2021, Vol. 42
2. 广东省区域大气环境质量科学研究中心, 广州 510045;
3. 广东省环境保护大气环境管理与政策模拟重点实验室, 广州 510045
, LIAO Cheng-hao1,2,3
, CHANG Shu-cheng1,2,3 , ZHANG Yong-bo1,2,3 , YANG Liu-lin1,2,3 , ZENG Wu-tao1,2,3
2. Guangdong Provincial Regional Atmospheric Environmental Quality Research Center, Guangzhou 510045, China;
3. Guangdong Provincial Environmental Protection Key Laboratory of Atmospheric Environment Management and Policy Simulation, Guangzhou 510045, China
随着多种管控措施的出台, 我国PM2.5污染得到缓减[1, 2], 尤其体现在京津冀[3]、长三角[4]以及珠三角[5]等重点区域.与此同时, 空气质量进一步改善的代价在不断提高[6~9], 开展中长期空气质量改善的新技术方法研究, 已势在必行.
近年来, 空气质量改善的方法研究主要集中在末端治理[10~12]、产业结构调整[13~15]、能源结构调整[16~18]及交通结构调整[19~21]等方面, 鲜见关于污染排放空间格局调整的技术方法.目前与空间格局调整相关的研究成果主要总结为2类：一是行政管理类, 即将具备明确管理归属的区域通过行政手段赋予大气环境管理职能; 如, 20世纪90年代美国建立臭氧传输委员会[22, 23], 明确指出O3未达标的州要强制执行控制措施, 并为这些州划分臭氧前体物控制区域, 实现以州为基本单元的空间管控; 欧美等国也同样在20世纪初, 以各成员国或州为基本单位, 实施差异化的空气质量标准及改善要求[24~26]; 我国从20世纪90年代开始通过制定空气质量标准与区域性空气质量目标等方式实施分区域管控[27, 28]; 这类措施虽然管理责任明确, 可执行性较高, 但是管理精度差, 难以实现高于城市尺度的精细化管控.二是功能分区类, 即通过对环境要素构建可量化指标, 为区域空间赋予环境管理属性; 如, 空气质量功能区划[29]、生态保护红线[30]、大气环境红线[31]和环境功能分区[32~35]等就是通过评估人口、气象条件和扩散能力等环境相关要素建立空间管控信息; 该类方法科学性较强且管控精度高, 但缺乏空气质量改善效益的验证, 难以界定功能分区的实用性.
本文立足功能分区类研究, 创新性地提出一种优化大气排放格局, 实现空气质量改善的技术方法, 并以广东省为例, 分析验证排放格局优化对空气质量的改善效益, 探讨大气环境分区对排放格局优化的引导应用.
1 材料与方法 1.1 技术方法设计大气污染排放格局的优化方法主要分三块内容：一是划定大气环境布局适宜区, 二是调整大气污染排放的空间格局, 三是验证调整后的排放情景对空气质量的改善.具体实现步骤如图 1所示, 首先是划定大气环境布局适宜区, 即通过扣除目标区域的不宜布局因素获得, 包括利用空气质量功能区划识别的环境空气质量一类区, 使用遥感卫星数据结合统计年鉴校正的人口密集区, 使用空气质量模型以及扩散模型结合阈值分级评价方法识别的污染物积聚区与国控站点敏感区.然后, 依据布局适宜区调整大气污染源排放清单的空间格局.最后再使用空气质量模型模拟排放清单调整前后的污染物浓度变化, 以此验证排放格局优化的效益以及大气环境分区划定的合理性.
|
图 1 研究技术路线 Fig. 1 Technology route of research |
将研究区域从空间上擦除所识别的不适宜布局区域, 剩余区域即为大气环境布局适宜区.可表示为：
|
式中, 
空间向量擦除方式如图 2所示, 研究区域擦除所识别的不适宜布局区域时, 若不适宜布局的分区在空间上有重叠, 则扣除的是各分区的并集, 不会重复扣除重叠区域.
|
图 2 空间擦除运算示例 Fig. 2 Example of spatial erasing |
环境空气质量一类区即是大气环境中需优先保护的区域, 最直接的数据来源是各城市已划定的环境空气质量一类功能区.其次, 可以使用土地利用数据中的自然保护区与风景名胜区等作为备选划定依据.
