环境科学  2021, Vol. 42 Issue (3): 1215-1227   PDF    
引用本文
刘厚凤, 徐薇, 魏敏, 隋潇, 许鹏举, 李明燕, 张美根. 2020年初疫情管控对山东省空气质量影响的模拟[J]. 环境科学, 2021, 42(3): 1215-1227.
LIU Hou-feng, XU Wei, WEI Min, SUI Xiao, XU Peng-ju, LI Ming-yan, ZHANG Mei-gen. Impact of Pollutant Emission Reduction on Air Quality During the COVID-19 Pandemic Control in Early 2020 Based on RAMS-CMAQ[J]. Environmental Science, 2021, 42(3): 1215-1227.
2020年初疫情管控对山东省空气质量影响的模拟
刘厚凤1,2, 徐薇1,3, 魏敏1,2, 隋潇1,2, 许鹏举1,2, 李明燕1, 张美根4     
1. 山东师范大学地理与环境学院, 济南 250014;
2. 山东师范大学环保技术与政策研究中心, 济南 250014;
3. 暨南大学地下水与地球科学研究院, 广州 510632;
4. 中国科学院大气物理研究所, 大气边界层物理与大气化学国家重点实验室, 北京 100029
收稿日期: 2020-07-26; 修订日期: 2020-08-23
基金项目: 国家自然科学基金青年科学基金项目（41605113）；中国博士后科学基金项目（2018M632713）
作者简介: 刘厚凤(1965~), 女, 教授, 主要研究方向为大气环境学, E-mail: 110027@sdnu.edu.cn
通信作者: 张美根, E-mail: mgzhang@mail.iap.ac.cn
摘要: 利用2020年初新冠疫情对人类生产、生活的一次自然冲击及由此导致的大气污染状况变化，研究了空气质量对污染物减排及气象因素的响应关系.通过对疫情管控前（1月15~23日）和疫情控制关键期（1月24日~2月7日）这2个阶段空气质量对比分析发现，疫情期间山东省除O3浓度上升外，PM10、PM2.5、NO2、SO2及CO浓度分别降低72.6 μg·m-3、47.4 μg·m-3、25.6 μg·m-3、3.0 μg·m-3和0.5 mg·m-3；降幅分别为45.86%、41.24%、58.00%、17.71%和31.40%；RAMS-CMAQ模拟显示，疫情期气象扩散条件改善导致的PM10、PM2.5、NO2、SO2和CO浓度改善幅度为26.04%、33.03%、28.35%、43.27%和23.29%，人为减排造成的各污染物浓度降低幅度为19.82%、8.21%、29.65%、-25.56%和8.12%.疫情期间O3浓度上升20.51%，气象因素和人为活动的影响分别占10.47%和10.04%.结果表明一次污染物对减排响应更敏感，二次污染物对减排响应有一定时滞性且受气象因素影响更显著，臭氧浓度对污染物减排线性响应关系不明显，总体呈负相关，说明臭氧的控制需探索科学的污染物减排比例.
关键词: 新冠疫情      空气质量      减排      RAMS-CMAQ模式      山东省     
Impact of Pollutant Emission Reduction on Air Quality During the COVID-19 Pandemic Control in Early 2020 Based on RAMS-CMAQ
LIU Hou-feng1,2 , XU Wei1,3 , WEI Min1,2 , SUI Xiao1,2 , XU Peng-ju1,2 , LI Ming-yan1 , ZHANG Mei-gen4     
1. College of Geography and Environment, Shandong Normal University, Ji'nan 250014, China;
2. Environmental Technology and Policy Research Center, Shandong Normal University, Ji'nan 250014, China;
3. Institute of Groundwater and Earth Sciences, Jinan University, Guangzhou 510632, China;
4. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China
Abstract: In this work, the relationships between air quality and pollutant emissions were investigated during the COVID-19 pandemic in Shandong Province. During the quarantine period (from January 24 to February 7, 2020), the concentrations of atmospheric pollutants decreased significantly relative to the period before controls were imposed (from January 15 to 23, 2020). Specifically, except for an increase in the concentration of O3, concentrations of PM10, PM2.5, NO2, SO2, and CO decreased for 72.6 μg·m-3 (45.86%), 47.4 μg·m-3(41.24%), 25.6 μg·m-3 (58.00%), 3.0 μg·m-3 (17.71%), and 0.5 mg·m-3 (31.40%), respectively. RAMS-CMAQ simulation showed that meteorological diffusion had an essential role in improving air quality. Influenced by meteorological factors, emissions of PM10, PM2.5, NO2, SO2, and CO were reduced 26.04%, 33.03%, 28.35%, 43.27%, and 23.29%, respectively. Furthermore, the concentrations of PM10, PM2.5, NO2, SO2, and CO were reduced by 19.82%, 8.21%, 29.65%, -25.56%, and 8.12%, respectively, due to pollution emissions reductions during the quarantine period. O3 concentrations increased by 20.51% during quarantine, caused by both meteorological factors (10.47%) and human activities (10.04%). These results indicate that primary pollutants were more sensitive to emissions reductions; however, secondary pollutants demonstrated a lagged response the emissions reduction and were significantly affected by meteorological factors. The linear relationship between ozone and the emissions reduction was not significant, and was inverse overall. Further investigation are now required on the impact of emissions reduction on ozone pollution control.
Key words: COVID-19      air quality      emission reduction      RAMS-CMAQ      Shandong Province     

