京津冀及周边减排对北京市PM2.5浓度下降评估研究

刘 俊,安兴琴,朱 彤,翟世贤,李 楠(.北京大学环境科学与工程学院,环境模拟与污染控制国家重点联合实验室,北京 0087；.中国气象科学研究院大气成分研究所,北京 0008)

京津冀及周边减排对北京市PM2.5浓度下降评估研究

刘 俊1,安兴琴2*,朱 彤1,翟世贤2,李 楠2(1.北京大学环境科学与工程学院,环境模拟与污染控制国家重点联合实验室,北京 100871；2.中国气象科学研究院大气成分研究所,北京 100081)

利用第三代区域空气质量模式CMAQ (Community Multiscale Air Quality)及京津冀地区高分辨的污染源排放清单,基于2011年、2012年和2013年秋冬季美国国家环境预报中心全球再分析资料的气象条件分析,选取2012年10月1日至12月30日作为代表性时段,模拟了P M2.5的浓度变化趋势,同时根据《京津冀及周边地区落实大气污染防治行动计划实施细则》和2012年到2017年污染源减排控制目标,进行了减排效果评估分析.结果显示,模式系统能较好捕捉PM2.5浓度的变化趋势,海淀站和上甸子站观测与模拟值的相关系数分别为0.71和0.63.主要污染源和污染物排放量削减30%～40%后,北京市PM2.5浓度发生了明显降低,海淀站、上甸子站和城六区的平均浓度下降率分别为(24.9±2.3)%,(20.2±2.7)%和(24.8±2.1)%.如果严格执行《京津冀及周边地区落实大气污染防治行动计划实施细则》,在气象条件和2012年相似情况下,到2017年,北京市城区PM2.5年均浓度控制在60µg/m3内的防治目标可以实现.

CMAQ模式；京津冀及周边地区；PM2.5；下降率

1998年以来,北京市采取了一系列分阶段的空气污染防治措施,尤其在2008年奥运会期间,北京及周边地区采取了交通限行、建筑停工、重点污染企业停产、燃煤电厂停运等一系列严格的大气污染控制措施[1],使空气质量明显好转,奥运会举办前的2005～2007年,北京市大气SO2、NO2、CO和PM10的平均浓度分别为50,66,2030和150μg/m3,而奥运会举办后2008～2012年,大气SO2、NO2、CO和PM10的平均浓度分别为32,53,1460和117μg/m3,污染物浓度大幅降低[2].

但近年来,北京与周边地区人口和能源消费总量持续增长,机动车保有量逐年攀升, PM2.5成为影响空气质量的首要污染物,极端重污染事件频发,呈现区域性复合型污染[3].作为我国重要的能源和工业基地,华北六省市(北京,天津,河北,山东,内蒙古和山西)能源消费总量已由2005年的7.6亿tce上升到2011年的11.8亿tce,占全国能源消费总量的36%[4],民用汽车总量由890万辆上升到2640万辆[5].由工业和生活燃煤以及机动车排放的一次污染物,经过大气化学反应生成高浓度氧化剂及细颗粒物等二次污染物,并在静稳天气下积累,导致低能见度的灰霾现象,并严重影响人群健康[6].

从污染来源来看,2010年北京城区站点的PM2.5中,二次硫酸盐占26.5%,机动车尾气占17.1%,化石燃料燃烧占16.0%,生物质燃烧占11.2%,道路扬尘占12.7%,冶金工业占6.0%,土壤尘占10.4%[7].从污染的分布特征来看,京津冀是我国区域性复合污染的典型地区.2013年上半年,京津冀地区重点城市PM2.5平均浓度为115μg/m3,石家庄市PM2.5平均浓度为172μg/m3[8],连续静稳天气形势和区域污染是导致强霾和污染持续的主要原因[9].针对典型重污染事件的模式研究显示,北京周边源对北京市PM2.5的贡献率为15%～53%,平均为39%,对SO2平均贡献率为18%[10].对奥运空气质量保障方案的研究表明,北京周边对奥运场馆区的O3和PM2.5浓度贡献率可达35～60%和34%[11],在南风主导情况下,河北省对北京市PM2.5贡献率可高达50%～70%.

