京津冀区域典型城市PM2.5污染特征及其成因研究

量化空气质量改善过程中气象条件和减排措施的相对贡献, 有助于科学评估减排措施的实施效果. 本文以2017—2019年京津冀区域13个城市PM_2.5质量浓度为研究对象, 采用主成分分析、系统聚类等方法客观确定各次区域的典型代表城市, 并基于环境气象评估指数（EMI）量化空气质量改善过程中气象条件和减排措施的相对贡献. 结果表明, 京津冀区域PM_2.5浓度整体呈南高北低特征, 高值区集中在河北省南部, 冬季区域PM_2.5浓度显著高于其他季节. 经旋转后的主成分分析可划分出2个主成分, 分别对应河北省中南部地区和京津冀北部地区. 系统聚类将京津冀区域分为3个次区域, 经相似性计算获得次区域典型代表城市为承德、唐山和邢台. 以2017年为基准年开展EMI评估, 结果显示2018年1月承德、唐山和邢台PM_2.5浓度下降, 减排和气象条件均有不同程度的贡献; 不利气象条件是2019年1月承德PM_2.5上涨的主要原因, 排放造成同期唐山PM_2.5浓度上升了52.8%,不利气象条件抵消了邢台减排的效果, 并造成其PM_2.5浓度小幅度增加. 京津冀区域各城市PM_2.5浓度的同步变化, 排放和气象条件对不同城市的贡献仍然存在很大差异, 在京津冀区域内划分次区域具有重要意义.     

京津冀中南部污染气象贡献的时空变化特征

基于环境气象评估指数（EMI,environmental meteorology index）,以石家庄、邢台、邯郸、衡水四个京津冀中南部重点城市为研究对象,对2013~2018年的气象条件变化时空分布特征进行分析.结果显示：EMI指数与经过去趋势处理的PM_2.5浓度的相关系数达0.88,说明EMI指数具有较好的可靠性,能够可靠性地应用于大气环境评价和重污染天气过程评估业务;基于气象条件对PM_2.5浓度贡献的定量分析方法,计算得到2013~2018年月度气象条件对PM_2.5浓度变化的贡献率,定量分析不同月份的气象条件变化,可有效评价不同污染程度月份的气象条件影响.此外,该定量方法在重大活动期间气象条件和减排效果评估中得到有效应用;从冬季气象定量贡献的空间分布来看,在京津冀中南部的山前地区形成EMI正距平百分比高值区,除人为排放较高外,恶劣的气象条件是京津冀中南部颗粒物污染严重的重要原因.     

减排措施与气象因子对2013—2019年中国大陆地区PM2.5浓度变化的贡献

利用地面气象观测站数据计算的大气自净能力指数（Atmospheric Self-cleaning ability Index，简称ASI）和环境监测站PM_2.5实测数据，评估了中国大陆地区2014—2019年相对于2013年（"大气国十条"实施初期）污染物总体排放率的相对变化，给出了PM_2.5浓度削减量中气象条件和减排措施的相对贡献.研究结果显示，2014年全国排放率总体已下降，2017年各地区全面实现减排，较2013年全国平均减排36.11%，2019年减排幅度进一步加大，至48.50%，其中中东部地区整体减排力度大于西部和东北部地区.2015和2016年秋冬，重点区域持续性重污染频发现象的出现是不利气象条件背景与减排略有放松共同作用的结果，但持续的减排措施对于遏制空气质量的恶化起到了积极作用.2019年，京津冀、汾渭平原、长三角等9个重点区域PM_2.5浓度相较2013年明显降低，高空气质量至少一半以上的原因来源于人为减排，气象因子的贡献相对较小，仅为3%~18%，一些区域气象因子对PM_2.5的改善甚至起到负作用.2013年"大气国十条"实施以来，全国各重点区域有效的污染排放控制确实对空气质量改善起到了决定性作用.本文研发的分离气象和减排措施对PM_2.5浓度变化中相对贡献的方法，使用的定量关系简单、明确，所使用的数据客观、可靠，有利于快速估算和决策.     

