环境科学研究  2017, Vol. 30 Issue (12): 1822-1831  DOI: 10.13198/j.issn.1001-6929.2017.03.15

引用本文  

毛敏娟, 胡德云. 杭州G20峰会空气污染控制状况评估[J]. 环境科学研究, 2017, 30(12): 1822-1831.
MAO Minjuan, HU Deyun. Evaluation of the Air Pollution Control over Zhejiang Province during the G20 Summit in Hangzhou[J]. Research of Environmental Sciences, 2017, 30(12): 1822-1831.

基金项目

国家自然科学基金面上项目(41475134);浙江省公益性社会发展重点项目(2014C23004);浙江省公益性社会发展重大项目(2014C03025)

责任作者

作者简介

毛敏娟(1971-), 女, 浙江衢州人, 高级工程师, 博士, 主要从事大气遥感探测、大气边界层科学研究, mayammj@mail.ustc.edu.cn

文章历史

收稿日期:2017-05-10
修订日期:2017-08-02
杭州G20峰会空气污染控制状况评估
毛敏娟1 , 胡德云2     
1. 浙江省气象科学研究所, 浙江 杭州 310008;
2. 浙江省杭州市气象局, 浙江 杭州 310058
摘要:为了实现杭州G20峰会(二十国集团财长和央行行长会议)期间的环境空气质量目标,2016年初开始长江三角洲地区尤其是浙江省加快推进大气污染防治行动,分区分时间节点实施多种污染控制措施.为了评估这些措施实施成效,利用WRF-Chem(Weather Research and Forecasting Model Coupled to Chemistry)模式对2015—2016年浙江省AQI(air quality index)、PM2.5、SO2等污染物浓度观测资料进行了模拟计算及分析.结果表明:①模拟计算显示,G20峰会期间各污控措施减排效果明显,核心区减排比例最大,严控区次之,管控区最小,4种污染物浓度减排比例从大到小顺序依次是SO2、PM2.5、NOx和VOCs.②观测资料分析显示,G20峰会期间浙江省环境空气质量明显改善,但不同控制区改善状况不尽相同.与2015年9月、2016年8月相比,2016年9月核心区月均AQI的降幅约为35和25;严控区次之,AQI降幅约为20和15;管控区最弱,AQI降幅约为8和5.ρ(PM2.5)情况与AQI相似,观测结果与模拟计算一致.③G20峰会期间日均AQI及各种污染物浓度振荡下降,9月5日降至最低值.9月4—5日杭州市和浙江省日均AQI分别为90、62和77、51,均在GB 3095—2012《环境空气质量标准》的二级标准限值以下;日均ρ(PM2.5)分别为37、35 μg/m3和20、21 μg/m3,优于GB 3095—2012二级标准.④污控措施改变了大气中的首要污染物.以杭州市为例,2016年6—8月没有出现以PM2.5为首要污染物的污染天气情况;7—9月没有出现以NO2为首要污染物的污染天气情况,2015仅8月出现这种情况,10月出现跃升,日数占比高达60%左右;从4月开始以O3为首要污染物的日数占比较往年呈更快的增长状态,7月出现最大值,并呈现与往年双峰型不同的单峰型结构.研究显示,除有利气象条件外,对污染源所采取的严格控制措施是杭州G20峰会取得良好效果的主要原因.
关键词杭州G20峰会    污染控制措施    WRF-Chem模式    AQI    ρ(PM2.5)    
Evaluation of the Air Pollution Control over Zhejiang Province during the G20 Summit in Hangzhou
MAO Minjuan1 , HU Deyun2     
1. Zhejiang Institute of Meteorology Science, Hangzhou 310008, China;
2. Hangzhou Meteorological Bureau, Hangzhou 310058, China
Abstract: In order to evaluate the effects of pollution control measures executed during the G20 Summit in Hangzhou, data from the numerical simulation of the WRF-Chem model and observations of AQI, PM2.5, SO2 and others were analyzed. The results indicated:(1) The data of numerical simulation indicated that the pollution control measures induced obvious emissions reductions. The greatest proportion of pollutant reductions was in the core area, the second was in the strict control area and the last was in the normal control area. The levels of pollutant reductions were in the order (biggest to smallest):SO2, PM2.5, NOx and VOCs. (2) According to the observational data, the air quality in Zhejiang Province was improved obviously, but with different levels in different control areas, during the G20 Summit in Hangzhou. Compared to the AQI in September 2015 and August 2016, the AQI in September 2016 in the core area was decreased by about 35 and 25, respectively, while the decreases in the strict control area were about 20 and 15, and the decreases in the normal control area were about 8 and 5. The distributions of PM2.5 concentration showed the same change characteristics as AQI, and thus the actual observations were in agreement with the simulation results. (3) During the G20 Summit in Hangzhou, the daily AQI and pollutant concentrations decreased and reached the lowest values on September 5th in Hangzhou City and Zhejiang Province. From September 4th to 5th, the daily AQIs in Hangzhou City and Zhejiang Province were 90, 62 and 77, 51, reaching the national secondary standard, and the daily average PM2.5 concentrations were 37, 35 μg/m3 and 20, 21 μg/m3, respectively, which were superior to the national secondary standard. (4) Pollution control measures changed the characteristics of primary pollutants. In Hangzhou, there were no daily proportions of primary pollutants for PM2.5 from June to August 2016. The daily proportions of primary pollutants for NO2 declined to zero from July to September 2016 and then greatly increased to 60% in October. The daily proportions of primary pollutants for O3 appeared to quickly rise beginning in April 2016, and then reached the maximum in July. Its change trend presented a unimodal type which was totally different from the bimodal type in the past years. Besides advantageous meteorological conditions, pollution control measures were the key factor for achieving good air quality during the G20 Summit in Hangzhou.
Keywords: G20 Summit in Hangzhou    pollution control measures    WRF-Chem model    air quality index    PM2.5 concentration    

