吴凌云 谢军飞 张欣

1 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室，北京 1000292 北京市园林科学研究院园林绿地生态功能评价与调控技术北京市重点实验室，北京 1001023 河北农业大学园林与旅游学院，河北保定 071000

1 引言

空气污染能够对人体的呼吸系统、心血管系统、免疫系统、生殖系统、神经系统等造成危害，严重的可导致死亡（魏复盛等, 2000; 董雪玲, 2004; 刘勇等, 2011; Matus et al., 2012; 杨新兴等, 2012; 张莹等,2014; Chen et al., 2017）。2010年，大气颗粒物污染成为中国人群第四大治病因素，每年有大约一百万人死于空气污染（Yang et al., 2013; Yue et al.,2020）。除此之外，空气污染还能影响气候和气候变化，改变水循环，影响交通运输、土壤、农业生产和生态系统等，给国家经济带来重大损失，因而引起了广泛关注（Chameides et al., 1999; Ramanathan et al., 2001; 胡非等, 2003; 丁一汇等, 2009; 师华定等, 2012; 陈卫东等, 2015; Xie et al., 2016; Li et al.,2020; Wang et al., 2020）。

改革开放40年来，中国城镇化快速发展，城市人口不断增加，随之而来的城市的能源消耗也大幅增加，导致城市大气污染日趋严重（Chan and Yao, 2008; 吴兑, 2012; 谢杨等, 2016; 袁晓玲等,2019）。2016年《环境绩效指数报告》指出中国的空气质量位于180个国家倒数第二，因此空气污染是急需解决的问题（Zhang et al., 2012; 黄德生和张世秋, 2013）。京津冀地区城镇化水平高，人口密集，是中国空气污染最严重的地区（王跃思等,2014; 国家发展与改革委员会和环境保护部, 2015;赵辉等, 2020）。京津冀地处华北，冬季采暖期长，燃煤采暖是冬季形成雾霾的重要原因（姜小鱼,2013; 潘慧峰等, 2015; 王玲芬和刘悦, 2019）。据统计，2015年燃煤排放的污染物对秋冬季贡献率接近50%，因此控制燃煤污染成为减少大气污染排放的重要措施。环境保护部在2016～2017年先后出台了一系列对于京津冀地区大气污染防治及治理的措施和方案，旨在改善空气质量（环境保护部,2016; 环境保护部等, 2017a, 2017b）。

北京是中国的首都，京津冀地区人口密度最大的城市，能源消耗大，加上独特的地形等原因，很容易形成空气污染（杨欣等, 2014; 王跃思等,2016）。自从1998年被国务院定为环境治理重点地区，20年来北京连续实施了一系列大气污染措施，大气污染物PM2.5、PM10、NO2、SO2、CO浓度与20年前相比下降超过50%，环境质量得到明显的改善（Zhang et al., 2016; 王振波等, 2017）。但是2015年，北京PM2.5年均浓度仍位于全国省自治区和直辖市首位。2016～2017年，北京对于冬季燃煤采暖造成的空气污染足够的重视，不断地优化采暖的能源结构，实现了能源结构的巨变（陈讲运, 2014; 薛亦峰等, 2014; 陶双成等, 2016; 周伟等, 2020）。例如，2016年北京7000多个燃煤锅炉被改造成为清洁能源，2017年新建锅炉实行30 mg/m3污染物排放标准等。2016年和2017年这些采暖能源优化的措施是否能够改善北京的空气质量，程度有多大？本文分析了5个位于北京不同区域的空气质量监测站2018年和2015年的PM2.5、PM10、SO2、NO2、CO污染物的浓度，来对比采暖优化前后的空气质量变化。

2 数据与方法

本文所使用的近地面大气中PM2.5、PM10、SO2、NO2、CO的浓度数据来源于北京市环境保护监测中心的空气质量自动监测网（http://www.bjmemc.com.cn[2020-10-21]）。数据均分别通过美国Thermo Fisher Scientific公司生产的1405F连续环境空气监测仪、1405F连续环境空气监测仪、49C臭氧测定仪、43C二氧化硫分析仪、42 C（NO-NO2-NOx）分析仪、48C一氧化碳分析仪。各监测仪器均有校准仪参照国家标准定期校准，以保证监测数据的准确性和有效性。各监测仪输出的为5 min数据，根据每个小时内5 min数据的算术平均值求得小时浓度，研究中使用的均为小时数据（王占山等, 2015）。监测仪器采样口周围没有阻碍空气流通的高大建筑物、树木或者其他障碍物，周围50 m范围内没有明显的固定污染源。对因设备故障等原因造成的个别缺测数据进行了相邻内插填充，即当某一具有连续特性的定时观测数据缺测时，用前、后两定时数据内插，而连续多时的缺测则通过同一时间段相邻站点的观测数据进行补充。

