林燕芬

(上海市環(huán)境監(jiān)測(cè)中心，上海 200235)

氨氣(NH3)作為大氣中已知唯一的堿性氣體，在大氣化學(xué)過(guò)程中起著舉足輕重的作用。NH3一方面促進(jìn)大氣中的二氧化硫(SO2)和氮氧化物(NOx)等酸性物質(zhì)的清除，在一定程度上緩解了酸雨危害；另一方面，NH3與SO2、NOx等酸性氣體反應(yīng)，形成各種銨鹽，是大氣細(xì)顆粒物(PM2.5)的重要組成部分，對(duì)空氣質(zhì)量有重要影響[1-2]，且由于銨鹽具有高吸濕性，對(duì)能見度降低也有顯著影響[3]。已有研究表明，NH3在粒子成核階段和隨后的粒子生長(zhǎng)過(guò)程中顯著促進(jìn)新粒子的形成，NH3能促進(jìn)SO2的氧化和向硫酸鹽的轉(zhuǎn)化，NH3排放的增長(zhǎng)會(huì)抵消部分SO2和NOx減排所帶來(lái)的PM2.5濃度的降低[4]，從而限制空氣質(zhì)量的持續(xù)有效改善。總之，NH3的增加對(duì)環(huán)境、公眾健康、生態(tài)系統(tǒng)及氣候變化等均有不可忽視的作用[5-6]。歐美國(guó)家的經(jīng)驗(yàn)顯示，在SO2和NOx已經(jīng)控制到一定程度的時(shí)候，控制NH3將是降低PM2.5濃度最經(jīng)濟(jì)有效的途徑[7]。美國(guó)、歐盟等國(guó)家和地區(qū)已認(rèn)識(shí)到NH3排放對(duì)于大氣顆粒物形成的重要性，并出臺(tái)了相關(guān)減排指標(biāo)，其中歐盟2012年修訂的《哥德堡議定書》制定了2020年NH3排放量較2005年減少6%的目標(biāo)。

中國(guó)是全世界NH3排放量最大的國(guó)家之一，2008年NH3排放總量占全亞洲的45%[8]，并呈現(xiàn)增長(zhǎng)趨勢(shì)。據(jù)董文煊等[9]估算，1994—2006年，中國(guó)NH3排放的年平均增長(zhǎng)率為3.1%。近年來(lái)，中國(guó)顆粒物污染改善明顯，但隨著一次來(lái)源顆粒物的削減，顆粒物二次組分占比上升，因此NH3、NOx和揮發(fā)性有機(jī)物(VOCs)等形成二次氣溶膠的重要前體物的減排將是中國(guó)空氣質(zhì)量持續(xù)改善的關(guān)鍵[10]。目前，中國(guó)對(duì)氣態(tài)污染物的控制主要集中在SO2和NOx等酸性氣體，“十三五”期間，VOCs治理也取得了一定成效，排放總量出現(xiàn)了下降趨勢(shì)[11]，而對(duì)于NH3的控制措施則相對(duì)缺失[12]。中國(guó)目前對(duì)NH3的研究多集中于各個(gè)城市和地區(qū)排放特征研究，涵蓋的排放源種類一般分為自然源、農(nóng)業(yè)源、工業(yè)源、交通源和生活源等，并對(duì)比了不同城市的NH3排放強(qiáng)度等差別[13-17]，而對(duì)于城市和區(qū)域環(huán)境中NH3濃度的長(zhǎng)期變化特征及其對(duì)PM2.5的影響研究則相對(duì)較少。本研究針對(duì)長(zhǎng)三角區(qū)域和上海兩個(gè)不同類型站點(diǎn)的NH3濃度變化特征及其對(duì)PM2.5的影響開展研究，有助于認(rèn)識(shí)區(qū)域和城市中NH3的來(lái)源及其對(duì)環(huán)境中PM2.5的影響；在此基礎(chǔ)上利用數(shù)值模擬開展氨減排情景的模擬分析，初步定量評(píng)估上海不同來(lái)源的NH3對(duì)PM2.5濃度的貢獻(xiàn)，為進(jìn)一步深挖PM2.5減排空間，制定經(jīng)濟(jì)、有效的PM2.5減排措施提供科學(xué)依據(jù)。

1 研究區(qū)域和數(shù)據(jù)來(lái)源

1.1 監(jiān)測(cè)點(diǎn)概況

本研究所采用的大氣NH3、PM2.5濃度及其組分的數(shù)據(jù)來(lái)自于國(guó)家環(huán)境保護(hù)長(zhǎng)三角大氣復(fù)合污染上海淀山湖科學(xué)觀測(cè)研究站(簡(jiǎn)稱區(qū)域站)和上海市浦東大氣超級(jí)站(簡(jiǎn)稱城市站)。區(qū)域站位于東經(jīng)120.978°、北緯31.093 5°，地處江蘇、浙江和上海三省市的交界，距離上海市區(qū)約46 km，該區(qū)域是長(zhǎng)三角城市快速發(fā)展擴(kuò)容“城間帶”，周邊沒有典型工業(yè)污染源，可代表長(zhǎng)三角范圍內(nèi)的區(qū)域污染特點(diǎn)；城市站位于東經(jīng)121.533°、北緯31.228°，地處上海中心城區(qū)核心位置，站點(diǎn)周圍主要為居民區(qū)、商業(yè)區(qū)與交通干道等，周邊沒有明顯的工業(yè)排放源，人口密集、交通流量大，屬于典型城市居民點(diǎn)，對(duì)研究城市地區(qū)大氣復(fù)合污染成因與機(jī)理有重要價(jià)值。

