Tóm tắt

Khí tượng và nguồn phát thải là hai yếu tố chính quyết định nồng độ các chất ô nhiễm không khí, bao gồm cả các chất dạng hạt mịn. Một hệ thống mô hình chất lượng không khí khu vực đã được sử dụng để phân tích các nguồn ô nhiễm không khí hạt mịn ở Hà Nội, Việt Nam, vào tháng 12 năm 2010. Tác động của lượng mưa và gió lên nồng độ PM2.5 đã được điều tra. Lượng mưa có tương quan nghịch với nồng độ PM2.5. Tuy nhiên, gió cho thấy cả mối tương quan thuận và nghịch với nồng độ PM2.5, tùy thuộc vào hướng gió (WD) và mức độ tập trung gió. Mô phỏng độ nhạy được thực hiện để điều tra sự góp phần của các nguồn phát thải cục bộ và không cục bộ vào tổng nồng độ PM2.5 bằng cách đảo trộn các đầu vào phát thải của mô hình.

Nhìn chung, các nguồn địa phương và ngoài địa phương đóng góp như nhau vào tổng nồng độ PM2.5 ở Hà Nội. Các nguồn phát thải cục bộ chiếm 57% tổng nồng độ PM2.5 đối với các mức ô nhiễm PM2.5 cao, trong khi chỉ chiếm 42% tổng số PM2.5 đối với các mức độ ô nhiễm PM2.5 thấp. Tại các khu vực thành thị của Hà Nội, các nguồn tại địa phương đóng góp nhiều hơn vào tổng PM2.5 so với các nguồn ngoài địa phương. Ngược lại, các nguồn ngoài địa phương là những yếu tố đóng góp chính cho PM2.5 ở các vùng nông thôn của Hà Nội. Các mô phỏng độ nhạy bổ sung đã được thực hiện để xác định các nguồn phát thải chính tại địa phương của nồng độ PM2.5 vào tháng 12 năm 2010. Các ngành công nghiệp và dân cư chiếm 79% tổng nồng độ PM2.5 trong khi các ngành giao thông và năng lượng chỉ chiếm 2% và 3%.

Đây là nghiên cứu điển hình đầu tiên sử dụng hệ thống mô hình chất lượng không khí khu vực để cung cấp những hiểu biết mới và mang tính thông tin về ô nhiễm không khí PM2.5 ở Hà Nội bằng cách ước tính sự góp phần của các nguồn phát thải địa phương và ngoài địa phương, cũng như đóng góp của các lĩnh vực phát thải địa phương đến nồng độ PM2.5 tại Hà Nội.

Từ khóa: WRF/CMAQ; Ô nhiễm không khí PM2.5; các yếu tố kiểm soát; ô nhiễm xuyên biên giới; phân tích độ nhạy; Hà nội.

1. Giới thiệu

Ô nhiễm không khí là một trong những nguyên nhân gây ra bệnh tật cho con người và làm giảm tuổi thọ. Nó cũng gây ra thiệt hại nghiêm trọng cho các hệ sinh thái khác nhau. PM2.5 (hạt vật chất có đường kính nhỏ hơn 2,5 µm) là một trong những chất gây ô nhiễm không khí có hại nhất được biết đến khi xâm nhập vào cơ thể con người; góp phần gây ra các bệnh tim mạch, hen suyễn, các bệnh dị ứng và ung thư phổi. PM2.5 và các tiền chất của nó, bao gồm cacbon đen (black carbon – BC), cacbon hữu cơ (organic carbon – OC), lưu huỳnh đioxit (sulfur dioxide – SO2), oxit nitơ (nitrogen oxides – NOx), amoniac (ammonia – NH3) và cacbon hữu cơ bay hơi không mêtan (non-methane volatile organic carbon – NMVOC) có thể được thải ra từ cả con người và nguồn tự nhiên, bao gồm núi lửa, cháy rừng, bão bụi, đốt sinh khối, bụi nước biển, lò sưởi củi, đốt nhiên liệu, khí thải ống khói và các quy trình công nghiệp. PM2.5 thứ cấp hình thành thông qua các phản ứng hóa học của các tiền chất của nó. Mức độ tập trung và tỷ lệ các thành phần PM2.5 thay đổi đáng kể tùy theo điều kiện khí tượng và nguồn phát thải.

Thành phố Hà Nội, Việt Nam, đã phải đối mặt với ô nhiễm không khí PM2.5 nghiêm trọng trong những năm gần đây do sự phát triển kinh tế nhanh chóng trong thành phố, các tỉnh lân cận và các nước lân cận, bao gồm cả Trung Quốc. Theo Bộ Tài nguyên và Môi trường (Ministry of Natural Resources and Environment – MONRE), chỉ số chất lượng không khí (AQI) của Hà Nội có mức độ không tốt cho các nhóm nhạy cảm (AQI = 101 – 200) trong 40–60% số ngày được quan trắc từ năm 2010 đến năm 2013. Giữa Năm 2010 và 2013, có 102 ngày AQI cho thấy mức chất lượng không khí rất không tốt cho sức khỏe ở Hà Nội (AQI = 201–300), và 20 ngày khi AQI cho thấy mức chất lượng không khí nguy hiểm ở Hà Nội (AQI > 300). Theo dữ liệu chất lượng không khí môi trường xung quanh về PM2.5 ở Hà Nội do Trung tâm Quan trắc Môi trường (Center for Environmental Monitoring – CEM) quan trắc, nồng độ trung bình hàng năm của PM2.5 từ năm 2010 – 2017 dao động từ 36,7 µg/m3 năm 2012 đến 66,5 µg/m3 trong 2017. Các giá trị này đã vượt quá nồng độ chấp nhận được của PM2.5 là 25 µg/m3 do Bộ Tài Nguyên Môi Trường đưa ra. Vì vậy, để chống ô nhiễm không khí ở Hà Nội thì các chính sách môi trường cần phải được sửa đổi.

Để áp dụng các chính sách môi trường hiệu quả nhằm giải quyết tình trạng ô nhiễm không khí nghiêm trọng như vậy ở Hà Nội, các nguồn gây ô nhiễm không khí ở Hà Nội cần được xác định. Mô hình chất lượng không khí (air quality model – AQM) có thể xem xét sự góp phần của tất cả các nguồn phát thải vào tổng nồng độ của một chất ô nhiễm không khí. AQM có thể được sử dụng trong các phân tích độ nhạy khác nhau và nên được sử dụng rộng rãi hơn cho các nghiên cứu ô nhiễm không khí, ở các khu vực ô nhiễm cao, chẳng hạn như Hà Nội.

