京津冀地区大量的污染物排放, 加上独特的地理环境条件形成的局地大气环流^[1], 使该地区环境污染日益严重, 并呈现出区域性特征.钢铁行业是京津冀地区主要污染源之一, 其生产工序复杂, 主要包括焦化、烧结、球团、炼铁、炼钢、轧钢等, 较高的能耗导致硫化物、氮氧化物、烟粉尘等大量的污染物排放^[2].课题组已有研究表明, 钢铁行业SO₂、NO_x、PM_2.5、VOC排放量分别占到京津冀污染物排放总量的23.7%、10.5%、15.7%、7.9%, 钢铁行业已成为京津冀大气污染问题的重要原因之一^[3].

在钢铁行业排放清单建立及对大气环境影响评估方面, 伯鑫等^[4~6]建立了基于生产工艺的全国钢铁行业大气污染物排放清单管理系统, 主要污染物包括SO₂、NO_x和烟粉尘, 按照自下而上的方法建立了京津冀2012年钢铁行业高时空分辨率排放清单, 主要污染物包括SO₂、NO_x和烟粉尘, 清单结果表明烧结和高炉炼铁为钢铁行业污染物主要来源, 唐山和邯郸钢铁行业污染物排放量占京津冀区域钢铁行业排放总量的一半以上, 采用CAMx模拟并对比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SO₂、NO_x、PM_2.5的影响, 结果表明NO_x存在较大的减排空间, 且当前化解产能力度对污染改善效果较差; 赵斌等^[7]核算了天津市各行业区县分辨率的大气污染物排放清单, 发现钢铁行业对SO₂和CO总排放量贡献分别高达24%和30%;牟莹莹等^[8]采用自下而上的方法建立了2014年南京市工业源大气污染物排放清单, 发现钢铁行业是PM_2.5、PM₁₀和CO的主要排放源; Wu等^[9]研究估算了2012年至2030年中国钢铁行业SO₂、NO_x、PM、VOC、PCDD/Fs的排放情况和减排潜力, 发现烧结为主要排放工序, SO₂和TSP控制潜力较大; 吴文景等^[10]采用WRF-CMAQ耦合模式对京津冀地区2012年冬夏两季主要排放源对大气环境影响及减排效果进行了定量评估, 发现工业部门内对PM_2.5贡献最大、且减排效果最为明显的均为钢铁冶金行业, 认为应优先控制工业源PM_2.5排放, 进一步重点控制钢铁冶金行业的NO_x和SO₂排放、水泥行业的夏季NO_x排放以及炼焦行业的SO₂和NMVOC排放; 汪旭颖等^[11]建立了细化到排放节点的自下而上的钢铁工业颗粒物排放模型, 结果表明, 我国钢铁工业颗粒物控制水平不断提高, 但除加严有组织源管控之外, 也应加强对颗粒物无组织排放的控制; 目前针对京津冀钢铁行业排放情况的研究多集中于SO₂、NO_x和烟粉尘这3种污染物的排放清单建立及减排效果的模拟, 针对钢铁行业细化至工序的包含SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC多污染物的排放清单及其对区域PM_2.5影响的研究较少.准确、详实的钢铁行业大气污染源排放清单可作为空气质量模型的输入数据, 对空气质量影响评估十分重要^[12], 是改善京津冀地区大气环境质量的基础和关键性工作, 是开展大气污染防治^[13]、制定污染控制政策^[14]和进行空气质量预测^[15]的关键.

本研究采取自下而上的方法进行清单的建立, 获取京津冀钢铁企业基础信息, 结合文献和课题组多年样品采集和分析成果, 综合确定适合京津冀地区钢铁行业实际情况的排放因子, 核算京津冀地区钢铁行业典型工序的SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC的排放清单, 并深入分析污染物排放特征.基于钢铁行业典型工序VOC和PM_2.5排放成分谱测试结果, 建立适合空气质量模型输入的物种清单, 并采用双层嵌套CAMx耦合模型, 选取2015年1、4、7、10月作为典型季节代表月, 模拟京津冀钢铁行业对区域PM_2.5浓度的影响, 以期为京津冀地区大气污染控制决策提供参考依据.

本研究选取2015年作为清单基准年, 针对京津冀地区钢铁行业焦化、烧结和球团、炼铁、炼钢、轧钢等典型工序排放特征开展研究, 污染物包括SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC等.主要采用排放因子法^[16] [公式(1)]对各污染物排放量进行估算.