针对严峻的污染形势和迫切的改善需要,2013年9月,国务院发布了《大气污染物防治行动计划》[12],要求经过5年努力,全国空气质量总体改善,并明确提出京津冀地区细颗粒物PM2.5浓度下降25%左右的控制目标,要求北京市PM2.5年均浓度控制在60μg/m3的范围.根据《京津冀及周边地区落实大气污染防治行动计划实施细则》[13],到2017年,京津冀及周边地区(北京,天津,河北,山西,山东和内蒙古)将采取一系列措施减少污染的排放.为了分析评估污染物削减方案的有效性,本研究基于现有京津冀及周边地区高分辨率污染排放源清单,选取极端重污染事件频发的秋冬季节,以2012年10～12月的气象条件和污染源排放为基础值,利用空气质量预报模式模拟和评估了削减方案对降低北京PM2.5年均浓度的影响,以期为京津冀及周边地区大气污染物联防联控提供科学依据.

1 数据与方法

1.1 模式方法

1.1.1 模式介绍 本文采用的模式系统由MM5v3.6[14](The Fifth-Generation NCAR/Penn State Mesoscale Model), SMOKE(Sparse Matrix Operator Kernel Emissions)[15]和CMAQv4.5 (Community Multiscale Air Quality)[16]3部分组成.MM5是由美国国家大气研究中心(NCAR)和美国宾州大学(PSU)共同研发的第五代中尺度气象非静力模式,能为区域空气质量模式提供气象场输入资料.SMOKE是由美国北卡罗来纳大学开发的基于稀疏矩阵运算方法的污染源处理模式.CMAQ是美国第三代的空气质量模式Models-3的核心部分,基于“一个大气”的思想,全面考虑化学氧化剂、颗粒物和酸沉降等问题,模拟污染物物理传输和化学反应过程,在我国有非常广泛的应用[17-19].

1.1.2 实验方案 本研究的模拟区域以(110°E, 35°N)为中心,中尺度气象模式MM5采用分辨率分别为81km,27km,9km和3km的四重嵌套.经测试比较,CMAQ四重嵌套与两重嵌套模拟结果无显著性差别,故采用两重嵌套,模拟区域与MM5的第三(d03)和第四(d04)重区域一致,分辨率分别为9km和3km,其中d03覆盖北京市,天津市和河北省大部分地区,以考虑周边地区对北京空气质量的影响,d04覆盖北京市范围,第四重区域网格数为61×70,图1给出了四重嵌套模拟区域及监测点分布.

图1 四重嵌套模拟区域及海淀和上甸子监测站点分布示意Fig.1 Four-level nested domain and locations of observation site at Haidian (HD) and Shangdianzi (SDZ) in Beijing

利用NCEP全球再分析资料,对比分析了2011年、2012年和2013年的秋冬季边界层高度和地表风速风向,选择2012年10月1日～12月30日为代表时段进行模拟研究,模拟前5d(9月26～30日)作为模式初始化时间,以消除初始条件对模拟结果的影响.

采用中尺度气象模式MM5模拟气象场,用以驱动空气质量模式.MM5模式采用四重双向嵌套,垂直方向为地形追随sigma坐标系,共26层.利用美国国家环境预报中心(NCEP)提供的1°×1°(时间分辨率为6h)的全球再分析资料作为MM5所需背景场和边界输入资料,模式参数化方案如下:霰(Reisner Graupel)微物理方案,Grell积云参数化方案,MRF行星边界层方案,RRTM长波大气辐射方案,多层土壤方案,浅对流方案.应用四维格点分析同化 (Grid Nudging)技术,将牛顿松弛项加入风,温度和水汽的诊断方程,输入分析资料的时间间隔为6h.

