污染暴露模拟模块

污染暴露模拟模块实现了在未来排放路径下的气候-化学相互作用影响评估和对污染暴露的大气化学模拟。模块主要包含4个部分：气候-化学相互作用评估模型、大气化学模拟、大气成分近实时追踪数据集和观测验证同化。其中气候-化学相互作用评估模型利用CMIP6多模式集合得到未来气象边界场，结合未来人为排放与自然排放，利用气候-化学耦合模型WRF-Chem，建立气候-化学双向耦合过程，实现对气候-化学相互作用的影响评估。在大气化学模拟方面，在未来气象场、人为和自然排放的基础上，利用大气化学传输模型预测未来PM2.5与O3污染浓度暴露。同时利用大气污染精细化来源解析模型（INMAP），构建污染源-受体响应关系，实现对未来排放变化下的污染暴露快速响应。大气成分近实时追踪数据集（TAP）提供了历史大气PM2.5浓度、PM2.5化学组分和O3浓度数据，可对大气化学模拟中的污染浓度数据进行同化校正。另外，在气候-化学相互作用评估与大气化学模拟中，利用气象观测数据、地面检测数据与卫星遥感数据，对其污染浓度数据进行观测验证同化，以提高模拟评估的准确性。

图1 污染暴露模拟模块

气候-化学相互作用评估模型>

在气候变化背景下，未来气候气象活动的改变将极大程度上影响大气污染状况，气溶胶不仅可以改变到达地面的辐射，而且可以通过参与云雨的形成，影响局地极端降水、大气环流、亚洲季风、水循环等，甚至会对整个气候系统产生显著影响。因此需要通过构建未来气候-化学相互作用影响评估系统建立双向反馈机制实现对气候-化学的相互作用影响进行综合评估。该评估主要利用气候-化学耦合模型WRF-Chem进行。其中输入数据包括CMIP6多模式结合的未来气象边界场与未来人为、自然源排放，利用气候-化学双向在线耦合的WRF-Chem模型能够分析综合考虑未来气象排放条件改变与气溶胶气候效应的气候-化学相互作用。

WRF-Chem气候-化学耦合模型

WRF-Chem是由美国NOAA预报系统实验室开发的，将气象模式WRF和化学模式Chem耦合形成的区域空气质量模式。不同于其他大气化学模型中气象化学分离的做法，WRF-Chem模型将大气过程、化学物种计算过程进行了在线的耦合，可实时反映局地的气溶胶气象反馈特征，包括辐射反馈和云反馈等多种机制，能够较好的反应大气气溶胶与气象之间的反馈作用，能够模拟更加真实的大气环境。关于对于WRF-Chem模型的详细介绍可参见WRF-Chem官方网站。

参考文献：

  • Hong C, Zhang Q, Zhang Y, Davis SJ, Zhang X, Tong D, Guan D, Liu Z, He K. Weakening aerosol direct radiative effects mitigate climate penalty on Chinese air quality. Nature Climate Change. 2020 Sep;10(9):845-50. [链接] 
  • Hong, C., Zhang, Q., Zhang, Y., Davis, S. J., Tong, D., Zheng, Y., Liu, Z., Guan, D., He, K. and Schellnhuber, H. J., 2019. Impacts of climate change on future air quality and human health in China.Proceedings of the National Academy of Sciences of the United States of America, 116(35), pp.17193-17200.[链接]

大气化学模拟>

在大气化学模拟方面，使用大气化学传输模型（GEOS-Chem、WRF-CMAQ、WRF-Chem等）评估未来气象场、人为和自然排放变化下未来不同减排路径下的PM2.5和O3污染暴露情况。并利用大气污染精细化来源解析模型（INMAP），实现污染暴露对未来排放变化的快速响应。

