断工具的主要物理化学过程有：垂直(advz)和水平(advh)平流输送过程, 垂直和水平平流过程共同作用为平流输送过程(adv=advz+advh); 由动力学和热力学效应引起的对流过程(conv), 在两次污染过程中贡献均很小, 可忽略不计; 由垂直浓度梯度引起的垂直混合过程(vmix, 在最低层包含干沉降的贡献)和由化学反应导致的化学过程(chem)^{[53, 54]}.

图 6为P1和P2时段08:00~20:00各物理化学过程在不同高度上对O₃小时浓度的贡献.P1时段, 低层(0~150 m)chem均消耗O₃, 7月3~4日负贡献较为显著, 小时最大负贡献可以达到96%; 7月5日chem对O₃的消耗主要集中在18:00~20:00, 小时负贡献在52%~81%之间, 无论昼夜7月5日chem对O₃的消耗均较弱, 这可能是由于该日乌海市为阴天导致O₃的化学消耗减弱; 7月3~5日低层O₃的来源主要为vmix, 12:00~18:00正贡献平均值分别为62.4、38.1和20 μg·(m³·h)^-1(表 3), vmix在500 m高度上为O₃的主要消耗过程, 负贡献平均值分别为-19.3、-6.5和-17.9 μg·(m³·h)^-1, 在1 000 m高度上也有一定负贡献, 这也进一步说明了P1时段来自中高层的垂直混合是低层O₃的主要来源.从1 000~2 000 m高度上O₃的小时变化来看, chem是边界层中高层O₃的主要来源之一, 7月3日和7月5日12:00~18:00 chem的平均贡献值均大于10 μg·(m³·h)^-1, 7月4日chem平均贡献值为1.2~3.3 μg·(m³·h)^-1左右; adv在1 500~2 000 m高度上既是O₃的主要汇也是O₃的来源之一.

图 6

Fig. 6

图 6 各物理化学过程在不同高度上对O3小时浓度的贡献 Fig. 6 Contribution of various physical and chemical processes to the hourly O3 concentration at different heights

表 3 (Table 3)

表 3 12:00~18:00各物理化学过程在不同高度的平均贡献/μg·(m3·h)-1 Table 3 Average contribution of various physical and chemical processes at different heights from 12:00 to 18:00/μg·(m3·h)-1 日期(月-日) 物理化学过程 0~150 m 500 m 1 000 m 1 500 m 2 000 m vmix 62.4 -19.3 -12.1 -1.2 1.3 07-03 adv -32.9 5.2 0.0 -5.4 -6.9 chem -24.9 18.3 16.9 12.4 10.8 vmix 38.1 -6.5 -0.7 0.1 -2.6 07-04 adv 14.8 3.9 -3.8 -4.4 -2.3 chem -40.9 5.4 3.3 2.0 1.2 vmix 20.0 -17.9 -13.0 1.4 16.3 07-05 adv -14.3 -10.1 -12.1 -21.3 -30.8 chem -4.0 23.6 21.2 17.8 14.3 vmix 6.0 -3.5 0.0 1.7 -6.4 07-16 adv 18.4 0.6 -5.1 -13.3 -1.1 chem -3.4 14.8 13.3 11.4 8.5 vmix 25.9 -0.2 -4.2 -8.5 -6.4 07-17 adv -9.0 -11.8 -5.2 2.3 2.0 chem -5.0 16.7 14.9 13.4 12.5 vmix 57.2 -13.1 -3.9 -0.6 1.0 07-18 adv -0.6 -1.5 -8.1 -7.7 -4.1 chem -60.1 14.2 9.5 4.6 1.5 vmix 22.7 -10.2 -5.2 2.3 8.3 07-19 adv -17.3 -16.5 -15.2 -4.3 -1.3 chem 8.6 33.3 27.0 11.2 4.0 vmix 4.3 -2.8 -0.2 0.2 -0.1 07-20 adv 22.9 8.2 7.7 1.6 -6.4 chem -10.9 2.3 1.4 0.7 0.1 vmix 43.9 -4.1 -11.6 -6.9 4.5 07-21 adv -1.4 9.9 18.0 13.8 6.9 chem -16.7 16.0 16.6 13.0 6.2

