臭氧前体物排放清单相关模型及应用

王皓珊，单春艳，ZHANG Junfeng (Jim)，邓江洋

1.南开大学环境科学与工程学院，天津 300350 2.Nicholas School of the Environment,DukeUniversity,Durham NC 27708 3.昆山杜克大学,全球健康研究中心，江苏 昆山 215300

臭氧前体物排放清单相关模型及应用

王皓珊1，单春艳1，ZHANG Junfeng (Jim)2,3，邓江洋1

1.南开大学环境科学与工程学院，天津 300350 2.Nicholas School of the Environment,DukeUniversity,Durham NC 27708 3.昆山杜克大学,全球健康研究中心，江苏 昆山 215300

欧美等国家对于O3污染的研究开展较早，已建立较成熟的O3污染生成、扩散及空气质量等模型。文章主要介绍评述了美国环保局推荐使用的计算O3前体物的相关模型(MOVES、NONROAD、SMOKE、EMFAC和EDMS)，从基本原理和功能、污染源类型、研究尺度、所需参数等方面对比分析各模型的特点和适用范围，并综述其国内外研究应用情况；讨论了中国在这些模型的使用方面应该注意的问题，如加强开展模型计算结果验证和基础实验获得本土化的模型参数，以及中国开发的相关模型的优势和适用性等。

臭氧；氮氧化物；挥发性有机化合物；排放清单模型

我国大气环境在传统煤烟型污染问题尚未得到解决的情况下，以PM2.5、臭氧(O3)为特征的区域性复合型污染日益突出[1]。空气污染的氧化性增强，导致二次污染物O3超标率逐年增长。O3和PM2.5已成为共同影响城市空气质量超标的2个首要污染物。在长三角地区，高温季节出现PM2.5与O3同步污染的频率可高达30%[2]。2015年6—8月，京津冀地区的近半数污染日内，O3均代替PM2.5成为首要污染物。2015年6月全国74个城市空气质量，所有超标天数中以O3为首要污染物的天数最多。2016年上半年，京津冀、珠三角等区域已经出现了O3浓度同比上升的现象。7月，京津冀区域13个城市、长三角区域25个城市、珠三角区域9个城市O3超标率分别为34.2%、21.2%、15.1%[3]。

O3作为重要的光化学氧化剂，可以与二氧化硫、氮氧化物(NOx)反应生成二次硫酸盐颗粒物、二次硝酸盐颗粒物，加重二次颗粒物污染。此外，由于具有强氧化性，O3还可以直接对人体健康、纺织材料、植物以及土壤肥力产生不同程度的危害[4]。目前国内对O3的研究主要集中在O3前体物源解析、O3空间分布特征和时间变化规律、气象因素对O3浓度的影响等方面。如王雪松等[5]对北京地区O3源识别的研究表明，北京近郊的各类污染源中，流动源对O3生成贡献最大，油品储运和溶剂使用、工业源也占较高份额，天然源和其他人为源则贡献很小；刘彩霞等[6]对天津市2004年的O3监测资料进行研究，对天津市O3污染的季节变化和日变化进行了分析，并从空间上确定了城市城区易发生光化学污染的敏感区域、高发区域；王杨君等[7]对上海O3源识别的结果是，在白天O3低浓度时段和夜间，外围污染源贡献较大，白天O3高浓度时段则是本地污染源贡献显著；潘本锋等[8]对京津冀地区O3污染特征的分析以及王闯等[9]对沈阳市O3浓度的研究都发现，在这些地区O3浓度与气象因素密切相关，气温升高和湿度下降有利于O3生成。

国外对O3的研究主要有O3前体物排放清单、气溶胶对光化辐射影响、土地利用类型、表面化学观测与O3的关系等。如PISON等[10]分析巴黎地区飞机排放对对流层O3的影响认为，飞机排放对夜间O3浓度影响最大，且飞机排放的NOx比VOCs对O3浓度影响更大；SHARMA等[11]对印度地面O3敏感度分析结果表明，印度大部分地区为NOx控制区，但城市地区主要为VOCs控制区，另外，在不同源对O3生成的贡献方面，交通部门贡献最大；WANG等[12]在对道路附近NOx的化学演化研究中指出，低交通流量下，高浓度O3会使下风向出现NO2峰值，并且高浓度的NO2会在下风向保持更远，造成更多人群受NO2影响；LI等[13]研究美国灌溉对O3浓度的影响时发现，由于灌溉可以降低近地面温度，从而提高大气稳定度，影响O3生成的光化学反应，所以会造成O3浓度降低；ISMAIL等[14]对马来西亚甘马挽地区10年的观测数据进行研究，发现该地区的O3浓度和太阳辐射均值高度相关，相关系数为0.67。

