疫情期间“2+26”城市污染减排成效评估

朱媛媛,汪 巍,高愈霄,储成君,许 荣,鲁 宁* (.中国环境监测总站,北京 0002；2.北京科技大学能源与环境工程学院,北京 0008；.生态环境部环境规划院,北京 0002)

近年来,我国京津冀及周边区域性污染问题突显[1-4],与该地区地理位置、地形地貌、污染物排放和气候气象等因素有关[5-10].在重大活动期间减少人为污染物排放,对改善环境质量起到了积极作用,例如北京APEC 会议和9.3 阅兵期间的污染管控,促进北京PM2.5浓度在APEC 会议和阅兵期间分别下降了51.6%～65.1%和34.2%～64.7%左右[11],北京及周边城市环境空气质量均得到了不同程度的改善[12-15].此外,在预测到未来可能发生区域性重污染过程时,生态环境主管部门和京津冀及周边各级人民政府会根据环境空气质量联合预报会商研判的结果,启动相应级别的应急减排措施,以促进区域间协同减排,亦取得了显著成效[16-17].

新型冠状病毒(COVID-19)爆发后,为扼制疫情的蔓延,武汉自2020 年1 月23 日10:00 起关闭离汉通道,随后“封城”政策逐步扩展到整个湖北省.2020年春节假期从1 月24 日开始延长至2 月10 日之后.随着疫情的扩散和假期效应,工业生产排放和人类户外活动大幅减少,机动车、火车、飞机等交通工具的使用量也大幅下降.有研究表明,受疫情影响,全国能源消费下降,环境污染情况改善[18],然而,此期间重污染过程却没有完全消失[19].

为评估疫情期间污染减排的效果,采用NAQPMS(nested air quality prediction modeling system)空气质量预报数值模式,基于环境空气质量监测数据、气象观测资料和社会经济活动统计数据,对2020 年1～3 月期间京津冀及周边“2+26”城市环境空气质量和重污染过程情况、气候气象概况和同期气象条件影响进行分析讨论,对区域性重污染应急减排措施的效果进行评估,并讨论社会经济活动水平对环境空气质量的影响和研究的不确定性,为生态环境管理提供精细化科学参考,为打赢蓝天保卫战和保护人民群众身体健康提供技术支撑.

1 材料与方法

1.1 研究范围

研究范围为京津冀大气污染传输通道上的“2+26”城市,包括北京、天津、石家庄、唐山、廊坊、保定、沧州、衡水、邢台、邯郸、太原、阳泉、长治、晋城、济南、淄博、济宁、德州、聊城、滨州、菏泽、郑州、开封、安阳、鹤壁、新乡、焦作和濮阳.

1.2 数据来源

环境空气质量数据采用中国环境监测总站国家环境空气质量监测网城市空气质量自动监测数据.污染源排放数据采用清华大学2016 基准年MEIC(multi-resolution emission inventory for China)网格化排放清单,精度0.25°×0.25°.气候资料采用中国气象局国家气候中心气候系统诊断数据.

1.3 模式设置

基于业务化应用的全国空气质量预报预警系统,采用中国科学院大气物理研究所研发的NAQPMS 模式进行数值模拟.NAQPMS 模式采用环境空气质量6 项主要污染物(PM2.5、PM10、SO2、NO2、O3和CO)准实时同化.Lambert 投影坐标系,中心点经度 115°E、纬度 25°N;垂直方向采用Sigma-Z 地形追随坐标系,不均匀地划分为20 层.模式采用三层嵌套网格,覆盖东亚(45km×45km)、中国中东部(15km×15km)和京津冀及周边地区(5km×5km).空气质量模式所需的气象场由中尺度气象模式WRF(weather research and forecasting model)提供,未考虑减排措施的基准预测预报时,采用美国国家环境预报中心 NCEP(national centers for environmental prediction)的全球气象预报系统数据GFS(global forecast system)作为WRF 模式的初始场和边界场数据[20-21].同期气象影响评估时,采用美国国家环境预报中心的气象再分析数据NCEP-FNL(national centers for environmental prediction final analysis)作为WRF 模式的初始场和边界场数据.

