环境科学研究  2017, Vol. 30 Issue (9): 1325-1334  DOI: 10.13198/j.issn.1001-6929.2017.02.90

引用本文  

潘锦秀, 晏平仲, 李云婷, 等. 北京冬奥会同期空气污染数值模拟[J]. 环境科学研究, 2017, 30(9): 1325-1334.
PAN Jinxiu, YAN Pingzhong, LI Yunting, et al. Air Pollution Numerical Simulation during the Same Period of Beijing Winter Olympic Games[J]. Research of Environmental Sciences, 2017, 30(9): 1325-1334.

基金项目

国家环境保护公益性行业科研专项(201409005);国家科技支撑计划项目(2014BAC23B03);中国科学院战略性先导科技专项(XDB05030204)

责任作者

晏平仲(1984-), 男, 陕西西安人, 助理研究员, 博士, 主要从事空气质量数值预报与区域大气污染防控研究, missfield@163.com

作者简介

潘锦秀(1990-),女,安徽太湖人,助理工程师,硕士,主要从事空气质量预报预警研究,Jinxiu_Pan@163.com

文章历史

收稿日期:2017-02-04
修订日期:2017-06-15
北京冬奥会同期空气污染数值模拟
潘锦秀1 , 晏平仲2 , 李云婷1 , 张大伟1 , 王占山1     
1. 北京市环境保护监测中心, 大气颗粒物监测技术北京市重点实验室, 北京 100048;
2. 中国科学院大气物理研究所, 大气边界层和大气化学国家重点实验室, 北京 100029
摘要:第24届冬季奥运会将于2022年2月4—20日在我国北京市和河北省张家口市联合举办,主要会场有北京奥体中心、北京延庆县和张家口市崇礼县.为了模拟分析冬奥会空气质量情况,利用冬奥会同期(2006—2016年2月)北京市和张家口市空气质量资料及韩国气象厅天气图资料(2013—2016年2月),分析该时段重污染发生的频次,统计不利于污染物扩散的天气形势出现概率及污染传输路径,并结合嵌套网格空气质量预报模式(NAPQMS),评估不同减排方案对ρ(PM2.5)的影响.结果表明:① 2006—2016年冬奥会同期,北京奥体中心和延庆县发生重污染天气的概率分别为17%和9%,污染发生的风险频率为北京奥体中心>延庆县>张家口市,并且北京奥体中心和延庆县在2月13—16日易出现持续的重污染天气过程;② 2013—2016年2月不利于污染扩散的天气形势出现概率较为频繁,尤其在850 hPa高度和地面,不利天气形势出现的概率分别为35%和41%;地面偏南风易将在北京西南方滞留较长时间的污染气团沿太行山输送至北京;③ 冬奥会期间,若于2月2—12日及17—20日将京津冀及周边城市污染物排放量在当前的基础上减排50%、2月13—16日减排75%,将可能不出现重污染日.严格控制北京及周边地区的大气污染物排放是保障冬奥会期间空气质量的必要措施.
关键词冬奥会    空气质量    重污染    NAQPMS    减排方案    
Air Pollution Numerical Simulation during the Same Period of Beijing Winter Olympic Games
PAN Jinxiu1 , YAN Pingzhong2 , LI Yunting1 , ZHANG Dawei1 , WANG Zhanshan1     
1. Beijing Key Laboratory of Airborne Particulate Matter Monitoring Technology, Beijing Municipal Environmental Monitoring Center, Beijing 100048, China;
2. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Science, Beijing 100029, China
Abstract: The twenty-fourth Winter Olympic Games will be held from February 4th to 20th, 2022, in Beijing and Zhangjiakou cities, China. The main venues will be at Beijing Olympic Sports Center and in Yanqing and Zhangjiakou. In order to simulate and analyze the air quality of the Winter Olympic Games, we used air quality monitoring data of Beijing in February in each year of 2006-2016 and weather map data from the Korean meteorological agency in February in each year of 2013-2016 to research the air quality situation during this period of the year. The frequency of heavy pollution in February in each year of 2006-2016 in Beijing was described, and the occurrence probability of synoptic situation not beneficial to contaminants diffusion and the transmission path of pollution were also analyzed. In addition, the effects of emission reduction schemes on concentration of PM2.5 were evaluated, combined with nested grid air quality prediction model (NAPQMS). The results showed that: (1) During the same period as the Winter Olympic Games, the occurrence probability of heavy pollution at Olympic Center and Yanqing was 17% and 9% respectively. The risk of pollution in Olympic Center was the highest compared to Yanqing and Zhangjiakou, which faced the lowest risk. In addition, continuous heavy pollution easily occurred from February 13th to 16th in the past years in Olympic Center and Yanqing. (2) The synoptic situation which was not beneficial to contaminant diffusion appeared frequently in February in each year of 2013-2016, especially in 850 hPa and sea level synoptic, with frequency of 35% and 41% respectively. The ground southerly wind transported air pollution detained in southwestern Beijing to Beijing along Taihang Mountain. (3) If pollution emissions from Beijing, Tianjin, Hebei and surrounding cities can be reduced by 50% below current emissions from February 2nd to 12th and 17th to 20th in 2022, and reduced by 75% from February 13th to 16th, we predict that heavy pollution will not appear during the coming Winter Olympic Games. Thus, strict control of emissions from Beijing and its surrounding areas is a necessary measure to protect the air quality during the Winter Olympic Games.
Keywords: Winter Olympic Games    air quality    heavy pollution    NAQPMS    emission reduction scheme    