1.2.2 人口密集区识别方法人口密集区是人口数量多且分布集中的区域, 该区域多为城市建成区, 不适合工业项目布局.建议使用表征人口密度的矢量数据作为划定依据, 使用土地利用数据中的城镇区域作为备选补充.人口密度矢量图层的一般制作方式是利用DMSP/OLS遥感夜间灯光密度, 反演人口密度分布[36], 再使用统计年鉴中的常住人口数据对反演结果作区域人口总量校正获得.但识别人口密集区还需要合理选择密度阈值作为划分界线.阈值的选择应根据研究区域内人口总数以及分布特征是否符合城市建成区分布等作为参考依据.
1.2.3 国控站点敏感区识别方法国控站点敏感区是指对空气质量国控监测站点污染传输贡献较大的区域, 该区域的识别需要使用WRF-CALPUFF模拟工具[37, 38]辅助完成.模拟网格建立后, 以国控监测站点所在的网格作为受体点, 单次的模拟需以单一网格恒定源强排放作为输入, 并循环模拟遍历全部网格.恒定源强可以使用大气污染源排放清单的平均值, 确保源强强度处于合理范围.逐网格模拟结果全部叠加后, 即得每个网格对受体点的污染传输贡献.建议做多年度模拟, 以平均值降低气象波动对区域识别带来的不确定性.为便于划定国控站点敏感区, 将模拟结果归一化处理, 以所有网格的平均浓度作为基准, 计算各网格相对平均值的比值, 该比值称为传输敏感性, 敏感性越高传输贡献越大.划定国控站点敏感区的阈值选择, 可参考国土空间规划双评价法里常用的自然间断点分级法(natural breaks)[39], 对传输敏感性分为5个档次, 选择较高及高的档次.
1.2.4 污染物积聚区识别方法污染物积聚区是指大气污染物容易积聚的区域, 该区域的识别需要使用WRF-CMAQ模拟工具[40, 41].污染源数据需要处理成全网格相等排放量, 可利用大气污染源排放清单取平均值, 以保障排放水平较为合理.建议做多年度模拟, 并把结果取平均以降低气象变化对分区识别的干扰.为便于识别污染物积聚区, 将模拟结果归一化处理, 把各网格浓度相对全域平均值的比值称为污染物积聚敏感性, 敏感性越高表示越容易发生污染物积聚.划定污染物积聚区的阈值选择, 可使用自然间断点分级法把污染物积聚敏感性分5个档次, 选择较高及高的档次.
1.3 大气排放格局优化及改善成效验证方法大气排放格局的优化是调整污染源的空间布局, 即将污染源迁移至同城市临近的大气环境布局适宜区内, 该迁移可表征为大气污染源排放清单中布局适宜区外的排放量置0, 再将置0的量按地域属性取平均值, 放置在对应地域范围的布局适宜区内.通过WRF-CMAQ模拟比较调整前后的大气污染源排放清单, 在同一气象、初始和边界场条件下的污染物浓度变化, 以验证是否有改善效益.
1.4 空气质量模拟体系参数设置WRF(weather research and forecasting model)v3.7.1模式使用Morrison微物理方案, Pleim-Xiu近地面方案以及ACM2边界层方案; CMAQ(community multiscale air quality)v5.0.2的气相化学机制使用CB05, 气溶胶化学机制使用AE6; CALPUFF模式使用纯扩散传输机制.模拟体系采用三重嵌套网格, 投影方式使用Lambert正形投影, 中心经纬度为114°E、28.5°N, 两条真纬线为15°N、40°N. 第一层网格的分辨率为27 km×27 km, 包括整个中国和东南亚等地区, 第二层网格的分辨率为9 km×9 km, 范围囊括华南地区, 第三层网格的分辨率为3 km×3 km, 范围包括广东省地区及周边城市, 为本研究的目标区域(见图 3).垂直分辨率为23层, 模拟结果取近地层.第一、第二层网格使用的大气污染源排放清单为清华大学MEIC模型团队开发的2016年0.25°×0.25°MEIC清单(multi-resolution emission inventory for China), 第三层区域使用项目组自主研发的2017年3 km×3 km的大气污染源排放清单, 自然源使用MEGANv2.10制作.