本文选取永定门、万寿西宫、万柳、奥体中心、云岗5个位于北京不同区域和下垫面的空气质量监测站来对比2018年较2015年空气质量的变化情况 （表1）。图1显示了5个站的地理位置，5个站点分别位于东城区、西城区、海淀区、朝阳区和丰台区。其中永定门站为交通污染控制点，其他4个站为城区环境评价点，海拔高度均为50 m。

表1 本文选取的北京5个空气质量监测站的描述Table 1 Description of the five air quality monitoring stations in Beijing used in this study

图1 本文选取的北京5个空气质量监测站位置Fig. 1 Locations of the five air quality monitoring stations in Beijing used in this study

本文选取北京站的气象数据来分析气象条件对PM2.5、PM10、O3、SO2、NO2和CO的浓度的影响。2015～2018年日平均气温、降水量、平均风速和平均相对湿度数据来自于中国气象数据网 （http://data.cma.cn/[2020-10-21]）。2014～2018年煤炭消耗数据、集中供热面积和燃煤锅炉数据来自于2019年北京市统计年鉴（http://tjj.beijing.gov.cn/[2020-10-21]）和文献资料（周扬胜, 2020）。

3 结果

表2是2015年和2018年5个站年平均PM2.5、PM10、SO2、NO2和CO浓度，以及2018年较2015年的变化情况。2018年5个站的年均PM2.5、PM10、SO2、NO2和CO浓度较2015年都下降。其中，下降最大的都是SO2，降幅为56.9%～62.4%，平均降幅为59.2%。其次为CO，平均降幅为41.2%。5种污染物平均降幅在5个站的值分别为37.3%、35.3%、37.2%、38.0%和38.9%，平均值为37.3%。

表2 北京5个站2015年和2018年平均PM2.5、PM10、SO2、NO2和CO污染物浓度以及2018年相比于2015年变化情况Table 2 Annual mean of PM2.5, PM10, SO2, NO2, and CO concentrations in 2015 and 2018 at the five stations in Beijing and their changes in 2018 relative to 2015

图2是5个站2018年与2015年月平均污染物PM2.5、PM10、SO2、NO2和CO浓度差值 （2018年的值减去2015年的值）。相比2015年，2018年5个站PM2.5一致地表现为，在3～10月变化不大，而1月、2月、11月、12月大幅下降，尤其是冬季的1月、2月、12月这3个月下降最大。PM10的变化虽然与PM2.5略有差别，但是相同的是差值比较大的也出现在冬季的3个月。5个站SO2浓度在2018年较2015年全年12个月均下降，降幅比较大的值是冬季3个月和3月。尽管NO2的变化5个站表现的并不完全一致，但是在冬季的3个月2018年较2015年下降值比较大。CO形式类似于PM2.5，两年差值都是在1月、2月、11月、12月比较大。综上所述，5种污染物浓度在2018年较2015年下降最多的大都出现在冬季的3个月，这几个月正是北京的集中采暖期。下面我们将一年12个月分为冬季（1月、2月、12月）和其他季节（3～11月）来分析一下5个站2018年较2015年污染物浓度的变化情况。

图2 北京5个站2018年和2015年月平均的（a）PM2.5、（b）PM10、（c）SO2、（d）NO2、（e）CO污染物浓度差值Fig. 2 Monthly average difference of the concentrations of (a) PM2.5, (b) PM10, (c) SO2, (d) NO2, and (e) CO at five stations in Beijing between 2018 and 2015

表3列出了5个站2015年和2018年冬季和其他季节的重污染天气的日数（PM2.5浓度＞150 µg/m3）。5个站2015年重污染天数在冬季为22～32 d，平均为26.8 d；2018年下降到仅为1～4 d，平均为2.4 d，减少了20～28 d，平均减少24.4 d，下降率高达87.5%～95.5%，平均减少91.3%；而在其他季节，2018年较2015年重污染天数平均减少11.6 d，平均下降率为50%，比冬季少41.3%。5个站的重污染天数的下降主要都出现在冬季，为全年下降天数的60.6%～70.3%，平均为67.7%。