第24届冬季奥运会将于2022年2月4—20日在我国北京市和河北省张家口市联合举办,主要会场有北京奥体中心、北京延庆县和张家口市崇礼县.这又将是一个令人期待的国际性赛事,届时,北京的空气质量将受到国内外的特别关注.

北京市政府为改善首都大气环境质量采取了燃煤锅炉改清洁能源、有机污染及扬尘污染专项整治等一系列控制措施. 1998—2010年期间分16个阶段开展大气环境治理[1],通过采用ESP(电除尘)等工艺大幅减少SO2、NO2和颗粒物排放,PM10排放量由11 633 t/a降至1 726 t/a,并从2008年7月1日起执行国际上最严格的燃煤锅炉排放标准限值. 2011—2015年根据北京市“清洁空气行动计划”制定了完善的大气污染物减排体系,虽然2016年燃煤总量削减至10×106 t以内,大气中主要气态污染物浓度均有不同程度的下降,并且CO、SO2、NO2三项污染物已经达标,但PM2.5污染问题仍特别突出[2].

北京地区冬季污染频繁爆发,近年来1—2月又是重污染过程发生最多的月份[3],其中京津冀地区2013年1月和2月分别出现4次和3次重污染过程;2014年1月和2月分别出现3次重污染过程,首要污染物为PM2.5[4].不利的天气形势、特殊的地形及取暖期燃煤量的增多,导致北京冬季ρ(PM2.5)超标现象时常发生[5-6].围绕PM2.5的防控和治理,国务院、北京市政府等先后出台了相关的政策及法律,2013年国务院发布的《大气污染防治行动计划》,京津冀区域ρ(PM2.5)下降15%左右,其中北京市年均ρ(PM2.5)控制在60 μg/m3左右[7].虽然2015年ρ(PM2.5)较2013年相比下降了10%,但2015年平均ρ(PM2.5)为80.6 μg/m3,是GB 3095—2012《环境空气质量标准》一级标准限值的2.3倍,是2017年60 μg/m3目标值的1.3倍[8],其中冬季ρ(PM2.5)平均值远高于年均值,大幅拉高了北京平均ρ(PM2.5),因此有效控制冬季PM2.5排放已是北京市面临的首要工作之一.

北京已经成功举办了2008年夏季奥运会、2014年APEC会议、2015年“9.3阅兵”等重大活动,针对这些活动国家制定了一系列的大气污染物临时减排措施[9-11],但是冬季北京的气象条件明显较差,减排措施的实施效果也会受到影响.因此,该研究首先分析2006—2016年冬奥会同期空气质量,挑选污染最严重的年份(2014年),利用NAQPMS(嵌套网格空气质量预报模式系统)对其进行模拟,并制订减排控制方案,以期为冬奥会期间北京及周边地区减排措施提供参考.

1 研究方法 1.1 NAQPMS介绍

NAQPMS是由中国科学院大气物理研究所自主开发的、基于“一个大气”理念设计的第三代空气质量模式.该模式全面考虑了空气污染物在大气中的平流、扩散、干湿沉降以及化学转化(包括气相、液相、气溶胶和非均相化学反应过程)等过程[17],其中,气相化学采用CBM-Z〔a new lumped-structure mechanism, largely based on the widely used carbon bond mechanism (CBM-IV)〕机制,包括71个物种和176个化学反应;液相化学和无机气溶胶化学(硫酸盐、硝酸盐、铵盐)分别采用改进的RADM2(the second generation regional acid deposition model)和ISORROPIAI.7(a new thermodynamic equilibrium model for multiphase multicomponent inorganic aerosols)机制;二次有机气溶胶采用Oudm等[12]的计算方案.该模式还考虑了气溶胶非均相化学过程,包含了28个化学反应[13].该模式系统在大型活动中,为制订科学污染排放源控制对策提供了良好的依据,目前已成功在北京、上海、广州等[14-16]城市进行城市空气质量业务预报.

采用中尺度天气预报模式(WRF)输出的气象要素场作为NAQPMS模式的动力驱动,主要气象参数包括气温、湿度、降水量、风向、风速和云量等.初始边界条件采用美国国家环境预报中心(NCEP)的全球分析资料(FNL),其时间间隔为6 h,空间分辨率为1°×1°.

排放源基于清华大学提供的MEIC污染源排放清单[17],主要包括农业源、生物源、工厂源、电厂源、居民源、交通源及其他类型源,其空间分辨率为0.25°×0.25°.

