基于GRAPES-CUACE辅助模型的北京PM2.5和O3共同污染的敏感性分析
Zhe Liu1, Xingqin An1, Chao Wang2
1State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China.
Journal of environmental sciences (China)
|August 21, 2025
概括
中国经常发生PM2.5和O3的共同污染事件. 这项研究分析了两起北京事件,揭示了河北和北京的排放对PM2.5和O3水平产生重大影响,需要控制不同的前体.
科学领域:
- 大气化学
- 空气污染科学
- 环境建模
背景情况:
- 在中国,PM2.5和O3的同时超过 (共同污染) 是很常见的.
- 了解排放源的贡献对于有效的空气质量管理至关重要.
研究的目的:
- 在北京的两个不同的PM2.5和O3共同污染事件中分析大气循环模式.
- 量化北京和周边地区的前体排放对这些共同污染事件的贡献.
- 为不同的污染类型确定有针对性的减排策略.
主要方法:
- 两个共同污染事件 (2019年7月和2020年4月至5月) 的大气循环分析.
- 使用GRAPES-CUACE附加模型来确定排放源贡献的灵敏度分析.
- 代减排实验以评估控制策略.
主要成果:
- 确定了两种循环类型:南方空气流 (类型1) 和西北空气流 (类型2).
- 河北省的排放量是PM2.5的最大贡献者 (41.6%-45.4%),其次是北京 (31%-35.7%).
- 河北和北京的排放也对氧气度产生了重大影响 (分别为32.8%-44.8%和29%-42.1%).
- 在1型中NOx是主要的贡献者,而在2型中NOx和VOC都是显著的.
- 第1类控制需要减少NOx和VOC;第2类需要减少NOx,VOC和初级PM2.5.
结论:
- 敏感源区域的时空分布因大气循环类型而异.
- 有针对性的排放控制策略是必要的,在1型和2型共同污染事件之间存在差异.
- 调查结果为控制副污染和改善北京空气质量提供了参考.
