基于受体和化学传输的综合模型解析重庆PM2.5来源

作者：彭超; 李振亮^*; 曹云擎; 蒲茜; 方维凯; 王晓宸; 汪凌韬

来源：环境科学, 2022, 43(06): 2867-2877.

DOI：10.13227/j.hjkx.202109232

• 综合源解析
• 模型评估与应用
• 时空变化
• PM2.5
• 重庆

为进一步提高PM2.5污染源解析的准确性，研究提出一种基于受体和化学传输的综合源解析模型(CTM-RM),并以重庆冬季一次典型PM2.5污染过程为例(2019年1月21～27日)开展模型评估与应用.结果表明，观测期间基于CTM-RM获得的模拟误差平方值较CAMx/PSAT低84.58%,PM2.5及其化学组分浓度的模拟相对误差值较CAMx/PSAT下降15.69%～92.86%;此外，CTM-RM还可以获取重庆市PM2.5污染源贡献的时空分布特征.观测期间，主城区PM2.5农业源、工业源、电力源、民用源、交通源和其他源的调整因子R值分别为1.39±0.38、 1.54±0.48、 1.01±0.13、 1.02±0.58、 0.86±0.59和0.58±0.67,各污染源R值的累积分布函数差异明显.民用源和工业源是主城区PM2.5的主要污染源(46.23%和28.23%).与其他源不同，污染日交通源贡献率(8.62%)同比清洁日显著上升(P<0.001),表明交通源排放是PM2.5浓度持续上升的驱动因素.主城区各污染源初始模拟浓度与R值的拟合函数适用于重庆市47个空气质量监测站的PM2.5模拟，各站点优化模拟浓度与观测浓度显著线性相关(r=0.82,P<0.001).与清洁日相比，污染日渝东北地区工业源贡献率和渝东南地区民用源贡献率上升幅度较大(17.20%和9.15%),而主城区和渝西地区交通源贡献率上升幅度较大(66.39%和84.16%).1月26日，民用源对渝东北地区PM2.5贡献较大(64.56%),而工业源对PM2.5贡献主要集中在主城区(25.26%)和渝西地区(21.20%).