2023, Vol. 44
2. 天津市环境气象中心, 天津 300074;
3. 南开大学环境科学与工程学院, 国家环境保护城市空气颗粒物污染防治重点实验室, 天津 300071
, XU Hong1 , CAI Zi-ying2
, ZHANG Yu-fen3 , LIU Mao-hui1 , SUN Meng1 , LI Peng1 , YANG Ning1 , JI Yun-feng1
2. Tianjin Environmental Meteorological Center, Tianjin 300074, China;
3. State Environmental Protection Key Laboratory of Urban Ambient Air Particulate Matter Pollution Prevention and Control, College of Environmental Science and Engineering, Nankai University, Tianjin 300071, China
随着《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》深入实施, “十三五”期间, 我国城市PM2.5浓度平均值持续下降, 以PM2.5为首要污染物的超标天数和重污染的天数明显减少[1]. 2020年, 长三角区域ρ(PM2.5)为35 μg·m-3[1], 首次达到《环境空气质量标准》(GB3095-2012)二级标准限值, 大气污染较重的京津冀地区(13个地级以上城市)ρ(PM2.5)平均值为44 μg·m-3[2~4], 较2015年(77 μg·m-3)下降42.9%.从PM2.5浓度上看, 2020年京津冀地区PM2.5浓度平均值是《环境空气质量标准》(GB3095-2012)二级标准限值的1.26倍, 科学高效地开展PM2.5污染控制, 依然是“十四五”期间京津冀区域环境空气质量改善面临的主要任务之一.
随着PM2.5浓度的持续下降, PM2.5改善空间将进一步缩小, 如何科学高效开展“十四五”期间PM2.5污染控制, 制定精准的减排措施, 亟需对现行的各项防治措施减排效果开展评估.目前减排效果评估的方法主要有3种：基于PM2.5浓度监测的评估方法[5, 6]、基于受体模型的PM2.5来源解析评估方法[7~9]和基于源模型的减排情景分析评估方法[10~12].基于PM2.5浓度监测评估法可直接通过浓度变化定性评估控制措施的环境效益, 但仅能得出所有控制措施的综合效果; 基于受体模型的PM2.5来源解析方法可通过PM2.5化学组分和主要污染源类贡献的变化定量评估减排措施的有效性, 但不能满足污染源复杂地区多类措施精细化评估的要求; 基于源模型的减排情景分析评估法可以通过污染源排放的变化定量评估不同措施的减排效果, 在短期重大活动期间如APEC会议[13~16]、“9.3”阅兵[17~20]、青奥会[21, 22]和“G20”峰会[23, 24], 重污染应急减排[25~31]以及短期[32~34]和长期大气污染防治措施的评估[35~38]上均得到应用.
天津市位于京津冀区域的中北部, 是典型工业和港口城市, 石油、化工和装备制造等工业发达, 拥有国家级石油化工基地, 同时机动车保有量高、港口吞吐量大, 是京津冀区域大气污染较重的城市之一[1].“十三五”期间天津市ρ(PM2.5)由2015年的70 μg·m-3降至2020年的48 μg·m-3[2], 但PM2.5浓度依然远高于国家二级标准限值, 近年来天津市关于PM2.5的研究主要集中在污染特征、变化趋势与来源解析[7~9, 39~41], 缺少PM2.5减排效果评估, 本研究在“十三五”期间环境PM2.5浓度变化基础上, 定量评估各项减排措施效果, 以期为“十四五”期间PM2.5精细化管控提供科学依据, 同时也为京津冀区域精细化评估与管控提供借鉴.
1 材料与方法 1.1 采样及分析方法PM2.5、SO2和NO2和浓度数据均来源于天津市环境空气质量监测网络国控评价点, 监测点位分布见图 1.采用美国Thermo公司TEOM 1405F监测PM2.5, 每月更换采样滤膜, 对采样流量进行校准; 每季度进行压力传感器和温度传感器校验; 每半年进行比例系数(K0)校验, 质量控制均严格按照《环境空气颗粒物(PM10和PM2.5)连续自动监测系统运行和质控技术规范》(HJ 817-2018)要求进行.美国Thermo 43i监测SO2, Thermo 42i监测NO2.SO2和NO2监测仪器每天进行自动校准, 质量控制均严格按照《环境空气气态污染物(SO2、NO2、O3和CO)连续自动监测系统运行和质控技术规范》(HJ 818-2018)要求进行.