O3前体物排放清单的计算是进行污染控制和管理的基础，而开发或选取合适的排放清单模型将对区域排放清单的建立起到事半功倍的效果。虽然中国学者和相关部门对区域O3污染问题开始关注，但相对于其他常规污染物，关于O3污染生成、扩散和空气质量模型的研究还很少，亟需开展大量适合本土的模型方法的开发应用、效果评估等方面的研究。在现阶段，借鉴或使用欧美等国家较成熟的模型方法计算O3前体物排放清单，不失为开展中国O3污染来源研究的重要途径之一。

1 O3生成机理及与O3相关的各类模型

O3污染物是指在近地面大气层中超过一定含量，并对环境产生影响、对人体产生危害的环境污染物，平流层中的O3不属于该范畴[15]。O3污染物除小部分来自平流层向下传输，另一来源是由NOx和VOCs等物质在晴天少云、紫外辐射强以及风速较小的气象条件下经过光化学反应生成。基本反应原理：NO2具有光解特性，在波长小于420 nm的光辐射下发生反应：

O3作为强氧化剂，主要的去除反应：

以上3个反应处于动态平衡中，不会造成O3累积。但当比O3更强的氧化剂(VOCs等)出现时，会优先与NO反应，阻碍O3分解，造成O3累积[16]。

O3生成与前体物浓度之间不是简单的线性关系，通过EKMA曲线采用经验动力学模拟方法研究了它们之间的非线性关系。根据EMAK曲线，当VOCs/NOx的值较高，O3生成受NOx控制；VOCs/NOx的值较低，O3生成受VOCs控制。研究表明，从污染较严重的城市到相对清洁的地区，随着NOx减少，O3的生成会从VOCs控制转为NOx控制[17]。

确定O3的产生来源，应以O3前体物NOx和VOCs的排放清单为基础。美国环保局(USEPA)2014年发布《实施O3和颗粒物国家环境空气质量标准和区域雾霾条例排放清单指南(试行)》，指导各州县在执行O3和颗粒物国家环境空气质量标准时编写排放清单。该指南提出至少考虑五大类排放源：固定点源排放，固定面源排放，道路交通源排放，非道路移动源排放(包括铁路和海洋船舶)和生物排放。本文从该指南推荐的模型中选择了以下几个模型，主要用于计算O3前体物VOCs和NOx(更多见于NOx)排放清单：机动车排放系统(Motor Vehicle Emissions System， MOVES)、NONROAD、稀疏矩阵运算排放(Sparse Matrix Operator Kernel Emissions，SMOKE)、EMAFC、排放和扩散模型系统(Emissions and Dispersion Modeling System，EDMS)[18]。

2 相关模型及其应用

2.1MOVES模型

2.1.1 模型介绍

MOVES模型是一个多尺度(国家、州、县)移动源排放模型系统，可用于标准空气污染物、温室气体和有毒气体的计算，是USEPA规定的除加利福尼亚州外的其他州编制O3前体物排放清单时估算道路移动源排放应该使用的模型。与之前的移动排放模型MOBILE相比，数据更新，算法更复杂，基本数学表达式：

TEprocess，sourcetype=(∑ERprocess，bin×ACbin)×Ajprocess

式中：TE为总排放量；process为排放过程；sourcetype为源类型；bin为排放源和工况区间；ER为排放速率；AC为行驶特征；Aj为调整因子[19]。

MOVES模型主要作用是计算排放因子，然后利用SMOKE模型将排放因子结合具体活动的数据来计算网格单元的排放。MOVES模型基本原理是将汽车保有量、车龄分布、车辆行驶里程、道路类型分布、平均车速分布、燃料配方以及气象等数据利用模型的数据管理功能转化为模型输入数据库，模型输入数据库经MOVES2010a转化为输出数据库，代表县的数据经驱动脚本转化为输出数据库清单，输出数据库和输出数据库清单经后处理模块最终转化为SMOKE模型可用的数据格式输出。

