G20峰會管控措施對杭州空氣質量改善效果的評估分析

馬萌斐，羅 坤，樊建人

（浙江大學 能源清潔利用國家重點實驗室，浙江 杭州 310027）

0 引 言

近年以來，隨著城市化、工業化的迅猛發展，我國能源消費總量持續增加的同時，大氣污染物排放量也一直處在較高水平，以PM2.5 和O3為首要污染物的大氣復合污染對空氣質量造成了嚴重影響[1]。 杭州市是浙江省的政治、經濟、文化中心，同時也是召開重大國際活動的理想城市，在長三角地區整體戰略規劃中有著重要地位，其空氣質量問題得到了當地政府的持續關注。 但由于杭州市西南高、東北低的特殊地形，在夏季西南風、冬季西北風的盛行風向下不利于大氣污染物的擴散[2]。 盡管近年來杭州市不斷強化環保措施，根據杭州市10 個國控站點的監測數據，2013 -2015 年間杭州市PM2.5 濃度最低年均值為56.68 μg·m-3，仍超過年均二級標準的35 μg·m-3。 與此同時，三年來杭州市O3日最大8 小時滑動平均濃度的階段平均值以109.14、132.02、152.22 μg·m-3的速度迅速增長，這一問題也值得關注。

2016 年9 月4 日至5 日，二十國集團（G20）領導人第十一次峰會在杭州舉行，這也是中國首次舉辦首腦峰會，杭州成為向世界展現中國面貌的重要窗口。 為確保峰會期間杭州市環境空氣質量達到國家二級標準，向世界展示杭州良好的生態環境，杭州及周邊區域（浙江省其他地區、上海市、江蘇省、安徽省及江西省）在保障期間采取了一系列的污染物管控方案。 根據長三角國控站點監測數據，G20 峰會保障期間（2016 年8 月24 日-9月6 日，下同），杭州市包括PM2.5 和O3在內的各項污染物平均濃度較前幾年均有不同程度的降低。保障期間，杭州PM2.5 平均濃度僅為31 μg·m-3，達到國家日均一級標準；O3日最大8 小時平均濃度同比2015 年也出現下降，結束了近三年持續上升的勢頭。

為做好重大活動期間空氣質量保障工作，對臨時性減排措施進行評估和量化研究是必不可少的。 就國內而言，2008 年北京奧運會和2014 北京APEC會議期間，都存在為保障空氣質量而采取臨時性或階段性控制措施的先例。 吳其重等[3]采用NAQPMS 源追蹤方法研究了2008 年北京奧運會期間北京空氣質量保障方案對北京城八區空氣質量的影響，發現在減排情景下，北京污染源對城八區PM10 貢獻濃度顯著減小，而周邊源貢獻略有增加，但總體而言仍有效削減了顆粒物濃度，削減幅度達50%。 賈佳等[4]對2014 年APEC會議前后北京PM2.5 濃度改變進行了評估，發現北京及周邊地區嚴苛的污染控制措施使會期北京市區PM2.5 濃度降低了43%，是形成“APEC藍”的主要因素。 G20 峰會是杭州地區首次采取大氣污染強化控制措施[5]，也是對長三角地區大氣污染防治工作的一次重要考驗。 在峰會保障期間，浙江省政府制定了《G20 峰會浙江省環境保障工作方案》，在先前國內空氣質量保障經驗的基礎之上采取了嚴格的環境質量保障方案，并協調長三角地區其他省市協同管控，在保障期間實現了“G20 藍”，不僅能夠作為今后杭州地區空氣質量保障的參考，對長三角地區污染的長效治理也具有重要意義，值得進行深入探討。