基于地基观测及源清单的2017-2019年德州市秋冬季大气污染防治效果评估

为评估污染减排措施实施效果,基于地基观测及排放清单数据,运用WRF中尺度气象模型和CAMx空气质量模型,对德州市2017-2019年秋冬季大气污染攻坚实施效果进行了评估.结果表明,2017-2018年秋冬季,德州市ρ（PM_2.5）同比下降31.7%,高于京津冀及周边地区平均水平（25.6%）,大气污染攻坚措施成效显著;2018-2019年秋冬季,德州市ρ（PM_2.5）同比增加8.5%,高于京津冀及周边地区平均水平（4.2%）,这与不利气象条件及排放量同比减少有关.观测结果显示,2018-2019秋冬季,德州市PM_2.5中无机组分、一次排放示踪物以及SO₂和CO等气态前体物浓度较上一年度呈下降趋势,ρ（SOA）（SOA为二次有机气溶胶）、ρ（NH₄+）同比有大幅增长,增幅分别为53.8%和19.1%,这与大气中VOCs（挥发性有机物,增加46.5%）及大气氧化性（增加6.4%）的增加密切相关,表明德州市复合型大气污染加剧,PM_2.5防控难度加大.综合气象和减排评估结果可知,2017-2018年秋冬季,气象条件（13.4%）和长效措施（9.4%）是德州市PM_2.5改善的两个主要因素;2018-2019年秋冬季,长效措施减排效果较为有限,减排主要来自预警应急（5.0%）和区域减排（5.2%）,若仅考虑不利气象条件的影响,将导致同比约19.9%的反弹.因此,持续深入推进长效减排措施,降低污染物排放水平,是德州市实现空气质量改善的根本途径.      

京津冀及周边减排对北京市PM2.5浓度下降评估研究

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PM2.5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.     

区域气象条件和减排对空气质量改善的贡献评估

区域气象条件和减排与空气质量的变化关系密切.区域污染天气的发生不只受人为排放的影响,其与气象条件也密切有关.我国地处全球的主要季风气候区,大气环流具有明显的季风气候变化特征,区域气象条件受年际气候变化影响显著.研究通过分析不同气候条件下京津冀地区、成渝地区、长三角和珠三角城市群2001~2018年主要气象要素及其污染天气的变化趋势,利用KNN大数据挖掘算法量化分析区域气象条件和减排对大气污染的贡献率.结果表明,2001~2018年间全球气候变化异常频繁,厄尔尼诺/拉尼娜非正常气候占比近一半.减排与气候变化均对空气质量的改善起促进作用.在非正常气候条件下,气象对空气质量改善的贡献更为明显.例如,非正常气候时京津冀地区气象条件对空气质量改善的贡献约为51%,而正常气候时约为30%.对于长三角和珠三角城市群,其气象条件在非正常气候时的贡献达到了50%左右,几乎与减排贡献相当.此外,各区域2015~2018年的减排贡献均高于2001~2012年的平均水平,表明随着我国实施大气污染物排放控制措施力度的增大,减排对空气质量改善的贡献显著.但气象条件对空气质量改善的贡献仍不容忽视,区域减排控制仍然任重而道远.     

北京与成都大气污染特征及空气质量改善效果评估

近年来我国空气质量持续改善,大气颗粒物浓度明显降低.为探究气象条件和减排措施对细颗粒物（PM_2.5）浓度的相对贡献,选取两个典型代表城市——北京和成都,对比分析两城市所处的地理环境条件、污染排放以及气象扩散条件.结果表明,北京与成都2013~2018年重污染天数及污染过程显著减少,SO₂和PM_2.5浓度降幅明显,与2013年相比,两城市2018年SO₂浓度的降幅分别为77.8%和70.9%,PM_2.5浓度分别降低了42.7%和48.5%.冬季PM_2.5浓度下降速率最大,每年分别以13.5μg·m^-3和14.1μg·m^-3的速率降低.2013~2018年成都较北京风速偏小,温度偏高约3℃,静小风日数偏多,冬季静小风频率高,混合层高度、大气容量指数以及通风系数明显偏小,大气扩散条件较差.综合静稳天气指数（SWI）和环境气象指数（EMI）结果表明北京大气扩散条件优于成都,但近几年的变化程度有所不同.2014~2018年两城市的EMI呈减小趋势,2018年成都地区EMI降幅最显著,气象条件明显好转.与2014年相比,2018年北京与成都全年大气污染减排对PM_2.5浓度的贡献分别为33.5%和24.0%,气象条件的贡献分别为7.2%和11.1%;冬季减排贡献分别为31.7%和32.5%,气象条件的贡献比全年的大.     

