APEC期间北京市PM2.5特征模拟分析及污染控制措施评估

贾 佳,郭秀锐,程水源



APEC期间北京市PM2.5特征模拟分析及污染控制措施评估

贾 佳,郭秀锐,程水源*

(北京工业大学,区域大气复合污染防治北京市重点实验室,北京 100124)

为分析APEC会议前后PM2.5浓度特征,评估应急控制措施效果,通过对比分析APEC会前、会期、会后北京PM2.5浓度和组分的变化特征,探讨气象条件和污染调控对环境空气质量的改善作用,采用CAMx-PSAT模型定量分析北京周边不同区域、不同污染源的控制措施对空气质量的改善效果,并设置情景对比研究控制措施实施与否呈现出的不同污染状况.结果表明:会期北京市区PM2.5日均监测浓度低于国家空气质量二级标准(75μg/m3),污染物主要来自于本地源的排放,机动车尾气排放是北京市区PM2.5的最主要污染源,贡献占比达到36.1%.由于污染控制措施的实施,会期北京市区PM2.5浓度降低了43.0%,北京及周边区域严苛的污染控制措施是形成“APEC蓝”的主导因素.

APEC；PM2.5；CAMx-PSAT模拟；污染控制措施；北京市

近年来,随着我国工业化和城市化进程的加快,能源资源消耗持续增加,各种大气污染物的排放远远超过了环境承载能力,大气污染防治压力继续加大[1],其中以PM2.5为特征污染物的区域性大气环境问题尤为突出[2].国务院于2013年制定了《大气污染防治行动计划》,以有效控制PM2.5污染、提高空气质量、逐步消除重污染天气.

2014年11月5日到11日,亚太经济合作组织(APEC)会议在北京召开.11月份北京正处于秋冬转换的季节[3],该时段往往风速小、降水少,多呈现出静稳逆温的天气,不利于污染物的扩散,易造成重污染天气的频发[4].为保障APEC会议期间的空气质量,北京、天津、河北、山西、内蒙古、山东等省市采取了不同程度的污染控制措施(包括重污染工业企业停产限产、机动车单双号限行、停止施工工地所有石方和拆除作业、加强道路清扫保洁、严控施工扬尘、调休假减少社会活动、禁止露天烧烤等)[5].在气象条件不利的情况下,会期北京市区的PM2.5平均浓度相对于2013年同时期下降了53.9%,实现了空气质量的大幅度改善[6],形成了“APEC蓝”.

国内外学者对APEC会议期间的污染状况和气象条件进行了初步研究,包括北京周边灰霾观测[7]、PM2.5浓度变化趋势[8]、PM2.5污染物成分研究[9]、京津冀区域PM2.5碳质组分特征[10]、气象条件对颗粒物浓度的影响[11]等.而尚缺乏对APEC期间不同区域、不同污染源控制措施改善效果的定量化评估.

包括GAM[12]、NAQPMS[13]、CMAQ[14]在内的多种空气质量模型在对北京奥运期间的污染控制措施效果研究中得到了应用.而CAMx模型能够更精确的模拟气态及颗粒污染物在大气中排放、扩散、化学反应及移除等作用,可同时进行多源-多受体的源贡献识别,并且在污染物区域分布模拟及污染特征因子示踪方面具有突出的优势[15],因此CAMx模型能够更科学、精确地对污染控制措施效果进行评估[16-17].

借APEC期间实施污染控制措施的时机,本文对比会前、会期、会后北京市区PM2.5浓度和组分的变化特征,探讨气象条件和污染调控对改善空气质量的促进作用,采用CAMx模型进行会议前后污染物来源解析,并设置不同情景定量化评估不同区域、不同污染源减排措施实施对北京市区PM2.5浓度的改善效果.

1 研究方法

1.1 样品采集和分析

选取北京三环附近的北京师范大学科技楼楼顶进行PM2.5样品的连续采集,采样点周边交通密集,可反映出北京市区PM2.5的污染特征.采样时段为2014年10月21日~11月22日,每个样品采样时间为连续23h(08:00~次日07:00).