Tại Việt Nam, AQM đã được sử dụng cho các nghiên cứu về chất lượng không khí ở Thành phố Hồ Chí Minh (TP.HCM) và Hà Nội. Mô hình thể tích vô hạn (infinite volume model – IVM) và mô hình lan truyền chất có lưu ý tới phản ứng hóa học (transport and photochemistry mesoscale model – TAPOM) đã được áp dụng trong một nghiên cứu về ô nhiễm ozone (O3). Tại Hà Nội, mô hình ô nhiễm đường phố vận hành (operational streets pollution model – OSPM) đã được áp dụng để dự đoán mức độ ô nhiễm không khí của năm đường phố nằm trong thành phố. Tuy nhiên, nghiên cứu không bao gồm PM2.5 và chỉ sử dụng hệ thống mô hình hóa hai chiều (2-D). Không giống như AQM 2-D chỉ xem xét sự phân tán theo chiều ngang của các chất ô nhiễm không khí, hệ thống mô hình ba chiều (3-D), chẳng hạn như Hệ thống nghiên cứu và dự báo thời tiết/ Hệ thống mô hình chất lượng không khí đa cấp cộng đồng (WRF/ CMAQ) cũng xem xét các yếu tố như như trộn dọc trong quá trình mô phỏng. Năm 2015, một nghiên cứu chung được thực hiện bởi Viện Phân tích Hệ thống Ứng dụng Quốc tế (IIASA, Laxenburg, Áo) và Viện Khoa học và Công nghệ Việt Nam (VAST), nhằm ước tính và dự đoán ô nhiễm không khí PM2.5 tại một số tỉnh phía Bắc Việt Nam, bao gồm cả Hà Nội. Trong nghiên cứu, mô hình hiệp lực và tương tác khí nhà kính – ô nhiễm không khí (GAINS) ước tính phát thải cho các khu vực khác nhau ở Hà Nội và mô hình hóa học khí quyển EMEP được sử dụng để mô phỏng PM2.5 và các tiền chất của nó. Công cụ GAINS cũng đã được sử dụng để thực hiện phân bổ nguồn phát thải PM2.5 ở Hà Nội vào năm 2015. Tuy nhiên, đóng góp của các nguồn phát thải trong và ngoài địa phương vào tổng nồng độ PM2.5 ở Hà Nội không được chỉ rõ trong nghiên cứu đó. Ngoài ra, nghiên cứu sử dụng mô hình GAINS tập trung vào toàn bộ năm 2015 và do đó, có thể đã bỏ qua tác động của các hiện tượng khí tượng đối với PM2.5 ở Hà Nội vào mùa đông.

Nghiên cứu hiện tại nhằm đánh giá tác động của các yếu tố kiểm soát, bao gồm khí tượng và khí thải đối với ô nhiễm PM2.5 ở Hà Nội vào tháng 12 năm 2010 bằng cách sử dụng mô hình phân tích độ nhạy 3-D. Chúng tôi đã chọn một tháng mùa đông vì mùa đông là mùa có nồng độ PM2.5 cao nhất ở Hà Nội do gió bắt nguồn từ phía Bắc. Vào mùa đông, gió vận chuyển các chất ô nhiễm không khí từ miền đông Trung Quốc và Đài Loan đến miền Bắc và miền Trung Việt Nam, làm suy giảm chất lượng không khí ở những khu vực này với các khí ô nhiễm và bụi mịn. Hơn nữa, người dân Hà Nội có xu hướng sử dụng nhiều năng lượng hơn để sưởi ấm vào mùa đông, điều này tạo ra nhiều chất ô nhiễm không khí hơn. Chúng tôi chọn tháng 12 vì nó thể hiện đặc điểm mùa đông điển hình ở Hà Nội với các điều kiện khí hậu ảnh hưởng đến sự hình thành và phân tán của PM2.5 thứ cấp và các tiền chất của nó. Ngoài ra, các báo cáo và nghiên cứu trước đây về chất lượng không khí ở Hà Nội đã chỉ rõ Hà Nội bị ô nhiễm nặng bởi PM2.5 vào tháng 12. Mặc dù các nghiên cứu về PM2.5 ở Hà Nội đã được tiến hành, nhưng chưa có nghiên cứu nào xác định được mức độ tham gia của các yếu tố kiểm soát ô nhiễm PM2.5 ở Hà Nội. Ngoài ra, tất cả các nghiên cứu trước đây đều được thực hiện bằng cách sử dụng dữ liệu thu thập từ một số địa điểm quan trắc ở Hà Nội. Nghiên cứu này là nghiên cứu điển hình đầu tiên về các ứng dụng của hệ thống WRF/ CMAQ để đánh giá sự tham gia của các yếu tố kiểm soát đối với PM2.5 tại Hà Nội. Mục tiêu nghiên cứu của chúng tôi là điều tra ảnh hưởng của khí tượng và các nguồn phát thải đến ô nhiễm PM2.5 ở Hà Nội vào tháng 12 năm 2010.

2. Tài liệu và Phương pháp

2.1. Khu vực nghiên cứu

Hà Nội là một trong những thành phố đông dân nhất Việt Nam. Năm 2010, diện tích và dân số của Hà Nội lần lượt là 3329 km2 và khoảng 6,6 triệu người. Thành phố nằm trên vùng đồng bằng châu thổ sông Hồng (Hình 1). Sự phức tạp của khí hậu vào mùa đông là một trong những yếu tố chi phối ô nhiễm không khí ở Hà Nội. Các đợt lạnh tăng cường, thường xảy ra vào mùa đông, có thể vận chuyển các chất ô nhiễm không khí đến Hà Nội từ các địa điểm khác. Kết quả đầu ra của mô hình được xác nhận dựa trên dữ liệu quan trắc từ các trạm khí tượng và chất lượng không khí ở Hà Nội (Bảng 1). PM2.5 được giám sát tại trạm NVC bằng công nghệ tán xạ ánh sáng (GRIMM – Đức) trong khi PM10 được giám sát tại trạm Lang bằng phương pháp suy giảm tia beta (Kimoto – Nhật Bản). Vì trạm Lang chỉ cung cấp dữ liệu về PM10, chúng tôi đã áp dụng tỷ lệ PM2.5/ PM10 = 0,74 cho mùa đông ở Hà Nội để ước tính nồng độ của PM2.5. Tỷ lệ PM2.5/ PM10 được sử dụng trong nghiên cứu này là kết quả của một chương trình giám sát toàn diện, trong đó các mẫu được thu thập tại các địa điểm khác nhau trên khắp Hà Nội để đại diện cho tình trạng ô nhiễm không khí trên toàn thành phố.

2.2. Mô hình được sử dụng và cấu hình mô hình

Hệ thống WRF/ CMAQ đã được sử dụng rộng rãi trên toàn thế giới để nghiên cứu sự tương tác giữa khí quyển, khí tượng, các quá trình tự nhiên và các hoạt động của con người. Ví dụ, một nghiên cứu đã được thực hiện ở Trung Quốc để đánh giá tác động của trực diện lạnh đối với PM2.5 đối với đồng bằng sông Dương Tử bằng cách sử dụng hệ thống WRF/ CMAQ. Một nghiên cứu khác ở Trung Quốc đã áp dụng hệ thống WRF/ CMAQ để tạo ra một hệ thống dự báo về chất lượng không khí cho thành phố Tây An. Tại Hàn Quốc, hệ thống WRF/ CMAQ đã được sử dụng để đánh giá những đóng góp của khu vực đối với nồng độ chất dạng hạt ở Seoul. Tại Nhật Bản, hệ thống WRF/ CMAQ đã được sử dụng để đánh giá tác động của sự vận chuyển tầm xa của PM2.5 thải ra từ quá trình đốt sinh khối ở Siberia đối với chất lượng không khí ở Nhật Bản. Ở Đông Nam Á, hệ thống WRF/ CMAQ đã được áp dụng để đánh giá tác động trực tiếp của sol[1] khí đến chất lượng không khí và khí tượng ở Đông Nam Á, và chỉ ra tác động của biến đổi khí hậu đối với chất lượng không khí ở Đông Nam Á.

