“2+26”城市秋冬季大气污染治理措施效果评估

李 洋,唐 伟,杜谨宏,张众志,杜晓惠,2,薛志钢,孟 凡,柴发合

“2+26”城市秋冬季大气污染治理措施效果评估

李 洋1,唐 伟1*,杜谨宏1,张众志1,杜晓惠1,2,薛志钢1,孟 凡1,柴发合1

(1.中国环境科学研究院大气环境研究所,北京 100012；2.北京师范大学水科学研究院,北京 100875)

针对京津冀及周边“2+26”城市秋冬季不同大气污染治理措施的减排量进行核算, 结果表明, 2017～2018年秋冬季“2+26”城市SO2,NO,VOCs,PM2.5和PM10的总减排量分别为43.26,20.63,18.36,28.00和47.31万t, 2018～2019年秋冬季“2+26”城市SO2,NO,VOCs,PM2.5和PM10的总减排量分别为16.68,18.11,11.03,17.04和25.33万t.基于此,采用CAMx模型对各项措施的减排效果进行模拟评估,采取措施后,2017～2018年秋冬季“2+26”城市SO2,NO,PM2.5和PM10浓度的平均下降量(下降率)分别为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浓度的平均下降量(下降率)分别为9.36μg/m3(26.86%),25.73μg/m3(30.62%),16.38μg/m3(16.09%)和20.43μg/m3(12.33%).2017～2018年秋冬季各项措施对PM2.5浓度的平均减排效率排序依次为:“散乱污”企业治理>交通运输结构调整>企业错峰生产>民用散煤替代>燃煤锅炉综合整治,2018～2019年秋冬季各项措施对PM2.5浓度的平均减排效率排序依次为:重点行业升级改造>企业错峰生产>“散乱污”企业治理>交通运输结构调整>民用散煤替代>燃煤锅炉综合整治.

“2+26”城市；空气质量模拟；PM2.5；减排效果评估

近年来在经济快速发展的同时,京津冀大气环境污染问题也日益凸显[1-3].由于过高的大气污染物排放量以及较为不利的气象条件,致使京津冀及周边地区秋冬季重污染天气频发[4-7].为改善环境空气质量,生态环境部相继出台了《京津冀及周边地区2017年大气污染防治工作方案》[8]和《京津冀及周边地区2018～2019年秋冬季大气污染综合治理攻坚行动方案》[9],方案中明确了具体实施范围为京津冀及周边“2+26”城市(以下简称“2+26”城市),作为我国PM2.5污染较为严重的地区,不少专家学者围绕“2+26”城市大气污染开展了相关研究,李慧等[10]利用监测数据对“2+26”城市大气污染特征及其影响因素进行了分析;朱媛媛等[11-12]基于NAQPMS模型和情景模拟方法对京津冀及周边地区疫情期间以及重污染过程期间大气污染物减排效果进行了评估;许云凡等[13]利用WRF-NAQPMS/OSAM 模型对“2+26”城市进行了PM2.5来源解析;王德羿等[14]采用RegAEMS模型对一次重污染过程期间“2+26”城市PM2.5进行了来源解析;王恰等[15]利用大气污染物浓度监测数据分析了“2+26”城市大气污染联合防治行动所取得的效果;张众志等[16]对比分析了不同气象参数化方案对“2+26”城市春节期间PM2.5浓度模拟差异的影响.

空气质量数值模型作为当前较为科学、先进的技术手段,可以定量分析污染物排放变化对区域PM2.5浓度的影响[17-19].区域空气质量模型Comprehensive Air Quality Model with extensions (CAMx)作为主流空气质量模型之一,已被国内外研究学者广泛应用于空气质量数值模拟及减排措施效果评估中[20-23],钟嶷盛等[24]利用WRF-CAMx模型对北京“9•3”阅兵活动及重污染过程期间的应急减排措施效果进行了对比分析;贾佳等[25]采用CAMx-PSAT模型定量分析了APEC期间北京周边不同区域、不同污染源的控制措施对北京空气质量的改善效果;伯鑫等[26]利用CAMx模型模拟并分析现状和化解产能情景下京津冀地区钢铁行业大气污染物对区域空气质量的影响;曹云擎等[27]利用CAMx-PSAT模型对“2+26”城市一次污染过程PM2.5化学组分和来源解析进行了研究.尽管目前国内外学者针对包括京津冀及周边地区大气污染成因已开展了许多研究工作,但针对2017～2019年秋冬季大气污染治理措施减排和效果系统性评估的对比研究相对较少,本文对“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日连续两个秋冬季不同大气污染治理措施的污染物减排量进行了估算,并利用CAMx- PSAT模型对“2+26”城市不同措施的减排效果进行了量化评估,对比分析了不同减排措施的减排效果,研究成果可为该地区大气污染治理措施长期规划的制定提供参考依据.