1.4 评价方法

环境空气质量浓度数据依据《环境空气质量指数(AQI)技术规定(试行)》(HJ 633-2012)[22]和《环境空气质量评价技术规范(试行)》(HJ/T 663-2013)[23]进行评价.区域内3 个及以上城市至少连续2d 达到中度及以上污染级别时,判定为区域性污染过程.

空气质量模式预报效果采用相关系数(r)、平均偏差(MB)、标准化平均偏差(NMB)和均方根误差(RMSE)进行评估,即将未考虑减排及管控措施的基准模式预报结果与污染物监测数据进行比较[17,24-25].NAQPMS 模式“2+26”城市24h 基准预报与监测值Pearson 相关系数r(双尾检验,显著性水平0.05)为0.50～0.85,平均值为0.71;72h 基准预报相关系数为0.45～0.80,平均值为0.66;144h 基准预报相关系数为0.36～0.72,平均值为0.54.RMSE 值范围分别为65～149,74～198,62～167μg/m3,平均分别为102,114, 96μg/m3;MB 值范围分别为35～108,45～132,37～120μg/m3,平均值分别为67,74,63μg/m3.尽管随预报时效延长,相关系数r 总体下降,144h 预报的相关系数仍高于0.50,反映模式能较好地预测出PM2.5浓度的变化趋势,但RMSE 和MB 值表明模式整体存在一定程度的高估.

同期气象影响评估采用“固定排放污染源,调整气象条件”方法[26-27],即基于NAQPMS 模式,在基准预报基础上保持现有污染排放源不变,使用去年同期气象资料进行模拟,评估气象条件对区域污染物浓度变化的影响.

减排措施情景模拟按照各城市实际预警启动的情况设置,根据各地重污染天气应急预案中的Ⅲ级、Ⅱ级和Ⅰ级应急响应措施,一般将SO2、NOx、PM和VOCs 的排放强度分别下调10%、20%和30%.减排模拟结果与基准预报结果进行比较,评估重污染期间应急减排措施的效果.

2 结果与分析

2.1 空气质量和污染概况

2020 年1～3 月,“2+26”城市空气质量级别优良率为59.6%,同比上升10.9%;轻度、中度、重度和严重污染级别日数占比分别为21.2%、8.9%、9.7%和0.6%.2020 年“2+26”城市空气质量与同期相比大幅改善,优良级别日数提升了22.8%,轻度、中度、重度和严重污染级别日数同比分别降低了6.1%、27.2%、26.8%和75.4%.2020 年1～3 月与2019 年同期空气质量级别日数对比见图1.

图1 2020 年1～3 月与2019 年同期“2+26”城市空气质量级别日数累计Fig.1 The number of days under different AQI categories in“2 + 26” cities from Jan. to Mar. in 2019 and 2020

2020 年1～3 月,“2+26”城市PM10、PM2.5、SO2、NO2、O3-8h-90per (O3-8h 90%分位数)和CO-95per(CO 95%分位数)等6项主要污染物平均浓度分别为108、76、14、36、109μg/m3和2.3mg/m3, PM2.5、O3-8h-90 per 和CO-95per 环比上升18.8%、3.8%和9.5%,PM10和NO2环比下降3.6%和26.5%,SO2环比持平.2020 年1～3 月“2+26”城市6 项主要污染物浓度及同比变化见图2,从图中可知,SO2浓度较去年同期下降幅度最大,降幅为36.4%.PM10、PM2.5、NO2、O3-8h-90per 和CO-95per 同比下降幅度分别为23.9%、15.6%、25.0%、6.8%和4.2%.其中,PM10平均浓度同比降幅明显高于PM2.5,可能与疫情期间建筑工地、道路扬尘大幅减少有关,导致PM10降幅明显高于PM2.5.