采用污染源清单处理模式SMOKE为空气质量模式提供网格化的污染物小时排放数据.SMOKE分点、面和移动源三类类型进行处理.排放源清单主要包括两个部分:①东亚区域背景采用0.5°×0.5°的INTEX-B2006清单[20], INTEXB2006清单是在TRACE-P清单[21-22]基础上,更新了中国区域的排放信息;②北京与周边地区高分辨的排放清单[23].针对减排情景的设计,根据《京津冀及周边地区落实大气污染防治行动计划实施细则》[13]要求,到2017年主要污染物的削减比例为二氧化硫(SO2)削减30.8%,氮氧化物(NOχ)削减32.7%,烟粉尘(PM10和PM2.5)削减39.3%,挥发性有机物(VOCs)削减13.4%,设计了京津冀及周边地区(包括北京、天津、河北、山东、山西和内蒙古自治区) 的污染源的减排情景,具体方案见表1.

表1 污染物削减试验方案设计Table 1 Design of emission source controlling plan

区域空气质量模式CMAQ采用与MM5相同的区域设置,MM5生成的气象资料经气象化学界面MCIP(Meteorology-Chemistry Interface Processor)转化为CMAQ可识别数据格式过程中,通过质量加权平均算法将垂直层数缩小为16层,覆盖地面以上12km范围,第一层高度约为15m,气象化学为CB4机制,气溶胶过程为aero3机制.根据表1源削减模拟试验设计方案,以2012为基准,分别进行Baseline和Scenario的模拟,利用Baseline验证模式性能,并通过两次模拟结果间的比较,进行PM2.5减排效果评估分析.

1.2 模式方法

本研究的观测数据来自北京气象局的城区海淀站(116.28E,39.93N)和密云上甸子区域本底站(117.12E,40.65N),分别反映北京城区和本底地区的污染物浓度水平.海淀站位于北京西三环和西四环之间的海淀区北洼西里昆玉河附近宝联体育公园,是北京城区PM2.5连续观测时间最长的站;上甸子站北京城区的东北方向,是全国三个区域大气本底站之一,可代表华北区域监测要素的背景值.采用美国R&P公司的1400a TEOM (Tapered Element Oscillating Microbalance)测量PM2.5的质量浓度,时段为2012年10月1日至12月30日,数据分辨率为5min质控的小时平均值,经换算后得到日均值,用于模式的评估.

图2 2011年、2012年和2013年10月1日～12月31日平均边界层高度(m)和风矢量分布Fig.2 Distribution of average planetary boundary layer height (m) and wind vector from Oct. 1stto Dec. 31st in 2011, 2012 and 2013

2 结果与讨论

2.1 气象条件代表性分析

污染物的传输扩散取决于气象条件,利用NCEP 提供的1°×1°(时间分辨率为6h)全球再分析资料,对比分析了2011年、2012年和2013年10月1日～12月31日的气象条件差异.

图3 2011年、2012年和2013年10月1日～12月31日北京城区所在网格的风玫瑰图和边界层高度日均值直方图Fig.3 Wind rose and daily average planetary boundary layer height in the urban area of Beijing from Oct. 1thto Dec. 31thin 2011, 2012 and 2013

由图2可见,2011年、2012年和2013年华北地区秋冬季地面以上10m高度处平均风矢量分布类似,以西风和西北风主导,北京北部42°N及以北地区,主要为西风,平均风速达5m/s,随着维度降低,平均风速也逐渐降低,河北省南部和山东省境内的风速最小.在北京市,平均边界层高度(PBLH)排序为PBLH2011

提取了北京市城区所在经纬度网格中地表以上10m处U、V风分量和边界层高度的6h分辨率数据,从6h分辨率风玫瑰图(图3)来看,城区2011～2013年秋冬季风速和风向分布基本一致, 3年的平均风速分别为2.47,2.69,2.72m/s,以东北风和北风为主导,分别占总天数41%,37%和44%,而南风、西南风和东南风总共占31%,34%和30%.从边界层高度日均值直方图来看,三年中边界层高度均集中于100～500m之间,分别占总天数的83%,79%和79%.以上结果表明,选取2012年秋冬季节作为研究时段,具有一定代表性.

