环境科学学报  2021, Vol. 41 Issue (12): 5073-5082
新疆地区大气环境容量系数的气候特征及其在空气质量变化中的作用    [PDF全文]
王郁, 徐大海, 孙俊英    
中国气象科学研究院, 灾害天气国家重点实验室, 中国气象局大气化学重点开放实验室, 北京 100081
摘要:新疆在我国属于冬半年大气环境容量系数(A值)显著偏低的区域.研究了1975—2019年新疆大气环境容量系数的时空变化特征.新疆的低A值区主要分布在塔里木盆地北部和新疆东部; 研究期间新疆的大气环境容量系数在随机波动中整体呈下降趋势, 这与新疆平均风速的变化较为一致, 主要是由气候变化引起.新疆A值的季节差异大, 春夏高、秋冬低; A值的冬季均值远小于年均值, 说明新疆冬季的大气自净能力很弱.新疆4个地级市的月均A值与PM2.5浓度具有显著的负相关, A值能够较好地反映当地空气污染的气象条件特征.南疆城市则由于沙尘天气的影响, 大气颗粒物浓度很高, 但A值与PM2.5浓度的相关性较差.还基于A值, 利用城市大气环境荷载指数对新疆4个地级市的大气污染排放变率进行了评估.
关键词大气环境容量系数    空气质量变化特征    排放变率    新疆地区    
Climate characteristics of atmospheric environmental capacity coefficient and its role in air quality change in Xinjiang, China
WANG Yu, XU Dahai, SUN Junying    
State Key Laboratory of Severe Weather & Key Laboratory of Atmospheric Chemistry of CMA, Chinese Academy of Meteorological Sciences, Beijing 100081
Received 30 March 2021; received in revised from 10 June 2021; accepted 10 June 2021
Abstract: Xinjiang belongs to the region where the atmospheric environmental capacity coefficient (A value) is significantly lower in winter half year in China. The temporal and spatial variation characteristics of atmospheric environmental capacity coefficient in Xinjiang from 1975 to 2019 were studied. The low A value areas in Xinjiang are mainly distributed in the northern Tarim Basin and the eastern Xinjiang. In the past 45 years, Xinjiang's atmospheric environmental capacity coefficient showed a downward trend in random fluctuations, which was consistent with the change of average wind speed in Xinjiang, mainly caused by climate change. The seasonal difference of A value in Xinjiang is large, which is high in spring and summer and low in autumn and winter. The winter mean value of A is much smaller than the annual mean value, which indicates that Xinjiang's atmospheric self-purification ability in winter in is very weak. The monthly average A value of the four prefecture-level cities in Xinjiang has a significant negative correlation with PM2.5 concentration, and A value can better reflect the meteorological conditions of local air pollution. However, due to the influence of dust weather, the concentration of atmospheric particulate matter is very high in southern Xinjiang, but the correlation between A value and PM2.5 concentration is poor. Based on the A value, the variation rates of air pollution emission in the four prefecture-level cities in Xinjiang were also evaluated by using the urban atmospheric environment load index in this paper.
Keywords: atmospheric environmental capacity coefficient    air quality change characteristics    emission variable rate    Xinjiang region    
1 引言(Introduction)

大气污染程度取决于污染物排放量与大气环境容量之间的平衡.大气环境容量一直是我国制定大气环境管控措施和空气质量管理的重要依据(柴发合等, 2006田其云等, 2014许艳玲等, 2018).近年来全国各地发生的一些大气污染事件说明了大气环境容量的变化正在影响着人体健康和区域经济的发展模式, 研究大气环境容量的变化趋势对有效控制大气污染排放、促进区域大气环境的改善是非常重要的(Yang et al., 2016Zhou et al., 2017Li et al., 2017饶清华等, 2018Zhou et al., 2020).大气环境容量核算的常见方法有A值法、线性优化法、数值模型模拟等(钱跃东等, 2011Wang et al., 2012Zhang et al., 2014薛文博等, 2014许艳玲等, 2018李敏辉等, 2018鲁洋等, 2019张稼轩等, 2020), 其中A值法确定大气环境容量的重要环境参数A就是大气环境容量系数(中国国家标准GB /T3840-91).大气环境容量系数A是气象站常规观测要素的显函数, 可由气象站观测资料计算获得, 同时A值也是大气污染物在物理和化学清除过程中的浓度的物理衰减指数(徐大海等, 20162019), 可以作为表征大气污染物稀释或累积气象条件的指标.大气环境容量系数像其他气象要素一样是随机变动的(徐大海等, 2013), 其大小会因气候变化、气象条件等因素影响而动态变化, 对多年大气环境容量系数的分析有助于大气污染物浓度变化成因分析.

相对全国而言, 新疆属于年均A值偏低的区域, 在污染高发的秋冬季节更是A值显著偏低(徐大海等, 2018).近年来, 新疆各城市的空气质量问题也越发严峻, 一些城市成为PM2.5重污染区域(李沈鑫等, 2017姜磊等, 2018王跃思等, 2020).因此, 本文从近几十年来新疆大气环境容量系数的变化特征入手定量分析气候变化和近年来新疆典型城市排放率变化对新疆城市大气环境质量的影响.

