APEC期間北京市PM2.5特征模擬分析及污染控制措施評估

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

賈 佳,郭秀銳,程水源*

(北京工業大學,區域大氣復合污染防治北京市重點實驗室,北京 100124)

為分析APEC會議前后PM2.5濃度特征,評估應急控制措施效果,通過對比分析APEC會前、會期、會后北京PM2.5濃度和組分的變化特征,探討氣象條件和污染調控對環境空氣質量的改善作用,采用CAMx-PSAT模型定量分析北京周邊不同區域、不同污染源的控制措施對空氣質量的改善效果,并設置情景對比研究控制措施實施與否呈現出的不同污染狀況.結果表明:會期北京市區PM2.5日均監測濃度低于國家空氣質量二級標準(75μg/m3),污染物主要來自于本地源的排放,機動車尾氣排放是北京市區PM2.5的最主要污染源,貢獻占比達到36.1%.由于污染控制措施的實施,會期北京市區PM2.5濃度降低了43.0%,北京及周邊區域嚴苛的污染控制措施是形成“APEC藍”的主導因素.

APEC；PM2.5；CAMx-PSAT模擬；污染控制措施；北京市

近年來,隨著我國工業化和城市化進程的加快,能源資源消耗持續增加,各種大氣污染物的排放遠遠超過了環境承載能力,大氣污染防治壓力繼續加大[1],其中以PM2.5為特征污染物的區域性大氣環境問題尤為突出[2].國務院于2013年制定了《大氣污染防治行動計劃》,以有效控制PM2.5污染、提高空氣質量、逐步消除重污染天氣.

2014年11月5日到11日,亞太經濟合作組織(APEC)會議在北京召開.11月份北京正處于秋冬轉換的季節[3],該時段往往風速小、降水少,多呈現出靜穩逆溫的天氣,不利于污染物的擴散,易造成重污染天氣的頻發[4].為保障APEC會議期間的空氣質量,北京、天津、河北、山西、內蒙古、山東等省市采取了不同程度的污染控制措施(包括重污染工業企業停產限產、機動車單雙號限行、停止施工工地所有石方和拆除作業、加強道路清掃保潔、嚴控施工揚塵、調休假減少社會活動、禁止露天燒烤等)[5].在氣象條件不利的情況下,會期北京市區的PM2.5平均濃度相對于2013年同時期下降了53.9%,實現了空氣質量的大幅度改善[6],形成了“APEC藍”.

國內外學者對APEC會議期間的污染狀況和氣象條件進行了初步研究,包括北京周邊灰霾觀測[7]、PM2.5濃度變化趨勢[8]、PM2.5污染物成分研究[9]、京津冀區域PM2.5碳質組分特征[10]、氣象條件對顆粒物濃度的影響[11]等.而尚缺乏對APEC期間不同區域、不同污染源控制措施改善效果的定量化評估.

包括GAM[12]、NAQPMS[13]、CMAQ[14]在內的多種空氣質量模型在對北京奧運期間的污染控制措施效果研究中得到了應用.而CAMx模型能夠更精確的模擬氣態及顆粒污染物在大氣中排放、擴散、化學反應及移除等作用,可同時進行多源-多受體的源貢獻識別,并且在污染物區域分布模擬及污染特征因子示蹤方面具有突出的優勢[15],因此CAMx模型能夠更科學、精確地對污染控制措施效果進行評估[16-17].

借APEC期間實施污染控制措施的時機,本文對比會前、會期、會后北京市區PM2.5濃度和組分的變化特征,探討氣象條件和污染調控對改善空氣質量的促進作用,采用CAMx模型進行會議前后污染物來源解析,并設置不同情景定量化評估不同區域、不同污染源減排措施實施對北京市區PM2.5濃度的改善效果.

1 研究方法

1.1 樣品采集和分析

選取北京三環附近的北京師范大學科技樓樓頂進行PM2.5樣品的連續采集,采樣點周邊交通密集,可反映出北京市區PM2.5的污染特征.采樣時段為2014年10月21日~11月22日,每個樣品采樣時間為連續23h(08:00~次日07:00).

采樣前,所有采樣儀進行流量校正和密封性試驗.PM2.5采樣器采用武漢天虹TH150C、TH150D,采樣流量為100L/min,PM2.5樣品采集選用Whatman公司生產的纖維素濾膜(直徑90mm)與石英濾膜, 纖維素濾膜用于元素、離子組分分析,石英膜用于碳質組分分析.對采樣膜在采樣前后分別進行48h恒溫[ (20±5)℃]、恒濕(40%±2%).應用Sartorius丹佛TB–215D型(精度為0.01mg)十萬分之一電子天平稱重.