社会和经济的快速发展意味着城市化进程的加快. 2015年我国的城市化率已达到56.1%[1]. 《2013年中国城市发展报告》指出,到2050年我国城市化率将达到75%.城市发展的同时,也会带来一系列的环境问题,包括城市气候效应[2-4]、能源需求增长[5]、碳存储变化[6]、生态系统服务能力下降[7]等,其中城市气候效应表现为城市近地面风速下降、温度升高、大气相对湿度降低等[8],能源需求增长则会增加NOx、CO、VOCs(volatile organic compounds,挥发性有机物)等诸多污染物的排放,由此导致大气污染越来越严重[9-24].

长三角是城市化快速发展地区,其南冀的浙江省也不例外.浙江省经济发展在全国名列前茅,汽车保有量位列全国前列,杭州市人均汽车保有量更是位列全国城市第一[1].多元化的排放来源造就了浙江省复合性的大气污染特点[25-26],霾已经成为常态性天气现象.以2015年为例,全省年均霾天气达到53 d,在杭州、温州一些城市甚至达到全年日数的一半及以上.因此,2015年末在土耳其安塔利亚确定第十一次G20峰会于2016年9月4—5日在中国浙江省杭州市举办后,如何保障会期的环境空气质量成为迫切需要解决的问题.

杭州G20峰会期间要求的空气质量目标是杭州市达到GB 3095—2012《环境空气质量标准》二级标准,PM2.5(细颗粒物)指标日均值优于GB 3095—2012二级标准,浙江省达到GB 3095—2012二级标准.为确保达标,自2016年初开始,除在长三角地区加快推进《大气污染防治行动计划》中的相关内容,浙江省政府携同环境保护相关部门还将这一地区划分为核心区、严控区、管控区等,实施不同的G20峰会污染控制措施[27-28].

该研究利用WRF-Chem模式计算了管控措施后不同控制区污染物排放量及减排比例,再结合2015—2016年大气成分实时观测资料,分析G20峰会前后各种大气污染物浓度及首要污染物实际变化;结合同步气象观测数据,研究不同控制措施对浙江省及杭州市环境空气质量的影响,以期为环境空气质量的改善及其他重要事务的环境空气质量保障提供参考.

