京津冀及周邊減排對北京市PM2.5濃度下降評估研究

劉 俊,安興琴,朱 彤,翟世賢,李 楠(.北京大學環境科學與工程學院,環境模擬與污染控制國家重點聯合實驗室,北京 0087；.中國氣象科學研究院大氣成分研究所,北京 0008)

京津冀及周邊減排對北京市PM2.5濃度下降評估研究

劉 俊1,安興琴2*,朱 彤1,翟世賢2,李 楠2(1.北京大學環境科學與工程學院,環境模擬與污染控制國家重點聯合實驗室,北京 100871；2.中國氣象科學研究院大氣成分研究所,北京 100081)

利用第三代區域空氣質量模式CMAQ (Community Multiscale Air Quality)及京津冀地區高分辨的污染源排放清單,基于2011年、2012年和2013年秋冬季美國國家環境預報中心全球再分析資料的氣象條件分析,選取2012年10月1日至12月30日作為代表性時段,模擬了P M2.5的濃度變化趨勢,同時根據《京津冀及周邊地區落實大氣污染防治行動計劃實施細則》和2012年到2017年污染源減排控制目標,進行了減排效果評估分析.結果顯示,模式系統能較好捕捉PM2.5濃度的變化趨勢,海淀站和上甸子站觀測與模擬值的相關系數分別為0.71和0.63.主要污染源和污染物排放量削減30%～40%后,北京市PM2.5濃度發生了明顯降低,海淀站、上甸子站和城六區的平均濃度下降率分別為(24.9±2.3)%,(20.2±2.7)%和(24.8±2.1)%.如果嚴格執行《京津冀及周邊地區落實大氣污染防治行動計劃實施細則》,在氣象條件和2012年相似情況下,到2017年,北京市城區PM2.5年均濃度控制在60μg/m3內的防治目標可以實現.

CMAQ模式；京津冀及周邊地區；PM2.5；下降率

1998年以來,北京市采取了一系列分階段的空氣污染防治措施,尤其在2008年奧運會期間,北京及周邊地區采取了交通限行、建筑停工、重點污染企業停產、燃煤電廠停運等一系列嚴格的大氣污染控制措施[1],使空氣質量明顯好轉,奧運會舉辦前的2005～2007年,北京市大氣SO2、NO2、CO和PM10的平均濃度分別為50,66,2030和150μg/m3,而奧運會舉辦后2008～2012年,大氣SO2、NO2、CO和PM10的平均濃度分別為32,53,1460和117μg/m3,污染物濃度大幅降低[2].

但近年來,北京與周邊地區人口和能源消費總量持續增長,機動車保有量逐年攀升, PM2.5成為影響空氣質量的首要污染物,極端重污染事件頻發,呈現區域性復合型污染[3].作為我國重要的能源和工業基地,華北六省市(北京,天津,河北,山東,內蒙古和山西)能源消費總量已由2005年的7.6億tce上升到2011年的11.8億tce,占全國能源消費總量的36%[4],民用汽車總量由890萬輛上升到2640萬輛[5].由工業和生活燃煤以及機動車排放的一次污染物,經過大氣化學反應生成高濃度氧化劑及細顆粒物等二次污染物,并在靜穩天氣下積累,導致低能見度的灰霾現象,并嚴重影響人群健康[6].

從污染來源來看,2010年北京城區站點的PM2.5中,二次硫酸鹽占26.5%,機動車尾氣占17.1%,化石燃料燃燒占16.0%,生物質燃燒占11.2%,道路揚塵占12.7%,冶金工業占6.0%,土壤塵占10.4%[7].從污染的分布特征來看,京津冀是我國區域性復合污染的典型地區.2013年上半年,京津冀地區重點城市PM2.5平均濃度為115μg/m3,石家莊市PM2.5平均濃度為172μg/m3[8],連續靜穩天氣形勢和區域污染是導致強霾和污染持續的主要原因[9].針對典型重污染事件的模式研究顯示,北京周邊源對北京市PM2.5的貢獻率為15%～53%,平均為39%,對SO2平均貢獻率為18%[10].對奧運空氣質量保障方案的研究表明,北京周邊對奧運場館區的O3和PM2.5濃度貢獻率可達35～60%和34%[11],在南風主導情況下,河北省對北京市PM2.5貢獻率可高達50%～70%.