1 研究方法

1.1 污染物减排量估算方法

2017年秋冬季大气污染治理措施包括民用散煤替代、燃煤锅炉综合治理、企业错峰生产、交通运输结构调整、“散乱污”企业治理等强化措施,2018年在继续推进落实2017年大气污染治理措施的基础上又增加了重点行业升级改造.针对不同大气污染治理措施采取不同的污染物减排量估算方法[28-29],主要涉及SO2、NO、VOCs、CO、PM10、PM2.5、NH3、OC、EC等污染物.

(1)民用散煤替代是通过逐村统计煤改电、煤改气户数,并基于各地户均燃煤量计算燃煤核减量,进而核算污染物减排量[30-32].散煤使用削减量通过下式计算:

式中:为各城市“煤改电”、“煤改气”(以下简称“双替代”)的户数,户;为各城市农村居民户均散煤使用量,t/户.

SO2减排量依据物料衡算方法计算:

NO、CO、VOCs、PM10、PM2.5、OC、EC的减排量采用排放因子法计算:

式中:为污染物减排量,t;EF为散煤使用的大气污染物排放因子,kg/t.

在计算“煤改气”带来污染物排放变化过程中,剔除了由于煤改气之后燃气壁挂炉的NO排放量.燃煤炉具的热效率参照《<民用煤大气污染物排放清单编制技术指南>编制说明》中提供的节能环保燃煤炉具的热效率.煤改气NO排放量的计算方法如下:

(2)燃煤锅炉综合整治是依据锅炉使用企业的行业特征以及锅炉大小对锅炉整治之前的污控设施水平和燃煤量进行假设,在此基础上计算锅炉减排量[33-34].

式中:为锅炉整治带来的污染物减排量,t;为锅炉整治之前污染物排放量,t;为不同类型锅炉整治措施对污染物的去除率,%.

(3) “散乱污”企业治理污染物减排量估算主要采用产排污系数法、污染物排放标准反推法和专家咨询法[35-36].

交通运输结构调整包括企业错峰运输、油品升级和工地停工减排等措施,企业错峰运输减排量采用保有量算法估计,油品升级减排量依据保有量、年行驶里程、油品升级减排系数计算,工地停工主要是针对工程机械,减排量采用保有量算法估计[28],北京市工程机械调查数据较为齐全,以北京市工程机械保有量为基准,其他地市工程机械保有量根据施工面积推算得到.

企业错峰生产是根据京津冀及周边“2+26”城市错峰生产减排量、不同预警等级下的应急减排量,对各城市污染物减排量进行估算[3,8-9].

重点行业升级改造主要涉及钢铁、焦化和水泥等行业,钢铁、焦化行业减排量主要基于超低排放改造工程以及落后产能的淘汰进行核算,而水泥行业的减排量主要基于推进治污升级改造工程以及过剩产能淘汰进行核算[37].

1.2 空气质量模型及其参数选取

采用第三代空气质量模型CAMx (Comprehensive Air Quality Model with Extensions),双层嵌套网格,外层覆盖了全中国各省份(57～ 161°E,1～59°N),网格水平分辨率为36km×36km,网格数为160×200;内层涵盖了全部“2+26”城市(109～ 127°E,33～45°N),网格水平分辨率为12km×12km,网格数为101×119 (图1);垂直方向为20层,模式顶高约为15km;模拟过程中的气象场由WRF模型提供,排放清单以清华大学构建的全国污染源排放清单MEIC2016为基准,并根据大气攻关项目建立的“2+26”城市精细化排放清单进行调整后建立,天然源排放的VOCs由MEGAN模型计算得到.CAMx模型中选用的气相化学机理为SAPRC99,光解速率通过TUV模型计算得到.