|
图 1 监测点位分布示意 Fig. 1 Location of the sampling station |
根据天津市污染源排放情况, 结合天津市大气污染防治措施, 大气污染排放涉及的污染源主要包括电力锅炉、供暖锅炉、民用散煤、工艺过程源、移动源和扬尘源共6个主要类别6种污染物(SO2、NOx、PM2.5、PM10、CO和VOCs)的排放量.各项污染物的排放因子依据城市大气污染物排放清单编制技术手册[42], 其计算方法如下：
|
(1) |
式中, E为排放量; A为污染源活动水平, 如化石燃料使用量、有机溶剂使用量、产品产量等; EF为不同污染源不同污染物的排放因子; η为废气治理设施的污染物去除效率; i和j分别为不同污染物和不同污染源; m和n分别为污染物和污染源的数量.
以2015年为基准年, 基于基准年活动水平以及历年统计年鉴、大气污染防治措施和环境统计结合实地走访调研梳理完成2016~2020年活动水平数据.
1.2.2 评估模型及模拟情景设置采用WRF/Chem模式开展减排效果评估, 该模式是由NCAR和NOAA联合一些大学和研发机构开发的中尺度在线大气化学模式, 考虑了大气污染的化学过程、平流输送、湍流扩散和干湿沉降过程, 在全球空气质量预报和模拟中有广泛的运用.模式版本为WRF/Chem3.9.1版本[43~45], 气相化学过程采用CBMZ机制, 气溶胶过程采用MOSAIC模型.主要物理过程设置如下：积云对流方案采用grell-3D, 微物理过程采用WSM5, 边界层方案使用YSU, 长波辐射方案和短波辐射方案采用RRTMG, 考虑气溶胶直接辐射反馈.模式水平分辨率15 km, 水平网格121×121, 中心经纬度为39N°、117E°, 垂直方向分为41层.模拟时间为2020年的1、4、6和11月, 分别代表冬、春、夏和秋季, 模拟采用24 h滚动计算, 每24 h重新使用一次FNL气象初始场, 污染初始场为上一次的模拟值.
天津以外排放源选用清华大学MEIC清单(http://meicmodel.org), 包括逐月工业、农业、交通、生活和电力行业BC、OC、SO2、NOx、CO、PM2.5、PM10、NH3和VOC排放量, 分辨率0.25°×0.25°; 天津排放源采用1.2.1节建立的清单, 清单分辨率为1 km×1 km, 除了工业、农业、交通、生活和电力行业外, 还细分为电力、钢铁、工艺过程、散煤、扬尘和道路移动源.以2020年排放(MEIC2020污染源排放清单, 天津2020年污染源排放清单)为基准情景进行模拟, PM2.5、PM10、SO2和NO2模拟值与实测值相关系数分别为0.83、0.59、0.72和0.82(图 2), 可较好地模拟和反映天津空气质量变化趋势.
|
图 2 2020年天津市主要污染物模拟值与实测值的相关系数 Fig. 2 Correlation coefficient of measured and simulated data of main pollutants in 2020 in Tianjin |
2015~2020年, 天津市大气污染防治主要针对电力、工业、交通、燃煤和扬尘等污染排放, 主要防治措施有煤电机组改燃或关停或超低排放改造; 燃煤锅炉改燃或关停或提标改造、散乱污企业整顿、关停淘汰落后污染企业、企业废气处理设施提升改造和VOCs泄漏检测与修复; 淘汰黄标车和老旧车和提高机动车排放标准, 投运清洁能源机动车, 安装港口岸电箱; 散煤清洁化利用、改电改气和集中供热; 提高道路机扫率和水洗率、工地扬尘整治、裸露地面和堆场的治理等.从主要的污染源类别排放量变化上看(图 3), 2015~2020年, 天津市SO2、NOx、VOCs和PM2.5的排放量分别减少4.77×104、6.20×104、5.37×104和3.53×104 t.
