2. 河北省石家庄市气象局, 石家庄 050081;
3. 南京大学环境学院, 南京 210023
2. Shijiazhuang Meteorological Bureau, Hebei Province, Shijiazhuang 050081;
3. School of Environment, Nanjing University, Nanjing 210023
随着经济的迅速增长及城市化的不断加快, 人口持续向城市聚集.持续增加的人类活动及大量化石燃料的消耗, 导致人为污染物排放达到较高水平, 城市环境空气质量显著恶化.为了确实改善京津冀及周边地区的环境空气质量, 中华人民共和国生态环境部制定了相应的工作方案并开展了大气污染防治强化督查, 实施范围为京津冀大气污染传输通道, 包括北京市、天津市、河北省石家庄、唐山、廊坊、保定、沧州、衡水、邢台、邯郸市、山西省太原、阳泉、长治、晋城市、山东省济南、淄博、济宁、德州、聊城、滨州、菏泽市、河南省郑州、开封、安阳、鹤壁、新乡、焦作、濮阳市(中华人民共和国生态环境部, 2017), 以下简称“2+26”城市.京津冀及其周边地区“2+26”城市占全国国土面积不到3%, 但排放了全国10%以上的二氧化硫(SO2)和挥发性有机物(VOCs)、15%以上的氮氧化物(NOx)和一次颗粒物, 区域内的污染物排放强度高出全国平均水平3~5倍, 是造成区域内大气重污染频发的内在原因.对该区域大气颗粒物组分进行分析, 利用区域空气质量模式进行来源解析研究, 可以更好地了解颗粒物的特征及其来源, 为精细化治理提供更坚实的支撑.
大气颗粒物的组分研究备受关注, 国内外学者针对中国不同区域都开展了相关的研究, 京津冀及其周边地区空气污染较为严重, 一直是研究的重点区域.Wang等(2005)对北京2001—2003年的颗粒物组分进行了分析, Sun等(2006)分析了北京一次污染期间的颗粒物组分, 刀谞等(2015)对北京、天津和石家庄的颗粒物的水溶性离子组分进行了采样分析, 李星等(2018)对北京采暖季颗粒物的水溶性离子进行了分析.这些研究表明, OC、NO3-、SO42-、NH4+是颗粒物占比最高的4种组分, 近几年来NO3-占比已经超过SO42-.康苏花等(2014)分析了石家庄市2013年4个季节的含碳颗粒物, 刘庆阳等(2014)对北京冬季颗粒物组分进行了分析, Geng等(2013)对郑州颗粒物组分进行了分析, 这些分析都发现了不同程度的二次有机颗粒物污染.郑子龙等(2014)对北京颗粒物中的元素组分进行了分析, 张霖琳等(2016)还结合颗粒物组分数据, 使用CMB模型对颗粒物进行来源分析, 研究发现, 工业、燃煤、交通和扬尘源贡献较大.基于颗粒物化学组分的来源解析, 无法弄清不同区域之间的输送对本地PM2.5浓度的贡献, 使用空气质量模型进行来源解析能够弥补这一不足.CAMx(Comprehensive Air quality Model with Extensions, 6.40版本)是美国Environ International Corporation(2016)开发的第3代三维空气质量模型, 可用于多尺度的空气质量模拟研究, 其颗粒物来源解析工具PSAT在国内外已经得到广泛运用.李璇等(2015)和陈云波等(2016)使用CAMx对北京的颗粒物进行了来源解析, 李珊珊等(2015)采用CAMx模拟与污染物、气象观测资料相结合的方式, 分析了2014年京津冀地区PM2.5时空分布及来源特征.虽然国内外学者针对我国京津冀及其他地区开展了许多颗粒物来源解析研究, 但目前对“2+26”城市之间相互影响的研究工作相对较少.
基于此,本文对“2+26”城市2016年12月16—23日的一次污染过程中颗粒物组分数据进行分析, 使用空气质量模式CAMx-PSAT对颗粒物的来源进行解析, 基于以上两部分工作研究污染期间的颗粒物组分特征、行业来源及不同地区之间的相互影响.
