边界层参数化在城市空气质量模拟中的影响

王永红 刘 豪 龚 玲 李 敏

(贵州省环境科学研究设计院， 贵阳 550002)

边界层参数化在城市空气质量模拟中的影响

王永红 刘 豪 龚 玲 李 敏

(贵州省环境科学研究设计院， 贵阳 550002)

利用MM5中尺度气象模式和CALPUFF空气质量模式，采用不同的边界层(PBL)参数化方案，模拟乌鲁木齐市的大气流场和湍流运动，比较不同PBL参数化方案下大气污染物的模拟浓度值，以发现PBL参数化对城市尺度空气质量模拟效果的影响。结果表明，在高分辨率的Blackadar PBL方案、Eta PBL、MRF PBL和Gayno-Seaman PBL参数化方案中，没有哪个方案对所有气象要素的数值模拟拥有绝对优势，整体看来，对空气质量模拟影响较大的气象要素，如风场等模拟效果较好，与实测结果比较吻合；各方案对风速、风向及温度层结等的模拟值结果略有不同。4种方案模拟的污染物浓度值变化趋势大致相似，其中，MRF PBL方案和Eta PBL方案对PM10和SO2的模拟效果较好，模拟值与实测值较为接近。不同PBL方案导致的风速及逆温层厚度差异是造成污染物浓度模拟值差异的主要原因。

边界层参数化；城市尺度；空气质量模拟；影响

温度、风速风向以及PBL高度等气象条件对大气污染物的传输、混合及浓度变化过程有着极为重要的影响。近年来，中尺度气象模式MM5与CALPUFF[1-3]、CAMx[4-7]、CMAQ[8-11]等空气质量模型相结合，已广泛应用于空气质量的数值模拟研究中。MM5输出结果的质量，直接影响空气质量模式的模拟效果。已有的研究表明，MM5的模拟结果依赖于各种参数化方案的选取，不同的物理参数化方案差别很大[12-15]。边界层(PBL)参数化是数值模式的一个重要组成部分，较真实的模拟边界层中的湍流运动，对于大气污染物的分布扩散及空气质量模式的运行效果具有重要意义。

以往PBL参数化对空气质量的影响研究，多限于将MM5模式输出的、与空气质量模拟相关的气象要素与监测站点的实测资料进行时间和空间的对比[14, 16-18]，并以此评价PBL参数化方案表现的优劣，而较少评价空气质量模型的输出结果。本研究利用MM5中尺度气象模式和CALPUFF空气质量模式，采用不同的PBL参数化方案，模拟城市尺度的大气流场和湍流运动，比较了不同方案下大气污染物的浓度模拟结果，以期进一步认识和了解MM5模式中各种PBL方案的性能、特点以及空气质量数值模拟对于不同PBL参数化方案的敏感性，为合理选择和使用模式中的PBL方案提供参考。

1 研究方法与资料来源

1.1 研究方法

MM5把全球数据同化系统获取的粗网格上的各种资料内插到中尺度网格上获得初始场和边界值，计算得到反映区域尺度特征的三维流场。模式的原理和具体方法参见文献[19-20]。

CALPUFF模式是美国EPA推荐使用的一个用于复杂地形下大气质量评价的数值模式系统，包括边界层气象模块CALMET、污染物扩散模块CALPUFF和后处理模块CALPOST 3部分。CALMET提供模拟区域网格内的三维逐时风场和温度场，并提供混合层高度等二维资料。CALPUFF烟团扩散模块基于非定常状态拉格朗日烟团扩散原理，结合时变的气象场资料，除充分考虑下垫面对污染物干湿沉降的影响外，还考虑了复杂地形的动力学效应以及静风等非定常条件，能够很好地模拟不同尺度区域的污染物扩散情景[3]。

采用不同PBL方案下MM5的气象场模拟结果作为CALMET的输入资料，输出逐时风场、温度场、混合层高度、大气稳定度等污染气象参数。CALPUFF通过对CALMET输出的气象场与相关污染源资料的叠加，在考虑到各种污染物清除过程的情况下，模拟污染物的浓度分布。