CAMx模型自带的颗粒物源识别技术模块(简称PSAT)以示踪的方式获取有关颗粒物生成(或排放)和消耗的信息,并统计不同地区、不同种类的污染源排放以及初始条件和边界条件对颗粒物生成的贡献量.除能对一次颗粒物进行示踪外,PSAT还可以通过追踪二次颗粒物的化学变化过程,对二次颗粒物进行来源贡献分析.与强制归零法不同,源示踪法考虑了不同污染源之间的相互作用及非线性关系,而不是简单叠加各种源单独作用时对污染物浓度的贡献.根据各项治理措施的减排信息(包括减排量和经纬度信息等)分别制作成相应的网格化清单,对不同减排措施进行源示踪,以此计算出各项措施对“2+26”城市大气污染物的减排效果.用PSAT进行源示踪的基本步骤如下:

图1 “2+26”城市行政区划及模拟区域示意

在模拟时间步长Δ下,若反应为®,示踪物的计算方法如下:

在一些气溶胶反应中存在化学反应平衡:¬®,示踪反应也达到平衡:

式中:w为权重系数;a,b为污染物,来自于源的示踪物.在上述示踪反应中标记物种参加所有大气物理化学过程,在每个过程后,根据原物种的变化量按照过程前的瞬时源信息进行线性分配,这样并不增加运算负荷,从而提高运算效率,并可同时解析硫酸盐、硝酸盐、铵盐、黑碳、一次有机碳、二次有机碳、其他细颗粒物和其他粗颗粒物.

1.3 污染物下降率计算方法

采用CAMx-PSAT模型对“2+26”城市采取的民用散煤替代、燃煤锅炉综合整治、企业错峰生产、交通运输结构调整、“散乱污”企业治理以及重点行业升级改造等措施的减排情景进行了模拟,计算采取不同治理措施后“2+26”城市大气污染物的下降率,各项治理措施污染物浓度下降率P的计算公式如下:

式中:0为未采取减排措施时污染物的模拟浓度,C为采取不同治理措施后污染物的削减浓度,表示所采取的治理措施,其中,重点行业升级改造措施仅2018～2019年秋冬季有所涉及.

2 结果与讨论

2.1 污染物减排量核算

基于1.1节污染物减排量估算方法,对2017～ 2018年和2018～2019年秋冬季“2+26”城市的大气污染物治理措施的减排量进行了核算,各项措施的污染物减排量如表1所示,其中,民用散煤替代措施中NO减排量核算已扣除“煤改气”导致的NO排放量,采暖季以182d计.

表1 2017～2018年与2018～2019年秋冬季“2+26”城市不同措施污染物减排量的对比(万t)

注:-为末减排.

表2 2017～2018年与2018～2019年秋冬季“2+26”城市污染物减排量的对比(万t)

续表2

如表2所示,2017～2018年秋冬季“2+26”城市SO2,NO,VOCs,PM2.5和PM10的总减排量分别为43.3,20.6,18.4,28.0和47.3万t,明显高于2018～2019年秋冬季(SO2,NO,VOCs,PM2.5和PM10的减排量分别为16.7,18.1,11.0,17.0和25.3万t).

2.2 模拟结果验证

由于2017～2018年和2018～2019年秋冬季 “2+26”城市的大气污染治理措施分别是在2016年和2017年大气污染物排放清单的基础上进行削减,且由于减排清单具有一定的不确定度,若直接对2017～2018年和2018～2019年秋冬季 “2+26”城市大气污染物的模拟与监测结果进行校验,无法确定误差是源自模型,还是由减排清单的不确定度所致,因此,本文将基于CAMx模型计算的 “2+26”城市2016～2017年和2017～2018年秋冬季的PM2.5模拟结果,分别与 “2+26”城市同期的PM2.5日平均浓度监测值(每个城市的PM2.5日平均浓度值均为该城市所有国控站点的平均值)进行了对比校验.

表3 2016～2017年与2017～2018年秋冬季京津冀及周边“2+26”城市PM2.5模拟与实测浓度对比

如表3所示,CAMx较好地反映了“2+26”城市两个秋冬季真实的PM2.5浓度水平,模型的模拟值与监测值拟合较好,两个秋冬季PM2.5模拟值与实测值的线性相关性系数()均超过0.6,2016～2017年秋冬季PM2.5模拟结果略有高估,模拟值与实测值的标准化平均误差(NME)和标准化平均偏差(NMB)分别为-0.1910和0.3739,2017～2018年秋冬季PM2.5模拟结果稍有低估,模拟值与实测值的标准化平均误差(NME)和标准化平均偏差(NMB)分别为0.1487和0.4152,模拟误差处在可接受范围内.