1 材料与方法 1.1 杭州G20峰会环境空气质量保障措施简介

虽然G20峰会期间环境空气质量目标的针对区域是杭州市和浙江省,但环境空气质量从来不是单个城市或单个地区的问题.同时,由于我国经济30多年的非可持续性发展,给环境空气质量留下了许多历史性问题,要解决绝不是一蹴而就的事情.为保障G20峰会期间杭州市和浙江省环境空气质量,除需要整个长三角地区的协同配合外,还需要提前开展大气污染防治行动.为此,浙江省政府携同环境保护部门制定了《G20峰会环境空气质量保障方案》(简称“方案”),周边地区根据总方案,分别制定了《G20峰会长三角及周边地区协作环境空气质量保障方案》、《G20峰会浙江省环境空气质量保障分方案》等.根据长三角及浙江省保障方案,从2016年初开始重点加快推进污染物主要排放源的治理工作,主要包括黄标车和老旧车辆淘汰、电力行业排放控制、挥发性有机物治理和钢铁、水泥、石化、玻璃等重点行业的污染治理,以及建设绿色港口等,该研究将其称为G20峰会前期空气质量保障阶段.2016年8月下旬—9月上旬,进入会期保障阶段,以主场馆为中心50、100、300 km为参考半径划分核心区、严控区、管控区,不同控制区在不同时间节点分别开启企业停业、工地停业、汽车单双号限行等减排措施.对达到超低排放标准(按照《关于印发煤电节能减排升级与改造行动计划(2014—2020) 的通知》)(发改能源〔2014〕2093号)的电厂优先发电,对仅达到火电厂燃煤机组特别排放限值的电厂,核心区限产50%,严控区限产30%,管控区力争限产30%,对未达到特别排放限值的电厂,核心区全部停厂,严控区限产50%,管控区力争限产50%.对废气排放来说,核心区除与城市日常生活必需的排放企业外,全部停厂,严控区水泥、有色金属冶炼、化纤及有挥发性有机物产生的化工企业全部停产,其他按排放减少50%以上的要求排定一批停厂、限产企业,管控区按排放减少30%~50%的要求排定一批停产、限产企业.此外,8月28日—9月6日期间浙江省地级市实行机动车单双号限行、8月26日—9月6日核心区和严控区浙江省辖范围内建筑工地、拆除工地全部停工.应急时,核心区、严控区落实应急保障措施,在杭州市上风向传输通道的管控区落实高架源等管控措施.杭州G20峰会期间环境空气质量保障控制区划分如图 1所示.

图 1 杭州G20峰会环境空气质量保障控制区划分 Fig.1 Division of air quality control areas during the Hangzhou G20 Summit
1.2 数据来源

长三角地区SO2、NOx、VOCs和PM2.5 4种污染物管控措施后不同控制区排放量及减排比例的模拟计算结果为利用WRF-Chem模式计算获得.

目前,浙江省范围内进行大气成分观测的站点有160个左右,开展的主要观测内容包括GB 3095—2012中涉及的6类大气污染成分,杭州主城区站点同时也开展VOCs等的观测,该研究所用大气污染成分观测数据包括2015—2016年浙江省所有大气成分观测站点的PM10、PM2.5、SO2、NOx、NO2、CO及O3等小时观测数据,浙江省相应数据是所有站点的平均结果.国际上通用的用来评价空气质量标准的AQI是将PM10、PM2.5、SO2、NO2、CO及O3等监测数据按照统一规定的计算方法处理后,变成一种简洁而易被理解的参数[29].

为了保证观测数据的可靠性,大气成分观测均采用获得US EPA认可的仪器.为了确保数据的可比性,不同站点采用相同型号的观测仪器.大气颗粒物质量监测为Thermo Electron公司生产的TEOM 1400颗粒物在线监测仪〔TEOM(Tapered Element Oscillating Microbalanc,锥形元件振荡微天平)为石英锥形管,可换式滤膜置于按自然振荡频率的锥形管顶端,而振荡频率取决于滤膜的质量〕.根据质量和频率间的相关变化,可以计算出滤膜上所累计颗粒物的质量. TEOM可实现对PM10、PM2.5及PM1的连续实时在线测量,测量精度为±1.5 μg/m3(小时平均质量浓度). SO2、NOx、CO及O3的测量则采用相同公司的MODEL系列荧光、吸收等分析仪,同样可以实现连续实时的在线测量.

气象观测数据包括2015—2016年浙江省所有常规气象站的地面气象要素如气温、降水量、相对湿度、风速以及云量、日照时数、气温日较差、蒸发量等小时观测数据.针对杭州市,利用探空数据可以获得静力能量等参数,这些参数主要用于判断大气层结稳定性.

2 结果与讨论 2.1 杭州G20污染控制措施减排成效

1.1节中的污染物控制措施为基础,设置相应的减排情景,如表 1所示.根据表 1中的减排情景,利用US NCAR研制的空气质量预报和评估模式——WRF-Chem模式,对核心区、严控区和管控区的污染物排放进行模拟,获得控制措施后SO2、NOx、VOCs和PM2.5 4种污染物的排放总量和减排比例,如表 2所示.由表 2可见,污染控制措施减排效果明显,总体来说核心区减排比例最大,严控区次之,管控区最小,这是和各区控制措施的力度相对应的.控制措施后,4种污染物的减排比例从大到小顺序依次是SO2、PM2.5、NOx和VOCs,其中NOx和VOCs的减排比例非常接近.

