去耦合直接法研究臭氧与前体物关系概述

赖丽芳+张旭

摘 要：近地层臭氧作为重要的二次污染物加剧了大气氧化性，是光化学烟雾的重要产物，本文主要介绍（高阶）去耦合直接法研究臭氧与前体物关系的操作方法，即通过确定敏感性系数来计算臭氧浓度对不同NOx或VOCs减排的响应程度，以期为我国臭氧污染的研究与防控决策提供科学支撑。

关键词：臭氧、去耦合直接法、概述

一、前言

我国经济社会比较发达的地区，人口与城市密集，经历了高速发展的时期，空气污染比较严重，近年来在加大污染控制力度的情况下，一次污染物排放得到一定程度控制，然而臭氧污染却有逐渐恶化的趋势[1]，臭氧污染控制已迫在眉睫。臭氧与前体物浓度的关系一般是非线性的，在不同环境中臭氧对NOx或VOCs的响应程度也会有差别[2]。由于臭氧与前体物关系的判断对臭氧控制措施的制定极其重要，使用恰当的方法用以计算臭氧对前体物的响应关系对于制定有效的污染控制方案有重要意义。

二、臭氧与前体物关系的判断指标

目前研究臭氧生成敏感性的方法主要有敏感性指标、情景分析（Brute force）、（高阶）去耦合直接法（DDM或HDDM）等方法。敏感性指标可以判断臭氧是对NOx还是VOCs更敏感，但其无法定量不同的减排情况下臭氧的变化量[3]。情景分析主要是通过不断改变模型的输入变量或参数，以研究该变量或参数对臭氧模拟结果的影响，多用于研究臭氧对源排放变化的敏感性，具有准确直观等优点，但该方法需要进行大量测试，比较耗时，也难以表征臭氧的非线性特征，使用强力测试的研究有[4]。（H）DDM主要通过定义敏感性系数s以表征污染物浓度等对某个参数λ变化的敏感程度[5]。在臭氧敏感性分析方面准确性方面，DDM结果与情景分析法得到的结果接近[6]。

三、高阶去耦合直接法HDDM的介绍

定义敏感性系数s以表征污染物浓度等对某个参数λ的敏感程度，即：

通常，λ可以是一个向量或数，可以表征一系列参数（如反应速率、源排放等）对模拟结果的影响。模拟浓度c对向量λ变化的响应可以用一个泰勒展开式表示：

其中n是向量λ的维数，x是空间多维变量，t是时间。二阶导数项表示因λi的改变而导致的c对λj的敏感性的改变。

在CAMx的（H）DDM中，若参数（如排放）的变化比较小，可认为污染物浓度对参数改变的响应是近似于线性的，可以通过计算出一阶敏感性系数从而算出污染物浓度对某些参数微弱改变的响应。表达式如下：

其中r为变化量，如参数变化15%，则r=0.15，s（1）（x，t）为一阶敏感性系数。

当参数的变化较大，污染物浓度对参数变化的响应就有较大可能出现非线性的变化。此时用一阶敏感性系数算出的污染物浓度变化可能会有较大误差，需要引入二阶或更高阶的敏感性系数以表征污染物浓度对参数变化的非线性响应，表达式如下：

对于多参数同时变化的情况，有：

二阶或以上的DDM即为高阶DDM，即HDDM。通过算出敏感性系数s，便可得到某种情况下污染物浓度对相关参数变化的响应程度，通过一阶敏感性系数可判断臭氧控制区。二阶敏感性系数与一阶敏感性系数的比值可用作臭氧浓度对各排放源区前体物排放的敏感程度的非线性度指标[5]。HDDM和情景分析结果的对比表明两者在一阶与二阶敏感性系数的计算上基本一致，但更高阶的敏感性系数则有所区别[7]。通过一阶敏感性系数来估算臭氧对前体物的敏感性会因为泰勒展开式截尾而产生误差，使用更高阶的敏感性系数有助于更准确反映因前体物变化而造成的臭氧浓度变化。

四、结论

臭氧与前体物的非线性关系使得臭氧污染控制难度较大，使用高阶去耦合直接法（HDDM）可预测不同前体物排放变化对臭氧浓度的影响程度，一阶敏感性系数在指示臭氧敏感性方面准确率高，而且可以反映臭氧对前体物变化的响应程度，结合二阶敏感性系数可以准确预测不同前体物排放变化情景对臭氧浓度的影响。

参考文献：

[1] Chan C K， Yao X. Air pollution in mega cities in China[J]. Atmospheric environment， 2008， 42（1）： 1-42.