2020年春节前后突发的新型冠状病毒肺炎疫情(COVID-19, 新冠疫情)快速发展并在全球蔓延.为避免人员流动造成疫情扩散, 中国政府采取了严格的人员隔离措施.部分公共交通暂时关闭, 机动车活动水平急剧下降, 大部分企业生产及商业旅游活动受到控制.新冠疫情及为阻断疫情蔓延的种种举措对人类活动和经济带来了严重影响和冲击[1].同时随着大气污染物排放水平的下降, 空气质量呈现明显变化.然而, 在新冠疫情管控初期, 京津冀及周边地区仍出现了重污染过程, 公众对污染减排的环境效应产生一定质疑, 对现行环保减排政策的科学性存在疑惑.

空气中污染物浓度取决于人为排放污染物和气象条件的共同影响[2~5].近期国内外学者对2020年初突发新冠疫情管控对污染物排放及空气质量的响应进行了研究.Chen等[6]研究了新冠期间中国严格地隔离措施对武汉和全国空气质量的影响, 表明管控期间交通污染物减排明显, 住宅取暖和工业排放保持稳定或略有下降.大部分区域空气质量改善显著, 武汉和全国的二氧化氮(NO2)分别下降22.8和12.9 μg·m-3, 细颗粒物(PM2.5)分别下降1.4和18.9 μg·m-3.Li等[7]对疫情管控期间长三角地区空气治理的监测与基于WRF-CAMx的模拟表明, 管控期间SO2、NOx、PM2.5和VOCs排放量显著降低, 而O3浓度却呈现显著增加趋势, 即使在一次排放量减少15%~61%的基础上, 日平均PM2.5浓度范围仍为15~79 μg·m-3, 背景和残留污染仍然很高, 需进一步考虑能源和产业战略的重组及区域联防联控.Bao等[8]对中国44城市疫情管控期间空气质量的分析表明, 空气质量(AQI指数)改善7.80%, 5类污染物SO2、PM2.5、PM10、NO2和CO分别降低6.76%、5.93%、13.66%、24.67%和4.58%.Zhang等[9]对疫情期间中国东部地区NO2浓度的监测发现, 管控期间NO2浓度下降50%, 而恢复生产后NO2平均排放量增加了26%, 表明管控对NO2浓度影响显著.Le等[10]结合地面观测卫星遥感数据对疫情期间空气质量变化的研究表明, 管控对污染物浓度的减排高达90%, 尽管减排量显著, 但疫情期间气象条件如高湿度, 及并未显著降低的电厂石化行业排放, 是疫情期间严重灰霾事件的主要原因, 同时城区NO2浓度的大幅降低, 导致对臭氧滴定作用减弱, 出现疫情期间臭氧浓度上升的现象.欧洲环境局对疫情期间欧洲国家空气质量的统计表明, 封锁期间NO2浓度下降明显, 但PM2.5浓度下降趋势不显著, 如封闭期间(3月16~22日)米兰NO2平均浓度比封闭前降低24%, 比2019年同期低21%[11], 但O3浓度呈显著上升趋势[12].

上述研究表明不同地区疫情期空气质量有较明显改善, 但改善幅度与污染物减排幅度不成正比, 部分污染物如O3反呈现增长趋势.本研究以山东省为例, 分析了疫情管控前(2020年1月15~23日, 疫情前)和疫情控制关键期(1月24~2月7日, 疫情期)空气质量变化, 基于RAMS-CMAQ模式, 解析了气象因素和人为减排对污染物浓度的影响比例, 以期为探索改善城市空气质量的政策评估和制定科学减排政策提供参考.