2.1.2 模型应用

VIJAYAGHAVAN等[20]在研究美国轻型汽油车排放标准对O3和颗粒物的影响时，使用MOVES2010a来计算道路机动车排放清单。运行模型时以2008年为基准年，分别计算了2022年4个不同排放场景在夏季和冬季的排放清单。4个场景分别假设实施Tier1标准、实施Tier2标准、实施加州LEVⅢ标准草案、实现轻型汽油车零排放。将MOVES计算的排放清单使用SMOKE模型进行时空上的分配，从而转化为空气质量模型CAMx可用的排放清单格式。最终模拟结果显示，轻型汽油车排放标准的调整会带来日平均O38 h最高浓度8%的减少和月平均O38 h最高浓度6%的减少。PM2.5则是日最高浓度减少7%，月平均减少8%。

LIAO等[21]在研究人为源O3前体物(VOCs和NOx)州际传输对美国O3污染事件的影响及进行敏感度分析时，排放清单包括的源类型有点源、面源、公路移动源、非公路移动源和生物源。其中道路移动源排放使用MOVES模型来计算，SMOKE模型用于污染的时间和空间分配。将经过SMOKE模型处理过的各类排放源排放清单输入区域空气质量模型CMAQ，得出的结论对制定区域空气污染控制策略有参考价值。

2.2NONROAD模型

2.2.1 模型介绍

NONROAD模型是USEPA开发的多尺度(国家、州、县)排放清单模型，也是USEPA规定的编制O3前体物排放清单时计算各种非道路移动设备，如农用设备、施工设备、园艺设备等的排放模型。模型由用户界面、核心模型和ACCESS报告编写工具组成[22]。使用NONROAD模型需要的输入数据有基准年设备数量、平均负荷因子、平均功率、每年使用小时数、恶化后或新标准下的排放因子等。最终结果以ACCESS或EXCEL形式输出，也可以生成EPS-2输入数据格式，经处理后可用于UAM光化学网格模型。

NONROAD模型计算排放量的基本公式[23]：

Q=EFadj×Pop×Power×LF×A

式中：Q为排放量；EFadj为综合排放因子；Pop为发动机保有量；Power为发动机功率；LF为负荷因子；A为活动水平。

2.2.2 模型应用

LEWIS等[24]研究了建筑行业降低O3水平的可持续规划框架，认为建筑行业所使用的非公路柴油设备是重要的产生O3前体物的污染源。使用NONROAD模型模拟与文献调研相结合的方法来获取设备的排放数据，最终得到了通过合理配置设备使用时间来降低建筑行业对O3浓度影响的发展框架。

李东玲等[25]参考NONROAD模型中非道路移动源排放模拟的基本方法，调研中国典型工程机械的实际燃油消耗率和活动水平数据，先估算出燃油消耗量，结合经修正的排放因子数据，得到中国典型工程机械的NOx和颗粒物排放清单。其中，实际燃油消耗率不同于NONROAD模型使用指定稳态工况下的燃油消耗率，而是通过走访调研和收集网络数据得到，排放因子则是收集了部分中国非道路常用发动机型的台架测试数据，并与NONROAD模型中采用的排放因子及《非道路移动机械用柴油机排气污染物排放》(GB 20891—2007)中排放限值进行比对分析，从中选择合适的排放因子。

2.3SMOKE模型

2.3.1 模型介绍

SMOKE模型是北卡罗来纳州微型计算机中心开发的排放数据处理系统。如前所述，SMOKE模型可以使用经过如MOVES等模型计算的排放清单数据，再加上土地利用类型、气象场数据等创建网格化、分类化的多种空气质量模型和化学模型(如CMAQ、REMSAD、CAMX、UAM、MAQSIP)可用的排放清单。可以处理的源排放类型有点源、面源、线源和生物源4种。但对于线源和生物源，由于整合了道路排放模型MOBILE6和生物排放模型BEIS，SMOKE模型系统也可根据排放因子和活动水平计算排放清单[26]。SMOKE模型可以在CMAS官方网站下载，但由于Windows系统本身的局限性，目前的版本不能在Windows系统上运行。

