薛文博,武卫玲,付飞,哈艳梅,雷宇,陈潇君,王金南,许艳玲
(环境保护部环境规划院,北京 100012)
中国煤炭消费对PM2.5污染的影响研究
薛文博*,武卫玲,付飞,哈艳梅,雷宇,陈潇君,王金南,许艳玲
(环境保护部环境规划院,北京 100012)
国务院颁布的《大气污染防治行动计划》明确提出制定国家煤炭消费总量中长期控制目标,到2017年,煤炭占能源消费总量比重降低到65%以下,然而煤炭消费对PM2.5污染的贡献到底多大,这是当前亟待研究的科学问题。为定量分析煤炭消费对我国PM2.5污染的影响,本研究首先计算了2012年煤炭消费产生的大气污染物排量,然后利用CAMx空气质量模型,分别采用组分分析法和情景模拟法两种方法研究了煤炭消费对全国PM2.5污染的影响。组分分析法研究表明,煤炭消费对全国PM2.5年均浓度的贡献率约为61%,其中煤炭直接燃烧、煤炭相关行业的贡献率分别约为37%、24%;情景模拟法研究表明,煤炭消费对全国PM2.5年均浓度的贡献率约为56%。因此,我国由于煤炭消费对全国PM2.5年均浓度的贡献率为56%~61%。
煤炭消费;PM2.5;WRF;CAMx;
我国大气环境污染特征总体上已由单一的局地煤烟型污染过渡到区域复合型污染阶段,大气环境污染总体上已呈现出“多污染问题共存、多污染源叠加、多尺度关联、多过程演化、多介质影响”的复合型特征。因此,空气质量模型的选取应满足以下三个要求:①能充分考虑各污染物间的物理传输及化学转化过程,可模拟多污染物间的协同效应;②能够用于模拟局地、区域及全国等多种尺度的大气环境问题;③可一次性模拟SO2、NO2、PM10、PM2.5、O3、酸雨等多种大气污染过程,特别是模拟区域复合型大气污染过程。而CAMx模型的典型特点是采用了基于“一个大气”的设计理念,考虑了复杂的物理及化学过程,能够同时模拟各种尺度、各种复杂的大气环境问题,因此本研究利用CAMx模型模拟我国煤炭消费对PM2.5污染的影响,其中CAMx模型所采用的气象数据来源于WRF中尺度气象模型。
1.1 模型设置
1.1.1 CAMx模型设置
(1)模拟时段。CAMx模拟时段为2012年1月、4月、7月、10月,分别代表冬季、春季、夏季、秋季,模拟时间间隔为1小时。
(2)模拟区域。CAMx模拟区域采用Lambert投影坐标系,中心经度103°,中心纬度37°,两条平行标准纬度分别为25°和40°。水平模拟范围为X方向(–2682~2682km)、Y方向(–2142~2142km),网格间距36km,共将模拟区域划分为150×120个网格。研究区域包括我国全部陆域范围。模拟区域垂直方向共设置9个气压层,层间距自下而上逐渐增大。模拟区域及地形地貌如图1所示。
(3)化学机制。模型采用CAMx5.41版本,化学机制为CB05气相化学机制和CF气溶胶化学机制。
1.1.2 WRF模型设置
(1)模拟时段。WRF模拟时段与CAMx模型相同。
在图3(c)中,将重心d0(电势待定为v0)作为代理点,用Wi表示子区域d0didi+1的能量(通过v0表示)。通过使得局部能量最小化,可求解下面的等式得到v0。
(2)模拟范围。WRF模型与CAMx模型采用相同的空间投影坐标系,但模拟范围大于CMAQ模拟范围,其水平模拟范围为X方向(–3582~3582 km)、Y方向(–2502~2502 km),网格间距36km,共将研究区域划分为200×140个网格。垂直方向共设置28个气压层,层间距自下而上逐渐增大。
(3)数据来源。WRF模型的初始输入数据采用美国国家环境预报中心(NCEP)提供的6小时一次、1°分辨率的FNL全球分析资料,并利用NCEP ADP气象观测资料进行资料同化。WRF模型模拟结果通过WRF2CAMx程序转换为CAMx模型输入格式。
1.2 煤炭消费产生的污染物
图1 模拟区域及地形地貌
依据煤炭使用方式的不同,将煤炭消费排放的大气污染物分为两类:煤炭直接燃烧排放的大气污染物和煤炭相关重点行业排放的大气污染物。其中,前者指通过电站锅炉(主要是电力、热力的生产和供应业)、燃煤工业锅炉和民用燃煤设备产生的大气污染物;后者指焦炭、钢铁、水泥、有色金属等生产中,通过焦炉、各种窑炉等设备产生的大气污染物。
依据2012年环境数据及作者前期研究成果,煤炭直接燃烧产生的SO2、NOx和烟粉尘排放量分别为1672.9万t、1332.5万t、543.1万t,煤炭相关重点行业排放的SO2、NOx和烟粉尘分别为317.6万t、303.9万t、283.9万t。煤炭消费共计产生的SO2、NOx和烟粉尘排放量分别为1990.5万t、1636.5万t、827.0万t,分别占我国SO2、NOx和烟粉尘排放总量的94%、70%和67%,如图2所示。
图2 我国SO2、NOx和烟粉尘排放构成
1.3 模拟结果验证
