豫西地区一次大气污染过程对参考作物腾发量的影响——以洛阳市为例

王声锋，季鹏伟，董烨博

（1.华北水利水电大学，河南 郑州 450046；2.绍兴市水利水电勘测设计院有限公司，浙江 绍兴 312000）

随着温室气体排放浓度不断增加，全球气候变暖已经影响人类社会与经济、粮食安全、气候变化、水资源和空气质量等方面，受到国内外学者广泛关注。Wang等［1］分析了京津冀经济带区域产业发展与碳排放。Zhang 等［2］利用WRF-Chem 模型模拟了美国大陆上各气象要素受气溶胶的影响加剧了空气污染严重地区的空气污染。廖礼等［3］使用WRF-Chem 模式分析出中国东部辐射和地面气温受气溶胶的影响明显。王哲等［4］建立了嵌套网格空气质量预报模式NAQPMS 和WRF 的双向耦合模式分析得出采用该机制有利于准确模拟和预报灰霾污染过程。从上述研究可知，大气污染特别是颗粒物污染在短期内通过影响各气象要素进而影响长期气候变化，两者之间相互作用的机理极其复杂［5，6］。

目前国内对气溶胶的研究主要在华北和东南沿海［7-9］，黄河流域周边城市关注较少。此外，当前学术界虽有大量关于参考作物腾发量ET0影响因素的研究［10-17］，但对ET0在大气污情况下变化程度的研究不多见。2002年，Rodrick 等［18］研究发现，南半球云量和气溶胶浓度增加是影响澳大利亚和新西兰两国ET0的关键因素。刘秀位等［19］指出大气气溶胶主要通过影响散射辐射、与近地面小气候环境从而影响农田蒸散。洛阳市位于河南省西部，黄河中下游，是河南省小麦重要产区，也是新兴的重工业城市，工业化带来的气候条件改变会对该地区农业生产造成很大影响。研究洛阳市气溶胶变化对ET0的影响，有利于科学合理地指导农业生产，为该地区未来城市规划和产业布局提供参考依据。以2016年6月15日-6月20日间豫西地区的一次大气污染过程为背景，以洛阳市为例，使用WRF-Chem 模型模拟洛阳市气溶胶和各气象要素，定性定量分析了区域气象要素和ET0在气溶胶影响下的变化。

1 数据与方法

1.1 数据来源

本文数据来源如表1所示。

表1 数据来源Tab.1 Data sources

1.2 ET0计算

采用AFO-56 推荐的Penman-Monteith 公式分别对日尺度和昼夜尺度的ET0进行计算，日尺度ET0计算公式如下［24］：

式中：ET0为全天参考作物腾发量，mm∕d；Rn为作物表面净辐射量，MJ∕（m2·d）；T为温度，℃；G为土壤热通量密度，MJ∕（m2·d）；u2为地面以上2 m处风速，m∕s；Δ为饱和水汽压与温度曲线的斜率，kPa∕℃；γ为湿度计常数，kPa∕℃；es为饱和水汽压，kPa；ea为实际水汽压，kPa。

根据所研究时段，昼夜尺度的ET0计算公式略有不同，具体公式如下：

式中：ET0-d为日间参考作物腾发量；ET0-n为夜间参考作物腾发量，其他参数意义同公式（1）。

1.3 反距离权重空间插值法（IDW）

本文采用ArcGIS软件对洛阳市气象要素及ET0进行反距离权重空间插值分析。该方法根据相似相近原理直观且效率高，计算公式如下：

式中：zp为估计值；zi为第i（i=1，…，n）个样本值；di为待插点到邻域内第i点间的距离；k（0≤k≤2，k一般取2）为距离的幂。

1.4 WRF-Chem 双向反馈

1.4.1 模式设置

WRF-Chem双向反馈模式各项参数设置如表2所示。

表2 模式设置Tab.2 Model Setting

由于洛阳市该时间段主要大气污染物为PM2.5，本次实验的PM2.5模拟结果能够反映该时间段其对气溶胶变化的影响。

1.4.2 试验设计

图1 模拟区域Fig.1 Simulation area

综合考虑污染水平和农作物的生长过程，本研究选取2016年6月15日20 时-6月20日8 时的大气污染时间作为研究时段，定量评估该时段内洛阳市大气中的颗粒物浓度对气象要素以及ET0的影响。双向反馈的试验设计如表3所示。模拟试验包括有气溶胶组（fb）、气象要素观测值对照组（fdda）和无气溶胶组（nofb）。ΔET0为气溶胶对ET0的影响通过ET0-fb与ET0-nofb的差值来表示。