采样前,所有采样仪进行流量校正和密封性试验.PM2.5采样器采用武汉天虹TH150C、TH150D,采样流量为100L/min,PM2.5样品采集选用Whatman公司生产的纤维素滤膜(直径90mm)与石英滤膜, 纤维素滤膜用于元素、离子组分分析,石英膜用于碳质组分分析.对采样膜在采样前后分别进行48h恒温[ (20±5)℃]、恒湿(40%±2%).应用Sartorius丹佛TB–215D型(精度为0.01mg)十万分之一电子天平称重.

元素测试采用耦合等离子体质谱仪(ICP–MS,7500a,Agilent,安捷伦),测试过程中保证内标元素的试验数据RSD值小于3%,否则对样品进行重复测试.离子测试采用离子色谱仪(IC, Metrohm 861Advanced Compact,瑞士万通).对于高浓度样品,稀释10倍后进行测试.对空白膜和标准样品进行测试,以确保数据的有效性.截取石英膜进行OC(有机碳)、EC(元素碳)的测试,测试采用热-光法碳质分析仪(DRI, Model 2001, 美国沙漠研究所)仪器.测试过程中同样对空白膜进行分析,用空白膜的试验结果对采集样品的试验数据进行校正[18-21].

1.2 数据收集

观测数据包括空气质量浓度数据、污染物监测数据和气象参数数据.逐时的空气质量浓度数据和污染物在线监测数据(包括PM2.5、SO2、NO、CO、O3等)是从国家环境监测中心的各个监测站点自动获取.气象数据从中国气象局网站和Weather Underground(http://www.wunderground. com/)网站获取,包括温度、相对湿度、可见性、风向和风速等.

1.3 数值模拟

1.3.1 空气质量模型的构建 采用三维多尺度欧拉空气质量模型CAMx(Comprehensive Air Quality Model with Extension)内嵌的颗粒物来源识别工具(PSAT)对北京及周边城市的空气质量进行模拟.PSAT针对不同种类的颗粒物,进行不同地区污染源贡献的识别分析.PSAT考虑了示踪物在物理过程、化学过程中的生成、消除和转化,能有效地追踪不同地区、不同种类源排放对目标区域PM2.5的贡献[22],使得敏感源筛选识别由理论上可行转变为实际中的可操作.

采用CAMx V6.0版本建立包括华北地区在内的空气质量模型,对APEC会前(10-24~ 11-02)、会期(11-03~11-12)、会后(11-13~11-22)的空气质量进行模拟.地图投影采用兰波托投影,设置两层嵌套网格,外层模拟区域分辨率为27km×27km,覆盖京津冀和周边地区(包括山西、山东、河南、内蒙古、辽宁等省份的全部或大部分区域);内层模拟区域空间分辨率为9km×9km,主要覆盖京津冀区域(包括北京、天津、河北及周边省份的部分区域).为了研究不同区域污染物来源对北京市区PM2.5污染的影响,根据地理边界对污染源区域进行标记,包括北京、天津、河北和外围(覆盖京津冀以外区域),其中河北又分为4个区域:西北区域(张家口)、东北区域(承德、秦皇岛、唐山)、西南区域(保定、石家庄)和东南区域(廊坊、沧州、衡水、邢台、邯郸).气象场模拟采用WRFv 3.3,初始背景边界条件采用美国国家环境预报中心(NECP)提供的1°×1°分辨率的全球对流层FNL数据集.空气质量模型CAMx所使用外围源排放清单为清华大学研发的2010年中国多分辨率排放清单;内层清单来自于本研究团队自下而上建立的、已更新到2014年的京津冀区域大气污染物排放清单[15],主要包含PM10、PM2.5、SO2、NO、NH3、CO和VOCs等,并结合APEC期间各省市的污染控制措施对清单进行改动.应用GIS工具将污染源清单进行模拟区域网格空间分配.将污染源清单分为工业源(工业企业排放、工业无组织扬尘)、交通源(机动车尾气排放、交通扬尘)、扬尘源(裸地扬尘、道路扬尘等)、其他源(锅炉燃煤源、居民面源等)4组.在北京市区选取3个受体点(分别在天坛、东四、官园站点附近,位于北京市区,而且与PM2.5监测站点接近,能够较好反映市区PM2.5浓度变化),取其平均值作为模型模拟的北京市区PM2.5浓度结果.数值模型网格嵌套区域如图1所示.