針對嚴峻的污染形勢和迫切的改善需要,2013年9月,國務院發布了《大氣污染物防治行動計劃》[12],要求經過5年努力,全國空氣質量總體改善,并明確提出京津冀地區細顆粒物PM2.5濃度下降25%左右的控制目標,要求北京市PM2.5年均濃度控制在60μg/m3的范圍.根據《京津冀及周邊地區落實大氣污染防治行動計劃實施細則》[13],到2017年,京津冀及周邊地區(北京,天津,河北,山西,山東和內蒙古)將采取一系列措施減少污染的排放.為了分析評估污染物削減方案的有效性,本研究基于現有京津冀及周邊地區高分辨率污染排放源清單,選取極端重污染事件頻發的秋冬季節,以2012年10～12月的氣象條件和污染源排放為基礎值,利用空氣質量預報模式模擬和評估了削減方案對降低北京PM2.5年均濃度的影響,以期為京津冀及周邊地區大氣污染物聯防聯控提供科學依據.

1 數據與方法

1.1 模式方法

1.1.1 模式介紹 本文采用的模式系統由MM5v3.6[14](The Fifth-Generation NCAR/Penn State Mesoscale Model), SMOKE(Sparse Matrix Operator Kernel Emissions)[15]和CMAQv4.5 (Community Multiscale Air Quality)[16]3部分組成.MM5是由美國國家大氣研究中心(NCAR)和美國賓州大學(PSU)共同研發的第五代中尺度氣象非靜力模式,能為區域空氣質量模式提供氣象場輸入資料.SMOKE是由美國北卡羅來納大學開發的基于稀疏矩陣運算方法的污染源處理模式.CMAQ是美國第三代的空氣質量模式Models-3的核心部分,基于“一個大氣”的思想,全面考慮化學氧化劑、顆粒物和酸沉降等問題,模擬污染物物理傳輸和化學反應過程,在我國有非常廣泛的應用[17-19].

1.1.2 實驗方案 本研究的模擬區域以(110°E, 35°N)為中心,中尺度氣象模式MM5采用分辨率分別為81km,27km,9km和3km的四重嵌套.經測試比較,CMAQ四重嵌套與兩重嵌套模擬結果無顯著性差別,故采用兩重嵌套,模擬區域與MM5的第三(d03)和第四(d04)重區域一致,分辨率分別為9km和3km,其中d03覆蓋北京市,天津市和河北省大部分地區,以考慮周邊地區對北京空氣質量的影響,d04覆蓋北京市范圍,第四重區域網格數為61×70,圖1給出了四重嵌套模擬區域及監測點分布.

圖1 四重嵌套模擬區域及海淀和上甸子監測站點分布示意Fig.1 Four-level nested domain and locations of observation site at Haidian (HD) and Shangdianzi (SDZ) in Beijing

利用NCEP全球再分析資料,對比分析了2011年、2012年和2013年的秋冬季邊界層高度和地表風速風向,選擇2012年10月1日～12月30日為代表時段進行模擬研究,模擬前5d(9月26～30日)作為模式初始化時間,以消除初始條件對模擬結果的影響.

采用中尺度氣象模式MM5模擬氣象場,用以驅動空氣質量模式.MM5模式采用四重雙向嵌套,垂直方向為地形追隨sigma坐標系,共26層.利用美國國家環境預報中心(NCEP)提供的1°×1°(時間分辨率為6h)的全球再分析資料作為MM5所需背景場和邊界輸入資料,模式參數化方案如下:霰(Reisner Graupel)微物理方案,Grell積云參數化方案,MRF行星邊界層方案,RRTM長波大氣輻射方案,多層土壤方案,淺對流方案.應用四維格點分析同化 (Grid Nudging)技術,將牛頓松弛項加入風,溫度和水汽的診斷方程,輸入分析資料的時間間隔為6h.