表3 试验设计Tab.3 Experiment design

1.5 模拟评价

本研究中，PM2.5及各气象要素实测数据与有气溶胶条件下（fb 组）的WRF-Chem 模拟结果作为标准值和模拟值进行比较。为了更好地验证WRF-Chem 模式模拟的结果，运用2 个统计指标对标准值和模拟值进行比较，统计指标分别为决定系数（R2）和标准化平均偏差（NMB）。

R2主要用于评价模拟值与观测值的拟合度，计算公式如下：

式中：Oi为观测值；Pi为模拟值；为观测值的平均值；为模拟值的平均值；n为样本总量。

NMB主要用来衡量数据偏离算数平均值的程度，从而避免观测值范围过度离散，计算公式如下：

式中：Oix，t为x点t时间第i个观测值；Pix，t为x点t时间第i个模拟值；n为样本总量。

2 结果分析

2.1 PM2.5浓度变化规律

使用Excel 软件统计了2016年6月15日20 时-6月20日8时洛阳市11个站点的PM2.5浓度逐小时变化规律，结果如图2所示。在研究时段内，洛阳市区出现了1 次较为严重PM2.5污染，6月20日上午PM2.5浓度峰值达到了142.26 μg∕m3，其中还有3 次程度较轻的PM2.5污染，其峰值均超过了35 μg∕m3；新安、孟津、偃师、吉利和伊川相对于洛阳PM2.5浓度较低，其中新安、孟津出现了3 次污染程度大致相同的PM2.5污染峰值，偃师、吉利和伊川则出现2次PM2.5污染峰值；洛宁、嵩县、栾川和汝阳的PM2.5浓度整体偏低，均处于正常范围内；大部分地区PM2.5浓度峰值集中在早晨与傍晚时分，此时细颗粒物浓度大多超过了国家空气质量以及标准（日均值＞35 μg∕m3），就6月20日早晨而言，洛阳、新安和偃师市PM2.5的浓度均已超过了国家空气质量二级标准（日均值＞75 μg∕m3）。

图2 洛阳市11个站点PM2.5浓度逐小时变化情况Fig.2 Hourly changes of PM2.5 concentration at 11 stations in Luoyang

本文研究时段内洛阳市各地区平均PM2.5浓度空间分布如图3所示。该时段洛阳市各地平均PM2.5浓度呈现出自东北部向西南部递减的空间变化规律；洛阳市区和偃师为全市的PM2.5污染高值区；整体来看，洛阳市区PM2.5污染程度最高，偃师次之，嵩县的污染程度最低；整个区域中，空气质量达标城市均位于洛阳市西南区域，而洛阳市的东北部地区在一天中有多数时刻的空气质量处于轻度甚至重度污染的情况，这也与当地的地形和城市发展程度有关。

图3 洛阳市平均PM2.5浓度空间分布Fig.3 Spatial distribution of average PM2.5 concentration in Luoyang

2.2 模拟精度验证

通过分析洛阳市11 个站点的基本气象观测数据，对WRFChem 双向反馈试验的模拟结果进行了评估。如表4所示，气温和气压模拟精度较高，R2都在0.78 以上，NMB分别在19.5%和2.5%以内，而风速和相对湿度模拟精度稍低，R2在0.53 到0.74之间，NMB都在-30%以内。从模拟精度结果可以看出，各站点气温模拟值偏高，气压模拟精度要明显比其他气象要素高，全市相对湿度模拟值偏低。宜阳的风速模拟结果偏差较大，且宜阳的风速模拟结果被低估了（NMB低于-20%）。洛阳、新安、孟津、宜阳、洛宁、伊川、嵩县、偃师、汝阳和吉利相对湿度模拟结果被低估（NMB低于-20%）。在双向反馈试验中，受气溶胶的影响洛阳市在该研究时段的气温整体下降0.10 ℃，风速下降0.16 m∕s，相对湿度上升0.74%，气压下降7.43 Pa。

表4 模拟精度检验Tab.4 Simulation accuracy test

图4对比洛阳市气象要素观测值与有无气溶胶反馈的模拟值。从WRF-Chem 双向反馈模拟结果可以看出，各气象要素的时空变化模拟结果较好。各站点虽然在模拟结果上略有差异，但总体的模拟精度比较高，因此WRF-Chem 模型能很好地模拟该时段洛阳市的大气情况。

图4 观测值与有无气溶胶反馈模拟值的比较（洛阳）Fig.4 Comparison between observed and simulated values with or without aerosol feedback

2.3 气溶胶对ET0的影响

2.3.1日尺度和昼夜尺度

通过对比日尺度和昼夜尺度分析气溶胶对ET0的影响。如图5所示，各站点ΔET0在-0.23～0.33 mm∕d 之间，正向高值出现在宜阳和吉利（分别为0.33和0.23 mm∕d），而负向高值则出现在新安、嵩县和汝阳（分别为-0.19、-0.23 和-0.22 mm∕d）；气溶胶在宜阳和吉利站点为正向调控（即气溶胶变化使ET0增大），对其余站点为负向调控（即气溶胶变化使ET0减小）。