|
图 3 2015~2020年天津市主要污染物减排量 Fig. 3 Emission reductions of main pollutants from 2015 to 2020 in Tianjin |
从主要行业减排量上看, 电力、钢铁、工艺过程和散煤等防治措施使SO2分别减少0.53×104、0.29×104、2.88×104和1.06×104 t, 分别占SO2减排总量的11.1%、6.1%、60.4%和22.2%; 电力、钢铁、工艺过程和散煤等防治措施使NOx分别减少1.27×104、0.94×104、3.19×104和0.16×104 t, 分别占NOx减排总量的20.5%、15.2%、51.5%和2.6%、; 电力、钢铁、工艺过程、散煤和机动车等防治措施使VOCs分别减少0.14×104、0.44×104、3.46×104、0.52×104和0.22×104 t, 分别占VOCs减排总量的2.6%、8.2%、64.4%、9.7%和4.1%; 电力、钢铁、工艺过程、散煤和机动车和扬尘等防治措施使PM2.5分别减少0.29×104、0.80×104、1.03×104、0.96×104、0.07×104和0.29×104 t, 分别占PM2.5减排总量的8.2%、22.7%、29.2%、27.2%、2.0%和8.2%.主要行业减排量的构成表明：工艺过程、散煤和电力治理对SO2的减排贡献大, 工艺过程、电力和钢铁治理对NOx的减排贡献大, 工艺过程对VOCs的减排贡献最大, 工艺过程、散煤和钢铁治理对PM2.5的减排贡献大.
2.2 “十三五”期间天津市PM2.5污染状况2015~2020年, 天津市PM2.5污染状况明显改善(图 4), ρ(PM2.5)平均值由2015年的70 μg·m-3降至2020年的48 μg·m-3, 下降31.4%; PM2.5污染天数由2015年的123 d降至2020年的60 d, 下降51.2%; PM2.5重污染天数也明显降低, 由2015年的25 d降至2020年的10 d, 下降60.0%, 其中2019~2020年消除了PM2.5六级严重污染天气.“十三五”期间, 与PM2.5污染相关的气态前体物SO2和NO2浓度平均值均明显下降(图 5), ρ(SO2)平均值由2015年的29 μg·m-3降至2020年的8 μg·m-3, 下降72.4%; ρ(NO2)平均值由2015年的42 μg·m-3降至2020年的39 μg·m-3, 下降7.1%.从总体变化趋势上看, 前期(2015~2017)天津市NO2浓度平均值略升, 后期(2018~2020年)NO2浓度平均值呈现下降趋势; 与前期相比, 后期天津市SO2浓度平均值、PM2.5浓度平均值和污染天数下降幅度减缓, PM2.5重污染天数基本保持在10 d左右.
|
图 4 “十三五”期间天津市PM2.5污染状况 Fig. 4 Pollution of PM2.5 during 13th Five-Year Period in Tianjin |
|
图 5 “十三五”期间天津市SO2和NO2浓度变化 Fig. 5 Concentrations of SO2 and NO2 during 13th Five-Year Period in Tianjin |
以2020年污染源排放清单为基准, 在排放源不变的条件下, 模拟分析气象条件对天津市PM2.5减排的贡献(图 6).结果表明：2015年和2020年模拟的ρ(PM2.5)分别为47.50 μg·m-3和42.43 μg·m-3, 2020年较2015年下降10.7%, 这与蔡子颖等[46]研究的结果相似.说明2015~2020年气象条件促进了PM2.5浓度改善, 对PM2.5浓度的改善贡献率为10.7%(7.5 μg·m-3), 实测PM2.5浓度2020年较2015年下降31.4%, 扣除气象条件的影响, 2015~2020年减排措施使PM2.5浓度下降20.7%(14.5 μg·m-3). 2015~2020年期间天津市PM2.5浓度下降贡献率中, 气象因素影响约占1/3, 减排措施影响约占2/3.
|
以2020年为基准源 图 6 天津市2015年和2020年模拟的PM2.5浓度分布 Fig. 6 Simulated PM2.5 concentrations in Tianjin for 2015 and 2020 |
为进一步分析不同减排措施对天津空气质量的影响, 分别选取电力、钢铁、工艺过程控制和散煤清零等主要防治措施, 设计排放情景(表 1), 模拟评估主要减排措施的PM2.5改善效果, 模拟结果表明(表 2), 主要减排措施中, 工艺过程减排使ρ(PM2.5)降低2.66 μg·m-3, 对PM2.5浓度改善贡献率为18.3%; 散煤清零措施使ρ(PM2.5)降低2.18 μg·m-3, 对PM2.5浓度改善贡献率为15.0%; 钢铁行业减排使ρ(PM2.5)降低1.70 μg·m-3, 对PM2.5浓度改善贡献率为11.7%; 电力行业减排使ρ(PM2.5)降低0.51 μg·m-3, 对PM2.5浓度改善贡献率为3.5%.从对PM2.5浓度改善效果上看, 工艺过程减排效果最明显, 其次是散煤清零和钢铁行业减排, 电力行业减排效果最小.
