2. 中国科学院区域可持续发展与模拟重点实验室, 北京 100101;
3. 北京大学深圳研究生院, 深圳 518055
2. Key Laboratory of Regional Sustainable Development Modeling, Chinese Academy of Sciences, Beijing 100101, China;
3. Shenzhen Graduate School, Peking University, Shenzhen 518055, China
近年来, 持续性严重污染事件频发极大地危害着居民的身体健康[1], 城市群作为中国城市化和工业化的核心区域, 面临着更大的环境压力[2].京津冀城市群(Jing-jin-ji urban agglomeration, JJJUA)是中国五大国家级城市群之一, 包括北京、天津和河北省石家庄、保定、沧州、承德、邯郸、衡水、廊坊、秦皇岛、唐山、邢台、张家口等13个地级以上城市, 总面积21.72万km2, 占全国总面积的2.26%(图 1). 2015年常住人口1.11亿, 占全国总人口的8.19%, 是全国“资源环境与发展矛盾最为尖锐的地区”和“空气污染最严重的区域”[3]. 2016年, 京津冀城市群PM2.5的浓度为71 μg·m-3, 高于全国平均水平51.1%[4], 但已经比2013年降低了33.0%[5]. 2016年5月, 联合国环境规划署(UNEP)发布的有关北京空气污染治理历程的评估报告称, 1998~2013年北京持续采取的大气污染治理措施对改善北京市的空气质量发挥了积极作用[6].京津冀城市群地区空气质量的快速改善, 得益于国家紧急采取的空气污染防治综合措施.在空气污染研究领域, 学者更多地关注污染物的时空特征[7~9]、成分特征与来源解析[10~12]、影响因素[13~15]、重污染过程的模拟[16, 17]、空气污染传导[18]、减排及治理对策等[19~21], 而系统梳理和总结近年来国家空气污染防治措施和模式的研究较少. 2015年是《大气污染防治行动计划》实施的中期, 京津冀城市群采取了怎样的大气污染防治模式?防治效果如何?SO2、NO2、PM10、PM2.5、O3、CO等监测污染物时空特征发生了哪些变化?这些变化又得益于何种政府防治管理模式?本文基于以上热点问题, 系统整理了国家和部门出台的相关政策文件, 总结了空气污染治理模式, 并借助2014~2015年京津冀城市群的小时监测数据, 系统评价6种污染物的治理效果, 提出问题与对策, 以期为国家正在实施的大气污染防治行动提供借鉴.
![]() |
图 1 京津冀城市群范围及2015年空气质量监测点位置示意 Fig. 1 Spatial distribution of air quality monitoring sites in the JJJUA in 2015 |
面对日益严重的空气污染, 2013年开始, 中央政府密集出台《大气污染防治行动计划》(《计划》)、《能源行业大气污染治理方案》等强制减排政策, 明确提出全国和重点地区近中远期空气污染治理目标.京津冀中南部区域处于同一个大气流场, 在区域和局地风场的作用下, 各地排放污染物相互输送、回流混合、传输叠加[22].在传统煤烟型污染尚未得到控制的情况下, 以细颗粒物(PM2.5)、臭氧为特征的区域性复合型大气污染日益突出, 大范围的空气重污染现象频繁发生, 单个城市独自采取行动难以达到治污控霾的效果, 区域联防联控势在必行.所以, 2013年9月, 环境保护部等相关部门联合出台了《京津冀及周边地区落实大气污染防治行动计划实施细则》(《细则》), 明确提出了到2017年底该地区大气污染治理的具体措施、目标与细则.相继出台的《京津冀协同发展规划纲要》(《纲要》)和全国第一个跨省市行政区的《“十三五”时期京津冀国民经济和社会发展规划》(《规划》)也把大气污染治理作为重点目标.基于大气污染源和污染扩散的时空属性, 由此, 京津冀城市群地区为先行先试区, 中国逐渐探索出一套全新的分层跨区多向联动(hierarchical cross-regional multi-directional linkage, HCML)大气污染防治管理模式, 从直接治理和间接预防两方面, 统筹国家、区域和城市等多个层级, 采取系统、持续的联合应对行动.该行动使2015年主要污染物PM2.5、PM10、SO2、NO2和CO的浓度比2014年分别下降17.84%、14.61%、37.55%、4.82%和16.18%, 治理效果明显.重要的是, 《2015年中国气候公报》显示, 2015年超强厄尔尼诺事件导致全国平均气温较常年偏高0.95℃, 降水增多, 南涝北旱, 冷空气频次减少, 强度偏弱等条件, 为区域空气污染的形成提供了良好的发育环境.即使如此, 京津冀主要污染物浓度仍然实现了大幅降低, 这也表明国家空气污染治理取得了良好效果.