(1)

式中, E_{i, j, k}为企业i生产环节k污染物j的排放量(t·a^-1); A_{i, k}为企业i生产环节k的活动水平(t·a^-1), 包括焦炭、烧结矿、球团矿、生铁、钢、钢材产量等; EF_{i, j}为企业i污染物j的排放因子(kg·t^-1).

自下而上的清单建立方法能更精确地建立高分辨率污染源排放清单, 此方法已在国内外清单建立中具有广泛应用^[17~19].本研究采用自下而上的清单建立方法, 以污染源普查平台及环境统计数据为基础, 获取京津冀钢铁企业的基础信息, 主要包括企业具体位置、单位名称、烟囱高度、烟囱出口内径、排气温度、排气速度等, 并分类收集钢铁行业烧结、球团、焦化、炼铁、炼钢、轧钢等工序的生产技术信息、原辅料和燃料情况、产品产量、控制技术信息等相关活动水平数据, 共获取京津冀钢铁企业有效点源401个, 各企业分布位置如图 1所示.

图 1

Fig. 1

图 1 京津冀钢铁企业位置分布示意 Fig. 1 Location of the iron and steel plants in the Beijing-Tianjin-Hebei region

排放因子的选取, 结合文献调研结果与课题组近年来对钢铁企业PM_2.5和VOC样品采集测试结果综合确定.根据课题组样品采集测试结果, 参考文献[20]及国内外文献中关于焦化、烧结和球团、炼铁、炼钢、轧钢的排放因子^{[2, 9, 20~24]}, 结合京津冀地区钢铁企业各工序的产量、规模、环保措施等信息, 综合确定可代表本土污染源实际排放特征的排放因子, 如表 1所示.

表 1 (Table 1)

表 1 钢铁行业污染物排放因子/kg·t-1 Table 1 Emission factors of air pollutants from the iron and steel industry/kg·t-1 工艺过程 设备规模 有组织排放 无组织排放 SO2 NOx TSP PM10 PM2.5 CO VOC TSP PM10 PM2.5 焦化 ＜5 m 0.64[9, 21] 0.60[9, 21] 0.79[21, 22] 0.73[21, 22] 0.54[21, 22] 0.76[23] 0.55[23] 0.33[20] 0.10[20] 0.05[20] ≥5 m 0.58[9, 21] 0.44[9, 21] 0.65[21, 22] 0.59[21, 22] 0.41[21, 22] 0.62[23] 0.41[23] 烧结 ＜100 m2 2.52[9, 20, 21] 2.76[2, 9, 20, 21] 1.39[9, 20~22] 0.81[9, 20~22] 0.64[9, 20~22] 5.71[2] 0.17[9] 0.56[20, 24] 0.19[20, 24] 0.14[20, 24] 100~200 m2 2.22[9, 20, 21] 1.51[2, 9, 20, 21] 0.65[9, 20~22] 0.39[9, 20~22] 0.30[9, 20~22] 4.75[2, 24] 0.14[9, 24] ≥200 m2 0.80[9, 20, 21] 0.77[2, 9, 20, 21] 0.47[9, 20~22] 0.27[9, 20~22] 0.19[9, 20~22] 3.95[2, 24] 0.13[9, 24] 球团 1.36[9, 20] 0.55[9, 20] 0.40[9, 20] 0.20[9, 20] 0.12[9, 20] 4.75[2] 0.14[9] 0.53[20] 0.09[20] 0.06[20] 高炉炼铁 ≥2 000 m3 0.09[9, 20, 21] 0.14[9, 20, 21] 0.60[22, 20~23] 0.39[20~23] 0.29[20~23] 8.64[2, 23, 24] 0.04[9] 4.83[20, 24] 1.81[20, 24] 0.53[20, 24] ＜2 000 m3 0.11[9, 20, 21] 0.16[9, 20, 21] 1.76[20~23] 1.16[20~23] 0.85[20~23] 8.64[2, 23, 24] 0.04[9] 转炉炼钢 ≥150 t 0.02[9, 20, 21] 0.05[9, 20, 21] 0.34[9, 20~22] 0.30[9, 20~22] 0.22[9, 20~22] 11.67[2, 23, 24] 0.06[9, 24] 0.56[20, 24] 0.38[20, 24] 0.14[20, 24] ＜50 t 0.03[9, 20, 21] 0.05[9, 20, 21] 0.56[9, 20~22] 0.49[9, 20~22] 0.36[9, 20~22] 11.67[2, 23, 24] 0.06[9, 24] 电炉炼钢 ≥50 t 0.03[9, 20, 21] 0.54[9, 20, 21] 0.81[9, 20~22] 0.71[9, 20~22] 0.52[9, 20~22] 1.94[2, 23, 24] 0.04[9, 24] 1.26[20, 24] 0.76[20, 24] 0.33[20, 24] ＜50 t 0.04[9, 20, 21] 0.59[9, 20, 21] 1.80[9, 20~22] 1.57[9, 20~22] 1.15[9, 20~22] 1.94[2, 23, 24] 0.04[9, 24] 轧钢 0.09[9, 20] 0.08[9, 20] 0.04[9, 20] 0.03[9, 20] 0.02[9, 20] 1.28[23] 0.12[9] 0.10[20] 0.09[20] 0.05[20]