2.3.2 模型应用

LIN等[27]分析地面O3浓度对德克萨斯东南2个城市区域排放变化的敏感度时，使用SMOKE模型作为排放清单模型。其中，时间分配根据USEPA信息交换所清单和排放因子(CHIEF)网站列出的时间排放规则，空间分配使用来自MIMS模型的排放因子。模型中的点源网格化根据排放位置，面源和移动源的排放网格化则根据空间分配因子。研究中使用的空气质量模型是CMAQ。模拟结果显示，NOx和VOCs的点源排放对加尔维斯顿和博蒙特在2000年8月25日O3污染事件O3峰值的贡献最大，且点源VOCs排放比NOx排放对O3浓度影响更大。

HOU等[28]使用SMOKE产生网格化的NOx、VOCs、SO2排放数据，WRF模型提供气象数据，并通过CMAQ模型模拟，评估美国东部城市地区以上污染物排放对O3和细颗粒物浓度的影响，并进一步分析了O3以及细颗粒物与死亡率的相关关系，认为PM2.5比O3对人体健康影响更大，减少人为源排放是控制污染物对人体健康产生影响的最有效途径。

除以上直接用于计算排放清单外，SMOKE模型广泛应用于处理排放数据，将其转化为空气质量模型可用的数据格式。如LI等[29]对O3调控政策的系统评价使用SMOKE模型产生综合空气质量模型(CAMx)所需排放数据；FOLEY等[30]评估CMAQ模型(区分排放数据和气象数据对O3水平的影响)中使用SMOKE模型产生排放清单数据输入CMAQ。

2.4EMFAC模型

2.4.1 模型介绍

EMFAC2011是EMFAC系列模型的最新版本，是加利福尼亚州空气资源局用来计算道路机动车排放的工具，也是USEPA规定的加州编制O3前体物排放清单时计算道路移动源应该使用的模型，可用于计算州、县、空域、空气污染控制区的排放。

模型内含加州汽车、卡车车队和旅游活动的最新数据以及空气资源局近期规定带来的排放效益，并将机动车按燃料类型、重量等划分为13个类型，可以计算1970—2040年任何一年的机动车排放。模型包括EMFAC2011-LDV、EMFAC2011-HD、EMFAC2011-SG 3个模块。EMFAC2011-LDV主要用来计算乘用车的排放，EMFAC2011-HD用于计算柴油卡车和公共汽车的排放，EMFAC2011-SG整合前2个模块的输出并帮助用户进行空气质量和交通规划的场景评估。

2.4.2 模型应用

COLLET等[31]比较了乘用车和轻型卡车在目前加州低排放(LEV Ⅱ)标准和更严格的控制方案下的排放，以判定更严格的控制措施是否会改善加州南海岸空域的空气质量。研究中使用的排放清单模型是EMFAC2007，通过修改模型中默认的基本情况下的车辆设置来反映更严格的控制场景。在更严格的控制场景下，零蒸发排放的新型车在2013、2014、2015、2016年的比例分别设置为25%、50%、75%、100%。研究中使用的空气质量模型是CMAQ。最终模拟结果显示，更严格的控制措施对O3浓度的影响表现为会在2014年最高带来小于或等于1%的跌幅，2020年最高小于或等于1.5%。

RAZEGHI等[32]研究插电式电动汽车对区域空气质量影响时，使用EMFAC模型计算传统汽车的排放因子，比较了使用插电式电动汽车与不使用的排放，并使用化学传输模型模拟对空气质量的影响，选择O38 h平均浓度和PM2.524 h平均浓度表征空气质量。最终模拟结果显示，在将风能发电整合到电网时，使用插电式电动汽车对模拟区域的空气质量有改善作用。

2.5EDMS模型

2.5.1 模型介绍

EDMS是20世纪80年代中期开发的复杂源微型计算机模型，用来评估机场建设规划对空气质量的影响，特别是航空源(包括飞机、辅助动力装备、地面支持设备、地面出入口车辆等)的影响，主要作用是计算污染物排放清单和模拟污染物在大气中的扩散过程，是USEPA规定的编制O3前体物排放清单时估算飞机(包括商业、军事、民用、空中出租车4种类型)排放的模型。EDMS模型根据机型和运行状态(滑行、启动、助跑、起飞、爬升、巡航)计算污染物的排放因子。