1.3.2 模型模拟情景设置 APEC会议期间京津冀及周边各省份采取紧急控制措施以保障北京的空气质量,并且取得了显著的效果.为了定量化研究不同区域、不同污染源控制措施对北京市区PM2.5浓度的改善效果,设置两种情景对比分析:情景一即京津冀地区实施了污染控制措施,主要用于对比研究APEC会前、会期、会后PM2.5的污染特征和变化规律,并探讨是否只有京津冀地区实施控制措施已能够保障北京的空气质量良好;情景二假设北京及周边区域并未采取减排措施,由于与情景一采用了同样的背景气象场,两种情景的对比结果可定量研究京津冀地区的控制措施对北京市区PM2.5的改善效果.

2 结果与讨论

2.1 数值模拟结果验证

图2对比了北京会期PM2.5逐时模拟质量浓度与监测浓度(北京市区12个国控监测站点均值)的变化趋势.应用平均偏差(NMB)、平均误差(NME)、相关系数(RC)对模型模拟结果进行验证.会期北京模拟PM2.5逐时平均浓度为41.5μg/m3,监测逐时平均浓度为42.7μg/m3,计算得出平均偏差(NMB)为-2.9%,平均误差(NME)为41.3%,两者相关系数(RC)为81.0%.模拟结果与监测值呈现出较高的相关性,与监测值对比平均偏差NMB较小,但平均误差NME相对较大.由于本文主要考虑了京津冀区域对北京PM2.5浓度的影响,并没有完全覆盖周边其余省份,因此整体上模拟浓度比监测浓度低.部分时段模拟浓度高于监测浓度,与气象场模拟误差、数值模型自身机理缺陷等因素有关.污染源清单的不确定性、控制措施实施强度低于预期等也是导致空气质量模拟结果与观测值出现偏差的原因[23].

同时采用PM2.5离线组分质量浓度数据(SO42-、NO3-、NH4+)与模型模拟结果进行对比分析,用两者相关性来验证模型的准确性(表1).结果表明,模拟所得PM2.5与二次水溶性离子组分平均浓度均略低于监测值,模拟结果与监测值之间相关性(RC)良好,相关系数在74%以上.综合考虑两项验证指标(NMB和NME),本文所选用的模型以及参数设置对二次水溶性离子组分的模拟效果较好.与其他研究对比,模拟误差在可接受范围内,模拟结果基本可以反映实际的PM2.5污染过程[24-26].

表1 二次水溶性离子模拟浓度与监测浓度对比 Table 1 Secondary soluble ions simulated versus observed

2.2 PM2.5污染浓度和组分变化特征

2.2.1 PM2.5浓度变化特征 结合会前、会期和会后的逐时监测结果(图2),北京市区PM2.5浓度总体呈现“U型”的变化趋势.会前重污染相对集中,根据逐时数据统计,出现重污染时刻占全部时段的29.6%;会期北京市区PM2.5浓度明显下降,逐时平均浓度(46.5μg/m3)相对会前(106.0μg/m3)降低了56%,11月4日部分时刻出现的重污染与11月4日北京五环路内部分地点燃放烟花有关[27],总体均值低于国家空气质量二级标准(75μg/m3),污染控制措施取得了良好的效果;而会后北京PM2.5浓度(112.4μg/m3)大幅度反弹升高,重污染时段再次增多,重污染时刻占全部时段的33.3%,污染浓度相对会期增长了140%.