[2] Yoo E C and Park O H. A study on the formation of photochemical air pollution and the allocation of a monitoring network in Busan[J]. Korean J. Chem. Eng.， 2010， 27（2）： 494-503.

[3] Liang J， Jackson B and Kaduwel A. Evaluation of the ability of indicator species ratios to determine the sensitivity of ozone to reductions in emissions of volatile organic compounds and oxides of nitrogen in northern California[J]. Atmospheric Environment， 2006， 40： 5156-5166.

[4] Brandt J， Bastrup-Birk A， Christensen J H， et al. Testing the importance of accurate meteorological input fields and parameterizations in atmospheric transport modelling using DREAM-validation against ETEX-1[J]. Atmospheric Environment， 1998， 32（24）： 4167-4186.

[5] Cohan D S， Hakami A， Hu Y， et al. Nonlinear response of ozone to emissions： Source apportionment and sensitivity analysis[J]. Environmental Science & Technology， 2005， 39（17）： 6739-6748.

[6] Napelenok S L， Cohan D S， Odman M T， et al. Extension and evaluation of sensitivity analysis capabilities in a photochemical model[J]. Environmental Modelling & Software， 2008， 23（8）： 994-999.

[7] Hakami A， Odman M T， Russell A G. Nonlinearity in atmospheric response： A direct sensitivity analysis approach[J]. Journal of Geophysical Research： Atmospheres （1984-2012）， 2004， 109（D15）.endprint

摘 要：近地层臭氧作为重要的二次污染物加剧了大气氧化性，是光化学烟雾的重要产物，本文主要介绍（高阶）去耦合直接法研究臭氧与前体物关系的操作方法，即通过确定敏感性系数来计算臭氧浓度对不同NOx或VOCs减排的响应程度，以期为我国臭氧污染的研究与防控决策提供科学支撑。

关键词：臭氧、去耦合直接法、概述

一、前言

我国经济社会比较发达的地区，人口与城市密集，经历了高速发展的时期，空气污染比较严重，近年来在加大污染控制力度的情况下，一次污染物排放得到一定程度控制，然而臭氧污染却有逐渐恶化的趋势[1]，臭氧污染控制已迫在眉睫。臭氧与前体物浓度的关系一般是非线性的，在不同环境中臭氧对NOx或VOCs的响应程度也会有差别[2]。由于臭氧与前体物关系的判断对臭氧控制措施的制定极其重要，使用恰当的方法用以计算臭氧对前体物的响应关系对于制定有效的污染控制方案有重要意义。

二、臭氧与前体物关系的判断指标

目前研究臭氧生成敏感性的方法主要有敏感性指标、情景分析（Brute force）、（高阶）去耦合直接法（DDM或HDDM）等方法。敏感性指标可以判断臭氧是对NOx还是VOCs更敏感，但其无法定量不同的减排情况下臭氧的变化量[3]。情景分析主要是通过不断改变模型的输入变量或参数，以研究该变量或参数对臭氧模拟结果的影响，多用于研究臭氧对源排放变化的敏感性，具有准确直观等优点，但该方法需要进行大量测试，比较耗时，也难以表征臭氧的非线性特征，使用强力测试的研究有[4]。（H）DDM主要通过定义敏感性系数s以表征污染物浓度等对某个参数λ变化的敏感程度[5]。在臭氧敏感性分析方面准确性方面，DDM结果与情景分析法得到的结果接近[6]。

三、高阶去耦合直接法HDDM的介绍

定义敏感性系数s以表征污染物浓度等对某个参数λ的敏感程度，即：

通常，λ可以是一个向量或数，可以表征一系列参数（如反应速率、源排放等）对模拟结果的影响。模拟浓度c对向量λ变化的响应可以用一个泰勒展开式表示：

其中n是向量λ的维数，x是空间多维变量，t是时间。二阶导数项表示因λi的改变而导致的c对λj的敏感性的改变。

在CAMx的（H）DDM中，若参数（如排放）的变化比较小，可认为污染物浓度对参数改变的响应是近似于线性的，可以通过计算出一阶敏感性系数从而算出污染物浓度对某些参数微弱改变的响应。表达式如下：

其中r为变化量，如参数变化15%，则r=0.15，s（1）（x，t）为一阶敏感性系数。

当参数的变化较大，污染物浓度对参数变化的响应就有较大可能出现非线性的变化。此时用一阶敏感性系数算出的污染物浓度变化可能会有较大误差，需要引入二阶或更高阶的敏感性系数以表征污染物浓度对参数变化的非线性响应，表达式如下：