1.2 研究范围及网格界定

选择乌鲁木齐市作为案例城市。乌鲁木齐东南西三面环山，地势东南高、西北低，海拔680～920 m。受地形影响，乌鲁木齐市全年辐射逆温发生次数多，一年四季均有逆温层存在。特别是乌鲁木齐市区，冬季近地层几乎全部被逆温层所笼罩，逆温频率达90%以上，持续时间长，逆温强度大。逆温层厚度平均在600 m左右，对大气环境质量的影响极大。

MM5模拟采用四层网格嵌套，如图1所示。第1层网格覆盖东亚地区(D01)，第2层网格覆盖中国西部地区(D02)，第3层网格覆盖新疆大部地区(D03)，第4层网格区域包括乌鲁木齐市所辖的7区、1县，即天山区、沙依巴克区、新市区、水磨沟区、头屯河区、达坂城区、米东区和乌鲁木齐县(D04)。格距分别为81、27、9、3 km。

图1 模拟区域

在MM5第四层模拟区域(D04)的基础上，选取45 km×39 km的区域，作为CALPUFF的模拟区域，如图1，网格距为1 km。这一区域是乌鲁木齐市城市中心区，也是重点污染源的主要分布区。

1.3 模拟时段

2005年12月16～18日，乌鲁木齐市空气质量状况连续三天达到重污染，污染指数均为500，首要污染物为可吸入颗粒物，空气质量级别为Ⅴ级。本研究选取此次污染过程，采用MM5-CALPUFF模型系统进行模拟分析。

MM5积分时间为2005年12月16日00时～18日23时。每3小时输出一次模拟结果，最终获得模拟时间段内逐时的气象场资料。

1.4 资料来源

MM5初始场采用美国国家环境预报中心的全球再分析资料；地形和地表类型数据采用美国地质调查局(USGS)的全球数据；同化采用的探空(ADPUPA)和常规地面监测资料(ADPSFC和SFCSHP)来源于美国UCAR网站；乌鲁木齐地区气象监测资料由乌鲁木齐城区及周边3个常规地面气象站提供，分别为：乌鲁木齐市气象站(51463)，小渠子国家气象观测站二级站(51465)，乌鲁木齐市牧业气象试验站(51469)和乌鲁木齐市达坂城气象站(51477)；环境监测资料、大气污染源分布及污染物排放量数据由乌鲁木齐市环境监测站提供。

1.5 污染源清单

2005年列入乌鲁木齐市重点工业污染源的工业企业共有105家，本研究以这105家重点工业污染源为研究对象，收集整理了乌鲁木齐市186个点源的详细资料。由于本研究关注的主要是排放源不变情况下，不同PBL方案产生的气象场差异导致的污染物浓度变化，故非重点工业污染源、生活面源和移动源没有统计在内。

1.6 参数设置

本研究重点分析4种常用的PBL参数化方案对MM5模式模拟效果的影响，这4种PBL参数化方案分别为：高分辨率Blackadar PBL方案、Eta PBL方案、MRF PBL方案和Gayno-Seaman PBL方案。Blackadar PBL方案适用于高分辨率边界层，如地表层厚度小于100 m。在近中性及稳定层结情况下采用K理论，根据由白天自由对流特征建立的传输模式描写不同高度大气的交换；MRF PBL方案适用于高分辨率边界层，K应用Holtslag等的三次函数形式,并加入了反梯度传输项，湍流交换系数为显式表达,是高度的已知函数。该方案中还包括稳定大气中的垂直扩散、云中湿垂直扩散。垂直扩散采用隐式方案，且有5层土壤模式选项；Eta PBL方案是Mellor-Yamada level 2.5方案在NCEP Eta模式中的应用。预报了TKE和局地垂直混合，其中TKE为三维预报变量。Gayno-Seaman PBL方案是基于Mellor-Yamada TKE预报。用θse作为守恒量[21]。MM5模式的具体参数设置见表1。

表1 MM5模式参数设置

2 结果与分析

2.1 PBL参数化方案对MM5模拟效果的影响

2.1.1 风场

比较MM5输出的水平风场结果发现，不同PBL方案对MM5模拟出的大尺度环流输出量(u，v)的影响较小。近地面风场风向变化主要取决于地形下垫面状况，不同方案下的局部风速大小存在差异。