会期出现了两次较为明显的污染集聚(图2,11月3日~4日,11月9日~10日),同时期风速和能见度低、相对湿度较高(图3).以11月9日~10日的污染集聚过程为例,根据MICAPS海平面气压场进行分析(图4,11月8日2:00到11月10日14:00).8日2:00(图4a),高压中心位于蒙古高原,我国中高纬度环流呈典型的长波槽脊稳定性,这些长波槽脊变化受超长波影响或控制,移速非常缓慢,阻碍冷气团向亚洲中低纬度地区移动,削弱冷空气对我国东部地区的影响[28],地面和低空风速不大,垂直和水平方向扰动小,会出现长时间的静稳天气,近地面呈现明显逆温现象,不仅不利于天气尺度扰动的发展,而且会减弱低层大气的垂直混合,不利于污染物垂直扩散[29],再加上北京三面环山的地形特点,造成污染物的累积;9日2:00(图4b),北京处于高压尾部均压场,污染物的累积仍在继续,PM2.5浓度持续上升,相对湿度较高促进大气中气态污染物向颗粒态的转换;10日0:00左右PM2.5浓度达到一个峰值,但由于污染控制措施的实施,北京本底污染程度较低,本次峰值并没有形成重污染;10日2:00(图4c),高压中心继续向东南移动至京津冀区域,北京地区转为冷高压前部,气压变化幅度增大,风速瞬间升高的同时,风向由无持续风向迅速转变为北风,局地相对湿度骤然降低,冷空气带来的西北气流对区域污染物有明显的清除作用,PM2.5浓度明显下降;10日14:00(图4d)高压中心继续向东南方向移动,北京逐步脱离高压中心控制,污染集聚重新开始.

2.2.2 PM2.5组分变化特征 PM2.5包括一次组分和二次组分,其中一次组分主要包括矿物尘、一次有机物(POA)、元素碳(EC)、污染元素等,二次组分包括二次有机物(SOA)、SO42-、NO3-、NH4+等.其中POA和SOA是通过POC(一次有机碳)、SOC(二次有机碳)乘以经验系数1.6得到[30],此系数估算了有机物中氢、氧等物质.矿物尘根据Al、Ca、Ti、Fe等元素的相应氧化物计算[31],SOC用OC/EC(有机碳/元素碳)最小比值法计算,公式[32]为

(矿物尘)=2.20×(Al)+2.49×(Si)+1.63×(Ca)+

2.42×(Fe)+1.94×(Ti) (1)

(SOC)=(OC)–(EC)×((OC)/(EC))min(2)

表2 APEC会前、会期、会后的PM2.5具体组分占比(%) Table 2 The proportions of PM2.5 components before-, during-, and after the APEC meeting (%)

APEC会前、会期、会后的PM2.5具体组分占比如表2所示.SO42-、NO3-、NH4+是PM2.5中3种主要水溶性离子,其质量浓度之和占PM2.5的43.8%,会期占比增长到48.8%,APEC后降至46.8%.分析其原因与会期北京光照较为强烈,有利与气态前体物(SO2、NO、NH3)发生二次转化有关.同时用NO3-与SO42-的浓度比值来判定二次离子的主要来源,APEC会前、会期、会后北京(NO3-)/(SO42-)分别为1.7、2.1、1.6,会期(NO3-)/(SO42-)大于2表明移动源对北京SO42-和NO3-的贡献占主导,是北京PM2.5污染物的主要来源.控制锅炉、部分地区延迟居民供暖等措施的实施使得SO42-占比略有下降,而在会后由于居民供暖的开始,燃煤量显著增高,SO2排放量增加,SO42-所占比例逐步升高[33].APEC期间POA、EC、矿物尘、污染元素相比其他时段都较低,归结于控制扬尘、企业停产、减少燃煤等污染控制措施的实施;SOA相对其他时段较高,其原因在于APEC期间光照强烈,大气氧化活性强.

2.3 会期PM2.5区域传输和来源分析

表3 APEC会前、会期、会后北京PM2.5污染物区域传输和污染源的贡献解析(%) Table 3 The contribution of regional transport and pollution sources of PM2.5 in Beijing before-, during-, and after the APEC meeting (%)

注:* 外围区域没有对排放源种类进行划分,表中数值是外围区域所有源对北京市区PM2.5浓度的贡献占比.

基于CAMx-PSAT模型模拟得到京津冀区域不同地市、不同污染源对北京市区PM2.5的浓度贡献,如表3所示.

结果表明,本地源对北京市区PM2.5浓度的逐日贡献占比在61.57%~96.64%之间(均值为77.5%),本地贡献最高时段都出现在会期内(11月5日、11日、12日北京本地源贡献都超过了90%).会期北京处于高压均压控制范围,污染物难以扩散,本地源贡献逐步升高.