表 1 长三角各污染源减排情景设置 Table 1 Pollution reduction scenarios in Yangtze River Delta area

表 2 控制措施后SO2、NOx、VOCs和PM2.5 4种污染物排放总量和减排比例 Table 2 SO2, NOx, VOCs and PM2.5 emission and emission reduction ratios after air pollution control
2.2 杭州G20峰会空气质量总体改变情况

上述控制措施减排成效是模式计算结果,受实时气象条件、措施实施到位程度等因素的影响,实际空气质量状况与模式计算结果也可能存在不一致性. 2015年9月、2016年8—9月浙江省月均AQI分布及2015、2016年1—10月月均AQI变化如图 2所示.由图 2可见,2015年9月AQI最大,2016年8月次之,同年9月则最小,说明G20峰会期间空气质量得到明显改善.虽然各月AQI指数总体都呈杭州、湖州、绍兴、宁波等浙北地区较大,丽水等西南地区较小的特点,但不同地区改善状况不尽相同.与2015年9月和2016年8月相比,2016年9月杭州、湖州、绍兴城市等地AQI下降最明显,平均降幅分别达到35和25左右,金衢盆地等地平均降幅分别为20和15左右,台州南部、温州地区以及丽水部分地区降幅分别为8和5左右,温州个别地点甚至出现略微上升的情况.可见,空气质量改善与污染控制措施之间存在良好的对应关系,控制力度最强的核心区改善最好,严控区次之,管控区最小,这与模式计算的减排结果相一致.

图 2 浙江省2015年9月、2016年8—9月月均AQI分布图及2015、2016年1—10月月均AQI指数变化曲线 Fig.2 The distributions of monthly average AQI in September 2015, August and September 2016 and the time series of monthly average AQI from January to October in 2015 and 2016 in Zhejiang

当然,仅从污染物质量浓度变化与控制措施在落区上的一致性,还不能完全确定控制措施的成效,因为这也可能是气象条件影响所致.气象条件对空气质量的影响主要通过大气污染物扩散、沉降及化学自净3种方式实现,其中扩散和沉降为主要方式,影响它们的主要气象要素分别是风速和降水.该研究利用浙江省常规站气象观测资料,着重分析了与2016年8月相比,同年9月风速和降水量的变化情况(见图 3).从图 3可以看到,浙江省舟山、台州及温州等沿海地区2016年9月风速较8月有所增大,诸暨及江山等周边小范围基本不变,其他大部分地区风速均变小,说明除东南沿海地区外,浙江省其他地区9月的风场与8月相比不利于污染物的扩散.降水变化分布图则表明,浙江省9月降水量明显增多,其中宁波、温州地区增幅最大,台州、绍兴东部、金华东南部、丽水南部及湖州次之,杭州、衢州、绍兴北部则增幅最小.风速和降水量增大分别有利于大气污染物的扩散和沉降,但事实是9月空气质量改善最大的核心区风速基本不变或变小,降水量增幅也最小,而空气质量改善最小的温州等管控区风速和降水量增幅都最大.这一结果说明,2016年9月浙江省气象条件改善落区与实际空气质量改善落区存在很大差别,甚至可以说是完全错开,这有力证明了2016年9月空气质量改善是污染控制措施实施的结果.

图 3 浙江省2016年9月相较于8月风速和降水量的变化情况 Fig.3 The variations of monthly average wind speed and precipitation in September and August 2016 in Zhejiang

图 2也可以看到,2015、2016年1—10月AQI指数呈相似下降趋势,除3月外,2016年AQI较2015同期小.2016年3月较上年同期平均风速更小、降水量较少,不利于大气污染物扩散和沉降,所以AQI指数相对较高.

2015年9月、2016年8—9月ρ(PM2.5)的分布特征(图略)与AQI相似,也是核心区下降最明显,严控区次之,管控区最小,其中2015年9月ρ(PM2.5)最大,2016年8月次之,9月值最小.浙江省2015、2016年1—10月ρ(PM2.5)月均值变化情况如图 4所示.从图 4可以看到,2015年和2016年ρ(PM2.5)呈相似下降趋势,除3月外,2016年ρ(PM2.5)皆小于2015年相应月份.

图 4 浙江省2015、2016年1—10月月均ρ(PM2.5)的变化情况 Fig.4 The time series of monthly average PM2.5 concentration from January to October in 2015 and 2016 in Zhejiang
2.3 G20峰会期间空气质量达标情况

前期保障措施为G20峰会空气质量提供了良好基础,但会期空气质量仍需进一步确认.2016年8月21日—9月10日期间杭州市和浙江省日均AQI指数和ρ(PM2.5)的变化情况如图 5所示.从图 5(a)可以看到,自2016年8月21日开始,杭州市和浙江省日均AQI振荡下降,杭州市下降速率大于浙江省,9月5日降到最小,9月7日后,随着控制措施的取消,AQI出现较大幅度上升. G20峰会召开的9月4—5日,杭州市和浙江省日均AQI分别为90、62和77、51,都达到了GB 3095—2012二级标准.