值得关注的是,2012年北京市周边省份的边界层高度普遍高于2011年和2013年,华北地区的气象状况整体有利于污染物在边界层内的扩散去除,在本研究基础上,有必要开展针对其他年份,尤其是极端不利气象条件的模拟工作,以检验控制措施在不同气象状况下的控制效果.

2.2 模式验证

利用2012年10月1日至12月30日北京市气象局在城区海淀站和密云上甸子区域大气本底站的PM2.5观测质量浓度,验证了模式模拟性能.由图4和表2可见,模式能较好捕捉污染物浓度的变化趋势,2012年城区海淀站和上甸子站PM2.5质量浓度日均观测值与模拟值的相关系数分别为0.71和0.63.从平均偏差(MB)和标准平均偏差(NMB)可看出,模式对海淀站PM2.5的模拟结果与观测比较接近,平均偏差为3.23μg/m3,标准平均偏差为4.73%,而对上甸子站的模拟相关系数更低,主要表现于对高污染时段低估,平均低估水平达34.67%,表明模型对城区站点的模拟效果优于郊区站点,Wu等[24]认为可能与城区污染源排放数据更加详细有关.同时对上甸子站的低估主要表现为对PM2.5高浓度时段的低估,也可能与模式中物理和化学过程的不完善有关.

图4 2012年10月1日～12月31日海淀站(HD)与上甸子站(SDZ) PM2.5质量浓度日均值的观测与模拟比对Fig.4 Comparison between observed and modelled daily concentrations of PM2.5at HD and SDZ during Oct. 1st to Dec. 30th, 2012

表2 观测与模拟结果比较统计值Table 2 Statistical summaries between the simulation and observation results

平均偏差Mean Bias (MB):

标准平均偏差Normalized Mean Bias (NMB): ×100%

均方根误差Root Mean Square Error (RMSE):

一致性系数:Index of agreement (IA):

2.2 京津冀及周边减排方案效果评估分析

2.2.1 采取减排方案PM2.5浓度下降率分布 由图5可见,2012年10月1～12月30日, PM2.5污染集中于北京市城六区及以南和以东区域,丰台区和石景山区污染严重,其中石景山西部的PM2.5浓度平均值最高达92.5μg/m3,城区海淀站和背景区上甸子站模拟PM2.5平均浓度分别为71.5,24.8μg/m3,从市中心到远郊区具有明显的浓度下降趋势.北京人口集中分布于城六区,是交通源和无组织面源的主要贡献地区,而南城区曾是北京主要的重工业和火力发电基地,对点源排放具有重要贡献,加之东南风盛行状况下受到周边区域污染输送的影响[10,25],同时西北高东南低的三面环山地形条件不利于污染物向西北的扩散去除[26-27],从而导致了PM2.5在城六区及以东和以南地区的集中分布.

采取减排措施后,整个模拟区域内的PM2.5浓度均发生了显著降低,浓度平均下降率范围为17%～29%,下降比例最高区域位于北京市城区及南部区域,以城六区和房山区的下降比例最大,与减排前PM2.5分布规律基本一致,而郊区的下降比例较低,但也有17%以上的削减效果,结果显示排放强度越大、PM2.5浓度越高的区域,采取减排控制措施获得的空气质量改善效益越大.

图5 北京市PM2.5浓度平均分布(µg/m3)与采取削减方案前、后北京城PM2.5浓度平均下降率(%)分布Fig.5 Distribution of average PM2.5(µg/m3) concentrations and decreasing ratio(%) of PM2.5after emission source controlling measures in Beijing