对于多参数同时变化的情况，有：

二阶或以上的DDM即为高阶DDM，即HDDM。通过算出敏感性系数s，便可得到某种情况下污染物浓度对相关参数变化的响应程度，通过一阶敏感性系数可判断臭氧控制区。二阶敏感性系数与一阶敏感性系数的比值可用作臭氧浓度对各排放源区前体物排放的敏感程度的非线性度指标[5]。HDDM和情景分析结果的对比表明两者在一阶与二阶敏感性系数的计算上基本一致，但更高阶的敏感性系数则有所区别[7]。通过一阶敏感性系数来估算臭氧对前体物的敏感性会因为泰勒展开式截尾而产生误差，使用更高阶的敏感性系数有助于更准确反映因前体物变化而造成的臭氧浓度变化。

四、结论

臭氧与前体物的非线性关系使得臭氧污染控制难度较大，使用高阶去耦合直接法（HDDM）可预测不同前体物排放变化对臭氧浓度的影响程度，一阶敏感性系数在指示臭氧敏感性方面准确率高，而且可以反映臭氧对前体物变化的响应程度，结合二阶敏感性系数可以准确预测不同前体物排放变化情景对臭氧浓度的影响。

参考文献：

[1] Chan C K， Yao X. Air pollution in mega cities in China[J]. Atmospheric environment， 2008， 42（1）： 1-42.

[2] Yoo E C and Park O H. A study on the formation of photochemical air pollution and the allocation of a monitoring network in Busan[J]. Korean J. Chem. Eng.， 2010， 27（2）： 494-503.

[3] Liang J， Jackson B and Kaduwel A. Evaluation of the ability of indicator species ratios to determine the sensitivity of ozone to reductions in emissions of volatile organic compounds and oxides of nitrogen in northern California[J]. Atmospheric Environment， 2006， 40： 5156-5166.

[4] Brandt J， Bastrup-Birk A， Christensen J H， et al. Testing the importance of accurate meteorological input fields and parameterizations in atmospheric transport modelling using DREAM-validation against ETEX-1[J]. Atmospheric Environment， 1998， 32（24）： 4167-4186.

[5] Cohan D S， Hakami A， Hu Y， et al. Nonlinear response of ozone to emissions： Source apportionment and sensitivity analysis[J]. Environmental Science & Technology， 2005， 39（17）： 6739-6748.

[6] Napelenok S L， Cohan D S， Odman M T， et al. Extension and evaluation of sensitivity analysis capabilities in a photochemical model[J]. Environmental Modelling & Software， 2008， 23（8）： 994-999.

[7] Hakami A， Odman M T， Russell A G. Nonlinearity in atmospheric response： A direct sensitivity analysis approach[J]. Journal of Geophysical Research： Atmospheres （1984-2012）， 2004， 109（D15）.endprint

摘 要：近地层臭氧作为重要的二次污染物加剧了大气氧化性，是光化学烟雾的重要产物，本文主要介绍（高阶）去耦合直接法研究臭氧与前体物关系的操作方法，即通过确定敏感性系数来计算臭氧浓度对不同NOx或VOCs减排的响应程度，以期为我国臭氧污染的研究与防控决策提供科学支撑。

关键词：臭氧、去耦合直接法、概述

一、前言

我国经济社会比较发达的地区，人口与城市密集，经历了高速发展的时期，空气污染比较严重，近年来在加大污染控制力度的情况下，一次污染物排放得到一定程度控制，然而臭氧污染却有逐渐恶化的趋势[1]，臭氧污染控制已迫在眉睫。臭氧与前体物浓度的关系一般是非线性的，在不同环境中臭氧对NOx或VOCs的响应程度也会有差别[2]。由于臭氧与前体物关系的判断对臭氧控制措施的制定极其重要，使用恰当的方法用以计算臭氧对前体物的响应关系对于制定有效的污染控制方案有重要意义。