2 数据和方法(Data and methods) 2.1 数据本文使用的颗粒物组分数据为中国环境监测总站提供的2016—2017年采暖季期间(2016年11月—2017年3月)的组分网数据, 包括“2+26”城市中的19个城市, 主要选取了2016年12月16—23日一次污染过程期间的数据进行分析.颗粒物组分包括2类含碳颗粒物(OC和EC)、9类水溶性离子(Na+、NH4+、K+、Mg2+、Ca2+、F-、Cl-、NO3-、SO42-)和20类元素(Ba、Cd、Sn、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Se、Pb、Al、S、Sc、P、Si).另外, 还选取了研究区域内各个城市在污染时段的颗粒物浓度数据进行分析, 数据源为中国环境监测总站的全国城市空气质量实时发布平台.
CAMx模式使用的气象场为美国国家大气研究中心(National Center for Atmospheric Research, NCAR)的WRF(Weather Research and Forecasting, 3.7版本)模式输出的结果, 气象数据使用的是美国环境预报中心(National Centers for Environmental Prediction, NCEP)的FNL全球分析资料, 水平分辨率为1°×1°.CAMx前处理模块中使用的臭氧柱浓度数据为美国国家航空和宇宙航行局(National Aeronautics and Space Administration, NASA)提供的全球臭氧数据.排放清单使用的是中国多尺度排放清单模型(Multi-resolution Emission Inventory for China, MEIC)提供的2015年数据.
2.2 模式设置CAMx使用的气象场由WRF提供, 因此, 两者的参数设置尽量保持一致(表 1和表 2).选取2016年12月16—23日的一次颗粒物污染过程进行模拟分析, 模拟提前3 d开始(2016年12月13—23日), 以尽量降低初始和边界条件对模拟结果的影响.模拟区域见图 1, 针对第二层区域(D2)进行颗粒物来源解析研究, 源区一共划分为29个, 包含“2+26”城市和模拟区域内的其他部分(以下简称“外围区域”), 将“2+26”城市都定义为单独的受体区域.
为了验证CAMx模式的模拟效果, 对比了研究时段内的PM2.5观测和模拟结果.图 2为模拟的PM2.5各组分的平均占比, 所有城市OC、NO3-、SO42-、NH4+、EC平均占比分别为20.61%±2.19%、23.86%±3.70%、12.59%±0.68%、11.25%±0.97%、7.05%±0.81%, 其他组分占比为24.64%±2.08%.与3.1节中的观测值对比发现, NO3-和EC模拟结果偏高, SO42-模拟结果偏低, 其他组分基本一致.模式使用2015年的MEIC排放清单, 除了排放清单与研究时段时间不同以外, 清单本身存在的误差及CAMx模式的化学机制的不确定性, 都会导致模拟与观测的差异, 但整体来看, 模拟的PM2.5各主要组分占比与观测相对一致.
表 3为PM2.5浓度的观测值与模拟值的统计结果, 包括相关系数(r)、标准化平均误差(NME)、标准化平均偏差(NMB)、平均相对偏差(MFB)和平均相对误差(MFE).除个别城市外, 观测值与模拟值的相关性较高, 相关系数为0.25~0.90, 均值为0.65;NME为0.25~0.56, 均值为0.40;NMB为-0.52~0, 均值为-0.27;MFB为-0.42~0.38, 均值为-0.11;廊坊和开封的MFE分别为0.72和0.94, 其余城市为0.28~0.60, 均值为0.45.污染期间, 部分城市PM2.5小时浓度超过600 μg·m-3, 邯郸、郑州和安阳甚至达到816、786和771 μg·m-3, 明显存在沙尘影响.由于排放清单未加入沙尘和扬尘源, 模拟结果整体偏低.此外, 气象场及模式的不确定性也会造成模拟和观测之间的差异.北京、石家庄、保定、邯郸、长治、太原、晋城、郑州、安阳、鹤壁、新乡、焦作主要位于“2+26”城市群的北部和西部, 受沙尘影响较大, 模拟结果低估相对较大, 其余位于东部和南部的城市, 模拟结果与观测差异较小.模拟的PM2.5各主要组分占比与观测基本一致, 观测值与模拟值的相关性较高, 趋势较为一致, 虽然未加入沙尘和扬尘源导致模拟结果整体偏低, 但仍然满足Boylan等(2006)推荐的空气质量模式评价标准(MFB≤±60%和MFE≤75%).
