土壤氮氧化物排放及其对美国空气质量的影响

《Atmospheric Environment》:Soil Nitrogen Oxide Emissions and their Impacts on Air Quality Over the United States

【字体: 大 中 小 】 时间:2026年07月15日 来源:Atmospheric Environment 3.8

编辑推荐:

  土壤排放的一氧化氮(NO)和亚硝酸(HONO)对臭氧有贡献,随着化石燃料排放的减少,臭氧对非化石燃料氮氧化物(NOx = NO, NO2)变得更加敏感。土壤排放的NO和/或HONO(SNO/HONO)源于复杂的生物地球化学过程,并因肥料添

  
土壤排放的一氧化氮(NO)和亚硝酸(HONO)对臭氧有贡献,随着化石燃料排放的减少,臭氧对非化石燃料氮氧化物(NOx = NO, NO2)变得更加敏感。土壤排放的NO和/或HONO(SNO/HONO)源于复杂的生物地球化学过程,并因肥料添加的氮而加剧。尽管如此,大多数空气质量模型使用这些过程的简单参数化来量化土壤NO排放。在本研究中,研究人员比较了Yienger & Levy(YL)和Berkeley-Dalhousie土壤NOx参数化(BDSNP)土壤NO模型。这些模型与用于CMAQ的机械化肥料排放情景工具(FEST-C*)进行比较,该工具模拟农业土壤NO和HONO排放。研究人员使用美国社区多尺度空气质量(CMAQ)模型量化了每种排放估计对臭氧和颗粒物的影响。研究人员将模型预测的二氧化氮(NO2)浓度与农村监测站点的观测值以及模型预测的NO2垂直柱密度与卫星测量值进行比较。来自FEST-C*的农业SNO/HONO是YL的两倍,但仅为BDSNP的三分之二。FEST-C*改善了CMAQ与一些农村NO2观测值的一致性。卫星NO2柱显示FEST-C*具有中等相关性和偏差,在农业区域偏差最低。研究人员还检查了每个SNO/HONO估计如何影响农业区域附近几个城市的臭氧污染。较高的SNO/HONO增加了某些城市超过臭氧监管阈值的天数。本研究强调了对田间SNO/HONO观测、更好的肥料使用估计以及减轻农业排放对周围污染影响的需求。
土壤排放的氮氧化物(NOx,主要包括NO和NO2)和亚硝酸(HONO)是臭氧(O3)和细颗粒物(PM2.5)的重要前体物。随着美国化石燃料NOx排放自2000年代初以来持续下降,臭氧浓度对非化石燃料NOx源(包括土壤排放)的敏感性增加。土壤NO排放主要来自微生物驱动的硝化和反硝化过程,肥料施用显著增强这些排放。然而,当前大多数空气质量模型采用简单的参数化方案(如Yienger & Levy(YL)和Berkeley-Dalhousie Soil NOx Parameterization(BDSNP))来估算土壤NO排放,这些方案忽略了HONO排放,且对肥料施用的时间和空间分布做了简化假设。此外,卫星观测的NO2柱密度的下降速度慢于基于化石燃料减排的模型预测,提示其他来源(包括土壤)可能被低估。不同研究对美国土壤NO排放量的估算差异巨大(例如加州农田排放量从0.48到19.8 kg N ha-1 yr-1),亟需更准确的机制模型来改进排放估算及其对空气质量的影响评估。本研究旨在系统比较三种土壤NO/HONO排放模型(YL、BDSNP和FEST-C*),并利用CMAQ模型量化其对美国臭氧和PM2.5的影响,以期为空气质量管理和减排策略提供科学依据。该论文发表在《Atmospheric Environment》。