2.2.2 减排方案对城区和背景区PM2.5浓度影响 根据采取减排方案前后,海淀站和上甸子站的PM2.5日均值浓度,计算两个站点逐日的PM2.5浓度下降率.同时利用北京市行政区划矢量图,截取了城六区所在区域的PM2.5模拟数据,计算城六区PM2.5平均下降率,如图6.采取削减方案后,模拟的海淀站、城区平均及上甸子站PM2.5日均浓度均有所下降.污染物浓度水平有明显的逐日变化,其中城区海淀站PM2.5的模拟日均浓度最高值为129.9μg/m3,最低为14.0μg/m3,而PM2.5的浓度下降率一直维持在20%～28%比较稳定的水平,变化波动较小,证明通过采取上述减排方案,能在不同气象条件和污染物浓度水平的状况下,达到稳定持续有效的减排效果.海淀站秋冬季三个月内平均下降率为(24.9±2.3)%,峰值浓度下降率为32.1%,城区PM2.5浓度平均下降率与海淀站一致,平均下降率为(24.8±2.1)%,峰值浓度下降率为24.8%,而上甸子站处于背景地区,PM2.5浓度主要受区域性污染输送的影响,局地的污染排放较少,其PM2.5浓度平均下降率相对于城区较低,为(20.2±2.7)%,峰值下降率为17.9%.

基于上述减排评估,结合2012年10月1日～12月31日城区海淀站和背景区上甸子站的逐日污染物浓度观测数据,计算采取削减方案后,PM2.5的预期降低浓度与降低后的观测浓度(表3).与2012年10～12月基础年观测值相比,采取削减方案后,海淀站和上甸子站的PM2.5平均下降16.3μg/m3和7.5μg/m3,采取削减方案后的秋冬季平均观测浓度降低为51.7μg/m3和29.8μg/m3.《北京公共服务发展报告(2012～ 2013)》[28]数据显示,2010～2012年北京市PM2.5年均浓度在70～80μg/m3,根据目前制定京津冀及周边地区污染减排方案和2012年的气象背景条件,以城区PM2.5浓度下降率为(24.8± 2.1)%,北京市的PM2.5的浓度将将降低到52.6～ 60.2μg/m3的浓度水平.如果严格执行《京津冀及周边地区落实大气污染防治行动计划实施细则》[3]要求的控制措施,在气象条件和2012年相似的情况下,能有效降低北京市PM2.5浓度,到2017年,北京市城区PM2.5年均浓度控制在60μg/m3内的防治目标可以实现.

图6 采取削减方案前、后海淀站、城区和上甸子站PM2.5浓度变化模拟结果Fig.6 Simulation of changes of PM2.5for HD, urban area and SDZ before and after emission source controlling measures

表3 采取削减方案后海淀站、上甸子站和城区PM2.5浓度下降率与采取方案后观测浓度下降Table 3 Average decreasing ratio for PM2.5at HD, SDZ and UrbanArea and estimated decrease for observed PM2.5concentrations

3 结论

3.1 选取2012年10月1日-12月30日作为北京市秋冬季大气污染的代表时段,利用MM5/ SMOKE/CMAQ数模式系统,模拟了北京市PM2.5浓度,模式能较好捕捉污染物浓度的变化趋势,海淀站和上甸子站观测和模拟的相关系数分别为0.71和0.63.

3.2 根据《京津冀及周边地区落实大气污染防治行动计划实施细则》[13]和2012年到2017年污染源减排控制目标,对主要污染源和污染物排放量削减30%～40%后,北京市PM2.5浓度平均下降率范围为17%～29%.

3.3 采取削减方案后,海淀站、上甸子站和城六区的平均浓度下降率分别为(24.9±2.3)%, (20.2± 2.7)%和(24.8±2.1)%,观测的海淀站和上甸子站的PM2.5平均下降16.3μg/m3和7.5μg/m3,若严格执行要求的控制措施,在气象条件和2012年相似的情况下,到2017年,北京市城区PM2.5年均浓度控制在60μg/m3内的防治目标可以实现.

[1] Wang M, Zhu T, Zheng J, et al. Use of a mobile laboratory to evaluate changes in on-road air pollutants during the Beijing 2008 Summer Olympics [J]. Atmospheric Chemistry and Physics, 2009,9(21):8247-8263.

[2] 北京市环保局,北京市环境状况公报 [EBOL]: http://www. bjepb.gov.cn/portal0/tab181/, 2006-2012.