模拟区域采用三层双向嵌套,网格分辨率分别为45、15、5 km,依次覆盖了东亚地区以及我国中东部地区、京津冀地区,模式区域的中心地理位置为25°N、115°E,网格数分别为182×172、273×243、300×249.采用适合我国中低纬度特点的LAMBERT投影方式.垂直方向上采用地形追随高度坐标的形式,从1 000~100 hPa不均匀地分为20层,边界层内有7~8层,近地层中心高度约47 m,模式层顶的高度为20 km.模拟时段为2014年2月2—21日,其中2月2—3日为模式初始化时间,取2014年2月4—20日的模拟结果用于分析.

1.2 FLEXPART后向轨迹

FLEXPART模式是由挪威大气研究所开发的一种拉格朗日粒子扩散模式[18].该模式不是计算单点的轨迹,而是投放大量空气粒子,分类计算大量粒子的轨迹来模拟物质的输送轨迹与扩散过程,考虑了小尺度湍流效应、干湿沉降、辐射衰减过程及多项轨迹检验数据[19].该模式可通过时间的前向运算来模拟示踪物由源区向周围的扩散,也可通过后向运算来确定对固定站点有影响的潜在源区的分布[20]. FLEXPART模式运行所需要的风速、风向、气压等气象数据可由WRF的模拟结果提供[21].尉鹏等[22]对北京重污染事件中污染物输送轨迹模拟发现,在反气旋后部系统性偏南风作用下,污染物通过偏南风输送通道进入自由大气.

该研究采用后向模拟的方式,模拟2014年2月4日、13—16日和20日北京奥体中心(116.40°E、39.98°N)的污染输送轨道,接受的高度为100 m,模拟时间分辨率为1 h(每天模拟24次),向后模拟48 h.示踪物采用AIRTRACER(代表空气的平均状态的一种粒子),排放的总粒子数为10 000个,总质量为10 kg. FLEXPART-WRF输出与WRF的投影一样,水平网格采用WRF第二层区域的网格,垂直输出为5层(100、200、500、1 000、20 000 m),FLEXPART-WRF的结果本质上与输出的网格无关,网格只是一种展示的方式. FLEXPART-WRF的输出变量为驻留时间(可选,为了与观测小时浓度对应,一般选择1 h),单位为s,表示1 h中所有粒子在某网格空间中的停留时间(如底层空间网格为15 km×15 km×0.1 km),驻留时间越长,表示该网格对受体点的潜在影响越大.

1.3 观测资料

空气质量资料来自于北京市环境保护监测中心,包括北京奥体中心和延庆县2006—2016年2月ρ(PM10)日均值数据及2013—2016年2月北京奥体中心、延庆县和张家口市的ρ(PM2.5)日均值数据.监测ρ(PM2.5)和ρ(PM10)采用Thermo Fisher 1405F监测仪(美国赛默飞世尔科技公司),原理是以恒定的流速将环境空气中的PM2.5通过采样切割器吸入仪器内部,用滤膜动态测量系统(FDMS)配合微量振荡天平法(TEOM)测量PM2.5和PM10.若每日参与计算的小时浓度数据少于18 h时,当日ρ(PM2.5)平均值记为缺测.下文提到的冬奥会同期均是指2006—2016年的2月4—20日.

由于2013年前对ρ(PM2.5)的监测数据不多,而前人对北京地区2000—2010年ρ(PM2.5)/ρ(PM10)研究发现,2000年北京市ρ(PM2.5)/ρ(PM10)为64%[23],2001年和2002年分别为44%和51%[24],2005年为40%~60%[25],2007年为40%[26],2008年为72%[27],2009年为58%[28],并且ρ(PM2.5)/ρ(PM10)在不同的季节也有所不同,其中冬季比值大于其他季节[29].综合而言,2000—2010年北京地区ρ(PM2.5)/ρ(PM10)为44%~72%.该研究利用2013—2016年2月北京地区ρ(PM2.5)/ρ(PM10)=71%处于已有研究结果范围内,因此该研究用ρ(PM2.5)/ρ(PM10)=71%来估算2006—2012年的ρ(PM2.5).

2 结果与讨论 2.1 冬奥会同期重污染实况

2006—2016年2月北京奥体中心、延庆县和张家口市ρ(PM2.5)日均值达重污染的时间及其对应的ρ(PM2.5)平均值如表 1所示.北京冬季极易出现污染天气,2006—2016年2月延庆县和北京奥体中心重污染天数分别为28和52 d,重污染出现概率分别为9%和17%,重污染天气ρ(PM2.5)平均值分别为201和216 μg/m3.其中,2011—2016年2月出现重污染较为频繁,延庆县和北京奥体中心分别出现21和33 d,分别占重污染总天数的65%和75%;最严重的为2014年2月,出现11 d重污染,ρ(PM2.5)平均值分别为265和275 μg/m3,为严重污染级别.张家口市的空气质量明显优于北京,出现重污染的频次较少,2013—2016年2月共出现2 d重污染天气.