1 材料与方法 1.1 研究区域、数据来源

山东省地处中纬度沿海地区, 位于北纬34°22.9′~38°24.1′, 东经114°47.5′~122°42.3′之间, 境域包括半岛和内陆两部分, 山东半岛突出于渤海、黄海之间.省内地形复杂, 中部山地突起, 西南、西北低洼平坦, 东部缓丘起伏, 形成以山地丘陵为骨架、平原盆地交错环列的地势.研究区地理位置及地形见图 1(a).

(a)地市名用首字母代表, 如QD表示青岛, 首字母相同的地市加上后一个字母以区分, 如JNA表示济南, JNI表示济宁, 下同; (b)山东省16个地级市采用不同颜色表示, 黑点为模拟区域内国控站点位置 图 1 山东省地理位置、地形、模拟范围及空气质量站点分布 Fig. 1 Geographical location, topography, simulation range, and air quality stations distribution in Shandong Province

根据山东省疫情管控情况, 以疫情前(2020年1月15~23日)、疫情控制关键期(1月24日~2月7日)作为对比时段.空气质量数据来源于省内16个地市154个国家和省级环境空气质量监测站(山东省空气监测站例行监测平台http://58.56.98.98:8003/SDHBPortal/login.jsp).气象数据来源于中国国家气象信息中心(http://data.cma.cn/site/index.html).

1.2 空气质量模拟

空气质量模拟采用RAMS-CMAQ模式系统, 通过气象-化学MCIP(meteorological-chemistry interface processor)模块完成格式转换, 输入到CMAQ中, 进行扩散、传输、化学转化以及沉降模拟[13].采用区域大气模拟系统RAMS (regional atmospheric modeling system) 中尺度大气动力学模式为CMAQ提供气象驱动场污染源清单为2019年人为源排放清单, 此清单是在清华大学张强团队提供的分辨率为0.25°×0.25°的2016年月均源排放清单[14]的基础上, 结合相关研究[15]的估算结果.该清单包括了黑碳(BC)、OC、CO、CO2、SO2和NOx, 非甲烷VOCs(NMVOCs)、NH3、PM10和PM2.5.生物源来自于MEGAN(the model of emission of gases and aerosols from nature[16]).闪电产生的NOx源排放数据主要来自于分辨率为1°×1°的GEIA(the global emission inventory activity)月均源清单[17].外场生物质燃烧排放数据由GFEDv4(the global fire emissions database version 4)提供[18].模式中还引入分别由Han等[19]和Gong等[20]发展的在线沙尘和海盐排放计算模块.研究选取的模拟区域模式水平分辨率为9 km×9 km, 水平网格为96×69[图 1(b)].

1.3 模拟结果检验 1.3.1 气象模拟检验

为检验本研究所采用气象模型RAMS的准确性, 选取山东地区武城(站号54709)、栖霞(站号54759)、乳山(站号54863)和新泰(站号54922)这4个常规气象站的观测值与RAMS模拟的温度、风速、风向和相对湿度进行比较(图 2).

(a)RASM模拟与实测温度; (b)RASM模拟与实测风速; (c)RASM模拟与实测风向; (d)RASM模拟与实测相对湿度; 春节期间(01-22~01-31)因气象观测数据网站关闭, 未得到上述期间的观测数据 图 2 RASM模拟与实测温度、风速、风向及相对湿度对比 Fig. 2 RASM simulation and measured temperature, wind speed, wind direction, and relative humidity

所选取的时间段内(2020-01-10~2020-02-09共744个时次), 4个站点所在网格的模拟温度、风速、风向和相对温度与相应站点的观测值在变化趋势上吻合较好, 能较好地反映各气象要素随时间的变化特征(图 2).

1.3.2 空气质量模拟检验

选取济南市(科干所、机床二厂、农科所、长清党校、济南化工厂、省种子仓库、开发区、市监测站和蓝翔技校等)部分国、省控监测站、青岛市(李沧区子站、市北区子站、市南区东部子站、四方区子站、市南区西部子站、崂山区子站、黄岛区子站和城阳区子站等)国控监测站、济宁市(火炬城和电化厂)国控监测站以及德州市(九衢泉纯净水厂)国控监测站的监测数据来验证部分时段相应网格上CMAQ模拟的PM2.5浓度结果(图 3).济南和济宁的模拟结果与实际监测结果大致相符, 青岛和德州的模拟结果与监测结果变化趋势一致, 但监测结果略高于模拟值, 一方面由于模拟的风速值较观测值略高, 气象模式对小时尺度的变化捕捉不灵敏, 另一方面由于污染源排放强度较真实的源强偏低[21].总体而言, PM2.5的模拟效果良好, 模拟值很好地再现了观测值的变化趋势.