|
绿色为广东省模拟区域、灰色网格为省外模拟区域；图内界线不作为权属争议依据，下同 图 3 第三层模拟研究区域 Fig. 3 Third layer of simulation research area |
本研究中环境空气质量一类区的识别, 使用了广东省各城市公布的空气质量功能区划中的一类功能区, 通过ARCGIS矢量化合并, 直接划定为环境空气质量一类区.结果如图 4所示, 该区域的属性为自然保护区与风景名胜区等需保护区域, 从功能定义上应禁止建设工业项目.划定的面积约占广东省陆域面积9%, 其中分布在粤北的最为广阔, 占全省陆域面积4%, 其次是珠三角占3%.
|
图 4 广东省环境空气质量一类区 Fig. 4 First class area of environmental air quality in Guangdong Province |
根据城市夜间灯光指数反演广东省人口分布, 使用2017年统计年鉴的常住人口数据作线性校正, 即分城市按比例校正网格数据, 使其加和等于统计年鉴的城市人口总数, 并以单位面积人口作为人口密度表征.考虑广东省人口实际情况, 本研究主要参考国内学者对高密度城镇人口集中区域的相关分析[42, 43], 以4 000人·km-2作为阈值.所得结果如图 5所示, 人口密集区占全省陆域面积约3%.将划定的人口密集区与城市建成区作校对比较, 两者空间分布特征相近, 可认为划定结果较为合理.人口集中区域位于珠三角与粤东城市, 粤北城市人口分布相对稀松.
|
图 5 广东省人口密集区 Fig. 5 Densely populated area of Guangdong Province |
国控站点敏感区定位为污染传输的敏感区域, 传输贡献又以工业源更为突出.对广东省工业源这类以工业锅炉为主的大气污染源, SO2的排放更具代表性, 因此CALPUFF模拟的表征物种选择SO2, 源强使用2017年广东省大气污染工业源SO2排放的均值.受体点为广东省各空气质量国控监测站点所在的网格, 气象场使用了2016~2018年这3个年度.模拟结果处理成传输敏感性指标后, 使用ARCGIS工具以自然间断点分级法将敏感性从高至低划分为5个档次, 并在此基础上对断点数值进行规整, 结果为高(≥2)、较高(1.2~2)、一般(0.8~1.2)、较低(0.4~0.8)和低(≤0.4)这5个档次.国控站点敏感性评价结果如图 6所示, 基本以珠三角城市敏感性更高, 这与受体点在珠三角城市更密集的分布特征相符合.为尽可能保留全省的敏感性分布特征, 又兼顾不同片区的城市之间国控站点敏感区面积比例的平衡性, 云浮、江门及湛江取一般档次, 其余城市以较高和高档次划定.国控站点敏感区大多在珠三角城市, 占全省陆域面积15%.
|
图 6 广东省国控站点敏感区 Fig. 6 Sensitive area of the national air quality monitor stations of Guangdong Province |
污染物积聚区定位为污染物易积聚的区域, 且本研究技术方法期望应用于PM2.5的空气质量改善, 因此具备较完善化学反应机制的CMAQ模型选择以PM2.5作为表征物种, 气象场使用WRF模拟的2016~2018年气象结果.将模拟结果处理成污染物积聚敏感性后, 使用自然间断点分级法将敏感性从高至低划分为5个档次, 并对断点数值进行规整, 结果为高(≥1.3)、较高(1.1~1.3)、一般(0.9~1.1)、较低(0.7~0.9)和低(≤0.7)这5个档次.同样地, 为尽可能保留全省污染物积聚敏感性的分布特征, 又兼顾各片区城市的分区面积占比的平衡性, 除揭阳、汕尾、深圳、汕头和潮州这5个临海城市选择一般档次外, 其余城市以较高及高这两个档次选择阈值.结果如图 7所示, 广东省中部和北部更易使污染物积聚, 沿海地带扩散条件更好, 这与广东北部山区地形以及沿海受季风影响等情况相符, 污染物积聚区面积约占全省陆域面积的22%.