采用污染源清單處理模式SMOKE為空氣質量模式提供網格化的污染物小時排放數據.SMOKE分點、面和移動源三類類型進行處理.排放源清單主要包括兩個部分:①東亞區域背景采用0.5°×0.5°的INTEX-B2006清單[20], INTEXB2006清單是在TRACE-P清單[21-22]基礎上,更新了中國區域的排放信息;②北京與周邊地區高分辨的排放清單[23].針對減排情景的設計,根據《京津冀及周邊地區落實大氣污染防治行動計劃實施細則》[13]要求,到2017年主要污染物的削減比例為二氧化硫(SO2)削減30.8%,氮氧化物(NOχ)削減32.7%,煙粉塵(PM10和PM2.5)削減39.3%,揮發性有機物(VOCs)削減13.4%,設計了京津冀及周邊地區(包括北京、天津、河北、山東、山西和內蒙古自治區) 的污染源的減排情景,具體方案見表1.

表1 污染物削減試驗方案設計Table 1 Design of emission source controlling plan

區域空氣質量模式CMAQ采用與MM5相同的區域設置,MM5生成的氣象資料經氣象化學界面MCIP(Meteorology-Chemistry Interface Processor)轉化為CMAQ可識別數據格式過程中,通過質量加權平均算法將垂直層數縮小為16層,覆蓋地面以上12km范圍,第一層高度約為15m,氣象化學為CB4機制,氣溶膠過程為aero3機制.根據表1源削減模擬試驗設計方案,以2012為基準,分別進行Baseline和Scenario的模擬,利用Baseline驗證模式性能,并通過兩次模擬結果間的比較,進行PM2.5減排效果評估分析.

1.2 模式方法

本研究的觀測數據來自北京氣象局的城區海淀站(116.28E,39.93N)和密云上甸子區域本底站(117.12E,40.65N),分別反映北京城區和本底地區的污染物濃度水平.海淀站位于北京西三環和西四環之間的海淀區北洼西里昆玉河附近寶聯體育公園,是北京城區PM2.5連續觀測時間最長的站;上甸子站北京城區的東北方向,是全國三個區域大氣本底站之一,可代表華北區域監測要素的背景值.采用美國R&P公司的1400a TEOM (Tapered Element Oscillating Microbalance)測量PM2.5的質量濃度,時段為2012年10月1日至12月30日,數據分辨率為5min質控的小時平均值,經換算后得到日均值,用于模式的評估.

圖2 2011年、2012年和2013年10月1日～12月31日平均邊界層高度(m)和風矢量分布Fig.2 Distribution of average planetary boundary layer height (m) and wind vector from Oct. 1stto Dec. 31st in 2011, 2012 and 2013

2 結果與討論

2.1 氣象條件代表性分析

污染物的傳輸擴散取決于氣象條件,利用NCEP 提供的1°×1°(時間分辨率為6h)全球再分析資料,對比分析了2011年、2012年和2013年10月1日～12月31日的氣象條件差異.

圖3 2011年、2012年和2013年10月1日～12月31日北京城區所在網格的風玫瑰圖和邊界層高度日均值直方圖Fig.3 Wind rose and daily average planetary boundary layer height in the urban area of Beijing from Oct. 1thto Dec. 31thin 2011, 2012 and 2013

由圖2可見,2011年、2012年和2013年華北地區秋冬季地面以上10m高度處平均風矢量分布類似,以西風和西北風主導,北京北部42°N及以北地區,主要為西風,平均風速達5m/s,隨著維度降低,平均風速也逐漸降低,河北省南部和山東省境內的風速最小.在北京市,平均邊界層高度(PBLH)排序為PBLH2011

提取了北京市城區所在經緯度網格中地表以上10m處U、V風分量和邊界層高度的6h分辨率數據,從6h分辨率風玫瑰圖(圖3)來看,城區2011～2013年秋冬季風速和風向分布基本一致, 3年的平均風速分別為2.47,2.69,2.72m/s,以東北風和北風為主導,分別占總天數41%,37%和44%,而南風、西南風和東南風總共占31%,34%和30%.從邊界層高度日均值直方圖來看,三年中邊界層高度均集中于100～500m之間,分別占總天數的83%,79%和79%.以上結果表明,選取2012年秋冬季節作為研究時段,具有一定代表性.