Hệ thống WRF/ CMAQ được sử dụng để thực hiện một mô phỏng một tháng vào tháng 12 năm 2010 cho trường hợp cơ sở và hai phân tích độ nhạy. Đầu tiên, thảo luân liên quan trường hợp cơ sở được tiến hành để xác nhận các quan sát, và sau đó, được sử dụng để giải thích tác động của khí tượng và khí thải đối với các biến thể theo thời gian của tổng PM2.5. Thứ hai, lượng phát thải do con người gây ra ở Hà Nội đã được ngắt đồng thời để xác định sự đóng góp của các nguồn phát thải trong và ngoài địa phương vào nồng độ tổng PM2.5 ở Hà Nội. Cuối cùng, từng lĩnh vực phát thải do con người gây ra ở Hà Nội lần lượt bị loại bỏ và dữ liệu phát thải sửa đổi được sử dụng làm đầu vào cho mô hình Mô hình Chất lượng Không khí Đa cấp Cộng đồng (CMAQ) để xác định mức độ đóng góp của từng lĩnh vực phát thải địa phương vào nồng độ của tổng PM2.5 tại Hà Nội.

Các thông số khí tượng được mô phỏng với mô hình Nghiên cứu và Dự báo Thời tiết (WRF) phiên bản 3.8.1 vì chúng là những yếu tố quan trọng quyết định chất lượng của AQM. Lượng mưa, PBL và thông gió khí quyển là những yếu tố quan trọng ảnh hưởng đến nồng độ này cũng như sự phân tán của PM2.5 trong khí quyển. Ba miền lớp lưới chồng lên nhau đã được sử dụng, với miền ngoài cùng (d01) chứa một ô lưới có kích thước 36 km bao phủ toàn bộ Việt Nam, hầu hết các quốc gia giáp biên giới Đông Nam Á và miền Nam Trung Quốc. Miền lưới đầu tiên, với kích thước ô lưới là 12 km, bao gồm miền Bắc và miền Trung Việt Nam (d02) và miền thứ ba, với kích thước ô lưới là 4 km, bao phủ Hà Nội (d03). Tổng số lưới của miền WRF lần lượt là 130 × 130, 127 × 124 và 112 × 109 cho d01, d02 và d03. Cấu hình WRF bao gồm mô hình bề mặt đất Noah thống nhất cho sơ đồ bề mặt đất, sơ đồ ba lớp đơn thời điểm WRF, sơ đồ Dudhia cho bức xạ sóng ngắn, mô hình truyền bức xạ nhanh (RRTMG) cho bức xạ sóng dài và sơ đồ của Đại học Yonsei cho PBL. Ngoài ra, thúc đẩy phân tích đã được sử dụng cho nhiệt độ và gió trên tất cả các miền. Dữ liệu lớp phủ đất USGS 24 được sử dụng trong quá trình mô phỏng. Tại các khu vực đô thị, lớp phủ đất đô thị với giá trị chiều dài gờ nhám (Z0 = 1.0) được sử dụng để biểu thị lực cản của các công trình ở Hà Nội. Các điều kiện ban đầu (ICON), điều kiện biên (BCON) và dữ liệu thúc đẩy phân tích được lấy từ 1⁰ × 1⁰ dữ liệu Trung tâm Quốc gia về Dự báo Môi trường (NCEP) FNL Phân tích Hoạt động Toàn cầu.

CMAQ phiên bản 5.0.2 đã được sử dụng và chạy cho d01 và d03 với mỗi miền nhỏ hơn miền WRF tương ứng bởi năm lưới ở mỗi bên (Hình 2). Độ phân giải ngang của mỗi ô lưới được sử dụng cho CMAQ giống như độ phân giải được sử dụng cho WRF. Các cấu hình chính cho CMAQ bao gồm SAPRC99 cho cơ chế hóa học và AERO05 cho mô-đun sol khí. ICON và BCON của d01 được tạo từ các cấu hình được xác định trước và BCON của d03 được tạo từ miền mẹ (d01), bao gồm các nguồn tiềm năng của PM2.5 ở Hà Nội vào tháng 12 năm 2010 chẳng hạn như phần phía đông của Trung Quốc. Ngoài ra, các bảng tra cứu được sử dụng để ước tính tỷ lệ quang phân cho các mô phỏng CMAQ. Thời gian mô phỏng được thực hiện từ ngày 28 tháng 11 đến ngày 31 tháng 12 năm 2010 với ba ngày cuối cùng của tháng 11 được dùng làm mô hình quay để giảm thiểu tác động của các ICON đối với đầu ra của mô hình.

2.3. Kiểm kê phát thải

Chúng tôi đã sử dụng Kiểm kê phát thải khu vực ở châu Á (REAS) phiên bản 2.1 làm dữ liệu đầu vào cho CMAQ. REAS cung cấp dữ liệu phát thải do con người gây ra trong quá khứ và hiện tại của các chất gây ô nhiễm không khí, bao gồm PM2.5 sơ cấp và các tiền chất của nó cho các nước châu Á trên lưới không gian ở độ phân giải 0,25⁰ × 0,25⁰. REAS bao gồm một loạt các nguồn phát thải, bao gồm giao thông, công nghiệp, nhà máy điện, nguồn dân cư và các nguồn phát thải khác do con người gây ra. Dữ liệu phát thải trong REAS được tính toán dựa trên một số yếu tố như hệ số phát thải, nhiên liệu và loại ngành. Phát thải sinh học được tính toán với Mô hình phát thải khí và khí dung từ thiên nhiên (MEGAN) v2.10. Đối với dữ liệu đầu vào, dữ liệu chỉ số diện tích lá (LAI) trung bình hàng tháng cho năm 2003 đã được sử dụng. Dữ liệu loại chức năng thực vật (PFT) và dữ liệu khí tượng cho MEGAN giống với dữ liệu được sử dụng cho CMAQ. Phát thải do đốt sinh khối được tạo ra bởi Cơ sở dữ liệu về phát thải do cháy toàn cầu (GFED) phiên bản 3.1. Phát thải của mỗi nguồn được lấy từ REASv2.1 trong miền CMAQ 3 được phân loại từ độ phân giải 0,25⁰ × 0,25⁰ (khoảng 27 × 27 km) trên mỗi ô lưới thành 4 × 4 km trên mỗi ô lưới. Tổng lượng phát thải do con người gây ra trong d01 và d03 trong tháng 12 năm 2010 lấy từ REASv2.1 được tóm tắt trong Hình 3 và 4. Đóng góp của các ngành phát thải đối với tổng lượng phát thải các chất ô nhiễm không khí trong d03 (tấn/ tháng) và đóng góp của ngành vào tổng phát thải (%) được nêu trong Bảng A1 (Phụ lục A). Theo REASv2.1, khu vực trong nước và công nghiệp là hai nguồn cung cấp PM2.5 chính. Các khí tiền chất của PM2.5 như NOx hoặc VOC được đóng góp chủ yếu từ ngành công nghiệp, khu vực trong nước và giao thông đường bộ. SO2 chủ yếu được thải ra từ lĩnh vực công nghiệp. Sự phân bố theo không gian của PM2.5 sơ cấp từ tất cả các ngành được thể hiện trong Hình 5.

