1 / 48

从空气质量数值预报看武汉地区空气污染成因

从空气质量数值预报看武汉地区空气污染成因. 胡泳涛 School of Civil & Environmental Engineering Georgia Institute of Technology. 武汉市环境监测中心站 , 07/04/ 201 4. 提纲. 空气质量数值预报 空气质量模式 数值预报和人工预报 武汉地区（典型）污染时段数值预报 2 月 20-27 日 5 月 18 日 -21 日 6 月 12-13 日（ 4 日 -15 日） 基于数值预报的污染成因初探 题外话 源解析的困惑 武汉地区空气质量数值模拟的困难 水域面积的影响

heaton
Download Presentation

从空气质量数值预报看武汉地区空气污染成因

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 从空气质量数值预报看武汉地区空气污染成因 胡泳涛 School of Civil & Environmental Engineering Georgia Institute of Technology 武汉市环境监测中心站, 07/04/2014 Georgia Institute of Technology

  2. 提纲 • 空气质量数值预报 • 空气质量模式 • 数值预报和人工预报 • 武汉地区（典型）污染时段数值预报 • 2月20-27日 • 5月18日-21日 • 6月12-13日（4日-15日） • 基于数值预报的污染成因初探 • 题外话 • 源解析的困惑 • 武汉地区空气质量数值模拟的困难 • 水域面积的影响 • 秸秆焚烧 Georgia Institute of Technology

  3. 空气质量关乎大众健康 纽约1988 北京2013 Georgia Institute of Technology

  4. 空气质量数值预报系统的通用技术框架 由预报产品和预报指导接入人工预报 Georgia Institute of Technology

  5. 空气质量模式是个engineered产品 Chemistry Emissions-Based Air Quality Model • Representation of physical and chemical processes • Numerical integration routines • Scientifically most sound method to link future emissions changes to air quality Computational Planes 5-40 50-100 50-200 Air Quality Model Atmospheric Diffusion Equation Numerics C=AxB+E Discretize Emissions Meteorology Operator splitting 200 species x 10000 hor. grids x 20 layers= 40 million coupled, stiff non-linear differential equations Georgia Institute of Technology

  6. 空气质量模式的法规模式身份 在空气质量管理中，空气质量法规模式是核心 无论监测网络，源排放清单，空气污染化学和传输的科学研究，都最终用于建立，完善，以及更好的应用空气质量法规模式 Georgia Institute of Technology

  7. 空气质量模式的应用 • 空气质量管理 • 评估政府计划中的控制政策的影响 • 确定费用效益最佳的控制策略 • 评估企业控制措施的效益 • 预警预报为公众服务 • 健康和科学 • 理解大气化学动力学过程 • 关联健康影响与源排放 • 能源政策 • 平衡费用和环境影响, 选择短期和长期的能源政策 • 评估全球气候变化的区域影响 • 大型活动的规划 • 奥林匹克运动会（空气质量预报和提高空气质量的临时措施) • 计划现场的科学研究 Georgia Institute of Technology

  8. 亚特兰大为例 Hi-Res AirQualityForecasting System • Based on SMOKE, WRF and CMAQ models • Forecasting ozone and PM2.5 since 2006 • 48-hour forecast at 4-km resolution for Georgia and 12-km for most of Eastern US • Used by GA EPD assisting their AQI forecasts for Atlanta, Columbus and Macon • Potentially useful for other states • Hi-Res2 in development: forecasting source impacts Hi-Res Modeling Domains Georgia Institute of Technology

  9. Air Quality Performance Metrics NAAQS Forecast NAAQS Observation Georgia Institute of Technology

  10. Hi-Res performance during 2006-2013 ozone seasons for Metro Atlanta Ozone PM2.5 Georgia Institute of Technology

  11. Hi-Res andTeamForecastsvs.ObservedO3 Atlanta Georgia Institute of Technology

  12. 2013 O3 Performance: Hi-Res vs. Team April 1 – October 31 Atlanta Hi-Res 4-km Forecast EPD Team Forecast