沙尘通常以外来输送为主, 缺少沙尘源会导致PM2.5区域来源解析结果低估外地源的贡献;扬尘源中, 道路和建筑扬尘占主导, 通常以本地贡献为主, 缺少扬尘源会导致PM2.5区域来源解析结果低估本地源的贡献.“2+26”城市群的北部和西部受到外来输送的沙尘影响较大, PM2.5区域来源解析结果会低估外地源的贡献;位于东部和南部的城市, 受到沙尘的影响相对较小, 缺少扬尘源会导致PM2.5区域来源解析结果低估本地源的贡献.不同地区之间颗粒物的相互输送, 包含颗粒物的所有组分, 沙尘和扬尘是其中的一部分, 虽然缺少这两种源会影响PM2.5区域来源解析结果, 但除此以外的其他组分仍然是PM2.5的主要组成部分.由于不同行业的排放源之间相互独立, 缺少沙尘和扬尘源对于其他行业排放源贡献的相对占比影响基本可以忽略.
3 结果与讨论(Results and discussion) 3.1 污染期间各城市PM2.5的整体情况12月16—23日期间, 所有城市的PM2.5浓度均呈现先升高后降低的趋势, 并在12月19日前后达到峰值.图 3为污染期间“2+26”城市的PM2.5小时浓度箱型图, 黑色曲线表示平均值, 黑色横线为150 μg·m-3限值.可以看到, 除长治、阳泉、太原和滨州以外, 其余城市的平均PM2.5浓度均超过150 μg·m-3, PM2.5日均浓度均出现超过250 μg·m-3的情况.根据《环境空气质量标准》(GB 3095—2012)中PM2.5的24 h浓度标准, 阳泉的PM2.5最高日均浓度为137 μg·m-3, 达到中度污染;长治、太原和滨州的PM2.5最高日均浓度分别为235、188、226 μg·m-3, 达到重度污染;其余城市的PM2.5最高日均浓度在288~699 μg·m-3之间, 超过250 μg·m-3, 达到严重污染, 表明本次PM2.5污染是一次大范围的区域性严重污染过程.
由图 4a可知, PM2.5中含量较多的组分有OC、NO3-、SO42-、NH4+, 平均占比分别为19.38%±4.37%、18.20%±3.14%、16.83%±3.55%、10.35%±1.64%;此外, Cl-、S、EC、K+、Na+平均占比分别为3.42%±0.55%、2.73%±0.69%、2.46%±0.97%、1.14%±0.34%、0.69%±0.14%, 其他元素指以上9种组分以外的其他测定元素, 平均占比为1.34%±0.38%.因受观测设备的限制, PM2.5还包括一些未测定组分, 平均占比为23.47%±5.62%, 包括水分和不可溶物质等(Hand et al., 2006).图 4b为一些主要元素在除以上9种组分以外的其他元素总量中的占比, 其中, Fe元素含量最高, 平均占比为27.37±7.00%, 其他含量较高的元素还有Ca2+、Si、Zn、F-、Al、Pb、Mg2+, 平均占比分别为18.01%±6.01%、14.14%±5.44%、11.34%±3.74%、8.24%±4.03%、5.14%±1.32%、5.06%±1.64%、2.63%±1.39%.
大气颗粒物中某一元素的富集因子表示其超过背景值的程度, 可以定性判断其可能的来源(Taylor et al., 1995), 计算方法为:
(1) |
式中, EF代表富集因子, Cele为目标元素的浓度, Cref为参考元素的浓度, 下标aer表示在颗粒物中的浓度, cru表示在地壳中的浓度.因为Ti元素在土壤中比较稳定、迁移性差, 且人为影响较小, 因此, 本文选择该元素作为参考元素, 各元素在地壳中的浓度参考《中国土壤元素背景值》(中国环境监测总站, 1990)和Wedepohl(1995).若某一元素的富集因子小于10, 则可以认为相对于地壳(表层土壤)来源没有富集, 主要是土壤或岩石风化尘刮入大气造成的;如果富集因子大于10, 则可以认为该元素被富集了, 受到自然源和人为活动的影响, 富集因子越大, 富集程度越高.