|
图 7 广东省污染物积聚区 Fig. 7 Pollutant accumulation area of Guangdong Province |
通过ARCGIS工具, 经过空间擦除方法将广东省陆域空间扣除环境空气质量一类区、人口密集区、国控站点敏感区和污染物积聚区, 获得大气环境布局适宜区(见图 8), 面积约占全省60%, 大都分布在广东省东西两翼及北部山区.
|
图 8 广东省大气环境布局适宜区 Fig. 8 Layout area suitable for atmospheric pollution sources of Guangdong Province |
各城市布局适宜区的面积占比统计结果如图 9所示, 珠三角城市布局适宜区面积比重在全省各片区中最小, 珠三角9市平均约33%; 粤西的面积比重最大, 粤西3市平均约78%; 粤东与粤北大致相等, 平均约60%.珠三角的布局适宜区明显少于其他片区, 与其属于广东省人口中心和高度城镇化的特征相符.
|
图 9 大气环境布局适宜区占各城市面积比重 Fig. 9 Proportion of layout area suitable for atmospheric pollution sources in each city |
本研究的大气排放格局优化是以2017年广东省大气污染源排放作为基准, 根据大气环境布局适宜区结果调整基准排放格局.考虑实际操作中调整各类污染源的可行性及必要性, 选择非火电工业源作为优化调整的基础, 其余移动源、农业源、扬尘源等污染源的调整潜力较低, 本研究中暂不考虑.
将调整前后的排放清单作为WRF-CAMQ的输入, 使用2017年气象场, 比较调整前后各城市PM2.5季均以及年均浓度变化, 其中城市PM2.5浓度值由该城市国控站点所在网格的PM2.5平均值表征, 季度值由1、4、7和10月分别表征冬、春、夏和秋季, 年均值则为这4个月平均.由于排放格局调整前后的比较属于同体系之间的运算, 仅需分析比较相对改善趋势, 因此未对WRF-CAMQ的基准排放情景做准确性校验.
不同季节下的模拟结果如图 10所示, 季节变化对PM2.5的改善效益存在差异.其中, PM2.5在冬季的改善最为明显, 全省平均改善约8%; 其次为秋季, 改善幅度平均约6%.此外, 不同城市在不同季节中的改善效益有较大差距.韶关、汕头、肇庆和珠海在个别季节上存在较为明显的负效益, 又以夏季最为突出, 最高达7%.这可能由于不同季节的气象条件对个别城市的污染扩散影响突出, 而该城市的布局适宜区有较大范围位于季风性输送通道之间, 受季节影响显著.这也揭示了可以在目前技术方法基础上, 为不适宜布局因素再添加季节变化影响研究, 精细化筛选布局适宜区, 进一步排除易受气象变化影响区域, 提高整体改善效益.
|
图 10 不同季度下广东省大气环境布局适宜区PM2.5改善情景验证 Fig. 10 Seasonal PM2.5 verification scenario of layout area suitable for atmospheric pollution sources in Guangdong Province |
PM2.5年均值比较结果如图 11所示, 其改善效益波动幅度相比于季节性结果更为稳定.通过排放格局优化, 广东省PM2.5浓度平均下降4%, 各城市降幅在0%~10%之间; 其中又以茂名、清远、广州改善幅度较大, 平均超过8%.虽然各城市空气质量改善幅度存在差异, 个别城市PM2.5浓度无明显下降, 但从区域层面上空气质量能得到改善.
|
图 11 广东省大气环境布局适宜区年均PM2.5改善情景验证 Fig. 11 Annual PM2.5 verification scenario of layout area suitable for atmospheric pollution sources in Guangdong Province |
为进一步分析大气污染排放格局优化的效益, 以广东省PM2.5的年均改善效益的面状分布作探讨.结果如图 12所示, 全省正负改善效益并存, 改善效益高的区域更多位于珠三角城市, 以人口集中区域更为明显.该排放格局优化方法虽然在一定程度上改善了人居环境与空气质量, 但正负改善效益交织的面状分布也说明了该方法在实际应用中应作为空气质量改善的一种辅助性技术方法, 需结合能源调整、产业优化以及末端治理等多种减排手段, 共同服务于全面的空气质量改善.