由于2012年我国尚未全面开展PM2.5监测,缺乏PM2.5实测数据。限于监测数据有限,本研究利用中国环境监测总站2010年PM2.5实测数据和中国科学院大气物理研究所提供的PM2.5监测数据验证模型模拟结果的准确性,数据来源见表1。将CAMx模型模拟的PM2.5年均浓度与监测数据进行比较,结果表明,模拟值和监测值具有较好的相关性,相关系数R为0.79,验证结果见图3。此外,利用NASA中分辨率成像光谱仪(MODIS)观测的AOD数据(气溶胶光学厚度,无量纲)进一步验证PM2.5模拟结果的空间分布特征。NASA目前共有两颗在轨卫星即TERRA、AQUA搭载了MODIS探测器,其中TERRA卫星过境时间为10:30,AQUA卫星过境时间为13:30,模型验证数据采用TERRA和AQUA两颗卫星观测值的平均值。113个国控重点城市的PM2.5年均柱浓度(指9个垂直层的平均模拟值)与卫星观测的年均AOD数据对比表明,PM2.5柱浓度与AOD数据具有较高的相关性,相关系数R达到0.83,验证结果见图4。地面观测数据和卫星遥测数据验证结果均表明,本文所选空气质量模型及模拟参数可较好地模拟我国区域性、复合型PM2.5污染问题。
图3 模拟值与监测值对比
图4 模拟值与AOD相关性
表1 监测数据来源
煤炭消费排放的SO2、NOx、烟粉尘等多种污染物,进入大气后,经过复杂的物理、化学过程均可以形成PM2.5,因此煤炭消费对PM2.5污染的影响异常复杂。为此,本研究利用组分分析法和情景模拟法两种方法综合分析煤炭消费对PM2.5污染的影响。
2.1 组分分析方法
通过CAMx空气质量模型模拟得到全国地级及以上城市的PM2.5年均浓度及其关键组分,包括硫酸盐、硝酸盐、一次PM2.5以及其他组分的比值。在此基础上将各地所辖城市的模拟结果进行算术平均,得到31个省市PM2.5年均浓度中不同组分的比值,如图5所示。除了海南、西藏等自身大气污染物排放量显著偏低的省份以外,硫酸盐和硝酸盐在其他省份中的比例之和大多在20%~30%浮动;一次PM2.5约占到PM2.5的50%,是各地环境空气中PM2.5的主要来源;其他组分包括铵盐和二次有机气溶胶等的比例约在10%。
假设不同污染物排放对PM2.5前体物的排放贡献率相当于其对应的化学组分贡献率,即煤炭使用过程中SO2排放量占比等于煤炭使用对PM2.5中硫酸盐浓度的占比,由此可以估算煤炭消费排放的各项污染物对全国PM2.5中各组分的贡献率。计算结果显示,煤炭直接燃烧对我国PM2.5年均浓度的贡献约为37%,其中SO2、NOx和烟粉尘排放的贡献率分别为9.5%、7.7%和20.0%;伴随煤炭使用的重点行业排放对我国PM2.5年均浓度的贡献约为24%,其中SO2、NOx和烟粉尘排放的贡献率分别为1.8%、1.8%和20.0%。煤炭消费对我国PM2.5年均浓度的贡献率总体在61%左右。
2.2 情景模拟方法
首先设置两个污染物排放情景:①2012年全口径排放情景;②煤炭消费产生的污染物排放情景(因煤排放情景),然后利用空气质量模型分别模拟全口径排放情景与因煤排放情景下的PM2.5年均浓度,将因煤排放情景与全口径排放情景下的PM2.5年均浓度进行比较,即可得到煤炭消费产生的大气污染物排放对环境空气中PM2.5年均浓度的贡献率。模拟结果表明,因煤排放情景与全口径排放情景下PM2.5年均浓度分布规律基本一致,因煤排放情景对PM2.5年均浓度贡献在45μg/m3以上的区域主要集中在华北平原和成渝盆地地区。全口径排放情景及因煤排放情景下PM2.5年均浓度分布见图6。
图5 各地PM2.5中主要组分百分比模拟结果
将因煤排放情景和全口径排放情景下的PM2.5年均浓度进行比较,得到煤炭消费对全国及各省市PM2.5年均浓度的贡献率,结果表明:2012年煤炭消费对全国PM2.5年均浓度的平均贡献率约为56%。各省份结果表明,煤炭消费对各省份PM2.5年均浓度的贡献率存在显著差异,贡献率为37%~63%,对PM2.5年均浓度贡献率较大的省份主要集中在重庆、黑龙江、辽宁、吉林、浙江、内蒙古等,其贡献率均在55%以上;而西藏、青海、云南、北京等省份的PM2.5污染受煤炭消费影响较小。各省份煤炭消费对PM2.5贡献率如图7所示。
本研究首次计算了2012年煤炭消费产生的大气污染物排量,并利用CAMx空气质量模型,分别采用组分分析法和情景模拟法两种方法研究了煤炭消费对全国PM2.5污染的影响。组分分析法研究表明,2012年煤炭消费对全国PM2.5年均浓度的贡献率约为61%,其中煤炭直接燃烧、煤炭相关行业的贡献率分别约为37%、24%;情景模拟法研究表明,2012年煤炭消费对全国PM2.5年均浓度的平均贡献率约为56%,煤炭消费对PM2.5年均浓度贡献率较大的省份主要集中在重庆、黑龙江、辽宁、吉林、浙江、内蒙古等,贡献率均在55%以上,而西藏、青海、云南、北京等省份的PM2.5受煤炭消费影响较小。综合组分分析法、情景模拟法两种研究结果,我国由于煤炭消费对全国PM2.5年均浓度的贡献率为56%~61%。