表 1 2006—2016年2月延庆县、北京奥体中心和张家口市重度污染信息统计 Table 1 The heavy pollution information of Yanqing, Olympic Center and Zhangjiakou in February in each year of 2006-2016

利用2006—2016年2月延庆县和北京奥体中心ρ(PM2.5)日均值绘制箱线图,由图 1可见,2月1—12日,延庆县和北京奥体中心ρ(PM2.5)的变化范围较小,基本处于150 μg/m3以下,其中2月4日(冬奥会开幕式)ρ(PM2.5)处于10~110 μg/m3之间,延庆县和北京奥体中心ρ(PM2.5)分别为54和49 μg/m3. 2月13—16日,ρ(PM2.5)变化范围较大,延庆县和北京奥体中心ρ(PM2.5)分别处于6~334和6~398 μg/m3之间,其中,2006—2007年、2010—2012年及2014—2015年的2月13—16日北京奥体中心均出现重污染天气,2014年是其中污染最严重的年份,ρ(PM2.5)平均值达到290 μg/m3,并且持续4 d. 20日(冬奥会闭幕式),2006—2016年2月该日出现重污染天气4次.因此,冬奥会期间需要密切关注13—16日以及20日的空气质量状况.

注:黑色点为异常点; 黑色线为中位数. 图 1 2006—2016年2月延庆县和北京奥体中心ρ(PM2.5)日均值变化 Figure 1 The change of daily averaged concentration of PM2.5 in Yanqing and Olympic Center in February in each year of 2006-2016
2.2 重污染特征分析

京津冀区域重污染天气过程主要与气象条件和污染物排放有关[30]:① 在污染源排放水平相对稳定的情况下,气象条件是决定地面大气污染程度的关键因素.由于北京特殊的地理条件,在污染源没有得到有效控制和改善的情况下,一旦遭遇不利的气象条件,并维持较长的时间,便容易出现积累型的重污染. ② 京津地区局地有明显的高排放源,具有利于污染物局地累积而形成高浓度污染的潜在条件.华北北部尤其是北京西南方向延伸至河北省南端由绵延的城镇形成的大面积污染排放带,易于造成大范围、区域性的污染累积.在静稳天气条件下,弱的偏西南和偏南气流易将西南污染排放带上累积的污染物缓慢输运到北京地区,与北京地区本地累积的污染物一起形成重污染.因此,该研究利用2013—2016年冬奥会同期的韩国气象厅天气图资料统计不同高度层(500、850 hPa和地面)不利扩散条件出现的概率,并以2014年2月4日、13—16日及20日污染过程为例,利用FLEXPART模式研究污染的输送通道.

2.2.1 重污染天气形势分析

缪育聪等[31]关于北京地区重污染形成的天气形势分类已经做了大量的研究工作.程念亮等[32]对2013年北京市重污染日对应不同高度天气形势做了统计,发现北京地区重污染时,500 hPa多为纬向环流控制(平直环流、浅槽、弱西北气流或脊等),850 hPa多为暖脊控制,地面多处于弱气压梯度场或低压辐合区.依此将不同高度天气形势分为有利和不利污染扩散的两个类型,并利用2013—2016年冬奥会同期500、850 hPa高度和地面08:00的韩国气象厅天气图,统计有利与不利扩散天气形势出现的情况.结果表明,2013—2016年冬奥会同期500 hPa高度有利和不利扩散条件出现频次相差不大,分别为68%和32%;850 hPa高度不同年份不利条件出现的频次差别较大,2013—2016年冬奥会同期不同年份出现的概率分别为29%、53%、35%和24%;地面不同年份不利条件出现的频次与850 hPa高度相似,概率分别为35%、53%、41%和35%.由此可见,2014年冬奥会同期的不利气象条件出现频率远大于其他年份.

表 2 2013—2016年冬奥会同期有利和不利污染扩散天气形势出现频次统计 Table 2 The frequency of favorable and unfavorable diffusion during the same period of Winter Olympic Games in 2013-2016
2.2.2 FLEXPART模式研究(2014年冬奥会同期)污染输送通道

FLEXPART模式主要模拟受体点的潜在源区,该模式的输出变量为驻留时间,某地的驻留时间越长,受体点受该地区的污染贡献越大.如图 2所示,2月4日到达北京的气团主要来自于西北部地区,潜在源区窄,气团的风速较大,扩散条件较好,为北京地区带来较为清洁的空气,从而使得北京该日的污染物浓度水平不高. 2月20日,污染的潜在源区距离北京较近,北京北部地区主要受来自于内蒙古和张家口气团的影响,携带的污染物浓度较低,而中南部地区则受驻留时间较长的河北中南部地区短距离传输气团的影响,污染物浓度水平较高,南北差异较大.针对2月13—16日污染过程,13日北京受不利天气形势的影响,污染物迅速累积,并受廊坊和天津的影响较大,滞留时间大于20 s; 14—15日,潜在源区更为集中,气团主要沿太行山一带(邯郸—石家庄—保定—廊坊—北京污染传输带)在西南风的作用下将沿途的高浓度污染物传输到北京,气团在石家庄的滞留时间为10~20 s,传至廊坊时滞留时间在20 s以上.在前几日的累积下,2月16日北京周围的气团污染浓度较高,由于扩散条件较差,污染气团在北京周边滞留,使得北京的污染程度更为严重.