2.4. Các chỉ số thống kê để đánh giá mô hình

Một số chỉ số thống kê được sử dụng để xác minh hiệu suất của mô hình, bao gồm: độ chệch trung bình (MB), lỗi bình phương trung bình gốc (RMSE), độ chệch trung bình chuẩn hóa (NMB), sai số tổng trung bình chuẩn hóa (NME), lỗi phân số trung bình (MFE), hệ số tương quan (R) và độ lệch phân số trung bình (MFB). Các công thức như sau:

trong đó Mi và Oi lần lượt là các giá trị được mô hình hóa và quan sát, và N là kích thước mẫu. Đối với các thông số khí tượng, các giá trị trung bình hàng giờ được sử dụng để tính toán số liệu thống kê (N = 744). Đối với tổng PM2.5, giá trị trung bình hàng ngày được sử dụng để tính toán số liệu thống kê (N = 31).

3. Kết quả và thảo luận

3.1. Mẫu chính thức

3.1.1. Khí tượng

Độ ẩm tương đối quan sát hàng giờ (RH), nhiệt độ (T2), tốc độ gió (WS) và hướng gió (WD) được sử dụng để xác nhận kết quả đầu ra WRF trong d03 (Hình 6). RH mô phỏng được tính toán từ T2, tỷ lệ trộn hơi nước (Q2) và áp suất không khí (P). Tương tự, Q2 ‘quan sát’ hàng giờ được tính bằng cách sử dụng T2, P và RH quan sát được. Giá trị trung bình của điểm lưới gần mỗi trạm quan trắc được sử dụng để so sánh với số liệu quan trắc trung bình. WD được quan sát tại trạm NVC được sử dụng để so sánh với các quan sát, vì đây là trạm duy nhất cung cấp dữ liệu số về WD ở Hà Nội. Bảng 2 liệt kê các tham số thống kê của hiệu suất WRF.

Sự biến thiên theo thời gian trong T2 vào tháng 12 được mô phỏng tốt bởi mô hình (R = 0,92). Phân tích thúc đẩy mô phỏng WRF cải tiến trên T2 tại Hà Nội. WRF đã đánh giá thấp các quan sát bằng 0,23⁰C, cho thấy rằng WRF mô phỏng tốt T2. WRF ghi lại sự biến thiên theo thời gian trong giếng RH thực tế (R = 0,82). Tuy nhiên, WRF đã đánh giá thấp RH 13,3%. Các đánh giá thấp của Q2 được mô phỏng bởi WRF có thể giải thích cho sự khác biệt về RH (Hình 6b). Sự thay đổi theo thời gian tổng thể trong WS thực tế đã được WRF nắm bắt tốt. Tuy nhiên, WS được WRF đánh giá cao hơn một chút là 0,58 m / s (Hình 6c). WS của gió đông bắc từ ngày 6–9, 15–17 và 25–27 của tháng 12 được WRF đánh giá quá cao (Hình 6c). Như liệt kê trong Bảng 1, hai trạm chất lượng không khí được đặt tại các khu vực đô thị. Do đó, một lý do có thể cho sự đánh giá quá cao này là gió đông bắc mạnh đã bị chặn bởi các tòa nhà cao tầng trong tình huống thực, điều này không thể tái tạo chính xác bởi WRF. Việc sử dụng đất đô thị không thể xem xét hoàn toàn tác động của các tòa nhà cao tầng đối với WS tại các địa điểm đó, dẫn đến việc đánh giá quá cao mô hình so với các quan sát. Các nghiên cứu trước đây sử dụng mô hình WRF cũng cho thấy rằng WS được mô phỏng bởi WRF thường đánh giá quá cao WS quan sát được trên các địa hình phức tạp như khu vực thành thị hoặc miền núi. Để hỗ trợ các cuộc thảo luận của chúng tôi về WS, chúng tôi đã bao gồm dữ liệu WS nguyên từ bốn trạm khí tượng không có các tòa nhà cao bao quanh, đó là trạm khí tượng Lang, trạm Sơn Tây, trạm Ba Vì và trạm Hà Đông (Hình 1, Bảng 1). WS được mô phỏng bởi WRF cũng thống nhất với những điều quan sát được tại các trạm khí tượng khi có gió mạnh (Hình 6c). WD đã được WRF tái tạo chính xác vào tháng 12. Kết quả mô phỏng cho thấy vào tháng 12 năm 2010, WDs phổ biến là phía bắc và đông bắc. Tuy nhiên, từ ngày 9 đến ngày 15 tháng 12, WDs chính ở phía nam và đông nam.

3.1.2. Tổng nồng độ PM2.5

Tương tự với các thông số khí tượng, các giá trị trung bình của lưới điểm của PM2.5 mô phỏng gần nhất với hai trạm chất lượng không khí ở d03 được so sánh với giá trị trung bình của PM2.5 quan trắc được tại các trạm NVC và Láng (Hình 7). Tổng PM2.5 là tổng các thành phần của nó (PM2.5 sơ cấp, sol khí hữu cơ thứ cấp (SOA), carbon hữu cơ sơ cấp (POC), EC, NO- 3, SO2 4- và NH4 +). Bảng 3 cho thấy các tham số thống kê được sử dụng để đánh giá hiệu suất của mô hình.

Nồng độ PM2.5 được mô phỏng tương đồng đáng chú ý với PM2.5 được quan sát (Hình 7) với R = 0,77 đáp ứng các tiêu chí do Emery và cộng sự đưa ra (2017). Các giá trị của MFB và MFE cho hiệu suất mô hình trên PM2.5 đáp ứng tiêu chí hoạt động của mô hình (MFB ≤ ± 60% và MFE ≤ 75%). Hơn nữa, Emery và cộng sự (2017) tuyên bố rằng mô phỏng có thể chấp nhận được nếu giá trị NMB nằm trong khoảng -30% và +30% và giá trị NME<50%. Tiêu chí này đã được CMAQ đáp ứng trong nghiên cứu này. Mặc dù CMAQ đã đánh giá quá cao một số đỉnh của nồng độ PM2.5, nhưng mô hình đã tái tạo một cách hiệu quả phạm vi nồng độ thấp của PM2.5 vào tháng 12. CMAQ đã đánh giá quá cao các quan sát khoảng 11,2%. Tuy nhiên, mô phỏng PM2.5 phù hợp với phân tích độ nhạy mô hình của các yếu tố kiểm soát PM2.5 tại Hà Nội vào tháng 12 năm 2010.

3.2. Tác động của các yếu tố kiểm soát đến các biến thể PM2.5

Hệ thống WRF/ CMAQ cho thấy một hiệu suất tốt khi mô phỏng khí tượng và tổng PM2.5. Sự thống nhất tốt giữa mô phỏng và quan sát cung cấp nền tảng vững chắc để phân tích tác động của các yếu tố kiểm soát đến phân bố PM2.5 và mô phỏng độ nhạy.