GEOS-Chem全球化学传输模型

GEOS-Chem模型由美国哈佛大学Daniel Jacob教授课题组开发的全球三维大气化学传输模式，针对大气中各类成分的大气化学物理化学过程进行模拟。GEOS-Chem以美国国家航空航天局（NASA）的全球模式与资料同化办公室（Global Modeling and Assimilation Office）提供的气象同化数据（Goddard Earth Observing System，GEOS）作为气象驱动场，实现对全球、不同区域的大气化学过程模拟。GEOS-Chem可单独使用针对中国地区进行空气质量嵌套模拟，也可与WRF-CMAQ模型结合，利用GEOS-Chem提供中国区域边界场，由WRF-CMAQ模型进行中国地区的空气质量模拟。对于GEOS-Chem的详细介绍可参见GEOS-Chem官方网站。

WRF-CMAQ区域空气质量模型

WRF-CMAQ是最常用的区域空气质量模拟评估系统，由WRF模型和CMAQ模型结合形成。其中WRF模型（The Weather Research and Forecasting Model）是开源的天气预报模型，常用于气象预报、大气环境模拟等工作，同时可以为空气质量模型提供气象场，支持空气质量模拟工作。CMAQ（Community Multiscale Air Quality Modeling System）模型是由美国环保署开发的第三代空气质量模型系统，包含了各类大气物理、化学过程活动的模拟，可用于各类大气环境影响评价及决策分析中。WRF-CMAQ模型的结合能够综合考虑各类气象过程对污染物的输送、扩散过程，同时结合各类大气污染物的相互影响以及污染物在大气中的气相各种化学过程，包括液相化学过程、非均相化学过程、气溶胶过程和干湿沉积过程对浓度分布的影响，实现对空气质量和污染暴露的全面评估。对于WRF-CMAQ的详细介绍可参见WRF官方网站和CMAQ官方网站。

大气污染精细化来源解析模型（INMAP）

大气污染精细化来源解析模型的核心是简化大气化学模型中国版本（the reduced-complexity Intervention Model for Air Pollution over China，InMAP-China)，其是在简化大气化学模型InMAP基础上开发的中国国本地化模型。模型能够实现快速模拟一定污染物排放量下逐网格位置的PM2.5浓度水平，为开展多种排放源贡献解析、评估政策相关的污染及健康影响提供了可靠工具。该模型的输入数据包括网格化的排放数据、人口数据和过早死亡率数据（估算健康影响）；输出包括PM2.5及其组分的浓度数据、PM2.5污染相关过早死亡数据。InMAP_China模型的源代码可从代码共享库中获取，含源代码、输入数据和用户使用手册，能够支持开展2017年中国空气质量模拟。对于InMAP模型的源代码、输入数据和使用手册，可从此处获取。

参考文献：

  • Zheng Y, Xue T, Zhang Q, Geng G, Tong D, Li X, He K. Air quality improvements and health benefits from China’s clean air action since 2013. Environmental Research Letters. 2017 Nov 7;12(11):114020. [链接] 
  • Hong C, Zhang Q, Zhang Y, Tang Y, Tong D, He K. Multi-year downscaling application of two-way coupled WRF v3. 4 and CMAQ v5. 0.2 over east Asia for regional climate and air quality modeling: model evaluation and aerosol direct effects. Geoscientific Model Development. 2017 Jun 29;10(6):2447-70.[链接] 
  • Wu R, Tessum CW, Zhang Y, Hong C, Zheng Y, Qin X, Liu S, Zhang Q. Reduced-complexity air quality intervention modeling over China: the development of InMAPv1. 6.1-China and a comparison with CMAQv5. 2. Geoscientific Model Development. 2021 Dec 16;14(12):7621-38.[链接]

大气成分近实时追踪数据集>

为减少大气化学模型对空气质量模拟的系统性偏差，提升对未来污染暴露预测的准确性，研究引入了中国大气成分追踪数据集（Tracking Air Pollution in China，TAP）对大气化学模拟的结果进行同化校正。TAP数据集主要由清华大学开发维护；利用机器学习算法，该数据集融合了地面观测、卫星遥感、高分辨率排放清单、空气质量模型模拟等多源数据，提供了自2000年以来的高精度大气成分反演浓度。相较原始的WRF-CMAQ模型模拟结果，TAP数据可以更精准地再现中国细颗粒物浓度的历史分布及演变。因此利用TAP数据集对模拟结果进行同化校准能够提升模拟结果的可靠性。对于TAP数据集的详细介绍可参阅TAP官方网站。