图 5为所有城市各元素的富集因子箱型图, 整体来看, Mg、Ca、Ba、Ti、V、Fe、Al、Sc、P和Si元素的富集因子小于10, 因此, 可以认为大气颗粒物中的这些元素主要来自地壳.Na、K、F、Cr、Mn、Co和Ni元素的富集因子介于10~100之间, 同时来自于人为源和自然源.NaOH水膜法常用于工业和供热锅炉中燃煤的除尘脱硫, 是Na元素的主要来源之一(马召辉等, 2015);K元素是生物质燃烧的标志性元素(瞿群等, 2016);Cr、Mn、Co、Ni元素主要来自于金属冶炼行业(Wu et al., 2009).其余元素(Cl、Cd、Sn、Cu、Zn、As、Se、Pb和S)的富集因子大于100, 主要来自于人为源, 明显受到人为活动的影响.Cl元素主要来自垃圾焚烧中含Cl塑料的焚烧(马召辉等, 2015), As和S元素是燃煤燃烧的标志性元素(Hien et al., 2001), 燃煤也是Pb的主要来源, 机动车尾气、刹车片和轮胎磨损是Cu和Zn元素的主要来源之一(Jiries et al., 2010), Cd元素来源较为广泛, 包括燃煤、石油燃烧、工业废气和垃圾焚烧等(Tian et al., 2012), Sn元素主要来自于基轴承制造行业, Se元素主要来自于玻璃行业和光电管、印刷机等制造行业.综合富集因子分析可知, 燃煤、机动车、各种工业过程和生物质、垃圾燃烧是颗粒物的一些主要人为来源.
从浓度水平来看, Na、K、Ca、F、Cl、Fe、Zn、Pb、Al、S、Si元素的质量浓度为0.1~10 μg·m-3, Mg、Ba、Ti、Cr、Mn、Cu、As、Se、P元素的质量浓度为10~100 ng·m-3, 其余元素(Cd、Sn、V、Co、Ni、Sc)浓度较低, 在0.01~10 ng·m-3之间.根据《环境空气质量标准》(GB 3095-2012), Cd元素浓度除郑州、安阳、焦作和济南(分别为0.01、0.0064、0.013和0.0054 μg·m-3)略微超标(大于0.005 μg·m-3)以外, 其余城市均未超标;As元素浓度除天津、石家庄、沧州、济南和淄博达标(小于0.006 μg·m-3)外, 其余城市均超标;所有城市的Cr元素浓度均超标(大于0.25×10-4 μg·m-3).
3.3 水溶性离子9类水溶性离子平均浓度为63~172 μg·m-3, 是PM2.5的主要成分之一, 占比为35.14%~61.15%.污染期间, 所有城市水溶性离子的平均浓度依次为NO3-((42.55±7.35) μg·m-3)>SO42-((39.94±10.57) μg·m-3)>NH4+((24.37±4.50) μg·m-3)>Cl-((8.21±2.16) μg·m-3)>K+((2.69±0.89) μg·m-3)>Na+((1.59±0.21) μg·m-3)>Ca2+ ((0.57±0.27) μg·m-3)>F-((0.25±0.12) μg·m-3)>Mg2+((0.08±0.04) μg·m-3).其中, NO3-、SO42-、NH4+、Cl-是浓度最高的4种离子, 占总离子浓度的95.67%±0.40%.NO3-、SO42-、NH4+主要来自于气态前体物(NO2、SO2、NH3)的转化, Cl-和F-主要来自于含Cl和F元素的塑料垃圾的燃烧, K+是生物质燃烧的标志性元素, Na+、Ca2+和Mg2+主要来自于道路和建筑扬尘, NaOH水膜法常用于工业和供热锅炉中燃煤的除尘脱硫, 也是Na+的主要来源之一.