表 1 钢铁行业污染物排放因子/kg·t-1 Table 1 Emission factors of air pollutants from the iron and steel industry/kg·t-1

本研究采用双层嵌套WRF-CAMx耦合模型对钢铁行业排放的大气PM_2.5贡献开展评估研究. CAMx模型能在城市和区域的多种尺度上较好地模拟气态、颗粒污染物及空气毒物在大气中排放扩散、化学反应和干湿沉降等过程^[25~27], 其具有的颗粒物源识别技术(PSAT模块)能够很好地模拟出示踪地区或示踪污染源对目标区域的污染物贡献^[28].

CAMx模型所需的气象场由WRF模拟结果提供, WRF模型所需的初始背景边界条件由美国国家环境预报中心(NCEP)的1°×1°、6 h分辨率的全球FNL数据集提供, 地形资料、土地利用数据采用美国USGS的全球地形和土地利用数据. CAMx模型所需的污染源排放清单, 除采用本研究更新的京津冀地区钢铁清单外, 京津冀其他排放源的清单数据采用课题组近十年的京津冀污染源清单研究成果^[3], 京津冀以外区域的排放清单采用清华大学建立和更新的2012年东亚地区MEIC清单^[29], 根据空气质量模型的化学机制, 建立适用于空气质量模型输入的模拟区域钢铁行业及其他排放源的PM_2.5及VOC物种清单, 并应用GIS工具进行网格污染物的空间分配.

WRF模型设置中, 长短波辐射方案分别选取RRTM和Dudhia, 近地层方案选取NOAH. CAMx模型设置中, 投影方式选择Lambert, 气相化学机制、水平湍流和气相化学扩散机制分别选用CB05、PPM和EBI, 采用双层嵌套网格进行模拟, 如图 2所示, 模拟区域以(39.245°N, 117.691°E)为中心, 外层网格分辨率为27 km, 网格数50×42, 包括北京、天津、河北的全部地市, 与山西、山东、内蒙、东北的部分地区; 内层网格分辨率为9 km, 网格数81×91, 主要包括北京、天津、河北的全部地市.模拟时段选用2015年1、4、7、10月作为冬季、春季、夏季、秋季这4个季节的典型代表月.模拟区域分为14个排放源区, 京津冀内13个地市各为一个排放源区, 模拟区域内除京津冀之外的其他地市作为第14个排放源区.

图 2

Fig. 2

图 2 双层嵌套模拟区域示意 Fig. 2 Two-level nested-grid modeling domain

2015年京津冀地区钢铁行业大气污染物排放结果如表 2所示, SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC的总排放量分别为38.82、27.23、79.19、53.15、38.68、823.38、26.53万t, 对比课题组2014年排放清单^[3], 2015年钢铁行业各污染物排放量整体上略有下降, 其中SO₂排放量下降明显, 与脱硫设施投运率升高有关.钢铁行业排放的污染物主要为烟粉尘和PM_2.5的前体物SO₂、NO_x, 这与京津冀地区钢铁行业除尘、脱硫、脱硝措施的实施情况有关.根据环境统计数据, 京津冀地区钢铁企业烟粉尘的平均控制效率为88.1%, 大部分企业的轧钢工序未设置除尘设施; 烧结和焦化工序设置的脱硫设施平均脱硫效率仅51.2%, 部分企业和工序未设置脱硫措施; 脱硝措施整体上实施效果极差, 平均脱硝效率仅3.4%.