京津冀及周边地区秋冬季大气污染物排放变化因素解析

基于大气污染源排放清单技术方法,定量分析2016~2017年秋冬季"跨年霾"至2019~2020年秋冬季"疫情霾"期间京津冀及周边地区主要大气污染物排放量变化,解析大气污染防治政策实施带来的减排和疫情造成的活动水平下降对主要污染物排放的贡献,并利用空气质量模型模拟分析不利气象条件下措施减排和疫情影响对空气质量改善的贡献.结果表明,从"跨年霾"（2016-12-16~2017-01-14）至"疫情霾"（2020-01-22~2020-02-14）该区域主要大气污染物排放量大幅下降50%左右,不利气象条件下,区域PM_2.5平均浓度可削减40%以上.措施减排主要来自火电、钢铁等重点工业行业提标改造和工业锅炉、民用燃煤等燃煤源治理,对SO₂和PM_2.5排放量的削减贡献较大,贡献率分别为67.1%和53.4%;疫情主要影响移动源和轻工业活动水平,对NO_x和VOCs排放量的削减贡献较大,贡献率分别为71.9%和68.2%.措施减排对区域空气质量改善贡献突出,有效抑制了重污染过程的强度和范围.在"跨年霾"的不利气象条件下,措施减排使区域PM_2.5平均浓度下降26%,重度及以上污染天数减少44%.受疫情影响,区域PM_2.5平均浓度继续下降24%,重污染持续时间和范围进一步缩减.     

气象和排放变化对PM2.5污染的定量影响

基于WRF-CMAQ模型系统定量分析了气象和排放因素对全国及重点区域PM_2.5污染影响程度.从年度特征来看,与2015年相比,2016年、2017年全国空气质量明显改善,PM_2.5年均浓度分别下降7%和14%;2016年气象条件总体转好,气象因素和排放因素变化导致全国PM_2.5年均浓度下降幅度分别为4%和3%;2017年全国气象条件与2015年相比基本持平,大气污染物排放量下降是PM_2.5污染减轻的决定因素.除汾渭平原外,京津冀及周边地区"2+26"城市、长三角、成渝地区空气中的PM_2.5年均浓度持续下降;珠三角气象条件变化对PM_2.5影响较大,2017年导致PM_2.5浓度上升了29%;除汾渭平原外,其他4个重点地区的污染物排放变化导致PM_2.5年均浓度下降且2017年的下降幅度进一步加大,说明污染管控措施的环境效益明显.从季节特征来看,气象影响值的区域性差异明显.本文分析方法可用于制定空气质量目标或者评估污染控制方案的环境效果.     

全国2018~2019年秋冬季气象条件变化对PM2.5影响研究

本文基于WRF-CMAQ模型定量分析了气象条件变化对PM_2.5的影响.全国337个城市2018~2019秋冬季气象条件转差导致PM_2.5平均浓度同比上升约5.55%.24个省市气象条件同比转差，北京气象转差致使PM_2.5同比上升约3.66%.从重点区域来看，京津冀及周边“2+26”城市气象条件转差最显著，汾渭平原次之，长江三角洲（以下称长三角）基本持平，分别导致PM_2.5浓度同比上升约9.4%、8.3%、1.1%.“2+26”城市和汾渭平原气象条件在11月、1月、2月转差，10月、3月气象条件转好.长三角则10月、11月、3月气象条件转差；12月、1月、2月转好.“2+26”城市2018~2019秋冬季PM_2.5浓度同比上升主要为气象条件转差所致；汾渭平原PM_2.5同比变化较小，人为减排有效抵消了气象条件转差带来的不利影响；长三角PM_2.5浓度同比下降，与气象条件变幅小且污染排放较去年同期降低有关.     

