基于WRF-SMOKE-CMAQ模型的济南市清洁取暖改造环境效益评估*

张怀成 白浩强 许宏宇 孙晓艳 夏志勇 陈妍君 王兆军 张桂芹#

(1.山东省济南生态环境监测中心,山东 济南 250014;2.山东建筑大学市政与环境工程学院,山东 济南 250101)

近年来,空气污染问题严重阻碍区域经济发展,损害居民身体健康。已有研究表明,在严格的污染物减排政策影响下,工业、交通等排放源对空气污染的贡献逐渐减小,居民源的污染排放贡献逐渐增大,而居民冬季散煤燃烧对环境空气质量的影响更是不容忽视[1]3906。散煤燃烧时产生的SO2、细颗粒物(PM2.5)、可吸入颗粒物(PM10)、CO、NO2等污染物严重威胁人体健康[2],大量流行病学研究显示,直径较小的颗粒物(PM) ,其比表面积更大,易富集空气中的有毒重金属、有机污染物以及细菌和病毒[3-4],如果人体长期暴露于PM中会造成呼吸系统和心脑血管疾病[5];SO2不仅能通过气粒转化生成气溶胶,降低城市能见度,造成雾霾现象,还可以形成酸雨,破环生态系统,对人体健康危害极大[6-7]。

为提高北方地区冬季取暖清洁化水平,改善空气质量,十部委出台了《北方地区冬季清洁取暖规划(2017—2021年)》(以下简称《规划》),《规划》中重点强调利用电力、天然气等清洁能源替代散煤燃烧取暖[8]。为评价《规划》实施以来清洁取暖的环境效益,大量学者对城市空气中PM2.5减排的环境损益、不同清洁取暖方式环境效益和清洁取暖适宜性进行了研究。于淼等[1]3906对河南冬季散煤替代后PM2.5改善效果及健康效益进行了评估;戴海夏等[9]采用空气质量模型对上海市实施《上海市清洁空气行动计划》后的居民健康效应和健康效益进行评估;徐双喜等[10]2876采用空气质量模型对京津冀周边民用散煤控制后北京PM2.5浓度进行模拟,探讨周边散煤燃烧控制对北京PM2.5的影响;王彦超等[11]选取京津冀大气传输通道城市为研究对象,对比分析城市燃煤大气污染减排潜力;张磊等[12]对宁夏城乡清洁取暖后的环境效益进行评估;现有研究中城市清洁取暖改造PM2.5环境改善和经济效益评估报道较多,但对于散煤燃烧产生的CO、SO2等其他污染物改善效果报道较少。

2017年济南市入围“北方地区冬季清洁取暖试点城市”,主要采用电代煤、气代煤等清洁取暖改造方式进行改造,2018—2021年计划改造面积1.53亿m2,其中城区改造率65.33%。为了全面评价清洁取暖改造对环境空气质量的影响,本研究对2018年以来清洁取暖改造的效果进行评估,采用WRF-SMOKE-CMAQ模型对济南市2019—2021年散煤替代后SO2、PM2.5、PM10、CO等污染物的浓度进行模拟,并对不同污染等级、不同气象条件下清洁取暖改造后各污染物的改善情况进行分析,为济南市“十四五”期间持续实施清洁取暖改造提供技术支持。

1 数据与方法

1.1 模拟时段

选取2018年为基准年,采用模型分别模拟计算济南市2019年采暖季(2019年12月和2020年1月)、2020年采暖季(2020年12月和2021年1月)和2021年采暖季(2021年12月和2022年1月)的SO2、NO2、PM10、PM2.5和CO浓度,时间分辨率为1 h。用于模型评估的实测污染物浓度及气象小时数据均来自济南市14个国控点位环境空气自动监测站。

1.2 WRF-SMOKE-CMAQ模型

WRF-SMOKE-CMAQ模型系统以中尺度天气模型WRF为气象模型,排放模型SMOKE为大气污染物排放清单处理模型,空气质量模型CMAQ为大气化学模型[13]。本研究模型模拟采用3层网格嵌套,分辨率分别为27、9、3 km,中心坐标为117°E、36.67°N,外层嵌套(第1层d01)网格数为103×91,中层嵌套(第2层d02)网格数为115×136,内层嵌套(第3层d03)网格数为85×85。内层网格使用济南市本地化SMOKE模型,模型使用2018年济南市本地化9类源10类污染物大气污染源排放清单(作为基准清单),为CMAQ提供网格化的污染源清单数据,其余两层(济南市以外的山东和全国)均采用清华大学开发的最新中国多尺度排放清单(MEIC)[14],气象数据是2018年12月和2019年1月分辨率为1°、间隔6 h的美国国家环境预报中心的FNL全球分析资料(https://rda.ucar.edu/datasets/ds083.2)。本研究以济南市为研究区域,2018年为基准年,根据2019、2020、2021年散煤燃烧替代户数及散煤燃烧替代含硫率等计算散煤替代后各项污染物的减排量(作为散煤替代的削减量),从2018年济南市基准清单中减去2019、2020、2021年散煤替代后各项污染物削减量获得2019、2020、2021年散煤替代后济南市排放源清单,分别模拟计算济南市清洁取暖改造后空气质量的改善情况,并采用实测的环境空气质量数据对CMAQ模型基于2018年基准清单模拟的数据进行评估。