2 资料与方法(Data and methods) 2.1 A值计算方法和所用气象资料

大气环境容量系数A, 也是国家标准GB/T34299—2017《大气自净能力等级》中定义的大气自净能力指数, 还是中国气象局国家气候中心预测大气污染潜势指数中的重要参变量(朱蓉等, 2018).A值的具体计算方法可参考文献(徐大海等, 2016)或国标GB/T34299—2017.

在计算A值时, 考虑到所需观测资料的一致性和完备性, 经过筛选使用了新疆29个气象站(图 1)1975—2019年逐时记录中可用的数据, 计算得到各站小时、日、年平均的A值.

图 1 所用新疆气象站点分布 Fig. 1 Distribution of weather stations whose data were used
2.2 大气颗粒物监测资料

本文所用的PM2.5和PM10的质量浓度监测资料来自中国环境监测总站网上公开的实时监测数据, 是对原始数据进行处理后得到的月平均数据.由于新疆各城市对PM2.5和PM10的同期监测起始时间不一, 本文所用的8个城市的大气颗粒物(PM2.5和PM10)监测数据的时段如下:乌鲁木齐为2013-02—2019-12, 克拉玛依和库尔勒为2014-01—2019-12, 哈密、吐鲁番、和田、阿克苏、喀什则均为2015-01—2019-12.

3 新疆大气环境容量系数的变化特征(Variation characteristics of atmospheric environmental capacity coefficient in Xinjiang) 3.1 新疆大气环境容量系数的年际变化特征

各站数据经过面积加权平均可得到1975—2019年新疆的年均大气环境容量系数(图 2).这45年来新疆的大气环境容量系数在随机波动中整体呈下降趋势, 虽然近几年新疆的大气环境容量系数出现大幅回升, 但在2019年又明显回落.新疆大气环境容量系数的变化与新疆平均风速的变化是比较一致的.这是因为新疆大气自净能力中通风作用大于雨洗作用, 在城市尺度A值主要取决于城市通风量的大小(徐大海等, 2013徐大海等, 2018), 也就是取决于平均风速.本文所用29站的年平均风速在1975—2019年间是在波动中整体呈下降趋势;且有研究指出自20世纪六七十年代以来新疆地区年平均风速呈显著的下降趋势, 大气环流变化和全球气候变暖是影响新疆风速变化的主要原因(何毅等, 2015贾诗超等, 2019).

图 2 1975—2019年新疆大气环境容量系数的年际变化 Fig. 2 Annual variation of A values in Xinjiang from 1975 to 2019

图 2可以看到, 1975—2019年新疆的年均A值在5.80~9.22之间变化, 较国家标准GB /T3840-91的规定值7.00~8.40(按1991年以前的数据)的范围略宽.新疆的年均A值在1992年出现一个明显的低值(A=6.23)后, 在2005年降到了这45年的最低值5.80;2005—2013年是新疆年均A值的一个低值区, 这9年的A值都在6上下波动;虽然在2014—2018年新疆的A值大幅回升到8以上, 但2019年新疆的A值又降到6.79.

新疆冬季平均A值在3.08~5.59之间变化, 虽与年均A值的变化趋势相同, 但其大小及变化幅度远低于年均A值(图 2).新疆年均A值与冬季均值的差值在20世纪80年代初曾经高达4以上, 从1987年开始这个差值有缩小的趋势, 但2014—2018年这一差值又迅速拉开.新疆冬季平均A值的年际变化较小, 新疆年均A值从2018年的9.06降到2019年的6.79时, 降幅达25%;而冬季均值仅从4.85降到4.28, 降幅仅11.7%.

徐大海等(2018)的研究指出我国大部分地区的A值分布在2~10之间, 全国气候平均A值为6.8;在污染高发的秋冬季节全国气候平均A值为5.4.新疆1975—2019年的平均A值为7.2, 高于全国气候平均A值;但冬季平均A值仅4.1, 低于污染高发季的全国气候平均A值.可见新疆大气自净能力的季节差异大, 而且新疆冬季的大气自净能力弱.

3.2 新疆大气环境容量系数的季节变化特征

新疆四季的大气环境容量系数(图 3)均在起伏中整体呈下降趋势, 虽然2014—2018年四季A值均有大幅回升, 但2019年A值又明显回落到与2005—2013年相近的水平.新疆A值的季节变化大, 春夏高、秋冬低;春季A值最高, 冬季A值最低, 且春季A值是冬季的两倍以上.