|
表 1 不同排放情景设计方案 Table 1 Design of different emission scenarios in Tianjin |
|
|
表 2 不同减排措施对PM2.5的改善效果1) Table 2 Emission reduction effect of different air pollution control measures on PM2.5 |
2015~2020期间, 天津市工艺过程排放的控制主要包括关停淘汰落后企业221家、整治“散乱污”企业18 635家和撤销取缔13个工业园区(集聚区), 深度治理452家挥发性有机物重点排放企业和综合治理382家VOCs排放工业企业, 改燃关停燃煤锅炉11 568台, 实施重点工业企业脱硫和脱硝治理, 对25个重点行业全面执行大气污染物特别排放限值等, PM2.5化学组分中与工艺过程排放相关的NO3-、NH4+和Cl-等离子浓度在“十三五”期间均呈现下降趋势[8], 工艺过程治理措施使PM2.5的排放量减少1.03×104 t, ρ(PM2.5)降低2.66 μg·m-3, 对PM2.5浓度改善贡献率为18.3%.散煤治理主要包括居民供暖煤改电和煤改燃, 农村居民散煤清洁能源替代等, 2020年底天津市实现散煤全部清零, “十三五”期间, PM2.5化学组分中与燃煤排放相关的SO42-、OC和EC浓度及在PM2.5中占比均呈现下降趋势[8], 环境空气中SO2浓度下降72.4%, 散煤治理措施使PM2.5的排放量减少0.96×104 t, ρ(PM2.5)降低2.18 μg·m-3, 对PM2.5浓度改善贡献率为15.0%.钢铁行业排放控制主要包括荣程钢铁和天钢联合特钢钢铁企业的烧结重点工序超低排放改造, 天钢集团和钢管集团钢铁企业的转炉和电炉除尘治理改造, 2020年9月底关停天津市天重江天重工有限公司、天津冶金集团轧三钢铁有限公司和天津天丰钢铁有限公司等, 钢铁行业排放控制使PM2.5的排放量减少0.80×104 t, ρ(PM2.5)降低1.70 μg·m-3, 对PM2.5浓度改善贡献率为11.7%.电力行业排放控制措施主要包括关停陈塘热电厂、煤电机组清洁化改造、自备电站煤电机组超低排放改造和公共煤电机组冷凝脱水深度治理等, 电力减排措施使PM2.5的排放量减少0.29×104 t, ρ(PM2.5)降低0.51 μg·m-3, 对PM2.5浓度改善贡献率为3.5%.
2.4 PM2.5污染改善的启示“十三五”期间, 天津市聚焦影响环境空气质量的关键问题, 持续调整产业结构、能源结构和运输结构, 完成“散乱污”企业的集中整治, 开展工业集聚区的提升改造, 破解“钢铁围城”和“园区围城”, 完成煤电机组的清洁化改造, 钢铁等重点行业稳定达到特别排放限值, 提高大宗货物铁路运输比例, 不断提高大气污染防治的科学化和精细化水平.全市第二产业比重由2015年的41.3%下降至2020年的31.4%[47], 煤炭消费总量从2015年的4 538.83×104 t降至2020年3 745.28×104 t[47], 燃煤结构得到明显优化, 电煤占总燃煤比例显著提高.从PM2.5减排效果上看, 电力行业燃烧效率高, 治污水平先进, 对环境PM2.5浓度的贡献较小, 而以面源排放为主的工艺过程和散煤对环境PM2.5浓度的影响较大, 减排措施的环境效果更明显.“十四五”期间, 随着污染治理的不断深入、治理难度会越来越大, 提高能源利用效率和优化燃煤结构是能源结构调整的重要方向, 在煤炭消费总量控制和“双碳”目标的约束下, 要继续开展煤炭结构的优化调整, 推进煤炭消费进一步向治污水平先进的电力行业集中; 另一方面, 要进一步提升工业污染源全过程的排放绩效水平, 在充分考虑行业内部不同企业之间工艺水平、管理水平和污染治理水平等因素的前提下, 以环境容量为约束, 设计产业优化调整和转型升级的技术路线, 优化配置环境容量资源, 提出有限环境容量下的重点行业有序发展模式, 引导企业清洁化提升改造、转型升级和绿色发展, 促进“十四五”期间PM2.5浓度的持续改善.
3 结论(1) 2015~2020年, 天津市SO2、NOx、VOCs和PM2.5的排放量分别减少4.77×104、6.20×104、5.37×104和3.53×104 t.从主要行业减排量的构成上看, 工艺过程、散煤和电力治理对SO2的减排贡献大, 工艺过程、电力和钢铁治理对NOx的减排贡献大, 工艺过程对VOCs的减排贡献最大, 工艺过程、散煤和钢铁治理对PM2.5的减排贡献大.