表3 2015年和2018年北京5个站的冬季和其他季节重污染天气（PM2.5浓度＞150 µg/m3）日数Table 3 Number of heavily polluted days in winter and other seasons in 2015 and 2018 at the five stations in Beijing

表4对比了2018年冬季和其他季节平均的5个站的PM2.5、PM10、SO2、NO2和CO污染物浓度较2015年的下降幅度。2018年相比较2015年，5个站平均在冬季PM2.5、PM10、SO2、NO2和CO浓度下降的幅度分别为64.0%、51.0%、72.1%、39.3%和63.6%，均值为58%。在其他季节5个站PM2.5、PM10、SO2、NO2和CO浓度平均的降幅为23.4%、16.4%、45.6%、12.7%和25.5%，均值为24.7%。总结来说，2018年5个站的5种污染物浓度与2015年差值在冬季远大于其他季节，是其他季节的4.8倍。就下降幅度而言，在冬季平均的下降幅度都超过了50%，是其他季节的2.3倍，其中SO2在冬季的下降幅度最高，5个站都超过了70%。

表4 北京5个站2018年冬季和其他季节相比于2015年各污染物下降幅度Table 4 Reduction percentage of pollutants in winter and other seasons at the five stations in Beijing

4 讨论

影响污染物浓度的主要因素包括污染源的排放和气象条件。首先，我们讨论气象条件是否对2018年北京污染物浓度下降产生影响（由于5个站的结果比较相似，为了叙述简洁，此部分只选取永定门站和万寿西宫站为例）。图3a是2015～2018年冬季的降水总量。2015年北京在冬季有6 d发生降水，降水总量为13.4 mm。从2016年到2018年冬季降水总量持续下降，到2018年北京仅有1天发生降水，降水量仅为0.2 mm。我们去除降水日，2018年万寿西宫站冬季平均的PM2.5、PM10、SO2、NO2和CO浓度分别为41.2 µg/m3、74.3 µg/m3、8.7 µg/m3、44.3 µg/m3和0.8 mg/m3，明显低于2015年的114.2 µg/m3、143.1 µg/m3、31.8 µg/m3、71.0 µg/m3和2.2 mg/m3，下降幅度为63.9%、48.1%、72.8%、37.6%、61.3%，平均下降幅度为56.7%；类似地，永定门内站2018年冬季平均的5种污染物浓度的值为48.3 µg/m3、66.2µg/m3、9.6 µg/m3、48.2µg/m3、0.9 mg/m3，明显低于2015年的121.9 µg/m3、145.5 µg/m3、34.7µg/m3、78.3 µg/m3和2.3 mg/m3，下 降 幅 度 为60.4%、54.4%、72.4%、38.4%、61.3%，平均下降幅度为57.4%（图3b）。在去除降水的影响后，两站冬季5种污染物浓度平均下降在57%左右，与整个冬季的污染物浓度下降率基本一致，这表明2018年较2015年5种污染物浓度的下降基本上不受降水的影响。

图3 （a）2015～2018年北京站冬季降水总量；（b）永定门站和万寿西宫站2018年相比于2015年冬季非降水日各污染物变化的幅度Fig. 3 (a) Total precipitation in the winters from 2015 to 2018 at Beijing station and (b) the reduction percentage of pollutants on non-precipitation days in the winter of 2018 relative to 2015 at Yongdingmen and Wanshouxigong stations

再来分析风速是否对2018年污染物降低起到一定作用。图4a显示，2015年冬季的平均风速为2.1 m/s，2018年为2.3 m/s，两年的风速差别非常小。2015年和2018年永定门站和万寿西宫站冬季平均风速与各污染物均呈显著负相关，即风速的增加可降低各污染物浓度含量，这个结果是与前人的结论是一致的。本文将风速分为≥2 m/s和＜2 m/s两种情况进行分析。对比2018年和2015年，发现万寿西宫站和永定门站PM2.5、PM10、SO2、NO2和CO浓度在两种风速的情况下都发生下降，而在风速＜2 m/s下降更多，两年5种污染物浓度的差值是在风速≥2 m/s情况下的2.5倍。就下降幅度而言，两站在风速＜2 m/s时下降57%左右，在风速≥2 m/s时下降49%左右（图4b）。也就是说，在风速很小的情况下污染物浓度下降的更多，表明风速并不是2018年较2015年冬季污染物浓度下降的主要原因。

