京津冀及周边地区是我国大气污染最严重的地区, 区域性重污染天气受到社会各界广泛关注.近年来, 随着“大气十条”和打赢蓝天保卫战三年行动计划等政策的实施, 该区域空气质量改善显著, 2017~2019年京津冀及周边地区“2+26”城市PM_2.5年均浓度下降11%.然而2020年春节期间, 受到新冠肺炎疫情影响, 社会经济活动水平大幅减少, 主要大气污染物排放降低, 京津冀及周边地区仍出现重污染过程, 引发公众对大气污染防治措施有效性的质疑.

空气质量主要由污染物排放量和大气环境容量决定^[1~3].大气环境容量主要受气象条件、地形地貌、污染排放布局和污染物构成等影响^{[4, 5]}.由于在一定时期内地形地貌相对稳定, 空气质量主要由污染物排放和气象条件决定.疫情期间出现重污染过程(疫情霾)的原因应从污染物排放和气象条件两方面进行分析.基于空气质量模型的研究表明不利气象因素是导致本次重污染的主要原因^{[6, 7]}.此次重污染过程的气象不利程度与2016~2017年跨年典型重污染过程(跨年霾)相当, 然而PM_2.5峰值浓度明显降低, 可归因于主要大气污染物排放量下降^[6].从“跨年霾”至“疫情霾”污染物排放的变化主要来自两个方面: 一是近年来大气污染防治政策措施的实施带来的措施减排, 二是春节期间加之新冠肺炎疫情影响, 全社会活动水平下降带来的排放量下降.

关于京津冀及周边地区主要大气污染物排放的研究, 我国学者已经开展了许多工作^[8~16].李亚林等^[9]基于拉网式调查获取的详细活动水平数据建立了2016年邯郸市大气污染源排放清单.段文娇等^[10]运用自下而上的方法建立了钢铁行业分工序的多污染物排放清单, 并利用空气质量模型分析了钢铁行业对PM_2.5的影响.Guo等^[12]建立了区域人为源氨排放清单, 并预测了未来氨排放变化趋势和减排潜力.现有研究多是针对单一城市、行业或污染物建立高分辨率排放清单, 对区域整体主要污染物排放情况和近年来排放变化的定量研究相对较少, 对疫情带来的污染物减排研究更为缺乏.

本研究以2016~2017年秋冬季为基准时段, 基于排放清单技术方法, 定量分析“跨年霾”至“疫情霾”京津冀及周边地区主要大气污染物排放变化, 解析大气污染防治措施和疫情对排放量下降的贡献, 并利用空气质量模型模拟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, 分析该区域秋冬季主要减排驱动因素.

研究区域为京津冀及周边地区“2+26”城市, 选取2016~2017年秋冬季为基准时段, 2019~2020年秋冬季为目标时段, 基于系数法建立研究区域基准时段主要大气污染物排放清单, 并以此为基础, 根据活动水平和主要大气污染物排放系数变化建立目标时段排放清单.本研究中秋冬季是指每年10月1日至次年3月31日.由于目标时段和基准时段大气污染物排放量的变化主要来自大气污染治理措施的推进和新冠肺炎疫情引起的活动水平下降, 为深入分析两方面因素的影响, 本研究设置了2019~2020年秋冬季无新冠肺炎疫情假设情景和有疫情真实情景, 分别建立排放清单, 具体方法如下.