元素測試采用耦合等離子體質譜儀(ICP–MS,7500a,Agilent,安捷倫),測試過程中保證內標元素的試驗數據RSD值小于3%,否則對樣品進行重復測試.離子測試采用離子色譜儀(IC, Metrohm 861Advanced Compact,瑞士萬通).對于高濃度樣品,稀釋10倍后進行測試.對空白膜和標準樣品進行測試,以確保數據的有效性.截取石英膜進行OC(有機碳)、EC(元素碳)的測試,測試采用熱-光法碳質分析儀(DRI, Model 2001, 美國沙漠研究所)儀器.測試過程中同樣對空白膜進行分析,用空白膜的試驗結果對采集樣品的試驗數據進行校正[18-21].

1.2 數據收集

觀測數據包括空氣質量濃度數據、污染物監測數據和氣象參數數據.逐時的空氣質量濃度數據和污染物在線監測數據(包括PM2.5、SO2、NO、CO、O3等)是從國家環境監測中心的各個監測站點自動獲取.氣象數據從中國氣象局網站和Weather Underground(http://www.wunderground. com/)網站獲取,包括溫度、相對濕度、可見性、風向和風速等.

1.3 數值模擬

1.3.1 空氣質量模型的構建 采用三維多尺度歐拉空氣質量模型CAMx(Comprehensive Air Quality Model with Extension)內嵌的顆粒物來源識別工具(PSAT)對北京及周邊城市的空氣質量進行模擬.PSAT針對不同種類的顆粒物,進行不同地區污染源貢獻的識別分析.PSAT考慮了示蹤物在物理過程、化學過程中的生成、消除和轉化,能有效地追蹤不同地區、不同種類源排放對目標區域PM2.5的貢獻[22],使得敏感源篩選識別由理論上可行轉變為實際中的可操作.

采用CAMx V6.0版本建立包括華北地區在內的空氣質量模型,對APEC會前(10-24~ 11-02)、會期(11-03~11-12)、會后(11-13~11-22)的空氣質量進行模擬.地圖投影采用蘭波托投影,設置兩層嵌套網格,外層模擬區域分辨率為27km×27km,覆蓋京津冀和周邊地區(包括山西、山東、河南、內蒙古、遼寧等省份的全部或大部分區域);內層模擬區域空間分辨率為9km×9km,主要覆蓋京津冀區域(包括北京、天津、河北及周邊省份的部分區域).為了研究不同區域污染物來源對北京市區PM2.5污染的影響,根據地理邊界對污染源區域進行標記,包括北京、天津、河北和外圍(覆蓋京津冀以外區域),其中河北又分為4個區域:西北區域(張家口)、東北區域(承德、秦皇島、唐山)、西南區域(保定、石家莊)和東南區域(廊坊、滄州、衡水、邢臺、邯鄲).氣象場模擬采用WRFv 3.3,初始背景邊界條件采用美國國家環境預報中心(NECP)提供的1°×1°分辨率的全球對流層FNL數據集.空氣質量模型CAMx所使用外圍源排放清單為清華大學研發的2010年中國多分辨率排放清單;內層清單來自于本研究團隊自下而上建立的、已更新到2014年的京津冀區域大氣污染物排放清單[15],主要包含PM10、PM2.5、SO2、NO、NH3、CO和VOCs等,并結合APEC期間各省市的污染控制措施對清單進行改動.應用GIS工具將污染源清單進行模擬區域網格空間分配.將污染源清單分為工業源(工業企業排放、工業無組織揚塵)、交通源(機動車尾氣排放、交通揚塵)、揚塵源(裸地揚塵、道路揚塵等)、其他源(鍋爐燃煤源、居民面源等)4組.在北京市區選取3個受體點(分別在天壇、東四、官園站點附近,位于北京市區,而且與PM2.5監測站點接近,能夠較好反映市區PM2.5濃度變化),取其平均值作為模型模擬的北京市區PM2.5濃度結果.數值模型網格嵌套區域如圖1所示.