本文将其概括为“分层跨区多向联动(HCML)”的大气污染治理模式, 包括以下框架和运行机制.
1.1 模式构架:分层纵向的联动构架建立了“国家-区域-城市”三层纵向联动的立体防治构架(图 2).第一, 国家层面实施顶层机制设计.党中央、国务院高度重视大气污染防治. 2013年, 国务院出台《大气污染防治行动计划》(国发〔2013〕37号), 提出全国大气污染防治的总体要求、奋斗目标和政策举措.第二, 区域层面实施任务分解与问责机制.国务院授权环境保护部与各省(区、市)人民政府层层签订大气污染防治目标责任书, 把目标任务分解落实到各级政府、部门和企业, 构建纵向到底、横向到边的目标任务和责任考核体系.第三, 城市层面开展横向减排落实机制.构建城市减排工程体系, 包括源头控制、能源结构调整、机动车结构调整、产业结构优化、末端污染治理、城市精细化管理、生态环境建设和空气重污染应急等减排工程, 定制“专项责任清单”, 明确城市部门的职责分工, 规定城市各级政府的属地管理责任.
![]() |
图 2 京津冀城市群大气污染HCML防治模式 Fig. 2 Regional HCML model of air pollution in JJJUA |
建立了跨区横向联动的防治管理体系.第一, 成立跨区域大气污染管理机构. 2013年, 成立京津冀及周边区域大气污染防治协作小组, 针对污染问题组织京津冀晋鲁蒙豫等省市和相关部委主要负责人不定期召开会议.第二, 跨区行动计划确定短期防治目标.环境保护部等六部委联合出台的《细则》明确了京津冀及晋鲁蒙等周边地区2017年的细颗粒物年均浓度控制目标、产业与环境准入标准和落后产能淘汰任务.第三, 跨区协同规划制定长期防治路径.先后出台的《纲要》和《规划》提出建设生态修复环境改善示范区, 明确了京津冀城市群污染防治与绿色发展框架与路径.第四, 开创跨区调度令制度. 2016年11月, 河北省开创并实施.调度令经省政府授权, 针对大气环境质量目标进度、区域性重污染过程、重大活动及突出的环境问题, 根据污染源解析结果和研判, 对特定区域的相关工业企业减排、城市扬尘治理、机动车限行、面源污染防治等重点工作进行调度.
1.3 模式保障:协同多向的联动机制产业结构、能源结构以及交通格局是当前京津冀城市群空气污染的决定性因素.基于此, 城市群各级政府制定了以下联动对策.
第一, 产业准入联动机制.京津冀及鲁晋蒙等周边地区不得审批钢铁、水泥、电解铝、平板玻璃、船舶、炼焦、有色、电石、铁合金等过剩和新增产能项目.北京不再审批劳动密集型的一般制造业新增产能项目, 现有的逐步向外转移.京津、石家庄等13个城市建设火电、钢铁、石化、水泥、有色、化工等六大行业以及燃煤锅炉项目, 要严格执行大气污染物排放限值.设定各省淘汰高污染企业清单和产能目标.
第二, 能源结构调整联动机制.实行煤炭消费总量控制计划, 2017年压减总量8300万t; 实施清洁能源替代计划, 提升天然气等清洁能源使用比重, 北京煤炭占能源比重下降到10%以下; 推进煤炭清洁利用计划, 扩大高污染燃料禁燃区范围, 推动高效清洁化供热, 推广太阳能热水系统; 优化区域产业空间布局, 2017年底完成城市主城区钢铁、石化、化工等重污染企业的搬迁与改造.
第三, 绿色交通联动机制.优化城市群城际综合交通体系, 实施公交优先战略, 提高绿色交通出行比例, 规划2017年京津公共交通出行比例60%以上; 控制机动车保有量, 京津和廊坊同步实施机动车总量控制及车牌尾号限时、限区域联动机制; 2017年底全部淘汰黄标车, 并提升燃油品质达到国家第五阶段标准; 推广新能源汽车, 京津和省会城市年增或更新公交车中新能源和清洁燃料车达60%.
第四, 跨区援助联动机制.依据《细则》“七省联动、共同保障”的要求, 北京、天津和河北三地环境保护厅(局)共同签订《京津冀区域环境保护率先突破合作框架协议》, 在实施区内行动计划的同时, 开展京津援助河北重点城市联合治污模式, 在沧州市燃煤锅炉综合治理、散煤洁净化治理、民用燃煤洁净煤替代等领域对特定城市进行对口援助.
第五, 监测预警联动机制.在地级以上城市建成统一的国家空气质量监测网, 完善污染源在线监测体系, 建成机动车排污监控平台; 构建重污染天气监测预警系统, 各级政府组织编制应急预案, 构建区域性重污染天气应急响应机制, 实行联防联控.