|
图 12 大气污染排放格局优化对PM2.5改善效益 Fig. 12 PM2.5 reduction effect by emissions spatial optimization |
大气排放格局优化后的改善效益验证了广东省大气环境分区划定的合理性.按目前划定的大气环境分区类型, 可以在空间管理层面差异化引导广东省大气污染排放格局的逐步优化.
一是环境空气质量一类区, 该区域从功能定位是自然保护区和风景名胜区, 应实施严格保护, 禁止新建及扩建大气污染物排放工业项目, 搬迁已建项目至大气环境布局适宜区.
二是人口密集区, 该区域为城市建成区等人口稠密地区, 应以保护人群健康为主, 限制钢铁、石化、高VOCs排放及产生有毒有害气体等项目的开发建设, 引导现有该类项目逐步搬迁至大气环境布局适宜区.
三是国控站点敏感区, 属于大气污染物排放对城市空气质量传输影响较为显著的区域; 应着重限制高架源类型等易于污染传输的项目建设, 如火电、钢铁、石化和水泥等项目, 并引导该类项目的迁离.
四是污染物积聚区, 区域内大气扩散条件较其他区域差, 大气污染物容易积聚, 应严格控制高污染、高排放项目以及面状类工业源项目的建设, 引导原有项目迁离.
五是大气环境布局适宜区, 该区域定位是适宜大气污染源布局的区域, 可承接大气污染排放项目的落地, 应加快区域内配套基础设施的建设, 鼓励新建项目布局其中.
由于本研究的大气环境布局适宜区未考虑经济水平、基础配套设施、人力成本、交通运输和地形地貌等非大气环境的布局影响因素, 对污染源布局引导缺乏精准定位, 需在后续研究中深入分析, 提高大气环境布局适宜区的实用性.
3 结论(1) 本研究创新性地提出大气污染排放格局优化的技术方法, 以广东省为研究示例, 识别了环境空气质量一类区、人口密集区、国控站点敏感区和污染物积聚区, 划定了大气环境布局适宜区, 并依此优化大气污染排放格局, 使用数值模拟方法校验了对PM2.5的改善效益, 为中长期空气质量的改善提供了科学支撑.
(2) 广东省环境空气质量一类区面积占全省面积的9%, 人口密集区占3%, 国控站点敏感区占15%, 污染物积聚区占22%; 划定的大气环境布局适宜区占60%, 其中分布在粤西最多, 珠三角最少.
(3) 依据大气环境布局适宜区优化广东省大气污染排放格局, 可以实现区域层面的空气质量改善, 通过调整非火电的工业源空间布局, 全省PM2.5平均下降4%, 城市最大改善10%, 冬季改善效益最高.
(4) 不同类别的大气环境分区可根据功能定位实施差异化的空间管控措施, 引导排放格局的调整.环境空气质量一类区禁止工业项目建设; 人口密集区禁止有毒有害气体及高污染排放相关项目建设; 国控站点敏感区严格控制高架源类型项目建设; 污染物积聚区限制面状类工业源项目建设; 引导新增及现有大气污染排放项目落入大气环境布局适宜区.