会前本地机动车源和工业源是北京市区PM2.5的最主要污染贡献源,与清单中机动车和工业污染物排放量最高有关.会期期间北京及周边地区对工业实施了停产限产措施、强行停止野外施工、加强道路清洗力度,这些措施对降低工业源和土壤源污染物的排放具有显著的效果.会议期间对机动车污染源采取了单双号限行和限制公务车频次等措施,但由于机动车控制涉及到居民生活和常规出行,其控制力度相对于其余污染源较为宽松,部分文献指出APEC期间北京市区车流量下降幅度并不明显,甚至有增加的趋势[34].与此对应,模拟结果显示本地机动车污染源是会期北京市区PM2.5的最主要污染源,而且浓度贡献占比相对于会前有明显的提升(24.2%上升至36.1%),远高于其他污染源,与PM2.5组分分析结果[(NO3-)/(SO42-)>2]一致.会后由于污染控制措施的取消和居民供暖的开始,北京市区PM2.5浓度大幅度升高,本地的工业源和其他源(包括燃煤锅炉污染源)贡献占比迅速增长.

京津冀以外区域在APEC会议前后对北京市区PM2.5浓度贡献占比变化并不明显,说明京津冀以外区域的控制措施对北京市区PM2.5浓度改善效果相对有限.而在京津冀区域范围内的外来源中,会前北京市区PM2.5污染物主要来自南部和东北部污染传送通道的累积,其中河北东北区域工业源贡献最高,与唐山市工业污染物排放量高有关,对北京市区PM2.5浓度贡献占比为4.1%;会期各区域污染物排放都得到了有效地抑制,河北东北、西南、东南区域和天津对北京市区PM2.5的贡献相比会前明显下降,但河北西北区域不降反升.尽管河北西北区域与北京之间隔着燕山山脉,但由于张家口市内污染排放源海拔较高和西北风频次的增加(图5),污染物仍然能够通过高空传输作用传送到北京市区,又由于机动车污染源污染物排放量高和工业源一般通过高空烟囱排放,使得河北西北区域的机动车源和工业源成为会期对北京市区PM2.5贡献最高的外来源;会后北京PM2.5浓度升高的同时,周边区域对北京污染贡献逐步增大,北京主导风向转为东北风和西南风,河北西南和东北区域成为最主要外来贡献源,而且随着天津和河北全境居民供暖的开始、建筑施工的减少降低扬尘排放等因素,包括燃煤源在内的其他源贡献比重逐步升高.

2.4 污染控制措施效果评估

APEC期间各地区实施污染控制措施后污染物得到了大幅度的削减,其中北京、天津、河北污染物削减比例如表4所示.

表4 京津冀地区采取控制措施后污染物减排比例 Table 4 Reduction ratios of pollutants after the control measures were implemented in BTH region

重点考虑京津冀地区采取控制措施对北京市区PM2.5浓度的影响,设置2种情景对污染实施控制的效果进行评估,情景一为京津冀区域在APEC期间实施控制措施,根据上表对污染源排放清单进行更新;情景二假设京津冀区域在APEC期间不实施控制措施,使用原始清单.结合2种情景模拟结果,对比分析控制措施对北京PM2.5浓度的影响.

如图6所示,情景一模拟结果显示会期北京PM2.5逐时均值模拟结果为41.5μg/m3,虽然在部分时段北京及周边地市有污染物的积累,但并没有形成重污染;而根据情景二模拟结果,若未采取污染物控制措施,则会由于北京本地排放和周边污染输送量的增加,致使重污染天气频发,PM2.5瞬时浓度最高值超过250μg/m3,出现重污染的时刻占到全部时段的17.4%,PM2.5逐时浓度均值为78.2μg/m3,即由于污染控制措施的实施,会期北京市区PM2.5浓度降低了43.0%.

同期监测值(图2)显示逐时平均浓度为42.7μg/m3,与情景一模拟结果比较接近,表明只在京津冀地区采取污染控制措施已经基本能够保障APEC期间北京市区良好的空气质量.2013年相同时段PM2.5逐时浓度均值为92.7μg/m3,以情景二模拟结果与2013年同时期PM2.5浓度监测数据对比,都呈现出长时间的重污染.说明APEC期间气象条件相比2013年同时期虽然略好,但对PM2.5浓度的影响程度相对有限.