表 2 (Table 2)

表 2 京津冀钢铁行业污染物排放清单/万t·a-1 Table 2 Emissions from the iron and steel industry in the Beijing-Tianjin-Hebei region/104 t·a-1 生产环节 SO2 NOx TSP PM10 PM2.5 CO VOC 焦化 1.63 2.52 4.42 3.98 2.80 84.13 3.07 烧结和球团 27.96 16.65 26.73 15.03 11.01 139.95 6.10 炼铁 1.76 1.56 33.56 22.16 16.22 243.68 4.68 炼钢 0.55 0.50 11.45 10.02 7.30 254.31 3.20 轧钢 6.89 5.98 3.01 1.94 1.33 101.30 9.47 合计 38.82 27.23 79.19 53.15 38.68 823.38 26.53

表 2 京津冀钢铁行业污染物排放清单/万t·a-1 Table 2 Emissions from the iron and steel industry in the Beijing-Tianjin-Hebei region/104 t·a-1

京津冀地区钢铁行业不同生产环节污染物排放情况如图 3所示.整体来看, 烧结和球团工序是钢铁行业大气污染物最主要来源, 其SO₂和NO_x排放分别占到钢铁总污染物排放的72%和61%, 烧结和球团工序所用的含铁原料和燃料中含硫量都偏高, 较为落后的生产设备、较低的环保措施控制效率等原因也在一定程度上导致了烧结和球团工序SO₂和NO_x的大量排放.炼铁工序是TSP的主要来源, 排放量占钢铁行业总排放的42%, 除尘措施投运率及去除效率偏低, 燃料、原料、辅料等在运输、筛分、转运等过程中产生的大量无组织烟尘难以集中控制等原因, 在很大程度上导致了烟粉尘排放严重的现状.炼铁和炼钢工序是CO的主要排放源, 高炉出铁时和炼钢工序中吹氧冶炼期产生大量含CO的废气, 较低的煤气回收率造成大量CO煤气的排放.

图 3

Fig. 3

图 3 京津冀地区钢铁行业不同生产环节污染物排放量占比 Fig. 3 Ratios of emissions from the production processes of the iron and steel industry in the Beijing-Tianjin-Hebei region

京津冀地区不同地市钢铁行业污染物排放情况如图 4所示, 各地市污染物排放情况整体上与各地市钢铁企业数量有较好的相关性.唐山市集中了京津冀地区45%的钢铁企业, 且规模相对较大, 其各类污染物排放量远大于其它城市, SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC的排放量分别占整个京津冀地区钢铁行业排放总量的47.7%、54.3%、43.3%、41.1%、39.1%、53.5%、63.5%.邯郸市其次, 集中了15%的钢铁企业, 其SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC的排放量分别占整个京津冀地区钢铁行业排放总量的18.1%、15.0%、21.8%、23.4%、24.4%、16.6%、13.9%.

图 4

Fig. 4

图 4 京津冀地区各地市钢铁行业污染物排放量 Fig. 4 Emissions from the iron and steel industry in the Beijing-Tianjin-Hebei region, by cities

根据本课题组采样和调研的钢铁企业各季度产品产量等基础信息, 结合课题组近年来积累的钢铁行业月不均匀系数经验和前人研究成果^{[30, 31]}, 综合确定钢铁行业污染物排放月变化规律, 并对京津冀钢铁行业污染物排放清单进行时间上的分配.月不均匀系数如图 5所示, 春夏秋冬这4个季节污染物排放总量分别占全年污染物排放总量的23.9%、25.9%、27.1%、23.2%, 整体上季节差异较小; 1、4、7、10月的排放量分别占相应4个季度排放量的31.4%、33.9%、32.6%、33.1%, 表 4个季节的平均污染物排放水平.

图 5

Fig. 5

图 5 钢铁行业污染物排放月变化曲线 Fig. 5 Monthly variation profiles for the iron and steel industry

以模拟所选取的1、4、7、10月这4个典型季节代表月的PM_2.5模拟值与PM_2.5监测值的相关系数(RC)、平均偏差(NMB)、标准化平均误差(NME)对模型模拟结果进行验证, 以检验模拟结果的可靠性.分别选取北京市古城、天津市跃进路、石家庄市市区高新区、唐山市供销社4个监测站点的监测数据用于模拟值可靠性校验, 模拟受体区域均位于市区内, 对比所选取的监测站点分别靠近对应的受体点, 以使验证结果能更好地代表模拟结果的可靠性.模拟验证结果如图 6和表 3所示.整体看来, PM_2.5浓度模拟值略低于监测值, 主要原因可能为污染源排放清单的不确定性和空气质量模型反应机制的部分缺陷, 但模拟值与监测值大部分位于Y=0.5X和Y=1.5X之间, 较均匀地分布于Y=X两侧, 北京、天津、石家庄、唐山模拟值与监测值的相关性系数均达到70.5%以上, 平均偏差在±14.7%以内, 标准化平均误差在41.1%以内, 均在可接受范围内, 综合考虑后认为模拟结果较好, 有较高的可靠性.