| [1] | Gui K, Che H Z, Wang Y Q, et al. Satellite-derived PM2.5 concentration trends over Eastern China from 1998 to 2016:relationships to emissions and meteorological parameters[J]. Environmental Pollution, 2019, 247: 1125-1133. DOI:10.1016/j.envpol.2019.01.056 |
| [2] | Guo H, Cheng T H, Gu X F, et al. Assessment of PM2.5 concentrations and exposure throughout China using ground observations[J]. Science of the Total Environment, 2017, 601-602: 1024-1030. DOI:10.1016/j.scitotenv.2017.05.263 |
| [3] | Cai S Y, Wang Y J, Zhao B, et al. The impact of the "Air Pollution Prevention and Control Action Plan" on PM2.5 concentrations in Jing-Jin-Ji region during 2012-2020[J]. Science of the Total Environment, 2017, 580: 197-209. DOI:10.1016/j.scitotenv.2016.11.188 |
| [4] | Shu L, Wang T J, Xie M, et al. Episode study of fine particle and ozone during the CAPUM-YRD over Yangtze River Delta of China: characteristics and source attribution[J]. Atmospheric Environment, 2019, 203: 87-101. DOI:10.1016/j.atmosenv.2019.01.044 |
| [5] | Li J B, Zhu Y, Kelly J T, et al. Health benefit assessment of PM2.5 reduction in Pearl River Delta region of China using a model-monitor data fusion approach[J]. Journal of Environmental Management, 2019, 233: 489-498. |
| [6] | Ciucci A, D'Elia I, Wagner F, et al. Cost-effective reductions of PM2.5 concentrations and exposure in Italy[J]. Atmospheric Environment, 2016, 140: 84-93. DOI:10.1016/j.atmosenv.2016.05.049 |
| [7] | Zhang B B, Wu B B, Liu J. PM2.5 pollution-related health effects and willingness to pay for improved air quality: evidence from China's prefecture-level cities[J]. Journal of Cleaner Production, 2020, 273. DOI:10.1016/j.jclepro.2020.122876 |
| [8] | Wu W Q, Zhang M, Ding Y T. Exploring the effect of economic and environment factors on PM2.5 concentration: a case study of the Beijing-Tianjin-Hebei region[J]. Journal of Environmental Management, 2020, 268. DOI:10.1016/j.jenvman.2020.110703 |
| [9] | Zhang N, Wu Y P, Choi Y. Is it feasible for China to enhance its air quality in terms of the efficiency and the regulatory cost of air pollution?[J]. Science of the Total Environment, 2020, 709. DOI:10.1016/j.scitotenv.2019.136149 |
| [10] | Zou W X, Gao B, O Y S, et al. Integrated adsorption and photocatalytic degradation of volatile organic compounds (VOCs) using carbon-based nanocomposites: a critical review[J]. Chemosphere, 2019, 218: 845-859. DOI:10.1016/j.chemosphere.2018.11.175 |
| [11] | Park J H, Ahn J W, Kim K H, et al. Historic and futuristic review of electron beam technology for the treatment of SO2 and NOx in flue gas[J]. Chemical Engineering Journal, 2019, 355: 351-366. DOI:10.1016/j.cej.2018.08.103 |
| [12] | Chang H G, Zhu R H, Liu Z S, et al. Development and industrial application of catalyzer for low-temperature hydrogenation hydrolysis of Claus tail gas[J]. Natural Gas Industry B, 2015, 2(4): 368-373. DOI:10.1016/j.ngib.2015.09.011 |
| [13] | Zhu F K, Zhang F R, Ke X L. Rural industrial restructuring in China's metropolitan suburbs: evidence from the land use transition of rural enterprises in suburban Beijing[J]. Land Use Policy, 2018, 74: 121-129. DOI:10.1016/j.landusepol.2017.09.004 |
| [14] | Liu X J, Xia S Y, Yang Y, et al. Spatiotemporal dynamics and impacts of socioeconomic and natural conditions on PM2.5 in the Yangtze River Economic Belt[J]. Environmental Pollution, 2020, 263. DOI:10.1016/j.envpol.2020.114569 |