1.2 數(shù)據(jù)來(lái)源

2 結(jié)果與分析

圖1 區(qū)域站和城市站和PM2.5的年際變化Fig.1 Inter-annual variation of and PM2.5 at regional and urban sites

2.2 NH3對(duì)PM2.5中SNA濃度的影響

圖2 區(qū)域站和城市站NH3和質(zhì)量濃度的月變化Fig.2 Monthly variation of NH3 and mass concentrations at regional and urban sites

圖3 區(qū)域站和城市站NH3與SNA的相關(guān)分析Fig.3 Correlation analysis between NH3 and SNA at regional and urban sites

圖4 區(qū)域站和城市站的SNA與ACR、NH3的相關(guān)分析Fig.4 Correlation analysis between SNA and ACR，NH3 at regional and urban sites

表1 ACR與SO2、NO2、溫濕度的相關(guān)系數(shù)1)Table 1 Correlation coefficients between ACR and SO2，NO2，temperature，humidity

2.3 氨對(duì)氮氧化率(NOR)和硫氧化率(SOR)的影響

圖5 區(qū)域站和城市站總氨質(zhì)量濃度與SOR、NOR的相關(guān)分析Fig.5 Correlation analysis between total ammonia mass concentration and SOR，NOR at regional and urban sites

2.4 氨減排模式的模擬研究

為研究NH3排放對(duì)上海環(huán)境空氣中PM2.5的影響，選取2018年6月10—14日的PM2.5輕度污染過(guò)程作為典型案例，基于WRF-CMAQ模式系統(tǒng)模擬上海PM2.5小時(shí)濃度變化情況，同時(shí)設(shè)置3個(gè)模擬情景(見表2)，并計(jì)算它們對(duì)上海PM2.5濃度的貢獻(xiàn)率(即模擬情景下PM2.5小時(shí)濃度較基準(zhǔn)情景的變化率)，結(jié)果見圖6。

PM2.5濃度基準(zhǔn)情景模擬值變化與實(shí)測(cè)值較一致，較準(zhǔn)確地模擬了研究時(shí)段中PM2.5的污染水平和變化趨勢(shì)。3個(gè)模擬情景均促使PM2.5濃度出現(xiàn)不同程度的下降。針對(duì)此次污染案例，綜合3個(gè)模擬情景去除所有人為源氨排放，最高能使PM2.5小時(shí)質(zhì)量濃度約下降14.4 μg/m3，貢獻(xiàn)率為25.0%；能使研究時(shí)段內(nèi)PM2.5平均值下降4.8 μg/m3，貢獻(xiàn)率約13.9%。

如將研究時(shí)段分成污染時(shí)段和非污染時(shí)段，根據(jù)3個(gè)模擬情景結(jié)果分別進(jìn)行不同類別氨排放貢獻(xiàn)分析。結(jié)果發(fā)現(xiàn)：在污染時(shí)段，居民生活氨排放的貢獻(xiàn)率(7.4%)最大，其次是農(nóng)業(yè)氨排放(貢獻(xiàn)率為5.3%)，交通、工業(yè)氨排放貢獻(xiàn)率為3.7%；在非污染時(shí)段，農(nóng)業(yè)和居民生活氨排放(均為4.9%)貢獻(xiàn)率相當(dāng)，交通、工業(yè)氨排放貢獻(xiàn)率為3.2%。

3 結(jié)論與討論

(2) 兩個(gè)站點(diǎn)污染日SNA與ACR均呈線性正相關(guān)，且同樣的ACR下，NH3濃度越高，SNA也相應(yīng)越高，表明SNA主要受ACR影響，NH3也有一定的貢獻(xiàn)。

(3) 兩個(gè)站點(diǎn)總氨濃度與SOR、NOR均為正相關(guān)關(guān)系，表明總氨濃度的增加均有利于NO2和SO2向PM2.5轉(zhuǎn)化。

表2 上海基準(zhǔn)和模擬情景的NH3排放量Table 2 NH3 emissions of baseline and simulation scenarios in Shanghai 萬(wàn)t/a

圖6 PM2.5小時(shí)質(zhì)量濃度實(shí)測(cè)值、基準(zhǔn)情景模擬值和3個(gè)模擬情景的貢獻(xiàn)率Fig.6 The PM2.5 hourly measurement concentrations and simulated concentrations of baseline scenario and the contributions of three simulation scenarios to PM2.5

(4) 基于WRF-CMAQ模式系統(tǒng)模擬，去除所有人為源氨排放能使研究時(shí)段內(nèi)PM2.5平均值下降4.8 μg/m3，貢獻(xiàn)率約13.9%。隨著酸性污染氣體減排空間的減少，評(píng)估典型及重點(diǎn)行業(yè)的氨排放削減潛力，落實(shí)氨的減排控制對(duì)于經(jīng)濟(jì)有效地促進(jìn)PM2.5的進(jìn)一步減排有重要意義。