图 6

Fig. 6

图 6 北京、天津、石家庄、唐山PM2.5模拟值与监测值对比 Fig. 6 Comparisons between the simulated results and monitored data of PM2.5 concentration in Beijing, Tianjin, Shijiazhuang, and Tangshan

表 3 (Table 3)

表 3 PM2.5模拟值与监测值统计参数 Table 3 Statistical data of simulated results and monitored data 参数 北京市 天津市 石家庄市 唐山市 模拟值/μg·m-3 67.6 55.9 71.1 70.2 监测值/μg·m-3 78.2 66.1 83.4 80.5 RC/% 78.7 77.6 73.4 70.5 NMB/% -12.6 -14.7 -8.1 -14.3 NME/% 41.0 39.9 41.1 36.4

表 3 PM2.5模拟值与监测值统计参数 Table 3 Statistical data of simulated results and monitored data

京津冀地区整体区域及各地市钢铁行业PM_2.5排放量贡献率与钢铁行业对区域PM_2.5浓度贡献率对比情况如图 7所示, 二者相关性较好, 但仍有一定的差异, 表明PM_2.5一次排放对PM_2.5浓度有直接显著的影响, SO₂、NO_x、VOCs等前体物二次反应也带来一定的PM_2.5浓度贡献.总体上来看, 钢铁行业对PM_2.5影响较大, 京津冀地区钢铁行业PM_2.5一次排放量占所有源一次排放总量的21.7%, 钢铁行业对PM_2.5浓度的年均贡献率为12.7%.唐山市、秦皇岛市、石家庄市、邯郸市钢铁企业较多, 钢铁行业PM_2.5排放量占地市内所有源PM_2.5排放总量的占比较高, 钢铁行业对PM_2.5浓度贡献率也较高, 分别达到41.2%、19.3%、15.3%、15.1%.

图 7

Fig. 7

图 7 各地市钢铁行业PM2.5排放量贡献率与对PM2.5浓度贡献率对比 Fig. 7 Comparison between the PM2.5 emissions and the PM2.5 concentration contributions per city

从空间上来看, 钢铁行业对北京市、唐山市、京津冀地区整体区域PM_2.5浓度贡献占比如图 8所示.根据模拟结果, 整体来看, 钢铁行业对京津冀地区PM_2.5浓度年均贡献率为12.7%, 春夏秋冬这4个季节钢铁行业对京津冀地区PM_2.5浓度贡献比率分别为14.0%、15.9%、12.3%、8.7%, 其中, 唐山市钢铁行业对京津冀地区PM_2.5浓度的年均贡献率最高, 占所有地市钢铁行业对PM_2.5浓度贡献总比率的42.3%, 其次为邯郸市(21.7%)和石家庄市(12.9%), 各地市钢铁行业对京津冀地区PM_2.5浓度贡献率整体上与各地市内钢铁行业PM_2.5排放量呈较好的对应关系.京津冀地区钢铁行业对唐山市PM_2.5浓度年均贡献比率为41.2%, 其中春夏秋冬4个季节贡献比率分别为39.8%、54.3%、33.0%、37.7%, 唐山市约拥有京津冀地区半数的钢铁企业, 其钢铁行业污染物排放量巨大, 京津冀地区钢铁行业对唐山市PM_2.5浓度贡献中, 主要为唐山市本地钢铁企业的贡献.京津冀地区钢铁行业对北京市PM_2.5浓度年均贡献率为4.1%, 春夏秋冬4个季节钢铁行业对北京市PM_2.5浓度贡献比率分别为6.1%、5.1%、3.2%、1.7%, 钢铁行业对北京市PM_2.5浓度的贡献主要来自于唐山市(0.82%)、邯郸市(0.80%)、张家口市(0.57%)、石家庄市(0.56%)等的外来输送.