2.3 空气质量改善效果模拟

基于CAMx-PSAT模型计算结果,采取民用散煤替代措施后,2017～2018年秋冬季“2+26”城市的PM2.5浓度均有一定程度下降,特别是北京、天津、廊坊和保定四市交界区域降幅较大(图2(a)),“2+26”城市的PM2.5平均浓度降低6.30μg/m3,平均下降率为5.74%,其中廊坊市降幅最大(23.60%),最小值则出现在焦作市(1.42%),此外,SO2,NO和PM10平均浓度分别降低2.30μg/m3,0.63μg/m3和7.20μg/m3,平均下降率分别为4.39%、0.70%和4.21%;2018～2019年秋冬季“2+26”城市的PM2.5浓度均有一定程度下降,特别是石家庄与衡水交界区域下降幅度较大(图2(b)),“2+26”城市的PM2.5平均浓度降低5.75μg/m3,平均下降率为5.81%,其中衡水市降幅最大(14.37%),最小值则出现在济南市(1.86%),SO2,NO和PM10平均浓度分别降低2.10μg/m3,0.52μg/m3和6.48μg/m3,平均下降率分别为6.35%,0.67%和4.05%.

采取燃煤锅炉综合整治措施后,2017～2018年秋冬季“2+26”城市的PM2.5浓度均有一定程度下降,特别是北京、天津和廊坊等地降幅较大(图3(a)), “2+26”城市的PM2.5平均浓度降低7.83μg/m3,平均下降率为7.64%,其中北京市降幅最大(16.95%),而最小值出现在济宁市(2.50%),SO2,NO和PM10平均浓度分别降低14.31μg/m3,9.44μg/m3和12.11μg/m3,平均下降率分别为26.50%,10.97%和7.56%;2018～ 2019年秋冬季 “2+26”城市的PM2.5浓度均有一定程度下降,特别是长治和石家庄等地降幅较大(图3(b)),“2+26”城市的PM2.5平均浓度降低1.29μg/m3,平均下降率为1.31%,其中长治降幅最大(6.04%),而最小值出现在济宁市(0.22%),SO2,NO和PM10平均浓度分别降低2.82μg/m3,1.99μg/m3和2.13μg/m3,平均下降率分别为7.51%,2.32%和1.33%.

图2 “2+26”城市采取民用散煤替代措施后PM2.5下降浓度分布

图3 “2+26”城市采取燃煤锅炉综合整治措施后PM2.5下降浓度分布

采取交通运输结构调整措施后,2017～2018年秋冬季“2+26”城市的PM2.5浓度均有一定程度下降,下降幅度较大的区域多分布在城市中心区域(图4(a)), “2+26”城市的PM2.5平均浓度降低1.16μg/m3,平均下降率为1.15%,其中濮阳市降幅最大(3.14%),而最小值出现在阳泉市(0.38%),SO2,NO和PM10平均浓度分别降低0.14μg/m3,14.30μg/m3和1.18μg/m3,平均下降率分别为0.33%,16.33%和0.75%;2018～ 2019年秋冬季 “2+26”城市的PM2.5浓度均有一定程度下降,特别是北京和太原等地降幅较大(图4(b)),“2+26”城市的PM2.5平均浓度降低0.32μg/m3,平均下降率为0.35%,其中北京市降幅最大(1.15%),而最小值出现在聊城市(0.17%),NO和PM10平均浓度分别降低2.58μg/m3和0.32μg/m3,平均下降率分别为3.34%和0.21%.

采取企业错峰生产措施后,2017～2018年秋冬季“2+26”城市的PM2.5浓度均有一定程度下降,下降幅度最大的区域主要集中在唐山、邯郸和邢台等地(图5(a)),“2+26”城市的PM2.5平均浓度降低7.36μg/m3,平均下降率为6.55%,其中唐山市降幅最大(37.47%),而最小值出现在阳泉市(1.73%), SO2,NO和PM10平均浓度分别降低4.73μg/m3, 7.72μg/m3和8.68μg/m3,平均下降率分别为9.03%, 8.45%和4.93%;2018～2019年秋冬季“2+26”城市的PM2.5浓度均有一定程度下降,特别是廊坊和邢台等地降幅较大(图5(b)),“2+26”城市的PM2.5平均浓度降低8.31μg/m3,平均下降率为7.90%,其中邢台市降幅最大(26.86%),而最小值出现在济南市(2.26%),SO2,NO和PM10平均浓度分别降低2.97μg/m3,15.01μg/m3和10.64μg/m3,平均下降率分别为8.98%,18.23%和6.20%.