采用系数法对“2+26”城市所在的北京市、天津市、河北省、山西省、山东省和河南省这6省市建立2017年涵盖电力、工业、民用、交通和扬尘这5大类排放源, SO₂、NO_x、一次PM_2.5和VOCs这4种污染物的大气污染源排放清单^[17].主要大气污染物排放量计算公式如下:

式中, E_ijk为i地区j排放源k污染物的排放量, t; A_ij为i地区j排放源的活动水平, 单位与排放源种类相关; m为排放源总个数, 个; EF_ijk为i地区j排放源k污染物产生系数, 单位与排放源种类相关; η_ijk为i地区j排放源k污染物去除效率, %. EF_ijk×(1-η_ijk)为i地区j排放源k污染物排放系数.以上方法可建立北京市、天津市、河北省、山西省、山东省和河南省这6省市排放清单, 根据“2+26”城市能源和产业结构特征, 假设“2+26”城市中河北省、山西省、山东省和河南省的城市各种污染物排放量分别占所在省排放总量的90%、40%、40%和50%, 得到该区域2017年排放清单.假设2016年10~12月与2017年1~3月该区域各类源主要污染物日均排放量相同, 可得到该区域2016~2017年秋冬季排放清单.

以2016~2017年秋冬季排放清单为基础, 根据活动水平和主要污染物排放系数的变化, 建立2019~2020年秋冬季无新冠肺炎疫情情景排放清单.

式中, E_{ijk2019~2020 without COVID-19}和E_ijk2016~2017分别为2019~2020年秋冬季无新冠肺炎疫情情景下和2016~2017年秋冬季i地区j排放源k污染物的排放量, t; a_{ij without COVID-19}为i地区j排放源2019~2020年秋冬季无疫情情景与2016~2017年秋冬季活动水平的比值; b_ijk为i地区j排放源k污染物2019~2020年秋冬季与2016~2017年秋冬季排放系数的比值.

本研究中2020年春节新冠肺炎疫情暴发期间是指2020年1月20日至2月底, 该时间段各源污染治理水平与2019~2020年秋冬季无新冠肺炎疫情情景相同, 故污染物排放量变化仅与活动水平变化相关.以2019~2020年秋冬季无疫情情景排放清单为基础, 建立疫情暴发期间排放清单.

式中, E_{ijk COVID-19}为新冠肺炎疫情暴发期间i地区j排放源k污染物的排放量, t; a_{ij COVID-19}为i地区j排放源新冠肺炎暴发期间与2019~2020年秋冬季无新冠肺炎情景活动水平的比值.

2017年各类源活动水平数据根据国家统计局数据^[18]、环境统计和排污许可等宏观数据资料并结合实地调研数据获取.

假设无新冠肺炎疫情, 2019~2020年秋冬季各类源日均排放水平与2019年10~12月基本持平.2019年10~12月火电、钢铁、水泥、平板玻璃和焦炭等主要行业活动水平数据来自国家统计局公布的分省月度数据. 工业燃煤锅炉煤炭消费量变化主要来自小锅炉淘汰.根据调研数据, 2017~2019年该区域累计完成燃煤锅炉整治6万多台, 日均煤炭消费量可削减11万t, 其中改气锅炉2万余台, 天然气日均消费量约增加0.26亿m³.民用散煤消费量变化主要来自“煤改气”和“煤改电”等清洁取暖项目替代的散煤消费量. 2017~2019年该区域累计改造户数约1 200万户^[19~21], 根据实地调查, 户均散煤用量约10 kg ·d^-1, 考虑到部分地区散煤复烧情况, 民用散煤消费量削减约11万t ·d^-1.按“煤改气”户数占清洁取暖改造户数的60%, 采暖季户均天然气消费量为1 000~1 200 m³估算, 该区域民用天然气消费量约增加0.36亿m³ ·d^-1. 2019年各类型机动车保有量可根据近年来保有量平均增速测算^[22].

新冠肺炎暴发期间主要工业部门活动水平变化情况主要来自国家统计局(http://www.stats.gov.cn/tjsj/), 中国电力企业联合会(https://www.cec.org.cn/)、中国联合钢铁网(http://www.custeel.com/)等相关行业数据和污染源在线监测数据.道路移动源活动水平变化数据根据交通运输部交通流量监测数据(http://www.mot.gov.cn/tongjishuju)获取, 非道路机械处于基本停用状态.民用源中城镇集中供热和农村散煤燃烧采暖等活动水平无显著变化, 城市商业和服务业燃煤活动水平根据国家统计局服务业生产指数和国家统计局服务业调查中心数据获取.