Cả PM2.5 được mô phỏng và quan sát đều cho thấy sự thay đổi rõ ràng vào ban ngày với nồng độ đỉnh thường xuất hiện vào ban đêm, được chồng lên trên một sự thay đổi cơ bản rõ ràng với thang thời gian từ một tuần đến 10 ngày (Hình 7). Nồng độ đỉnh ban đêm của PM2.5 được khảo sát trong các nghiên cứu trước đây cho thấy nồng độ đỉnh của PM2.5 có thể xuất hiện vào ban đêm do sự hình thành PM2.5 thứ cấp trong điều kiện trì trệ hoặc sự nghịch đảo nhiệt độ bức xạ ban đêm. Một nguyên nhân khác khiến nồng độ PM2.5 cao hơn ở Hà Nội có thể là do tác động của sự phát triển ngày của lớp ranh giới hành tinh (PBL). PM2.5 và các tiền chất của nó được thải vào khí quyển tích tụ qua đêm, gây ra nồng độ PM2.5 cao khi độ cao PBL thấp. Sự thay đổi đường cơ sở của nồng độ PM2.5 có mối quan hệ chặt chẽ với WS, WD và lượng mưa. Kết quả điều tra ảnh hưởng của các yếu tố khí tượng này đến PM2.5 ở Hà Nội được trình bày dưới đây.

Dựa trên sự thay đổi thời gian cơ bản của PM2.5 với thang thời gian khoảng 1 tuần đến 10 ngày (Hình 7), chúng tôi chia chuỗi thời gian của nồng độ PM2.5 thành ba giai đoạn: Từ ngày 1-10, ngày 11 – 16 và ngày 17-31. Khoảng thời gian thứ nhất và thứ ba thể hiện nồng độ PM2.5 cao trong khi khoảng thời gian thứ hai thể hiện nồng độ PM2.5 thấp. Sự khác biệt về tổng nồng độ PM2,5 giữa ba khoảng thời gian có thể được quan sát thấy không chỉ ở Hà Nội, mà trên một khu vực rộng hơn xung quanh thành phố, cũng như khu vực phía nam của Trung Quốc, đặc biệt là giữa khoảng thời gian thứ hai và thứ nhất và thứ ba. Sự khác biệt này là do hiện tượng quy mô khái quát có liên quan đến nhiễu loạn khí tượng theo quy mô khái quát. Trong số nhiều yếu tố khí tượng, WS và WD có thể ảnh hưởng mạnh đến nồng độ các chất ô nhiễm không khí. Các nghiên cứu trước đây đã chỉ ra rằng các chất gây ô nhiễm không khí có thể được vận chuyển qua các lục địa hoặc quốc gia, tùy thuộc vào WS và WD. Gió có thể cải thiện hoặc làm xấu đi chất lượng không khí của một địa điểm nhất định bằng cách mang các chất ô nhiễm không khí đi hoặc mang các chất ô nhiễm không khí từ các khu vực xung quanh vào. Ở Hà Nội, gió có thể giảm (nếu gió bắt đầu thổi từ các khu vực sạch hoặc từ các nguồn phát thải cục bộ) hoặc tăng nồng độ PM2.5 (nếu gió bắt đầu thổi từ khu vực ô nhiễm cao sang khu vực ít ô nhiễm hơn). Theo Hình 5, phát thải tổng PM2.5 ở miền đông Trung Quốc cao hơn ở miền bắc Việt Nam. Do đó, khi gió Đông Bắc bắt đầu thổi từ Trung Quốc, nó sẽ mang theo PM2.5 và các khí tiền chất đến Hà Nội và các tỉnh miền Bắc Việt Nam. Điều này cho thấy mối quan hệ rất phức tạp giữa gió và ô nhiễm không khí PM2.5 ở Hà Nội vào tháng 12 năm 2010.

Các hình thái gió quy mô khu vực xung quanh Hà Nội trong ba khoảng thời gian này tương tự nhau, vì gió đông bắc đến từ miền nam Trung Quốc, chuyển sang hướng tây gần Hà Nội, đi qua thành phố và đi theo hướng bắc. Do đó, không phải WD mà là sự khác biệt về nồng độ PM2.5 trong vùng gió ngược là nguyên nhân chính gây ra hiện tượng quy mô khái quát này. Trong khoảng thời gian thứ nhất và thứ ba, nồng độ PM2.5 ở miền nam Trung Quốc >60 µg/m3 (Hình 8a, c), và gió đông bắc mạnh đã mang PM2.5 và các khí tiền chất của nó đến Hà Nội. Tuy nhiên, đã có một lượng mưa trên diện rộng ở miền đông Trung Quốc và miền bắc Việt Nam trong khoảng thời gian thứ hai, làm giảm đáng kể nồng độ PM2.5 xuống <60 µg/m3 (Hình 8b, d). Đồng thời, một đợt không khí lạnh mạnh tràn đến từ phía đông bắc đã mang theo các khối khí ô nhiễm thấp từ miền nam Trung Quốc đến Hà Nội.

Nồng độ PM2.5 tại trung tâm Hà Nội dao động từ 90 – 150 µg/m3 trong khi các khu vực lân cận dao động từ 60 – 90 µg/m3, có nghĩa là lượng khí thải cục bộ cũng góp phần vào sự phân bố PM2.5 (Hình 8a, c ). Trong khoảng thời gian thứ hai, nồng độ PM2.5 ở Hà Nội chỉ dao động trong khoảng 30 – 60 µg/m3 (Hình 8b).

Sự khác biệt về nồng độ PM2.5 giữa khoảng thời gian thứ hai và khoảng thời gian thứ nhất và thứ ba được xác định do tác động tổng hợp của các quá trình vật lý thông qua khí tượng, bao gồm lượng mưa quy mô lớn, sự đối lưu của gió và các nguồn phát thải cục bộ.

3.3. Phân tích độ nhạy

Phần này trình bày một phân tích định lượng sâu hơn về đóng góp của các nguồn phát thải địa phương (nội thành Hà Nội) và không địa phương (ngoại ô Hà Nội) cũng như đóng góp của từng lĩnh vực phát thải vào tổng PM2.5 ở Hà Nội, thông qua mô phỏng độ nhạy với việc sử dụng dữ liệu bị xáo trộn.