1.3 模型参数评估方法

选取相关系数(R)、标准化偏差(NMB)、标准化误差(NME)、平均相对偏差(MFB)和平均相对误差(MFE) 作为模拟评估指标来评估模型的可靠性,R用于衡量模拟值与实测值变化趋势的相关程度,NMB和NME用于衡量模拟值与实测值的差异,计算公式如下所示[10]2879,[15-16]:

(1)

(2)

(3)

(4)

式中:Pi为第i天的模拟值;Oi为第i天的实测值;Pi和Oi单位根据具体情况而定;n为评估时段的总天数,d。

2 结果与讨论

2.1 模型参数评估

选取济南市有代表性的14个国控点位,分别计算14个国控点位2018年12月1日至2019年1月31日环境空气中SO2、NO2、PM10、PM2.5和CO的模拟评估指标,然后对14个国控点位模拟评估指标进行均值计算,结果见表1。

表1 济南市2018年12月至2019年1月模拟评估指标计算结果Table 1 Evaluation indicators for model simulation in Jinan from December 2018 to January 2019

表1表明,CO的模拟值准确性最高,模拟值与实测值的R为0.69,NMB为-5.97%,NME为29.44%,MFB为-2.10%,MFE为31.27%,其他污染物模拟值和实测值的NME和|NMB|大多在40%以内,|MFB|和MFE大多在50%以内,SO2、NO2、PM10和PM2.5浓度模拟值和实测值的R分别为0.55、0.51、0.50和0.33,所有模拟评估指标都在参考范围以内[17-19],表明模型模拟较为准确,可以用于济南市冬季清洁取暖改造环境效益评估。

2.2 济南市冬季清洁取暖改造环境改善效果评估

2.2.1 全市改善情况评估

济南市2019、2020、2021年冬季清洁取暖改造后CO、SO2、PM2.5、PM10和NO2的模拟小时平均浓度及改善率(包括基准年改善率(模拟的污染物浓度相对于基准年同时段的改善率)和年均改善率(模拟的污染物浓度相对于前一年的改善率))见表2。由表2可知,2018年济南市实施清洁取暖改造后,2019—2021年冬季CO、SO2、PM2.5、PM10和NO2均有不同程度的改善,总体上CO改善率最大,其次是SO2、PM2.5,PM10和NO2改善率较小,2021年CO、SO2和PM2.5基准年改善率分别为19.83%、15.93%和7.43%,主要与散煤中含有大量的C、H、S组分[20]及散煤燃烧的CO、SO2和PM2.5排放因子较大[21]有关。对2019—2021年的年均改善率进行对比分析发现,各污染物的年均改善率表现为2020年>2019年>2021年,2020年CO、SO2、PM2.5、PM10和NO2小时平均质量浓度分别降低了0.14 mg/m3、2.34 μg/m3、1.87 μg/m3、3.13 μg/m3、0.23 μg/m3,其年均改善率分别是2021年年均改善率的3.48、2.96、2.94、2.81、2.86倍,与清洁取暖改造污染物减排量年变化吻合。总体来看,济南市采取清洁取暖改造措施有效降低了污染物浓度,改善了冬季的环境空气质量。

表2 基于模型模拟的济南市2019—2021年冬季清洁取暖改造后空气质量改善情况1)Table 2 Air quality improvement after the clean heating renovation in Jinan over 2019-2021 based on model simulation

2.2.2 区县改善情况评估

济南市清洁取暖改造后各污染物浓度改善存在明显的区域差异,本研究选取改善率较大的市区及周边典型区县(章丘区、济阳区、平阴县、槐荫区,其中槐荫区为城乡结合区)进行分年度的污染物改善情况分析,2019—2021年冬季市区和典型区县年均改善情况见图1。