参考文献：

  • Geng, G., Xiao, Q., Liu, S., Liu, X., Cheng, J., Zheng, Y., Xue, T., Tong, D., Zheng, B., Peng, Y., Huang, X., He, K., & Zhang, Q. (2021). Tracking Air Pollution in China: Near Real-Time PM2.5 Retrievals from Multisource Data Fusion. Environ Sci Technol, 55, 12106-12115. [链接] 
  • Xiao Q, Geng G, Liu S, Liu J, Meng X, Zhang Q. Spatiotemporal continuous estimates of daily 1 km PM 2.5 from 2000 to present under the Tracking Air Pollution in China (TAP) framework. Atmospheric Chemistry and Physics. 2022 Oct 14;22(19):13229-42. [链接] 
  • Geng G, Zhang Q, Tong D, Li M, Zheng Y, Wang S, He K. Chemical composition of ambient PM 2. 5 over China and relationship to precursor emissions during 2005–2012. Atmospheric Chemistry and Physics. 2017 Jul 31;17(14):9187-203. [链接]
  • Liu S, Geng G, Xiao Q, Zheng Y, Liu X, Cheng J, Zhang Q. Tracking daily concentrations of PM2. 5 chemical composition in China since 2000. Environmental Science & Technology. 2022 Nov 1;56(22):16517-27.[链接]
  • Xue T, Zheng Y, Geng G, Xiao Q, Meng X, Wang M, Li X, Wu N, Zhang Q, Zhu T. Estimating spatiotemporal variation in ambient ozone exposure during 2013–2017 using a data-fusion model. Environmental science & technology. 2020 Nov 11;54(23):14877-88. [链接]

观测验证同化>

为验证大气化学模型对空气质量模拟的准确性，引入了气象观测、地面监测和卫星遥感数据对大气化学模拟的污染暴露进行验证同化。在气象模拟同化方面，常采用美国国家环境预报中心的地表气象观测数据和高空气象观测数据进行数据同化以提升模拟准确性。在模拟结果验证方面，常使用美国国家气候数据中心的地面气象观测资料对气象模拟结果进行验证，利用中国环境监测总站的污染物逐时监测结果验证污染物浓度模拟结果。

参考文献：

  • Geng G, Zhang Q, Tong D, Li M, Zheng Y, Wang S, He K. Chemical composition of ambient PM 2. 5 over China and relationship to precursor emissions during 2005–2012. Atmospheric Chemistry and Physics. 2017 Jul 31;17(14):9187-203. [链接]
  • Zheng B, Geng G, Ciais P, Davis SJ, Martin RV, Meng J, Wu N, Chevallier F, Broquet G, Boersma F, van der A R. Satellite-based estimates of decline and rebound in China’s CO2 emissions during COVID-19 pandemic. Science Advances. 2020 Dec 2;6(49):eabd4998.[链接]
  • Zhang Q, Streets DG, He K, Wang Y, Richter A, Burrows JP, Uno I, Jang CJ, Chen D, Yao Z, Lei Y. NOx emission trends for China, 1995–2004: The view from the ground and the view from space. Journal of Geophysical Research: Atmospheres. 2007 Nov 27;112(D22).[链接]
  • Geng G, Zhang Q, Martin RV, Lin J, Huo H, Zheng B, Wang S, He K. Impact of spatial proxies on the representation of bottom-up emission inventories: A satellite-based analysis. Atmospheric Chemistry and Physics. 2017 Mar 28;17(6):4131-45.[链接]
  • Liu F, Zhang Q, Zheng B, Tong D, Yan L, Zheng Y, He K. Recent reduction in NOx emissions over China: synthesis of satellite observations and emission inventories. Environmental Research Letters. 2016 Oct 24;11(11):114002.[链接]
  • Zheng Y, Zhang Q, Liu Y, Geng G, He K. Estimating ground-level PM2. 5 concentrations over three megalopolises in China using satellite-derived aerosol optical depth measurements. Atmospheric Environment. 2016 Jan 1;124:232-42.[链接]