| [15] | Chen S M, Zhang Y, Zhang Y B, et al. The relationship between industrial restructuring and China's regional haze pollution: a spatial spillover perspective[J]. Journal of Cleaner Production, 2019, 239. DOI:10.1016/j.jclepro.2019.02.078 |
| [16] | Xia F Q, Zhang X H, Cai T Y, et al. Identification of key industries of industrial sector with energy-related CO2 emissions and analysis of their potential for energy conservation and emission reduction in Xinjiang, China[J]. Science of the Total Environment, 2020, 708. DOI:10.1016/j.scitotenv.2019.134587 |
| [17] | Hu J L, Huang L, Chen M D, et al. Impacts of power generation on air quality in China-Part Ⅱ: future scenarios[J]. Resources, Conservation and Recycling, 2017, 121: 115-127. DOI:10.1016/j.resconrec.2016.04.011 |
| [18] | Tong D, Geng G N, Jiang K J, et al. Energy and emission pathways towards PM2.5 air quality attainment in the Beijing-Tianjin-Hebei region by 2030[J]. Science of the Total Environment, 2019, 692: 361-370. DOI:10.1016/j.scitotenv.2019.07.218 |
| [19] | Zhang Q R, Tong P F, Liu M D, et al. A WRF-Chem model-based future vehicle emission control policy simulation and assessment for the Beijing-Tianjin-Hebei region, China[J]. Journal of Environmental Management, 2020, 253. DOI:10.1016/j.jenvman.2019.109751 |
| [20] | Wu Y, Zhang S J, Hao J M, et al. On-road vehicle emissions and their control in China: a review and outlook[J]. Science of the Total Environment, 2017, 574: 332-349. DOI:10.1016/j.scitotenv.2016.09.040 |
| [21] | Zhang S J, Wu Y, Zhao B, et al. City-specific vehicle emission control strategies to achieve stringent emission reduction targets in China's Yangtze River Delta region[J]. Journal of Environmental Science, 2017, 51: 75-87. DOI:10.1016/j.jes.2016.06.038 |
| [22] | Gilliland A B, Hogrefe C, Pinder R W, et al. Dynamic evaluation of regional air quality models: assessing changes in O3 stemming from changes in emissions and meteorology[J]. Atmospheric Environment, 2008, 42(20): 5110-5123. DOI:10.1016/j.atmosenv.2008.02.018 |
| [23] | Napolitano S, Stevens G, Schreifels J, et al. The NOx budget trading program: a collaborative, innovative approach to solving a regional air pollution problem[J]. The Electricity Journal, 2007, 20(9): 65-76. DOI:10.1016/j.tej.2007.09.005 |
| [24] | Macpherson A J, Simon H, Langdon R, et al. A mixed integer programming model for National Ambient Air Quality Standards (NAAQS) attainment strategy analysis[J]. Environmental Modelling & Software, 2017, 91: 13-27. |
| [25] | Viana M, Leeuw F de, Bartonova A, et al. Air quality mitigation in European cities: status and challenges ahead[J]. Environment International, 2020, 143. DOI:10.1016/j.envint.2020.105907 |
| [26] |
柴发合, 王晓, 罗宏, 等. 美国与欧盟关于PM2.5和臭氧的监管政策述评[J]. 环境工程技术学报, 2013, 3(1): 46-52. Chai F H, Wang X, Luo H, et al. Review of supervision policies of USA and European Union on PM2.5 and O3[J]. Journal of Environmental Engineering Technology, 2013, 3(1): 46-52. DOI:10.3969/j.issn.1674-991X.2013.01.009 |
| [27] | Chen X Y, Li F, Zhang J D, et al. Spatiotemporal mapping and multiple driving forces identifying of PM2.5 variation and its joint management strategies across China[J]. Journal of Cleaner Production, 2020, 250. DOI:10.1016/j.jclepro.2019.119534 |
| [28] | GB 3095-2012, 环境空气质量标准[S]. |
| [29] | HJ/T 14-1996, 环境空气质量功能区划分原则与技术方法[S]. |
| [30] | Guo X D, Chang Q, Liu X, et al. Multi-dimensional eco-land classification and management for implementing the ecological redline policy in China[J]. Land Use Policy, 2018, 74: 15-31. DOI:10.1016/j.landusepol.2017.09.033 |
| [31] |