图 6为污染期间所有城市NO3-、SO42-、NH4+离子之间的线性关系, 可以看到, NH4+与SO42-和NO3-的可决系数分别为0.81和0.87, 具有较好的线性关系, 表明这3类水溶性离子主要以(NH4)2SO4、NH4HSO4和NH4NO3的形式存在于颗粒物中(Sun et al., 2006).通常认为大气中的NH3先与H2SO4反应生成(NH4)2SO4或NH4HSO4(McMurry et al., 1983), 然后过量的NH3再与HNO3和HCl反应生成NH4NO3和NH4Cl(Wang et al., 2005), 所以大气中的NH4+主要与NO3-、SO42-、Cl-相结合.图 6a、6b中截距分别为-1.36和4.05, 这表明有更多的NO3-和NH4+结合.NH4+也会与Cl-结合, 但由于Cl-浓度相对较低, 所以两者的可决系数相对较低, 为0.69.
NO3-和SO42-浓度的比值可以定性判断移动源和固定源对大气中颗粒物浓度贡献的相对大小(Arimoto et al., 1996).污染期间所有城市的这两种离子浓度比值的均值为1.11±0.23, 表明研究区域内移动源的贡献大于固定源, 与以上分析一致, 这与我国近些年出台的大气颗粒物控制措施特别是燃煤发电企业的脱硫和除尘设施的提效改造有关.石家庄、唐山、邯郸、邢台、焦作和淄博的该比值小于1, 与这些城市固定源(特别是化石燃料燃烧和工业排放)排放较大有关.
3.4 含碳颗粒物含碳颗粒物包括OC(有机碳)和EC(元素碳), 是颗粒物的重要组成部分, 污染期间, 所有城市的OC和EC的平均浓度分别为22.25~80.28 μg·m-3和3.24~12.96 μg·m-3, 分别占总PM2.5的13.65%~32.57%和1.51%~4.68%.EC是含碳物质燃烧的产物, 并且只来自一次排放, OC一般同时来自一次排放和二次生成, 因此, EC可以作为示踪物质用以计算与之共同排放的一次OC(Turpin et al., 1995).本文以OC与EC比值的最低值作为一次排放中二者的比值(OC/EC)pri.图 7为不同污染程度下OC和EC的比值, 图中曲线分别对应采暖季平均、清洁(PM2.5 < 75 μg·m-3)、重污染(PM2.5>150 μg·m-3)、污染个例和最低值.所有城市在不同的颗粒物浓度条件下, OC/EC的值都明显高于(OC/EC)pri, 说明这些城市都有明显的二次有机颗粒物的生成(Hou et al., 2011).总体上来看, 颗粒物污染越重, OC与EC的比值越高, 这表明二次有机颗粒物的生成是导致颗粒物污染的主要原因之一.北京、天津和廊坊在污染期间的该比值较低, 这3个城市相互毗邻, 局地性的气象条件可能导致大气氧化性降低, 辐射减少, 从而减少了二次有机颗粒物的生成.
为了量化各个城市PM2.5的区域及行业来源贡献, 本文使用CAMx模式的颗粒物来源解析工具PSAT对第二层区域(D2)进行了PM2.5来源解析研究.图 8为“2+26”城市的PM2.5区域来源解析结果.可见, PM2.5本地排放贡献为10%~47%, 外地城市为15%~68%, “2+26”城市以外的外围区域为14%~53%.根据不同区域贡献的大小, 将“2+26”城市分成了3类:第1类城市为北京、唐山和太原, PM2.5本地排放贡献分别为39%、47%和43%, 占比最大;第2类城市为天津、石家庄、衡水、廊坊、沧州、保定、邢台、邯郸、长治、阳泉、晋城、德州、聊城、安阳、鹤壁、新乡、焦作和濮阳, 外地城市的贡献为35%~68%, 占比最大;第3类城市为济南、淄博、济宁、滨州、菏泽、郑州和开封, “2+26”城市以外的外围区域的贡献为36%~53%, 占比最大.北京和太原本地排放较大, 冬季盛行西北风, 上风方向人口和工业分布较少, 本地贡献最大;唐山是典型的综合工业城市, 工业企业密集, 本地排放贡献最大.第2类城市主要位于“2+26”城市的中部区域, 周边的外地城市排放较大, 污染期间大气扩散条件较差, 城市间的相互影响显著, 外地贡献最大.第3类城市主要位于“2+26”城市的南部和东南部区域, 与河南省北部、山东省南部和江苏省北部接壤, 从污染物排放的空间分布上来看, 这些区域也是排放强度的高值区域.可以看到, 第2类城市数量最多, 外地城市贡献最大, 其余城市受到的外地贡献也不容忽视, “2+26”城市PM2.5污染呈现明显的区域性特征.
