李 洋,唐 偉,杜謹宏,張眾志,杜曉惠,2,薛志鋼,孟 凡,柴發(fā)合

“2+26”城市秋冬季大氣污染治理措施效果評估

李 洋1,唐 偉1*,杜謹宏1,張眾志1,杜曉惠1,2,薛志鋼1,孟 凡1,柴發(fā)合1

(1.中國環(huán)境科學(xué)研究院大氣環(huán)境研究所,北京 100012；2.北京師范大學(xué)水科學(xué)研究院,北京 100875)

針對京津冀及周邊“2+26”城市秋冬季不同大氣污染治理措施的減排量進行核算, 結(jié)果表明, 2017～2018年秋冬季“2+26”城市SO2,NO,VOCs,PM2.5和PM10的總減排量分別為43.26,20.63,18.36,28.00和47.31萬t, 2018～2019年秋冬季“2+26”城市SO2,NO,VOCs,PM2.5和PM10的總減排量分別為16.68,18.11,11.03,17.04和25.33萬t.基于此,采用CAMx模型對各項措施的減排效果進行模擬評估,采取措施后,2017～2018年秋冬季“2+26”城市SO2,NO,PM2.5和PM10濃度的平均下降量(下降率)分別為22.69μg/m3(42.67%),33.22μg/m3(37.81%),24.28μg/m3(22.58%)和31.26μg/m3(18.67%), 2018～2019年秋冬季“2+26”城市SO2,NO,PM2.5和PM10濃度的平均下降量(下降率)分別為9.36μg/m3(26.86%),25.73μg/m3(30.62%),16.38μg/m3(16.09%)和20.43μg/m3(12.33%).2017～2018年秋冬季各項措施對PM2.5濃度的平均減排效率排序依次為:“散亂污”企業(yè)治理>交通運輸結(jié)構(gòu)調(diào)整>企業(yè)錯峰生產(chǎn)>民用散煤替代>燃煤鍋爐綜合整治,2018～2019年秋冬季各項措施對PM2.5濃度的平均減排效率排序依次為:重點行業(yè)升級改造>企業(yè)錯峰生產(chǎn)>“散亂污”企業(yè)治理>交通運輸結(jié)構(gòu)調(diào)整>民用散煤替代>燃煤鍋爐綜合整治.

“2+26”城市；空氣質(zhì)量模擬；PM2.5；減排效果評估

近年來在經(jīng)濟快速發(fā)展的同時,京津冀大氣環(huán)境污染問題也日益凸顯[1-3].由于過高的大氣污染物排放量以及較為不利的氣象條件,致使京津冀及周邊地區(qū)秋冬季重污染天氣頻發(fā)[4-7].為改善環(huán)境空氣質(zhì)量,生態(tài)環(huán)境部相繼出臺了《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》[8]和《京津冀及周邊地區(qū)2018～2019年秋冬季大氣污染綜合治理攻堅行動方案》[9],方案中明確了具體實施范圍為京津冀及周邊“2+26”城市(以下簡稱“2+26”城市),作為我國PM2.5污染較為嚴(yán)重的地區(qū),不少專家學(xué)者圍繞“2+26”城市大氣污染開展了相關(guān)研究,李慧等[10]利用監(jiān)測數(shù)據(jù)對“2+26”城市大氣污染特征及其影響因素進行了分析;朱媛媛等[11-12]基于NAQPMS模型和情景模擬方法對京津冀及周邊地區(qū)疫情期間以及重污染過程期間大氣污染物減排效果進行了評估;許云凡等[13]利用WRF-NAQPMS/OSAM 模型對“2+26”城市進行了PM2.5來源解析;王德羿等[14]采用RegAEMS模型對一次重污染過程期間“2+26”城市PM2.5進行了來源解析;王恰等[15]利用大氣污染物濃度監(jiān)測數(shù)據(jù)分析了“2+26”城市大氣污染聯(lián)合防治行動所取得的效果;張眾志等[16]對比分析了不同氣象參數(shù)化方案對“2+26”城市春節(jié)期間PM2.5濃度模擬差異的影響.

空氣質(zhì)量數(shù)值模型作為當(dāng)前較為科學(xué)、先進的技術(shù)手段,可以定量分析污染物排放變化對區(qū)域PM2.5濃度的影響[17-19].區(qū)域空氣質(zhì)量模型Comprehensive Air Quality Model with extensions (CAMx)作為主流空氣質(zhì)量模型之一,已被國內(nèi)外研究學(xué)者廣泛應(yīng)用于空氣質(zhì)量數(shù)值模擬及減排措施效果評估中[20-23],鐘嶷盛等[24]利用WRF-CAMx模型對北京“9?3”閱兵活動及重污染過程期間的應(yīng)急減排措施效果進行了對比分析;賈佳等[25]采用CAMx-PSAT模型定量分析了APEC期間北京周邊不同區(qū)域、不同污染源的控制措施對北京空氣質(zhì)量的改善效果;伯鑫等[26]利用CAMx模型模擬并分析現(xiàn)狀和化解產(chǎn)能情景下京津冀地區(qū)鋼鐵行業(yè)大氣污染物對區(qū)域空氣質(zhì)量的影響;曹云擎等[27]利用CAMx-PSAT模型對“2+26”城市一次污染過程PM2.5化學(xué)組分和來源解析進行了研究.盡管目前國內(nèi)外學(xué)者針對包括京津冀及周邊地區(qū)大氣污染成因已開展了許多研究工作,但針對2017～2019年秋冬季大氣污染治理措施減排和效果系統(tǒng)性評估的對比研究相對較少,本文對“2+26”城市2017年10月1日～2018年3月31 日和2018年10月1日～2019年3月31日連續(xù)兩個秋冬季不同大氣污染治理措施的污染物減排量進行了估算,并利用CAMx- PSAT模型對“2+26”城市不同措施的減排效果進行了量化評估,對比分析了不同減排措施的減排效果,研究成果可為該地區(qū)大氣污染治理措施長期規(guī)劃的制定提供參考依據(jù).