图2(a)、(c)为Gayno-SeamanPBL方案模拟的水平风矢量(约距地面20m高度)，其它方案图略。图2(a)中，在西南和东北山区出现明显的沿坡发散气流。这是由于夜间山区降温迅速，山区的冷空气往低处下泻造成的下坡风。此时，在两山间的谷地位置，由于下坡风跟南部的南风在这里汇合，形成辐合气流，风速较小。图2(c)中，白天有比较明显的顺着山涧吹向西南和东北山地的上坡风。这是由于白天山坡上的空气比同高度上的自由大气增热强烈，于是暖空气沿坡上升，形成谷风，这是典型的由于区域地理环境形成的区域风场特征。

图2(b)、(d)为各监测站点提供的12月16日00时、14时的实测风场资料示意图。由图可见，MM5能够很好地反映水平风场的日变化规律，夜晚和白天风向的转换及风速值的变化与监测值的变动基本一致。模型对于乌鲁木齐市区(51463)风速模拟值偏大，这可能是由于模拟中没有考虑市内密集的高层建筑群对于近地面风场的影响。

图2 MM5模拟水平风场与测站观测值对比

为了更好的反映不同高度层风向的转换情况，图3、4分别给出了四种方案在乌鲁木齐市气象站(43.783°N)相应的纬向垂直剖面风矢量。如图所示，各方案模拟结果相差较小，各高度层风向变换趋势大致相同。00时，87°E以西近地面层主要为西南风控制，高空主导气流为西北风。87°～87.6°E为风向的转换区，夜间西南山区的沿坡发散气流与沿谷地的南风及东北山区的下坡风在这个区域汇合，在87.4°E附近形成一个气流辐合区，风速较小。在88.1～88.8°E之间，由于东北部山地的影响，存在一个风速大值区，由西部山坡向东，风向逐渐由东北风转变为西北风，这与水平风场看到的情况基本吻合。14时，区域内近地面风场以偏北风为主，风速较小，87.3°E山口位置盛行东南风，风速较大，但各方案模拟的最大值略有不同，EtaPBL方案、Gayno-SeamanPBL方案模拟的最大值大于其他方案。BlackadarPBL方案、EtaPBL方案、MRFPBL方案均较好地模拟出了88.1～88.8°E间的山区风场特征，而Gayno-SeamanPBL方案在山区风速大值区的模拟方面表现较差。对于中间层风场的模拟，各方案的差别主要体现在风速最大值出现的位置和影响范围不同。4种方案对于高空风场的模拟存在较大差异，表现在风向转换和风速两方面。BlackadarPBL方案、EtaPBL方案、MRFPBL方案高空均以偏南风为主，在87.2°E左右由西南风转为东南风，风速变大，87.9°E转为偏北风，风速变小；EtaPBL方案风速模拟值略大于其他两种方案，并在88.7°E模拟出一次西南风转东北风的过程。而Gayno-SeamanPBL方案模拟结果风向转换更为频繁，风向变化最大处出现在87.5°E，与其它方案差别较大。

2.1.2 温度场

图5为4种不同PBL参数化方案模拟的12月16日00时～17日00时乌鲁木齐市气象站点(87.65°E，43.78°N)的近地面20m空气等温线图。如图5所示，各方案模拟温度曲线与实测值变化趋势大致相同，在午后14时达到一天中的最大值，除3 ～7时，19 ～21时模拟值与实测值曲线走势相反外，其余时间模拟结果均较好反映出近地面温度的变化情况。

(a：Blackadar PBL方案，b：Eta PBL方案，c：MRF PBL方案，d：Gayno-Seaman PBL方案)图3 2005年12月16日00时垂直剖面风矢量

(a：Blackadar PBL方案，b：Eta PBL方案，c：MRF PBL方案，d：Gayno-Seaman PBL方案)图4 2005年12月16日14时垂直剖面风矢量