图 9为“2+26”城市PM2.5行业来源解析结果.农业排放源是指畜禽养殖、化肥施用、生物质燃烧排放源, 贡献为6.77%~11.30%, 平均占比为9.68%±1.09%.工业排放源是指炼钢、炼焦、水泥生产、石化和化工等工艺过程排放源, “2+26”城市的这些高污染、高耗能产业较为集中, 排放强度大, 因此, 工业排放对PM2.5的贡献较大, 贡献为23.38%~45.55%, 平均占比为29.29%±4.93%.电力排放源贡献为3.95%~8.85%, 平均占比为6.27%±1.37%, 近些年我国对燃煤发电企业的脱硫和除尘设施进行了提效改造, 并陆续关停了小型的燃煤发电厂, 实现了燃煤发电的“超低排放”, 电力源贡献相对较小.民用排放源贡献为32.74%~53.41%, 平均占比为43.70%±5.94%, 此次颗粒物污染过程在冬季采暖季期间, 集中供暖消耗大量化石燃料, 再加上散煤的直接燃烧, 导致民用排放贡献最大.交通排放源是指汽油、柴油尾气、蒸发排放、船舶飞机尾气排放源, 贡献为5.64%~11.65%, 平均占比为9.19%±1.69%.初始和边界条件贡献较小, 平均占比为1.87%±0.58%.整体来看, 不同行业对PM2.5的贡献依次为民用>工业>农业>交通>电力.
“2+26”城市之间相互影响显著, 工业发达, 人口密集, 并且居民冬季需要供暖, 因此, 该区域内PM2.5的行业来源以民用和工业为主, 整体上较为一致.但人口、工业分布的差异, 以及工业种类、工艺过程的差异等, 都会导致不同地区的PM2.5行业来源存在差异.除太原以外, 其余城市的PM2.5民用来源大于工业来源, 太原工业排放较大, 并且位于“2+26”城市群的最西部, 其西部和北部地区人口分布相对较少, 民用来源相对较低;唐山、长治、阳泉、晋城、济南、淄博、滨州、郑州、焦作的PM2.5民用来源与工业来源较为接近, 这些城市工业企业密集, 其中, 唐山是典型的综合工业类城市, 其钢铁行业排放大于京津冀其他地区(段文娇等, 2018), 济南和淄博也是典型的综合工业类城市, 长治、阳泉、晋城、滨州偏煤焦铁类, 郑州偏机动车和溶剂类, 焦作偏建材类污染.其他城市的PM2.5行业来源整体上较为一致.
3.6 颗粒物控制对策PM2.5区域来源解析结果显示, 重污染情况下, “2+26”城市受到本地及周边相邻区域的影响较大, 呈现明显的区域性特征.只针对某一城市采取减排措施, 虽然能够缓解该城市的空气污染, 但效果可能并不显著.由于“2+26”城市区域内排放强度大, 城市间相互影响显著, 因此, 城市间联防联控, 共同采取减排措施, 才能够有效减轻颗粒物污染.针对不同污染物排放源采取不同的减排措施, 采取精细化管控, 加大对主要污染物排放源的控制力度, 能够以最小的代价达到最理想的控制效果.
PM2.5行业来源解析结果显示5类人为排放源中, 民用和工业排放占主导, 加大对民用源特别是散煤燃烧的管控, 提供脱硫、脱硝的优质燃煤, 推进该地区清洁取暖, 能够有效降低民用排放的污染.近几年我国加大了散煤治理力度, 推进农村地区清洁取暖, 采取煤改气、煤改电等一系列治理措施, 逐步降低民用排放特别是散煤的污染.此外, 工业源占比较大, 对工业用煤采取脱硫、脱硝和除尘等措施, 优化工艺过程, 逐步淘汰排放较大、落后的小型企业, 能够有效地降低工业排放污染.
4 结论(Conclusions)1) 根据《环境空气质量标准》(GB 3095—2012), 此次“2+26”城市PM2.5污染期间, 阳泉达到中度污染, 长治、太原和滨州达到重度污染, 其余城市达到严重污染, 是一次大范围的区域性严重污染过程.