值得關注的是,2012年北京市周邊省份的邊界層高度普遍高于2011年和2013年,華北地區的氣象狀況整體有利于污染物在邊界層內的擴散去除,在本研究基礎上,有必要開展針對其他年份,尤其是極端不利氣象條件的模擬工作,以檢驗控制措施在不同氣象狀況下的控制效果.

2.2 模式驗證

利用2012年10月1日至12月30日北京市氣象局在城區海淀站和密云上甸子區域大氣本底站的PM2.5觀測質量濃度,驗證了模式模擬性能.由圖4和表2可見,模式能較好捕捉污染物濃度的變化趨勢,2012年城區海淀站和上甸子站PM2.5質量濃度日均觀測值與模擬值的相關系數分別為0.71和0.63.從平均偏差(MB)和標準平均偏差(NMB)可看出,模式對海淀站PM2.5的模擬結果與觀測比較接近,平均偏差為3.23μg/m3,標準平均偏差為4.73%,而對上甸子站的模擬相關系數更低,主要表現于對高污染時段低估,平均低估水平達34.67%,表明模型對城區站點的模擬效果優于郊區站點,Wu等[24]認為可能與城區污染源排放數據更加詳細有關.同時對上甸子站的低估主要表現為對PM2.5高濃度時段的低估,也可能與模式中物理和化學過程的不完善有關.

圖4 2012年10月1日～12月31日海淀站(HD)與上甸子站(SDZ) PM2.5質量濃度日均值的觀測與模擬比對Fig.4 Comparison between observed and modelled daily concentrations of PM2.5at HD and SDZ during Oct. 1st to Dec. 30th, 2012

表2 觀測與模擬結果比較統計值Table 2 Statistical summaries between the simulation and observation results

平均偏差Mean Bias (MB):

標準平均偏差Normalized Mean Bias (NMB): ×100%

均方根誤差Root Mean Square Error (RMSE):

一致性系數:Index of agreement (IA):

2.2 京津冀及周邊減排方案效果評估分析

2.2.1 采取減排方案PM2.5濃度下降率分布 由圖5可見,2012年10月1～12月30日, PM2.5污染集中于北京市城六區及以南和以東區域,豐臺區和石景山區污染嚴重,其中石景山西部的PM2.5濃度平均值最高達92.5μg/m3,城區海淀站和背景區上甸子站模擬PM2.5平均濃度分別為71.5,24.8μg/m3,從市中心到遠郊區具有明顯的濃度下降趨勢.北京人口集中分布于城六區,是交通源和無組織面源的主要貢獻地區,而南城區曾是北京主要的重工業和火力發電基地,對點源排放具有重要貢獻,加之東南風盛行狀況下受到周邊區域污染輸送的影響[10,25],同時西北高東南低的三面環山地形條件不利于污染物向西北的擴散去除[26-27],從而導致了PM2.5在城六區及以東和以南地區的集中分布.

采取減排措施后,整個模擬區域內的PM2.5濃度均發生了顯著降低,濃度平均下降率范圍為17%～29%,下降比例最高區域位于北京市城區及南部區域,以城六區和房山區的下降比例最大,與減排前PM2.5分布規律基本一致,而郊區的下降比例較低,但也有17%以上的削減效果,結果顯示排放強度越大、PM2.5濃度越高的區域,采取減排控制措施獲得的空氣質量改善效益越大.

圖5 北京市PM2.5濃度平均分布(μg/m3)與采取削減方案前、后北京城PM2.5濃度平均下降率(%)分布Fig.5 Distribution of average PM2.5(μg/m3) concentrations and decreasing ratio(%) of PM2.5after emission source controlling measures in Beijing