1 研究方法

1.1 污染物減排量估算方法

2017年秋冬季大氣污染治理措施包括民用散煤替代、燃煤鍋爐綜合治理、企業(yè)錯峰生產(chǎn)、交通運輸結(jié)構(gòu)調(diào)整、“散亂污”企業(yè)治理等強化措施,2018年在繼續(xù)推進落實2017年大氣污染治理措施的基礎(chǔ)上又增加了重點行業(yè)升級改造.針對不同大氣污染治理措施采取不同的污染物減排量估算方法[28-29],主要涉及SO2、NO、VOCs、CO、PM10、PM2.5、NH3、OC、EC等污染物.

(1)民用散煤替代是通過逐村統(tǒng)計煤改電、煤改氣戶數(shù),并基于各地戶均燃煤量計算燃煤核減量,進而核算污染物減排量[30-32].散煤使用削減量通過下式計算:

式中:為各城市“煤改電”、“煤改氣”(以下簡稱“雙替代”)的戶數(shù),戶;為各城市農(nóng)村居民戶均散煤使用量,t/戶.

SO2減排量依據(jù)物料衡算方法計算:

NO、CO、VOCs、PM10、PM2.5、OC、EC的減排量采用排放因子法計算:

式中:為污染物減排量,t;EF為散煤使用的大氣污染物排放因子,kg/t.

在計算“煤改氣”帶來污染物排放變化過程中,剔除了由于煤改氣之后燃氣壁掛爐的NO排放量.燃煤爐具的熱效率參照《<民用煤大氣污染物排放清單編制技術(shù)指南>編制說明》中提供的節(jié)能環(huán)保燃煤爐具的熱效率.煤改氣NO排放量的計算方法如下:

(2)燃煤鍋爐綜合整治是依據(jù)鍋爐使用企業(yè)的行業(yè)特征以及鍋爐大小對鍋爐整治之前的污控設(shè)施水平和燃煤量進行假設(shè),在此基礎(chǔ)上計算鍋爐減排量[33-34].

式中:為鍋爐整治帶來的污染物減排量,t;為鍋爐整治之前污染物排放量,t;為不同類型鍋爐整治措施對污染物的去除率,%.

(3) “散亂污”企業(yè)治理污染物減排量估算主要采用產(chǎn)排污系數(shù)法、污染物排放標(biāo)準(zhǔn)反推法和專家咨詢法[35-36].

交通運輸結(jié)構(gòu)調(diào)整包括企業(yè)錯峰運輸、油品升級和工地停工減排等措施,企業(yè)錯峰運輸減排量采用保有量算法估計,油品升級減排量依據(jù)保有量、年行駛里程、油品升級減排系數(shù)計算,工地停工主要是針對工程機械,減排量采用保有量算法估計[28],北京市工程機械調(diào)查數(shù)據(jù)較為齊全,以北京市工程機械保有量為基準(zhǔn),其他地市工程機械保有量根據(jù)施工面積推算得到.

企業(yè)錯峰生產(chǎn)是根據(jù)京津冀及周邊“2+26”城市錯峰生產(chǎn)減排量、不同預(yù)警等級下的應(yīng)急減排量,對各城市污染物減排量進行估算[3,8-9].

重點行業(yè)升級改造主要涉及鋼鐵、焦化和水泥等行業(yè),鋼鐵、焦化行業(yè)減排量主要基于超低排放改造工程以及落后產(chǎn)能的淘汰進行核算,而水泥行業(yè)的減排量主要基于推進治污升級改造工程以及過剩產(chǎn)能淘汰進行核算[37].

1.2 空氣質(zhì)量模型及其參數(shù)選取

采用第三代空氣質(zhì)量模型CAMx (Comprehensive Air Quality Model with Extensions),雙層嵌套網(wǎng)格,外層覆蓋了全中國各省份(57～ 161°E,1～59°N),網(wǎng)格水平分辨率為36km×36km,網(wǎng)格數(shù)為160×200;內(nèi)層涵蓋了全部“2+26”城市(109～ 127°E,33～45°N),網(wǎng)格水平分辨率為12km×12km,網(wǎng)格數(shù)為101×119 (圖1);垂直方向為20層,模式頂高約為15km;模擬過程中的氣象場由WRF模型提供,排放清單以清華大學(xué)構(gòu)建的全國污染源排放清單MEIC2016為基準(zhǔn),并根據(jù)大氣攻關(guān)項目建立的“2+26”城市精細化排放清單進行調(diào)整后建立,天然源排放的VOCs由MEGAN模型計算得到.CAMx模型中選用的氣相化學(xué)機理為SAPRC99,光解速率通過TUV模型計算得到.