(2) 2015~2020年, 天津市PM2.5污染状况明显改善, PM2.5平均值、PM2.5污染天数和PM2.5重污染天数分别下降31.4%、51.2%和60.0%; 与PM2.5污染相关的气态前体物SO2和NO2浓度平均值分别下降72.4%和7.1%.与前期相比, 后期天津市SO2浓度平均值、PM2.5浓度平均值和PM2.5污染天数下降幅度减缓.
(3) 数值模拟表明, 2015~2020年期间天津市PM2.5浓度下降贡献中, 气象因素影响约占1/3, 减排措施影响约占2/3.主要减排措施中, 工艺过程减排使ρ(PM2.5)降低2.66 μg·m-3, 对PM2.5浓度改善贡献率为18.3%; 散煤清零措施使ρ(PM2.5)降低2.18 μg·m-3, 对PM2.5浓度改善贡献率为15.0%; 钢铁行业减排使ρ(PM2.5)降低1.70 μg·m-3, 对PM2.5浓度改善贡献率为11.7%; 电力行业减排使ρ(PM2.5)降低0.51 μg·m-3, 对PM2.5浓度改善贡献率为3.5%.
(4) 为促进“十四五”期间PM2.5浓度的持续改善, 在煤炭消费总量控制和“双碳”目标的约束下, 天津应继续开展煤炭结构的优化调整, 推进煤炭消费进一步向治污水平先进的电力行业集中; 同时要进一步提升工业污染源全过程的排放绩效水平, 以环境容量为约束, 设计产业优化调整和转型升级的技术路线, 优化配置环境容量资源, 提出有限环境容量下的重点行业有序发展模式, 引导企业清洁化提升改造、转型升级和绿色发展.
| [1] | 中国环境监测总站. 2013-2016中国环境状况公报, 2017-2020年中国生态环境状况公报[EB/OL]. http://www.cnemc.cn/jcbg/zghjzkgb/, 2022-08-30. |
| [2] | 天津市生态环境局. 2015年天津市环境状况公报, 2020年天津市生态环境状况公报[EB/OL]. http://sthj.tj.gov.cn/YWGZ7406/HJZL9827/HJZKGB866/TJSLNHJZKGB6653/, 2022-08-30. |
| [3] | 北京市生态环境局. 2015年北京市环境状况公报, 2020年北京市生态环境状况公报[EB/OL]. http://sthjj.beijing.gov.cn/bjhrb/index/xxgk69/sthjlyzwg/1718880/1718881/1718882/index.html, 2022-08-30. |
| [4] | 河北省生态环境厅. 2015年河北省环境状况公报, 2020年河北省生态环境状况公报[EB/OL]. http://hbepb.hebei.gov.cn/hbhjt/sjzx/hjzlzkgb/, 2022-08-30. |
| [5] |
汪伟峰, 王迎红, 王莉莉, 等. 北京奥运会期间奥运村站空气质量的观测与研究[J]. 环境科学研究, 2010, 23(1): 48-54. Wang W F, Wang Y H, Wang L L, et al. Observation and study on the air quality at the Olympic village station during the Beijing Olympic Games[J]. Research of Environmental Sciences, 2010, 23(1): 48-54. |
| [6] |
孙峰, 张大伟, 董欣, 等. 基于环境监测数据的APEC会议空气质量保障环境改善效果评估[J]. 中国环境监测, 2016, 32(3): 1-12. Sun F, Zhang D W, Dong X, et al. Research on improvement effects of assurance measures on ambient air quality during APEC based on environmental monitoring data[J]. Environmental Monitoring in China, 2016, 32(3): 1-12. |
| [7] |
肖致美, 毕晓辉, 冯银厂, 等. 天津市大气颗粒物污染特征与来源构成变化[J]. 环境科学研究, 2014, 27(3): 246-252. Xiao Z M, Bi X H, Feng Y C, et al. Variations of characteristics and sources of ambient particulate matter pollution in Tianjin City[J]. Research of Environmental Sciences, 2014, 27(3): 246-252. |
| [8] |
肖致美, 徐虹, 李立伟, 等. 基于在线观测的天津市PM2.5污染特征及来源解析[J]. 环境科学, 2020, 41(10): 4355-4363. Xiao Z M, Xu H, Li L W, et al. Characterization and source apportionment of PM2.5 based on the online observation in Tianjin[J]. Environmental Science, 2020, 41(10): 4355-4363. |
| [9] |
元洁, 刘保双, 程渊, 等. 2017年1月天津市区PM2.5化学组分特征及高时间分辨率来源解析研究[J]. 环境科学学报, 2018, 38(3): 1090-1101. Yuan J, Liu B S, Cheng Y, et al. Study on characteristics of PM2.5 and chemical components and source apportionment of high temporal resolution in January 2017 in Tianjin urban area[J]. Acta Scientiae Circumstantiae, 2018, 38(3): 1090-1101. |
| [10] |
吴文景, 常兴, 邢佳, 等. 京津冀地区主要排放源减排对PM2.5污染改善贡献评估[J]. 环境科学, 2017, 38(3): 867-875. Wu WJ, Chang X, Xing J, et al. Assessment of PM2.5 pollution mitigation due to emission reduction from main emission sources in the Bejing-Tianjin-Hebei region[J]. Environmental Science, 2017, 38(3): 867-875. |
| [11] |
赵盟. 北京市奥运期间大气污染物减排效果评估[D]. 北京: 清华大学, 2009. Zhao M. Evaluation of the air pollutants reduction during the Beijing 2008 Olympic Games[D]. Beijing: Tsinghua University, 2009. |