图4 “2+26”城市采取交通运输结构调整措施后PM2.5下降浓度分布

图5 “2+26”城市采取企业错峰生产措施后PM2.5下降浓度分布

采取“散乱污”企业治理措施后,2017～2018年秋冬季“2+26”城市的PM2.5浓度均有一定程度下降,降幅最大的区域主要集中在邯郸和保定等地(图6(a)),“2+26”城市的PM2.5平均浓度降低1.64μg/m3,平均下降率为1.49%,其中邯郸市降幅最大(4.45%),而最小值出现在阳泉市(0.27%),SO2,NO和PM10平均浓度分别降低1.20μg/m3,1.13μg/m3和2.10μg/m3,平均下降率分别为2.42%,1.36%和1.23%;2018～2019年秋冬季“2+26”城市的PM2.5浓度均有一定程度下降,特别是沧州、石家庄、衡水和保定等地降幅较大(图6(a)),“2+26”城市的PM2.5平均浓度降低0.04μg/m3,平均下降率为0.04%,其中沧州最大(0.10%),SO2和PM10平均浓度分别降低0.01μg/m3和0.06μg/m3,平均下降率分别为0.03%和0.04%.

图6 “2+26”城市采取“散乱污”企业治理措施后PM2.5下降浓度分布

采取重点行业升级改造措施后,2018～2019年秋冬季“2+26”城市PM2.5浓度均有一定程度下降,特别是邯郸、晋城和菏泽等地降幅较大(图7),“2+26”城市的PM2.5平均浓度降低0.67μg/m3,平均下降率为0.68%,其中,晋城市降幅最大(2.14%),而最小值出现在滨州市(0.20%),SO2,NO和PM10平均浓度分别降低1.45μg/m3、5.63μg/m3和0.81μg/m3,平均下降率分别为3.98%,6.05%和0.49%.

图7 “2+26”城市采取重点行业升级改造措施后PM2.5下降浓度分布

通过对比两个秋冬季“2+26”城市各项污染物的平均下降率可见(表4),2017～2018年秋冬季明显高于2018～2019年秋冬季,其中,SO2的平均下降率高约15%,而NO,PM2.5和PM10的平均下降率均高5%以上.

表4 2017～2018年与2018～2019年秋冬季“2+26”城市大气污染治理措施实施后大气污染物浓度平均下降率的对比(%)

续表4

2.4 不同措施的减排效率比较

表5 不同措施的减排效率比较

注:-为末减排.

基于2.1节和2.3节的结果可计算“2+26”城市各污染物单位减排量下的平均浓度下降量,即各污染物的平均浓度下降量与其减排总量之间的比值,以此作为评判“2+26”城市不同污染控制措施减排效率的依据.如表5所示,以PM2.5为例,2017～2018年秋冬季不同措施平均减排效率排序依次为:“散乱污”企业治理>交通运输结构调整>企业错峰生产>民用散煤替代>燃煤锅炉综合整治,说明2017～2018年秋冬季在减排量相当的情况下,“散乱污”企业治理对降低“2+26”城市PM2.5浓度最为有效;2018～ 2019年秋冬季不同措施平均减排效率排序依次为:重点行业升级改造=企业错峰生产> “散乱污”企业治理>交通运输结构调整>民用散煤替代>燃煤锅炉综合整治,说明2018～2019年采暖季在减排量相当的情况下,重点行业升级改造和企业错峰生产对降低“2+26”城市PM2.5浓度最为有效.

3 结论

3.1 2017～2019年“2+26”城市秋冬季大气污染治理措施的实施使得该区域SO2,NO,VOCs,PM2.5和PM10的排放量总计分别减少了60.0,38.7,29.6,45.1和72.8万t.

3.2 采取措施后, 2017～2018年秋冬季“2+26”城市SO2和NO平均降幅达40%左右,PM2.5和PM10平均降幅约为20%;而2018～2019年秋冬季NO平均下降率超过30%,SO2,PM2.5和PM10的平均下降率分别约为27%,16%和12%.其中,“散乱污”企业治理、重点行业升级改造和企业错峰生产的减排效率相对较高.