2.5.2 模型应用

SONG等[33]研究了飞机在边界层的污染物排放对O3浓度的影响，使用WRF-CMAQ模型研究了3个国际机场(仁川、济州岛、金浦)在2010年夏季的O3浓度。此项研究使用EDMS模型根据着陆和起飞数量估算目标区域飞机污染气体的线源排放的排放清单。通过比较有飞机排放(即总排放)、无飞机排放(即基础排放)2种模拟方案发现，这3个机场边界层飞机排放对机场及机场下风向的O3浓度有显著影响。

樊守彬等[34]应用EDMS模型计算了首都国际机场NOx、CO、VOCs和可吸入颗粒物(PM10)的排放，建立了以2007年为基准年的大气污染物排放清单。其中飞机发动机的排放使用EDMS模型，地面保障设备的排放因子来源于NONROAD模型，停车场车辆排放因子使用MOBILE模式计算。结果表明，污染物排放以飞机、地面保障机械和停车场排放为主，辅助动力设备排放比例小，同时滑行模式排放贡献最大，缩减滑行时间可以有效削减污染物排放。

各排放清单模型特征总结见表1。

表1 各排放清单模型特征总结

3 结论

USEPA推荐的以上各模型所计算的排放源涵盖了道路移动源、非道路移动设备、航空源等，研究尺度兼有项目尺度、区域尺度和多尺度等，所需参数及计算原理也各有侧重。在实际应用中，可根据污染源特点和研究尺度来选择合适的模型使用。这些模型都是在国外广泛应用的模型，在国内应用方面，一些模型(如SOMKE)已在国内各种大气污染问题的研究中得到广泛应用，EDMS和NONROAD在已有文献中也有应用。

中国目前开展O3等污染物排放清单研究使用这些模型过程中，为了使研究结果更符合中国实际情况，已经获得了一些本土化的参数，并就模型在中国的适用性进行了论证，但这方面的数据还比较单薄，对于中国开展普遍的O3排放研究还远远不够。因此，中国在这些模型的使用方面，还要开展关键参数的大量实测研究并做好敏感度分析，需要加强开展模型计算结果验证和基础实验获得本土化的模型参数。

[1] 环境保护部. 重点区域大气污染防治“十二五”规划[R]. 北京: 中国环境出版社, 2012.

[2] 郝吉明, MICHAEL Walsh,贺克斌，等. 中国环境与发展国际合作委员会专题政策研究报告[R]. 北京: 国合会 2012 年年会, 2012.

[3] 环境保护部. 2016年7月74城市空气质量状况月报[EB/OL].(2016-08-01)[2016-11-15]. http://www.zhb.gov.cn/hjzl/dqhj/cskqzlzkyb/201608/P020 160818519270919163.pdf.

[4] 刘峰, 朱永官, 王效科. 我国地面O3污染及其生态环境效应[J]. 生态环境, 2008, 17(4): 1 674-1 679.

LIU Feng, ZHU Yongguan, WANG Xiaoke. Surface ozone pollution and its eco-environmental impacts in China[J]. Ecology and Environment, 2008, 17(4): 1 674-1 679.

[5] 王雪松, 李金龙. 北京地区O3源识别个例研究[J]. 北京大学学报(自然科学版), 2003, 39(2): 244-253.

WANG Xuesong, LI Jinlong. A case study of ozone source apportionment in Beijing[J]. Acta Scientiarum Naturalium Universitatis Pekinensis (Natural Science Edition), 2003, 39(2): 244-253.

[6] 刘彩霞, 冯银厂, 孙韧. 天津市臭氧污染现状与污染特征分析[J]. 中国环境监测, 2008，24(3): 52-56.

LIU Caixia, FENG Yinchang, SUN Ren. The analysis of ozone distributions in Tianjin and its characteristics[J]. Environmental Monitoring in China, 2008，24(3): 52-56.

[7] 王杨君,李莉,冯加良,等. 基于OSAT方法对上海2010年夏季O3源解析的数值模拟研究[J]. 环境科学学报, 2014, 34(3): 567-573.

WANG Yangjun, LI Li, FENG Jialiang, et al. Source apportionment of ozone in the summer of 2010 in Shanghai using OSAT method[J]. Acta Scientiae Circumstantiae, 2014, 34(3): 567-573.