國內學者對G20 期間杭州市空氣質量及相關管控進行了初步研究，大致評估了G20 峰會保障措施的成效。 趙輝等[6]通過對峰會期間杭州及其周邊城市空氣質量監測數據進行分析，從其時空分布特征入手并與2015 年同期空氣質量對比，發現會期PM2.5 和PM10 的濃度分別下降了38.80%和35.62%，而O3濃度則與同期相比升高了12.08%。 為了對G20 峰會保障措施進行進一步量化分析，部分學者結合空氣質量模型對其進行了研究。 毛敏娟等[7]利用WRF-Chem 模式對G20 峰會期間杭州空氣質量進行了模擬，從不同管控區域角度進行分析，確定了減排措施對首要污染物影響明顯，從2016 年5 月開始，以PM2.5為首要污染物的日數占比較2015 年同期低，6 -8月均未出現以其為首要污染物的情況。 應方等[8]利用WRF-CMAQ模型研究了區域傳輸對G20 峰會保障期間PM2.5 和O3污染的影響，發現會期O3濃度超標與上風向O3前體物排放有關。 這些研究均對G20 峰會保障措施進行了分析，從不同控制區減排狀況、保障期間各區域的污染物傳輸以及污染物排放源解析等宏觀角度上證明實施保障措施改善了會議期間杭州空氣質量，降低了PM2.5 濃度與O3濃度，但沒有就區域、行業等因素對杭州空氣質量改善的貢獻進一步量化分析。 在G20 保障期間，長三角地區對不同行業均執行了嚴格的減排措施。 不同行業實施管控的經濟代價不同，對空氣質量改善所做出的貢獻也不相同，值得進行探討。 除此之外，空氣中大氣污染物的變化不僅取決于污染源的排放，也取決于氣象條件[9]，降雨、降雪、風等氣象要素會通過影響污染物擴散條件對當地空氣質量狀況產生影響[10]。 本文結合污染物濃度日變化，對氣象要素的貢獻進行了分析，從而能夠更好地排除自然因素的影響，評價污染物濃度改善中人為因素與氣象因素所占比重，增進對保障方案效果的了解與認識。

為了客觀評價杭州G20 峰會期間杭州及周邊區域實施的各類管控措施對空氣質量的改善效果，本文采用本地化的區域多尺度空氣質量模型WRF-CMAQ對杭州市8 月24 日至9 月6 日期間空氣質量進行了模擬，評估管控措施對空氣質量的改善效果。 研究采用敏感性分析方法對管控措施的空氣質量改善效果進行分區域、分行業的效果分擔研究，并結合了2015 年源排放清單及氣象條件，進行了氣象因素與人為因素的比較分析，為城市應急空氣質量保障提供經驗參考。

1 研究方法

1.1 模型設置

本文采用WRF-CMAQ模型進行模擬。 WRF（the weather research and forecasting）模型[11]作為新一代中尺度氣象預報模式能夠用于模擬真實氣象場。 CMAQ（Community multiscale air quality）模型[12]則能夠模擬污染物物理傳輸過程和化學反應過程。 WRF-CMAQ模型能夠較為精準地對空氣污染狀況進行模擬，在我國空氣質量研究中已經得到了廣泛應用[13-14]。

本文氣象模型采用WRFv3.4 版本，微物理過程方案為WSM6 類冰雹方案[15]，長波輻射方案為RRTM方案[16]，短波輻射方案為Goddard 短波方案[17]，近地面層方案為Monin-Obukhov方案[18]，陸面過程方案為Noah 陸面過程方案[19]，邊界層方案為YSU方案[20]，積云參數化方案為Grell-Devenyi集合方案[21]。

空氣質量模型為CMAQv5.0.2 版本，氣相化學反應機制為CB05，氣溶膠機制為AERO6。

1.2 模擬情景

模擬使用Lambert投影方式，如圖1 所示。水平方向采用三層嵌套，坐標原點為（34°N，110°E）。本研究中CMAQ模型使用分辨率分別為36 km、12 km、4 km的三層嵌套網格，三層網格數分別為173 ×136、135 ×228、150 ×174，分別覆蓋了整個中國及東亞部分地區、中國東部、長三角。 為降低WRF模型的邊界效應對CMAQ最終模擬結果的影響[22]，WRF模型三層網格在各邊界上均增加6個網格。 考慮到G20 峰會時間為2016 年9 月4日至5 日，但空氣質量管控措施于會期之前已開始實施，模擬時段選為2016 年8 月24 日-9 月6 日。