CAMx模型自帶的顆粒物源識別技術(shù)模塊(簡稱PSAT)以示蹤的方式獲取有關(guān)顆粒物生成(或排放)和消耗的信息,并統(tǒng)計不同地區(qū)、不同種類的污染源排放以及初始條件和邊界條件對顆粒物生成的貢獻量.除能對一次顆粒物進行示蹤外,PSAT還可以通過追蹤二次顆粒物的化學(xué)變化過程,對二次顆粒物進行來源貢獻分析.與強制歸零法不同,源示蹤法考慮了不同污染源之間的相互作用及非線性關(guān)系,而不是簡單疊加各種源單獨作用時對污染物濃度的貢獻.根據(jù)各項治理措施的減排信息(包括減排量和經(jīng)緯度信息等)分別制作成相應(yīng)的網(wǎng)格化清單,對不同減排措施進行源示蹤,以此計算出各項措施對“2+26”城市大氣污染物的減排效果.用PSAT進行源示蹤的基本步驟如下:

圖1 “2+26”城市行政區(qū)劃及模擬區(qū)域示意

在模擬時間步長Δ下,若反應(yīng)為?,示蹤物的計算方法如下:

在一些氣溶膠反應(yīng)中存在化學(xué)反應(yīng)平衡:??,示蹤反應(yīng)也達到平衡:

式中:w為權(quán)重系數(shù);a,b為污染物,來自于源的示蹤物.在上述示蹤反應(yīng)中標(biāo)記物種參加所有大氣物理化學(xué)過程,在每個過程后,根據(jù)原物種的變化量按照過程前的瞬時源信息進行線性分配,這樣并不增加運算負荷,從而提高運算效率,并可同時解析硫酸鹽、硝酸鹽、銨鹽、黑碳、一次有機碳、二次有機碳、其他細顆粒物和其他粗顆粒物.

1.3 污染物下降率計算方法

采用CAMx-PSAT模型對“2+26”城市采取的民用散煤替代、燃煤鍋爐綜合整治、企業(yè)錯峰生產(chǎn)、交通運輸結(jié)構(gòu)調(diào)整、“散亂污”企業(yè)治理以及重點行業(yè)升級改造等措施的減排情景進行了模擬,計算采取不同治理措施后“2+26”城市大氣污染物的下降率,各項治理措施污染物濃度下降率P的計算公式如下:

式中:0為未采取減排措施時污染物的模擬濃度,C為采取不同治理措施后污染物的削減濃度,表示所采取的治理措施,其中,重點行業(yè)升級改造措施僅2018～2019年秋冬季有所涉及.

2 結(jié)果與討論

2.1 污染物減排量核算

基于1.1節(jié)污染物減排量估算方法,對2017～ 2018年和2018～2019年秋冬季“2+26”城市的大氣污染物治理措施的減排量進行了核算,各項措施的污染物減排量如表1所示,其中,民用散煤替代措施中NO減排量核算已扣除“煤改氣”導(dǎo)致的NO排放量,采暖季以182d計.

表1 2017～2018年與2018～2019年秋冬季“2+26”城市不同措施污染物減排量的對比(萬t)

注:-為末減排.

表2 2017～2018年與2018～2019年秋冬季“2+26”城市污染物減排量的對比(萬t)

續(xù)表2

如表2所示,2017～2018年秋冬季“2+26”城市SO2,NO,VOCs,PM2.5和PM10的總減排量分別為43.3,20.6,18.4,28.0和47.3萬t,明顯高于2018～2019年秋冬季(SO2,NO,VOCs,PM2.5和PM10的減排量分別為16.7,18.1,11.0,17.0和25.3萬t).

2.2 模擬結(jié)果驗證

由于2017～2018年和2018～2019年秋冬季 “2+26”城市的大氣污染治理措施分別是在2016年和2017年大氣污染物排放清單的基礎(chǔ)上進行削減,且由于減排清單具有一定的不確定度,若直接對2017～2018年和2018～2019年秋冬季 “2+26”城市大氣污染物的模擬與監(jiān)測結(jié)果進行校驗,無法確定誤差是源自模型,還是由減排清單的不確定度所致,因此,本文將基于CAMx模型計算的 “2+26”城市2016～2017年和2017～2018年秋冬季的PM2.5模擬結(jié)果,分別與 “2+26”城市同期的PM2.5日平均濃度監(jiān)測值(每個城市的PM2.5日平均濃度值均為該城市所有國控站點的平均值)進行了對比校驗.

表3 2016～2017年與2017～2018年秋冬季京津冀及周邊“2+26”城市PM2.5模擬與實測濃度對比

如表3所示,CAMx較好地反映了“2+26”城市兩個秋冬季真實的PM2.5濃度水平,模型的模擬值與監(jiān)測值擬合較好,兩個秋冬季PM2.5模擬值與實測值的線性相關(guān)性系數(shù)()均超過0.6,2016～2017年秋冬季PM2.5模擬結(jié)果略有高估,模擬值與實測值的標(biāo)準(zhǔn)化平均誤差(NME)和標(biāo)準(zhǔn)化平均偏差(NMB)分別為-0.1910和0.3739,2017～2018年秋冬季PM2.5模擬結(jié)果稍有低估,模擬值與實測值的標(biāo)準(zhǔn)化平均誤差(NME)和標(biāo)準(zhǔn)化平均偏差(NMB)分別為0.1487和0.4152,模擬誤差處在可接受范圍內(nèi).