各类源污染物产生系数主要参考文献[23].目标时段与基准时段各类源主要大气污染物排放系数的变化主要来自国家和地方对相关行业工艺水平和污染控制效率提升的要求.通过梳理分析京津冀及周边地区重点行业产业政策、相关标准和大气污染防治政策要求, 结合实地调研, 得到目标时段与基准时段重点行业排放系数变化情况, 如表 1所示.

表 1 (Table 1)

表 1 重点工业行业大气污染治理进展和污染物排放系数变化情况 Table 1 Progress of air pollution prevention and changes in emission coefficients in key industrial sectors 行业 2016~2017年秋冬季污染治理水平 2019~2020年秋冬季污染治理水平 排放系数变化 火电 70%左右超低排放, 30%达标排放 基本全部超低排放 煤电机组SO2、NOx和PM2.5排放系数分别降低约35%、40%和50%[24~27] 钢铁 烧结、球团、炼铁、炼钢和轧钢环节分别达到GB 28662-2012[28]、GB 28663-2012[29]、GB 28664-2012[30]和GB 28665-2012[31]中新建企业的污染物排放限值要求 1.15亿吨以上钢铁产能完成超低排放改造[21], 未完成超低排放改造的企业执行钢铁行业大气污染物特别排放限值[20] 长流程钢铁行业SO2、NOx、PM2.5排放系数分别降低约60%、30%和50% 焦化 达到GB 16171-2012[32]中相关要求 河北达到地方超低排放限值要求[33], 其他地区达到GB 16171-2012[32]中大气污染物特别排放限值要求[20] SO2、NOx、PM2.5、VOCs排放系数分别降低约20%、20%、30%和10% 水泥 北京、河北分别达到地方排放标准DB 11/1054/2013[34]和DB 132167-2015[35]要求; 其他地区达到GB 4915-2013[36]中新建企业的污染物排放限值要求 山东达到DB 37/2373/2018[37]要求; 天津和山西达到GB 4915-2013[36]中大气污染物特别排放限值要求[20]; 河南达到豫环攻坚办[2019]25[38]中相关要求 SO2、NOx、PM2.5放系数分别降低约10%、30%和30%[39] 平板玻璃 北京和河北分别达到地方排放标准DB 11501-2017[40]和DB 13/2168-2015[41]要求, 其他地区达到GB 26453-2011[42]要求 山东达到DB 37/2373/2018要求, 河南达到豫环攻坚办[2019]25[38]相关要求 平板玻璃行业SO2、NOx、PM2.5排放系数分别降低约30%、20%和20% 工业锅炉 达到GB 13271-2014[43]中在用锅炉污染物排放限值要求 每小时65蒸吨及以上的燃煤锅炉基本完成超低排放改造, 达到燃煤电厂超低排放水平, 35~65蒸吨燃煤锅炉达到大气污染物特别排放限值; 大力推进天然气锅炉低氮改造 燃煤工业锅炉SO2、NOx、PM2.5放系数分别降低约15%、15%和20%, 燃气锅炉NOx排放系数降低约40% 石化化工、表面涂装、包装印刷 — 从源头替代、过程管控和末端治理推进VOCs综合治理 石化化工行业和溶剂使用源VOCs排放量约下降10%和8% 其它工业 — “散乱污”企业和集群综合整治 SO2、NOx、PM2.5、VOCs排放量分别约下降15%、10%、20%和5%[44] 机动车 部分淘汰黄标车 各类型汽车先后执行国五和国六标准; 全部淘汰黄标车; 老旧车淘汰完成任务量的40%以上[45] 客车NOx、PM2.5和VOCs排放系数分别下降约40%、68%和47%, 货车NOx、PM2.5和VOCs排放系数分别下降约10%、30%和40%.[46~48] 非道路移动源 — 新生产的非道路移动机械严格执行相应的排放标准; 划定禁止使用高排放非道路移动机械的区域; 开展监督执法 SO2、NOx、PM2.5和VOCs排放量分别降低20%、5%、15%和5% 扬尘源 — 深入推进扬尘综合治理 PM2.5排放量下降约10%