图 2 FLEXPART模拟2014年2月4日、13—16日、20日污染的潜在源区 Figure 2 The simulated potential pollution source area of Beijing using FLEXPART in February 4th, 13th-16th, 20th, 2014

由此可见,对北京污染贡献最大的两大气团分别为西南方向较长距离和东南方向短距离输送,因此,控制好北京西南和东南城市的污染源是保障冬奥会空气质量的必要措施.

2.3 情景分析

对2006—2016年冬奥会同期的空气质量的研究表明,2014年2月北京空气质量最差.假设2022年的气象条件和排放水平与2014年差异不大,利用NAQPMS模型削减北京及周边城市排放源进行排放源敏感性试验,以分析冬奥会期间采取怎样的减排力度才能保证不出现重污染日.具体减排方案见表 3.

表 3 不同减排方案气象场及排放源信息 Table 3 The information of meteorological and emission source about different emission reduction schemes

四组试验均采用的是相同的气象场,Base为基准试验,其排放源为2014年2月2—20日的MEIC排放源;Case 1为在原始排放源的基础上将北京各污染物的排放量削减50%,其他地区未做任何处理;Case 2为将原始排放源中京津冀及周边城市(天津、河北、内蒙、山东、山西和河南)的排放量均削减50%;考虑到13—16日污染比较严重,若减排力度与其他日期一致,ρ(PM2.5)可能依然超过150 μg/m3,因此,Case 3将2月2—12日及17—20日北京及周边地区各污染物排放量减半,2月13—16日北京及周边城市各污染物排放量均减少75%来进行模拟.

2.3.1 模拟效果评估

对北京奥体中心、延庆县和张家口市(人民花园)2014年2月4—20日ρ(PM2.5)模拟结果进行评估,同时采用R(相关系数)和NMB(标准化平均偏差)两个统计参数定量评估模拟效果.由图 3可见,模拟的ρ(PM2.5)能够反映其随时间的变化趋势,并且模拟出2月13—16日不同地区各站点的污染累积过程,模拟和观测ρ(PM2.5)的R均大于0.85,NMB为-0.3~0.2.模拟结果还显示,NAQPMS模式对延庆县和北京奥体中心的峰值模拟效果较好,而对张家口市的峰值浓度模拟则有低估的趋势,这可能是由于排放源对该地区的估计量不够所致,而对北京奥体中心2月17日的明显高估现象则可能是由于NAQPMS模式模拟冷空气影响北京奥体中心的时间较实况早所致,18—20日虽然模型仍表现出高估的现象,但ρ(PM2.5)的变化趋势和观测结果较为一致.

图 3 2014年2月4—20日北京市ρ(PM2.5)模拟值与观测值对比以及各控制情景下ρ(PM2.5)日均值变化 Figure 3 Comparison between simulated and observed concentration of PM2.5 and the variations under different cases in February 4 th to 20 th, 2014

图 4展示了京津冀区域2014年2月4日、13—16日及20日观测与模拟ρ(PM2.5)日均值的空间分布情况,根据模拟结果可见,河北北部、北京、天津、河北中部和河北南部模拟结果呈逐渐加重的分布特征,与实际排放源分布相对应.就北京地区而言,2月13—16日和20日北京地区出现了重度及以上污染状况,模式模拟结果能很好地反映污染过程起始时间、污染程度及空间影响范围.

注:填色部分是模式模拟ρ(PM2.5)日均值,实心点颜色对应观测ρ(PM2.5)日均值. 图 4 2014年2月4日、13—16日、20日ρ(PM2.5)模拟及观测结果空间分布 Figure 4 Spatial distribution of simulated and observed concentration of PM2.5 in February 4 th, 13-16 th, 20 th, 2014
2.3.2 减排效果验证

2014年与2006—2016年冬奥会同期ρ(PM2.5)的空间分布较为一致(见图 5),主要差别在于污染级别不一致.京津冀北部地区ρ(PM2.5)低于75 μg/m3,北京中南部及河北中南部出现ρ(PM2.5)的高值区,处于轻度-中度污染级别;2014年冬奥会同期污染最为严重,除了张家口市和承德市外,其他地区为轻度-重度污染,北京东南部污染较为严重,为中度-重度污染水平.总之,冬奥会污染风险等级为北京奥体中心>延庆县>张家口市,这与观测结果十分吻合.