[3] Shao M, Tang X, Zhang Y, et al. City clusters in China: air and surface water pollution [J]. Frontiers in Ecology and the Environment, 2006,4(7):353-361.

[4] 国家统计局能源统计司,中国能源统计年鉴2012 [M]. 中国统计出版社, 2012.

[5] 国家统计局,中国统计年鉴 [M]. 中国统计出版社, 2012.

[6] 朱 彤,尚 静,赵德峰.大气复合污染及灰霾形成中非均相化学过程的作用 [J]. 中国科学:化学, 2010,(12):1731-1740.

[7] Yu L D, Wang G F, Zhang R J, et al. Characterization and source apportionment of PM2.5in an urban environment in Beijing [J]. Aerosol and Air Quality Research, 2013,13(2):574-583.

[8] 环境保护部.环境保护部发布2013年6月份及上半年重点区域和74个城市空气质量状况[EBOL]: http://www.mep. gov.cn/gkml/hbb/qt/201307/t20130731_256638.htm.2013-07-31.

[9] 杨 欣,陈义珍,刘厚风.北京2013年1月连续强霾过程的污染特征及成因分析 [J]. 中国环境科学, 2014,34(2):282-288.

[10] An X, Zhu T, Wang Z et al. A modeling analysis of a heavy air pollution episode occurred in Beijing [J]. Atmospheric Chemistry and Physics, 2007,7(12):3103-3114.

[11] Streets D G, Fu J S, Jang C J et al. Air quality during the 2008 Beijing Olympic Games [J]. Atmospheric Environment, 2007, 41(3):480-492.

[12] 国务院.大气污染防治行动计划 [EB/OL]: http://www. gov.cn/zwgk/2013-09/12/content_2486773.htm. 2013-09-12.

[13] 环境保护部.京津冀及周边地区落实大气污染防治行动计划实施细则 [EB/OL]: http://www.mep.gov.cn/gkml/hbb/bwj/201309/ t20130918_260414.htm. 2013-09-17.

[14] Grell, G A, Dudhia J and Stauffer D. A description of the fifth-generation Penn State/NCAR Mesoscale Model (MM5)[OL]. NCAR Technical Note NCAR/TN-398+STR, DOI: 10.5065/ D60Z716B.http://opensky.library.ucar.edu/collections/?collId=tec hnotes&itemId=TECH-NOTE-000-000-000-214.1994.

[15] Houyoux M R, Vukovich J M.Updates to the Sparse Matrix Operator Kernel Emissions (SMOKE) modeling system and integration with Models-3 [EB/OL]. The Emission Inventory: Regional Strategies for the Future:www.ie.unc.edu/cempd/ pub_files/awma99_smoke.doc.1999.

[16] Byun D, Schere K L. Review of the governing equations, computational algorithms, and other components of the models-3Community Multiscale Air Quality (CMAQ) modeling system [J]. Applied Mechanics Reviews, 2006,59(1-6):51-77.

[17] 陈彬彬,林长城,杨 凯,等.基于CMAQ模式产品的福州市空气质量预报系统 [J]. 中国环境科学, 2012,32(10):1744-1752.

[18] 邓 涛,吴 兑,邓雪娇,等.珠江三角洲一次典型复合型污染过程的模拟研究 [J]. 中国环境科学, 2012,32(2):193-199.

[19] 刘 宁,王雪松,胡泳涛,等.珠江三角洲秋季PM10污染模拟与形成过程分析 [J]. 中国环境科学, 2012,32(9):1537-1545.

[20] Zhang Q, Streets D G, Carmichael G, et al. Asian emissions in 2006for the NASA INTEX-B mission [J]. Atmospheric Chemistry and Physics, 2009,9(14):5131-5153.

[21] Streets D G, Bond T, Carmichael G, et al. An inventory of gaseous and primary aerosol emissions in Asia in the year 2000 [J]. Journal of Geophysical Research: Atmospheres (1984—2012), 2003,108(D21).

[22] Streets D G, Yarber K, Woo J H, et al. Biomass burning in Asia: Annual and seasonal estimates and atmospheric emissions [J]. Global Biogeochemical Cycles, 2003,17(4):1099-1118.