| [12] | Li X, Zhang Q, Zhang Y, et al. Source contributions of urban PM2.5 in the Beijing-Tianjin-Hebei region: changes between 2006 and 2013 and relative impacts of emissions and meteorology[J]. Atmospheric Environment, 2015, 123: 229-239. DOI:10.1016/j.atmosenv.2015.10.048 |
| [13] |
王浩, 李轶, 高健, 等. APEC会议期间石家庄市大气污染特征及空气质量保障措施效果评估[J]. 环境科学研究, 2016, 29(2): 164-174. Wang H, Li Y, Gao J, et al. Characteristics of air pollution and evaluation of the effects of air quality assurance measures in Shijiazhuang City during the 2014 APEC meeting[J]. Research of Environmental Sciences, 2016, 29(2): 164-174. |
| [14] |
贾佳, 郭秀锐, 程水源. APEC期间北京市PM2.5特征模拟分析及污染控制措施评估[J]. 中国环境科学, 2016, 36(8): 2337-2346. Jia J, Guo X R, Cheng S Y. Numerical study on the characteristics of PM2.5 in Beijing and the assessment of pollution control measures during APEC[J]. China Environmental Science, 2016, 36(8): 2337-2346. |
| [15] | Zhou X M, Tan J H, Qin J J, et al. Impact of emissions controls on ambient carbonyls during the Asia-Pacific Economic Cooperation summit in Beijing, China[J]. Environmental Science and Pollution Research, 2019, 26(12): 11875-11887. DOI:10.1007/s11356-019-04577-5 |
| [16] | Tong P F, Zhang Q R, Lin H M, et al. Simulation of the impact of the emergency control measures on the reduction of air pollutants: a case study of APEC blue[J]. Environmental Monitoring and Assessment, 2020, 192(2). DOI:10.1007/s10661-019-8056-1 |
| [17] |
赵辉, 郑有飞, 徐静馨, 等. 大阅兵期间北京市大气质量改善效果评估[J]. 中国环境科学, 2016, 36(10): 2881-2889. Zhao H, Zheng Y F, Xu J X, et al. Evaluation of the improvement of the air quality during the parade in Beijing[J]. China Environmental Science, 2016, 36(10): 2881-2889. |
| [18] |
钟嶷盛, 周颖, 程水源, 等. 首都重大活动与空气重污染应急减排措施效果对比分析[J]. 环境科学, 2020, 41(8): 3449-3457. Zhong Y S, Zhou Y, Cheng S Y, et al. Comparison analysis of the effect of emission reduction measures for major events and heavy air pollution in the Capital[J]. Environmental Science, 2020, 41(8): 3449-3457. DOI:10.3969/j.issn.1000-6923.2020.08.024 |
| [19] | Wang G, Cheng S Y, Wei W, et al. Characteristics and emission-reduction measures evaluation of PM2.5 during the two major events: APEC and Parade[J]. Science of the Total Environment, 2017, 595: 81-92. DOI:10.1016/j.scitotenv.2017.03.231 |
| [20] | Han X K, Guo Q J, Liu C Q, et al. Effect of the pollution control measures on PM2.5 during the 2015 China Victory Day Parade: implication from water-soluble ions and sulfur isotope[J]. Environmental Pollution, 2016, 218: 230-241. DOI:10.1016/j.envpol.2016.06.038 |
| [21] |
李荔, 刘倩, 李冰, 等. 南京青奥会期间管控措施空气质量改善效果评估[J]. 环境科学研究, 2016, 29(2): 175-182. Li L, Liu Q, Li B, et al. Assessment of air quality benefits from control measures during Nanjing Youth Olympic Games[J]. Research of Environmental Sciences, 2016, 29(2): 175-182. |
| [22] | Zhao H, ZhengY F, Li T. Air quality and control measures evaluation during the 2014 Youth Olympic Games in Nanjing and its surrounding cities[J]. Atmosphere, 2017, 8(6). DOI:10.3390/atmos8060100 |