圖1 CMAQ模式三層網格嵌套模擬區域

研究中WRF模型采用MODIS 數據作為地形覆蓋和土地利用數據，最外層氣象邊界場和初始場采用美國國家環境預報中心（NCEP）提供的FNL數據（ds083.2），時間分辨率為6 小時，空間分辨率為1°×1°。 內層初始場及邊界場則由外層網格計算結果提供。

本研究所使用的未管控排放源清單外層清單來源于清華大學[23]，最內層清單來源于上海市環境科學研究院[24]。 對杭州市當地污染源排放數據，使用杭州市環境保護科學研究院的統計數據進行更新，從而降低排放清單的不確定性，提升模擬精確度。 實際減排清單則是在未管控清單的基礎上，根據圖2 所示減排比例對未管控清單進行修改所獲得的相應人為排放源清單。

圖2 浙江省各市及周邊省市G20 保障期間污染物平均減排比例

2 結果驗證

2.1 WRF模型結果驗證

氣象要素能夠影響污染物的形成及傳輸，其模擬誤差是污染物模擬的重要不確定性來源。 為了說明本研究的科學性與準確性，選取杭州蕭山機場、上海浦東機場和南京祿口機場三個站點，將模型模擬結果與該地地面氣象觀測站點數據進行比較，以標準化平均偏差（NMB）、均方根誤差（RSME）和相關系數（R）作為評價指標，對風速、風向、溫度以及相對濕度四個氣象要素進行評估，評估結果如圖3 所示。

圖3 各站點氣象參數模擬值與監測值時序對比

由圖3 可知，各站點溫度的相關系數達到0.9，均方根誤差、標準化平均偏差均較小，說明WRF模型對溫度的模擬結果很好。 相對濕度的相關系數在0.8 左右，與監測值對比標準化平均偏差較低，三地均方根誤差相差不大，造成誤差的原因可能是初始邊界條件存在誤差、模式水平分辨率設置問題[25]、未更新模式的下墊面資料[26]。 杭州蕭山機場和上海浦東機場風速的模擬值與實際觀測數據相比均偏低，南京祿口機場風速偏高，可能與天氣系統、局部地形以及下墊面等多方面因素有關[27]。風向趨勢則大致與觀測結果總體接近，能夠大致反應模擬時段風向變化。 同時由模擬與觀測對比時序圖可知，四種氣象要素模擬值與觀測值基本趨勢大致吻合，能夠大致再現觀測值逐時變化特征，說明WRF的模擬結果基本能夠反映實際氣象場的變化，具有較高的準確性，能夠為CMAQ模型提供相對準確的氣象場，減少污染物模擬的誤差。

2.2 CMAQ模型結果驗證

為客觀評估模型對杭州及周邊區域主要大氣污染物的模擬準確性，本研究選取杭州及周邊區域主要城市的空氣質量監測站點數據與模擬結果進行比較，同樣以標準化平均偏差（NMB）、均方根誤差（RSME）和相關系數（R）作為評價指標，對PM2.5、O3濃度的模擬結果分別進行評估，評估結果如圖4 所示。

圖4 各站點污染物濃度模擬值與監測值時序對比

由圖4 可知，PM2.5 濃度的標準化平均偏差為-4%，相關系數為0.57，O3濃度的標準化平均偏差為-2%，相關系數為0.77，均呈現出了偏差小、相關性高的特點，說明CMAQ模擬結果整體表現良好，基本能夠反映杭州地區實際空氣質量狀況。 在杭州市PM2.5 的濃度對比圖中，模擬值與觀測值變化趨勢基本一致，并且能夠體現出9月3 日凌晨出現的PM2.5 濃度升高現象。 在杭州市O3的濃度時序變化對比圖中，基本能夠捕捉到O3濃度的每日峰值和谷值，在8 月24 日管控措施執行后，O3濃度也出現了峰值降低、谷值升高的特征。 總體來說，PM2.5 濃度與O3濃度的模擬結果與監測數據吻合良好，除此之外NO2、SO2的模擬結果也貼近監測數據，合理反映了模擬時段污染物濃度變化，能夠將該模型應用于杭州區域污染物的模擬與分析。