[23] 吴其重,王自发,徐文帅,等.多模式模拟评估奥运赛事期间可吸入颗粒物减排效果 [J]. 环境科学学报, 2010,30(9):1739-1748.

[24] Wu Q Z, Wang Z F, Gbaguidi A, et al. A numerical study of contributions to air pollution in Beijing during CAREBeijing- 2006 [J]. Atmospheric Chemistry and Physics, 2011,11(12):5997-6011.

[25] Wang M, Zhu T, Zhang J P, et al. Using a mobile laboratory to characterize the distribution and transport of sulfur dioxide in and around Beijing [J]. Atmos. Chem. Phys., 2011,11(22):11631-11645.

[26] Chen D S, Cheng S Y, Liu L et al. An integrated MM5—CMAQ modeling approach for assessing trans-boundary PM10contribution to the host city of 2008Olympic summer games—Beijing, China [J]. Atmospheric Environment, 2007, 41(6):1237-1250.

[27] Ho K F, Lee S C, Ho S S H et al. Dicarboxylic acids, ketocarboxylic acids, α-dicarbonyls, fatty acids, and benzoic acid in urban aerosols collected during the 2006 Campaign of Air Quality Research in Beijing (CAREBeijing-2006) [J]. Journal of Geophysical Research: Atmospheres, 2010,115(D19):D19312.

[28] 施昌奎.北京公共服务发展报告2012-2013/北京蓝皮书 [M].北京:社会科学文献出版社, 2013.

Evaluation of PM2.5decrease in Beijing after emission restrictions in the Beijing-Tianjin-Hebei and surrounding regions.

LIU Jun1, AN Xing-qin2*, ZHU Tong1, ZHAI Shi-xian2, LI Nan2(1.State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Sciences and Engineering, Peking University, Beijing 100871, China；2.Institute of Atmospheric Composition, Chinese Academy of Meteorological Sciences, Beijing 100081, China). China Environmental Science, 2014,34(11)：2726～2733

The models-3 community multiscale air quality (CMAQ) Modeling System was used to simulate PM2.5concentrations in Beijing with the application of a high-resolution emission inventory for Beijing-Tianjin-Hebei Region in North China Plain. Based on the reanalysis of meteorological data derived from the national centersfor environmental prediction (NCEP) final analysis (FNL), in the autumn and winter of 2011, 2012, and 2013, we have chosen a representative period, October 1st to December 30th of 2012,for baseline simulation. According to the implementing measures for air pollution prevention and control action plans in Beijing-Tianjin-Hebei and surrounding area (hereinafter referred to as the measures) and Emission Source Control Target for the five-year period (2012～2017), we formulated an emission control scenario to evaluate the improvements in air quality with the comparison to baseline simulation. The modeling system well captured the temporal trend of PM2.5concentrations,with a correlation coefficient of 0.71 and 0.63 betweenmodeled and measured PM2.5daily average concentrationsat Haidian and Shangdianzi, respectively. After 30～40% reduction of emissions for main pollutants in the Beijing-Tianjin-Hebei Region, PM2.5average concentrations in Haidian, Shangdianzi, and urban area deceased by (24.9±2.3)%, (20.2±2.7)%, and (24.8±2.1)%, respectively. If the measures were strictly implemented and the meteorological conditions were similar with those in 2012, the goal of reducing PM2.5annual mean concentration to 60µg/m3could be reached in 2017.

models-3 community multiscale air quality；Beijing-Tianjin-Hebei and surrounding areas；PM2.5；decreasing ratio

X51

A

1000-6923(2014)11-2726-08

刘 俊(1987-),女,四川郫县人,北京大学博士研究生,主要从事环境科学与政策的研究.发表论文3篇.

2014-02-10

国家自然基金(21190051,41121004);欧盟第7框架项目PURGE(265325);北京科技计划项目(GYHY200806027);城镇化发展对臭氧污染的影响及下游效应研究(41075111)

* 责任作者, 研究员, anxq@cams.cma.gov.cn