图5 2005年12月16日实测值与模拟温度场

2.1.3 风速、温度廓线

图6为各PBL方案在乌鲁木齐市气象站(87.65°E，43.78°N)点的风速廓线。图中曲线A表示北京时间12月16日00时，B为06时，C为12时，D为18时。

由图6可见，各方案对于风速的模拟存在较大的差异，但变化趋势大致相同。近地面至300m左右高度，风速值变化较小，从300m高度层开始，风速变化显著。除BlackadarPBL方案外，12时及18时模拟风速值较大。在夜间层结稳定的情况下，低空风速(曲线A)随高度先变小后快速增大，达到一定高度处风速达最大值。在白天不稳定层结的情况下，风速先变大后变小，最后随高度趋于均匀。

气温的垂直分布决定了大气层结的垂直稳定度，直接影响湍流活动的强弱，支配着空气污染物的分布。大气层结稳定度是决定大气稀释扩散能力的另一个重要因子。为了解区域地理特征和城市热岛效应对区域城市大气边界层的影响，研究了乌鲁木齐市气象站(87.65°E，43.783°N)点位4种PBL方案模拟的温度廓线的日变化特征。

图7a、b、c、d分别给出了4种方案的模拟结果，曲线A、B、C、D分别对应北京时间12月16日00时、06时、12时和18时。由图7可见，乌鲁木齐地区近地面层结稳定，各方案模拟温度层结的结构大体相似，但在对流层中低层却存在明显差异。白天，温度随高度增加升高缓慢；夜间，随高度增加，温度快速升高。全天均出现逆温，夜晚逆温强度强于白天，逆温层厚度大致在400～500m之间，MRFPBL方案模拟逆温层厚度最大，各方案模拟结果变化趋势大致相似。

(a：Blackadar PBL方案，b：Eta PBL方案，c：MRF PBL方案，d：Gayno-Seaman PBL方案)图6 风速廓线

(a：Blackadar PBL方案，b：Eta PBL方案，c：MRF PBL方案，d：Gayno-Seaman PBL方案)图7 温度廓线

2.2 PBL参数化方案对空气质量模拟效果的影响

2.2.1SO2

图8为12月16日～18日市收费站、监测站和铁路局三个站点模拟SO2浓度与监测值的比较。由图8可见，各监测站点SO2浓度的小时均值变化较大，大致趋势为早晚浓度高，中午时段低，这是因为早晚空气层结比较稳定所致。由于乌鲁木齐市所处地理位置的原因，其时间约比北京时晚2小时左右，早晨的污染时段可持续至9时。午后，有一个下降过程，这主要是由于中午时段，随着太阳短波辐射加强，地面温度升高，垂直对流加强，大气层结稳定度逐渐由稳定向不稳定转变。由于太阳辐射增热驱动的混合，使得混合层厚度发生变化，污染物在日间混合层内充分混合，垂直与水平方向的扩散、输送能力加强，利于污染物向高空扩散。下午，随着太阳辐射的减弱，大气净长波辐射向上，地面辐射冷却，大气稳定度由不稳定向稳定转变，水平和垂直扩散的范围逐渐减小，到次日9时左右，污染物聚集在近地面层，垂直扩散能力很弱。同时，由于SO2的排放源以高架点源为主，夜晚混合层高度较高，排放的污染物滞留在逆温层中，也导致了高浓度值的产生。

(A、市收费站；B、市监测站；C、市铁路局)图8 2005年12月16日至18日SO2监测值与模拟值

相对于监测值，除个别时段外，各方案模拟值均较低。这是由于本研究暂时没有考虑面源和低架点源的影响，而主要将高架点源作为研究的重点；另外，由于MM5中下垫面资料没有考虑近年来乌鲁木齐市高层建筑群对城市风场的影响，城市区域模拟风速偏大，也导致模拟浓度值偏低。通过对方案模拟结果的分析可以发现，各方案的模拟趋势变化大致相同，总的来说，MRFPBL方案和EtaPBL方案模拟的小时均值高于其它方案，也较接近监测值，对于夜晚时段的模拟结果好于白天时段，这主要源于混合层高度模拟的差异。