第六, 会商问责联动机制.联合省市自治区和相关部委协调解决突出环境问题, 组织实施环评会商、联合执法、信息共享、预警应急等措施; 国务院、省市区、城市和企业分别签订大气污染防治目标责任书, 层层落实目标任务; 建立政府考核为主、兼顾第三方评估的考核体系, 对上年治理情况进行考核, 结果向国务院报告, 并向社会公布.
1.4 模式实施:共享互助的联合行动2013年以来, HCML大气污染治理模式在京津冀城市群地区全面实施. ① 产业准入联动:从2014~2015年京津冀三地相互投资的行业来看, 北京产业结构正在转向于科技创新行业, 天津则主打先进制造研发基地和金融创新运营示范区, 河北正在建设产业转型升级试验区. 2015年三地相互投资额为1 948.75亿元, 是2014年的3.2倍, 表明国家支持的先进产业正在京津冀快速兴起. ② 能源结构调整联动:2013年以来, 京津冀三地煤改电、减煤换煤两条主线同步推进.北京持续控制能源消费总量与燃煤量, 优质能源消费比重达88%;天津至2016年为止已消减燃煤消费总量1 000万t, 不断提高外输电比例和清洁能源开发利用; 河北省前所未有地密集出台控煤政策, 努力调整能源结构, 非化石能源占一次能源比重年均上升5%左右. ③ 绿色交通联动:交通运输部协同京津冀在补齐基础设施网络短板, 加快推进重大铁路干线、城际铁路等建设, 以及提升北京交通枢纽功能和促进综合运输服务与管理的一体化方面开展了大量工作, 如2016年京台高速京冀段的通车, 延崇高速公路北京段的开工建设, 首都地区环线高速公路的开工, 京津冀互通卡的启用等. ④ 跨区域援助联动:2014年, 北京市提供4.6亿元补偿廊坊、保定开展联合治污, 共减少燃煤77万t, 年均减排二氧化硫6 000余t; 2016年, 天津市将投入4亿元专项基金对口支援沧州与唐山的大气污染治理项目. ⑤ 监测预警联动:三地建立了空气质量预报信息共享机制, 完善了空气重污染预警会商和应急联动机制.在历次重污染天气过程中, 三地环保监测中心与中国环境监测总站空气质量预警中心及时就京津冀区域重污染天气预报预警、空气质量变化趋势等进行会商研判, 推进区域重污染天气预警预报、会商及应急相应联动, 为采取及时、高效、准确的应急措施提供了决策依据. ⑥ 会商问责联动:在重大活动和遇极端不利气象条件期间, 三地统一监测, 每日开展空气质量实时联合视频会商, 并且同步采取应急减排与问责措施, 减缓区域空气污染积累程度. 2016年, 环保部共计对空气质量恶化明显的7个城市政府主要负责同志进行公开约谈, 并对空气质量改善进度缓慢的省份和城市及时实施预警.
2 材料与方法京津冀城市群范围空气质量主要污染物SO2、NO2、PM10、PM2.5、O3、CO研究数据来源于中国环境监测总站的城市空气质量实时发布平台监测数据[23]. 2014年, 城市群有监测点82个, 2015年增至112个.根据GB 3095-2012[24]对大气污染物浓度数据有效性要求, 参考王振波等[4]的研究成果, 对监测数据进行了质量控制.因城市检测点的数量和日数据的有效时间点各异, 本文对数据进行平均值处理, 得到2014~2015年13个城市6种污染物的日均浓度值.本文将城市群视为国家二类环境功能区, 即居住区、商业交通居民混合区、文化区、工业区和农村地区, 污染物的年平均和日平均浓度限值参考GB 3095-2012标准. “日平均值”指一个自然日24 h平均浓度的算术平均值, “月平均值”指一个日历月内各日平均浓度的算术平均值, “季平均值”指一个日历季内各日平均浓度的算数平均值, “年平均值”指一个日历年内各日平均浓度的算数平均值[24]; 另外, 春季为3~5月, 夏季为6~8月, 秋季为9~11月, 冬季为1~2月和12月.
3 2014~2015年京津冀城市群空气污染的治理效果评估 3.1 污染物浓度变化评估近两年来, 中国跨区域的大气综合治理使京津冀城市群空气质量明显改善.除O3外, 其他污染物浓度显著下降, 其中SO2的下降幅度最大, 表明火电和有色金属冶炼排放得到了有效控制.从年均浓度来看(图 3), 2014~2015年, PM2.5浓度下降16 μg·m-3, 降幅17.84%; PM10下降21 μg·m-3, 降幅14.61%; SO2下降14 μg·m-3, 降幅37.55%; NO2下降2 μg·m-3, 降幅4.82%; CO下降0.28 mg·m-3, 降幅16.18%;只有O3上升3 μg·m-3, 升高幅度3.25%.