图 8

Fig. 8

图 8 钢铁行业对北京市、唐山市、京津冀地区PM2.5浓度贡献占比 Fig. 8 Ratios of the PM2.5 concentration contributions from the iron and steel industry in Beijing, Tangshan, and the entire Beijing-Tianjin-Hebei region, by cities

从工序上来看, 钢铁行业各生产工序对PM_2.5的浓度贡献率如图 9所示.从京津冀地区整体区域、北京市、及钢铁行业排放量最大的唐山市的情况来看, 炼铁和烧结工序都是对PM_2.5浓度影响最大的工序, 二者对PM_2.5浓度贡献率相当, 主要原因可能为：①PM_2.5浓度对PM_2.5一次源排放较为敏感, 炼铁工序排放的PM_2.5最多, 导致其一次源排放对PM_2.5浓度贡献率更高; ②前体物在大气中进行的复杂二次转化也对PM_2.5有重要的贡献, 烧结和球团工序虽然PM_2.5排放量低于炼铁工序, 但是SO₂、NO_x、VOC等二次反应前体物的排放量较大, 导致其二次源对PM_2.5的浓度贡献率更高.以上两个原因共同导致了烧结和炼铁两个工序虽然排放量呈现一定的差异, 但是二者对PM_2.5的浓度贡献率相当的结果.

图 9

Fig. 9

图 9 钢铁行业各工序对京津冀、唐山、北京的PM2.5浓度贡献 Fig. 9 Ratios of the PM2.5 concentration contributions from the iron and steel industry in Beijing, Tangshan, and the entire Beijing-Tianjin-Hebei region, by production processes

钢铁行业对PM_2.5的浓度贡献率整体呈现夏高冬低的季节特点, 可能的原因包括：①供暖锅炉和居民散煤燃烧等排放源排放量较大且具有显著的冬高夏低的季节特点, 钢铁行业排放量没有显著季节特点, 因此当冬季燃煤排放污染物增大, 区域内污染物排放总量增大, 钢铁行业排放量占比减小, 很大程度上导致冬季钢铁行业对区域PM_2.5影响减小; ②京津冀地区钢铁行业污染物排放量较高的城市主要分布在东部和南部, 京津冀地区冬季多静稳天气, 春季主导西北风向, 夏、秋季主导东南风和南风, 污染物不同季节在大气中的输送方向的差异也在一定程度上导致了浓度贡献率的季节差异. ③京津冀地区钢铁行业污染物排放中, 烧结为重要的一个排放工序, 烧结烟囱高度较高, 夏季边界层更高, 湍流混合作用使污染物在夏季扩散充分.

对比之前的研究成果^{[6, 32, 33]}, 本研究中京津冀地区钢铁行业对PM_2.5的浓度贡献率更高, 可能的原因有：①除有组织排放外, 本研究同时考虑了钢铁行业颗粒物的无组织排放; ②焦化作为钢铁冶炼的一个前期工序, 本研究也将焦化行业考虑在钢铁企业之内.由于以上两个原因, 本研究核算的钢铁行业颗粒物排放量要高于前人研究成果, 而PM_2.5一次排放对PM_2.5浓度有着较为直接显著的影响, 因此本研究中钢铁行业对区域PM_2.5影响较之前研究中的成果更大.

(1) 2015年京津冀地区钢铁行业SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC排放总量分别为38.82、27.23、79.19、53.15、38.68、823.38、26.53万t, 整体上较2014年略有下降, 其中SO₂排放量下降明显.

(2) 烧结和球团工序是京津冀钢铁行业最主要的污染物排放工序, 炼铁工序排放了较多的颗粒物, 行业排放的重点污染物为颗粒物、NO_x、SO₂.

(3) 京津冀地区钢铁行业排放量较大的地区主要集中在南部和东部, 唐山市钢铁行业各类污染物排放量最大, 其SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC排放量占整个京津冀地区钢铁行业排放总量的39.1%~63.5%, 其次为邯郸市、秦皇岛市等.

(4) 钢铁行业对京津冀地区PM_2.5影响较大, 年均浓度贡献率为12.7%, 并呈现夏高冬低的季节特点, 烧结和炼铁工序是对PM_2.5浓度的重要贡献工序, 唐山市、邯郸市、秦皇岛市、石家庄市等钢铁企业较多的地市, 钢铁行业对PM_2.5浓度影响也较大.

(5) 各地市中, 京津冀地区钢铁行业对唐山市PM_2.5浓度影响最大, 年均浓度贡献率高达41.2%, 主要来自于唐山市本地钢铁行业的贡献, 其次来自于邯郸市的外来输送, 炼铁是最主要的PM_2.5浓度贡献工序; 北京市PM_2.5受钢铁行业影响较小, 钢铁行业PM_2.5浓度贡献率约4.1%, 主要来自其他地市钢铁行业的外来输送贡献, 烧结和炼铁是主要的PM_2.5浓度贡献工序.