图 3 PM2.5浓度模拟结果检验 Fig. 3 Test of PM2.5 concentration simulation results

2 结果与讨论 2.1 山东省疫情管控前和疫情管控关键期空气质量对比

2020年山东省16地市疫情前、疫情期空气质量呈现显著变化(图 4).除O3浓度上升20.51%外, PM10、PM2.5、NO2、SO2和CO浓度分别降低72.6、47.4、25.6、3.0 μg·m-3和0.5 mg·m-3; 降幅分别为45.86%、41.24%、58.00%、17.71%和31.40%.其中, NO2改善幅度最大, 与疫情管控关键期山东省来自交通源和工业源NOx排放量大幅度下降有关; PM10和PM2.5改善幅度相近, SO2改善幅度最小, 与疫情期间居民生活取暖耗煤没有明显变化有关, CO的改善与机动车的减排密切相关[22].

(a)疫情前山东省污染物平均浓度; (b)疫情管控期山东省污染物平均浓度 图 4 山东省疫情前与管控关键期空气质量 Fig. 4 Air quality before and during the critical control phase of COVID-19 in Shandong Province

2.2 疫情管控期空气质量变化的区域比较

选取山东省济南、济宁、德州、青岛和威海5个内陆和沿海代表城市对疫情前和疫情期常规污染物浓度变化及空间差异进一步分析(图 5).

(a)山东省代表城市疫情前和疫情管控期空气质量对比; (b)山东省代表城市疫情前和疫情管控期空气质量改善值和改善率 图 5 山东省代表城市疫情前和疫情期空气质量对比及改善值和改善率 Fig. 5 Air quality and improvement before and during COVID-19 control plase for the representative cities in Shandong Province

五地市PM10、PM2.5、NO2和SO2平均改善值分别为65.8、44.2、24和1.4 μg·m-3, 改善率分别为43.9%、40.2%、56.4%和11.8%.其中NO2改善率均在50%以上.地处山东省西半部的德州、济南和济宁改善值较大, NO2浓度分别降低28、27和27 μg·m-3.东部沿海城市青岛、威海改善值较小, 分别为25 μg·m-3和13 μg·m-3.各地颗粒物浓度降低幅度也有较大差异, 济南、青岛、威海、德州和济宁PM10的平均浓度分别降低69、66、31、107和56 μg·m-3; PM2.5的平均浓度分别降低40、45、20、80和36 μg·m-3.其中浓度改善值最大的是德州, PM10平均浓度由疫情前217 μg·m-3降为110 μg·m-3, 改善率为49.5%.PM2.5平均浓度由疫情前166 μg·m-3降为86 μg·m-3, 改善率为48.4%. PM10和PM2.5改善率最高的为青岛, 分别为52.0%和50.1%.各代表城市SO2浓度变化不明显, 德州和济宁两地管控关键期SO2浓度甚至高于管控前(图 5), 与局部区域散煤取暖增加有关[23, 24].此外, 疫情管控期间正值春节, 烟花爆竹燃放也是SO2浓度升高的原因[25, 26].各地空气质量改善程度差异较大, 与其所在区域污染减排程度和气象条件变化差异有关.

此外, 疫情管控期山东省空气质量改善幅度高于全国平均水平, 有研究表明疫情管控期中国44城市五类污染物SO2、PM2.5、PM10、NO2和CO分别降低6.76%、5.93%、13.66%、24.67%和4.58%[8]; 长江三角洲SO2、NO2和PM2.5的下降幅度为26%、47%和46%[7]; 中国东部地区NO2浓度下降50%[9].在疫情管控期间, 山东省SO2和PM2.5改善幅度略低于长江三角洲地区.疫情管控期间山东处于冬季供暖期, 供热耗煤量大, 是SO2浓度改善不明显的重要原因[27].