图5 气溶胶在日尺度对ET0的影响Fig.5 The influence of aerosol on ET0 at daily scale

由于研究区域位于北半球，因此在本研究中默认日间为短波辐射（SW）＞0，夜间为SW＜0。本文北京时间6∶00-20∶00 为日间，20∶00-次日6∶00 为夜间。如图6所示，在空间上日间的ΔET0-d与夜间ΔET0-n差异显著。图6（a）中，ΔET0-d的极值分别出现在吉利站（0.04 mm∕d）和孟津站（-0.26 mm∕d）。图6（b）显示，ΔET0-n的极值出现在新安站（0.02 mm∕d）和洛宁站（-0.08 mm∕d）；综合来看，正向调控主要出现在伊川、新安以及栾川等地区，负向调控主要出现在嵩县、洛宁和孟津等周边地区；气溶胶对ET0-n正向调控的站点有4个，其余均为负向调控。

图6 气溶胶在日间和夜间对ET0的影响Fig.6 The influence of aerosol on ET0 in daytime and nighttime

2.3.2 辐射项和空气动力项

P-M 公式计算ET0综合了辐射和空气动力因素，气溶胶对两者都有影响。分析洛阳市ET0-R和ET0-A受气溶胶的影响程度，能更好地了解当地气溶胶对ET0的影响机理。

如图7所示，气溶胶对洛阳市内各站点ET0-R和ET0-A的影响有着较为明显的差异。ΔET0-R在0～0.05 mm∕d 之间，洛阳市所有站点ΔET0-R呈现出正值，表明所有站点的ET0-R受气溶胶影响而增加。各站点ΔET0-A在-0.27～0.33 mm∕d 之间，较ΔET0-R变化程度更大，气溶胶对全市9个站点的ΔET0-A为负向调控，其余站点均为正向调控。同时注意到，气溶胶对ET0-A正向调控的高值区主要出现在宜阳和吉利等地区，而气溶胶对ET0-A的负向调控高值区主要分布在嵩县、汝阳和新安等地区。

图7 气溶胶影响下ET0辐射项与空气动力项Fig.7 ET0 radiation term and aerodynamic term under the influence of aerosol

图8为洛阳市各站点在有气溶胶反馈和无气溶胶反馈下ET0-R和ET0-A的数值变化。对比各站点ΔET0-R和ΔET0-A可以发现，宜阳和吉利的ET0-A明显增加导致了这两地的ET0增加，表明在这一次大气污染过程中，气溶胶的存在正向调控了这两地ET0的变化，而洛宁、新安、孟津、洛阳、伊川、偃师、栾川、汝阳和嵩县ET0-A的减少是这些站点ET0减少的主要原因，表明该时段内气溶胶的存在负向调控了这两地ET0的变化。从整体来看，6月15日-6月20日这一时段中，气溶胶影响下洛阳市内所有站点的ET0变化均是受到了ET0-A变化的主导，这表明该时段内与ET0空气动力项相关性更强的气象要素（如RH等）受气溶胶变化的影响更大，而气溶胶对各地ET0表现出的不同影响结果也与季节、不同地区的下垫面条件及该时段内各地气溶胶的组分有着密切关系。

图8 气溶胶影响下ET0辐射项和空气动力项数值的变化Fig.8 Variation of ET0 radiation term and aerodynamic term under the influence of aerosol

3 结 语

根据洛阳市各地的PM2.5浓度变化情况，分析了洛阳市大气污染的时空特征，并使用WRF-Chem 空气质量模式对洛阳市各基本气象要素进行了双向反馈模拟，并量化了气溶胶影响下各气象要素及ET0的变化情况，探索了ET0对气溶胶变化的响应机理。本文主要发现如下：

（1）WRF-Chem 模型较好地模拟了2016年6月15日-6月20日间洛阳市各种气象要素的变化情况，各气象要素在有气溶胶情况下的模拟值与近地面观测值更接近，气溶胶使洛阳市整体气温下降0.21 ℃，风速下降0.24 m∕s，相对湿度上升0.72%，气压下降6.79 Pa。

（2）在研究时段内，洛阳市PM2.5的浓度在空间上呈现明显的差异，PM2.5浓度总体上由西南向东北增加，东北部地区在大多数时段均超过国家空气质量标准，峰值集中在早上及傍晚时分。

（3）气溶胶对ET0的影响程度因地区而异，ET0-d的变化程度整体大于ET0-n的变化程度，气溶胶影响下ET0-A的变化是洛阳市ET0变化的主要原因，充足的地表辐射使气溶胶降温效果不明显该现象与季节有明显关系。