图 3 1975—2019年新疆四季A值的年际变化 Fig. 3 Annual variation of four seasons A values in Xinjiang from 1975 to 2019

图 3可以看到:45年来, 新疆春夏季节的A值高, 降幅大;春夏季节的A值最高时都超过12, 20世纪80年代末新疆春夏季节的A值首次降到10以下, 此后也大多保持在8以上, 可见春夏季节新疆的大气自净能力很强.新疆秋冬季节A值低, 秋季A值大都在8以下, 冬季A值都在6以下.秋冬季节A值降幅虽然比春夏季节小, 但秋季A值从20世纪80年代末就降到了6以下;冬季A值则从20世纪80年代中期就降到了4左右, 且在2005年出现了这45年间的最低冬季A值(3.08).这说明新疆秋冬季节的大气自净能力较弱, 大气污染扩散条件较差.

新疆冬季A值是四季中最低的, 年变化幅度也最小, 但2005年之后新疆冬季A值呈缓慢上升趋势.虽然2019年新疆四季A值都有明显下降, 但冬季A值降幅最小, 且仍高于1995—2013年的冬季A值(图 3).说明近年来新疆冬季大气自净能力在逐渐增强, 这也主要是由气候变化引起的新疆冬季平均风速变化所致(何毅等, 2015韩柳等, 2018).何毅等(2015)研究指出1991—2013年, 北疆的平均风速下降幅度剧烈减小, 其中冬季平均风速的减小最低, 而南疆风速则转降为升, 近年来西风环流的加强可能对1990年以来南疆风速增加有重要贡献.

3.3 新疆大气环境容量系数的空间分布特征

新疆1975—2019年平均的四季A值空间分布见图 4, 可见新疆的低A值区主要在塔里木盆地北部和新疆东部地区;新疆的大气自净能力季节差异大:春夏季节大部分区域A值都很高, 仅个别地区A值低于4, 大气自净能力强;到了秋季则大部分地区的A值都在7以下, 冬季则是大部分地区的A值都在4以下了, 大气自净能力弱, 易发生污染天气.

新疆A值的空间分布有很明显的年代际变化.20世纪80年代(图 5a)新疆北部和东南部的A值都很高, 其他大部分地区的A值虽然在8以下, 但仅有塔里木盆地和新疆东部个别地区的A值低于4.90年代(图 5b)相比80年代变化不大, 但是在新疆东部与甘肃省相接处出现了一片低A值区, 而且新疆东南部的高A值区面积明显收缩.21世纪初10年(图 5c)新疆平均A值的分布出现较明显变化:新疆西南部地区的A值升高到8以上;塔里木盆地A值小于4的面积却持续扩张;新疆东部大部分区域的A值降到了4以下, 且新疆中东部的低A值区与新疆甘肃相接处的低A值区连成了一片, 其A值降到3以下.最近10年(图 5d)新疆平均A值的分布变化更加显著:新疆南部和中部地区的A值大幅回升到8以上;塔里木盆地的低A值区收缩到西北一带;新疆东部地区的A值也大都回到4以上.可以看出, 近40年塔里木盆地和新疆东部与甘肃相接地区的大气自净能力是越来越弱的, 21世纪初10年是这两个区域A值最低的时期.这种变化虽然主要是由于气候变化引起, 但城市化的影响也不能忽视, 高层建筑的兴起大大改变了城市的下垫面, 使得城市风速减弱更显著(江滢等, 2007王毅荣等, 2007;·道然加帕依等, 2008赵宗慈等, 2016).

图 4 新疆四季平均A值分布(1975—2019年) Fig. 4 Seasonal mean A value distribution in Xinjiang(1975—2019)

图 5 新疆平均A值分布的年代际变化 (a.1980—1989, b.1990—1999, c.2000—2009, d.2010—2019) Fig. 5 Interdecadal variation of mean A value distribution in Xinjiang
4 新疆典型城市大气环境容量系数的变化(Changes of atmospheric environmental capacity coefficient of typical cities in Xinjiang)

近40年是我国经济高速发展、城市不断扩张的阶段, 经济和人口的密集, 势必对大气环境造成影响.新疆有乌鲁木齐、克拉玛依、哈密和吐鲁番4个地级市:乌鲁木齐和克拉玛依为北疆城市, 气候相对湿润;吐鲁番、哈密为东疆城市, 气候相对干燥, 受沙尘影响较明显.库尔勒、阿克苏、喀什、和田4个南疆城市位于沙尘暴高发区塔克拉玛干沙漠边缘(王旭等, 2003程红霞等, 2014), 沙尘天气对南疆城市的空气质量影响极大.对这些新疆典型城市A值长期变化的分析有助于了解新疆各地城市的大气污染扩散条件的变化.

图 6是1975—2019年新疆4个地级市的年均A值的变化曲线, 乌鲁木齐和克拉玛依的A值是高于哈密和吐鲁番的.但乌鲁木齐的A值在20世纪80年代初就降到8以下, 虽在2000—2002年间A值又短暂突增到12以上, 但之后又降到8以下.克拉玛依的年均A值是4个地级市中最高的, 在20世纪90年代之前呈现阶梯状的下降趋势, 1991年A值低至7.58;之后克拉玛依的A值变化波动较大.相比乌鲁木齐和克拉玛依, 哈密的A值是比较低的.1998年之前哈密的年均A值呈持续下降状态, 1998年达最低值2.92, 此后哈密的年均A值则呈现缓慢回升的态势.由于吐鲁番气象站在2016年迁站, 故吐鲁番的A值具有长期连续可比性的时段为1975—2015年.吐鲁番是新疆4个地级市中A值最低的, 其年均A值的长期变化趋势与哈密比较一致, 其A值也是在1998年到达最低值(1.39), 之后开始回升.