衡水市大气污染成因研究及治理经验

衡水市作为"2+26"城市中典型的低GDP、高污染城市,其空气质量排名常年处于74个重点城市的后10位.自大气重污染成因与治理攻关项目工作开展以来,衡水市开展了大量污染成因研究及污染治理工作,已取得了较为明显的大气污染治理成效.从空气质量变化、排放源、污染物来源解析及气象条件与排放贡献等方面,梳理了衡水市大气污染成因研究及治理经验.结果表明:①衡水市的空气质量得到较大改善,PM₁₀和PM_2.5治理成效明显.2018年衡水市ρ（PM₁₀）和ρ（PM_2.5）年均值比2017年分别下降了25.12%和19.73%,比2013年分别下降了54.84%和51.22%,但O₃污染形势逐渐严峻,以O₃为首要污染物的天数由55 d（2013年）增至125 d（2018年）.②相比于2016年,衡水市2017年SO₂、NO_x、CO、PM₁₀、PM_2.5、BC、OC、VOC的排放总量均大幅下降.③2013-2018年导致衡水市PM_2.5下降的因素中,气象因素占8.0%,排放源因素占92.0%,说明衡水市通过减排措施改善空气质量的效果较为显著.④硝酸盐已经取代硫酸盐成为秋冬季颗粒物二次转化中最重要、占比最高的成分.研究显示,衡水市高ρ（PM_2.5）主要以本地排放和临近地区输送为主,为有效控制衡水市PM_2.5污染的发生与发展,应采取本地排放控制与"2+26"城市联防联控相结合的方案.      

“2+26”城市秋冬季大气污染治理措施效果评估

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_x,VOCs,PM_2.5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_x,VOCs,PM_2.5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_x,PM_2.5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_x,PM_2.5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PM_2.5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PM_2.5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.     

太原市秋冬季大气污染特征和输送路径及潜在源区分析

采用环境空气质量指数(AQI)统计分析了2014～2018年太原市全年及秋冬季污染特征,并采用HYSPLIT后向轨迹模型计算了2014～2017年秋冬季逐时后向轨迹,结合太原市AQI,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对影响太原市的污染物输送路径和潜在源区进行了分析.结果表明,太原市污染状况不容乐观,太原市2014～2018年全年优良天数波动较大,尤其近两年从64%下降到不足50%;然而秋冬季优良天数稳步上升,2018年超过50%,空气质量有好转趋势.污染类型可能发生变化,全年及秋冬季PM_(2.5)为首要污染物的污染天数下降显著,PM_(10)为首要污染物的天数上升明显.聚类分析2014～2017年秋冬季太原的后向轨迹,53%的气团来自偏西方向,21%来自西北方向,12%来自西南方向,14%来自偏东方向,其中西南方向轨迹是外来污染物输送进入太原的主要轨迹,对太原空气质量有显著影响.PSCF和CWT分析表明,影响太原空气质量的重要潜在源区主要位于汾渭平原的陕西汉中、西安和山西的吕梁、临汾等地.建立汾渭平原及其周边区域联防联控机制对控制区域污染有着重要意义.     

新疆地区大气环境容量系数的气候特征及其在空气质量变化中的作用

新疆在我国属于冬半年大气环境容量系数(A值)显著偏低的区域.研究了1975—2019年新疆大气环境容量系数的时空变化特征.新疆的低A值区主要分布在塔里木盆地北部和新疆东部;研究期间新疆的大气环境容量系数在随机波动中整体呈下降趋势,这与新疆平均风速的变化较为一致,主要是由气候变化引起.新疆A值的季节差异大,春夏高、秋冬低;A值的冬季均值远小于年均值,说明新疆冬季的大气自净能力很弱.新疆4个地级市的月均A值与PM_2.5浓度具有显著的负相关,A值能够较好地反映当地空气污染的气象条件特征.南疆城市则由于沙尘天气的影响,大气颗粒物浓度很高,但A值与PM_2.5浓度的相关性较差.还基于A值,利用城市大气环境荷载指数对新疆4个地级市的大气污染排放变率进行了评估.     