表 1 重点工业行业大气污染治理进展和污染物排放系数变化情况 Table 1 Progress of air pollution prevention and changes in emission coefficients in key industrial sectors

本研究模拟了2016-12-13~2017-01-14气象条件下PM_2.5日均浓度, 由于CMAQ空气质量模型存在起转时间, 所以实际分析时段要比模拟时段减少3 d. CMAQ模型采用Lambert投影坐标系, 中心点经度为103°E, 中心纬度为37°N, 两条平行纬度分别为25°N和40°N.水平模拟范围为X方向(-2 690~2 690 km)、Y方向(-2 150~2 150 km), 网格间距20 km, 共将全国划分为270×216个网格.垂直方向共设置14个气压层, 层间距自下而上逐渐增大^{[49, 50]}.CMAQ模型所需要的气象场由中尺度气象模型WRF提供, WRF模型与CMAQ模型采用相同的模拟时段和空间投影坐标系, 垂直方向共设置35个气压层, 层间距自下而上逐渐增大.WRF模型的初始场与边界场数据采用美国国家环境预报中心(NCEP)提供的6 h一次、1°分辨率的FNL全球分析资料(http://rda.ucar.edu/datasets/ds083.2), 每日对初始场进行初始化, 每次模拟时长为30 h, Spin-up时间设置为6 h, 并利用NCEP ADP观测资料(http://rda.ucar.edu/datasets/ds461.0)进行客观分析与资料同化.模型验证详见文献[6].

基于上述方法建立2016~2017年秋冬季“2+26”城市人为源主要大气污染物排放清单, 该区域SO₂、NO_x、PM_2.5和VOCs日均排放量别为5 186、11 126、5 835和13 557 t.从行业贡献看, 工业源、民用源和电力对SO₂的贡献较大, 行业贡献中工业锅炉、民用燃煤、钢铁和煤电的贡献率分别为29.9%、28.4%、14.2%和10.7%; NO_x主要来自工业源、交通源和电力, 其中工业锅炉、机动车和煤电贡献率最高, 分别为35.3%、27.6%和11.0%;PM_2.5主要来自工业源、扬尘源和民用源, 其中扬尘源、秸秆薪柴等民用生物质燃烧、民用燃煤和钢铁贡献率较高, 分别为30.5%、17.6%、11.5%和10.0%.工业源和交通源是VOCs排放的主要来源, 其中工业溶剂使用、机动车和石化化工分别贡献VOCs排放总量的36.7%、16.5%和13.8%.此外民用生物质燃烧对VOCs的贡献不可忽视, 约为11%.主要行业对各种污染物排放量贡献情况详见图 1.

图 1

Fig. 1

图 1 2016~2017年秋冬季和2019~2020年秋冬季京津冀及周边地区大气污染物排放 Fig. 1 Air pollutant emissions in Beijing-Tianjin-Hebei and its surrounding areas during the autumn and winter of 2016-2017 and 2019-2020

无新冠肺炎疫情影响, 2019~2020年秋冬季该区域SO₂、NO_x、PM_2.5和VOCs日均排放量分别为3 478、9 429、4 341和11 470 t, 与2016~2017年秋冬季相比, 分别下降32.9%、15.3%、25.6%和15.4%.各行业对主要污染物排放量贡献排序与2016~2017年秋冬季基本相同.从电力、工业、民用、交通和扬尘等分部门减排来看, 工业和民用是对SO₂减排贡献最大的两个部门, 分别贡献了SO₂总减排量的56.5%和35.0%.工业和电力对NO_x减排贡献最大, 分别贡献了NO_x总减排量的55.2%和29.4%.一次PM_2.5的减排贡献主要来自工业部门和民用部门, 减排贡献为40.2%和36.1%.工业部门对VOCs减排贡献最大, 减排贡献达到47.3%, 其次为交通部门和民用部门, 分别贡献了VOCs总减排量的27.3%和25.5%.