![]() |
图 3 2014~2015年京津冀城市群主要污染物浓度逐日、逐月变化规律 Fig. 3 Daily and monthly variations in the regularity of major pollutant concentrations in JJJUA, 2014-2015 |
分季度来看, 2014~2015年, PM2.5浓度四季均呈下降趋势, 其中秋季下降29 μg·m-3, 降幅最大, 其次为春夏和冬季; PM10相似, 秋季浓度下降最多, 为31.13%, 其次为春夏, 冬季稍有增加(0.78%); SO2浓度四季均有下降, 冬季下降最多, 为23 μg·m-3(32.91%), 春季次之, 但下降比率最大, 为53.04%, 夏秋降幅度33%左右; O3浓度除夏季下降10 μg·m-3(5.87%)之外, 春秋冬均有所上升, 其中冬季上升19 μg·m-3, 比率最高(54.40%); NO2浓度除冬季上升2 μg·m-3, 其他季节均呈下降趋势, 其中春季下降8 μg·m-3, 降幅最大(32.91%), 夏秋降幅在4%~5%之间; CO浓度四季均有下降, 其中春冬降幅较大, 分别为0.21 mg·m-3(15.72%)和0.66 mg·m-3(21.40%), 夏秋较小, 分别为0.09 mg·m-3(9.01%)和0.15 mg·m-3(10.16%).
逐月来看, 2015年1~11月空气污染较2014年同期均有较大改善.其中PM2.5和PM10浓度均在10月出现最大降幅(50 μg·m-3和61 μg·m-3). SO2浓度全年下降, 1~4月和11~12月降幅较大. O3浓度1~4月和9~10月出现上升, 其中1~2月上升幅度均达到120%以上; 下降的月份中, 8月、11~12月下降幅度均在10%以上. NO2浓度8~9月和12月出现上升, 其他月份均有所降低, 其中2~4月和11月下降幅度均在11%以上. CO浓度1月稍有上升, 其他月份有所下降; 除6月、8~9月和11月外, 其他月份的下降幅度均在10%以上, 其中12月下降幅度38.90%(1.84 mg·m-3). 2015年12月, 受冬季燃煤和华北多次强降雪天气导致大范围的高湿度、低风速、强逆温的气象条件影响, 城市群发生了多次严重污染, 其中保定和衡水等城市出现了连续8天的重度及以上污染天气, 使当月PM2.5、PM10和NO2浓度较2014年12月大幅提升.
逐日来看, 2014~2015年城市群污染物日均浓度呈现下降趋势.但两年内6污染物逐日浓度所呈现的脉冲型周期性规律并无明显改变, O3的年变化趋势为“n”型, 其余5种污染物年变化趋势整体呈现出“U”型.各污染物春冬季波动周期较短, 约为5~7 d, 夏秋季周期较长, 约为10~15 d; 除此之外, 6种污染物的波幅呈现出明显的季节差异, 春冬季各污染物浓度的日变化振幅较大, 而夏秋季则较小.
3.2 污染物达标天数变化评估根据GB 3095-2012, 二类区域PM2.5、PM10、SO2、O3、NO2、CO的日限值分别为75 μg·m-3、150 μg·m-3、150 μg·m-3、160 μg·m-3、80 μg·m-3和4 mg·m-3.以此为依据, 通过计算近两年来京津冀城市群空气污染物的超标天数, 揭示空气质量变化情况. 2014~2015年城市群主要污染物的达标天数除NO2减少之外, 其他均有所增加.其中, PM2.5的达标天数从175 d增加到212 d, 增加了37 d, 增长率为21.14%. PM10和O3分别增加了42 d和6 d, 分别增长19.72%和2.08%. SO2、CO、NO2的全年污染较轻, 但前两类达标天数实现3 d(0.86%)和15 d(4.57%)的增长, NO2则减少了7 d(-2.08%), 呈加重趋势(表 1).