2.3 2020年疫情管控前后与2019年同期气象条件和污染物浓度对比

将疫情前与疫情管控期浓度变化最大的PM2.5和NO2, 及同期气象条件与2019年进行对比(图 6), 发现2020年疫情管控初期(01-24~01-30), 尽管活动水平较2019年明显降低, 污染物已大幅减排, 但PM2.5平均浓度仍高于2019年同期, 疫情管控后期(01-31~02-06)明显低于2019年; 从气象条件看, 前半时段较2019年同期气温偏高、风速相对偏低、相对湿度偏高, 冷空气活动较弱, 该期间气象条件不利于污染物扩散[2, 28], 后期气象条件对污染物扩散相对有利.疫情期间NO2平均浓度始终较2019年明显偏低(图 6).说明二次污染物PM2.5相较于一次污染物NO2对人为减排的响应敏感度相对较弱, 具有一定的滞后性.不同污染物受气象条件影响的敏感程度亦不同, 研究区PM2.5浓度对湿度、气温等气象条件的响应更敏感, 由于PM2.5是二次污染物, 其转化过程对气象条件的依赖性更强[29]. NO2浓度对人类减排响应更显著, 受气象条件影响小于PM2.5.

图 6 2019年和2020年疫情管控同期济南和德州的PM2.5和NO2浓度及气象条件对比 Fig. 6 Comparison of PM2.5 and NO2concentrations and meteorological conditions in Ji'nan and Dezhou in 2019 and 2020

2.4 空气质量变化的气象与管控污染减排影响的数值模拟 2.4.1 疫情管控前、管控关键期空气质量变化的气象影响模拟

疫情管控前后空气质量的变化由人为减排和气象条件二方面影响导致.为区分二者贡献, 采用空气质量模拟法, 首先分辨出受气象条件影响下空气质量的变化值, 用空气质量总的变化减去气象条件导致的空气质量变化值, 推算人为减排导致的空气质量变化值.用与疫情前相同的源排放清单模拟疫情管控前空气质量[图 7(a)]和疫情管控期空气质量[图 7(b)], 并用图 7(c)表示相同排放源情况下, 空气质量受气象条件的影响状况.

(a)疫情管控前; (b)疫情管控关键期; (e)变化率 图 7 相同污染源排放情景下山东省疫情管控关键期较管控前污染物模拟浓度及变化率 Fig. 7 Simulated pollutant concentrations and variation during the critical control period of COVID-19 in Shandong Province under the same pollutant emission scenario

模拟结果显示, 在假设污染物排放量不变的情况下, 单考虑气象条件变化的影响, 山东省疫情管控期PM10、PM2.5、NO2、SO2及CO浓度均比管控前降低, 其平均浓度分别下降73 μg·m-3、47 μg·m-3、26 μg·m-3、3 μg·m-3和0.4 mg·m-3.气象条件造成的各污染物浓度改善率分别是26.04%、33.03%、28.35%、43.27%和23.29%.疫情管控期气象扩散条件总体优于疫情前, 是疫情管控期空气质量改善的重要因素.而疫情期O3浓度升高, 气象因素的影响幅度达10.47%.O3对气象条件响应机制较复杂, 疫情期间太阳辐射强度、气温随季节升高有利于大气光化学反应的进行(图 7)[30].

2.4.2 疫情管控前、管控关键期空气质量变化的人为减排影响

由于疫情期间生产、生活活动水平变化及其导致的污染物减排量数据难以准确获取, 采取空气质量模拟法反推空气质量受减排影响值.即用疫情管控期比疫情前实测污染物浓度改善值Δc(Δc=c疫情期-c疫情前) 减去由模拟获取的气象因素引起的污染物浓度改善值c (c=b-a) 即为人为减排导致的空气质量改善值[Δc-(b-a), 表 1].

表 1 相同排放源假定下疫情管控前后空气质量、气象和减排影响模拟值1) Table 1 Simulated values of meteorological and emissions reduction impacts on air quality before and after the COVID-19 control phase under the same emission sources