1.3.2 模型模擬情景設置 APEC會議期間京津冀及周邊各省份采取緊急控制措施以保障北京的空氣質量,并且取得了顯著的效果.為了定量化研究不同區域、不同污染源控制措施對北京市區PM2.5濃度的改善效果,設置兩種情景對比分析:情景一即京津冀地區實施了污染控制措施,主要用于對比研究APEC會前、會期、會后PM2.5的污染特征和變化規律,并探討是否只有京津冀地區實施控制措施已能夠保障北京的空氣質量良好;情景二假設北京及周邊區域并未采取減排措施,由于與情景一采用了同樣的背景氣象場,兩種情景的對比結果可定量研究京津冀地區的控制措施對北京市區PM2.5的改善效果.

2 結果與討論

2.1 數值模擬結果驗證

圖2對比了北京會期PM2.5逐時模擬質量濃度與監測濃度(北京市區12個國控監測站點均值)的變化趨勢.應用平均偏差(NMB)、平均誤差(NME)、相關系數(RC)對模型模擬結果進行驗證.會期北京模擬PM2.5逐時平均濃度為41.5μg/m3,監測逐時平均濃度為42.7μg/m3,計算得出平均偏差(NMB)為-2.9%,平均誤差(NME)為41.3%,兩者相關系數(RC)為81.0%.模擬結果與監測值呈現出較高的相關性,與監測值對比平均偏差NMB較小,但平均誤差NME相對較大.由于本文主要考慮了京津冀區域對北京PM2.5濃度的影響,并沒有完全覆蓋周邊其余省份,因此整體上模擬濃度比監測濃度低.部分時段模擬濃度高于監測濃度,與氣象場模擬誤差、數值模型自身機理缺陷等因素有關.污染源清單的不確定性、控制措施實施強度低于預期等也是導致空氣質量模擬結果與觀測值出現偏差的原因[23].

同時采用PM2.5離線組分質量濃度數據(SO42-、NO3-、NH4+)與模型模擬結果進行對比分析,用兩者相關性來驗證模型的準確性(表1).結果表明,模擬所得PM2.5與二次水溶性離子組分平均濃度均略低于監測值,模擬結果與監測值之間相關性(RC)良好,相關系數在74%以上.綜合考慮兩項驗證指標(NMB和NME),本文所選用的模型以及參數設置對二次水溶性離子組分的模擬效果較好.與其他研究對比,模擬誤差在可接受范圍內,模擬結果基本可以反映實際的PM2.5污染過程[24-26].

表1 二次水溶性離子模擬濃度與監測濃度對比 Table 1 Secondary soluble ions simulated versus observed

2.2 PM2.5污染濃度和組分變化特征

2.2.1 PM2.5濃度變化特征 結合會前、會期和會后的逐時監測結果(圖2),北京市區PM2.5濃度總體呈現“U型”的變化趨勢.會前重污染相對集中,根據逐時數據統計,出現重污染時刻占全部時段的29.6%;會期北京市區PM2.5濃度明顯下降,逐時平均濃度(46.5μg/m3)相對會前(106.0μg/m3)降低了56%,11月4日部分時刻出現的重污染與11月4日北京五環路內部分地點燃放煙花有關[27],總體均值低于國家空氣質量二級標準(75μg/m3),污染控制措施取得了良好的效果;而會后北京PM2.5濃度(112.4μg/m3)大幅度反彈升高,重污染時段再次增多,重污染時刻占全部時段的33.3%,污染濃度相對會期增長了140%.

會期出現了兩次較為明顯的污染集聚(圖2,11月3日~4日,11月9日~10日),同時期風速和能見度低、相對濕度較高(圖3).以11月9日~10日的污染集聚過程為例,根據MICAPS海平面氣壓場進行分析(圖4,11月8日2:00到11月10日14:00).8日2:00(圖4a),高壓中心位于蒙古高原,我國中高緯度環流呈典型的長波槽脊穩定性,這些長波槽脊變化受超長波影響或控制,移速非常緩慢,阻礙冷氣團向亞洲中低緯度地區移動,削弱冷空氣對我國東部地區的影響[28],地面和低空風速不大,垂直和水平方向擾動小,會出現長時間的靜穩天氣,近地面呈現明顯逆溫現象,不僅不利于天氣尺度擾動的發展,而且會減弱低層大氣的垂直混合,不利于污染物垂直擴散[29],再加上北京三面環山的地形特點,造成污染物的累積;9日2:00(圖4b),北京處于高壓尾部均壓場,污染物的累積仍在繼續,PM2.5濃度持續上升,相對濕度較高促進大氣中氣態污染物向顆粒態的轉換;10日0:00左右PM2.5濃度達到一個峰值,但由于污染控制措施的實施,北京本底污染程度較低,本次峰值并沒有形成重污染;10日2:00(圖4c),高壓中心繼續向東南移動至京津冀區域,北京地區轉為冷高壓前部,氣壓變化幅度增大,風速瞬間升高的同時,風向由無持續風向迅速轉變為北風,局地相對濕度驟然降低,冷空氣帶來的西北氣流對區域污染物有明顯的清除作用,PM2.5濃度明顯下降;10日14:00(圖4d)高壓中心繼續向東南方向移動,北京逐步脫離高壓中心控制,污染集聚重新開始.