图4 （a）北京站2015年到2018年冬季平均风速；（b）永定门站和万寿西宫站在风速≥2 m/s和风速＜2 m/s情况下2018年相比于2015年冬季5种污染物浓度的平均降幅Fig. 4 (a) The averaged wind speed in the winters from 2015 to 2018 at Beijing station and (b) the reduction percentage of pollutants on wind speeds greater than or equal to 2 m/s and less than 2 m/s days in the winter of 2018 relative to 2015 at Yongdingmen and Wanshouxigong stations

接着讨论气温是否能够对2018年较2015年5种污染物的降低有一定的作用。我们检查了2015年气温和5种污染物浓度的相关，发现两站的污染物浓度与气温的相关并不显著，说明气温不是2018年污染物浓度降低的主要原因。虽然气温与污染物浓度不成线性相关，但是在冬季，温度低会增加取暖，就会相应增加污染物含量。我们对比了2015年冬季气温在≥0°C和＜0°C的情况，发现两站在＜0°C的情况下5种污染物的浓度含量均大于气温在≥0°C的情况，是其1.2倍，说明取暖的增加确实加重了污染。2016年到2018年冬季的平均气温都低于2015年，尤其是2018年比2015年低2.5°C（图5a）。如果在其他条件不变的情况下，2018年温度降低会增加取暖相应加重污染，但是2018年的污染反而大幅度降低。我们对比2018年较2015年污染物浓度在气温≥0°C和＜0°C下的变化情况，发现在两种情况下2018年5种污染物浓度均下降，但是永定门站和万寿西宫站在气温＜0°C情况下平均下降值是气温≥0°C的2倍和1.2倍，平均下降幅度是1.6倍和1.1倍（图5b）。这一结果说明，取暖方式的改变对北京2018年冬季污染物降低有重要作用。

图5 （a）北京站2015年到2018年冬季平均气温；（b）永定门站和万寿西宫站在气温≥0°C和气温＜0°C情况下2018年相比于2015年冬季5种污染物浓度的平均降幅Fig. 5 (a) The averaged air temperature in the winters from 2015 to 2018 and (b) the reduction percentage of pollutants on air temperatures greater than or equal to 0°C and less than 0°C days in the winter of 2018 relative to 2015 at Yongdingmen and Wanshouxigong stations

进一步，我们分析了永定门站和万寿西宫站2018年与2015年冬季5种空气污染物浓度差的逐小时变化（图6）。两站的PM2.5、PM10、SO2、NO2和CO在一天24 h 2018年较2015年都呈下降。PM2.5、PM10和CO表现一致在20:00（北京时间，下同）至04:00的时间段降低的比较大，是其他时刻的1.2倍、1.5倍和1.3倍。SO2和NO2在20:00至04:00和12:00左右这一段时间下降最多，这些时间段是一天中取暖较多的时刻。这一结果进一步表明，采暖优化对2018年污染物浓度下降的重要作用。

图6 2018年和2015年冬季永定门站和万寿西宫站（a）PM2.5、（b）PM10、（c）SO2、（d）NO2、（e）CO浓度差值的日变化Fig. 6 Diurnal variations of (a) PM2.5, (b) PM10, (c) SO2, (d) NO2, and (e) CO concentrations difference between the winters of 2018 and 2015 at Yongdingmen and Wanshouxigong stations

最后分析一下相对湿度对2018年5种污染物浓度的下降是否起到一定作用。图7a显示，2015年相对湿度是49.6%，从2016年以后相对湿度逐年减少，到2018年的相对湿度降低到32.6%，比2015年小了17%。2015年永定门站和万寿西宫站相对湿度和PM2.5、PM10、NO2和CO浓度呈显著正相关，超过了99%的信度检验，平均贡献的方差为48%和46.5%，但是与SO2呈不显著相关。也就是说PM2.5、PM10、NO2和CO浓度在冬季随相对湿度变小而降低，这有可能是导致2018年PM2.5、PM10、NO2和CO降低的一个原因。我们以相对湿度为回归因子，建立回归方程，估计2018年如果只有相对湿度影响的情况下的数值。用回归方程计算出永定门站2018年冬季平均的PM2.5、PM10、NO2和CO浓度为70.5 µg/m3、96.5 µg/m3、62.9 µg/m3和1.5 mg/m3，比2018年的实际值高，相对湿度对2018年4种污染物降低贡献的平均方差为31.1%。类似地，万寿西宫站PM2.5、PM10、NO2和CO浓度在冬季分别为106.7 µg/m3、94.8 µg/m3、57.5 µg/m3和1.3 mg/m3，相对湿度对2018年4种污染物降低贡献的平均方差大约为24.3%（图7b）。这个结果表明，相对湿度对2018年PM2.5、PM10、NO2和CO浓度降低起到一定作用，但是对SO2的降低作用不大。