![]() |
表 1 2014~2015年京津冀城市群主要污染物达标天数统计 Table 1 Statistics for days meeting air quality standards for major pollutants in the JJJUA, 2014-2015 |
从季节和逐月来看, 2014~2015年PM2.5达标天数增幅春秋多于夏冬.春秋均增加18 d, 4月和10月均增加10 d以上; 夏季各月起伏较大, 总量增加2 d; 冬季因12月减少6 d, 总量减少了1 d. PM10达标天数中, 春秋增加, 夏冬减少.春季4~5月增加28 d, 秋季增加17 d, 月均增长5~6 d; 冬夏浮动较大, 各减少1~2 d. SO2达标天数除夏季减少6 d之外(8月减少8 d), 春秋冬均增加1~4 d. O3达标天数春夏增加, 秋冬减少.夏季增加12 d, 其中7月增加9 d; 春季4~5月浮动较大, 总量增加2 d; 秋冬分别减少6 d和2 d. NO2达标天数春秋增加, 夏冬减少, 总量减少7 d, 主要集中在1、8和12月. CO夏季减少6 d, 其中8月减少8 d; 春秋冬均有增加, 12月增加17 d.两年来看, 1~11月空气质量明显好转, 但12月受复杂燃煤与气象条件的影响[25], 容易出现大规模和长时段的污染事件(如2014年12月的CO污染和2015年12月的PM2.5、PM10和NO2污染), 并且对全年的空气质量平均水平产生较大的负面影响.
3.3 污染物空间范围变化评估2014~2015年京津冀城市群监测的6种空气污染物中, 有5种污染物高污染范围由城市群北部向南部明显缩小, 只有O3污染范围向北扩散. 2015年, 京津冀城市群全域PM2.5浓度较2014年整体下降16 μg·m-3(降幅17.8%), 污染较为严重的南部地区, 其污染物浓度降幅明显大于北部地区. 2015年, 城市群PM2.5浓度仍然呈现南高北低的格局, 但年均浓度75 μg·m-3(国家年均限值)以上的高污染地区已经退至京津以南[图 4(a)和图 4(b)].其中, 石家庄年均浓度降低最大, 为35 μg·m-3(降幅28.8%), 邢台、邯郸、沧州和承德降幅均在20%以上, 京津分别降低11.2%和13.9%, 张家口空气质量优良, 降幅最小.分季节看, 城市群秋季降幅最大(31.4%), 8个城市降幅30%以上, 秦皇岛和石家庄降幅高于40%;其次为春季(18.4%), 邢台降幅35.7%, 沧州等4个城市降幅20%以上; 夏季空气质量较好, 平均降幅13.8%, 其中承德、北京等4个城市降幅20%以上; 冬季空气污染最严重, 整体降幅全年最小(9.9%), 但张家口和石家庄降幅高于20%, 保定、衡水和天津则出现浓度升高现象.逐月来看, 1~11月均呈现下降趋势, 10月降幅最大(46.3%), 12月浓度则上升61.1%, 而浓度起伏较大的区域主要集中在城市群中部的北京、天津、衡水、廊坊和保定地区, 表明以京津为核心的城市群中心区域PM2.5的污染治理具有更大的难度[26].
![]() |
图 4 2014~2015年京津冀城市群主要污染物空间分布变化 Fig. 4 Variations in the spatial distribution of major pollutants in Beijing-Tianjin-Hebei Region in 2014 and 2015 |
2015年的PM10年均浓度较2014年下降22 μg·m-3(降幅14.6%), 与PM2.5相似, 南部高污染地区浓度降幅较北部地区更为显著, 但整个城市群地区浓度均高于国家年均限值70 μg·m-3[图 4(c)和4(d)].其中石家庄浓度降低62 μg·m-3(降幅30.2%), 其次为邢台, 降低55 μg·m-3(降幅24.5%), 北京、承德降幅也在20%以上; 张家口和邯郸浓度反而上升.分季节看, 秋季PM10浓度降幅最大(47 μg·m-3, 14.6%), 其中保定浓度降低最大(93 μg·m-3), 降幅高达62%, 北京及以南8个城市降幅也在30%以上; 其次为春季(32 μg·m-3, 19.3%)和夏季(11 μg·m-3, 10.0%), 冬季浓度有所升高, 中南部的北京、保定等8个城市浓度均有上升.分月来看, 1~11月均呈现下降趋势, 10月和11月下降幅度均大于30%, 12月浓度增长51 μg·m-3(34.7%).张家口和邯郸PM10浓度分别有10个月和5个月呈上升趋势, 表明两个城市污染正在加重.
SO2浓度两年间下降了14 μg·m-3(27.3%). 2014年南部的邢台、保定、石家庄和东部的唐山年均浓度均高于国家限值60 μg·m-3; 2015年所有城市均降至国家限值以下, 仍显示南高北低的空间格局[图 4(e)和4(f)].季节上, 两年间春季SO2浓度降幅最大(34.7%), 其中京津和张家口降幅均在40%以上, 保定降幅最小(5.9%); 夏、秋、冬季降幅均在24%~25%之间.月份上, 3~5月降幅在30%以上, 其中5月下降40.5%; 9月降幅最小(13.1%), 其余月份均在22%~30%之间.整体来看, 京津以北地区降幅较以南地区更显著.