图2 2020 年1～3 月与2019 年同期“2+26”城市6 项主要污染物浓度及同比降幅Fig.2 The concentrations of 6 major air pollutants in “2 + 26”cities from Jan. to Mar. in 2019 and 2020 as well as the changes between the adjacent two years

2016～2020 年1～3 月“2+26”城市6 项主要污染物浓度对比见图3,从中可知,除O3以外,其他5 项主要污染物浓度均为2016 年以来历史同期最低.其中,SO2平均浓度自2016 年以来逐年降低,已由2016年的59μg/m3降至2020 年的14μg/m3,降幅76.3%.SO2大幅下降与近年来京津冀区域产业结构深化调整、工业污染防治向纵深发展、散煤燃烧“双替代”持续推进等生态环境管理措施的贯彻执行密切相关[28],电力、钢铁等重点行业提标改造,特别是电力超低排放改造、中小燃煤锅炉淘汰、农村采暖煤改气、煤改电等措施促使了SO2浓度大幅降低.此外,2020 年1～3 月“2+26”城市NO2浓度同比单年降幅最大,可能与疫情发生后能源消费活动的大幅减少,特别是机动车活动量的大幅减少有关.

图3 2016～2020 年1～3 月“2+26”城市6 项主要污染物浓度比较Fig.3 The concentration comparison of 6 major pollutants in “2 + 26”cities during Jan. to Mar. from 2016 to 2020

2020 年1～3 月,“2+26”城市发生区域性重污染过程5 次,累计36d,过程期间受影响城市PM2.5平均浓度范围为132～172μg/m3,平均浓度为163μg/m3.与2019 年同期相比,区域性重污染过程减少了2 次,重污染过程日数减少了7d,过程期间平均浓度减少了6.4μg/m3.重污染过程发生时段和平均浓度见图4,从中可知,重污染过程主要集中发生在1 月份.最重区域性重污染过程持续时长为12d(2020 年1 月21 日～2 月1 日),过程期间“2+26”城市均先后经历了中至严重污染,受影响城市PM2.5平均浓度为166μg/m3.主要原因为该期间京津冀及周边地区大气扩散条件总体不利,风速较小、相对湿度较高,多地出现大雾天气,区域大气环境容量比平时减少50%以上,有利于区域性污染的形成和发展.此外,工业污染排放降幅不大,占工业污染排放比重较大的钢铁、焦化、玻璃、火电等行业基本维持在原有水平,采暖排放持续,再加上春节期间烟花爆竹的集中燃放,共同导致了此次污染过程.

2020 年1 月2～6 日过程受影响城市PM2.5平均浓度最高,为172μg/m3,除北京没有出现轻度及以上污染,唐山和衡水没有出现中度及以上污染外,其他25 个城市AQI 均出现日均中度至严重污染.2020 年3 月8～9 日为中度污染过程,淄博、安阳等14 个城市先后出现AQI 日均中度污染,过程期间受影响城市PM2.5平均浓度为132μg/m3,为2020 年1～3 月5次重污染过程中最轻的区域性污染过程.

图4 2020 年1～3 月“2+26”城市重污染过程持续时长和受影响城市平均浓度Fig.4 The mean PM2.5 concentration and duration of five episodic heavy air pollution events in “2 + 26” cities from Jan. to Mar. in 2020

2.2 疫情前后空气质量比较

以1 月23 日(武汉封城)为时间节点,将2020 年1～3 月划分为疫情前期(1 月1～23 日)和疫情期间(1月24 日～3 月31 日).“2+26 城市”疫情前后主要污染物浓度及同比变化见表1.疫情期间“2+26”城市NO2和PM10浓度同比下降了31.0%和31.5%,改善程度相对于疫情前提高了20.2%和19.5%.疫情期间,PM2.5浓度降幅为24.7%,而疫情前PM2.5浓度同比提高了1.7%.SO2浓度在疫情期间降低,但降幅低于疫情前改善程度.疫情期间CO 同比下降19.0%,超过疫情前改善幅度.总体上,疫情期间空气质量优良率同比提高了15.9%,空气质量改善幅度高于疫情前.

表1 “2+26 城市”疫情前后主要污染物浓度及同比变幅Table 1 The concentrations as well as the percentage changes of major pollutants in “2+26 cities” before and after the epidemic of COVID-19

选择北京、邯郸和郑州作为“2+26”城市中北部、中部和南部地区的代表城市,3 个城市2020 年1～3 月NOx(NO+NO2)、O3-8h 和PM2.5浓度变化趋势见图5.以1 月23 日(武汉封城)为时间节点(图5黑色实线),疫情前期NOx浓度总体明显高于疫情期间,而O3-8h 浓度呈相反趋势,疫情期间高于疫情前期.O3浓度总体趋势不降反升的主要原因可能有三点:(1) 1 月23 日以后气温逐步升高、日照时间增长,总体有利于O3生成.(2) 1 月23 日以后受春节假日、疫情管控和气象条件的综合影响,PM2.5总体呈下降趋势,能见度较好,太阳辐射增强,有利于 O3生成[29-30].(3) NOx、VOCs 等前体物减排比例可能不协调,NOx下降幅度远大于VOCs,大气环境中NOx对O3的“滴定作用”显著减弱[31-34].