2) PM2.5中含量最高的4种组分为OC、NO3-、SO42-、NH4+, 有明显的二次颗粒物生成;Mg、Ca、Ba、Ti、V、Fe、Al、Sc、P和Si元素主要来自地壳, Na、K、F、Cr、Mn、Co和Ni元素同时来自人为源和自然源, Cl、Cd、Sn、Cu、Zn、As、Se、Pb和S元素以人为排放为主, 部分城市的Cd和As元素浓度超标, 所有城市的Cr元素浓度均超标.
3) 北京、唐山和太原PM2.5本地排放贡献最大;天津、石家庄、衡水、廊坊、沧州、保定、邢台、邯郸、长治、阳泉、晋城、德州、聊城、安阳、鹤壁、新乡、焦作和濮阳均为外地城市的贡献最大.济南、淄博、济宁、滨州、菏泽、郑州和开封的外围区域贡献最大, 大部分城市受到外地城市的贡献最大, 呈现明显的区域性污染特征.不同行业对PM2.5的贡献为民用>工业>农业>交通>电力.
致谢(Acknowledgements): 本文使用了中国环境监测总站的城市空气质量和颗粒物组分数据, 美国国家大气研究中心(National Center for Atmospheric Research, NCAR)的WRF(Weather Research and Forecasting)模式, 美国环境预报中心(National Centers for Environmental Prediction, NCEP)的FNL全球分析资料, 美国国家航空和宇宙航行局(National Aeronautics and Space Administration, NASA)提供的全球臭氧数据, 中国多尺度排放清单模型(Multi-resolution Emission Inventory for China, MEIC)提供的2015年数据, 以及美国ENVIRON公司开发的第三代三维空气质量模型CAMx(Comprehensive Air quality Model with Extensions), 在此表示感谢.
Arimoto R, Duce R A, Savoie D L, et al. 1996. Relationships among aerosol constituents from Asia and the North Pacific during PEM-West A[J]. Journal of Geophysical Research:Atmospheres, 101(D1): 2011-2023. DOI:10.1029/95JD01071 |
Boylan J W, Russell A G. 2006. PM and light extinction model performance metrics, goals, and criteria for three-dimensional air quality models[J]. Atmospheric Environment, 40(26): 4946-4959. DOI:10.1016/j.atmosenv.2005.09.087 |
陈云波, 徐峻, 何友江, 等. 2016. 北京市冬季典型重污染时段PM2.5污染来源模式解析[J]. 环境科学研究, 29(5): 627-636. |
刀谞, 张霖琳, 王超, 等. 2015. 京津冀冬季与夏季PM2.5/PM10及其水溶性离子组分区域性污染特征分析[J]. 环境化学, 24(1): 60-69. DOI:10.7524/j.issn.0254-6108.2015.01.2014032603 |
段文娇, 郎建垒, 程水源, 等. 2018. 京津冀地区钢铁行业污染物排放清单及对PM2.5影响[J]. 环境科学, 39(4): 1445-1454. |
Environ International Corporation.2016.Users guide to the comprehensive air quality model with extensions(CAMx) version 6.4[EB/OL].2016-12-01.Novato California: Environ International Corporation.http://www.camx.com/files/camxusersguide_v6-40.pdf
|
Geng N, Wang J, Xu Y, et al. 2013. PM2.5 in an industrial district of Zhengzhou, China:Chemical composition and source apportionment[J]. Particuology, 11(1): 99-109. DOI:10.1016/j.partic.2012.08.004 |
Hand J L, Malm W C.2006.Review of the IMPROVE equation for estimating ambient light extinction coefficients -final report[R].Colorado: Colorado State University, CIRA.146
|
Hien P D, Binh N T, Truong Y, et al. 2001. Comparative receptor modelling study of TSP, PM2 and PM2-10 in Ho Chi Minh City[J]. Atmospheric Environment, 35(15): 2669-2678. DOI:10.1016/S1352-2310(00)00574-4 |
Hou B, Zhang G S, Zhang R, et al. 2011. The implication of carbonaceous aerosol to the formation of haze:Revealed from the characteristics and sources of OC/EC over a mega-city in China[J]. Journal of Hazardous Materials, 190: 529-536. DOI:10.1016/j.jhazmat.2011.03.072 |