结合情景一、情景二模拟结果,不同区域不同源的控制措施对PM2.5浓度改善的效果如图7所示.

本地源中,会期期间工地停工、增加道路清扫频次、停限产高污染企业等大幅度降低了本地工业源、土壤源、其他源(包括居民源和燃煤源)的污染物排放.其中土壤源控制措施最见卓效(21.8%),与其本身排放基数大、实施控制措施后排放量急剧减小等因素有关.而本地机动车源控制措施所产生的效果相对较差(11.2%),与机动车源控制难度大、距离目标受体点较近、车流量降低幅度有限等原因有关.

外来源中,河北西南方向保定和石家庄污染物排放量较高,是北京PM2.5污染物的主要输送通道,控制措施实施后西南区域对北京空气质量改善效果最为明显.由于会期时段北风频次增加,河北西北区域和东北区域的控制措施对北京PM2.5污染物也有一定的削减效果.

虽然外部区域对北京市区PM2.5浓度的改善效果与风向密切相关,仍需要周边各区域的联防联控,而非只对主导风向区域或者相邻区域加以控制.原因在于①气象条件不可控,风向和风速瞬息万变,若未采取措施的区域突然转为上风向区域,则目标区域将会由于大量污染物的扩散而呈现重污染;②若风速突然增大,则远距离区域的污染物也会大量传送到目标区域;③采取污染控制措施的目的不仅仅在于保障APEC期间北京市区的空气质量,也着力于改善整个京津冀区域的污染状况,以最大化控制大气污染的负面效应.

综上所述,污染控制措施的实施是实现北京会期PM2.5浓度降低的主要原因.因此,为了保障北京市区空气质量,避免PM2.5重污染的出现,不仅需要对北京本地污染物的排放严格把关,还需要周边地区的协同控制[35-37].

3 结论

3.1 对比了APEC会前、会期、会后北京市区PM2.5浓度和组分的变化特征,采用CAMx-PSAT模型分析北京周边不同区域、污染源控制措施的改善效果,并设置京津冀区域实施减排措施和不实施减排措施两种情景对比研究减排措施实施对北京市区PM2.5浓度的影响.结果表明APEC会期期间北京市区空气质量良好,PM2.5浓度低于国家空气质量二级标准(75μg/m3);但假如京津冀区域没有实施污染控制措施,会期北京市区仍旧会在17.4%的时段内呈现出重污染,与2013年同时期状况相似.京津冀区域污染控制措施的实施使得会期北京市区PM2.5浓度降低了43.0%.

3.2 会期北京PM2.5组分中二次离子占比有所增加,与同时段天气多为晴朗,光照强烈有关;移动源是会期北京市区PM2.5的主要贡献来源.

3.3 北京市区PM2.5主要来自于本地污染物的排放,会期本地源贡献有所增加.会前北京市区PM2.5主要来自于本地工业源和机动车源.污染控制措施的实施大大降低了会期工业源、土壤源和其他源的排放;外来源中,会期河北西北区域的贡献最高,与本时段内西北风频次增加有关,而会后北京主导风向的转变使得河北东北和西南区域对北京市区PM2.5的贡献增大;污染控制措施中本地的土壤源控制措施的改善效果最见卓效;外来源中,河北西南区域减排措施效果最好.

[1] Fann N, Risley D. The public health context for PM2.5and ozone air quality trends [J]. Air Quality, Atmosphere & Health, 2013, 6(1):1-11.

[2] Ji D, Li L, Wang Y, et al. The heaviest particulate air-pollution episodes occurred in northern China in January, 2013: Insights gained from observation [J]. Atmospheric Environment, 2014,92: 546-556.

[3] Zhou Y, Cheng S Y, Liu L, et al. A Coupled MM5-CMAQ Modeling System for Assessing Effects of Restriction Measures on PM10Pollution in Olympic City of Beijing, China [J]. Journal of Environmental Informatics, 2012,19(2):120-127.