图 5 2014年与2006—2016年冬奥会同期ρ(PM2.5)平均值空间分布 Figure 5 The spatial distribution of concentration of PM2.5 during the same period of Winter Olympic in 2014 and 2006-2016

Case 1、Case 2和Case 3模拟的2014年2月4—20日ρ(PM2.5)平均值分布如图 6所示. 图 6表明,Case 1使得北京地区ρ(PM2.5)等级从中度-重度污染降低为轻度-中度污染,与Base组相比,张家口市、延庆县和北京奥体中心ρ(PM2.5)平均值下降17、15和31 μg/m3. Case 2使得北京地区空气质量以优良-轻度污染为主,与Case 1相比发现,周边城市对北京ρ(PM2.5)贡献相当大,使北京地区ρ(PM2.5)下降1~2个等级,与Base组相比,张家口市、延庆县和北京奥体中心ρ(PM2.5)平均值下降35、42和69 μg/m3. Case 3使得张家口市、延庆县和北京奥体中心ρ(PM2.5)平均值下降39、54和91 μg/m3,表明对重污染时段重点减排,北京将可实现全市空气质量优良的目标.

图 6 2014年冬奥会同期不同控制情境下ρ(PM2.5)平均值分布 Figure 6 The distribution of concentration of PM2.5 under different control cases during the same period of Winter Olympics in 2014

Case 1模拟结果显示,北京奥体中心和延庆县2月13—16日和20日的ρ(PM2.5)分别为198~258和141~254 μg/m3,虽然ρ(PM2.5)峰值较Base分别降低了102和50 μg/m3,但仍处于重污染水平;张家口市减排后ρ(PM2.5)处于18~85 μg/m3,较Base峰值降低64 μg/m3. Case 2的结果显示,张家口市2月4—20日ρ(PM2.5)均低于150 μg/m3,减排后空气质量以优良为主;延庆县空气质量(14日除外)均未出现重污染,优良天数将达12 d;北京奥体中心模拟结果显示,会期除15—16日ρ(PM2.5)超标外,有11 d空气质量为优良水平. Case 1和Case 2并不能保证会期不出现重污染日,而Case 3的结果显示在对污染源进行分地区分时段的减排的基础上,加大2月13—16日重污染过程的减排力度,就可能实现会期不出现重污染的目标,保证会期张家口市、延庆县和北京奥体中心ρ(PM2.5)低于134 μg/m3,空气质量以优良水平为主.张家口市、延庆县和北京奥体中心2月4—20日ρ(PM2.5)降幅分别为44%~76%、32%~ 77%、37%~78%,冬奥会期间ρ(PM2.5)平均值分别为63%、46%和52%.

3 结论

a) 2006—2016年冬奥会同期,延庆县和北京奥体中心出现重污染的概率分别为9%和17%,重污染日ρ(PM2.5)平均值分别为225、231 μg/m3,污染频次和程度为北京奥体中心>延庆县>张家口市,并且在2月13—16日易出现持续的重污染过程.

b) 对2013—2016年冬奥会同期500、850 hPa高度和地面出现不利污染扩散占统计总数的概率分别为32%、35%、41%,其中2014年地面不利条件的概率为53%,明显高于其他年份;石家庄市、保定市、廊坊市滞留时间在10 s以上的携带高浓度污染物气团在偏南风的作用下传输至北京,使得北京的污染加重,因此,为了保障冬奥会期间空气质量应实行京津冀区域内联防联控.

c) 各减排情景模拟结果显示,周边城市对北京ρ(PM2.5)贡献相当大,若冬奥会期间将京津冀及周边城市的污染物排放量均削减50%,将使得污染降低1~2等级,若对可能出现重污染的时段加大减排力度,冬奥会期间将可能实现不出现重污染日的目标.