我国大气污染物在排污层的输送特征

为了分析我国大气排污层的基本输送特征,用6年时间收集到的大气排污层的气象资料进行多层次的大气污染物输送场的研究,特别是地面到600m高度大气层的大气排污层。研究结果表明,我国的大气污染物以境内输送或输入为主;在我国范围内普遍存在一个风速极大值区。初步得到大气污染物的输送场时空分布特征,为进一步了解和利用大气排污层规律,合理开发和利用环境资源提供了依据     

集成AEC和时空特征的工业园区PM2.5浓度预测

为实现工业园区企业污染排放精细化管控,捕捉工业园区内企业污染排放与污染物浓度之间的响应关系,提出一种集成大气环境容量（AEC）和时空特征的工业园区PM_2.5浓度预测模型.通过有限体积法获得工业园区日均大气自净能力指数（ASI）,结合工业园区日排放数据作为AEC特征;同时利用小波分析和Pearson相关系数法提取时空特征,包括目标监测站PM_2.5浓度的时间变化特征和其与周围监测点PM_2.5的空间相关特征.通过CNN获取训练数据中PM_2.5的关联特征,并利用BILSTM充分反映时间序列训练数据中隐含的关键历史长短期依赖关系,确保快速准确的预测性能,以2018~2020年濮阳市工业园区大气污染物观测数据、气象数据及排放数据进行实验验证.结果表明：本文提出的CNN-BILSTM预测模型相较于传统LSTM模型预测精度提升10%;AEC特征和时空特征有利于提高模型精度和稳定性,集成AEC和时空特征的CNN-BILSTM预测模型在PM_2.5污染天数预测准确率最高,达93%;分季节预测结果表明,秋冬季的预测精度最高.     

基于WRF-Chem和EMI指数的新冠肺炎疫情期间沈阳市大气污染物浓度变化原因分析

利用2015—2020年沈阳市空气质量监测数据、地面气象观测资料、环境气象评估指数（EMI）产品、NCEP再分析资料及WRF-Chem数值模式,分析新冠肺炎疫情防控期间沈阳市主要大气污染物和气象要素的变化情况,研究空气质量对污染物减排和气象要素变化的响应.结果表明：疫情防控导致沈阳市PM_2.5、PM₁₀和NO₂质量浓度下降,但O₃质量浓度小幅增加;PM_2.5和NO₂对人为减排的响应更敏感;防控期内沈阳市气象条件有利于污染物的清除,气象条件使PM_2.5质量浓度下降16.37%,防控减排措施导致PM_2.5质量浓度下降22.96%;在疫情防控的背景下,不利的气象条件和污染物排放的突然增加共同造成重污染天气发生,其中不利气象条件的贡献大于排放增加的贡献;减排措施对防控期间重污染天气过程污染物峰值浓度有明显的削弱作用.     

长江经济带空气质量的时空分布特征及影响因素

基于2015~2018年空气质量实时监测数据，研究了长江经济带AQI的时空变化特征，从大气污染物排放量和气象因素两方面选取评价指标，利用地理探测器揭示了长江经济带AQI分布的影响因素及其季节变化.结果表明：2015~2018年长江经济带空气质量总体趋于改善，平均超标率由19.8%降至16.2%，除O₃超标率上升外，其余常规监测指标均有不同程度的下降.2017年开始O₃的超标率超过PM₁₀，成为长江经济带仅次于PM_2.5的大气污染物.AQI月变化曲线大体呈U型，具有冬春高、夏秋低的特点.长江经济带空气质量改善主要体现在冬、秋两季，O₃浓度的上升使夏季空气超标率上升，春季变化不大.AQI和空气超标率总体呈东高西低、北高南低的分布特征，其中上海、江苏、安徽中北部和浙江北部污染最严重，湖北中部和成渝地区其次，云南、贵州和四川西部空气质量良好.春夏季AQI的差异主要表现为东西向，秋冬季则主要表现为南北向.污染物排放量因子对长江经济带AQI分布有显著的正向影响，气象因子的影响方向则随季节变化而变化.全年和春、秋、冬3季AQI的分布格局主要由大气污染物排放量决定，夏季气象因子的影响力则更大.