  13. Hi-ResandTeamForecastsvs.ObservedPM2.5 Atlanta Georgia Institute of Technology

  14. 2013 PM2.5 Performance: Hi-Res vs. Team January 1 – December 31 Atlanta EPD Team Forecast Hi-Res 4-km Forecast

  15. 针对全国的空气质量数值预报 wuranyubao.com.cn Georgia Institute of Technology

  16. 空气污染 Georgia Institute of Technology

  17. 逆温层 Georgia Institute of Technology

  18. 空气污染物的寿命和空间传输尺度 Georgia Institute of Technology

  19. 空气污染成因：必须针对具体污染时段进行具体分析空气污染成因：必须针对具体污染时段进行具体分析 • 常规手段 • 监测网络建设，源清单调查，数值模拟，加强观测，气象条件分析，源解析 • 受体模式源解析和空气质量模式源解析 • 需要回答的问题 • 过程分析，本地贡献与周边传输 • O3:NOx limited vs. VOCs limited • PM2.5:一次贡献 vs. 二次贡献， 无机离子 vs. 有机成分，金属、非金属元素特征 • O3和PM2.5源分担贡献 • 需要注意的问题 • 源清单的不确定性，模式验证 • 监测数据的质量控制，数据一致性，模式表现评估 • 成分观测的准确性，源解析结果比对 • 利用数值预报结果初步推断污染过程 • 粗略但是具有指导意义 • 为深入研究提供铺垫 Georgia Institute of Technology

  20. 污染时段2月20日-27日: 实测日报 (1) Georgia Institute of Technology

  21. 污染时段2月20日-27日: 实测日报 (2) Georgia Institute of Technology

  22. 2月18日-28日: 数值预报(1) Georgia Institute of Technology

  23. 2月18-28日: 数值预报(2) Georgia Institute of Technology

  24. 污染时段5月18日-21日: 实测日报 Georgia Institute of Technology

  25. 5月17-22日: 数值预报(1) Georgia Institute of Technology

  26. 5月17日-22日: 数值预报(2) Georgia Institute of Technology

  27. 污染时段6月12日-13日: 实测日报 Georgia Institute of Technology

  28. 6月12-13日: 数值预报 Georgia Institute of Technology

  29. 除了工业和机动车排放，还有秸秆焚烧 各地禁止秸秆焚烧，会造成秸秆焚烧环境影响的更大不确定性 是否考虑许可证制度，最大程度分散秸秆焚烧的影响？ Georgia Institute of Technology

  30. 6月11-13日:MODIS探测到的火点 扫描时刻：Terra-10:30AM 6月13日 6月12日 6月11日 http://lance-modis.eosdis.nasa.gov/imagery/subsets/?project=fas&subset=FAS_China4 Georgia Institute of Technology

  31. 6月11-13日:MODIS探测到的火点 扫描时刻：Aqua-1:30PM 6月13日 6月11日 6月12日 http://lance-modis.eosdis.nasa.gov/imagery/subsets/?project=fas&subset=FAS_China4 Georgia Institute of Technology

  32. 对武汉地区污染成因的初步看法和建议 • 冬季有可能受到北方地区的传输影响 • 需要定量计算，但是本地贡献显著 • 春夏之际受长距离传输的影响较弱 • 本地贡献为主 • 秸秆焚烧季节受周边控制 • 合适气象条件下发生严重污染 • 需要对历史年份进行整年的监测数据分析及空气质量模拟 • 比如2013年，有完整的PM2.5和O3实测数据 • 模式验证和表现评估 • 定量解释各种类型的污染过程 • 源分担贡献估算 • 利用法规模式进行污染控制规划 • 源（种类和区域）敏感性分析 • 对控制政策效果进行定量分析 Georgia Institute of Technology