薛文博, 汪艺梅, 王金南. 大气环境红线划定技术研究[J]. 环境与可持续发展, 2014, 39(3): 13-15. Xue W B, Wang Y M, Wang J N. On determining methodology of the red line of atmospheric environment[J]. Environment and Sustainable Development, 2014, 39(3): 13-15. DOI:10.3969/j.issn.1673-288X.2014.03.003 |
| [32] | Xu K P, Wang J N, Wang J J, et al. Environmental function zoning for spatially differentiated environmental policies in China[J]. Journal of Environmental Management, 2020, 255. DOI:10.1016/j.jenvman.2019.109485 |
| [33] |
杨柳林, 李敏辉, 廖程浩, 等. 大气环境分区管理: 以广东省为例[J]. 环境科学, 2018, 39(1): 49-56. Yang L L, Li M H, Liao C H, et al. Air quality subarea management: a case study of Guangdong province[J]. Environmental Science, 2018, 39(1): 49-56. |
| [34] |
姜昀, 王文燕, 史常艳, 等. 生态功能改善目标下的青海省"三线一单"编制实践[J]. 环境科学研究, 2020, 33(5): 1293-1299. Jiang Y, Wang W Y, Shi C Y, et al. Compilation and practice of 'three lines and one list' in Qinghai province under the objective of ecological function improvement[J]. Research of Environmental Sciences, 2020, 33(5): 1293-1299. |
| [35] |
成润禾, 李巍, 李天威, 等. "三线一单"纳入城市发展战略环评技术体系研究[J]. 中国环境科学, 2018, 38(12): 4772-4779. Cheng R H, Li W, Li T W, et al. Study on the technical system of integrating the requirement of three lines and one list into urban development strategic environmental assessment[J]. China Environmental Science, 2018, 38(12): 4772-4779. DOI:10.3969/j.issn.1000-6923.2018.12.048 |
| [36] | Kumar P, Sajjad H, Joshi P K, et al. Modeling the luminous intensity of Beijing, China using DMSP-OLS night-time lights series data for estimating population density[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2019, 109: 31-39. DOI:10.1016/j.pce.2018.06.002 |
| [37] | Ruggeri M F, Lana N B, Altamirano J C, et al. Spatial distribution, patterns and source contributions of POPs in the atmosphere of Great Mendoza using the WRF/CALMET/CALPUFF modelling system[J]. Emerging Contaminants, 2020, 6: 103-113. DOI:10.1016/j.emcon.2020.02.002 |
| [38] | Xu H, Zhu Y, Wang L, et al. Source contribution analysis of mercury deposition using an enhanced CALPUFF-Hg in the central Pearl River Delta, China[J]. Environmental Pollution, 2019, 250: 1032-1043. DOI:10.1016/j.envpol.2019.04.008 |
| [39] |
苏鹤放, 曹根榕, 顾朝林, 等. 市县"双评价"中优势农业空间划定研究: 理论、方法和案例[J]. 自然资源学报, 2020, 35(8): 1839-1852. Su H F, Cao G R, Gu C L, et al. The superior agricultural space demarcation based on the evaluation of resources and environmental carrying capacity and territorial spatial development suitability at municipality and county levels: theories, methods and study of two cases[J]. Journal of Natural Resources, 2020, 35(8): 1839-1852. |
| [40] | Li X K, Seth A, Zhang C R, et al. Evaluation of WRF-CMAQ simulated climatological mean and extremes of fine particulate matter of the United States and its correlation with climate extremes[J]. Atmospheric Environment, 2020, 222. DOI:10.1016/j.atmosenv.2019.117181 |
| [41] |
李敏辉, 廖程浩, 杨柳林, 等. 基于区域传输矩阵和PM2.5达标约束的大气容量计算方法[J]. 环境科学, 2018, 39(8): 3485-3491. Li M H, Liao C H, Yang L L, et al. Capacity simulation method based on regional transfer matrix and PM2.5 concentration target constraint[J]. Environmental Science, 2018, 39(8): 3485-3491. |
| [42] | Song J C, Tong X Y, Wang L Z, et al. Monitoring finer-scale population density in urban functional zones: a remote sensing data fusion approach[J]. Landscape and Urban Planning, 2019, 190. DOI:10.1016/j.landurbplan.2019.05.011 |
| [43] | Wang L T, Wang S X, Zhou Y, et al. Mapping population density in China between 1990 and 2010 using remote sensing[J]. Remote Sensing of Environment, 2018, 210: 269-281. DOI:10.1016/j.rse.2018.03.007 |