图 6 新疆4个地级市的A值的年际变化 Fig. 6 Annual change of A value of 4 prefecture-level cities in Xinjiang

图 7是4个南疆城市的年均A值在1975—2019年的变化曲线.库尔勒的A值较高, 但变化幅度也很大, 其A值在6~11波动.阿克苏的A值则一直较低, 长期在3~5之间波动, 但近几年其A值是逐渐增大的.和田的A值是变化幅度最大的, 在3~11之间波动;近十几年和田的年均A值呈上升趋势.喀什气象站在2014年迁站, 因与旧站风速资料差异大, 故连续可比时间序列为1975—2013年, 在此期间喀什的A值不高且变化较大, 在3~8之间波动.

图 7 4个南疆城市的A值的年际变化 Fig. 7 Annual change of A value of 4 southern Xinjiang cities

北疆城市乌鲁木齐和克拉玛依A值的整体趋势都是下降的, 南疆城市的A值自20世纪90年代初以来都有不同程度的升高;这正是南北疆平均风速的不同变化(何毅等, 2015贾诗超等, 2019)在新疆典型城市年均A值的变化上的体现.

新疆的大风区与沙尘暴高发区并不重合, 北疆的沙尘暴常常伴有大风天气, 而南疆沙尘暴的发生只需较小的风速(陈洪武等, 2003).在1993—2013期间, 库尔勒和乌鲁木齐是极大风速出现的高值区, 而和田风速大于17 m·s-1的日数最少(甄敬等, 2019).这些在城市的A值上也都有所体现:1975—2019年这45年间乌鲁木齐和库尔勒的年均A值基本都在6以上, 而阿克苏、和田、喀什则都有出现较低(接近3)的年均A值;作为沙尘暴高发地区的和田(程红霞等, 2014姜萍等, 2019), 其年均A值并不是这4个南疆城市中最高的, 但却是变化幅度最大的.

5 新疆典型城市A值与大气污染的关系(Relationship between A value and air pollution of typical cities in Xinjiang)

大气环境容量与大气污染物排放量决定了城市大气污染的程度.近年来新疆各地的空气质量问题越发严峻.李沈鑫等(2017)指出乌鲁木齐城市群和喀什等地严重污染天数相对较多, 喀什和吐鲁番地区成为新的PM2.5重污染区域.姜磊等(2018)的研究显示新疆西部是空气污染的主要聚集区.王跃思等(2020)在对2013—2017年中国重点区域颗粒物质量浓度和化学成分变化趋势的分析中也指出新疆乌昌地区成为大气PM2.5重污染区域.对新疆典型城市A值与大气颗粒物浓度之间关系的分析有助于了解大气环境容量系数在新疆各地城市空气质量变化中的作用.

5.1 典型城市A值与PM2.5浓度之间的相关关系

相关系数是用以反映变量之间相关关系密切程度的统计指标, 相关系数的绝对值越接近1说明变量之间的关系越紧密.表 1是新疆4个地级市的月均A值与PM2.5和PM10浓度的相关系数, 均通过了置信水平0.99的显著性检验.新疆这4个地级市的月均A值与大气颗粒物(PM2.5和PM10)质量浓度均呈反相关关系, 有很好的相关性, 且PM2.5A值的相关性优于PM10, 4个城市的月均A值与PM2.5质量浓度的相关系数的绝对值都大于0.5.总体来看, 月均A值与PM2.5浓度具有显著的负相关关系, A值能够较好地反映4个地级市空气污染的气象条件特征.

表 1 新疆4个地级市的月均A值与PM2.5和PM10浓度的相关系数 Table 1 Correlation coefficients between the monthly mean A value and the concentration of PM2.5 and PM10 in 4 prefecture-level cities in Xinjiang

表 2是4个南疆城市的月均A值与PM2.5和PM10质量浓度的相关系数, 数据均通过置信水平0.99的显著性检验.4个南疆城市的A值与大气颗粒物浓度的相关性较差.阿克苏、库尔勒、喀什的A值与PM2.5浓度呈弱的负相关, 与PM10浓度基本无关;而和田无论PM2.5浓度还是PM10浓度都与A值基本无关.沙尘粒子是风起扬尘, 扬尘浓度与风速正相关, 应与A值正相关;人为活动排放的大气颗粒物浓度与A值负相关.考虑到3—8月的夏半年是南疆沙尘天气高发期, 城市空气质量受沙尘天气影响大(吴梅等, 2018);冬半年沙尘天气对南疆城市的影响相对较小时人类活动对城市空气质量的影响才能显现出来.本文单独计算了冬半年4个南疆城市的月均A值与PM2.5和PM10质量浓度的相关系数(表 2).仅考虑冬半年, 阿克苏、库尔勒、喀什的A值与PM2.5浓度呈明显的负相关.但和田即使区分冬半年和夏半年, 其A值和PM2.5、PM10浓度的相关性也很弱.这应该是因为和田位于沙尘天气发生频次最高的中心区之一(李耀辉, 2004), 城市空气质量常年受到沙尘天气影响(郭宇宏等, 2014).用A值法评估大气环境容量在深受沙尘暴影响的南疆城市并不适用.