图 5 2016年8月21日—9月10日杭州市和浙江省日均AQI和ρ(PM2.5)的变化情况 Fig.5 The time series of daily average AQI and PM2.5 concentration from August 21st to September 10th in 2016 in Hangzhou and Zhejiang

图 5(b)中杭州市和浙江省日均ρ(PM2.5)变化与AQI有所不同,9月1日前出现较明显增大趋势.9月1日之后,ρ(PM2.5)开始下降,9月5日降到最低,9月4—5日其值分别为37、35 μg/m3和20、21 μg/m3,均优于GB 3095—2012二级标准. ρ(PM2.5)表现出的变化特征,究其原因: ① 其包含的主要成分来自于二次气溶胶,工地不是其主要来源[30],因此工地停业等对其影响不明显,而8月28日车量单双号限行减少的NOx等排放,要体现对二次气溶胶的影响需要一定的“驰豫”时间;② 二次气溶胶浓度受气象条件的直接影响[25].由图 6可见,2016年8月21日—9月10日期间,静力能量变化平缓,相对湿度明显下降,风速则是8月28日之前下降显著,8月28日—9月1日变化平缓,可见9月1日前的气象条件不利于空气质量的改善,所以尽管8月下旬会期污染控制措施已经实施,但ρ(PM2.5)变化并不明显.9月5日,静力能量、相对湿度都达到了最大值,风速快速增加,气温处于低谷,气象条件有利于空气质量改善.

图 6 2016年8月21日—9月10日日均静力能量、风速、相对湿度及气温的变化情况 Fig.6 The time series of daily average convective energy, wind speed, relative humidity and air temperature from August 21st to September 10th in 2016
2.4 G20峰会前后大气污染物浓度变化状况

G20峰会空气质量达标的对象是AQI和日均ρ(PM2.5),考虑到AQI由6种大气成分计算获得及PM2.5中二次气溶胶以SO2、NO2等为前体物,因此,AQI和ρ(PM2.5)改变的根源是其他大气污染物浓度变化的结果.对这些大气污染物浓度变化展开分析,可以评估它们对污染控制措施的响应,为以后的类似事件提供参考.

大气中CO含量很少、变化起伏小,目前尚没有作为首要污染物出现过,同时考虑到观测资料的质量需要进一步论证,因此该研究对其不做讨论.2015年、2016年1—10月杭州市和浙江省月均ρ(PM10)、ρ(SO2)、ρ(NO2)及ρ(O3)变化情况如图 7所示,从图 7中可以看到: ① 从2016年4月开始,杭州市和浙江省月均ρ(SO2)及ρ(NO2)较2015年相应月份低,ρ(PM10)变化并不明显,而ρ(O3)则较高;② 与2015年最低值出现在7月不同,2016年月均ρ(PM10)、ρ(SO2)和ρ(NO2)的最低值均出现在8月;③ 杭州市月均ρ(NO2)、ρ(PM10)及ρ(O3)总体高于全省平均水平,ρ(SO2)则低于全省平均水平;④ ρ(NO2)与ρ(O3)的变化存在一定的反相位特征,当ρ(NO2)处于低值时,ρ(O3)一般较高,但并不严格对应.究其原因,G20峰会前期污染控制措施主要利于SO2、NOx、PM2.5及VOCs的减排,根据长三角地区ρ(O3)的变化特点[31],当ρ(NOx)和ρ(VOCs)都变小时,ρ(O3)变大. PM10主要来源是扬尘等一次性排放,前期污染控制措施对其影响不大.进入会期保障阶段,大型企业停工进一步有利于NOx、SO2的减排,工地停业主要有利于PM10减排,汽车限行主要有利于NO2减排,因此8月ρ(SO2)、ρ(NO2)和ρ(PM10)最低.受汽车保有量更大、城市工地扬尘更严重的影响,杭州市ρ(NO2)、ρ(PM10)一般较浙江省平均值大,但8月ρ(PM10)基本相同,ρ(NO2)也非常接近,说明会期污染控制措施发挥作用.