2.2.2 PM2.5組分變化特征 PM2.5包括一次組分和二次組分,其中一次組分主要包括礦物塵、一次有機物(POA)、元素碳(EC)、污染元素等,二次組分包括二次有機物(SOA)、SO42-、NO3-、NH4+等.其中POA和SOA是通過POC(一次有機碳)、SOC(二次有機碳)乘以經驗系數1.6得到[30],此系數估算了有機物中氫、氧等物質.礦物塵根據Al、Ca、Ti、Fe等元素的相應氧化物計算[31],SOC用OC/EC(有機碳/元素碳)最小比值法計算,公式[32]為

(礦物塵)=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會前、會期、會后的PM2.5具體組分占比(%) Table 2 The proportions of PM2.5 components before-, during-, and after the APEC meeting (%)

APEC會前、會期、會后的PM2.5具體組分占比如表2所示.SO42-、NO3-、NH4+是PM2.5中3種主要水溶性離子,其質量濃度之和占PM2.5的43.8%,會期占比增長到48.8%,APEC后降至46.8%.分析其原因與會期北京光照較為強烈,有利與氣態前體物(SO2、NO、NH3)發生二次轉化有關.同時用NO3-與SO42-的濃度比值來判定二次離子的主要來源,APEC會前、會期、會后北京(NO3-)/(SO42-)分別為1.7、2.1、1.6,會期(NO3-)/(SO42-)大于2表明移動源對北京SO42-和NO3-的貢獻占主導,是北京PM2.5污染物的主要來源.控制鍋爐、部分地區延遲居民供暖等措施的實施使得SO42-占比略有下降,而在會后由于居民供暖的開始,燃煤量顯著增高,SO2排放量增加,SO42-所占比例逐步升高[33].APEC期間POA、EC、礦物塵、污染元素相比其他時段都較低,歸結于控制揚塵、企業停產、減少燃煤等污染控制措施的實施;SOA相對其他時段較高,其原因在于APEC期間光照強烈,大氣氧化活性強.

2.3 會期PM2.5區域傳輸和來源分析

表3 APEC會前、會期、會后北京PM2.5污染物區域傳輸和污染源的貢獻解析(%) Table 3 The contribution of regional transport and pollution sources of PM2.5 in Beijing before-, during-, and after the APEC meeting (%)

注:* 外圍區域沒有對排放源種類進行劃分,表中數值是外圍區域所有源對北京市區PM2.5濃度的貢獻占比.

基于CAMx-PSAT模型模擬得到京津冀區域不同地市、不同污染源對北京市區PM2.5的濃度貢獻,如表3所示.

結果表明,本地源對北京市區PM2.5濃度的逐日貢獻占比在61.57%~96.64%之間(均值為77.5%),本地貢獻最高時段都出現在會期內(11月5日、11日、12日北京本地源貢獻都超過了90%).會期北京處于高壓均壓控制范圍,污染物難以擴散,本地源貢獻逐步升高.

會前本地機動車源和工業源是北京市區PM2.5的最主要污染貢獻源,與清單中機動車和工業污染物排放量最高有關.會期期間北京及周邊地區對工業實施了停產限產措施、強行停止野外施工、加強道路清洗力度,這些措施對降低工業源和土壤源污染物的排放具有顯著的效果.會議期間對機動車污染源采取了單雙號限行和限制公務車頻次等措施,但由于機動車控制涉及到居民生活和常規出行,其控制力度相對于其余污染源較為寬松,部分文獻指出APEC期間北京市區車流量下降幅度并不明顯,甚至有增加的趨勢[34].與此對應,模擬結果顯示本地機動車污染源是會期北京市區PM2.5的最主要污染源,而且濃度貢獻占比相對于會前有明顯的提升(24.2%上升至36.1%),遠高于其他污染源,與PM2.5組分分析結果[(NO3-)/(SO42-)>2]一致.會后由于污染控制措施的取消和居民供暖的開始,北京市區PM2.5濃度大幅度升高,本地的工業源和其他源(包括燃煤鍋爐污染源)貢獻占比迅速增長.

