气溶胶辐射效应对大气臭氧化学控制区及其与前体物响应关系影响研究

Effective control on both particulate matter and ozone pollution is the major scientific challenge facing China. The ozone concentrations increased along with the decrease of particulate matters in most of Chinese cities. The particulate matters and ozone exhibit complicated interactions, therefore understanding the impacts of reduced particular matters on ozone also becomes a hot but difficult topic in the field of atmospheric science. The aerosol radiative effects suggest a crucial pathway that the atmospheric particles affecting the ozone through the interaction with meteorological systems. However, such aerosol radiative effects on atmospheric dynamics systems cannot be accurately quantified by the current research methods, results in a lack of the scientific knowledge about how the aerosol radiative effects on atmospheric ozone. Here we propose a study, which aims to address these limitations above. The regional climate - chemical coupled model will be improved in the estimation of the aerosol radiation effect by improving the parameterization of aerosol mixing state and optimizing the assimilation method. The response of ozone to precursor emissions will be developed with the consideration of aerosol radiative effects. The impacts of aerosol radiative effects on ozone chemical regime and its response to precursor emissions will be quantified to investigate the simultaneous controls of both particulate matter and ozone pollution in China.

颗粒物与臭氧的协同有效控制是我国大气污染治理工作中面临的科学难题，随着颗粒物的有效控制，臭氧浓度在我国多个城市却呈现同期上升趋势。由于颗粒物与臭氧存在复杂的相互作用，探究减少大气颗粒物对臭氧的影响机制也成为了近期大气科学领域的研究热点和难点。气溶胶辐射效应是大气颗粒物通过与气象系统的相互作用进而影响臭氧的关键因素，然而现有研究手段尚无法对该效应的影响进行准确的定量，导致当前缺乏对于气溶胶辐射效应如何影响大气臭氧的科学认识。针对上述问题，本研究将通过改进气溶胶混合状态的参数化方案以及气象同化方法，改进区域气候-化学模型对气溶胶辐射效应的估算，建立考虑气溶胶辐射效应下大气臭氧与前体物排放的响应关系，从而量化气溶胶辐射效应对大气臭氧化学控制区及其与前体物响应关系。研究成果可为我国开展颗粒物与臭氧协同控制提供科学支撑。

针对我国大气污染治理工作中面临的颗粒物与臭氧的协同有效控制的科学难题，本研究开展了气溶胶混合状态的参数化方案和区域气候化学模式改进，建立了考虑气溶胶辐射效应的大气臭氧与前体物响应关系，评估了气溶胶辐射效应对大气臭氧化学及前体物响应关系影响等研究工作。主要产出包括基于机器学习的气溶胶混合状态表征算法、多区域、多污染物、多部门非线性响应曲面模型，及考虑气溶胶反馈作用下对臭氧化学及响应关系。主要结论包括：1）研究建立的基于机器学习的模型预测的气溶胶混合态指数能够很好地表征大气环境中黑碳气溶胶因不同物理化学变化过程所呈现出来的混合状态；2）气溶胶辐射效应将削弱短波辐射，并进一步提升前体物特别是NO2的浓度，使臭氧控制区从NOx控制向VOC控制转化；3）响应模型预测的PM2.5和O3浓度与CMAQ模拟值有较好的一致性，且能够较好的体现当前体物排放率在基准情景与减排100%之间连续变化时、PM2.5和O3浓度对两两前体物之间等值线的非线性变化特征；4）1月主要目标为减轻PM2.5污染，优先对一次PM2.5与NH3大力减排，其次为SO2和VOC。7月，为协同控制PM2.5与O3，与年减排方案类似，在加强一次PM2.5减排的同时，需重点对NOx排放进行控制。研究培养了博士生4名、博士后1名，研究成果发表SCI论文16篇，项目支持的部分成果获得北京市科学技术进步二等奖）、2020生态环境十大科技进展，项目成果有力支持了北京市、西安市的达标规划、一市一策等工作。