Jiries A G, Hussein H H, Halaseh Z. 2010. The quality of water and sediments of street runoff in Amman, Jordan[J]. Hydrological Processes, 15(5): 815-824. |
李珊珊, 程念亮, 徐峻, 等. 2015. 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, 35(10): 2908-2916. |
李星, 赵文吉, 熊秋林, 等. 2018. 北京采暖季PM2.5水溶性无机离子污染特征及其影响因素[J]. 生态环境学报, (1): 93-100. |
李璇, 聂滕, 齐珺, 等. 2015. 2013年1月北京市PM2.5区域来源解析[J]. 环境科学, 36(4): 1148-1153. |
刘庆阳, 刘艳菊, 杨峥, 等. 2014. 北京城郊冬季一次大气重污染过程颗粒物的污染特征[J]. 环境科学学报, 34(1): 12-18. |
马召辉, 梁云平, 张健, 等. 2015. 北京市典型排放源PM2.5成分谱研究[J]. 环境科学学报, 35(12): 4043-4052. |
McMurry P H, Takano H, Anderson G R. 1983. Study of the ammonia (gas)-sulfuric acid (aerosol) reaction rate[J]. Environmental Science & Technology, 17(6): 347-352. |
瞿群, 杨毅红, 宋丹林, 等. 2016. 成都典型秸秆燃烧季节PM2.5中化学成分研究[J]. 气候与环境研究, 21(4): 439-448. |
康苏花, 李海峰, 杨丽杰, 等. 2014. 石家庄市大气颗粒物碳组分特征分析[J]. 科学技术与工程, 14(30): 280-282. |
Sun Y L, Zhuang G S, Tang A H, et al. 2006. Chemical characteristics of PM2.5 and PM10 in haze-fog episodes in Beijing[J]. Environmental Science & Technology, 40(10): 3148-3155. DOI:10.1021/es051533g |
Taylor S R, Mclennan S M. 1995. The geochemical evolution of the continental crust[J]. Reviews of Geophysics, 33(2): 241-265. DOI:10.1029/95RG00262 |
Tian H, Cheng K, Wang Y, et al. 2012. Temporal and spatial variation characteristics of atmospheric emissions of Cd, Cr, and Pb from coal in China[J]. Atmospheric Environment, 50: 157-163. DOI:10.1016/j.atmosenv.2011.12.045 |
Turpin B J, Huntzicker J J. 1995. Identification of secondary organic aerosol episodes and quantitation of primary and secondary organic aerosol concentrations during SCAQS[J]. Atmospheric Environment, 29(23): 3527-3544. DOI:10.1016/1352-2310(94)00276-Q |
Wang Y, Zhuang G, Tang A, et al. 2005. The ion chemistry and the source of PM2.5 aerosol in Beijing[J]. Atmospheric Environment, 39(21): 3771-3784. DOI:10.1016/j.atmosenv.2005.03.013 |
Wedepohl K H. 1995. The composition of the continental crust[J]. Geochimica et Cosmochimica Acta, 59(7): 1217-1232. DOI:10.1016/0016-7037(95)00038-2 |
Wu G, Xu B, Yao T, et al. 2009. Heavy metals in aerosol samples from the Eastern Pamirs collected 2004-2006[J]. Atmospheric Research, 93(4): 784-792. DOI:10.1016/j.atmosres.2009.03.011 |
张霖琳, 王超, 朱红霞, 等. 2016. 北京混合功能区夏冬季细颗粒物组分特征及来源比较[J]. 中国环境科学, 36(1): 36-41. |
郑子龙, 张凯, 陈义珍, 等. 2014. 北京一次混合型重污染过程大气颗粒物元素组分分析[J]. 环境科学研究, 27(11): 1219-1226. |
中国环境保护部.2012.GB3095-2012.环境空气质量标准[S].北京: 中国环境科学出版社
|
中华人民共和国生态环境部.2017.关于印发《京津冀及周边地区2017年大气污染防治工作方案》的通知[OL].2017-03-23.http://dqhj.mee.gov.cn/dtxx/201703/t20170323_408663.shtml
|