3.3.1. Đóng góp của các nguồn phát thải địa phương và ngoài địa phương lên tổng PM2.5 ở Hà Nội

Phương pháp zero-out được áp dụng trong nghiên cứu này để tìm ra những đóng góp của các nguồn phát thải trong và ngoài địa phương đối với nồng độ PM2.5 ở Hà Nội vào tháng 12 năm 2010. Tất cả các phát thải do con người gây ra ở Hà Nội, được sử dụng trong mô phỏng CMAQ để chỉ các nguồn phát thải ngoài địa phương và nồng độ nền đã tạo nên tổng nồng độ PM2.5 ở Hà Nội. Các cài đặt mô phỏng khác, ICON và BCON, được giữ nguyên như trường hợp cơ sở. Sự khác biệt giữa PM2.5 được mô phỏng trong trường hợp cơ sở (với nguồn phát xạ cục bộ và không cục bộ) và mô phỏng không có nguồn phát xạ cục bộ có thể được coi là sự đóng góp của các nguồn phát thải cục bộ. Ngoài ra, đóng góp của địa phương và ngoài địa phương được ước tính cho mức độ ô nhiễm PM2.5 thấp và cao riêng biệt cũng như mức độ ô nhiễm tổng thể. Mức độ ô nhiễm PM2.5 thấp bao gồm tất cả các nồng độ PM2.5 hàng giờ nhỏ hơn 25% của tổng nồng độ PM2.5 hàng giờ. Tương tự, mức độ ô nhiễm PM2.5 cao bao gồm tất cả các nồng độ PM2.5 hàng giờ lớn hơn 75% của tổng nồng độ PM2.5 hàng giờ. Chúng tôi cũng ước tính sự đóng góp tương đối của các nguồn phát thải tại chỗ và ngoài địa phương đối với ô nhiễm không khí PM2.5 không chỉ đối với Hà Nội nói chung, mà còn đối với một số địa điểm thành thị và nông thôn trong thành phố, để hiểu những đóng góp này thay đổi như thế nào ở các địa điểm khác nhau.

Vào tháng 12 năm 2010, các nguồn ô nhiễm địa phương và không địa phương đóng góp tương tự về mức độ ô nhiễm chung của thành phố (Hình 9a). Các nguồn phát thải địa phương đóng góp nhiều hơn vào tổng PM2.5 ở Hà Nội ở mức ô nhiễm cao và ít hơn ở mức ô nhiễm thấp (Hình 9a). Tuy nhiên, sự đóng góp của các nguồn địa phương và ngoài địa phương vào tổng nồng độ PM2.5 về cơ bản khác nhau tùy thuộc vào vị trí. Tại các khu vực đô thị (NVC, Láng và Hà Đông), các nguồn phát thải cục bộ đóng góp nhiều hơn vào tổng PM2.5 ở mức ô nhiễm cao và ít hơn ở mức ô nhiễm thấp hơn so với các nguồn phát thải ngoài địa phương (Hình 9b, c, f), với các nguồn phát thải lần lượt là 55%, 62% và 40% tại trạm NVC và 57%, 63% và 46% tại trạm Láng với mức độ ô nhiễm trung bình, cao và thấp.

Trong khi trạm Hà Đông được phân loại là trạm nông thôn trong nghiên cứu này, do điều kiện xung quanh là các bãi cỏ và khu dân cư, bản thân Hà Đông là một quận nội thành nằm gần khu vực phát triển nhất của Hà Nội, do đó bị ảnh hưởng bởi đô thị hóa và công nghiệp hóa thành phố. Các nguồn phát thải cục bộ bao gồm 55%, 58% và 42% tổng nồng độ PM2.5 trong khi các nguồn ngoài địa phương bao gồm 45%, 42% và 58% tổng nồng độ PM2.5, tương ứng mức độ ô nhiễm tổng thể, cao và thấp. Điều này có thể đã bị ảnh hưởng bởi mật độ các nguồn ô nhiễm cao trong các khu vực đô thị. Ngược lại, các nguồn phát thải ngoài địa phương là nguyên nhân chính của PM2.5 đối với tất cả các mức độ ô nhiễm ở các vùng nông thôn của Ba Vì và Sơn Tây. Các chất ô nhiễm không khí đến từ các nguồn phát thải ngoài địa phương chiếm 71%, 67% và 77% tổng nồng độ PM2.5 tại trạm Ba vì tương ứng đối với mức độ ô nhiễm tổng thể, cao và thấp (Hình 9d). Tương tự, các nguồn phát thải ngoài địa phương chiếm 62%, 58% và 68% tổng nồng độ PM2.5 tại trạm Sơn Tây tương ứng đối với mức độ ô nhiễm tổng thể, cao và thấp (Hình 9e). Điều này được hỗ trợ bởi thực tế là các nguồn phát thải địa phương đóng góp chủ yếu vào PM2.5 ở khu vực thành thị trong khi các nguồn phát thải ngoài địa phương đóng góp nhiều hơn vào PM2.5 ở khu vực nông thôn. Do đó, cần chú ý đến các nguồn phát thải cục bộ và không cục bộ khi xử lý ô nhiễm PM2.5 tại Hà Nội.

3.3.2. Ô nhiễm xuyên biên giới tầm xa ở các khu vực đô thị do các sự kiện sóng lạnh gây ra

Có một số sự kiện đặc biệt liên quan đến sự đóng góp lớn từ các nguồn ô nhiễm ngoài địa phương, tại các trạm nằm trong khu vực đô thị; đặc biệt, có ba sự kiện trong đó sự đóng góp của các nguồn ngoài địa phương chiếm gần như tất cả nồng độ PM2.5 tại hai trạm đô thị (NVC và Láng; Hình 10, đường đứt nét). Những sự kiện này liên quan đến các đợt lạnh tăng cường, thường xảy ra vào mùa đông và có thể vận chuyển các chất ô nhiễm không khí từ các địa điểm khác đến Hà Nội.

Trong tháng 12, ba đợt lạnh tăng cường đã được ghi lại bằng mô hình WRF (Hình 10). Các tiêu chí được thiết lập trong được sử dụng để xác định một đợt lạnh tăng cường (T2 giảm (≥4 ◦C) và WS (≥3 m/s)). WS tối đa cho mỗi sự kiện là

  • ngày 7 tháng 12: 4,74 m/s
  • ngày 15 tháng 12: 6,2 m/s
  • ngày 25 tháng 12: 4,9 m/s

Những cơn gió mạnh này chủ yếu xuất phát từ phía Bắc Hà Nội thổi bay các chất gây ô nhiễm không khí cục bộ và đưa các chất ô nhiễm không khí từ các nguồn phát thải không thuộc địa phương vào thành phố. Do đó, sự đóng góp của các nguồn ngoài địa phương chiếm ưu thế trong các sự kiện này. Sự đóng góp tương đối của các nguồn phi địa phương như một chức năng của WS và WD cho thấy sự chiếm ưu thế của sự đóng góp của các nguồn phi địa phương đối với gió Bắc Đông Bắc mạnh (Hình 11). Lưu ý rằng không phải tất cả các sự kiện lạnh tăng cường đều liên quan đến ô nhiễm không khí xuyên biên giới nghiêm trọng. Ví dụ, sự kiện lạnh tăng cường thứ hai cũng cho thấy sự đóng góp chủ yếu của các nguồn ô nhiễm không phải địa phương, nhưng tổng nồng độ PM2.5 thấp do nồng độ PM2.5 đã cạn kiệt trong vùng gió ngược (Hình 8b).