3 減排措施量化評估

3.1 減排措施整體評估

為了對G20 峰會空氣質量保障措施對污染物PM2.5 和O3的改善效果進行評估，本文以相同氣象場、初始條件和邊界條件下，分別采用未管控排放源清單和實際減排清單，對2016 年8 月24 日-9 月6 日期間的空氣質量狀況進行模擬，并針對PM2.5 和O3的模擬結果進行對比分析。

保障期間，長三角區域PM2.5 日均濃度的改善效果和14：00 時刻的O3濃度改善效果分別如圖5（a）和圖5（b）所示。 PM2.5 的濃度改善空間分布情況每天都有著較大差異，改善效果主要體現在下風向地區，說明氣象條件對PM2.5 改善效果存在顯著影響，上風向PM2.5 濃度會通過區域傳輸影響杭州當地空氣質量狀況。 結合風場可以看出在保障期間杭州地區上風向PM2.5 濃度也都有著一定改善，這對于確保杭州市空氣質量是有利的。 在大部分模擬時段，長三角區域的PM2.5 濃度均有所下降，說明區域聯合管控措施得到了切實有效的落實。 就整個模擬時段而言，杭州地區PM2.5 濃度下降也明顯大于其他地區，改善效果明顯。

圖5 （a）G20 峰會空氣質量保障措施對杭州及周邊地區PM2.5 日均濃度（μg·m-3）的改善效果；（b）G20 峰會空氣質量保障措施對杭州及周邊地區14：00 時O3 濃度（μg·m-3）的改善效果

O3濃度變化與PM2.5 呈現出了不同的特點，在保障初期，某些區域O3濃度甚至出現負改善。 這是由于O3本身具有比較復雜的化學特性，NOx濃度與VOC濃度的變化不完全與臭氧濃度呈正相關[28]。 但在此期間杭州市區域的O3濃度依然呈下降態勢，最高降幅可達24μg·m-3，說明保障措施行之有效。 9 月1 日實施應急措施后杭州市O3污染得到了有效控制，盡管長三角個別區域O3濃度出現升高，但杭州區域O3濃度仍然有所下降，達到了改善會期杭州區域空氣質量的目的，G20 保障措施從整體上看是成功且有效的。

以上模擬結果均能說明G20 保障措施在整體上改善了杭州區域空氣質量，為了進一步量化確定不同區域保障措施對杭州市PM2.5 和O3濃度的改善，分別以無管控、僅杭州管控、長三角管控為情景，對杭州市8 月24 日-9 月6 日期間空氣質量進行模擬，所得PM2.5 濃度和O3日最大8小時濃度的逐日改善圖如圖6 所示。 O3濃度日均國家二級標準為160 μg·m-3，在管控開始前期杭州市O3濃度嚴重超標，分析模擬結果可知，執行保障措施能夠有效降低O3濃度5% ～10%。保障期間，杭州市O3日最大濃度從8 月25 日的224.7 μg·m-3下降到207.6 μg·m-3，下降比例為8%。 PM2.5 平均濃度由48.9 μg·m-3下降至31.4 μg·m-3，遠低于PM2.5 國家二級標準濃度限值（日均）75 μg·m-3，下降比例達35.9%。 將僅杭州管控和長三角管控進行對比，可以發現在8 月24 日至25 日和9 月2 日至4 日，若只對杭州市進行排放管控，則杭州市平均PM2.5 濃度將達到37.8 μg·m-3，濃度超過國家二級標準，降低杭州市峰會期間空氣質量。 O3日最大濃度變化較小，接近無管控情景，由以上結果可見，對長三角區域進行整體管控對控制O3濃度十分必要。 會期9 月6 日若僅在杭州市實行減排措施，PM2.5 的濃度將上升至51 μg·m-3，嚴重影響空氣質量。因此，為保證G20 期間杭州市空氣水平，有必要對長三角地區實行嚴格排放管控。