O3是城市群唯一浓度升高的污染物, 两年内年均浓度提高了3 μg·m-3(提升3.3%).空间上看, 衡水是城市群O3污染的核心地区.城市群南部的沧州、邢台、邯郸、衡水、张家口、石家庄、天津浓度降低, 北部的其他城市浓度提升, 其中张家口O3浓度提高41 μg·m-3(58.6%), 为城市群最高[图 4(g)和4(h)].分季节看, 城市群夏季浓度降低(5.9%), 春、秋、冬季浓度升高, 分别提高1.4%、5.1%和54.4%.其中春夏升高区域集中在北部的张家口和承德, 秋冬季则是南部地区升高幅度更大.逐月来看, 1~4月和9~10月浓度提升, 其中1~2月(>120%)南部地区贡献较大, 其他月份( < 10%)北部地区贡献较大. 5~8月和11~12月浓度下降, 12月降幅最大(21.6%), 天津及以南的石家庄、保定等城市贡献较大.
城市群NO2浓度两年内下降了2.3 μg·m-3(降幅4.8%).沧州和衡水浓度分别升高6 μg·m-3(18.7%)、2 μg·m-3(4.5%), 成为南部NO2污染中心, 导致城市群南部地区NO2浓度超国家限值(40 μg·m-3)的区域面积明显增大.除两市之外, 其他城市均呈下降趋势.唐山浓度虽然有所降低, 但因浓度基数较高(两年均高于60 μg·m-3), 仍然是北部污染中心; 下降幅度较大的城市为京(9.6%)、津(22.7%)和承德(12.4%)[图 4(i)和4(j)].分季节看, 冬季城市群整体浓度升高, 污染源主要位于秦皇岛、衡水、北京、唐山等中部6市, 其他城市浓度有所下降; 春夏秋季浓度下降, 春季降幅最大, 只有沧州浓度提升; 夏秋浓度降低主要归功于京津和石家庄等中部城市NO2浓度的大幅下降.逐月来看, 8~9月和12月浓度升高, 北京以南地区贡献较大; 其他月份浓度降低, 京津、张家口等中部地区贡献较大.
城市群的CO浓度全年降低0.28 mg·m-3(降幅16.2%).虽然衡水、承德、廊坊和邢台浓度有所上升, 但京津、张家口和保定等中部城市较大的降幅保持了城市群整体浓度的下降趋势.其中京津分别下降67.4%和25.1%, 位于前列[图 4(k)和4(l)].分季节看, 两年内四季均呈下降趋势, 其中冬季降幅最大(21.4%), 北京、张家口和唐山贡献较大; 春季次之(降幅15.7%), 城市群南部地区贡献较大; 夏秋季降幅分别为9.0%和10.2%, 保定、天津、张家口和秦皇岛等中北部地区贡献较大.逐月来看, 1月浓度略有上升(0.7%), 其他月份均呈下降趋势, 其中12月降幅最大, 主要受益于北京和秦皇岛下降幅度较大; 其他月份均在20%以下, 其中京津、张家口CO浓度大幅下降对整个城市群带动效应明显.
4 结论(1) 近年来, 国家对京津冀城市群等地区的大气污染采取了分层跨区多向联动的防治模式, 该模式由国家-城市群-城市构成的分层纵向联动构架, 协同多个省市行政区的跨区横向联动管治方式以及涉及产业准入、能源结构、绿色交通、跨区援助、监测预警和会商问责等内容的协同多向联动机制.
(2) 分层跨区多向联动大气污染防治模式的实施使京津冀城市群的空气质量显著改善. 2014~2015年, 城市群的空气质量显著改善, 除O3外, 空气污染物浓度显著降低, 高污染范围由北向南显著缩小, 其中PM2.5、PM10、SO2、NO2和CO的年均浓度分别下降17.84%、14.61%、37.55%、4.82%和16.18%;除NO2外, 污染物全年空气达标天数明显增加.
(3) 冬季是京津冀城市群大气污染最严重的季节. 2014和2015年, PM2.5冬季污染天数比重均大于70%(60 d), 分别占全年污染天数的34.8%和43.3%, 其中重度以上污染天数的全年比重分别为54.2%和82.6%.所以, 亟待开展冬季燃煤期重霾污染的溯源与过程研究, 特别是针对民用散煤清洁化、燃煤小锅炉和“散小乱污”企业等问题开展防治模式创新.
(4) 京津冀城市群O3污染呈现加重趋势, 重点防治季节为夏季, 重点防治区域为以衡水为中心的城市群南部地区.