2.2.2 減排方案對城區和背景區PM2.5濃度影響 根據采取減排方案前后,海淀站和上甸子站的PM2.5日均值濃度,計算兩個站點逐日的PM2.5濃度下降率.同時利用北京市行政區劃矢量圖,截取了城六區所在區域的PM2.5模擬數據,計算城六區PM2.5平均下降率,如圖6.采取削減方案后,模擬的海淀站、城區平均及上甸子站PM2.5日均濃度均有所下降.污染物濃度水平有明顯的逐日變化,其中城區海淀站PM2.5的模擬日均濃度最高值為129.9μg/m3,最低為14.0μg/m3,而PM2.5的濃度下降率一直維持在20%～28%比較穩定的水平,變化波動較小,證明通過采取上述減排方案,能在不同氣象條件和污染物濃度水平的狀況下,達到穩定持續有效的減排效果.海淀站秋冬季三個月內平均下降率為(24.9±2.3)%,峰值濃度下降率為32.1%,城區PM2.5濃度平均下降率與海淀站一致,平均下降率為(24.8±2.1)%,峰值濃度下降率為24.8%,而上甸子站處于背景地區,PM2.5濃度主要受區域性污染輸送的影響,局地的污染排放較少,其PM2.5濃度平均下降率相對于城區較低,為(20.2±2.7)%,峰值下降率為17.9%.

基于上述減排評估,結合2012年10月1日～12月31日城區海淀站和背景區上甸子站的逐日污染物濃度觀測數據,計算采取削減方案后,PM2.5的預期降低濃度與降低后的觀測濃度(表3).與2012年10～12月基礎年觀測值相比,采取削減方案后,海淀站和上甸子站的PM2.5平均下降16.3μg/m3和7.5μg/m3,采取削減方案后的秋冬季平均觀測濃度降低為51.7μg/m3和29.8μg/m3.《北京公共服務發展報告(2012～ 2013)》[28]數據顯示,2010～2012年北京市PM2.5年均濃度在70～80μg/m3,根據目前制定京津冀及周邊地區污染減排方案和2012年的氣象背景條件,以城區PM2.5濃度下降率為(24.8± 2.1)%,北京市的PM2.5的濃度將將降低到52.6～ 60.2μg/m3的濃度水平.如果嚴格執行《京津冀及周邊地區落實大氣污染防治行動計劃實施細則》[3]要求的控制措施,在氣象條件和2012年相似的情況下,能有效降低北京市PM2.5濃度,到2017年,北京市城區PM2.5年均濃度控制在60μg/m3內的防治目標可以實現.

圖6 采取削減方案前、后海淀站、城區和上甸子站PM2.5濃度變化模擬結果Fig.6 Simulation of changes of PM2.5for HD, urban area and SDZ before and after emission source controlling measures

表3 采取削減方案后海淀站、上甸子站和城區PM2.5濃度下降率與采取方案后觀測濃度下降Table 3 Average decreasing ratio for PM2.5at HD, SDZ and UrbanArea and estimated decrease for observed PM2.5concentrations

3 結論

3.1 選取2012年10月1日-12月30日作為北京市秋冬季大氣污染的代表時段,利用MM5/ SMOKE/CMAQ數模式系統,模擬了北京市PM2.5濃度,模式能較好捕捉污染物濃度的變化趨勢,海淀站和上甸子站觀測和模擬的相關系數分別為0.71和0.63.

3.2 根據《京津冀及周邊地區落實大氣污染防治行動計劃實施細則》[13]和2012年到2017年污染源減排控制目標,對主要污染源和污染物排放量削減30%～40%后,北京市PM2.5濃度平均下降率范圍為17%～29%.

3.3 采取削減方案后,海淀站、上甸子站和城六區的平均濃度下降率分別為(24.9±2.3)%, (20.2± 2.7)%和(24.8±2.1)%,觀測的海淀站和上甸子站的PM2.5平均下降16.3μg/m3和7.5μg/m3,若嚴格執行要求的控制措施,在氣象條件和2012年相似的情況下,到2017年,北京市城區PM2.5年均濃度控制在60μg/m3內的防治目標可以實現.

[1] Wang M, Zhu T, Zheng J, et al. Use of a mobile laboratory to evaluate changes in on-road air pollutants during the Beijing 2008 Summer Olympics [J]. Atmospheric Chemistry and Physics, 2009,9(21):8247-8263.

[2] 北京市環保局,北京市環境狀況公報 [EBOL]: http://www. bjepb.gov.cn/portal0/tab181/, 2006-2012.