圖6 保障期間杭州市PM2.5 濃度與O3 日最大8 h 濃度逐日改善對比

從逐日改善對比中可以看出在8 月31 日杭州市PM2.5 濃度較前一天有所升高，O3濃度也仍高于國家二級標準。 且9 月1 日前杭州市相對濕度明顯下降，風速也顯著下降，氣象條件不利于空氣質量改善[7]。 為使會期杭州空氣質量達到較高水準，在9 月1 日實行了應急措施，緊急對污染物排放進行管控。 為了評估應急措施對杭州市PM2.5 和O3濃度的改善效果，分別以有應急措施和無應急措施兩種情景進行模擬，模擬結果如圖7 所示。 在實行應急措施后，PM2.5 濃度顯著下降，且在實施應急措施后的6 天之內PM2.5 濃度削減幅度均達到9%以上。 在會期的9 月4 日和9 月6 日，PM2.5 日均濃度由超過國家一級標準降低至達標。 對O3濃度而言，在9 月1 日至3日，杭州地區O3濃度較高，若不采取措施，9 月2日和9 月3 日的O3日最大8 小時濃度均將超過國家二級標準。 在實施應急措施后，這兩日的O3最大8 小時濃度分別下降了3.8%和2.8%。 受臭氧滴定化學反應的影響，某些區域某些時刻如9 月6 日，O3濃度隨污染物的減排反而有所升高。但整體來說應急措施對杭州區域PM2.5 濃度和O3濃度的達標均起了重要作用，行之有效。

圖7 9 月1 日應急措施對PM2.5、O3 濃度影響

3.2 PM2.5 保障措施效果分擔

3.2.1 分省市分擔

在G20 峰會保障期間，為保證杭州區域的空氣質量狀況，杭州市、浙江省其他地市、上海市、江蘇省、安徽省及江西省均采取了嚴格減排措施。 為了進一步定量評估不同區域實施管控對杭州市空氣質量改善的貢獻，采用置零法，通過對執行整體減排措施和對減排措施下某區域污染源全部置零的不同排放情景進行模擬，取二者差值即可得該區域對整體污染改善效果的貢獻，從而對保障期間杭州市PM2.5 濃度改善的區域貢獻進行了模擬與統計。

由圖8 可知，整體而言，杭州市PM2.5 濃度下降的貢獻主要來自杭州市本地污染物減排，貢獻比例高達53%。 這與杭州市在保障期間大幅度削減了本地大氣污染物的一次排放量有著密切聯系，說明杭州市本地對污染物的嚴格管控對峰會期間PM2.5 濃度改善起著至關重要的作用。除此之外，長三角地區其他省市也對杭州市PM2.5 濃度改善起了重要作用，從逐日貢獻來看浙江省其他地市對PM2.5 濃度改善最高可達53.5%，降低PM2.5 濃度15.9 μg·m-3；上海市最高貢獻可達25%。 降低6.8 μg·m-3；江蘇省貢獻最高可達30.2%，降低3.5 μg·m-3。 因此，對浙江省除杭州以外的地區采取管控措施是確保杭州市PM2.5 濃度下降的重要原因，長三角區域管控也對杭州市空氣質量改善有著一定的貢獻。

圖8 不同地區對杭州市PM2.5 濃度下降的貢獻

除此之外，8 月26 日-8 月30 日期間，江蘇省的貢獻尤為顯著。 結合氣團軌跡可以發現，該時段氣團主要來自正北，且軌跡較長，從遼寧省出發，經過污染較為嚴重的京津冀地區，最終由江蘇省直接進入杭州，使得江蘇省貢獻比例升高。 9月3 日杭州市PM2.5 濃度顯著升高，具有超標風險，結合氣團軌跡分析，有分別來自安徽省和內蒙古自治區的兩股氣團對杭州市造成了影響，遠距離傳輸污染物的疊加是杭州市PM2.5 在9 月3日顯著升高的主要原因。

3.2.2 分行業分擔

在G20 保障期間，為確保保障效果，針對不同行業執行了不同的嚴格減排措施。 為了量化評估不同行業實施管控對杭州市PM2.5 濃度改善的效果，同樣采取置零法，分別模擬執行綜合減排措施和綜合減排措施下某行業置零的不同排放情景，所得兩次模擬結果的差值即為該行業的貢獻。