从表 1可见, 疫情期人为减排造成污染物改善幅度总体小于气象条件.人为减排下改善最大的为NO2, 全省平均改善率为29.65%(降低13.1 μg·m-3), 济南、青岛、济宁和德州NO2浓度分别降低13.7、12.5、12.1和16.4 μg·m-3; 人为减排下改善率较高的为PM10, 全省平均改善幅度19.82%(降低31.4 μg·m-3).五地市中, 德州PM10平均浓度下降幅度最大(38.6 μg·m-3), 其次为青岛(31.2 μg·m-3).PM2.5改善幅度远低于PM10, 平均改善率为8.21%(降低9.5 μg·m-3), 说明二次污染物对减排的响应弱于一次污染物.济南市疫情期人为原因影响模拟浓度不降反升, PM2.5浓度较疫情前升高4.6 μg·m-3, 除了受局地因素影响, 与处于上风向的区域(德州市)疫情期前体物SO2浓度升高、传输过程中生成二次颗粒物、造成PM2.5浓度上升有关, 具体原因尚需进一步研究.疫情期人为减排影响下O3浓度上升14 μg·m-3(10.04%).人为减排影响下O3浓度不降反升, 一方面与颗粒物浓度降低有关, 此外与人为排放的NOx大幅度降低导致对处于城区空气站点附近的O3滴定作用减弱有关[8, 11, 12].臭氧浓度对人为污染物减排线性响应关系不明显, 总体呈现反相关.相关研究对臭氧浓度上升的原因主要有以下两方面分析, 一方面与太阳辐射增强及PM2.5浓度降低有关[31, 32], 此外NOx和VOCs浓度的降低, 导致对O3的滴定效果减弱, 对O3浓度的上升有一定贡献[7, 33].各地CO波动幅度较小, 人为减排下德州和青岛CO浓度分别下降0.3 mg·m-3和0.1 mg·m-3.机动车尾气排放是大气中主要CO来源之一, 疫情期机动车数量减少, 大部分地市CO浓度降低; 此外, 供暖燃煤是冬季CO的另一主要来源[34], 疫情期居民取暖所需的燃煤量较疫情前无太大波动, 个别地区如济南和济宁等地由于燃煤量的上升, 呈现CO浓度人为贡献上升的情况.

3 结论

(1) 与疫情前相比, 疫情管控期山东省主要污染物除O3浓度上升外, PM10、PM2.5、NO2、SO2和CO浓度明显下降, 全省平均下降幅度分别为45.86%、41.24%、58.00%、17.71%和31.40%.

(2) RAMS-CMAQ模拟显示, 疫情管控期气象条件导致PM10、PM2.5、NO2、SO2和CO浓度降低26.04%、33.03%、28.35%、43.27%和23.29%, 人为减排导致的各污染物浓度降低幅度为19.82%、8.21%、29.65%、-25.56%和8.12%.疫情期间山东省O3浓度平均上升20.51%, 气象因素和人为活动的影响分别占10.47%和10.04%.

(3) 疫情管控期间, 一次污染物浓度对疫情期污染物减排响应更敏感.二次污染物PM2.5对人为减排的响应敏感度相对较弱且具一定的滞后性.臭氧浓度对人为减排线性相关不明显, 城区臭氧污染的控制需对不同污染物实施科学的减排比例.