参考文献
[1]
北京市环境保护局. 北京市人民政府关于本市阶段控制大气污染措施系列公告[EB/OL]. 北京: 北京市环境保护局, 2008[2008-12-02]. http://www.bjepb.gov.cn/bjhb/publish/portal0/tab151/module639/page1.htm. (0)
[2]
吴其重, 王自发, 徐文帅, 等. 多模式模拟评估奥运赛事期间可吸入颗粒物减排效果[J]. 环境科学学报, 2010, 30(9): 1739-1748.
WU Qizhong, WANG Zifa, XU Wenshuai, et al. Multi-model simulation of PM10 during the 2008 Beijing Olympic Games:effectiveness of emission restrictions[J]. Acta Scientiae Circumstantiae, 2010, 30(9): 1739-1748. (0)
[3]
CHEN Wei, TANG Hongzhao, ZHAO Haimeng. Diurnal, weekly and monthly spatial variations of air pollutants and air quality of Beijing[J]. Atmospheric Environment, 2015, 119(3): 21-34. (0)
[4]
李名升, 任晓霞, 于洋, 等. 中国大陆城市PM2.5污染时空分布规律[J]. 中国环境科学, 2016, 36(3): 641-650.
LI Mingsheng, REN Xiaoxia, YU Yang, et al. Spatio-temporal pattern of ground-level fine particulate matter (PM2.5) pollution in mainland China[J]. China Environmental Science, 2016, 36(3): 641-650. (0)
[5]
孙俊玲, 刘大锰, 扬雪. 北京市海淀区大气颗粒物污染水平及其影响因素[J]. 资源与产业, 2009, 11(1): 98-100.
SUN Junling, LIU Dameng, YANG Xue. Atmospheric particle pollution and its factors in Beijing[J]. Resources & Industries, 2009, 11(1): 98-100. (0)
[6]
张仁健, 王明星, 张文, 等. 北京冬春季节气溶胶化学成分及谱分布研究[J]. 气候与环境研究, 2000, 5(1): 6-12.
ZHANG Renjian, WANG Mingxing, ZHANG Wen, et al. Research on elemental concentrations and distributions of aerosols in winter/spring in Beijing[J]. Climatic and Environmental Research, 2000, 5(1): 6-12. (0)
[7]
国务院办公厅. 大气污染防治行动计划[R]. 北京: 国务院办公厅, 2013. (0)
[8]
北京市环境保护局. 2015年北京市环境状况公报[EB/OL]. 北京: 北京市环境保护局, 2016[2016-04-13]. http://www.bjepb.gov.cn/bjhb/publish/portal0/tab375/info7622.htm. (0)
[9]
吴其重, 王自发, 李丽娜, 等. 北京奥运会空气质量保障方案京津冀地区措施评估[J]. 气候与环境研究, 2010, 15(5): 662-671.
WU Qizhong, WANG Zifa, LI Lina, et al. Assessment on the effectiveness of the air quality assurance program in Beijing-Tianjin-Hebei area during the Beijing Olympic Games period[J]. Climatic and Environmental Research, 2010, 15(5): 662-671. (0)
[10]
黄嫣旻, 魏海萍, 段玉森, 等. 上海世博会环境空气质量状况和原因分析[J]. 中国环境监测, 2013, 29(5): 58-63.
HUANG Yanmin, WEI Haiping, DUAN Yusen, et al. Ambient air quality status and reason analysis of Shanghai World Expo[J]. Environmental Monitoring in China, 2013, 29(5): 58-63. (0)
[11]
赵辉, 郑有飞, 徐静馨, 等. 大阅兵期间北京市大气质量改善效果评估[J]. 中国环境科学, 2016, 36(10): 2881-2889.
ZHAO Hui, ZHENG Youfei, XU Jingxin, et al. Evaluation of the improvement of the air quality during the parade in Beijing[J]. China Environmental Science, 2016, 36(10): 2881-2889. DOI:10.3969/j.issn.1000-6923.2016.10.001 (0)
[12]
OUDM J R, JUNGKAMP T P W, GRIFFIN R J, et al. The atmospheric aerosol-forming potential of whole gasline vapor[J]. Science, 1997, 276(5309): 96-99. DOI:10.1126/science.276.5309.96 (0)
[13]
LI J, WANG Z, ZHUANG G, et al. Mixing of Asian mineral dust with anthropogenic pollutants over East Asia:a model case study of a super-duststorm in March 2010[J]. Atmospheric Chemistry and Physics, 2012, 12: 7591-7607. DOI:10.5194/acp-12-7591-2012 (0)
[14]
王自发, 吴其重, GBAGUIDIA, 等. 北京空气质量多模式集成预报系统的建立及初步应用[J]. 南京信息工程大学学报(自然科学版), 2009, 1(1): 19-26.
WANG Zifa, WU Qizhong, GBAGUIDI A, et al. Ensemble air quality multi-model forecast system for Beijing (EMS-Beijing):model description and preliminary application[J]. Journal of Nanjing University of Information Science and Technology(Natural Science Edition), 2009, 1(1): 19-26. (0)
[15]
王茜, 伏晴艳, 王自发, 等. 集合数值预报系统在上海市空气质量预测预报中的应用研究[J]. 环境监控与预警, 2010, 2(4): 1-6.
WANG Qian, FU Qinyan, WANG Zifa, et al. Application of ensemble numerical model system on the air quality forecast in Shanghai[J]. Environmental Monitoring and Forewarning, 2010, 2(4): 1-6. (0)
[16]
陈焕盛, 王自发, 吴其重, 等. 空气质量多模式系统在广州应用及对PM10预报效果评估[J]. 气候与环境研究, 2013, 18(4): 427-435.
CHEN Huansheng, WANG Zifa, WU Qizhong, et al. Application of air quality multi-model forecast system in Guangzhou:model description and evaluation of PM10 forecast performance[J]. Climatic and Environmental Research, 2013, 18(4): 427-435. DOI:10.3878/j.issn.1006-9585.2012.11207 (0)
[17]