| [23] | Li P F, Wang L Q, Guo P, et al. High reduction of ozone and particulate matter during the 2016 G-20 summit in Hangzhou by forced emission controls of industry and traffic[J]. Environmental Chemistry Letters, 2017, 15(4): 709-715. DOI:10.1007/s10311-017-0642-2 |
| [24] |
毛敏娟, 胡德云. 杭州G20峰会空气污染控制状况评估[J]. 环境科学研究, 2017, 30(12): 1822-1831. Mao M J, Hu D Y. Evaluation of the air pollution control over Zhejiang province during the G20 summit in Hangzhou[J]. Research of Environmental Sciences, 2017, 30(12): 1822-1831. |
| [25] |
刘文雯, 段菁春, 胡京南, 等. 基于环境监测数据的大气重污染应急减排措施效果评估[J]. 环境科学研究, 2019, 32(5): 734-741. Liu W W, Duan J C, Hu J N, et al. Effect assessment of emergency measures for heavy air pollution based on environmental monitoring data[J]. Research of Environmental Sciences, 2019, 32(5): 734-741. |
| [26] |
朱媛媛, 高愈霄, 汪巍, 等. 2019年10~12月京津冀及周边"2+26"城市重污染减排效果评估[J]. 环境科学, 2020, 41(10): 4402-4412. Zhu Y Y, Gao Y X, Wang W, et al. Assessment of emergency emission reduction effect during the heavy air pollution episodes in Beijing, Tianjin, Hebei, and its surrounding area("2+26"Cities) from October to December 2019[J]. Environmental Science, 2020, 41(10): 4402-4412. |
| [27] | Cheng N L, Zhang D W, Li Y T, et al. Spatio-temporal variations of PM2.5 concentrations and the evaluation of emission reduction measures during two red air pollution alerts in Beijing[J]. Scientific Reports, 2017, 7(1). DOI:10.1038/s41598-017-08895-x |
| [28] |
王凌慧, 曾凡刚, 向伟玲, 等. 空气重污染应急措施对北京市PM2.5的削减效果评估[J]. 中国环境科学, 2015, 35(8): 2546-2553. Wang L H, Zeng F G, Xiang W L, et al. A model evaluation of the effect of implementing heavy air pollution emergency plan to PM2.5 reduction in Beijing[J]. China Environmental Science, 2015, 35(8): 2546-2553. |
| [29] |
吕喆, 魏巍, 周颖, 等. 2015~2016年北京市3次空气重污染红色预警PM2.5成因分析及效果评估[J]. 环境科学, 2019, 40(1): 1-10. Lv Z, Wei W, Zhou Y, et al. Cause and effect evaluation of PM2.5 during three red alerts in Beijing from 2015 to 2016[J]. Environmental Science, 2019, 40(1): 1-10. |
| [30] |
李涛, 程兵芬, 陈云波, 等. 红色预警期间北京市PM2.5浓度特征及应急措施效果评估[J]. 环境科学学报, 2017, 37(9): 3262-3270. Li T, Cheng B F, Chen Y B, et al. Characteristics and effects of emergency measures on the concentration of PM2.5 in Beijing during the red alerts in 2015[J]. Acta Scientiae Circumstantiae, 2017, 37(9): 3262-3270. |
| [31] | Jia J, Cheng S Y, Liu L, et al. An integrated WRF-CAMx modeling approach for impact analysis of implementing the emergency PM2.5 control measures during red alerts in Beijing in December 2015[J]. Aerosol and Air Quality Research, 2017, 17(10): 2491-2508. |
| [32] |
翟世贤, 安兴琴, 刘俊, 等. 不同时刻污染减排对北京市PM2.5浓度的影响[J]. 中国环境科学, 2014, 34(6): 1369-1379. Zhai S X, An X Q, Liu J, et al. Effects of emission-sources reduction at different time points on PM2.5 concentration over Beijing Municipality[J]. China Environmental Science, 2014, 34(6): 1369-1379. |
| [33] |
朱媛媛, 汪巍, 高愈霄, 等. 疫情期间"2+26"城市污染减排成效评估[J]. 中国环境科学, 2021, 41(2): 505-516. Zhu Y Y, Wang W, Gao Y X, et al. Assessment of emission reduction effect in Beijing, Tianjin and surrounding 26 cities from January to March in 2020 during the epidemic of COVID-19[J]. China Environmental Science, 2021, 41(2): 505-516. |