图 7 2015、2016年1—10月杭州市和浙江省月均ρ(PM10)、ρ(SO2)、ρ(NO2)及ρ(O3)变化曲线 Fig.7 The time series of monthly average concentration of PM10, SO2, NO2 and O3 from January in 2015 to October in 2016 in Hangzhou and Zhejiang

2016年8月21日—9月10日杭州市和浙江省日均ρ(PM10)、ρ(NO2)、ρ(SO2)及ρ(O3)的变化情况如图 8所示,从图 8中可以看到,与ρ(PM2.5)一致,日均ρ(PM10)、ρ(NO2)及ρ(SO2)在9月5日出现最低值,而且杭州市和浙江省ρ(PM10)、ρ(NO2)大小关系出现反转,这是因为会期工地停工、机动车单双号限行针对核心区及杭州市区,因此会期杭州市ρ(PM10)和ρ(NO2)都有明显下降,从而出现其值小于浙江省平均结果的情况.9月7日后,随着工地作业恢复及机动车限行措施取消,又恢复杭州市ρ(PM10)、ρ(NO2)高于浙江省平均值的情况,9日甚至出现了大跃升.

图 8 2016年8月21日—9月10日杭州市和浙江省日均ρ(PM10)、ρ(SO2)、ρ(NO2)及ρ(O3)的变化 Fig.8 The time series of daily average concentration of PM10, SO2, NO2 and O3 from August 21st to September 10th in 2016 in Hangzhou and Zhejiang

污染控制措施对首要污染物影响明显.对于浙江省来说,PM10、SO2及CO成为首要污染物的可能性很低甚至没有,所以该研究仅给出了杭州市2015年、2016年1—10月以PM2.5、NO2和O3为首要污染物的日数占当月有效观测日数的比值(简称“日数占比”).从图 9可以看到,与2015年相比,2016年1—3月以PM2.5为首要污染物的日数占比有所增长,3—4月甚至大于2015年同期,5月开始低于2015年同期,6—8月则没有出现以其为首要污染物的情况,9月与2015年同期持平.2016年1月以NO2为首要污染物的日数占比大于2015年同期,2—4月低于2015年同期,5—6月略大于2015年同期,7—9月没有出现以其为首要污染物的情况,而2015年仅有8月为这种情况,10月出现一个明显跃升,日数占比达到60%左右.以O3为首要污染物的日数占比变化情况与NO2及PM2.5相反,1—3月没有出现以其为首要污染物的日数,4月开始呈快速增长状态,7月出现最大值.与2015年以前年份4月或5月及9月出现的双峰结构不同,2016年变成以7月为峰值的单峰型结构.

图 9 杭州市2015年、2016年1—10月以PM2.5、NO2和O3为首要污染物的日数占比 Fig.9 The day percentages of primary pollutants for PM2.5, NO2 and O3 from January to October in 2015 and 2016 in Hangzhou
3 结论

a)根据设置的减排情景,用WRF-Chem空气质量预报和评估模式计算可知,杭州G20峰会污染控制措施减排效果明显,总体来说核心区减排比例最大,严控区次之,管控区最小,4种污染物减排比例从大到小顺序依次是SO2、PM2.5、NOx和VOCs.

b)实时观测资料分析表明,污染控制措施对浙江省空气质量改善的实际成效明显,与模式计算减排结果一致.与2015年9月、2016年8月相比,G20峰会召开当月,核心区月均AQI下降35和25左右,严控区下降20和15左右,管控区下降8和5左右,对ρ(PM2.5)的控制成效也是核心区最明显,严控区次之. 2015年、2016年1—10月月均AQI和ρ(PM2.5)的对比分析表明,G20峰会前期黄标车和老旧车辆淘汰等保障措施在空气污染控制中发挥了作用,为会期空气质量达标建立了良好的基础.

c) G20峰会期间大型企业停工进一步有利于NOx、SO2减排,工地停业主要有利于PM10减排,汽车限行主要有利于NO2减排,因此这些污染物浓度于G20峰会召开期间达到最低.9月4—5日杭州市和浙江省日均AQI分别为90、62和77、51,皆达到GB 3095—2012二级标准,ρ(PM2.5)分别为37、35 μg/m3和20、21 μg/m3,均优于GB 3095—2012二级标准.

d)污染控制措施对首要污染物影响明显.从2016年5月开始,以PM2.5为首要污染物的日数占比较2015年同期低,6—8月没有出现以其为首要污染物的情况,9月与2015年同期持平.2016年7—9月没有出现以NO2为首要污染物的情况,而2015年仅8月为如此,10月出现大的跃升,达到60%左右.以O3为首要污染物的日数占比变化情况与NO2及PM2.5相反,从4月开始快速增长,7月出现最大值,与往年4月或5月、9月出现的双峰结构不同,2016年变成了以7月为峰值的单峰型结构.