与2016~2017年秋冬季相比, 2019~2020年秋冬季(无疫情情景)该区域平板玻璃、粗钢、水泥、焦炭产量和火力发电量增长, 其中平板玻璃和粗钢产量增长15%以上, 而5大行业SO₂、NO_x、PM_2.5和VOCs日均排放量分别下降37.6%、24.9%、37.6%和3.8%.钢铁、煤电行业超低排放改造, 工业炉窑深度治理是5大行业排放量显著下降的根本原因.

分解各行业污染控制措施对减排量的贡献发现(图 2), 该区域SO₂减排效果最明显的是民用燃煤、工业锅炉和钢铁, 日均减排分别为591、500和398 t, 贡献了减排量的34.4%、29.1%、和23.1%.NO_x减排最显著的行业为工业锅炉和煤电, 分别减排了771 t ·d^-1和447 t ·d^-1, 贡献了减排量的44.8%和26.0%; 一次PM_2.5减排效果最明显的行业是民用燃煤、钢铁和民用生物质, 分别减排一次PM_2.5为333、247和205 t ·d^-1, 对总减排量的贡献为22.1%、16.4%和13.7%; VOCs减排较显著的行业为机动车和溶剂使用源, 日均减排量分别为567 t和398 t, 贡献了总减排量的27.1%和19.0%, 其次为工业锅炉、民用生物质、民用燃煤和石化化工, 分别贡献15.2%、14.3%、11.2%和9.0%.北方地区清洁取暖、燃煤锅炉综合整治、钢铁和火电行业超低排放和提标改造是对减排量整体贡献显著的措施, 四项措施对该区域SO₂和NO_x减排总量的合计贡献超过80%, 对一次PM_2.5总减排量的合计贡献近60%.以上分析可见, 各行业对主要污染物减排的贡献与该行业对该项污染物排放量的贡献基本一致, 即对污染物排放量贡献大的行业对减排量贡献也较大, 可见该区域大气污染防治政策具有较强的精准性和有效性.

图 2

Fig. 2

图 2 主要大气污染物减排量主要行业贡献解析 Fig. 2 Contributions of key sectors to emission reductions of major air pollutants

2020年春节期间恰逢疫情管控, 自2020年1月下旬开始, 全国相继启动重大突发公共卫生事件一级响应, 逐渐实施交通管制和工厂企业的停产限产.随着疫情逐步得到控制并好转, 自2月中下旬开始, 各省份有序推进复工复产, 社会经济稳步重启.京津冀及周边地区交通运输、建筑施工、餐饮服务和其它劳动密集型行业活动水平大幅降低, 轻工业和加工业等基本处于停工状态.但大气污染物排放的主要来源, 如火力发电等持续供能设备、居民采暖需求和钢铁、焦化、石化化工等生产工序中不可中断的燃烧设备仍在运转.

对于工业部门, 春节期间河北省钢铁企业高炉开工率略高于去年同期; 2020年2月上旬重点统计钢铁企业粗钢、生铁和焦炭产量环比分别下降2.68%、下降1.15%和增长1.21%.平板玻璃和焦炭产量、原油加工量保持平稳.另从污染物在线监测数据看, 农历初一到十五(1月25日至2月8日), 火电和钢铁行业污染物排放量较节前下降约10%左右, 焦化、石化和玻璃等行业无明显变化.据以上信息测算, 京津冀及周边地区2020年春节期间火电和工业部门的SO₂、NO_x、VOCs和PM_2.5等大气污染物日排放与春节前时段相比分别下降25%、29%、40%和20%.