| [34] |
李洋, 唐伟, 杜谨宏, 等. "2+26"城市秋冬季大气污染治理措施效果评估[J]. 中国环境科学, 2021, 41(10): 4484-4494. Li Y, Tang W, Du J H, et al. Assessment on air pollution control measures during autumn and winter seasons in "2+26" cities[J]. China Environmental Science, 2021, 41(10): 4484-4494. |
| [35] | Wang J D, Zhao B, Wang S X, et al. Particulate matter pollution over China and the effects of control policies[J]. Science of the Total Environment, 2017, 584-585: 426-447. |
| [36] | Cheng J, Su J P, Cui T, et al. Dominant role of emission reduction in PM2.5 air quality improvement in Beijing during 2013-2017: a model-based decomposition analysis[J]. Atmospheric Chemistry and Physics, 2019, 19(9): 6125-6146. |
| [37] | Zhang Q, Zheng Y X, Tong D, et al. Drivers of improved PM2.5 air quality in China from 2013 to 2017[J]. Proceedings of the National Academy of Sciences, 2019, 116(49): 24463-24469. |
| [38] | 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. |
| [39] | Liu B S, Yang J M, Yuan J, et al. Source apportionment of atmospheric pollutants based on the online data by using PMF and ME2 models at a megacity, China[J]. Atmospheric Research, 2017, 185: 22-31. |
| [40] | Xu H, Xiao Z M, Chen K, et al. Spatial and temporal distribution, chemical characteristics, and sources of ambient particulate matter in the Beijing-Tianjin-Hebei region[J]. Science of the Total Environment, 2019, 658: 280-293. |
| [41] |
肖致美, 徐虹, 李鹏, 等. 天津市典型区域PM2.5中水溶性离子污染特征[J]. 环境科学研究, 2019, 32(8): 1324-1332. Xiao Z M, Xu H, Li P, et al. Characterization of water-soluble ions in typical regional PM2.5 in Tianjin city[J]. Research of Environmental Sciences, 2019, 32(8): 1324-1332. |
| [42] | 贺克斌. 城市大气污染物排放清单编制技术手册[EB/OL]. https://www.doc88.com/p-3337324265982.html, 2022-08-30. |
| [43] |
蔡子颖, 韩素芹, 邱晓滨, 等. 基于WRF/Chem模式天津地区重污染天气成因分析[J]. 高原气象, 2019, 38(5): 1108-1119. Cai Z Y, Han S Q, Qiu X B, et al. Research on causes of severely polluted weather in Tianjin based on WRF/Chem[J]. Plateau Meteorology, 2019, 38(5): 1108-1119. |
| [44] |
蔡子颖, 唐邈, 肖致美, 等. 基于源反演和气溶胶同化方法天津空气质量模式预报能力改进[J]. 环境科学, 2022, 43(5): 2415-2426. Cai Z Y, Tang M, Xiao Z M, et al. Improvement of environmental model prediction based on inversion and aerosol assimilation[J]. Environmental Science, 2022, 43(5): 2415-2426. |
| [45] |
郭文凯, 李光耀, 陈冰, 等. 兰州市高分辨率人为源排放清单建立及在WRF-Chem中应用评估[J]. 环境科学, 2021, 42(2): 634-642. Guo W K, Li G Y, Chen B, et al. Establishment of a High-resolution anthropogenic emission inventory and its evaluation using the WRF-Chem model for Lanzhou[J]. Environmental Science, 2021, 42(2): 634-642. |
| [46] |
蔡子颖, 郝囝, 韩素芹, 等. 2000~2020年天津PM2.5质量浓度演变及驱动因子分析[J]. 环境科学, 2022, 43(3): 1129-1139. Cai Z Y, Hao J, Han S Q, et al. Analysis of change and driving factors of PM2.5 mass concentration in Tianjin from 2000 to 2020[J]. Environmental Science, 2022, 43(3): 1129-1139. |
| [47] | 天津市统计局. 2016-2021年天津统计年鉴[EB/OL]. https://stats.tj.gov.cn/tjsj_52032/tjnj/, 2022-08-30. |