表 2 南疆4个城市的月均A值与PM2.5和PM10浓度的相关系数 Table 2 Correlation coefficients of monthly mean A values and PM2.5 and PM10 concentrations in 4 cities in southern Xinjiang
5.2 典型城市的大气颗粒物浓度及PM2.5/PM10比值特征分析

4个地级市中乌鲁木齐和吐鲁番的大气颗粒物浓度较高;4个南疆城市的大气颗粒物浓度普遍较高, 而且年际变化很大(图 8).

图 8 新疆典型城市PM2.5和PM10质量浓度变化 Fig. 8 Changes in the mass concentration of PM2.5 and PM10 in typical cities in Xinjiang

乌鲁木齐的PM10浓度在2013—2019年大幅降低, 但PM10年均值仍都高于年均值二级标准(70 μg·m-3);同期PM2.5年均值虽在起伏中有降低, 但也都高于年均值二级标准(35 μg·m-3).吐鲁番的大气颗粒物浓度在2015—2019年间的年际变化较大, 且PM10和PM2.5的年均浓度也都高于二级标准.哈密的大气颗粒物浓度相对较低, 尤其PM2.5年均值在2015—2019年间有3年都低于二级标准.克拉玛依的大气颗粒物浓度是4个地级市中最低的, 在2014—2019年间PM10和PM2.5的年均浓度仅在2014年略高于年均值二级标准.

南疆城市的PM10浓度普遍很高, 但年变化大, 例如喀什2016年的PM10浓度高达432.9 μg·m-3, 2017年却仅99.8 μg·m-3;这应该是由于南疆城市大气颗粒物质量浓度受沙尘天气影响所致.由图 8可以看到, 沙尘天气发生频次较低的库尔勒(程红霞等, 2014), PM10、PM2.5的年均浓度和年变化幅度远低于沙尘天气发生频次高值区的和田和喀什.

在评价新疆空气质量时, 对PM2.5/PM10比值特征的分析有利于具体区分引发大气污染的自然因素和人为因素, 准确识别人类活动导致的大气污染, 管控人为因素(谷超, 2017).图 9是8个新疆典型城市大气颗粒物PM2.5/PM10月均质量浓度的比值.

图 9 新疆典型城市大气颗粒物PM2.5/PM10月均质量浓度的比值 Fig. 9 Ratio of monthly mean concentration of PM2.5/PM10 in typical cities of Xinjiang

图 9可以看到:乌鲁木齐1—3月和11—12月PM2.5/PM10>0.6;克拉玛依1—3月和12月PM2.5/PM10>0.5;吐鲁番1月和12月PM2.5/PM10>0.6;哈密仅12月PM2.5/PM10较高, 为0.6.以往研究(李霞等, 2016赵克明等, 2018)显示乌鲁木齐是新疆污染最严重的城市, 冬季重污染事件频繁发;冬季较低的大气环境容量是乌鲁木齐冬季污染频发的原因之一, 乌鲁木齐冬季平均A值仅3.65, 低于新疆冬季平均A值(4.1).由PM2.5/PM10的比值可以看出乌鲁木齐冬季PM2.5污染严重, 二次污染特征明显.克拉玛依虽然空气质量较好, 大气颗粒物浓度低(图 8), 但冬季较低的平均A值(2.31)使得在采暖期PM2.5污染还是略占上风.哈密也是同理, 冬季PM2.5占比略高;其冬季平均A值为2.66, 冬季PM2.5/PM10的平均值为0.51.吐鲁番的多年平均A值为3.27, 不仅远低于新疆1975—2019年平均A值(7.2), 也低于全国气候平均A值(6.8);吐鲁番冬季平均A值仅1.14, 远低于新疆冬季平均A值;这是吐鲁番大气颗粒物浓度较高(图 8)的原因之一, 也是吐鲁番冬季PM2.5污染特征较明显(其冬季PM2.5/PM10的平均值为0.56)的原因之一.

而南疆城市PM2.5/PM10的比值则普遍较低, 仅在1月和12月PM2.5/PM10的比值略高一些(图 9).尤其是春季(3—5月)沙尘高发期, 南疆城市会出现极高的PM10浓度(图 10), 但PM2.5/PM10的比值仍然很低, 4个南疆城市PM2.5/PM10的平均比仅为0.33.而在沙尘最少的12月南疆4个城市PM2.5/PM10的平均比为0.53, 比较接近8个城市的平均比0.59.这说明南疆城市在沙尘发生时大气污染以粗颗粒物为主, 在沙尘影响最小的情况下大气污染以局地细颗粒物为主.