参考文献
[1] 智艳, 罗长远. 新冠肺炎疫情对中国经济的影响及其思考[J]. 学习与探索, 2020(4): 99-105. DOI:10.3969/j.issn.1002-462X.2020.04.014
[2] 张小曳, 徐祥德, 丁一汇, 等. 2013~2017年气象条件变化对中国重点地区PM2.5质量浓度下降的影响[J]. 中国科学: 地球科学, 2019, 62(4): 483-500.
Zhang X Y, Xu X D, Ding Y H, et al. The impact of meteorological changes from 2013 to 2017 on PM2.5 mass reduction in key regions in China[J]. Science China Earth Sciences, 2019, 62(12): 1885-1902.
[3] Xue W, Zhan Q M, Zhang Q, et al. Spatiotemporal variations of particulate and gaseous pollutants and their relations to meteorological parameters: the case of Xiangyang, China[J]. International Journal of Environmental Research and Public Health, 2019, 17(1). DOI:10.3390/ijerph17010136
[4] Gégo E, Porter P S, Gilliland A, et al. Observation-Based assessment of the impact of nitrogen oxides emissions reductions on ozone air quality over the eastern United States[J]. Journal of Applied Meteorology & Climatology, 2007, 46(7): 994-1008.
[5] von Schneidemesser E, Steinmar K, Weatherhead E C, et al. Air pollution at human scales in an urban environment: impact of local environment and vehicles on particle number concentrations[J]. Science of the Total Environment, 2019, 688: 691-700. DOI:10.1016/j.scitotenv.2019.06.309
[6] Chen K, Wang M, Huang C H, et al. Air pollution reduction and mortality benefit during the COVID-19 outbreak in China[J]. The Lancet Planetary Health, 2020, 4(6): e210-e212. DOI:10.1016/S2542-5196(20)30107-8
[7] Li L, Li Q, Huang L, et al. Air quality changes during the COVID-19 lockdown over the Yangtze River Delta Region: an insight into the impact of human activity pattern changes on air pollution variation[J]. Science of the Total Environment, 2020, 732. DOI:10.1016/j.scitotenv.2020.139282
[8] Bao R, Zhang A C. Does lockdown reduce air pollution? Evidence from 44 cities in northern China[J]. Science of the Total Environment, 2020, 731. DOI:10.1016/j.scitotenv.2020.139052
[9] Zhang R X, Zhang Y Z, Lin H P, et al. NOx emission reduction and recovery during COVID-19 in east China[J]. Atmosphere, 2020, 11(4). DOI:10.3390/atmos11040433
[10] Le T H, Wang Y, Liu L, et al. Unexpected air pollution with marked emission reductions during the COVID-19 outbreak in China[J]. Science, 2020, 369(6504): 702-706. DOI:10.1126/science.abb7431
[11] Bruyninckx H. Air pollution goes down as Europe takes hard measures to combat coronavirus[R/OL]. European Environment Agency, 2020. https://www.eea.europa.eu/highlights/air-pollution-goes-down-as.
[12] Collivignarelli M C, Abbà A, Bertanza G, et al. Lockdown for COVID-2019 in Milan: What are the effects on air quality?[J]. Science of the Total Environment, 2020, 732. DOI:10.1016/j.scitotenv.2020.139280
[13] 武苗苗. 山东省城市区域空气污染的时空变化特征研究[D]. 上海: 华东师范大学, 2016.
Wu M M. Study on spatial and temporal variation of air pollution in the city areas of Shandong Province[D]. Shanghai: East China Normal University, 2016.
[14] Li H, Ma Y L, Duan F K, et al. Typical winter haze pollution in Zibo, an industrial city in China: characteristics, secondary formation, and regional contribution[J]. Environmental Pollution, 2017, 229: 339-349. DOI:10.1016/j.envpol.2017.05.081
[15] Tong D, Cheng J, Liu Y, et al. Dynamic projection of anthropogenic emissions in China: methodology and 2015-2050 emission pathways under a range of socio-economic, climate policy, and pollution control scenarios[J]. Atmospheric Chemistry and Physics, 2020, 20(9): 5729-5757. DOI:10.5194/acp-20-5729-2020
[16] Guenther A B, Jiang X, Heald C L, et al. The model of emissions of gases and aerosols from nature version 2.1(MEGAN2.1): an extended and updated framework for modeling biogenic emissions[J]. Geoscientific Model Development, 2012, 5(6): 1471-1492. DOI:10.5194/gmd-5-1471-2012
[17] McCulloch A, Aucott M L, Benkovitz C M, et al. Global emissions of hydrogen chloride and chloromethane from coal combustion, incineration and industrial activities: reactive chlorine emissions inventory[J]. Journal of Geophysical Research: Atmospheres, 1999, 104(D7): 8391-8403. DOI:10.1029/1999JD900025
[18] Van der Werf G R, Randerson J T, Giglio L, et al. Global fire emissions estimates during 1997-2016[J]. Earth System Science Data, 2017, 9(2): 697-720. DOI:10.5194/essd-9-697-2017