参考文献
[1]
国家统计年鉴. 中国统计年鉴[M]. 北京: 中国统计出版社, 2015. (0)
[2]
ZHOU Liming, DICKINSON R E, TIAN Yuhong, et al. Evidence for a significant urbanization effect on climate in China[J]. PNAS, 2004, 101: 9540-9544. DOI:10.1073/pnas.0400357101 (0)
[3]
YANG Xuchao, HOU Yiling, CHEN Baode, et al. Observed surface warming induced by urbanization in East China[J]. Journal of Geophysical Research, 2011. DOI:10.1029/2010JD015452 (0)
[4]
GUNERALP B, SETO K C. Environmental impacts of urban growth from an integrated dynamic perspective:a case study of Shenzhen, South China[J]. Global Environmental Change, 2008, 18: 720-735. DOI:10.1016/j.gloenvcha.2008.07.004 (0)
[5]
DAVIES M, STEADMAN P, ORESZCZYN T. Strategies for the modification of the urban climate and the consequent impact on building energy use[J]. Energy Policy, 2008, 36: 4548-4551. DOI:10.1016/j.enpol.2008.09.013 (0)
[6]
CHURKINA G, BROWN D G, KEOLEIAN G. Carbon stored in human settlements:the conterminous United States[J]. Global Change Biology, 2010, 16: 135-143. DOI:10.1111/(ISSN)1365-2486 (0)
[7]
HAAS J, BAN Y F. Urban growth and environmental impacts in Jing-Jin-Ji, the Yangtze River Delta and the Pearl River Delta[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 30: 42-55. DOI:10.1016/j.jag.2013.12.012 (0)
[8]
毛敏娟, 杨续超. 霾与城市化发展的关系[J]. 环境科学研究, 2015, 28(12): 1823-1832.
MAO Minjuan, YANG Xuchao. The relationship between haze weather and urbanization[J]. Research of Environmental Sciences, 2015, 28(12): 1823-1832. (0)
[9]
LIU Jianguo, DIAMOND J. China's environment in a globalizing world-how China and the rest of the world affect each other[J]. Nature, 2005, 435: 1179-1186. DOI:10.1038/4351179a (0)
[10]
SHAO Min, TANG Xiaoyan, ZHANG Yuanhang, et al. City clusters in China:air and surface water pollution[J]. Frontiers in Ecology and the Environment, 2006, 4(7): 353-361. DOI:10.1890/1540-9295(2006)004[0353:CCICAA]2.0.CO;2 (0)
[11]
宋宇, 唐孝炎, 方晨, 等. 北京市能见度下降与颗粒物污染的关系[J]. 环境科学学报, 2003, 23(4): 468-471.
SONG Yu, TANG Xiaoyan, FANG Chen, et al. Relationship between the visibility degradation and particle pollution in Beijing[J]. Acta Scientiae Circumstantiae, 2003, 23(4): 468-471. (0)
[12]
吴兑, 毕雪岩, 邓雪娇, 等. 珠江三角洲大气灰霾导致能见度下降问题研究[J]. 气象学报, 2006, 64(4): 510-517.
WU Dui, BI Xueyan, DENG Xuejiao, et al. Effect of atmospheric haze on the deterioration of visibility over the Pearl River Delta[J]. Acta Meteorological Sinica, 2006, 64(4): 510-517. DOI:10.11676/qxxb2006.050 (0)
[13]
PARK R J, JACOB D J, KUMAR N, et al. Regional visibility statistics in the United States:natural and transboundary pollution influences, and implications for the regional haze rule[J]. Atmospheric Environment, 2006, 40: 5405-5423. DOI:10.1016/j.atmosenv.2006.04.059 (0)
[14]
张远航. 大气复合污染是灰霾内因[J]. 环境, 2008(7): 32-33. (0)
[15]
HE Kebin, YANG Fumo, MA Yongliang, et al. The characterisitcs of PM2.5 in Beijing, China[J]. Atmospheric Environment, 2001, 35(29): 4959-4970. DOI:10.1016/S1352-2310(01)00301-6 (0)
[16]
YE Boming, JI Xueli, YANG Haizhen, et al. Concentration and chemical composition of PM2.5 in Shanghai for a 1-year period[J]. Atmospheric Environment, 2003, 37(4): 499-510. DOI:10.1016/S1352-2310(02)00918-4 (0)
[17]
CAO Junji, LEE S C, HO K F, et al. Spatial and seasonal variations of atmospheric organic carbon and elemental carbon in Pear River Delta Region, China[J]. Atmospheric Environment, 2004, 38(27): 4447-4456. DOI:10.1016/j.atmosenv.2004.05.016 (0)