(5) HCML模式仍处于碎片化阶段, 政府仍为单一治理主体.随着京津冀一体化进程的深入, 民众和社会组织在城市群公共问题治理中的作用尚未完全发挥, HCML模式需要参与主体的多元化和治理手段的多样化.
(6) 面向京津冀城市群中小企业数量庞大、布局分散、偷排造假, 以及环保部门执法压力大等问题, HCML模式需要采取多部门、多主体的统一排污监管机制和落实职责的联合监管与问责模式, 完善公众监督机制.
(7) 当前京津冀大气污染防治法律体系难以对接匹配, 当务之急是建立京津冀协同立法、审议与公众参与机制, 一方面借鉴、融合与匹配各地的相关条例; 另一方面建立跨区域法院并出台相应规范性文件, 以解决跨区域司法纠纷.
[1] | Xie Y, Dai H C, Dong H J, et al. Economic impacts from PM2.5 pollution-related health effects in China: a provincial-level analysis[J]. Environmental Science & Technology, 2016, 50(9): 4836-4843. |
[2] | Zhao Z Y, Chang R D, Zillante G. Challenges for China's energy conservation and emission reduction[J]. Energy Policy, 2014, 74: 709-713. DOI:10.1016/j.enpol.2014.07.004 |
[3] | 国家发展与改革委员会, 环境保护部. 京津冀协同发展生态环境保护规划[Z]. 北京, 2015-12-30. |
[4] |
王振波, 方创琳, 许光, 等. 2014年中国城市PM2.5浓度的时空变化规律[J]. 地理学报, 2015, 70(11): 1720-1734. Wang Z B, Fang C L, Xu G, et al. Spatial-temporal characteristics of the PM2.5 in China in 2014[J]. Acta Geographica Sinica, 2015, 70(11): 1720-1734. |
[5] |
李珊珊, 程念亮, 徐峻, 等. 2014年京津冀地区PM2.5浓度时空分布及来源模拟[J]. 中国环境科学, 2015, 35(10): 2908-2916. Li S S, Cheng N L, Xu J, et al. Spatial and temporal distrubions and source simulation of PM2.5 in Beijing-Tianjin-Hebei region in 2014[J]. China Environmental Science, 2015, 35(10): 2908-2916. DOI:10.3969/j.issn.1000-6923.2015.10.004 |
[6] |
王浩, 高健, 李慧, 等. 2007-2014年北京地区PM2.5质量浓度变化特征[J]. 环境科学研究, 2016, 29(6): 783-790. Wang H, Gao J, Li H, et al. Variation of PM2.5 mass concentration in Beijing area during 2007-2014[J]. Research of Environmental Sciences, 2016, 29(6): 783-790. |
[7] |
杨俊益, 辛金元, 吉东生, 等. 2008~2011年夏季京津冀区域背景大气污染变化分析[J]. 环境科学, 2012, 33(11): 3693-3704. Yang J Y, Xin J Y, Ji D S, et al. Variation analysis of background atmospheric pollutants in North China during the summer of 2008 to 2011[J]. Environmental Sciences, 2012, 33(11): 3693-3704. |
[8] |
王占山, 李云婷, 陈添, 等. 2013年北京市PM2.5的时空分布[J]. 地理学报, 2015, 70(1): 110-120. Wang Z S, Li Y T, Chen T, et al. Spatial-temporal characteristics of PM2.5 in Beijing in 2013[J]. Acta Geographica Sinica, 2015, 70(1): 110-120. |
[9] |
周磊, 武建军, 贾瑞静, 等. 京津冀PM2.5时空分布特征及其污染风险因素[J]. 环境科学研究, 2016, 29(4): 483-493. Zhou L, Wu J J, Jia R J, et al. Investigation of temporal-spatial characteristics and underlying risk factors of PM2.5 pollution in Beijing-Tianjin-Hebei area[J]. Research of Environmental Sciences, 2016, 29(4): 483-493. |
[10] | Zhang F, Cheng H R, Wang Z W, et al. Fine particles (PM2.5) at a CAWNET background site in Central China: chemical compositions, seasonal variations and regional pollution events[J]. Atmospheric Environment, 2014, 86: 193-202. DOI:10.1016/j.atmosenv.2013.12.008 |
[11] |
郑晓霞, 李令军, 赵文吉, 等. 京津冀地区大气NO2污染特征研究[J]. 生态环境学报, 2014, 23(12): 1938-1945. Zheng X X, Li L J, Zhao W J, et al. Spatial and temporal characteristics of atmospheric NO2 in the Beijing-Tianjin-Hebei region[J]. Ecology and Environmental Sciences, 2014, 23(12): 1938-1945. DOI:10.3969/j.issn.1674-5906.2014.12.008 |
[12] |
高文康, 唐贵谦, 辛金元, 等. 京津冀地区严重光化学污染时段O3的时空分布特征[J]. 环境科学研究, 2016, 29(5): 654-663. Gao W K, Tang G Q, Xin J Y, et al. Spatial-temporal variations of ozone during severe photochemical pollution over the Beijing-Tianjin-Hebei region[J]. Research of Environmental Sciences, 2016, 29(5): 654-663. |