3.3.3. Đóng góp của các khu vực phát thải khác nhau ở Hà Nội vào Tổng nồng độ PM2.5

Chúng tôi đã thực hiện một mô phỏng độ nhạy bổ sung để ước tính sự đóng góp của từng nguồn phát thải địa phương vào tổng PM2.5 ở Hà Nội. Trong phân tích độ nhạy này, chúng tôi cũng áp dụng phương pháp zero-out bằng cách tắt lần lượt phát thải ở Hà Nội từ từng nguồn trong số bốn nguồn chính và sử dụng dữ liệu phát thải đã sửa đổi làm dữ liệu đầu vào cho CMAQ. Các cài đặt mô phỏng khác, ICON và BCON, được giữ nguyên như trường hợp cơ sở. Vì kiểm kê phát thải REAS được sử dụng trong nghiên cứu này, nên kết quả của phân tích độ nhạy này phụ thuộc vào việc lựa chọn kiểm kê phát thải này. Ở đây, chúng tôi tập trung vào bốn nguồn phát thải ở Hà Nội: giao thông, công nghiệp, nguồn dân cư và nhà máy điện. Các lĩnh vực phát thải khác được nhóm thành “Khác”.

Theo kết quả của các mô phỏng CMAQ, vào tháng 12 năm 2010, các nguồn công nghiệp và dân cư là hai nguồn địa phương chính của PM2.5 ở Hà Nội, chiếm khoảng 79% tổng nồng độ PM2.5. Các ngành vận tải và điện chỉ đóng góp lần lượt 2% và 3% vào tổng nồng độ PM2.5 (Hình 12). Những phát hiện này khác với những phát hiện trong các nghiên cứu trước đây về PM2.5 ở Hà Nội. Cohen và cộng sự (2010) báo cáo rằng khí thải xe cộ đóng góp khoảng 40,2% vào nồng độ PM2,5, tiếp theo là công nghiệp (18,7%), khai thác than (17%), khói (12,7%), sunfat thứ cấp (7,8%) và đất (3,4%) . Ngược lại, Hai và Kim Oanh (2013) quan sát thấy hỗn hợp thứ cấp là nguồn chính của PM2.5 (40%), tiếp theo là sunfat thứ cấp (16%), nấu ăn dân dụng/ thương mại (16%), aged sea-salt (11%), vận tải (dầu diesel) (10%), công nghiệp (6%), và xây dựng/đất (1%). Một số yếu tố như phương pháp, loại dữ liệu được sử dụng trong mỗi nghiên cứu, số lượng và loại nguồn phát thải được xem xét, cũng như khoảng thời gian của mỗi nghiên cứu có thể đã giải thích cho sự khác biệt giữa kết quả được trình bày trong nghiên cứu của chúng tôi và những kết quả trước đó. Theo Cohen và cộng sự, các mẫu chỉ được thu thập tại một địa điểm ở Hà Nội, từ năm 2000-2008, Kỹ thuật phân tích nhân tử ma trận dương (PMF) được sử dụng để xác định sự đóng góp của các nguồn phát thải. Tương tự, ở nghiên cứu của Hải và Kim Oanh, mô hình thụ thể PMF được sử dụng cho các mẫu thu thập chỉ tại một địa điểm ở Hà Nội từ ngày 12 tháng 1 – 20 tháng 2 năm 2007 cho phân bổ nguồn PM2.5. Mặt khác, kết quả nghiên cứu mô hình của chúng tôi được tính toán cho toàn thành phố dựa trên dữ liệu phát thải REASv2.1. Một trong những nhược điểm của phương pháp lấy mẫu được sử dụng trong các nghiên cứu trước đây là kết quả phân bổ nguồn PM2.5 phụ thuộc phần lớn vào vị trí của các mẫu được thu thập. Sử dụng các phương pháp mô hình hóa, kết quả của chúng tôi đại diện cho phân phối nguồn của PM2.5 cho toàn thành phố. Tuy nhiên, cần lưu ý rằng dữ liệu phát thải của Việt Nam trong REASv2.1 được phát triển bằng cách sử dụng dữ liệu đầu vào quốc tế ở độ phân giải ngang 0,25⁰ × 0,25⁰. Do đó, số lượng nguồn phát xạ, độ phân giải ngang của REASv2.1 cũng như lượng phát thải bên trong các miền mô hình hóa cũng có thể là lý do cho sự khác biệt nêu trên. Trong dự án sử dụng mô hình GAINS và EMEP, việc phân bổ nguồn PM2.5 ở Việt Nam cũng đã được tiến hành. Kết quả cho thấy giao thông đường bộ là nguồn gây ô nhiễm không khí chính ở Hà Nội với khoảng 25% đóng góp, tiếp theo là các nhà máy điện và công nghiệp lớn (20%), nấu ăn dân dụng (15%), phát thải amoniac từ chăn nuôi và phân bón (15%), đốt chất thải nông nghiệp lộ thiên (7%), và từ các lĩnh vực khác (18%). Cả hai nghiên cứu đều sử dụng phương pháp mô hình hóa để ước tính tỷ trọng nguồn cho PM2.5 ở Hà Nội. Có một số yếu tố có thể dẫn đến sự khác biệt giữa kết quả nghiên cứu của chúng tôi và kết quả của nghiên cứu khác như sự khác biệt về dữ liệu phát thải đầu vào, năm mục tiêu của mỗi nghiên cứu hoặc các mô hình được sử dụng trong mỗi nghiên cứu. Trong số này, dữ liệu phát thải đầu vào được sử dụng trong mỗi nghiên cứu có thể là lý do chính dẫn đến sự khác biệt trong kết quả của mỗi mô phỏng phân bổ nguồn.

Phương pháp zero-out được sử dụng trong nghiên cứu này là một trường hợp đặc biệt của phương pháp brute-force đã được sử dụng rộng rãi để ước tính sự đóng góp của các nguồn phát thải cục bộ và không cục bộ, hoặc các nguồn phát thải ngành đối với nồng độ chất ô nhiễm không khí tại các địa điểm cụ thể. BFM định lượng sự đóng góp của một hoặc nhiều nguồn phát thải vào nồng độ các chất ô nhiễm không khí tại các địa điểm cụ thể thông qua một loạt các mô phỏng bao gồm mô phỏng trường hợp cơ sở không có thay đổi đối với nguồn phát thải và các mô phỏng khác với lượng khí thải được sửa đổi. Sự khác biệt về nồng độ các chất ô nhiễm không khí giữa mô phỏng trường hợp cơ sở và mô phỏng với phát thải sửa đổi có thể được coi là sự đóng góp của các nguồn phát thải riêng lẻ vào các địa điểm cụ thể đó. Sự đóng góp nguồn ước tính của BFM gần như tỷ lệ tuyến tính với nhiễu đối với PM2.5 sơ cấp (BC, OC sơ cấp) nhưng không tuyến tính phụ thuộc vào độ nhiễu đối với PM2.5 thứ cấp (sulphat, nitrat, v.v.), có thể tạo ra độ nhiễu không chắc chắn trong ước tính đóng góp nguồn. Ví dụ, một số phân tích AQM quy mô toàn cầu đã chỉ ra rằng sự thay đổi trong sulphat do giảm 100% lượng phát thải SO2 do con người tính theo phương pháp zero-out có xu hướng lớn hơn do giảm phát thải SO2 nhỏ hơn (ví dụ: 25%), cho thấy rằng các kết quả trong nghiên cứu này có thể chịu hiệu ứng phi tuyến tính. Tuy nhiên, đánh giá định lượng về tác động này nằm ngoài phạm vi của nghiên cứu này.