2.3 空氣質(zhì)量改善效果模擬

基于CAMx-PSAT模型計算結(jié)果,采取民用散煤替代措施后,2017～2018年秋冬季“2+26”城市的PM2.5濃度均有一定程度下降,特別是北京、天津、廊坊和保定四市交界區(qū)域降幅較大(圖2(a)),“2+26”城市的PM2.5平均濃度降低6.30μg/m3,平均下降率為5.74%,其中廊坊市降幅最大(23.60%),最小值則出現(xiàn)在焦作市(1.42%),此外,SO2,NO和PM10平均濃度分別降低2.30μg/m3,0.63μg/m3和7.20μg/m3,平均下降率分別為4.39%、0.70%和4.21%;2018～2019年秋冬季“2+26”城市的PM2.5濃度均有一定程度下降,特別是石家莊與衡水交界區(qū)域下降幅度較大(圖2(b)),“2+26”城市的PM2.5平均濃度降低5.75μg/m3,平均下降率為5.81%,其中衡水市降幅最大(14.37%),最小值則出現(xiàn)在濟南市(1.86%),SO2,NO和PM10平均濃度分別降低2.10μg/m3,0.52μg/m3和6.48μg/m3,平均下降率分別為6.35%,0.67%和4.05%.

采取燃煤鍋爐綜合整治措施后,2017～2018年秋冬季“2+26”城市的PM2.5濃度均有一定程度下降,特別是北京、天津和廊坊等地降幅較大(圖3(a)), “2+26”城市的PM2.5平均濃度降低7.83μg/m3,平均下降率為7.64%,其中北京市降幅最大(16.95%),而最小值出現(xiàn)在濟寧市(2.50%),SO2,NO和PM10平均濃度分別降低14.31μg/m3,9.44μg/m3和12.11μg/m3,平均下降率分別為26.50%,10.97%和7.56%;2018～ 2019年秋冬季 “2+26”城市的PM2.5濃度均有一定程度下降,特別是長治和石家莊等地降幅較大(圖3(b)),“2+26”城市的PM2.5平均濃度降低1.29μg/m3,平均下降率為1.31%,其中長治降幅最大(6.04%),而最小值出現(xiàn)在濟寧市(0.22%),SO2,NO和PM10平均濃度分別降低2.82μg/m3,1.99μg/m3和2.13μg/m3,平均下降率分別為7.51%,2.32%和1.33%.

圖2 “2+26”城市采取民用散煤替代措施后PM2.5下降濃度分布

圖3 “2+26”城市采取燃煤鍋爐綜合整治措施后PM2.5下降濃度分布

采取交通運輸結(jié)構(gòu)調(diào)整措施后,2017～2018年秋冬季“2+26”城市的PM2.5濃度均有一定程度下降,下降幅度較大的區(qū)域多分布在城市中心區(qū)域(圖4(a)), “2+26”城市的PM2.5平均濃度降低1.16μg/m3,平均下降率為1.15%,其中濮陽市降幅最大(3.14%),而最小值出現(xiàn)在陽泉市(0.38%),SO2,NO和PM10平均濃度分別降低0.14μg/m3,14.30μg/m3和1.18μg/m3,平均下降率分別為0.33%,16.33%和0.75%;2018～ 2019年秋冬季 “2+26”城市的PM2.5濃度均有一定程度下降,特別是北京和太原等地降幅較大(圖4(b)),“2+26”城市的PM2.5平均濃度降低0.32μg/m3,平均下降率為0.35%,其中北京市降幅最大(1.15%),而最小值出現(xiàn)在聊城市(0.17%),NO和PM10平均濃度分別降低2.58μg/m3和0.32μg/m3,平均下降率分別為3.34%和0.21%.

采取企業(yè)錯峰生產(chǎn)措施后,2017～2018年秋冬季“2+26”城市的PM2.5濃度均有一定程度下降,下降幅度最大的區(qū)域主要集中在唐山、邯鄲和邢臺等地(圖5(a)),“2+26”城市的PM2.5平均濃度降低7.36μg/m3,平均下降率為6.55%,其中唐山市降幅最大(37.47%),而最小值出現(xiàn)在陽泉市(1.73%), SO2,NO和PM10平均濃度分別降低4.73μg/m3, 7.72μg/m3和8.68μg/m3,平均下降率分別為9.03%, 8.45%和4.93%;2018～2019年秋冬季“2+26”城市的PM2.5濃度均有一定程度下降,特別是廊坊和邢臺等地降幅較大(圖5(b)),“2+26”城市的PM2.5平均濃度降低8.31μg/m3,平均下降率為7.90%,其中邢臺市降幅最大(26.86%),而最小值出現(xiàn)在濟南市(2.26%),SO2,NO和PM10平均濃度分別降低2.97μg/m3,15.01μg/m3和10.64μg/m3,平均下降率分別為8.98%,18.23%和6.20%.