对于交通部门, 根据交通流量监测数据, 春节期间, 京津冀及周边地区公路货车和客车流量较平时分别下降了77%和39%.春节假期后, 受疫情影响区域交通流量仍维持相对较低水平, 同时非道路移动机械基本处于停用状态.据估算, 区域内交通部门NO_x、VOCs和PM_2.5日均排放量比春节前分别下降79%、71%和85%.对于民用部门, 城镇集中供热和农村散煤燃烧采暖的排放强度与日常相比无太大差别, 仅有城市商业和服务业燃煤大幅下降, 民用部门整体排放的大气污染物相比春节前约下降20%左右.

总体看来, 2020年春节期间受新冠肺炎疫情影响, 京津冀及周边地区主要大气污染物日均排放量较春节前秋冬季平均水平下降约20% ~50%.其中, SO₂排放量约下降24%, 减排量主要来自于工业部门; NO_x排放量约下降46%, 减排量主要来自机动车、非道路移动机械和其他部分工业企业停工; PM_2.5排放量约下降30%, 减排量主要来自建筑施工停工、部分工业企业停工和道路扬尘下降等; VOCs排放量约下降39%, 减排量主要来自交通部门和工业部门有机溶剂生产和使用量下降.

区域空气质量除受污染物排放量影响外, 还与气象条件密切相关.如图 3所示, 为扣除气象条件的影响, 客观研究排放量变化对空气质量的影响, 本研究采用“固定气象条件, 改变排放清单”的方法, 对比模拟2016~2017年秋冬季、2019~2020年秋冬季无新冠肺炎疫情情景和2020年春节新冠肺炎疫情暴发期间3种污染物排放情景下京津冀及周边地区PM_2.5浓度.课题组相关研究结果表明2016~2017年“跨年霾”和2020年春节“疫情霾”两次重污染过程气象条件不利程度基本相当^[6].由于“跨年霾”(2016-12-16日~2017-01-14日)期间的气象条件和2016~2017年秋冬季各种污染物排放量与真实情况一致, 本研究选取了“跨年霾”期间气象条件作为不利气象条件, 利用WRF-CMAQ模型^{[49, 50]}, 分析措施减排和疫情影响对空气质量改善的贡献, 结果见表 2.2016~2017年秋冬季排放情景下PM_2.5浓度为实际观测值.由于选取2016~2017年“跨年霾”重污染过程的固定气象条件, 模型模拟的2019~2020年秋冬季无新冠肺炎疫情情景和2020年春节新冠肺炎疫情暴发期间排放情景下PM_2.5浓度与实际气象条件无关, 其相对大小可以单纯反映措施减排和疫情对PM_2.5浓度的影响.在“跨年霾”的不利气象条件下, 3种排放情景区域PM_2.5平均浓度分别为169、125和95 μg ·m^-3.措施减排使区域PM_2.5平均浓度下降26%; 受疫情影响, PM_2.5浓度又进一步下降24%.从污染强度的角度看, 2016~2017年“跨年霾”重污染过程, 中度及以上污染PM_2.5浓度均值为213 μg ·m^-3; 重度及以上污染PM_2.5浓度均值为240 μg ·m^-3.在相同不利气象条件下, 措施减排可使中度及以上污染和重度及以上污染PM_2.5浓度均值分别下降到181 μg ·m^-3和217 μg ·m^-3, 降幅分别为15%和10%.疫情带来的全社会活动水平降低可使中度及以上污染和重度及以上污染PM_2.5浓度均值进一步下降9%和6%.