[8] 潘本锋,程麟钧,王建国,等. 京津冀地区臭氧污染特征与来源分析[J]. 中国环境监测, 2016, 32(5): 17-23.

PAN Benfeng, CHENG Linjun, WANG Jianguo, et al. Characteristics and source attribution of ozone pollution in Beijing-Tianjin-Hebei Region[J]. Environmental Monitoring in China, 2016, 32(5): 17-23.

[9] 王闯,王帅,杨碧波,等. 气象条件对沈阳市环境空气臭氧浓度影响研究[J]. 中国环境监测, 2015, 31(3): 32-37.

WANG Chuang, WANG Shuai, YANG Bibo, et al. Study of effect of meteorological conditions on the ambient air ozone concentrations in Shenyang[J]. Environmental Monitoring in China, 2015, 31(3): 32-37.

[10] PISON I, MENUT L. Quantification of the impact of aircraft traffic emissions on tropospheric ozone over Paris area[J]. Atmospheric Environment, 2004, 38(7): 971-983.

[11] SHARMA S, CHATANI S, MAHTTA R, et al. Sensitivity analysis of ground level ozone in India using WRF-CMAQ models[J]. Atmospheric Environment, 2016, 131: 29-40.

[12] WANG Y J, DENBLEYKER A, MCDONALD E. Modeling the chemical evolution of nitrogen oxides near roadways[J]. Atmospheric Environment, 2011, 45(1): 43-52.

[13] LI J, MAHALOV A, HYDE P. Impacts of agricultural irrigation on ozone concentrations in the Central Valley of California and in the contiguous United States based on WRF-Chem simulations[J]. Agricultural and Forest Meteorology, 2016, 221: 34-49.

[14] ISMAIL M, ABDULLAH S, YUEN F S, et al. A ten-year investigation on ozone and it precursors at Kemaman, Terengganu, Malaysia[J]. Environmentasia, 2016, 9(1): 1-8.

[15] 罗雄标. O3污染物来源与控制[J]. 资源节约与环保, 2015(8): 137-137.

LUO Xiongbiao. Sources and control of ozone pollutants[J]. Resources Economization and Environmental Protection, 2015(8): 137-137.

[16] 耿福海, 刘琼, 陈勇航. 近地面O3研究进展[J]. 沙漠与绿洲气象, 2012, 6(6): 8-14.

GENG Fuhai, LIU Qiong, CHEN Yonghang. Discussion on research of surface ozone[J]. Desert and Oasis Meteorology, 2012, 6(6): 8-14.

[17] 徐晓斌, 葛宝珠, 林伟立. O3生成效率(OPE)相关研究进展[J]. 地球科学进展, 2009, 24(8): 845-853.

XU Xiaobin, GE Baozhu, LIN Weili. Progresses in the research of ozone production efficiency(OPE) [J]. Advances in Earth Science, 2009, 24(8): 845-853.

[18] PLANNING O A Q,STANDARDS U E. Emissions inventory guidance for implementation of ozone and particulate matter National Ambient Air Quality Standards (NAAQS) and regional haze regulations[EB/OL].(2007-04-01)[2016-11-15]. http://www.epa.ie/search/results.jsp.

[19] 强彦雯, 单春艳. 机动车PM2.5排放模型及其在中国的应用[J]. 南开大学学报:自然科学版, 2013(6): 41-47.

QIANG Yanwen, SHAN Chunyan. Vehicular emission models of rarticulate matter and their application in China[J].Acta Scientiarum Naturalium Universitatis Nankaiensis, 2013(6): 41-47.

[20] VIJARAGHAVAN K, LINDHJEM C, DENBLEYKER A, et al. Effects of light duty gasoline vehicle emission standards in the United States on ozone and particulate matter[J]. Atmospheric Environment, 2012, 60: 109-120.

[21] LIAO K J, HOU X, BAKER D R. Impacts of interstate transport of pollutants on high ozone events over the Mid-Atlantic United States[J]. Atmospheric Environment, 2014, 84: 100-112.

[22] Cimulus and Incorporated. User′s Guide for the Final NONROAD2005 Model[EB/OL]. (2005-12-01)[2016-11-15]. http://www.epa.gov/otaq/nonrdmdl.htm.

[23] 林秀丽. NONROAD非道路移动源排放量计算模式研究[J]. 环境科学与管理, 2009, 34(4): 42-45.