2.2.2PM10

图9为市收费站、监测站和铁路局三个站点模拟PM10浓度与监测值的比较。由模拟结果可见，4种方案对PM10的模拟浓度值差异较大，但都低于实测值；MRFPBL方案与EtaPBL方案模拟的小时均值明显高于其它方案，模拟的浓度高值点更接近实测浓度。16～18日的三天中，实测值每日均出现一个PM10的浓度峰值，各站点大致为15时左右，收费站、铁路局站点还在18时左右出现一次浓度峰值，而模拟值并没有反映出相同的趋势，而是在夜间及凌晨时段PM10浓度值较高。

(A、市收费站；B、市监测站；C、市铁路局)图9 2005年12月16日至18日PM10监测值与模拟值

与SO2不同，PM10监测结果并没有呈现出白天低、早晚高的特征。究其原因，除气象条件的影响外，研究中仅考虑大点源的源排放影响，而监测站点多位于路边，受机动车排放细粒子的影响大，导致PM10浓度随路面机动车流量的变化而变化，并在上下班高峰期呈现峰值。

3 结论

采用不同PBL参数化方案运行MM5模式，对乌鲁木齐市冬季典型重污染过程进行数值模拟，比较各方案对各种气象要素的模拟结果，并采用四种方案模拟的气象场，运行CALPUFF空气质量模式，重点分析了PM10和SO2的模拟结果，结论如下：

(1) 在高分辨率的BlackadarPBL方案、EtaPBL、MRFPBL和Gayno-SeamanPBL参数化方案中，没有哪个方案对所有气象要素的数值模拟拥有绝对优势，整体看来，对空气质量模拟影响较大的气象要素，如风场等模拟效果较好，与实测较吻合；各方案对风速、风向及温度层结等的模拟值略有不同。

(2) 4种方案模拟的污染物浓度值变化趋势大致相似，MRFPBL方案和EtaPBL方案对PM10和SO2的模拟效果较好，模拟值与实测值较为接近。

(3)PBL方案不同导致的风速及逆温层厚度差异是导致污染物浓度模拟值差异的主要原因。

[1]YINGZ,LevyJI,HammittKJ，etal. Estimating population exposure to power plant emissions using CALPUFF: a case study in Beijing, China[J]. Atmospheric Environment, 2003, 37:815-826.

[2] 杨多兴, 韩永伟, 拓学森.门头沟生态区排放的大气颗粒物输送的模拟研究[J].西南大学学报(自然科学版),2007,29(5):113-117.

[3] 朱好, 张宏升, 蔡旭晖, 等.CALPUFF在复杂地形条件下的近场大气扩散模拟研究[J].北京大学学报(自然科学版),2013(3):452-462.

[4] Jackson B, Chau D,Gurer K,etal. Comparison of ozone simulations using MM5 and CALMET/MM5 hybrid meteorological fields for the July/August 2000 CCOS episode[J]. Atmospheric Environment, 2006, 40:2812-2822.

[5] Titov M, Sturman A P, Zawar-Reza P. Application of MM5 and CAMx4 to local scale dispersion of particulate matter for the city of Christchurch, New Zealand[J]. Atmospheric Environment, 2007, 41:327-338.

[6] Pirovano G, Coll L,Bedogni M,etal. On the influence of meteorological input on photochemical modelling of a severe episode over a coastal area[J]. Atmospheric Environment, 2007, 41:6445-6464.

[7] Titov M, Sturman A, Zawar-Reza P. Improvement of predicted fine and total particulate matter (PM) composition by applying several different chemical scenarios:A winter 2005 case study[J]. Science of the Total Environment, 2007, 385:284-296.

[8] Chen D S,Cheng S Y, Liu L,etal. An integrated MM5-CMAQ modeling approach for assessing trans-boundary PM10contribution to the host city of 2008 Olympic summer games—Beijing, China[J]. Atmospheric Environment, 2007, 41:1237-1250.

[9] Fu J S,Jang C J,Streets D G,etal. MICS-Asia II: Modeling gaseous pollutants and evaluating an advanced modeling system over East Asia[J]. Atmospheric Environment, 2008,42:3571-3583.