[19] Han Z W, Ueda H, Matsuda K, et al. Model study on particle size segregation and deposition during Asian dust events in March 2002[J]. Journal of Geophysical Research: Atmospheres, 2004, 109(D19). DOI:10.1029/2004JD004920
[20] Gong S L, Zhang X Y, Zhao T L, et al. Characterization of soil dust aerosol in China and its transport and distribution during 2001 ACE-Asia: 2. Model simulation and validation[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(D9). DOI:10.1029/2002JD002633
[21] Han X, Zhang M G, Zhu L Y, et al. Assessment of the impact of emissions reductions on air quality over North China Plain[J]. Atmospheric Pollution Research, 2016, 7(2): 249-259. DOI:10.1016/j.apr.2015.09.009
[22] Li R, Mei X, Wei L F, et al. Study on the contribution of transport to PM2.5 in typical regions of China using the regional air quality model RAMS-CMAQ[J]. Atmospheric Environment, 2019, 214. DOI:10.1016/j.atmosenv.2019.116856
[23] 柯水发, 王亚, 陈奕钢, 等. 北京市交通运输业碳排放及减排情景分析[J]. 中国人口·资源与环境, 2015, 25(6): 81-88.
Ke S F, Wang Y, Chen Y G, et al. Carbon emissions and reduction scenarios of transportation in Beijing[J]. China Population, Resources and Environment, 2015, 25(6): 81-88.
[24] Si T T, Chen J, Zhou F, et al. Control of pollutants in the combustion of biomass pellets prepared with coal tar residue as a binder[J]. Fuel, 2017, 208: 439-446. DOI:10.1016/j.fuel.2017.07.051
[25] 曹馨元, 何月欣, 陈卫卫, 等. 烟花爆竹禁燃对春节期间东北地区空气质量影响评估[J]. 中国环境监测, 2018, 34(4): 77-84.
Cao X Y, He Y X, Chen W W, et al. Effects of fireworks forbidden on air quality during the Spring Festival in northeast China[J]. Environmental Monitoring in China, 2018, 34(4): 77-84.
[26] 吴一帆, 张子豪, 王帅, 等. 大连市大气污染特征、影响因素及来源分析[J]. 环境工程, 2018, 36(6): 104-109.
Wu Y F, Zhang Z H, Wang S, et al. Characterization of concentrations, influence factors, and sources of air pollutants in Dalian, China[J]. Environmental Engineering, 2018, 36(6): 104-109.
[27] 郭立平, 李成才, 王旭光, 等. 廊坊空气重污染的大气环流形势和气象条件[J]. 中国人口·资源与环境, 2016, 26(S1): 79-83.
Guo L P, Li C C, Wang X G, et al. Atmospheric circulation situation and meteorological conditions of heavy air pollution in Langfang city[J]. China Population, Resources and Environment, 2016, 26(S1): 79-83.
[28] 刘厚凤, 杨欣, 陈义珍, 等. 中国重霾过程污染气象研究进展[J]. 生态环境学报, 2015, 24(11): 1917-1922.
Liu H F, Yang X, Chen Y Z, et al. A review of meteorological effects on heavy haze pollution in China[J]. Ecology and Environmental Sciences, 2015, 24(11): 1917-1922.
[29] 李晓红, 李万伟, 徐东群. 西安市空气质量与气象因素的典型相关分析[J]. 环境卫生学杂志, 2017, 7(3): 203-208.
Li X H, Li W W, Xu D Q. Relationship between meteorological factors and air quality in Xi'an city[J]. Journal of Environmental Hygiene, 2017, 7(3): 203-208.
[30] 王莉, 贺玉川, 于光, 等. 泰州市PM2.5与常规空气污染物及气象因素的相关性分析[J]. 中国卫生检验杂志, 2018, 28(22): 2788-2792, 2795.
Wang L, He Y C, Yu G, et al. Correlation analysis of PM2.5 and conventional air pollutants and meteorological factors in Taizhou city[J]. Chinese Journal of Health Laboratory Technology, 2018, 28(22): 2788-2792, 2795.
[31] 刘长焕, 邓雪娇, 朱彬, 等. 近10年中国三大经济区太阳总辐射特征及其与O3、PM2.5的关系[J]. 中国环境科学, 2018, 38(8): 2820-2829.
Liu C H, Deng X J, Zhu B, et al. Characteristics of GSR of China's three major economic regions in the past 10 years and its relationship with O3and PM2.5[J]. China Environmental Science, 2018, 38(8): 2820-2829. DOI:10.3969/j.issn.1000-6923.2018.08.004
[32] 余益军, 孟晓艳, 王振, 等. 京津冀地区城市臭氧污染趋势及原因探讨[J]. 环境科学, 2020, 41(1): 106-114.
Yu Y J, Meng X Y, Wang Z, et al. Driving factors of the significant increase in surface ozone in the Beijing-Tianjin-Hebei region, China, during 2013-2018[J]. Environmental Science, 2020, 41(1): 106-114.
[33] 姚青, 韩素芹, 张裕芬, 等. 天津夏季郊区VOCs对臭氧生成的影响[J]. 环境科学, 2020, 41(4): 1573-1581.
Yao Q, Han S Q, Zhang Y F, et al. Effects of VOCs on ozone formation in the Tianjin suburbs in summer[J]. Environmental Science, 2020, 41(4): 1573-1581.
[34] 于大江, 吴艳玲, 李竑积, 等. 东北主要城市的空气质量长期变化特征[J]. 环境化学, 2014, 33(6): 956-961.
Yu D J, Wu Y L, Li H J, et al. Long-term variations of the air quality in 6 cities in northeast China[J]. Environmental Chemistry, 2014, 33(6): 956-961.