图 3

Fig. 3

(a)2016~2017年秋冬季排放情景; (b)2019~2020年无新冠肺炎疫情情景; (c)2020年春节新冠肺炎疫情暴发期间排放情景 图 3 不利气象条件下不同污染物排放情景PM2.5浓度 Fig. 3 PM2.5 concentrations in different pollutant emission scenarios under unfavorable meteorological conditions

表 2 (Table 2)

表 2 固定气象条件PM2.5模拟统计结果/μg ·m-3 Table 2 PM2.5 concentrations in different pollutant emission scenarios under the selected meteorological condition/μg ·m-3 区域统计指标 2016~2017年 秋冬季排放情景 2019~2020年 无新冠肺炎疫情情景 2020年春节 新冠肺炎疫情暴发期间排放情景 区域平均值 169 125 95 中度及以上污染平均值 213 181 164 重度及以上污染平均值 240 217 203

表 2 固定气象条件PM2.5模拟统计结果/μg ·m-3 Table 2 PM2.5 concentrations in different pollutant emission scenarios under the selected meteorological condition/μg ·m-3

措施减排和疫情影响造成的主要大气污染物排放量显著下降有效降低了重污染发生的强度, 同时缩小了重污染区域范围和持续时间.2016~2017“跨年霾”期间“2+26”城市发生重度及以上污染的总天数为422 d, 3个及以上城市同时发生严重污染次数为13次, 5个及以上城市同时发生重度及以上污染次数为24次, 1个城市连续3 d及以上发生重度及以上污染次数为27次.在相同的气象条件下, 措施减排可使重度及以上污染天数减少185 d, 3个及以上城市同时发生严重污染次数减少8次, 5个及以上城市同时发生重度及以上污染次数减少7次, 1个城市连续3d及以上发生重度及以上污染次数减少6次.疫情带来的活动水平下降可使区域重度及以上污染总天数减少128 d, 进一步减轻区域性和连续性污染(见表 3和图 3).

表 3 (Table 3)

表 3 “跨年霾”气象条件下不同排放情景指标统计 Table 3 Statistics under the meteorological conditions from 16 December 2016 to 14 January 2017 排放情景 3个及以上城市同时发生严重污染次数 5个及以上城市同时发生重度及以上污染次数 1个城市连续3 d及以上发生重度及以上污染次数 重污染及以上天数/d 中度污染及以上天数/d 2016~2017年秋冬季排放情景 13 24 27 422 566 2019~2020年无新冠肺炎疫情情景 5 17 21 237 403 2020年春节新冠肺炎疫情暴发期间排放情景 3 8 12 109 232

表 3 “跨年霾”气象条件下不同排放情景指标统计 Table 3 Statistics under the meteorological conditions from 16 December 2016 to 14 January 2017

(1) 从2016~2017年秋冬季的“跨年霾”到2020年春节“疫情霾”京津冀及周边地区主要大气污染物排放量大幅下降50%左右.SO₂、NO_x、PM_2.5和VOCs日均排放量分别下降49.0%、54.2%、47.9%和48.4%.大气污染防治政策实施对SO₂和PM_2.5的减排贡献较大, 贡献率分别为67.1%和53.4%; 疫情影响对NO_x和VOCs排放量下降贡献较大, 贡献率分别为71.9%和68.2%.

(2) 措施减排和疫情影响的根源不同.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, 而疫情影响主要导致移动源活动水平的下降和轻工业停工, 火电、钢铁等重点行业和民用源排放量变化不大.

(3) 措施减排对区域空气质量改善贡献突出.在“跨年霾”的不利气象条件下, 措施减排有效抑制了重污染过程的强度和范围.区域PM_2.5平均浓度、重度及以上污染PM_2.5浓度均值和中度及以上污染PM_2.5浓度均值分别下降了26%、10%和15%, 重度及以上污染天数减少44%.疫情带来的活动水平下降进一步减轻区域性、连续性污染.区域PM_2.5平均浓度、重度及以上污染PM_2.5浓度均值和中度及以上污染PM_2.5浓度均值分别进一步下降24%、6%和9%.重度及以上污染天数减少54%.