京津冀以外區域在APEC會議前后對北京市區PM2.5濃度貢獻占比變化并不明顯,說明京津冀以外區域的控制措施對北京市區PM2.5濃度改善效果相對有限.而在京津冀區域范圍內的外來源中,會前北京市區PM2.5污染物主要來自南部和東北部污染傳送通道的累積,其中河北東北區域工業源貢獻最高,與唐山市工業污染物排放量高有關,對北京市區PM2.5濃度貢獻占比為4.1%;會期各區域污染物排放都得到了有效地抑制,河北東北、西南、東南區域和天津對北京市區PM2.5的貢獻相比會前明顯下降,但河北西北區域不降反升.盡管河北西北區域與北京之間隔著燕山山脈,但由于張家口市內污染排放源海拔較高和西北風頻次的增加(圖5),污染物仍然能夠通過高空傳輸作用傳送到北京市區,又由于機動車污染源污染物排放量高和工業源一般通過高空煙囪排放,使得河北西北區域的機動車源和工業源成為會期對北京市區PM2.5貢獻最高的外來源;會后北京PM2.5濃度升高的同時,周邊區域對北京污染貢獻逐步增大,北京主導風向轉為東北風和西南風,河北西南和東北區域成為最主要外來貢獻源,而且隨著天津和河北全境居民供暖的開始、建筑施工的減少降低揚塵排放等因素,包括燃煤源在內的其他源貢獻比重逐步升高.

2.4 污染控制措施效果評估

APEC期間各地區實施污染控制措施后污染物得到了大幅度的削減,其中北京、天津、河北污染物削減比例如表4所示.

表4 京津冀地區采取控制措施后污染物減排比例 Table 4 Reduction ratios of pollutants after the control measures were implemented in BTH region

重點考慮京津冀地區采取控制措施對北京市區PM2.5濃度的影響,設置2種情景對污染實施控制的效果進行評估,情景一為京津冀區域在APEC期間實施控制措施,根據上表對污染源排放清單進行更新;情景二假設京津冀區域在APEC期間不實施控制措施,使用原始清單.結合2種情景模擬結果,對比分析控制措施對北京PM2.5濃度的影響.

如圖6所示,情景一模擬結果顯示會期北京PM2.5逐時均值模擬結果為41.5μg/m3,雖然在部分時段北京及周邊地市有污染物的積累,但并沒有形成重污染;而根據情景二模擬結果,若未采取污染物控制措施,則會由于北京本地排放和周邊污染輸送量的增加,致使重污染天氣頻發,PM2.5瞬時濃度最高值超過250μg/m3,出現重污染的時刻占到全部時段的17.4%,PM2.5逐時濃度均值為78.2μg/m3,即由于污染控制措施的實施,會期北京市區PM2.5濃度降低了43.0%.

同期監測值(圖2)顯示逐時平均濃度為42.7μg/m3,與情景一模擬結果比較接近,表明只在京津冀地區采取污染控制措施已經基本能夠保障APEC期間北京市區良好的空氣質量.2013年相同時段PM2.5逐時濃度均值為92.7μg/m3,以情景二模擬結果與2013年同時期PM2.5濃度監測數據對比,都呈現出長時間的重污染.說明APEC期間氣象條件相比2013年同時期雖然略好,但對PM2.5濃度的影響程度相對有限.

結合情景一、情景二模擬結果,不同區域不同源的控制措施對PM2.5濃度改善的效果如圖7所示.

本地源中,會期期間工地停工、增加道路清掃頻次、停限產高污染企業等大幅度降低了本地工業源、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見卓效(21.8%),與其本身排放基數大、實施控制措施后排放量急劇減小等因素有關.而本地機動車源控制措施所產生的效果相對較差(11.2%),與機動車源控制難度大、距離目標受體點較近、車流量降低幅度有限等原因有關.

外來源中,河北西南方向保定和石家莊污染物排放量較高,是北京PM2.5污染物的主要輸送通道,控制措施實施后西南區域對北京空氣質量改善效果最為明顯.由于會期時段北風頻次增加,河北西北區域和東北區域的控制措施對北京PM2.5污染物也有一定的削減效果.