研究人员采用CMAQ v5.4模型,以12 km×12 km分辨率模拟美国大陆2017年4月至9月的大气化学过程。气象场、初始边界条件和除土壤外的人为排放源来自EPA的EQUATES项目。化学机制采用Carbon Bond 6 release 5,并纳入颗粒态硝酸盐(pNO3)光解反馈。土壤NO排放模型包括:在线MEGANv3.2中的YL和BDSNP参数化方案,以及独立运行的FEST-C*机械模型。FEST-C*基于EPIC农业模型,模拟42种作物类型的土壤氮碳循环,计算NO和HONO排放,并与BDSNP非农业排放结合。模型评估利用地面AQS和CASTNET网络的NO2观测数据,以及OMI卫星的NO2垂直柱密度(VCD),通过对比不同场景的模型输出与观测,分析排放方案对NO2、臭氧和PM2.5的影响。

**3.1 空间和时间排放比较**:通过对比三种模型的空间分布和时序变化,研究人员发现BDSNP平均农业SNO/HONO排放量是YL的3倍,FEST-C*是YL的2倍。BDSNP和FEST-C*表现出相似的季节变化,在春末夏初有峰值,而YL排放较低且时间变化平缓。FEST-C*在北部大平原地区排放最高,而BDSNP在心脏地带、富饶边缘、密西西比门户和草原门户区域排放最高。与2017年EPA国家排放清单(NEI)相比,YL排放量为NEI的0.85倍,而BDSNP和FEST-C*分别为2.7和2.4倍。BDSNP在6月14日出现特别强的脉冲事件,与持续干旱后的降雨有关。

**3.2 农村NO2评估**:通过比较模型与农村NO2监测站点的偏差,研究人员发现FEST-C*场景在多数站点(尤其在加州、北部大平原和心脏地带)改善了与YL和BDSNP相比的偏差,但在东南部和西部部分地区偏差增大。FEST-C*在北部大平原和德克萨斯优于BDSNP,表明其可能避免了BDSNP对土壤NO排放的过度估计。

**3.3 OMI卫星数据评估**:通过对比模型与OMI NO2垂直柱密度(VCD),研究人员发现所有模型均低估了NO2 VCD。BDSNP具有最低的归一化平均偏差和误差,但相关性最差;YL相关性最好但偏差最高;FEST-C*在相关性和偏差方面居中,在心脏地带农业区域表现最佳,偏差最低。BDSNP的过高脉冲事件导致6月与卫星偏差增大。

**3.4 对MDA8臭氧和PM2.5的影响**:通过分析弗雷斯诺、丹佛和路易斯维尔三个城市附近3×3网格的MDA8臭氧超标天数,研究人员发现更高的SNO/HONO排放显著增加超标天数。与无SNO/HONO场景相比,BDSNP非农业排放使弗雷斯诺和丹佛的超标天数增加一倍以上。FEST-C*场景的超标天数略低于BDSNP。PM2.5浓度差异较小,最大增加0.5 μg/m3出现在圣华金河谷,该区域可能超过9.0 μg/m3的NAAQS标准。

总结讨论部分:研究人员指出,由于模型和观测数据的限制,无法确定哪个方案最准确,但FEST-C*的机械模拟提供了介于YL和BDSNP之间的估计,在农业区域表现较好。BDSNP的高非农业排放(尤其是针叶林和草地)对NO2和臭氧有显著影响。包含pNO3光解减少了模型低偏差,但导致东部正偏差。未来需要田间SNO/HONO观测、更好的肥料使用数据,并明确区分农业和非农业源以支持污染缓解研究。

翻译研究结论部分:由于模型和观测数据的限制,无法明确断定哪个方案给出最准确的SNO/HONO估计。尽管如此,研究结果有助于阐明各方案之间的差异。机械模型FEST-C*产生的农业SNO/HONO估计介于YL的低估计和BDSNP的高估计之间。BDSNP和FEST-C*比YL表现出更多的时间变化,BDSNP有一个特别强的脉冲事件。站点偏差比较显示混合表现,FEST-C*在某些区域有所改善。与OMI NO2 VCD的比较表明,FEST-C*和BDSNP对农业和非农业区域的NO2 VCD偏差都有强烈影响。FEST-C*在美国中部显示出最低的NO2
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号