表 3 12:00~18:00各物理化学过程在不同高度的平均贡献/μg·(m3·h)-1 Table 3 Average contribution of various physical and chemical processes at different heights from 12:00 to 18:00/μg·(m3·h)-1

P2时段的污染可以分为两个阶段.第一阶段, 7月16日整个边界层内在中午及午后adv均有较大正贡献, 使得乌海市O₃浓度整体升高, 同时chem在不同高度上进一步促进了O₃的生成; 7月17~19日边界层中高层chem造成O₃浓度的积累并通过vmix向低层传输, 500~2 000 m高度上chem的正贡献平均值在8.5~16.7 μg·(m³·h)^-1之间, vmix的负贡献平均值为-0.2~-13.1 μg·(m³·h)^-1; 低层vmix正贡献平均值在6.0~57.2 μg·(m³·h)^-1之间; 另外, 7月19日低层chem也起到维持O₃浓度的作用, 12:00~18:00平均贡献值为8.6 μg·(m³·h)^-1.第二阶段, 7月20日adv的贡献与7月16日正午及午后相似导致整个边界层内O₃的升高, 尤其在低层正贡献平均值为22.9 μg·(m³·h)^-1, chem为低层O₃主要的汇; 7月21日chem和adv共同作用使边界层中高层O₃浓度升高并通过vmix向低层输送, 输送至低层后一部分通过adv向周边扩散, 一部分通过chem消耗, 使O₃浓度在7月21日下午之后逐渐降低.

在两个污染过程中chem在低层对O₃均为负贡献, 进一步结合模式结果分析消耗O₃的具体反应可知, O₃的主要消耗路径为：O₃与NO的反应(O₃+NO→NO₂+O₂)和O₃的光解(O₃+hv→O+O₂; O₃+hv→O¹D+O₂)两条路径.P1时段O₃与NO的反应和O₃的光解在08:00~20:00的平均贡献率为75.39%和23.70%, P2时段为67.42%和31.63%. NO的滴定作用对两个污染过程中低层O₃的消耗均有显著贡献, 在O₃的光解中生成O的反应占有绝对优势.

(1) 利用“系数法”自下而上构建了乌海市2018年大气污染源排放清单. 2018年乌海市SO₂、NO_x、CO、PM₁₀、PM_2.5、VOCs、NH₃、BC和OC的排放总量分别为65 943、40 934、172 867、159 771、47 469、69 191、1 407、1 491和1 648 t·a^-1.

(2) 利用HEI-WH18能更好地捕捉O₃及其前体物的变化规律和量级, 适用于乌海市夏季O₃的模拟及其来源分析研究; 从污染物的分布看, 海勃湾城区白天为O₃高值区, 夜间电厂附近为O₃低值区, 工业园区无论白天和夜间均为O₃低值区和NO₂高值区, CO的空间分布特征与煤层及矸石堆自燃源较为一致.

(3) 结合两个O₃污染过程分析了不同物理化学过程对乌海市夏季O₃污染的影响, P1时段平流输送和化学反应导致边界层中高层O₃浓度升高, 并经由垂直混合向低层传输, 最终O₃在低层通过化学反应逐渐消耗.P2时段O₃污染的形成可以分为两个阶段, 第一阶段整个边界层内的平流输送使得区域整体O₃浓度升高, 化学反应在中高层进一步促进了O₃积累并通过垂直混合向低层传输, 低层化学反应起到维持O₃高浓度的作用; 第二阶段O₃升高的原因与第一阶段相同, 后低层化学反应和平流输送共同作用导致了O₃污染的消散.