图6 2012年PM2.5年均浓度分布
图7 2012年各省份煤炭消费对空气中PM2.5年均浓度贡献率
[1] 吕连宏, 罗宏, 王晓. 大气污染态势与全国煤炭消费总量控制[J]. 中国煤炭, 2015, (04): 9-15.
[2] 张保留, 洪洁, 罗宏. 煤炭消费结构对中国大气污染的影响及对策建议?[J]. 中国煤炭, 2015, (07): 9-14.
[3] 蒋洪强, 张伟, 于森, 等. 经济新常态下的“十三五”环境压力预测[J]. 中国环境管理, 2015, (03): 47-51.
[4] 薛文博, 付飞, 王金南, 等. 中国PM2.5跨区域传输特征数值模拟研究[J]. 中国环境科学, 2014, 34(06): 1361-1368.
[5] 韩明霞, 李华民. 中国煤炭消费与大气污染物排放[J]. 煤炭工程, 2006, (03): 76-78.
[6] 魏巍贤, 马喜立. 能源结构调整与雾霾治理的最优政策选择[J]. 中国人口·资源与环境, 2015, 25(07): 6-14.
[7] 易爱华, 丁峰, 胡翠娟, 等. 我国燃煤大气污染控制历程及影响分析[J].生态经济, 2014, 30(08): 173-176.
[8] 陈潇君, 金玲, 雷宇, 等. 大气环境约束下的中国煤炭消费总量控制研究[J]. 中国环境管理, 2015, (05): 42-49.
[9] 薛文博, 王金南, 杨金田, 等. 《大气污染防治行动计划》实施环境效果模拟[J]. 中国环境管理, 2015, (02): 25-30.
[10] 王书肖, 赵斌, 吴烨, 等. 我国大气细颗粒物污染防治目标和控制措施研究[J]. 中国环境管理, 2015, (02): 37-43.
Impact of Coal Consumption to PM2.5 Pollution in China
XueWenbo*, Wu Weiling, Fu Fei, Ha Yanmei, Lei Yu, Chen Xiaojun,Wang Jinnan, XuYanling
( Chinese Academy for Environmental Planning, Beijing 100012 )
In order to quantitatively analyze the impact of coal consumption to PM2.5pollution in China, emissions of air pollutants caused by coal consumption in 2012 were calculated.And its impact to PM2.5pollution was analyzed by component analysis method and scenario simulation method, respectively, based on CAMx air quality model. Component analysis showed that contribution rate to the annual average concentration of PM2.5from coal consumption in 2012 was 61%, in which contribution rate of coal direct combustion and coal related industries was 37% and 24% respectively. Scenario simulation study indicated that the contribution rate was 56%. In view of this, contribution rate to the annual average concentrations of PM2.5from coal consumption in China ranged from 56% to 61%.
Coal consumption; PM2.5; WRF; CAMx
F426;X51
1674-6252(2016)02-0094-05
A
10.16868/j.cnki.1674-6252.2016.02.094
*责任作者: 薛文博(1981—),男,博士,副研究员,主要从事大气环境容量、空气质量模型、污染源排放清单、环境卫星遥感及大气污染控制对策等领域的科研与实践工作。