[4] 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.

[5] 中华人民共和国环境保护部.区域联动 多措并举 周密部署 全力保障APEC空气质量 [Z]. 2014-11-15. http://www. zhb.gov.cn/gkml/hbb/qt/201411/t20141115_291482.htm

[6] 刘建国,谢品华,王跃思,等.APEC前后京津冀区域灰霾观测及控制措施评估 [J]. 科技与社会, 2015,3(30):368-376.

[7] Chen Z, Zhang J, Zhang T, et al. Haze observations by simultaneous lidar and WPS in Beijing before and during APEC, 2014 [J]. Science China Chemistry, 2015,9(58):1385-1392.

[8] Huang K, Zhang X, Lin Y. The “APEC Blue” phenomenon: Regional emission control effects observed from space [J]. Atmospheric Research, 164-165(2015):65-75.

[9] 高璟赟,董海燕,陈 魁,等.APEC会议期间天津市PM2.5中水溶性无机离子的污染特征 [J]. 环境污染与防治, 2015,5(37): 66-71.

[10] 于海斌,薛荔栋,郑晓燕,等.APEC期间京津冀及周边地区PM2.5中碳组分变化特征及来源 [J]. 中国环境监测, 2015,4(31): 48-52.

[11] The evaluation of emission control to PM concentration during Beijing APEC in 2014 [J]. Atmospheric Pollution Research (2015), http://dx.doi.org/10.1016/j.apr.2015.10.010.

[12] Liu Y, He K B, Li S S, et al. A statistical model to evaluate the effectiveness of PM2.5emissions control during the Beijing 2008 Olympic Games [J]. Environment International, 2012,1(44): 100-105.

[13] 吴其重,王自发,李丽娜,等.北京奥运会空气质量保障方案京津冀地区措施评估 [J]. 气候与环境研究, 2010,5(15):662-671.

[14] Wang S X, Zhao M, Xing J, et al. Quantifying the Air Pollutants Emission Reduction during the 2008 Olympic Games in Beijing [J]. Environ. Sci. Technol., 2010,44,2490–2496.

[15] 周 颖.区域大气污染源清单建立与敏感源筛选研究及示范应用 [D]. 北京:北京工业大学, 2012.

[16] Wang J, Wang S, Voorhees AS, et al., Assessment of short-term PM2.5-related mortality due to different emission sources in the Yangtze River Delta, China [J]. Atmospheric Environment, 2015, 123:440-448.

[17] Wang L T, Wei Z, Yang J, et al. The 2013severe haze over southern Hebei, China: model evaluation, source apportionment, and policy implications [J]. Atmospheric Chemistry and Physics, 2014,14:3151-3173.

[18] 温 维,韩力慧,代 进,等.唐山夏季PM2.5污染特征及来源解析 [J]. 北京工业大学学报, 2014,40(5):751–758.

[19] Cheng S Y, Lang J L, Zhou Y, et al. A new monitoring- simulation-source apportionment approach for investigating the vehicular emission contribution to the PM2.5pollution in Beijing, China [J]. Atmospheric Environment, 2013,79:308–316.

[20] 王志娟,韩力慧,陈旭峰,等.北京典型污染过程PM2.5的特性和来源 [J]. 安全与环境学报, 2012,12(5):122–126.

[21] 刘 超.典型区域PM2.5污染特征及影响因素研究 [D]. 北京:北京工业大学, 2014.

[22] Li L, Cheng S Y, Li J B, et al. Application of MM5–CAMx–PSAT modeling approach for investigating emission source contribution to atmospheric SO2pollution in Tangshan, Northern China [J]. Mathematical Problems in Engineering, 2013a,1-12.

[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, 2010,9(30):1739-1748.

[24] Zhao X J, Jiang H, Wang L T, et al. Quantifying the source of haze pollution in southern Hebei cities using CMAQ model [J]. Acta Scientiae Cirumstantiae, 2012,32(10):2559–2567.

[25] 王杨君,李 莉,冯加良,等.基于OSAT方法对上海2010年夏季臭氧源解析的数值模拟研究 [J]. 环境科学学报, 2014,3(34): 567-572.