图 10 南疆典型城市的PM10月均质量浓度 Fig. 10 Monthly mean mass concentration of PM10 in typical cities of southern Xinjiang
6 基于A值的新疆典型城市大气污染排放变率估算(Estimation of air pollution emission variability of typical cities in Xinjiang based on A value)

徐大海等(2018)定义了研究区域内某个城市的浓度与参照城市的浓度比为城市大气环境荷载指数I, 以此分析人口密度对大气环境所产生的负荷, 该指数也可用于分辨空气质量变化的气象或人为排放成因的贡献(梅梅等, 2020).

(1)

式中, P为城市人口数;α为城市人均排放率;A为大气环境容量系数;S为城市面积;C为污染物浓度.

在此基础上给出了不同时期同一城市单位人口排放率α的变化指数Ie, 式中下标1、2表示前后2个时段.

(2)

在城市人口、面积不变的情况下:

(3)

式(3)中浓度和A值的取值平均时段应该相同, 这样该指数可用于判断某时段城市浓度的变化, 是由排放率还是气象原因产生的.Ie=1浓度的变化基本上是由于空气自净率的变化导致, 排放率没变化;Ie<1排放率下降;Ie>1排放率增加.

由此可得到排放率的相对变化ΔIe= Ie-1.当ΔIe>0时, 排放率增加;ΔIe<0时, 排放率减小.在采取减排措施时, 当已知城市2个时段的平均PM2.5的浓度和A值, 可利用ΔIe定量评估减排措施的效果.

梅梅等(2020)利用这种方法对京津冀及周边主要城市季节排放率的逐年变化和相对于基准年的变化进行了定量分析评估, 并与基于排放清单利用不同空气质量模式模拟得到的减排效果评估结论进行了比较, 确认城市大气环境荷载指数法能够定量反映出给定减排时段的排放率变化及变化的幅度, 计算结果相对客观, 特别是对于月尺度以上的评估效果较好.这种方法计算过程简单, 能够实现减排效果的快速评估, 具有较好的业务应用前景;但在评估逐日或较短时段的结果波动较大, 可能会与真实情况产生一定差异.

从前文分析可知, 新疆4个地级市的A值能够较好地反映空气污染的气象条件特征, 且这4个城市的大气颗粒物浓度在采暖期(1—3月, 10—12月)相对较高.考虑到各因子计算的稳定性, 本文使用月均值作为计算基础, 给出了新疆4个地级市在采暖期和全年相对基准年的排放变率, 见表 3.本文的评估以城市开始PM2.5监测的年份为基准年, 故乌鲁木齐、克拉玛依和哈密的基准年分别为2013、2014和2015年.吐鲁番由于2016年迁站使得气象观测数据差别较大造成迁站前后A值变化也大, 故吐鲁番是以2016年为基准年.

表 3 新疆4个地级市相对基准年的排放变率 Table 3 Emission variation rates of 4 prefecture-level cities in Xinjiang relative to the base year

表 3可以看到, 相对基准年, 乌鲁木齐2014—2015年排放率减小, 但2016年排放率又增加, 2018年排放率又开始大幅缩减, 2019年减排达42.7%.采暖期乌鲁木齐的排放率年际变化更大, 2016—2017年采暖期排放率不降反增, 2018—2019年却又实现了较大幅度的减排.较大的排放率波动可能与减排措施缺乏持续性和渐进性有关, 近两年应该是加大了减排力度.克拉玛依的排放率呈起伏中下降趋势, 2019年排放率降幅达40.5%.但是采暖期克拉玛依的排放率一直到2018年都是增幅, 采暖期减排应该是克拉玛依需要重点关注的问题;到2019年采暖期降幅达到22.5%, 说明该市开始重视采暖期减排.哈密的排放率降幅呈稳定增加趋势, 说明该市减排措施到位;采暖期的排放率降幅较全年的略大, 即采暖期的减排效果更加明显.吐鲁番的排放率相对基准年虽然都是下降的, 但2019年排放率相对2018年是增加的, 该市可能在减排问题上有放松.

此外, 需要说明的是, 使用城市大气环境荷载系数估算排放率和气象条件对空气质量变化的分担率的不确定性主要在于A值的确定.城市尺度的扩张, 生态环境的变化都会影响到通风量、干湿沉降率的定值, 还有在新疆地区常出现强风高A值的扬尘PM2.5峰值.这些因子会使得估算产生一定误差, 需要在操作过程中加以慎重分析.

7 结论(Conclusions)

1) 在1975—2019这45年间新疆的大气环境容量系数在随机波动中整体呈下降趋势, 虽然近几年新疆的年均A值大幅回升, 但在2019年又明显回落.新疆大气环境容量系数的这一变化特征与新疆平均风速的变化较为一致, 主要是由气候变化引起的.