[13] | Lin G, Fu J Y, Jiang D, et al. Spatio-temporal variation of PM2.5 concentrations and their relationship with geographic and socioeconomic factors in China[J]. International Journal of Environmental Research and Public Health, 2014, 11(1): 173-186. |
[14] | Huang F F, Li X, Wang C, et al. PM2.5 spatiotemporal variations and the relationship with meteorological factors during 2013-2014 in Beijing, China[J]. PLoS One, 2015, 10(11): e0141642. DOI:10.1371/journal.pone.0141642 |
[15] |
廖晓农, 张小玲, 王迎春, 等. 北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析[J]. 环境科学, 2014, 35(6): 2031-2044. Liao X N, Zhang X L, Wang Y C, et al. Comparative analysis on meteorological condition for persistent haze cases in summer and winter in Beijing[J]. Environmental Science, 2014, 35(6): 2031-2044. |
[16] |
樊梦, 朱蓉, 朱克云, 等. 2015年11月京津冀持续重污染过程模拟研究[J]. 高原山地气象研究, 2016, 36(1): 7-14. Fan M, Zhu R, Zhu K Y, et al. Numerical simulation study on lasting heavy air pollution in Beijing-Tianjin-Hebei region in November 2015[J]. Plateau and Mountain Meteorology Research, 2016, 36(1): 7-14. |
[17] |
吴健生, 王茜, 李嘉诚, 等. PM2.5浓度空间分异模拟模型对比:以京津冀地区为例[J]. 环境科学, 2017, 38(6): 2191-2201. Wu J S, Wang X, Li J C, et al. Comparison of models on spatial variation of PM2.5 concentration: a case of Beijing-Tianjin-Hebei Region[J]. Environmental Science, 2017, 38(6): 2191-2201. |
[18] |
潘慧峰, 王鑫, 张书宇. 重雾霾污染的溢出效应研究—来自京津冀地区的证据[J]. 科学决策, 2015(2): 1-15. Pan H F, Wang X, Zhang S Y. Severe haze pollution spillover effect: evidence from Beijing-Tianjin-Hebei Region[J]. Scientific Decision Making, 2015(2): 1-15. |
[19] | Ebenstein A, Fan M Y, Greenstone M, et al. Growth, pollution, and life expectancy: China from 1991-2012[J]. American Economic Review, 2015, 105(5): 226-231. DOI:10.1257/aer.p20151094 |
[20] |
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 W J, Chang X, Xing J, et al. Assessment of PM2.5 pollution mitigation due to emission reduction from main emission sources in the Beijing-Tianjin-Hebei region[J]. Environmental Science, 2017, 38(3): 867-875. |
[21] | Wang Y S, Yao L, Wang L L, et al. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China[J]. Science China Earth Sciences, 2014, 57(1): 14-25. DOI:10.1007/s11430-013-4773-4 |
[22] | Hu J L, Wang Y G, Ying Q, et al. Spatial and temporal variability of PM2.5 and PM10 over the North China Plain and the Yangtze River Delta, China[J]. Atmospheric Environment, 2014, 95: 598-609. DOI:10.1016/j.atmosenv.2014.07.019 |
[23] | Wang Z B, Fang C L. Spatial-temporal characteristics and determinants of PM2.5 in the Bohai Rim Urban Agglomeration[J]. Chemosphere, 2016, 148: 148-162. DOI:10.1016/j.chemosphere.2015.12.118 |
[24] | GB 3095-2012, 环境空气质量标准[S]. |
[25] |
李梦, 唐贵谦, 黄俊, 等. 京津冀冬季大气混合层高度与大气污染的关系[J]. 环境科学, 2015, 36(6): 1935-1943. Li M, Tang G Q, Huang J, et al. Characteristics of winter atmospheric mixing layer height in Beijing-Tianjin-Hebei Region and their relationship with the atmospheric pollution[J]. Environmental Science, 2015, 36(6): 1935-1943. |
[26] |
王跃思, 宋涛, 高文康, 等. 北京市大气污染治理现状及面临的机遇与挑战[J]. 中国科学院院刊, 2016(9): 1082-1087. Wang Y S, Song T, Gao W K, et al. The challenge and opportunity on preventing and controlling air pollution of Beijing[J]. Bulletin of Chinese Academy of Sciences, 2016(9): 1082-1087. |