雖然外部區域對北京市區PM2.5濃度的改善效果與風向密切相關,仍需要周邊各區域的聯防聯控,而非只對主導風向區域或者相鄰區域加以控制.原因在于①氣象條件不可控,風向和風速瞬息萬變,若未采取措施的區域突然轉為上風向區域,則目標區域將會由于大量污染物的擴散而呈現重污染;②若風速突然增大,則遠距離區域的污染物也會大量傳送到目標區域;③采取污染控制措施的目的不僅僅在于保障APEC期間北京市區的空氣質量,也著力于改善整個京津冀區域的污染狀況,以最大化控制大氣污染的負面效應.

綜上所述,污染控制措施的實施是實現北京會期PM2.5濃度降低的主要原因.因此,為了保障北京市區空氣質量,避免PM2.5重污染的出現,不僅需要對北京本地污染物的排放嚴格把關,還需要周邊地區的協同控制[35-37].

3 結論

3.1 對比了APEC會前、會期、會后北京市區PM2.5濃度和組分的變化特征,采用CAMx-PSAT模型分析北京周邊不同區域、污染源控制措施的改善效果,并設置京津冀區域實施減排措施和不實施減排措施兩種情景對比研究減排措施實施對北京市區PM2.5濃度的影響.結果表明APEC會期期間北京市區空氣質量良好,PM2.5濃度低于國家空氣質量二級標準(75μg/m3);但假如京津冀區域沒有實施污染控制措施,會期北京市區仍舊會在17.4%的時段內呈現出重污染,與2013年同時期狀況相似.京津冀區域污染控制措施的實施使得會期北京市區PM2.5濃度降低了43.0%.

3.2 會期北京PM2.5組分中二次離子占比有所增加,與同時段天氣多為晴朗,光照強烈有關;移動源是會期北京市區PM2.5的主要貢獻來源.

3.3 北京市區PM2.5主要來自于本地污染物的排放,會期本地源貢獻有所增加.會前北京市區PM2.5主要來自于本地工業源和機動車源.污染控制措施的實施大大降低了會期工業源、土壤源和其他源的排放;外來源中,會期河北西北區域的貢獻最高,與本時段內西北風頻次增加有關,而會后北京主導風向的轉變使得河北東北和西南區域對北京市區PM2.5的貢獻增大;污染控制措施中本地的土壤源控制措施的改善效果最見卓效;外來源中,河北西南區域減排措施效果最好.

[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] 中華人民共和國環境保護部.區域聯動 多措并舉 周密部署 全力保障APEC空氣質量 [Z]. 2014-11-15. http://www. zhb.gov.cn/gkml/hbb/qt/201411/t20141115_291482.htm

[6] 劉建國,謝品華,王躍思,等.APEC前后京津冀區域灰霾觀測及控制措施評估 [J]. 科技與社會, 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,陳 魁,等.APEC會議期間天津市PM2.5中水溶性無機離子的污染特征 [J]. 環境污染與防治, 2015,5(37): 66-71.

[10] 于海斌,薛荔棟,鄭曉燕,等.APEC期間京津冀及周邊地區PM2.5中碳組分變化特征及來源 [J]. 中國環境監測, 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] 吳其重,王自發,李麗娜,等.北京奧運會空氣質量保障方案京津冀地區措施評估 [J]. 氣候與環境研究, 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 穎.區域大氣污染源清單建立與敏感源篩選研究及示范應用 [D]. 北京:北京工業大學, 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] 溫 維,韓力慧,代 進,等.唐山夏季PM2.5污染特征及來源解析 [J]. 北京工業大學學報, 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,韓力慧,陳旭峰,等.北京典型污染過程PM2.5的特性和來源 [J]. 安全與環境學報, 2012,12(5):122–126.

[21] 劉 超.典型區域PM2.5污染特征及影響因素研究 [D]. 北京:北京工業大學, 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] 吳其重,王自發,徐文帥,等.多模式模擬評估奧運賽事期間可吸入顆粒物減排效果 [J]. 環境科學學報, 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] 王楊君,李 莉,馮加良,等.基于OSAT方法對上海2010年夏季臭氧源解析的數值模擬研究 [J]. 環境科學學報, 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] 新華網.北京5環路內指定地在APEC歡迎晚宴期間放煙花 [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] 賀克斌,楊復沫,段鳳魁,等.大氣顆粒物與區域復合污染 [M]. 北京:科學出版社, 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 飛,王金南,等.中國PM2.5跨區域傳輸特征數值模擬研究 [J]. 中國環境科學, 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.

* 責任作者, 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

賈 佳(1990-),男,河南許昌人,北京工業大學環境與能源工程學院博士研究生,主要從事環境規劃管理與污染防治方面的研究.

2016-01-04

環保公益性行業科研專項(201409006)