2) 新疆的大气自净能力季节差异大, 其A值的季节变化很大, 春夏高、秋冬低.新疆冬季平均A值远低于年均A值;其变化趋势与年均值相同, 但冬季均值的变化幅度远小于年均A值;冬季新疆的大气自净能力很弱.塔里木盆地北部和新疆东部是新疆的低A值区.新疆A值的空间分布具有明显的年代际变化特征.

3) 新疆4个地级市的PM2.5/PM10比值偏高, 乌鲁木齐和吐鲁番的大气颗粒物浓度也较高.乌鲁木齐1—3月和11—12月PM2.5/PM10的比值都大于0.6, 冬季PM2.5污染严重, 二次污染特征明显.南疆城市由于受到沙尘天气影响, 大气颗粒物质量浓度普遍很高, 且春季常会出现极高的PM10浓度, 但南疆城市PM2.5在PM10中的占比低.

4) 4个地级市的A值能够较好地反映空气污染的气象条件特征.但4个南疆城市空气质量受到强风沙尘天气的高PM2.5浓度严重影响, A值与PM2.5浓度的相关性较差, A值法在这些地方不适用.

本文还基于A值对新疆4个地级市大气污染排放变率进行了评估, 从数据整体看来新疆这些城市已经采取有效减排措施, 但尚需稳定地加大力度.

