基于伴随方法的大气污染溯源

大气污染防治的核心是找准污染源头,厘清污染成因,实现靶向治理,提高控制效率.本文建立了全国空气质量高分辨率预报与污染控制决策支持系统(NARS,呐思系统),实现了气象与大气化学的监测、同化、预报、溯源、排放源反演和动态优化控制等大气污染闭环防控,可为大气污染防控提供一整套解决方案,其中所建立的CAMx伴随溯源模式,实现了排放源动态反演和网格化定量溯源,可快速定量追溯导致目标区域未来7天大气污染的排放源及其贡献率时空分布.针对2016年9月~2017年3月北京主城区PM_(2.5)集中污染时间段进行了排放源反演、气象场预报、空气质量预报和网格化溯源.与京津冀地区国控点监测结果进行了对比分析,结果表明污染过程、污染等级和污染物浓度预报的准确率分别为100%、88.8%和84.7%,预报值和监测值之间的相关系数为0.81.网格化溯源结果表明导致北京主城区PM_(2.5)污染的排放源基本来自于北京西南方向这一条大气污染物传输通道,北京本地、河北、天津及周边地区排放源对北京主城区PM_(2.5)浓度分别贡献了66%、29%、5%.就重污染过程而言,京津冀排放总量的19%导致了北京主城区80%的PM_(2.5)重度及以上污染,其中北京本地占京津冀排放总量的9%贡献63%、河北占京津冀排放总量的10%贡献17%.就整体污染天气而言,京津冀排放的26%导致了北京主城区80%的PM_(2.5)轻度以上污染,其中北京本地占京津冀排放总量的9%贡献61%、河北占排放总量的15%贡献18%,天津占排放总量的2%贡献1%.导致北京主城区PM_(2.5)污染的排放源主要分布在北京城区和南部区域、保定和石家庄所辖的部分区县,贡献排名前6位的区县均为北京辖区,贡献率合计为48%,前20个区县的总体贡献为73%.将动态反演排放源方法与调查排放清单相结合,应用伴随溯源模式对预报结果进行同步大气污染溯源,可为大气重污染应急控制找准控制对象,并进行损益评估,运用自然控制论,实现大气污染应急优化控制.