二、臭氧与前体物关系的判断指标

目前研究臭氧生成敏感性的方法主要有敏感性指标、情景分析（Brute force）、（高阶）去耦合直接法（DDM或HDDM）等方法。敏感性指标可以判断臭氧是对NOx还是VOCs更敏感，但其无法定量不同的减排情况下臭氧的变化量[3]。情景分析主要是通过不断改变模型的输入变量或参数，以研究该变量或参数对臭氧模拟结果的影响，多用于研究臭氧对源排放变化的敏感性，具有准确直观等优点，但该方法需要进行大量测试，比较耗时，也难以表征臭氧的非线性特征，使用强力测试的研究有[4]。（H）DDM主要通过定义敏感性系数s以表征污染物浓度等对某个参数λ变化的敏感程度[5]。在臭氧敏感性分析方面准确性方面，DDM结果与情景分析法得到的结果接近[6]。

三、高阶去耦合直接法HDDM的介绍

定义敏感性系数s以表征污染物浓度等对某个参数λ的敏感程度，即：

通常，λ可以是一个向量或数，可以表征一系列参数（如反应速率、源排放等）对模拟结果的影响。模拟浓度c对向量λ变化的响应可以用一个泰勒展开式表示：

其中n是向量λ的维数，x是空间多维变量，t是时间。二阶导数项表示因λi的改变而导致的c对λj的敏感性的改变。

在CAMx的（H）DDM中，若参数（如排放）的变化比较小，可认为污染物浓度对参数改变的响应是近似于线性的，可以通过计算出一阶敏感性系数从而算出污染物浓度对某些参数微弱改变的响应。表达式如下：

其中r为变化量，如参数变化15%，则r=0.15，s（1）（x，t）为一阶敏感性系数。

当参数的变化较大，污染物浓度对参数变化的响应就有较大可能出现非线性的变化。此时用一阶敏感性系数算出的污染物浓度变化可能会有较大误差，需要引入二阶或更高阶的敏感性系数以表征污染物浓度对参数变化的非线性响应，表达式如下：

对于多参数同时变化的情况，有：

二阶或以上的DDM即为高阶DDM，即HDDM。通过算出敏感性系数s，便可得到某种情况下污染物浓度对相关参数变化的响应程度，通过一阶敏感性系数可判断臭氧控制区。二阶敏感性系数与一阶敏感性系数的比值可用作臭氧浓度对各排放源区前体物排放的敏感程度的非线性度指标[5]。HDDM和情景分析结果的对比表明两者在一阶与二阶敏感性系数的计算上基本一致，但更高阶的敏感性系数则有所区别[7]。通过一阶敏感性系数来估算臭氧对前体物的敏感性会因为泰勒展开式截尾而产生误差，使用更高阶的敏感性系数有助于更准确反映因前体物变化而造成的臭氧浓度变化。

四、结论

臭氧与前体物的非线性关系使得臭氧污染控制难度较大，使用高阶去耦合直接法（HDDM）可预测不同前体物排放变化对臭氧浓度的影响程度，一阶敏感性系数在指示臭氧敏感性方面准确率高，而且可以反映臭氧对前体物变化的响应程度，结合二阶敏感性系数可以准确预测不同前体物排放变化情景对臭氧浓度的影响。

参考文献：

[1] Chan C K， Yao X. Air pollution in mega cities in China[J]. Atmospheric environment， 2008， 42（1）： 1-42.

[2] Yoo E C and Park O H. A study on the formation of photochemical air pollution and the allocation of a monitoring network in Busan[J]. Korean J. Chem. Eng.， 2010， 27（2）： 494-503.

[3] Liang J， Jackson B and Kaduwel A. Evaluation of the ability of indicator species ratios to determine the sensitivity of ozone to reductions in emissions of volatile organic compounds and oxides of nitrogen in northern California[J]. Atmospheric Environment， 2006， 40： 5156-5166.

[4] Brandt J， Bastrup-Birk A， Christensen J H， et al. Testing the importance of accurate meteorological input fields and parameterizations in atmospheric transport modelling using DREAM-validation against ETEX-1[J]. Atmospheric Environment， 1998， 32（24）： 4167-4186.

[5] Cohan D S， Hakami A， Hu Y， et al. Nonlinear response of ozone to emissions： Source apportionment and sensitivity analysis[J]. Environmental Science & Technology， 2005， 39（17）： 6739-6748.

[6] Napelenok S L， Cohan D S， Odman M T， et al. Extension and evaluation of sensitivity analysis capabilities in a photochemical model[J]. Environmental Modelling & Software， 2008， 23（8）： 994-999.

[7] Hakami A， Odman M T， Russell A G. Nonlinearity in atmospheric response： A direct sensitivity analysis approach[J]. Journal of Geophysical Research： Atmospheres （1984-2012）， 2004， 109（D15）.endprint