4. Đề xuất Cải tiến trong Nghiên cứu Mô hình hóa Tương lai về PM2.5 tại Hà Nội

Nghiên cứu này là nghiên cứu điển hình đầu tiên đánh giá tác động của các nguồn phát thải và khí tượng đến nồng độ PM2.5 ở Hà Nội bằng hệ thống WRF/ CMAQ. Dựa trên kết quả của nghiên cứu này, chúng tôi đưa ra một số gợi ý để cải thiện các nghiên cứu mô hình hóa trong tương lai cho PM2.5 tại Hà Nội:

Mặc dù REASv2.1 đã được sử dụng rộng rãi cho các nghiên cứu chất lượng không khí ở các nước Châu Á, dữ liệu phát thải của Việt Nam trong REASv2.1 được phát triển dựa trên dữ liệu quốc tế ở độ phân giải ngang 0,25⁰ × 0,25⁰. Để có các nghiên cứu mô hình tốt hơn về PM2.5 ở Hà Nội, dữ liệu đầu vào của địa phương cũng nên được sử dụng để phát triển kiểm kê phát thải cho Hà Nội ở độ phân giải ngang cao hơn, phù hợp hơn cho mô phỏng tại các khu vực đô thị.

Mô phỏng một tháng trong một năm cụ thể (tháng 12 năm 2010) được thực hiện trong nghiên cứu này để đánh giá sự đóng góp của từng nguồn phát thải vào tổng PM2.5 ở Hà Nội. Điều này có thể không đủ dài để phản ánh tình hình chung của ô nhiễm không khí PM2.5 ở Hà Nội vì lượng phát thải và nồng độ của PM2.5 và các tiền chất của nó thay đổi theo mùa, theo năm và nguồn phát thải. Một nghiên cứu mô hình toàn diện hơn cho một năm nên được thực hiện bao gồm tất cả các mùa để cung cấp một cái nhìn bao quát và toàn diện hơn về ô nhiễm không khí PM2.5 ở Hà Nội.

Chỉ có hai trạm giám sát ở Hà Nội vào tháng 12 năm 2010 với dữ liệu về PM phù hợp để xác nhận các mô phỏng CMAQ. Các nghiên cứu mô hình hóa trong tương lai nên xem xét bao gồm nhiều địa điểm giám sát hơn để xác nhận tốt hơn các mô phỏng CMAQ.

5. Kết luận

Nghiên cứu này là nghiên cứu điển hình đầu tiên điều tra tác động của các nguồn phát thải và khí tượng (Lượng mưa, WS và WD) đối với nồng độ PM2.5 ở Hà Nội vào tháng 12 năm 2010, sử dụng hệ thống WRF/ CMAQ. WRF ghi lại các biến thể theo thời gian trong T2, WS và RH. WRF đã đánh giá quá cao WS chủ yếu do không đại diện đầy đủ về tác động của các tòa nhà cao tầng gần địa điểm NVC. Về chất lượng của các mô phỏng CMAQ, mô hình đã nắm bắt được sự thay đổi theo thời gian trong tổng PM2.5 quan sát được. Tuy nhiên, CMAQ có xu hướng đánh giá quá cao PM2.5 quan sát được ở nồng độ đỉnh. Nghiên cứu này trình bày những phát hiện mới về đóng góp của các nguồn phát thải địa phương và ngoài địa phương, cũng như đóng góp của các lĩnh vực phát thải địa phương đối với PM2.5 ở Hà Nội vào tháng 12 năm 2010. Nghiên cứu này là cơ sở tốt cho các nghiên cứu môi trường tiếp theo để hỗ trợ quản lý chất lượng không khí tại Hà Nội và khu vực.

Ở quy mô lớn hơn, lượng mưa có thể tác động tích cực đến nồng độ PM2.5 bằng cách loại bỏ các chất ô nhiễm không khí ở các khu vực xung quanh, bao gồm cả miền đông Trung Quốc. Kết quả là đã giảm đáng kể sự đóng góp của ô nhiễm không khí xuyên biên giới vào ô nhiễm PM2.5 ở Hà Nội. WS và WD cũng là những yếu tố quan trọng ảnh hưởng đến nồng độ PM2.5 trong mùa đông. WS cao cho thấy tác động của các nguồn ngoài địa phương chiếm ưu thế so với tác động của các nguồn địa phương lên chất lượng không khí ở Hà Nội khi nồng độ PM2.5 trong gió ngược cao. Ngược lại, khi nồng độ PM2.5 của gió ngược thấp, WS cao không mang lại nồng độ PM2.5 cao do không phải nguồn gốc địa phương mà là loại bỏ các chất ô nhiễm không khí cục bộ khỏi thành phố.

Hai mô phỏng độ nhạy đã được thiết lập trong nghiên cứu này. Mô phỏng đầu tiên nghiên cứu tác động tương đối của tổng PM2.5 và các tiền chất của nó được phát ra từ các nguồn phát thải trong và ngoài địa phương, đối với chất lượng không khí ở Hà Nội, trong khi mô phỏng thứ hai xác định lĩnh vực phát thải cục bộ chính của PM2.5 ở Hà Nội vào tháng 12 năm 2010. Kết quả của mô phỏng đầu tiên cho thấy các nguồn phát thải cục bộ và không cục bộ đóng góp tương tự vào tổng nồng độ PM2.5, khi các phạm vi nồng độ tổng thể được xem xét và lấy trung bình trên toàn bộ khu vực Hà Nội. Các nguồn tại chỗ và ngoài địa phương lần lượt chiếm 57% và 43% tổng nồng độ PM2.5 ở mức ô nhiễm cao, và 42% và 58% ở mức ô nhiễm thấp. Tại các khu vực đô thị, các nguồn phát thải cục bộ đã đóng góp nhiều hơn vào tổng nồng độ PM2.5, đặc biệt là trong các mức ô nhiễm chung và cao. Tuy nhiên, các nguồn phát thải cục bộ có tác động thấp hơn so với các nguồn phát thải ngoài địa phương đến chất lượng không khí ở các vùng nông thôn. Trong các sự kiện WS cao (dâng cao), PM2.5 vận chuyển từ bên ngoài Hà Nội có thể trở thành nguồn chính của tổng PM2.5 ngay cả ở các khu vực thành thị. Kết quả của mô phỏng thứ hai cho thấy các nguồn PM2.5 địa phương chính ở Hà Nội vào tháng 12 năm 2010 là các hoạt động công nghiệp và dân cư, đóng góp 79% vào tổng PM2.5, trong khi các ngành giao thông và điện chỉ đóng góp 2% và 3% cho tổng PM2,5 tương ứng.

Chú thích:

[1] Sol khí hay son khí, sôn khí, aerosol – là hệ keo của các hạt chất rắn hoặc các giọt chất lỏng, trong không khí hoặc chất khí khác. Aerosol có nguồn gốc từ tự nhiên hoặc từ con người. Ví dụ cho sol khí tự nhiên là sương mù, dịch tiết của rừng và mạch nước phun.

Nguồn: Nguyen TH, Nagashima T, Doan Q-V. Air Quality Modeling Study on the Controlling Factors of Fine Particulate Matter (PM2.5) in Hanoi: A Case Study in December 2010. Atmosphere. 2020; 11(7):733. https://doi.org/10.3390/atmos11070733

Dịch: Lê Minh Tân