[26] Burr M J, Zhang Y. Source apportionment of fine particulate matter over the Eastern U.S.[J]. Atmospheric Pollution Research, 2011,2:318–336.

[27] 新华网.北京5环路内指定地在APEC欢迎晚宴期间放烟花 [Z]. http://news.xinhuanet.com/yzyd/legal/20141106/c_127185262.htm.

[28] Wang H, Xu J, Zhang M, et al. A study of the meteorological causes of a prolonged and severe haze episode in January 2013 over central-eastern hina [J]. Atmospheric Environment, 2014,98:146-157.

[29] Zhang R, Li Q, Zhang R. Meteorological conditions for the persistent severe fog and haze event over eastern China in January 2013 [J]. Science China Earth Sciences, 2014,57(1):26-35.

[30] 贺克斌,杨复沫,段凤魁,等.大气颗粒物与区域复合污染 [M]. 北京:科学出版社, 2011.

[31] KIM K W, KIM Y J, OH S J. Visibility impairment during Yellow Sand periods in the urban atmosphere of Kwangju, Korea [J]. Atmospheric Environment, 2001,35(30):5157–5167.

[32] Castro L M, Pio C A, Harrison R M, et al. Carbonaceous aerosol in urban and rural European atmospheres: estimation of secondary organic carbon concentrations [J]. Atmospheric Environment, 1999,33(17):2771–2781.

[33] Yang H N, Chen J, Wen J J, et al. Composition and sources of PM2.5around the heating periods of 2013 and 2014 in Beijing: Implication for efficient mitigation measures [J]. Atmospheric Environment, 2015:1-9.

[34] Huang K H, Zhang X Y, Lin Y F. The “APEC Blue” phenomenon: Regional emission control effects observed from space [J]. Atmospheric Research, 2015:164-165.

[35] 薛文博,付 飞,王金南,等.中国PM2.5跨区域传输特征数值模拟研究 [J]. 中国环境科学, 2014,34(6):1361-1368.

[36] Li X, Wang L, Ji D, et al. Characterization of the size-segregated water-soluble inorganic ions in the Jing-Jin-Ji urban agglomeration: Spatial/temporal variability, size distribution and sources [J]. Atmospheric Environment, 2013,77(7):250–259.

[37] Lv B L, Zhang B, Bai Y Q, et al. A systematic analysis of PM2.5in Beijing and its sources from 2000 to 2012 [J]. Atmospheric Environment, 2015,9: Available online.

* 责任作者, 教授, chengsy@bjut.edu.cn

Numerical study on the characteristics of PM2.5in Beijing and the assessment of pollution control measures during APEC

JIA-Jia, GUO Xiu-rui, CHENG Shui-yuan*

(Key Laboratory of Beijing on Regional Air Pollution Control, Beijing University of Technology, Beijing 100124, China). China Environmental Science, 2016,36(8)：2337~2346

In order to analyze the characteristic of PM2.5concentrations and assess the effect of the temporary control measures during the APEC meeting, the variation of PM2.5concentration and its components before-, during- and after-APEC were analyzed and the role of meteorological conditions and pollution control measures to the improvement of air quality were explored. Then CAMx-PSAT model was used to quantitatively analyze the effect of improving the air quality of the pollution control measures for different sources in different regions. Different scenarios were defined to compare the situations between the control measures implemented or not during the APEC meeting. The results showed that the average daily PM2.5concentration in Beijing during the APEC was lower than the National Environmental Standard II (75μg/m3), PM2.5pollutants were mainly emitted from the local emission sources, of which vehicle exhaust was the main pollution source, accounting for 36.1%. PM2.5concentrations in Beijing decreased by 43.0% because of the implementation of the temporary control measures during the APEC meeting. The stringent control measures implemented in Beijing and its surrounding areas dominantly contributed for "APEC blue".

APEC；PM2.5；CAMx-PSAT simulation；pollution control measures；Beijing

X513

A

1000-6923(2016)08-2337-10

贾 佳(1990-),男,河南许昌人,北京工业大学环境与能源工程学院博士研究生,主要从事环境规划管理与污染防治方面的研究.

2016-01-04

环保公益性行业科研专项(201409006)