图5 2020 年1～3 月北京、邯郸和郑州NOx、O3-8h 和PM2.5 浓度Fig.5 The concentrations of NOx, O3-8h and PM2.5 in Beijing, Handan and Zhengzhou from Jan. to Mar. in 2020

2.3 气象条件分析

根据国家气候中心监测显示,2019 年11 月以来,赤道中东太平洋进入并持续维持厄尔尼诺状态[35].京津冀及周边区域2020 年1～3 月暖湿气流增多,造成大气低层气温偏高、湿度增大,总体不利于空气污染物的扩散.气象资料显示,2020 年1～3 月欧亚中高纬以纬向环流为主,东亚槽偏强,西太平洋副热带高压偏强,西伯利亚高压除2 月略高于常年外,1 月和3月均低于常年.东亚冬季风与常年相比总体偏弱,有利于出现暖冬[36],与弱东亚冬季风相关的高空西风急流的减弱,导致水平风垂直切变减小,减弱了天气尺度扰动的发展和大气的垂直混合,造成大气层结更加稳定,有利于我国北方区域冬季污染的维持和发展[37-38].

图6 2020 年1 月、2 月、3 月和1～3 月气象条件对PM2.5 浓度同比变化贡献Fig.6 The contributions of meteorology to PM2.5 concentrations during Jan. to Mar in 2020 compared to the same period in 2020

气象条件对2020 年1～3 月PM2.5浓度影响见图6. 2020 年1 月,“2+26”城市大部气象条件较去年同期变差,造成PM2.5浓度同比上升4%～39%;2020年2 月和3 月气象条件较同期改善,估计造成PM2.5浓度同比下降10%～23%和6%～26%.总体上,2020 年1～3 月气象条件变化造成PM2.5浓度变化的范围为−9%～8%(负值为浓度下降,正值为上升).因气象条件同比变差造成污染物浓度同比上升的区域主要集中在京津冀及周边西北部沿山地区[图6(d)].

2.4 减排效果评估

2020 年1～3 月,中国环境监测总站发布PM2.5重污染过程提示7 次,为应对重污染天气,京津冀及周边城市启动了相应级别的重污染天气预警,各城市重污染预警启动累计日数情况见图7.除北京未启动任何级别预警外,其他城市均启动过相应级别的预警,其中8 个城市启动过黄色预警,26 个城市启动过橙色预警,4 个城市启动过红色预警.与去年同期相比,启动预警累计天数减少了35%.实际发生区域性污染过程5 次(图5),其中3 次为重至严重污染过程,1 次为中至重度污染过程,1 次为中度污染过程.预警的及时启动和减排措施的有效落实,促使区域性污染过程与预测预报结果相比减少了2 次.

图7 2020 年1～3 月“2+26”城市重污染天气预警启动情况Fig.7 The number of days initiating heavy air pollution alert in "2+26" cities from Jan. to Mar. in 2020

图8 2020 年1～3 月“2+26”城市PM2.5 季度均值与减排模拟值对比Fig. 8 The average concentration of PM2.5 of base and emission control scenario in “2+26” cities from Jan. to Mar. in 2020