LI Meng, ZHANG Qiang, KUROKAWA J I, et al. MIX:a mosaic Asian anthropogenic emission inventory for the MICS-Asia and the HTAP projects[J]. Atmospheric Chemistry and Physics Discuss, 2015, 15: 34813-34869. DOI:10.5194/acpd-15-34813-2015 (0)
[18]
STOHL A, FORSTER C, FRANK A, et al. Technical note:the lagrangian particle dispersion model FLEXPART version 6.2[J]. Atmospheric Chemistry and Physics, 2005, 5: 2461-2474. DOI:10.5194/acp-5-2461-2005 (0)
[19]
SEIBERT P, FRANK A. Source-receptor matrix calculation with a Lagrangian particle dispersion model in backward mode[J]. Atmospheric Chemistry and Physics, 2004, 4: 51-63. DOI:10.5194/acp-4-51-2004 (0)
[20]
STOHL A. Trajectory statistics:a new method to establish source-receptor relationships of air pollutants and its application to the transport of particulate sulfate in Europe[J]. Atmospheric Environment, 1996, 30: 579-587. DOI:10.1016/1352-2310(95)00314-2 (0)
[21]
BRIOUDE J, ARNOLD D, STOHL A, et al. The Lagrangian particle dispersion model FLEXPART-WRF version 3.1[J]. Geoscientific Model Development, 2013(6): 1889-1904. (0)
[22]
尉鹏, 程水源, 苏福庆, 等. 北京重污染事件中污染物输送轨迹模拟与分析[J]. 北京工业大学学报, 2012, 38(8): 1264-1268.
WEI Peng, CHENG Shuiyuan, SU Fuqing, et al. Simulation and analysis of pollutant transport during the heavy polution event in Beijing[J]. Journal of Beijing University of Technology, 2012, 38(8): 1264-1268. (0)
[23]
HE Kebin, YANG Fumo, MA Yongliang, et al. The characteristics of PM2.5 in Beijing, China[J]. Atmospheric Environment, 2001, 35: 4959-4970. DOI:10.1016/S1352-2310(01)00301-6 (0)
[24]
WANG T, WONG H, TANG J, et al. On the origin of surface ozone and reactive nitrogen observed at a remote mountain site in the northeastern Qinghai-Tibetan Plateau, western China[J]. Geophysical Research, 2006, 111: D08303. (0)
[25]
胡敏, 赵云良, 何凌燕, 等. 北京冬、夏季颗粒物及其离子成分质量浓度谱分布[J]. 环境科学, 2005, 26(4): 1-6.
HU Min, ZHAO Yunliang, HE Lingyan, et al. Mass size distribution of Beijing particulate matters and its inorganic soluble ions in winter and summer[J]. Environmental Science, 2005, 26(4): 1-6. (0)
[26]
ZHAO Y L, GAO Y. Mass size distributions of water-soluble inorganic and organicions in size-segregated aerosols over metropolitan Newark in the US east coast[J]. Atmospheric Environment, 2008, 32(1): 1-16. (0)
[27]
汪伟峰, 王迎红, 王莉莉, 等. 北京奥运会期间奥运村站空气质量的观测与研究[J]. 环境科学研究, 2010, 23(1): 48-54.
WANG Weifeng, WANG Yinhong, WANG Lili, et al. Observation and study on the air quality at the olympic village station during the Beijing Olympic Games[J]. Research of Environmental Sciences, 2010, 23(1): 48-54. (0)
[28]
JOSHUA S F, STREETS D G, JANG C J, et al. Modeling regional/urban ozone and particulate matter in Beijing, China[J]. Journal of the Air & Waste Management Association, 2009, 59: 37-44. (0)
[29]
杨复沫, 贺克斌, 马永亮, 等. 北京PM2.5浓度的变化特征及其与PM10、TSP的关系[J]. 中国环境科学, 2002, 22(6): 506-510.
YANG Fumo, HE Kebin, MA Yongliang, et al. Variation characteristics of PM2.5 concentration and its relationship with PM10 and TSP in Beijing[J]. China Environmental Science, 2002, 22(6): 506-510. (0)
[30]
谢付莹, 王自发, 王喜全, 等. 2008年奥运会期间北京地区PM10污染天气形势和气象条件特征研究[J]. 气候与环境研究, 2010, 15(5): 584-594.
XIE Fuying, WANG Zifa, WANG Xiquan, et al. A study of the characteristics of the synopic situations and meteorological conditions in PM10 air pollution episodes of Beijing during the 2008 Olympic Games period[J]. Climatic and Environmental Research, 2010, 15(5): 584-594. (0)
[31]
缪育聪, 郑亦佳, 王姝, 等. 京津冀地区霾成因机制研究进展与展望[J]. 气候与环境研究, 2015, 20(3): 356-368.
MIAO Yucong, ZHENG Yijia, WANG Shu, et al. Recent advances in, and future prospects of, research on haze formation over Beijing-Tianjin-Hebei, China[J]. Climatic and Environmental Research, 2015, 20(3): 356-368. DOI:10.3878/j.issn.1006-9585.2015.14255 (0)
[32]
程念亮, 李云婷, 孙峰, 等. 北京市空气重污染天气类型分析及预报方法简介[J]. 环境科学与技术, 2015, 38(5): 189-194.
CHENG Nianliang, LI Yunting, SUN Feng, et al. Analysis on weather type and introduction to forecasting technique of Beijing heavy air pollution days[J]. Environmental Science & Technology (China), 2015, 38(5): 189-194. (0)