参考文献
柴发合, 陈义珍, 文毅, 等. 2006. 区域大气污染物总量控制技术与示范研究[J]. 环境科学研究, 19(4): 163-171. DOI:10.3321/j.issn:1001-6929.2006.04.032
陈洪武, 王旭, 马禹. 2003. 大风对新疆沙尘暴的影响[J]. 北京大学学报(自然科学版), 39(2): 187-193. DOI:10.3321/j.issn:0479-8023.2003.02.008
程红霞, 胡列群, 林粤江. 2014. 近50a新疆沙尘暴冷热点的时空分布特征[J]. 干旱区资源与环境, 28(7): 100-104.
道然·加帕依, 车罡. 2008. 新疆东部地区风速的年代际变化及其成因[J]. 干旱气象, 26(3): 14-21. DOI:10.3969/j.issn.1006-7639.2008.03.003
谷超. 2017. 新疆环境空气中PM2.5 / PM10比值特征分析[J]. 干旱环境监测, 31(2): 77-74.
郭宇宏, 王自发, 康宏, 等. 2014. TSP和PM10监测指标对新疆城市空气质量级别的影响[J]. 干旱区地理, 37(4): 731-743.
韩柳, 王静璞, 王光镇, 等. 2018. 中国北方风蚀区风速变化时空特征分析[J]. 干旱区地理, 41(5): 963-971.
何毅, 杨太保, 陈杰, 等. 2015. 1960—2013年南北疆风速变化特征分析[J]. 干旱区地理, 38(2): 249-259.
贾诗超, 陈晓梅, 宋义和, 等. 2019. 1970—2013年新疆地区风速变化特征分析[J]. 鲁东大学学报(自然科学版), 35(4): 352-359. DOI:10.3969/j.issn.1673-8020.2019.04.011
姜磊, 周海峰, 柏玲, 等. 2018. 中国城市空气质量指数(AQI)的动态变化特征[J]. 经济地理, 38(9): 87-95.
姜萍, 徐洁, 陈鹏翔, 等. 2019. 南疆近57年沙尘暴变化特征分析[J]. 干旱区资源与环境, 33(2): 103-109.
江滢, 罗勇, 赵宗慈, 等. 2007. 近50年中国风速变化及原因分析[J]. 2007年中国气象学会年会会刊: 80-89.
Li L J, Li Y L, Li X Y. 2017. On coordinated development of BTH urban agglomeration subjected to atmospheric environmental capacity[J]. Bulgarian Chemical Communications, 49: 95-100.
李敏辉, 廖程浩, 杨柳林, 等. 2018. 基于区域传输矩阵和PM2.5达标约束的大气容量计算方法[J]. 环境科学, 39(8): 3485-3491.
李沈鑫, 邹滨, 刘兴权, 等. 2017. 2013—2015年中国PM2.5污染状况时空变化[J]. 环境科学研究, 30(5): 678-687.
李霞, 王磊, 任泉, 等. 2016. 乌鲁木齐市大气污染治理成效的综合评估分析[J]. 中国环境科学, 36(1): 307-313. DOI:10.3969/j.issn.1000-6923.2016.01.051
李耀辉. 2004. 近年来我国沙尘暴研究的新进展[J]. 中国沙漠, 24(5): 616-622. DOI:10.3321/j.issn:1000-694X.2004.05.019
鲁洋, 李小港, 熊忆茗, 等. 2019. 基于修正A值法评估率水流域大气环境容量及其敏感性分析[J]. 复旦学报(自然科学版), 58(5): 110-119.
梅梅, 徐大海, 朱蓉, 等. 2020. 基于城市大气环境荷载指数的大气污染排放变率估算[J]. 中国环境科学, 40(2): 465-474. DOI:10.3969/j.issn.1000-6923.2020.02.001
钱跃东, 王勤耕. 2011. 针对大尺度区域的大气环境容量综合估算方法[J]. 中国环境科学, 31(3): 504-509.
饶清华, 林秀珠, 陈芳, 等. 2018. 区域大气环境容量紧缺度分析[J]. 环境科学学报, 38(10): 4195-4203.
田其云, 黄彪. 2014. 我国污染物总量控制制度探讨[J]. 环境保护, 20(42): 42-44.
Wang W Y, Chen N, Ma X J. 2012. Research on atmospheric environmental capacity model of urban agglomeration[J]. Advanced Materials Research, 518: 1311-1320.
王旭, 马禹, 陈洪武, 等. 2003. 南疆沙尘暴气候特征分析[J]. 中国沙漠, 23(2): 147-151. DOI:10.3321/j.issn:1000-694X.2003.02.010
王毅荣, 罗勇, 张书余. 2007. 河西走廊风能资源可持续性的初步研究[J]. 气候变化研究进展, 3(6): 379-382. DOI:10.3969/j.issn.1673-1719.2007.06.013
王跃思, 李文杰, 高文康, 等. 2020. 2013—2017年中国重点区域颗粒物质量浓度和化学成分变化趋势[J]. 中国科学: 地球科学, 50: 453-468.
吴梅, 汤万龙, 何亚平. 2018. 南疆典型城市环境质量与风向特征分析[J]. 沙漠与绿洲气象, 12(1): 37-43.
徐大海, 王郁. 2013. 确定大气环境承载力的烟云足迹法[J]. 环境科学学报, 33(6): 1734-1740.
徐大海, 王郁, 朱蓉. 2016. 大气环境容量系数A值频率曲线拟合及其应用[J]. 中国环境科学, 36: 2913-2922. DOI:10.3969/j.issn.1000-6923.2016.10.006
徐大海, 王郁, 朱蓉. 2018. 中国大陆地区大气环境容量及城市大气环境荷载[J]. 中国科学: 地球科学, 48: 924-937.
徐大海, 陈军明. 2019. 大气中二次细粒子污染的宏观机制及其前体物环境容量[J]. 中国科学: 地球科学, 49: 2051-2063.
许艳玲, 薛文博, 王金南, 等. 2018. 大气环境容量理论与核算方法演变历程与展望[J]. 环境科学研究, 31(11): 1835-1840.
薛文博, 付飞, 王金南, 等. 2014. 基于全国城市PM2.5达标约束的大气环境容量模拟[J]. 中国环境科学, 34(10): 2490-2496.
Yang J, Ou C Q, Song Y F, et al. 2016. Estimating years of life lost from cardiovascular mortality related to air pollution in Guangzhou, China[J]. Science of the Total Environment, 573: 1566-1572. DOI:10.1016/j.scitotenv.2016.09.014
张稼轩, 李博, 王颖, 等. 2020. 河谷城市大气环境容量的研究[J]. 环境科学研究, 33(4): 801-808.
Zhang w N, Cheng C, Chen T, et al. 2014. Study on atmospheric environmental capacity of Shennongjia[J]. Meteorological and Environmental Research, (9): 51-54.
赵克明, 李霞, 阿不力米提江·阿布力克木, 等. 2018. 乌鲁木齐大气颗粒物的时空分布规律[J]. 干旱区地理, 41(2): 264-272.
赵宗慈, 罗勇, 江滢, 等. 2016. 近50年中国风速减小的可能原因[J]. 气象科技进展, 6(3): 106-109.
甄敬, 阿丽亚·拜都热拉, 喀哈尔·扎依木, 等. 2019. 新疆主要城县1993—2013年极大风速时空变化特征分析[J]. 中国农学通报, 35(8): 67-72.
中华人民共和国国家标准GB/T34299-2017. 大气自净能力等级[S]. 北京: 中国标准出版社
中华人民共和国国家标准GB/T3840-91. 制定地方大气污染排放标准的技术方法[S]. 北京: 中国标准出版社
中华人民共和国国家标准GB3095-2012. 环境空气质量标准[S]. 北京: 中国环境科学出版社
Zhou W Y, Xie Y X, Zhang J, et al. 2020. Estimating the remaining atmospheric environmental capacity using a single-box model in a high pollution risk suburb of Chengdu, China[J]. Journal of Environmental Management, 258: 110052. DOI:10.1016/j.jenvman.2019.110052
Zhou Y J, Zhou J X. 2017. Urban atmospheric environmental capacity and atmospheric environmental carrying capacity constrained by GDP-PM2.5[J]. Ecological Indicators, 73: 637-652. DOI:10.1016/j.ecolind.2016.10.015
朱蓉, 张存杰, 梅梅. 2018. 大气自净能力指数的气候特征与应用研究[J]. 中国环境科学, 38(10): 3601-3610. DOI:10.3969/j.issn.1000-6923.2018.10.001