圖9 不同行業對杭州市PM2.5 濃度下降的貢獻

對杭州市而言，對不同行業一次PM2.5 減排量進行分析，發現鋼鐵水泥行業對PM2.5 濃度改善貢獻率高達52%，說明峰會保障期間對鋼鐵水泥行業進行的嚴格管控取得了相當成效，對PM2.5 濃度的降低有著極大貢獻。 除此之外，電廠和工業燃燒行業管控也對PM2.5 濃度降低有著一定貢獻。 從PM2.5 濃度改善逐日貢獻率而言，各行業貢獻隨時間變化不大，在8 月28 日杭州市實行機動車單雙號限行后，交通部門對杭州市PM2.5 濃度下降產生貢獻，說明通過對機動車進行有效管控來降低PM2.5 排放也是治理顆粒物污染的關鍵一點。

3.3 氣象對管控效果的貢獻

PM2.5 濃度和O3濃度在一定程度上均受風速、風向等氣象因素的影響。 8 月24 日-9 月6日間杭州市氣象條件發生過較多變化，有利于污染物控制和不利于污染物控制的氣象條件交叉出現，如會前9 月1 日暖濕西南氣流經過杭州，有利于顆粒物增長和傳輸，對PM2.5 和PM10 濃度有一定提升作用；會期9 月4 日、5 日兩天，杭州地區云系增多且出現弱降水，對污染物有一定濕清除作用。 為進一步探討氣象條件對杭州市PM2.5和O3濃度的影響，確定G20 保障期間污染物改善中人為因素與氣象因素的占比，本文設置了三個情景進行模擬評估：2015 年氣象條件下未執行保障措施的情景（即2015 年實際情景），2016 年氣象條件下未執行保障的情景，2016 年氣象條件下執行保障措施的情景（即2016 年實際情景）。

氣象條件相同、排放情景不同的污染物濃度差可以反映人為因素的貢獻，氣象條件不同、排放情景相同的污染物濃度差可以反映氣象因素的貢獻，當氣象條件和排放情景均發生變化，即反映了兩年間真實的污染物濃度變化，是兩種因素的共同作用。

圖10 即為三種情景下杭州市PM2.5 日均濃度、O3最大8 小時濃度的逐日變化。 分析模擬結果可知，與2015 年同期相比，在保障前期藍色線高于黑色線，表明此時氣象條件有利于污染物擴散，在峰會后期則出現相反趨勢，氣象條件阻礙了污染物擴散，導致PM2.5 和O3濃度升高。 總體而言杭州市2016 年PM2.5 總濃度下降了42%，其中人為因素和氣象因素的貢獻比例約為2 ∶1，可以發現G20 保障期間PM2.5 濃度的改善大部分是人為因素的貢獻。 與PM2.5 相比，由于同時受前體物排放和傳輸等因素的影響，O3濃度變化的影響因素較為復雜，總體而言受氣象影響較小。與2015 年同期相比，杭州市2016 年無管控情景下O3濃度下降了0.8%，2016 年保障措施下O3濃度下降了1.2%，人為因素與氣象因素的貢獻比例約為10 ∶7，說明管控措施對O3濃度改善也有一定效果。

圖10 三種情境下杭州市PM2.5 日均濃度、O3 最大8 小時濃度的逐日變化

4 結 論

（1）根據模擬結果與觀測數據的對比分析可知，整體而言，G20 保障措施的實施改善了杭州市會期空氣質量，對PM2.5 和O3濃度均有一定降低的效果，并且實施的應急措施切實保障了G20峰會期間杭州空氣水平，G20 保障措施行之有效。

（2）通過對PM2.5 保障措施效果分區域、分行業進行分析，可以了解到G20 峰會期間杭州空氣質量的改善主要來自于杭州本地的污染管控，但與此同時為使杭州市空氣水平達到較高水準，對長三角地區進行管控也是必要的。 鋼鐵水泥行業對PM2.5 濃度改善貢獻率過半，說明峰會保障期間對鋼鐵水泥行業進行的嚴格管控取得了相當成效，并且交通管制也對PM2.5 的改善起到了一定效果，在日后PM2.5 污染治理中可以參考這些成功經驗。

（3）氣象條件對杭州市會期空氣質量存在著一定影響，但G20 保障期間PM2.5 濃度的改善大部分是人為因素的貢獻，管控措施對O3濃度的下降也起到了一定效果，人為因素對杭州市會期空氣質量改善貢獻更大。