[18]
WANG Ying, ZHUANG Guoshun, TANG Aohan, et al. The ion chemistry and the source of PM2.5 aerosol in Beijing[J]. Atmospheric Environment, 2005, 39(21): 3771-3784. DOI:10.1016/j.atmosenv.2005.03.013 (0)
[19]
颜鹏, 刘桂清, 周秀骥, 等. 上甸子秋冬季雾霾期间气溶胶光学特性[J]. 应用气象学报, 2010, 21(3): 257-265.
YAN Peng, LIU Guiqing, ZHOU Xiuji, et al. Characteristics of aerosol optical properties during haze and fog episodes at Shangdianzi in northern China[J]. Journal of Applied Meteorological Science, 2010, 21(3): 257-265. DOI:10.11898/1001-7313.20100301 (0)
[20]
DENG Zhaoze, ZHAO Chunsheng, MA Nan, et al. Size-resolved and bulk activation properties of aerosols in the North China Plain:the importance of aerosol size distribution in the prediction of CCN number concentration[J]. Atmospheric Chemistry and Physics, 2011, 11: 3835-3846. DOI:10.5194/acp-11-3835-2011 (0)
[21]
朱彤, 尚静, 赵德峰. 大气复合污染及灰霾形成中非均相化学过程的作用[J]. 中国科学:化学, 2010, 40(12): 1731-1740.
ZHU Tong, SHANG Jing, ZHAO Defeng. The roles of heterogeneous chemical processes in the formation of an air pollution complex and gray haze[J]. Science China:Chemistry, 2010, 40(12): 1731-1740. (0)
[22]
LIU Pengfei, ZHAO Chunsheng, GOBEL T, et al. Hygroscopic properties of aerosol particles at high relative humidity and their diurnal variations in the North China Plain[J]. Atmospheric Chemistry and Physics, 2011, 11: 3479-3494. DOI:10.5194/acp-11-3479-2011 (0)
[23]
TIAN Zhang, CAO Guiying, SHI Jun, et al. Urban transformation of a metropolis and its environmental impacts:a case study in Shanghai[J]. Environmental Science and Pollution Research, 2012, 19: 1364-1374. DOI:10.1007/s11356-011-0641-y (0)
[24]
LIU Gengyuan, YANG Zhifeng, CHEN Bin, et al. Monitoring trends of urban development and environmental impact of Beijing, 1999-2006[J]. Science of the Total Environment, 2011, 409(18): 3295-3308. DOI:10.1016/j.scitotenv.2011.05.045 (0)
[25]
毛敏娟, 刘厚通, 徐宏辉, 等. 多元观测资料融合应用的灰霾天气关键成因研究[J]. 环境科学学报, 2012, 33(3): 806-813.
MAO Minjuan, LIU Houtong, XU Honghui, et al. The key factor research of haze with the combined application of the multi element[J]. Acta Scientiae Circumstantiae, 2012, 33(3): 806-813. (0)
[26]
毛敏娟, 孟燕军, 齐冰, 等. 浙江省城市大气污染特性研究[J]. 南京大学学报(自然科学版), 2015, 51(3): 499-507.
MAO Minjuan, MENG Yanjun, QI Bing, et al. The study of air pollution characteristics in urban area over Zhejiang[J]. Journal of Nanjing University (Natural Sciences), 2015, 51(3): 499-507. (0)
[27]
浙江省住房和城乡建设厅. 关于印发《G20峰会建设系统环境质量保障工作方案》的通知[EB/OL]. 杭州: 浙江省住房和城乡建设厅, 2016[2016-06-13]. http://blog.sina.com.cn/s/blog_4bc83a7b0102wdkm.html. (0)
[28]
上海市环境保护局办公室. 环境空气质量保障方案[EB/OL]. 上海: 上海市环境保护局办公室, 2016[2016-05-10]. https://max.book118.com/html/2017/0321/96317016.shtm. (0)
[29]
环境保护部. GB 3095-2012环境空气质量标准[S]. 北京: 中国环境科学出版社, 2012. (0)
[30]
包贞, 冯银厂, 焦荔, 等. 杭州市大气PM2.5和PM10污染特征及来源解析[J]. 中国环境监测, 2010, 26(2): 44-48.
BAO Zhen, FENG Yinchang, JIAO Li, et al. Characterization and source apportionment of PM2.5 and PM10 in Hangzhou[J]. Environmental Monitoring in China, 2010, 26(2): 44-48. (0)
[31]
GENG Fuhai, TIE Xuexi, GUENTHER A, et al. Effect of isoprene emissions from major forests on ozone formation in the city of Shanghai[J]. Atmospheric Chemistry & Physics Discussions, 2011, 11(6): 10449-10459. (0)