[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]王彦超,蒋春来,贺晋瑜,等.京津冀大气污染传输通道城市燃煤大气污染减排潜力[J]. 中国环境科学, 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]黄燕燕.京津冀空气质量时空分布差异的实证研究[D]. 保定:河北大学, 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,刘 悦.京津冀地区空气污染情况分析[J]. 价值工程, 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.京津冀大气环境质量变化及其影响因素分析[D]. 北京:中国地质大学, 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]环境保护部.关于印发《京津冀及周边地区2017年大气污染防治工作方案》的通知[R]. 北京:环境保护部, 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]生态环境部.关于印发《京津冀及周边地区2018～2019年秋冬季大气污染综合治理攻坚行动方案》的通知[R]. 北京:生态环境部, 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,王淑兰,张文杰,等.京津冀及周边地区“2+26”城市空气质量特征及其影响因素[J]. 环境科学研究, 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.疫情期间“2+26”城市污染减排成效评估[J]. 中国环境科学, 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月京津冀及周边“2+26”城市重污染减排效果评估[J]. 环境科学, 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]许云凡,王大玮,向伟玲,等.基于PM2.5来源解析的减排方案制定[J]. 中国环境科学, 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,王体健,韩军彩,等.“2+26”城市大气重污染下PM2.5来源解析[J]. 中国环境科学, 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,郑世林.“2+26”城市联合防治行动对京津冀地区大气污染浓度的影响[J]. 中国人口•资源与环境, 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]张众志,唐 伟,杜晓惠,等.气象因素对“2+26”城市春节期间PM2.5污染影响模拟研析[J]. 环境影响评价, 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]吴问景,常 兴,邢 佳,等.京津冀地区主要排放源对PM2.5污染改善贡献评估[J]. 环境科学, 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]许艳玲,薛文博,雷 宇.气象和排放变化对PM2.5污染的定量影响[J]. 中国环境科学, 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年京津冀地区PM2.5浓度时空分布及来源模拟[J]. 中国环境科学, 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]陈国磊,周 颖,程水源,等.承德市大气污染源排放清单及典型行业对PM2.5的影响[J]. 环境科学, 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]杜晓惠,李 洋,唐 伟,等.空气质量模型在规划环评中的应用案例[J]. 环境影响评价, 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 伟,丁 峰,等.一种计算大气中二次硫酸盐和硝酸盐转化系数方法的探究[J]. 环境污染与防治, 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]钟嶷盛,周 颖,程水源,等.首都重大活动与空气重污染应急减排措施效果对比分析[J]. 环境科学, 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]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[J]. 中国环境科学, 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,杜晓惠,等.京津冀地区钢铁企业大气污染影响评估[J]. 中国环境科学, 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,王体健,韩军彩,等.“2+26”城市一次污染过程PM2.5化学组分和来源解析研究[J]. 环境科学学报, 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]陈 楠.成都经济圈(城市群)污染源排放清单研究[D]. 成都:西南交通大学, 2011.

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

[29]袁梦晨,祖 彪,张青新,等.辽宁省人为源大气污染物排放清单及特征研究[J]. 环境科学学报, 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]赵文慧,姜 磊,张立坤,等.北京平原区平房冬季燃煤量及污染物排放估算[J]. 中国环境科学, 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]支国瑞,杨俊超,张 涛,等.我国北方农村生活燃煤情况调查、排放估算及政策启示[J]. 环境科学研究, 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]盛文龙,王 亮.固定污染源废气污染物排放总量核算方法探讨[J]. 石油石化绿色低碳, 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 伟.物料衡算法测算煤炭燃烧污染物排放量[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]乔 琦,白 璐,刘丹丹,等.我国工业污染源产排污核算系数法发展历程及研究进展 [J]. 环境科学研究, 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 洁,等.工业污染源产排污系数存在问题分析及修订建议[J]. 中国环境监测, 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,河北秦皇岛人,助理研究员,硕士,主要从事空气质量模拟方面研究工作.发表论文9篇.

2021-03-23

国家重点研发计划(2018YFC0213505、2017YFC0213003, 2016YFC0208905)

* 责任作者, 副研究员, tangwei@craes.org.cn