图7 （a）北京站2015年到2018年冬季平均相对湿度；（b）永定门站和万寿西宫站相对湿度对2018年污染物PM2.5、PM10、NO2和CO浓度下降贡献的方差Fig. 7 (a) Average relative humidity in the winters from 2015 to 2018 and (b) the contribution variance of relative humidity to the reduction of PM2.5, PM10, NO2, and CO concentrations in 2018 relative to 2015

气象条件只是大气污染的触发因子，而污染源的排放才是主要的原因。我们的结果表明，2018年5种污染物浓度在冬季下降远大于其他季节，冬季和其他季节污染源排放的最主要的区别就是采暖。而且，我们的结果进一步揭示在冬季一天中取暖更多的时刻污染物浓度下降更多。以上分析表明，气象条件中仅有相对湿度对2018年PM2.5、PM10、NO2和CO浓度的下降起到一定作用，但不是最重要的作用，尤其对SO2浓度的降低并没有很大的影响，而SO2在所有污染物中冬季下降幅度最大，也是燃煤主要产物。尹晓梅等（2019）估算出2017年减少的大气污染65%归功于减排，35%因为气象条件。北京2015～2018年致力于治理燃煤采暖，用天然气、电力等代替煤炭，不断优化供热能源结构，控制采暖造成的大气污染。北京燃煤锅炉房供热面积从2014～2015年的采暖季的12236×104m2下降到2017～2018年采暖季的1262×104m2，占 比 从16.3%下 降 到1.5%，2018～2019的采暖季已经无燃煤采暖（周扬胜，2020）。北京的煤炭消耗占比从2014年的20.37%下降到2015年、2016年、2017年的13.68%、9.81%、5.65%，到2018年仅占2.8%（北京市统计局, 2019; 周扬胜, 2020）。研究表明，2017年燃煤排放PM2.5、PM10、SO2、NOx较2015年下降30%、32%、44%和48%（王彦超等,2018）。由此，我们可以推论北京冬季采暖方式的优化很大程度提高了2018年的空气质量。

5 结论

北京地处华北平原，长期经受严重空气污染的困扰，而冬季燃煤采暖造成的空气污染是非常重要的一个因素。为此，北京在2016年和2017年实施了一系列清洁能源的改造，来改善空气质量。本文通过分析5个位于北京不同区域的空气质量监测站的PM2.5、PM10、SO2、NO2和CO 5种污染物浓度，对比了使用清洁能源后的2018年较2015年的空气质量的变化情况。得出如下结果：

（1）2018年较2015年5个站的PM2.5、PM10、SO2、NO2和CO浓度均下降，5种污染物平均降幅为37.3%，其中降幅最大的是SO2，降幅为59.2%。

（2）5个站的PM2.5、PM10、SO2、NO2和CO浓度2018年较2015年下降的峰值大多出现在冬季3个月，这个时间刚好是北京的采暖季节。

（3）2018年较2015年相比，5个站的重污染天数（PM2.5浓度＞150 µg/m3）平均下降36天，其中冬季下降幅度在91.3%，而其他季节下降幅度为50%。

（4）5个站2018年较2015年冬季PM2.5、PM10、SO2、NO2和CO浓度平均下降值是其他季节的4.8倍，下降幅度是其他季节的2.3倍。

（5）2018年较2015年而言，污染物浓度在冬季取暖更多的时刻较其他时间下降的幅度更大。

（6）通过气象条件分析表明，降水、风速和气温不是导致2018年污染物下降的主要原因，相对湿度对PM2.5、PM10、NO2和CO浓度下降有一定的贡献，但是对SO2浓度的降低作用不显著。

（7）冬季采暖优化对2018年较2015年5种污染物浓度降低起到重要的作用，尤其是SO2。