[3] Shao M, Tang X, Zhang Y, et al. City clusters in China: air and surface water pollution [J]. Frontiers in Ecology and the Environment, 2006,4(7):353-361.

[4] 國家統計局能源統計司,中國能源統計年鑒2012 [M]. 中國統計出版社, 2012.

[5] 國家統計局,中國統計年鑒 [M]. 中國統計出版社, 2012.

[6] 朱 彤,尚 靜,趙德峰.大氣復合污染及灰霾形成中非均相化學過程的作用 [J]. 中國科學:化學, 2010,(12):1731-1740.

[7] Yu L D, Wang G F, Zhang R J, et al. Characterization and source apportionment of PM2.5in an urban environment in Beijing [J]. Aerosol and Air Quality Research, 2013,13(2):574-583.

[8] 環境保護部.環境保護部發布2013年6月份及上半年重點區域和74個城市空氣質量狀況[EBOL]: http://www.mep. gov.cn/gkml/hbb/qt/201307/t20130731_256638.htm.2013-07-31.

[9] 楊 欣,陳義珍,劉厚風.北京2013年1月連續強霾過程的污染特征及成因分析 [J]. 中國環境科學, 2014,34(2):282-288.

[10] An X, Zhu T, Wang Z et al. A modeling analysis of a heavy air pollution episode occurred in Beijing [J]. Atmospheric Chemistry and Physics, 2007,7(12):3103-3114.

[11] Streets D G, Fu J S, Jang C J et al. Air quality during the 2008 Beijing Olympic Games [J]. Atmospheric Environment, 2007, 41(3):480-492.

[12] 國務院.大氣污染防治行動計劃 [EB/OL]: http://www. gov.cn/zwgk/2013-09/12/content_2486773.htm. 2013-09-12.

[13] 環境保護部.京津冀及周邊地區落實大氣污染防治行動計劃實施細則 [EB/OL]: http://www.mep.gov.cn/gkml/hbb/bwj/201309/ t20130918_260414.htm. 2013-09-17.

[14] Grell, G A, Dudhia J and Stauffer D. A description of the fifth-generation Penn State/NCAR Mesoscale Model (MM5)[OL]. NCAR Technical Note NCAR/TN-398+STR, DOI: 10.5065/ D60Z716B.http://opensky.library.ucar.edu/collections/?collId=tec hnotes&itemId=TECH-NOTE-000-000-000-214.1994.

[15] Houyoux M R, Vukovich J M.Updates to the Sparse Matrix Operator Kernel Emissions (SMOKE) modeling system and integration with Models-3 [EB/OL]. The Emission Inventory: Regional Strategies for the Future:www.ie.unc.edu/cempd/ pub_files/awma99_smoke.doc.1999.

[16] Byun D, Schere K L. Review of the governing equations, computational algorithms, and other components of the models-3Community Multiscale Air Quality (CMAQ) modeling system [J]. Applied Mechanics Reviews, 2006,59(1-6):51-77.

[17] 陳彬彬,林長城,楊 凱,等.基于CMAQ模式產品的福州市空氣質量預報系統 [J]. 中國環境科學, 2012,32(10):1744-1752.

[18] 鄧 濤,吳 兌,鄧雪嬌,等.珠江三角洲一次典型復合型污染過程的模擬研究 [J]. 中國環境科學, 2012,32(2):193-199.

[19] 劉 寧,王雪松,胡泳濤,等.珠江三角洲秋季PM10污染模擬與形成過程分析 [J]. 中國環境科學, 2012,32(9):1537-1545.

[20] Zhang Q, Streets D G, Carmichael G, et al. Asian emissions in 2006for the NASA INTEX-B mission [J]. Atmospheric Chemistry and Physics, 2009,9(14):5131-5153.

[21] Streets D G, Bond T, Carmichael G, et al. An inventory of gaseous and primary aerosol emissions in Asia in the year 2000 [J]. Journal of Geophysical Research: Atmospheres (1984—2012), 2003,108(D21).