2020 年1～3 月“2+26”城市PM2.5基准预报浓度均值与减排模拟均值对比见图8.重污染应急减排措施的执行,使“2+26”城市PM2.5季度均值分别降低约6～26μg/m3.基准预报和减排措施情景模拟的PM2.5浓度空间分布见图9,从[图9(a)～(c)]可知,重污染过程期间应急减排措施的实施,有效减少了2020 年1～3 月京津冀中南部PM2.5的浓度[图9(c)],特别是1月[图9(d)～9(f)],受冬季供暖、春节期间烟花爆竹燃放和不利气象因素影响,京津冀及周边地区整体扩散条件不利,但重污染应急减排措施的有效实施,使“2+26”城市PM2.5月均浓度大约下降了39μg/m3,削减率16%左右.区域大气污染协同减排,对京津冀中南部城市,如邢台、邯郸和新乡的减排效果较为明显,该3 个城市PM2.5月均浓度削减率20%以上[图9(f)].此外,以2020 年2 月8～13 日重污染过程为例[图9(g)～9(i)],应急减排措施的实施,促进此期间“2+26”城市PM2.5平均浓度下降了9μg/m3,平均削减率5%,有效缓解了区域性污染的程度.

图9 PM2.5 基准模拟、减排措施情景模拟和消减量空间分布(µg/m3)Fig.9 The spatial distribution of PM2.5 concentration from base simulation, emission control scenario, and their differences(µg/m3)(a)、(d)和(g):基准预报;(b)、(e)和(h):减排措施情景模拟;(c)、(f)和(i):消减量

图10 北京、邯郸和郑州PM2.5 小时浓度基准模拟与减排模拟值比较Fig.10 The comparison of hourly PM2.5 concentration between base simulation and emission control scenario simulation in Beijing, Handan and Zhengzhou

北京、邯郸和郑州等代表城市PM2.5小时浓度基准预报值与减排模拟值对比见图 10.重污染过程时北京[图10(a)]、邯郸[图10(b)]和郑州[图10(c)]等典型城市PM2.5浓度峰值均有所降低,预警期间应急减排措施起到了较明显的“削峰”作用.

2.5 经济及社会活动水平对环境质量影响分析

2.5.1 工业源排放出现一定程度的下降 受春节假期和疫情管控的综合影响,2020 年1～3 月我国经济活动水平大幅下降.根据国家统计局发布的相关数据分析表明,2020 年1～3 月全国工业增加值增速为−8.4%,同比下降14.9%,北京、天津、河北、山西、山东和河南六省市工业增加值增速范围为−3.5%～ −16.0%,同比下降8.1%～22.6%.2020 年1～3 月环境空气质量、工业源和移动源产品产量变化情况见表2,京津冀及周边六省市焦炭、水泥、原油加工等行业产量同比降幅较大,降幅分别为39.3%、18.5%和12.2%;火电和有色金属行业产品产量下降幅度相对较小,分别为6.9%和8.3%;但平板玻璃和粗钢等行业产品产量同比上升了7.7%和1.6%.由于焦化、钢铁和玻璃等企业在生产时工序不可中断,从而推测焦化、火电、钢铁、玻璃等重点行业实际污染排放量变化不大,表明疫情期间不同工业行业的污染排放变化对空气质量的影响有所不同.

表2 2020 年1～3 月环境空气质量、工业源和移动源产品产量与2019 年同期变化Table 2 The changes in ambient air quality, industrial outputs and amount of traffic during Jan. to Mar. from 2019 to 2020

2.5.2 移动源排放大幅下降 受春节假期和疫情管控的综合影响,移动源排放显著下降.根据国家统计局发布的数据分析表明,2020 年1～3 月全国公路客运量和公路货运量同比下降59.4%和35.5%,京津冀及周边六省下降63.4%和37.2%,降幅略高于全国平均水平.京津冀及周边六省市处于首都经济圈、河北工业区和山西煤炭集聚区,货物运输量较大,区域内货物运输量超过100 亿t,占全国运输总量的21.8%,其中公路货运87 亿t,占比超过80%.“2+26”城市公路货物运输总量约48.31 亿t,占京津冀及周边六省公路货运的55%以上[39].根据国家发改委运行快报[40],全国第一季度成品油消费量6439 万t,同比下降12.9%,其中汽油下降0.2%,柴油下降16.1%.有关数据表明[39],“2+26”城市机动车保有量4071.1万辆,其中柴油车保有量349.7 万辆,占全国柴油车保有量的15.1%.柴油车NOx和PM 排放量为58.6万t 和5.9 万t,占区域内汽车NOx和PM 排放量的62.3%和99%,柴油消费量在2020 年1～3 月显著下降,结合观测到的NOx浓度变化(图4),反映出以内燃机为动力的道路机动车排放量大幅下降.此外,受疫情影响,工程机械、农用机械等非道路移动源,机械、船舶、铁路内燃机车和飞机等使用也大幅下降,均会造成第一季度京津冀及周边区域移动源排放的显著下降.