由图1可知,济南市5个典型区域的SO2、CO、PM2.5、PM10和NO2浓度均有所改善,尤以2020年的年均改善率最大,2021年市区、城乡结合区、济阳区和平阴县年均改善率较小,主要与济南市2020年清洁取暖改造污染物减排量较大有关。2020年章丘区、城乡结合区和济阳区的污染物年均改善率均较大且高于市区,平阴县年均改善率较小且低于市区;SO2、CO、PM2.5、PM10和NO2年均改善率章丘区最大,分别为13.75%、21.28%、8.92%、6.17%和1.80%;城乡结合区次之,分别为7.59%、10.25%、3.36%、1.53%和0.27%;平阴县最小,分别为1.53%、2.81%、0.74%、0.50%和0.23%,章丘区的年均改善率分别为平阴县的8.99、7.57、12.05、12.34、7.83倍,结合济南市不同区县2019—2021年冬季清洁取暖户数(见表3)可知,市区和平阴县年均改善率较小,主要与当地清洁取暖户数较少,仍有散煤取暖有关。总体来看,济南市各区县居民均有采取清洁取暖措施,但清洁取暖户数仍有差异,主要与市区、城乡结合区和各区县清洁取暖改造目标户数存在差异有关[22]。

表3 济南市不同区县2019—2021年冬季清洁取暖户数Table 3 Number of clean heating households in different counties of Jinan in 2019-2021

2.3 不同污染时段清洁取暖改造的效果评估

散煤燃烧是冬季空气污染的主要污染源之一[23-25],极易造成不同程度的空气污染,因此本研究采用CMAQ模型基于2018年的气象条件和2019、2020、2021年的污染物排放量得到污染物模拟浓度,分析不同污染时段下污染物的基准年改善率,改善情况见图2。由图2可知,济南市清洁取暖后,2019—2021年CO、SO2、PM2.5、PM10和NO2在严重污染时段基准年改善率均最大,重度污染时段次之,良、轻度污染和中度污染时段基准年改善率均较小,2021年严重污染时段各污染物基准年改善率分别为21.83%、19.15%、9.14%、4.63%和1.25%,表明清洁取暖改造对严重污染时段污染物浓度削峰起到较大的作用。不同污染时段中,CO、SO2和PM2.5基准年改善率较大,而PM10和NO2的基准年改善率相对较小,与牛宏宏等[26]研究散煤燃烧主要排放污染物为CO、SO2和PM2.5结果一致。

图2 济南市冬季不同污染时段污染物基准年改善率Fig.2 Baseline year improvement rate of air pollutants under various pollution periods in Jinan in winter

2.4 不同气象条件下清洁取暖改造的效果评估

气象条件对污染物浓度的影响不容忽视[27],为探究济南市不同气象条件下清洁取暖改造对环境空气质量的改善效果,本研究选取了基准年改善率较大的2020年为研究年,对混合层高度(PBL)、相对湿度(RH)和风速等气象参数有明显变化的12月19日和20日进行分析,各污染物基准年改善率情况见图3。

图3 2020年冬季不同气象条件下各污染物基准年改善率Fig.3 Baseline year improvement rate of air pollutants under different meteorological conditions in winter 2020

由图3可知,在RH、PBL变化较小且风速较大的初始气象条件下,SO2和CO的基准年改善率均在20%以下,PM2.5的基准年改善率在8%以下;12月19日18:00后PBL逐渐降低至300 m,RH升高,风速降低形成不利的气象条件,12月20日0:00 SO2、CO和PM2.5的基准年改善率分别升高至27.2%、22.2%和 11.8%,表明清洁取暖改造减弱了不利气象条件下污染物浓度持续升高的程度;12月20日6:00后,PBL升高、RH降低,风速增大,气象条件利于污染物扩散[28],空气质量好转,污染物的基准年改善率总体有所降低。总的来看,清洁取暖改造可以大大降低不利气象条件下污染物的浓度,改善环境空气质量,起到减少重污染天数和降低污染程度的作用[29]。

3 结 论

(1) 济南市清洁取暖改造后,2019—2021年冬季CO、SO2、PM2.5、PM10和NO2均有不同程度的改善,其中CO基准年改善率最大,其次是SO2和PM2.5,2021年CO、SO2和PM2.5的基准年改善率分别为19.83%、15.93%和7.43%;各污染物的年均改善率表现为2020年>2019年>2021年,与清洁取暖改造污染物减排量年变化吻合。

(2) 济南市清洁取暖改造后各污染物改善存在明显的区域差异,清洁取暖改造户数较多的区县污染物改善率较高。

(3) 各污染物严重污染时段基准年改善率均最大,重度污染时段次之,并且在不利气象条件时基准年改善率也最大,说明清洁取暖改造对冬季不利气象条件造成的高污染物浓度起到明显的削峰作用。