  33. 源解析用于空气污染控制决策 • 源解析用于污染控制决策 • 限于定性意义 • 是污染控制决策的重要辅助手段 • 源解析方法的局限性 • 受体模型法 • 仅能解析一次污染物的贡献，无法解析二次贡献 • 不能解析所有源，最多包括总量80%的源 • 共线形（Collinearity），无法区分廓线类似的源 • 不同方法可能得到不同结果 • 对数据要求高 • 无独立数据验证 • 空气质量模型法 • 源清单不确定性 • 空气质量模式理论参数的误差 • 源解析结果无法用于污染控制规划 • 大气化学的非线性，30%的源削减量并不导致30%的污染物浓度贡献量的减少 • 矛盾的结果，稀疏点位 Georgia Institute of Technology

  34. 源解析结果不能直接用于空气污染控制规划 PM2.5 C1 A 0.7(C1-C0)? + CA ∆C a1 B + CB C0 0.7Eon-road Eon-road -DeEA EB EA Georgia Institute of Technology

  35. 海岸、湖岸点位的模拟误差偏大 水体最为下垫面对气象模拟的影响巨大，由于资料的精度和数值解理论的不完美，造成边界层模拟偏差显著 Georgia Institute of Technology

  36. 武汉地区的水域面积 Georgia Institute of Technology

  37. Extremely high ozone happened in the grid cells over mixed landuse with water is the majority which causes stable PBL Met model “thinks” the grid cell as water, while emissions model allocates emissions in Georgia Institute of Technology

  38. A 9-points averaging method was used to smooth the met vars Need more accurate info for lakes etc. and better LSM in WRF (mosaic) Georgia Institute of Technology

  39. 生物质燃烧排放影响的模拟困难 （1） Atlanta Smoke Detected by Geostationary Satellite(1:15-1:45 pm EST on February 28th, 2007 ) Georgia Institute of Technology

  40. Hourly PM2.5 Mass Georgia Institute of Technology

  41. 烟羽轨迹偏移 Forecast, Hindcast and Observed Plumes Georgia Institute of Technology

  42. 生物质燃烧排放影响的模拟困难 （2） 排放估算误差 200 acres of coastal sage shrub North of LA, near Buelton, CA Ignition Start: 9:57 PST Williams FireNovember 17, 2009 Georgia Institute of Technology

  43. Bottom-up Emissions • Fuel Loading • USFS PNW photo series (Urbanskiet al., 2011) • Series IV CH: SW U.S. Chaparral Aggregate of CH1-3 • 8.1 ton/acre for shrubs • 9.2 ton/acre for litter • Consumption/Emissions • FEPS • Fuel moisture measured on site (Akagiet al., 2012) • EF derived from aircraft measurements (Burling et al., 2011) EFPM2.5= 8.6 g/kg • Urbanski S. P. et al. (2011): The Wildland Fire Emissions Inventory: emission estimates and an evaluation of uncertainty, Atmos. Chem. Phys., 11, 12973-13000    • Burling I. R. et al. (2011): Airborne and ground-based measurements of the trace gases and particles emitted by prescribed fires in the US, Atmos. Chem. Phys. 11, 12197-12216. Georgia Institute of Technology

  44. Satellite-based Calculation • Emission rate • Obtained from ftp://satepsanone.nesdis.noaa.gov/EPA/GBBEP/(prior to GBBEP-geo) GOES12 VIS images at 15 min interval Zhang X, et al. (2008): Near real time monitoring of biomass burning particulate emissions (PM2.5) across contiguous United States using multiple satellite instruments. Atmospheric Environment, 42, 6959-6972. Georgia Institute of Technology

  45. Comparison of PM2.5Emission Rates Total for bottom-up: 27,370 kg Total for satellite : 11,650 kg (43% of bottom-up) Georgia Institute of Technology

  46. Aircraft Measurements • Light scattering (can be converted to PM2.5 concentrations) • Wind speed/direction Akagi S. K. et al. (2012): Evolution of trace gases and particles emitted by a chaparral fire in California, Atmos. Chem. Phys., 12, 1397-1421. Georgia Institute of Technology

  47. Aircraft Track & PM2.5 Concentrations Georgia Institute of Technology

  48. 谢谢! Georgia Institute of Technology

More Related