圖4 “2+26”城市采取交通運輸結(jié)構(gòu)調(diào)整措施后PM2.5下降濃度分布

圖5 “2+26”城市采取企業(yè)錯峰生產(chǎn)措施后PM2.5下降濃度分布

采取“散亂污”企業(yè)治理措施后,2017～2018年秋冬季“2+26”城市的PM2.5濃度均有一定程度下降,降幅最大的區(qū)域主要集中在邯鄲和保定等地(圖6(a)),“2+26”城市的PM2.5平均濃度降低1.64μg/m3,平均下降率為1.49%,其中邯鄲市降幅最大(4.45%),而最小值出現(xiàn)在陽泉市(0.27%),SO2,NO和PM10平均濃度分別降低1.20μg/m3,1.13μg/m3和2.10μg/m3,平均下降率分別為2.42%,1.36%和1.23%;2018～2019年秋冬季“2+26”城市的PM2.5濃度均有一定程度下降,特別是滄州、石家莊、衡水和保定等地降幅較大(圖6(a)),“2+26”城市的PM2.5平均濃度降低0.04μg/m3,平均下降率為0.04%,其中滄州最大(0.10%),SO2和PM10平均濃度分別降低0.01μg/m3和0.06μg/m3,平均下降率分別為0.03%和0.04%.

圖6 “2+26”城市采取“散亂污”企業(yè)治理措施后PM2.5下降濃度分布

采取重點行業(yè)升級改造措施后,2018～2019年秋冬季“2+26”城市PM2.5濃度均有一定程度下降,特別是邯鄲、晉城和菏澤等地降幅較大(圖7),“2+26”城市的PM2.5平均濃度降低0.67μg/m3,平均下降率為0.68%,其中,晉城市降幅最大(2.14%),而最小值出現(xiàn)在濱州市(0.20%),SO2,NO和PM10平均濃度分別降低1.45μg/m3、5.63μg/m3和0.81μg/m3,平均下降率分別為3.98%,6.05%和0.49%.

圖7 “2+26”城市采取重點行業(yè)升級改造措施后PM2.5下降濃度分布

通過對比兩個秋冬季“2+26”城市各項污染物的平均下降率可見(表4),2017～2018年秋冬季明顯高于2018～2019年秋冬季,其中,SO2的平均下降率高約15%,而NO,PM2.5和PM10的平均下降率均高5%以上.

表4 2017～2018年與2018～2019年秋冬季“2+26”城市大氣污染治理措施實施后大氣污染物濃度平均下降率的對比(%)

續(xù)表4

2.4 不同措施的減排效率比較

表5 不同措施的減排效率比較

注:-為末減排.

基于2.1節(jié)和2.3節(jié)的結(jié)果可計算“2+26”城市各污染物單位減排量下的平均濃度下降量,即各污染物的平均濃度下降量與其減排總量之間的比值,以此作為評判“2+26”城市不同污染控制措施減排效率的依據(jù).如表5所示,以PM2.5為例,2017～2018年秋冬季不同措施平均減排效率排序依次為:“散亂污”企業(yè)治理>交通運輸結(jié)構(gòu)調(diào)整>企業(yè)錯峰生產(chǎn)>民用散煤替代>燃煤鍋爐綜合整治,說明2017～2018年秋冬季在減排量相當(dāng)?shù)那闆r下,“散亂污”企業(yè)治理對降低“2+26”城市PM2.5濃度最為有效;2018～ 2019年秋冬季不同措施平均減排效率排序依次為:重點行業(yè)升級改造=企業(yè)錯峰生產(chǎn)> “散亂污”企業(yè)治理>交通運輸結(jié)構(gòu)調(diào)整>民用散煤替代>燃煤鍋爐綜合整治,說明2018～2019年采暖季在減排量相當(dāng)?shù)那闆r下,重點行業(yè)升級改造和企業(yè)錯峰生產(chǎn)對降低“2+26”城市PM2.5濃度最為有效.

3 結(jié)論

3.1 2017～2019年“2+26”城市秋冬季大氣污染治理措施的實施使得該區(qū)域SO2,NO,VOCs,PM2.5和PM10的排放量總計分別減少了60.0,38.7,29.6,45.1和72.8萬t.

3.2 采取措施后, 2017～2018年秋冬季“2+26”城市SO2和NO平均降幅達40%左右,PM2.5和PM10平均降幅約為20%;而2018～2019年秋冬季NO平均下降率超過30%,SO2,PM2.5和PM10的平均下降率分別約為27%,16%和12%.其中,“散亂污”企業(yè)治理、重點行業(yè)升級改造和企業(yè)錯峰生產(chǎn)的減排效率相對較高.

[1]Zhang Y, Shen J, Li Y. An atmospheric vulnerability assessment framework for environment management and protection based on CAMx [J]. Journal of Environment Management, 2018,207:341-354.

[2]Li X, Zhang Q, Zhang Y, et al. Attribution of PM2.5exposure in Beijing-Tianjin-Hebei region to emissions: implication to control strategies [J]. Science Bulletin, 2017,62:957-964.

[3]王彥超,蔣春來,賀晉瑜,等.京津冀大氣污染傳輸通道城市燃煤大氣污染減排潛力[J]. 中國環(huán)境科學(xué), 2018,38(7):2401-2405.