[22] Streets D G, Yarber K, Woo J H, et al. Biomass burning in Asia: Annual and seasonal estimates and atmospheric emissions [J]. Global Biogeochemical Cycles, 2003,17(4):1099-1118.

[23] 吳其重,王自發,徐文帥,等.多模式模擬評估奧運賽事期間可吸入顆粒物減排效果 [J]. 環境科學學報, 2010,30(9):1739-1748.

[24] Wu Q Z, Wang Z F, Gbaguidi A, et al. A numerical study of contributions to air pollution in Beijing during CAREBeijing- 2006 [J]. Atmospheric Chemistry and Physics, 2011,11(12):5997-6011.

[25] Wang M, Zhu T, Zhang J P, et al. Using a mobile laboratory to characterize the distribution and transport of sulfur dioxide in and around Beijing [J]. Atmos. Chem. Phys., 2011,11(22):11631-11645.

[26] Chen D S, Cheng S Y, Liu L et al. An integrated MM5—CMAQ modeling approach for assessing trans-boundary PM10contribution to the host city of 2008Olympic summer games—Beijing, China [J]. Atmospheric Environment, 2007, 41(6):1237-1250.

[27] Ho K F, Lee S C, Ho S S H et al. Dicarboxylic acids, ketocarboxylic acids, α-dicarbonyls, fatty acids, and benzoic acid in urban aerosols collected during the 2006 Campaign of Air Quality Research in Beijing (CAREBeijing-2006) [J]. Journal of Geophysical Research: Atmospheres, 2010,115(D19):D19312.

[28] 施昌奎.北京公共服務發展報告2012-2013/北京藍皮書 [M].北京:社會科學文獻出版社, 2013.

Evaluation of PM2.5decrease in Beijing after emission restrictions in the Beijing-Tianjin-Hebei and surrounding regions.

LIU Jun1, AN Xing-qin2*, ZHU Tong1, ZHAI Shi-xian2, LI Nan2(1.State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Sciences and Engineering, Peking University, Beijing 100871, China；2.Institute of Atmospheric Composition, Chinese Academy of Meteorological Sciences, Beijing 100081, China). China Environmental Science, 2014,34(11)：2726～2733

The models-3 community multiscale air quality (CMAQ) Modeling System was used to simulate PM2.5concentrations in Beijing with the application of a high-resolution emission inventory for Beijing-Tianjin-Hebei Region in North China Plain. Based on the reanalysis of meteorological data derived from the national centersfor environmental prediction (NCEP) final analysis (FNL), in the autumn and winter of 2011, 2012, and 2013, we have chosen a representative period, October 1st to December 30th of 2012,for baseline simulation. According to the implementing measures for air pollution prevention and control action plans in Beijing-Tianjin-Hebei and surrounding area (hereinafter referred to as the measures) and Emission Source Control Target for the five-year period (2012～2017), we formulated an emission control scenario to evaluate the improvements in air quality with the comparison to baseline simulation. The modeling system well captured the temporal trend of PM2.5concentrations,with a correlation coefficient of 0.71 and 0.63 betweenmodeled and measured PM2.5daily average concentrationsat Haidian and Shangdianzi, respectively. After 30～40% reduction of emissions for main pollutants in the Beijing-Tianjin-Hebei Region, PM2.5average concentrations in Haidian, Shangdianzi, and urban area deceased by (24.9±2.3)%, (20.2±2.7)%, and (24.8±2.1)%, respectively. If the measures were strictly implemented and the meteorological conditions were similar with those in 2012, the goal of reducing PM2.5annual mean concentration to 60μg/m3could be reached in 2017.

models-3 community multiscale air quality；Beijing-Tianjin-Hebei and surrounding areas；PM2.5；decreasing ratio

X51

A

1000-6923(2014)11-2726-08

劉 俊(1987-),女,四川郫縣人,北京大學博士研究生,主要從事環境科學與政策的研究.發表論文3篇.

2014-02-10

國家自然基金(21190051,41121004);歐盟第7框架項目PURGE(265325);北京科技計劃項目(GYHY200806027);城鎮化發展對臭氧污染的影響及下游效應研究(41075111)

* 責任作者, 研究員, anxq@cams.cma.gov.cn