2.5.3 生活源排放一定程度增加 受春节假期返乡和疫情管控期间的综合影响,生活源排放增加.自2017 年以来,“2+26”城市使用散煤的居民户数从约2400 万户下降到约1000 万户,散煤用量从每年约5600 万t 下降到2300 万t 左右[40].由于春节期间大量外出务工人员返乡,以及1 月下旬至3 月疫情防控的影响,京津冀及周边地区居民散煤消费量可能较春节前增长了30%～40%[28],加之部分“双替代”户存在散煤复烧的可能,推测散煤燃烧对2020 年第一季度大气污染具有重要贡献.此外,部分城市采暖季延长2 周左右,居民供暖导致的污染物排放量相应增加,均会对环境空气质量有一定的负面影响.

2.6 不确定性分析

研究的不确定性主要来源于污染源排放清单、气象预报以及大气化学反应机制的不确定性[17,20-21].首先,排放清单编制过程中排放因子和活动水平等主要影响因素的调查和确定难度较大,叠加近年来强有力的生态环境污染治理措施作用和疫情的影响,京津冀及周边地区排放源较大幅度的减少,导致模式所采用的污染源排放清单对现有排放量高估.其次,气象模式WRF边界层模拟可能存在偏差,陆面资料的不确定性、不同的植被覆盖度算法[41]、土壤类型和土壤水文参数都会一定程度上影响气象场的模拟.再次,区域空气质量模式对小尺度、精细化预报的准确度还有待提高,局地较小扰动的理化反应机制还不十分明晰,重污染过程时PSO4、PNO3和PNH4具有爆发增长效应,但相关化学反应机制还处于研究阶段[27].此外,减排措施效果评估时以日为单位,与个别城市实际预警启动情况可能存在几个小时的偏差[17].

3 结论

3.1 2020 年1～3 月,京津冀及周边暖湿气流增多,大气层结稳定,近地面气温偏高、湿度增大,华北大部分城市平均风速略低于往年同期.气象条件与去年同期相比,预计造成PM2.5浓度变化的范围为−9%～8%,因气象条件同比变差造成污染物浓度同比上升的区域主要集中在京津冀及周边沿山地区.

3.2 2020 年1～3 月,“2+26”城市空气质量级别优良率为59.6%,同比上升10.9 个百分点,PM10、PM2.5、SO2、NO2、O3-8h-90per 和CO-95per 平均浓度分别为108、76、14、36、109μg/m3和2.3mg/m3,同比下降23.9%、15.6%、36.4%、25.0%、6.8%和4.2%.NO2、SO2和PM10降幅显著,与疫情期间能源消耗、移动源、工业源和扬尘源排放减少有关.受春节假期和疫情管控的综合影响,2020 年1～3 月经济活动水平下降,以内燃机为动力的道路机动车排放量大幅下降,但焦化、火电、钢铁、玻璃等重点行业实际污染排放量可能变化不大,散煤燃烧对环境空气质量的负面影响增加.

3.3 2020 年1 月24 日～3 月31 日疫情期间空气质量优良率同比提高了15.9%,空气质量改善幅度高于1 月1～23 日疫情前期19.7 个百分点.疫情期间“2+26”城市NO2、PM10、PM2.5和CO 浓度比疫情前期同比降幅明显,但SO2降幅低于疫情前改善程度.北京、邯郸和郑州等典型城市疫情前期NOx浓度总体高于疫情期间,而O3-8h 浓度呈相反趋势,疫情期间高于疫情前期.

3.4 2020 年1～3 月期间重污染应急减排措施的执行,促使区域性污染过程减少了2 次,“2+26”城市PM2.5浓度季度均值分别降低约6～26μg/m3.在扩散条件不利的1 月,区域协同应急减排措施,促使“2+26”城市PM2.5月均浓度大约下降了39μg/m3,平均降幅16%左右.有效削减了重污染过程PM2.5浓度峰值.