Wang Y C, Jiang C L, He J Y, et al. Air pollutant emissions reduction potential from buning coal in cities of air pollution transmission channel in Beijing-Tianjin-Hebei area [J]. China Environmental Science, 2018,38(7):2401-2405.

[4]黃燕燕.京津冀空氣質(zhì)量時空分布差異的實證研究[D]. 保定:河北大學(xué), 2018.

Huang Y Y. The empirical study on the spatial and temporal distribution differences of air quality in Beijing-Tianjin-Hebei region [D]. Baoding: Hebei University, 2018.

[5]王玲芬,劉 悅.京津冀地區(qū)空氣污染情況分析[J]. 價值工程, 2019,3:172-174.

Wang L F, Liu Y. Analysis of air pollution in Beijing-Tianjin-Hebei region [J]. Value Engineering, 2019,3:172-174.

[6]郭明明.京津冀大氣環(huán)境質(zhì)量變化及其影響因素分析[D]. 北京:中國地質(zhì)大學(xué), 2018.

Guo M M. Change of atmospheric quality and its influencing factors in Beijing-Tianjin-Hebei region [D]. Beijing: China University of Geosciences (Beijing), 2018.

[7]Sheng L, Lu K, Ma X, et al. The air quality of Beijing–Tianjin–Hebei regions around the Asia-Pacific Economic Cooperation (APEC) Meeting [J]. Atmospheric Pollution Research, 2015,6(6):1066–1072.

[8]環(huán)境保護部.關(guān)于印發(fā)《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》的通知[R]. 北京:環(huán)境保護部, 2017.

Ministry of Environmental Protection of the People￠s Republic of China. Notification on printing of[R]. Beijing: Ministry of Environmental Protection of the People￠s Republic of China, 2017.

[9]生態(tài)環(huán)境部.關(guān)于印發(fā)《京津冀及周邊地區(qū)2018～2019年秋冬季大氣污染綜合治理攻堅行動方案》的通知[R]. 北京:生態(tài)環(huán)境部, 2018.

Ministry of Ecology and Environment of the People’s Republic of China. Notification on printing of～[R]. Beijing: Ministry of Ecology and Environment of the People￠s Republic of China, 2018.

[10]李 慧,王淑蘭,張文杰,等.京津冀及周邊地區(qū)“2+26”城市空氣質(zhì)量特征及其影響因素[J]. 環(huán)境科學(xué)研究, 2021,34(1):172-184.

Li H, Wang S L, Zhang W J, et al. Characteristics and influencing factors of urban air quality in Beijing-Tianjin-Hebei and its surrounding areas (‘2+26’ cities) [J]. Research of Environmental Sciences, 2021,34(1):172-184.

[11]朱媛媛,汪 巍,高愈霄,等.疫情期間“2+26”城市污染減排成效評估[J]. 中國環(huán)境科學(xué), 2021,41(2):505-516.

Zhu Y Y, Wang W, Gao Y X, et al. Assessment of emission reduction effect in Beijing, Tianjin and surrounding 26 cities from January to March in 2020 during the epidemic of COVID-19 [J]. China Environmental Science, 2021,41(2):505-516.

[12]朱媛媛,高愈霄,汪 巍,等.2019年10～12月京津冀及周邊“2+26”城市重污染減排效果評估[J]. 環(huán)境科學(xué), 2020,41(10):4402-4411.

Zhu Y Y, Gao Y X, Wang W, et al. Assessment of emergency emission reduction effect during the heavy air pollution episodes in Beijing, Tianjin, Hebei, and its surrounding area (“2+26” cities) from October to December in 2019 [J]. Environmental Science, 2020,41(10):4402- 4411.

[13]許云凡,王大瑋,向偉玲,等.基于PM2.5來源解析的減排方案制定[J]. 中國環(huán)境科學(xué), 2021,41(5):2048-2055.

Xu Y F, Wang D W, Xiang W L, et al. Emission reduction scheme based on source apportionment analysis [J]. China Environmental Science, 2021,41(5):2048-2055.

[14]王德羿,王體健,韓軍彩,等.“2+26”城市大氣重污染下PM2.5來源解析[J]. 中國環(huán)境科學(xué), 2020,40(1):92-99.

Wang D Y, Wang T J, Han J C, et al. Source apportionment of PM2.5under heavy air pollution conditions in “2+26” cities [J]. China Environmental Science, 2020,40(1):92-99.

[15]王 恰,鄭世林.“2+26”城市聯(lián)合防治行動對京津冀地區(qū)大氣污染濃度的影響[J]. 中國人口?資源與環(huán)境, 2019,29(9):51-62.

Wang Q, Zheng S L. Impact of prevention and control action on atmospheric pollutant concentration in ‘2+26’ citites [J]. China Population, Resources and Environment, 2019,29(9):51-62.

[16]張眾志,唐 偉,杜曉惠,等.氣象因素對“2+26”城市春節(jié)期間PM2.5污染影響模擬研析[J]. 環(huán)境影響評價, 2020,42(6):6-10,69.

Zhang Z Z, Tang W, Du X H, et al. The impacts of meteorological parameters on PM2.5simulations in “2+26” cities during spring festival [J]. Environmental Impact Assessment, 2020,42(6):6-10,69.