[10] Yu Y,Sokhi R S, Kitwiroon N,etal. Performance characteristics of MM5-SMOKE-CMAQ for a summer photochemical episode in southeast in England, United Kingdom[J]. Atmospheric Environment, 2008, 42:4870-4883.

[11] 李莉, 陈长虹, 黄成, 等.长江三角洲地区大气O3和PM10的区域污染特征模拟[J].环境科学,2008,29(1):237-245.

[12] 李莉, 程水源, 陈东升, 等.气象模式MM5的不同参数化方案评估J].北京工业大学学报,2010,32(1):171-76.

[13] Darmenova K, Sokolik I N. Assessing uncertainties in dust emission in the Aral Sea region caused by meteorological fields predicted with a mesoscale model[J]. Global and Planetary Change, 2007, 56:297-310.

[14] Akylas E,Kotroni V,Lagouvardos K. Sensitivity of high-resolution operational weather forecasts to the choice of the planetary boundary layer scheme[J]. Atmospheric Research, 2007, 84:49-57.

[15] Mao Q,Gautney L L, Cook T M,etal. Numerical experiments on MM5-CMAQ sensitivity to various PBL schemes[J]. Atmospheric Environment, 2006, 40:3092-3110.

[16] Miao J F,Chen D, Wyser K,etal. Evaluation of MM5 mesoscale model at local scale for air quality applications over the Swedish west coast: Influence of PBL and LSM parameterizations[J]. Meteorology and Atmospheric Physics, 2008, 99:77-103.

[17] Srinivas C V,Venkatesan R,Singh A B. Sensitivity of mesoscale simulations of land-sea breeze to boundary layer turbulence parameterization[J]. Atmospheric Environment, 2007, 41:2534-2548.

[18]HanZW,UedaH,AnJ.EvaluationandintercomparisonofmeteorologicalpredictionsbyfiveMM5-PBLparameterizationsincombinationwiththreeland-surfacemodels[J].AtmosphericEnvironment, 2008, 42:233-249.

[19]SrinivasCV,VenkatesanDV,BhaskarRaoDV,etal. Numerical Simulation of Andhra Severe Cyclone (2003): Model Sensitivity to the Boundary Layer and Convection Parameterization[J]. Pure and Applied Geophysics, 2007, 164(8-9): 1465-1487.

[20] Juneng L, Tangang F T, Reason C J,etal. Simulation of tropical cyclone Vamei (2001) using the PSU/NCAR MM5 model[J]. Meteorology and Atmospheric Physics, 2007, 97(1-4):273-290.

[21] Garratt J R. Sensitivity of climate simulations to land2surface and atmospheric boundary layer treatments—A review[J]. J Climate, 1993, 6(3): 419-449.

Influence of PBL Parameterization on the Effect of Urban Air Quality Simulation

Wang Yonghong, Liu Hao, Peng Jingquan

(Guizhou Institute of Environmental Science and Designing, Guiyang 550002, China)

With employing four planetary boundary layer (PBL) parameterization schemes (Blackadar, ETA, MRF, and Gayno-Seaman), MM5 was applied to simulate the meteorological field and the turbulence in Urumchi. And then, urban air quality simulations were conducted to examine the impacts of different schemes by using CALPUFF model. Results show that among four PBL parameterization schemes, no one is distinguishable from the rest in terms of the simulation results of all the meteorological elements. Generally speaking, for those meteorological elements that have great impacts on the air quality simulation results, e.g. the wind field, good results are obtained as against observation. Only little difference in the simulation values in terms of wind speed, wind direction as well as temperature are witnessed for all the PBL concerned. Variations of simulated concentration of pollutants are of similar for those four simulations, among which, MRF PBL and Eta PBL schemes are better than the rest with regard to PM10and SO2simulation since simulation results thereof are closer to the observation. Differences in wind speed and the thickness of the inversion layer due to different PBL schemes employed are the major contribution to the differences in simulated concentration values.

PBL parameterization；urban scale；air quality simulation；influence

2015-07-03； 2015-07-30修回

王永红，男，1979年生，工程师，硕士，研究方向：大气环境污染控制。E-mail：371200560@qq.com

X16

A