LIN Xiuli. A study on models of NONROAD mobile source emissions[J]. Environmental Science and Management, 2009, 34(4): 42-45.

[24] CHONG W O. Defining the future of sustainability and resilience in design, engineering and constructionSustainability Planning Framework for Reducing Ground-level Ozone Formation in Construction Activities[J]. Procedia Engineering, 2015, 118: 766-773.

[25] 李东玲,吴烨,周昱,等. 我国典型工程机械燃油消耗量及排放清单研究[J]. 环境科学, 2012, 33(2): 518-524.

LI Dongling, WU Ye, ZHOU Yu, et al. Fuel consumption and emission inventory of typical construction equipments in China[J]. Environmental Science, 2012, 33(2): 518-524.

[26] 陈楠. 成都经济圈(城市群)污染源排放清单研究[D]. 成都：西南交通大学，2011.

CHEN Nan. Pollution sources emission inventory research of Chengdu economic circle[D]. Chengdu: Southwest Jiaotong University, 2011.

[27] LIN C J, HO T C, CHU H W, et al. Sensitivity analysis of ground-level ozone concentration to emission changes in two urban regions of southeast Texas[J]. Journal of Environmental Management, 2005, 75(4): 315-323.

[28] HOU X, STRICKLAND M J, LIAO K J. Contributions of regional air pollutant emissions to ozone and fine particulate matter-related mortalities in eastern US. urban areas[J]. Environmental Research, 2015, 137: 475-484.

[29] LI Y, LAU A K H, FUNG J C H, et al. Systematic evaluation of ozone control policies using an Ozone Source Apportionment method[J]. Atmospheric Environment, 2013, 76: 136-146.

[30] FOLEY K M, HOGREFE C, POULIOT G, et al. Dynamic evaluation of CMAQ part I: Separating the effects of changing emissions and changing meteorology on ozone levels between 2002 and 2005 in the eastern US[J]. Atmospheric Environment, 2015, 103: 247-255.

[31] COLLET S, KIDOKORO T, SONODA Y, et al. Air quality impacts of motor vehicle emissions in the south coast air basin: Current versus more stringent control scenario[J]. Atmospheric Environment, 2012, 47: 236-240.

[32] RAZEGHI G, CARRERAS-SOSPEDRA M, BROWN T, et al. Episodic air quality impacts of plug-in electric vehicles[J]. Atmospheric Environment, 2016, 137: 90-100.

[33] SONG S K, SHON Z H, KANG Y H. Comparison of impacts of aircraft emissions within the boundary layer on the regional ozone in South Korea[J]. Atmospheric Environment, 2015, 117: 169-179.

[34] 樊守彬, 聂磊, 李雪峰. 应用EDMS模型建立机场大气污染物排放清单[J]. 安全与环境学报, 2010, 10(4): 93-96.

FAN Shoubin, NIE Lei, LI Xuefeng. Calculating airport emission with EDMS model[J]. Journal of Safety and Environment, 2010, 10(4): 93-96.

AReviewofModelsRelevanttoEmissionInventoryofOzonePrecursor

WANG Haoshan1, SHAN Chunyan1, ZHANG Junfeng (Jim)2,3, DENG Jiangyang1

1.College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China 2.Nicholas School of the Environment, Duke University, Durham 27708, USA 3.Global Health Research Center, Duke Kunshan University, Kunshan 215300, China

In North America and Europe, O3pollution has been studied for many decades.Some robust mathematical models have been established to estimate O3pollution formation, atmospheric transport of O3precursors and ambient air quality. This paper introduces major mathematical models related to emission inventory of O3precursors, including MOVES, NONROAD, SMOKE, EMFAC and EDMS, which are recommended by the US. Environmental Protection Agency. The characteristic and suitable range of each models are compared in the aspects of basic principles and major functions, type of pollution source, spatial scale and parameters. And then some points on the application of these models are discussed, such as strengten the result verification and basic experiment to obtain localized model parameters, advantage and applicability of relevant models development in China.

O3; NOx; VOCs; emission inventory model

X830;X823

：A

：1002-6002(2017)04- 0033- 07

10.19316/j.issn.1002-6002.2017.04.04

2016-11-14;

：2017-02-12

王皓珊(1993-)，女，河北保定人，在读硕士研究生。

单春艳