[17]吳問景,常 興,邢 佳,等.京津冀地區(qū)主要排放源對PM2.5污染改善貢獻評估[J]. 環(huán)境科學(xué), 2017,38(3):867-875.

Wu W J, Chang X, Xing J, et al. Assessment of PM2.5pollution mitigation due to emission reduction from main emission sources in the Beijing-Tianjin-Hebei region [J]. Environmental Science, 2017, 38(3):867-875.

[18]許艷玲,薛文博,雷 宇.氣象和排放變化對PM2.5污染的定量影響[J]. 中國環(huán)境科學(xué), 2019,39(11):4546-4551.

Xu Y L, Xue W B, Lei Y. Impact of meteorological conditions and emission change on PM2.5pollution in China [J]. China Environmental Science, 2019,39(11):4546-4551.

[19]Xu Y L, Xue W B, Lei Y, et al. Spatiotemporal variation in the impact of meteorological conditions on PM2.5pollution in China from 2000 to 2017[J]. Atmospheric Environment, 2020,223:117215.

[20]李珊珊,程念亮,徐 峻,等.2014年京津冀地區(qū)PM2.5濃度時空分布及來源模擬[J]. 中國環(huán)境科學(xué), 2015,35(10):2908-2916.

Li S S, Cheng N L, Xu J, et al. Spatial and temporal distributions and source simulation of PM2.5in Beijing-Tianjin-Hebei region in 2014 [J]. China Environmental Science, 2015,35(10):2908-2916.

[21]陳國磊,周 穎,程水源,等.承德市大氣污染源排放清單及典型行業(yè)對PM2.5的影響[J]. 環(huán)境科學(xué), 2016,37(11):4069-4079.

Chen G L, Zhou Y, Cheng S Y, et al. Air pollutant emission inventory and impact of typical industries on PM2.5in Chengde [J]. Environmental Science, 2016,37(11):4069-4079.

[22]杜曉惠,李 洋,唐 偉,等.空氣質(zhì)量模型在規(guī)劃環(huán)評中的應(yīng)用案例[J]. 環(huán)境影響評價, 2019,41(2):10-15.

Du X H, Li Y, Tang W, et al. Environmental impact assessment of a planned project using an air quality model [J]. Environmental Impact Assessment, 2019,41(2):10-15.

[23]李 洋,唐 偉,丁 峰,等.一種計算大氣中二次硫酸鹽和硝酸鹽轉(zhuǎn)化系數(shù)方法的探究[J]. 環(huán)境污染與防治, 2017,39(12):1348-1352, 1357.

Li Y, Tang W, Ding F, et al. Study on a method for calculating conversion coefficients of secondary sulfate and nitrate in atmosphere [J]. Environmental Pollution & Control, 2017,39(12):1348-1352,1357.

[24]鐘嶷盛,周 穎,程水源,等.首都重大活動與空氣重污染應(yīng)急減排措施效果對比分析[J]. 環(huán)境科學(xué), 2020,41(8):3449-3457.

Zhong Y S, Zhou Y, Cheng S Y, et al. Comparison analysis of effect of emission reduction measures for major events and heavy air pollution in the capital [J]. Environmental Science, 2020,41(8):3449-3457.

[25]賈 佳,郭秀銳,程水源.APEC期間北京市PM2.5特征模擬分析及污染控制措施評估[J]. 中國環(huán)境科學(xué), 2016,36(8):2337-2346.

Jia J, Guo X R, Cheng S Y. Numerical study on the characteristics of PM2.5in Beijing and the assessment of pollution control measures during APEC [J]. China Environmental Science, 2016,36(8):2337- 2346.

[26]伯 鑫,徐 峻,杜曉惠,等.京津冀地區(qū)鋼鐵企業(yè)大氣污染影響評估[J]. 中國環(huán)境科學(xué), 2017,37(5):1684-1692.

Bo X, Xu J, Du X H, et al. Impacts assessment of steel plants on air quality over Beijing-Tianjin-Hebei area [J]. China Environmental Science, 2017,37(5):1684-1692.

[27]曹云擎,王體健,韓軍彩,等.“2+26”城市一次污染過程PM2.5化學(xué)組分和來源解析研究[J]. 環(huán)境科學(xué)學(xué)報, 2020,40(2):361-372.

Cao Y Q, Wang T J, Han J C, et al. Study on chemical composition and source apportionment of PM2.5during a pollution episode in “2+26” cities [J]. Acta Scientiae Circumstantiae, 40(2):361-372.

[28]陳 楠.成都經(jīng)濟圈(城市群)污染源排放清單研究[D]. 成都:西南交通大學(xué), 2011.

Chen N. Pollution sources emission inventory research of Chengdu economic circle (city group) [D]. Chengdu: Southwest Jiaotong University, 2011.

[29]袁夢晨,祖 彪,張青新,等.遼寧省人為源大氣污染物排放清單及特征研究[J]. 環(huán)境科學(xué)學(xué)報, 2018,38(4):1345-1357.

Yuan M C, Zu B, Zhang Q X, et al. Emission inventory and characteristics of anthropogenic air pollutant sources in Liaoning province [J]. Acta Scientiae Circumstantiae, 2018,38(4):1345-1357.

[30]趙文慧,姜 磊,張立坤,等.北京平原區(qū)平房冬季燃煤量及污染物排放估算[J]. 中國環(huán)境科學(xué), 2017,37(3):859-867.

Zhao W H, Jiang L, Zhang L K, et al. Estimation of coal consumption and related contamination emission in the plain area around Beijing during winter season [J]. China Environmental Science, 2017,37(3): 859-867.

[31]Zhang J F, Smith K R, Ma Y, et al. Greenhouse gases and other airborne pollutants from household stoves in China: a database for emission factors [J]. Atmospheric Environment, 2000,34(26):4537- 4549.

[32]支國瑞,楊俊超,張 濤,等.我國北方農(nóng)村生活燃煤情況調(diào)查、排放估算及政策啟示[J]. 環(huán)境科學(xué)研究, 2015,28(8):1179-1185.

Zhi G R, Yang J C, Zhang T, et al. Rural household coal use survey, emission estimation and policy implications [J]. Research of Environmental Sciences, 2015,28(8):1179-1185.

[33]盛文龍,王 亮.固定污染源廢氣污染物排放總量核算方法探討[J]. 石油石化綠色低碳, 2018,3(3):65-69.

Sheng W L, Wang L. Discussion on calculating method of total pollutant discharge from fixed pollution sources [J]. Green Petroleum & Petrochemicals, 2018,3(3):65-69.

[34]王 偉.物料衡算法測算煤炭燃燒污染物排放量[J]. 山西建筑, 2013,39(36):230-231.

Wang W. Using material balance calculation method to calculate the coal combustion pollutants emissions [J]. Shanxi Architecture, 2013, 39(36):230-231.

[35]喬 琦,白 璐,劉丹丹,等.我國工業(yè)污染源產(chǎn)排污核算系數(shù)法發(fā)展歷程及研究進展 [J]. 環(huán)境科學(xué)研究, 2020,33(8):1783-1794.

Qiao Q, Bai L, Liu D D, et al. Development and research progress of pollutant generation and discharge coefficients for industrial pollution sources in China [J]. Research of Environmental Sciences, 2020,33(8): 1783-1794.

[36]王仲旭,周 囧,程 潔,等.工業(yè)污染源產(chǎn)排污系數(shù)存在問題分析及修訂建議[J]. 中國環(huán)境監(jiān)測, 2018,34(2):109-113.

Wang Z X, Zhou J, Cheng J, et al. Problem analysis and revising suggestion for production and emission coefficients of industrial pollution sources [J]. Environmental Monitoring in China, 2018,34(2): 109-113.

[37]Zhao Y, Nielsen C P, McElroy M B, et al. CO emissions in China: Uncertainties and implications of improved energy efficiency and emission control [J]. Atmospheric Environment, 2012,49:103-113.

Assessment on air pollution control measures during autumn and winter seasons in “2+26” cities.

LI Yang1, TANG Wei1*, DU Jin-hong1, ZHANG Zhong-zhi1, DU Xiao-hui1,2, XUE Zhi-gang1, MENG Fan1, CHAI Fa-he1

(1.Institute of Atmospheric Environment, Chinese Research Academy of Environmental Sciences, Beijing 100012；2.Water Science Research Institute, Beijing Normal University, Beijing 100875, China)., 2021,41(10)：4484～4494

Emission reductions from different air pollution control measures during autumn and winter seasons in “2+26” cities of Beijing-Tianjin-Hebei and its surrounding areas were calculated in this study. The results showed that total emission reductions of SO2, NO, VOCs, PM2.5, and PM10in “2+26” cities during autumn and winter seasons in 2017～2018 were 432.6, 206.3, 183.6, 280.0, and 473.1kilo-tons respectively, while those of which in 2018～2019 were 166.8, 181.1, 110.3, 170.4, and 253.3kilo-tons respectively. According to this, the effects of each measure were evaluated by the CAMx model. By implementing air pollution control measures, the simulated concentrations (percentages) of SO2, NO, PM2.5, and PM10in “2+26” cities during autumn and winter seasons in 2017～2018 decreased 22.69μg/m3(42.67%), 33.22μg/m3(37.81%), 24.28μg/m3(22.58%) and 31.26μg/m3(18.67%) respectively, while those of which in 2018～2019 decreased 9.36μg/m3(26.86%), 25.73μg/m3(30.62%), 16.38μg/m3(16.09%) and 20.43μg/m3(12.33%) respectively. The sequence of averaged reduction efficiency on PM2.5concentrations of each control measure during autumn and winter seasons in 2017～2018 was as follows: scattered and disqualified enterprises governance, transportation structural adjustment, industrial off-peak production, civil coal burning replacement, and coal-fired boiler renovation, and that of which in 2018～2019 was as follows: upgrading and transformation of key industries, industrial off-peak production, scattered and disqualified enterprises governance, transportation structural adjustment, civil coal burning replacement, and coal-fired boiler renovation.

“2+26” cities；air quality simulation；PM2.5；emission reduction assessment

X51

A

1000-6923(2021)10-4484-11

李 洋(1987-),男,河北秦皇島人,助理研究員,碩士,主要從事空氣質(zhì)量模擬方面研究工作.發(fā)表論文9篇.

2021-03-23

國家重點研發(fā)計劃(2018YFC0213505、2017YFC0213003, 2016YFC0208905)

* 責(zé)任作者, 副研究員, tangwei@craes.org.cn