污染减排及新冠肺炎对广州空气质量影响分析_黄若琳.pdf

第 43 卷第 1 期2023 年 1 月Vol.43，No.1Jan.，2023环境科学学报Acta Scientiae Circumstantiae污染减排及新冠肺炎对广州空气质量影响分析黄若琳1，朱云1，*，张冰瑶1，王韶翊1，袁颖枝1，黎杰1，游志强21.华南理工大学环境与能源学院，广东省大气环境与污染控制重点实验室，广州 5100062.华云创信（广东）生态环境科技有限公司，佛山 528000摘要：自2017年 广州市空气质量达标规划 实施以来，广州空气质量大幅改善并于2020年首次实现全面达标，评估 规划 中本地污染减排措施实施成效可为后续大气污染防治提供参考.本研究基于各种减排情景的排放核算结果，综合运用空气质量模型模拟和数据融合技术，量化评估了本地污染减排措施、新冠疫情防控工作、周边排放控制及气象条件变化4种影响因素对20172020年广州市空气质量改善的贡献.评估结果显示，本地污染减排措施是20172020年SO2、NO2、PM10及PM2.5浓度下降的主导因素，其浓度削减贡献分别为53.58%、31.60%、34.24%及30.82%；疫情防控工作的浓度削减贡献在初期较大，但在后期随着复工复产而减弱；周边减排空气质量改善效果弱于本地污染减排；气象条件变化对各污染物浓度下降均存在正贡献，且对O3浓度削减的贡献（81.96%）尤为显著.关键词：污染减排；新型冠状病毒肺炎；空气质量；WRF-CMAQ模型；控制措施；广州文章编号：0253-2468（2023）01-0204-12 中图分类号：X51 文献标识码：AImpact assessment of emission control policies and COVID-19 pandemic on air quality improvement in GuangzhouHUANG Ruolin1，ZHU Yun1，*，ZHANG Bingyao1，WANG Shaoyi1，YUAN Yingzhi1，LI Jie1，YOU Zhiqiang21.Guangdong Provincial Key Laboratory of Atmospheric Environment and Pollution Control，College of Environment and Energy，South China University of Technology，Guangzhou 5100062.Cloud Information and Environmental Technology Company Limited，Foshan 528000Abstract：Since the publicly releasing of the Guangzhou Air Quality Compliance Plan（GAQCP）in 2017，the air quality in Guangzhou had been significantly improved，with all the air quality indices attaining standards for the first time in 2020.Qualifying the impact of the local emission control measures in GAQCP would provide critical references for subsequent air pollution control policy-making.In this study，the emission reductions caused by three anthropogenic factors，including reductions contributed by the local emission control measures，the COVID-19 shutdown，and the emission control in neighboring cities，were first estimated.The associated estimates were then applied to quantify the contributions of these three anthropogenic factors and the meteorological variation to the air quality improvement in Guangzhou from 2017 to 2020 by using the WRF-CMAQ and the SMAT-CE.The results showed that the implementation of local emission control measures was the dominant factor in SO2，NO2，PM10，and PM2.5 concentration decreases during 20172020，with contributions of 53.58%，31.60%，34.24%，and 30.82%，respectively.The contributions of the COVID-19 shutdown to the pollutant concentration decreases were significant in the early period but then declined as the industrial and manufacturing activities recovered.The emission reduction in neighboring cities was less beneficial to air quality improvement compared with the local emission control measures.The changes in meteorological conditions had positive effects on all the pollutant concentration decreases，with significant contributions to the O3 concentration reductions（81.96%）.Keywords：emission reduction；COVID-19；air quality；WRF-CMAQ model；control measures；Guangzhou1引言（Introduction）广州市地处珠江三角洲城市群腹地，在经济和生产高度发展的同时，也存在着相对严峻的区域性复合型大气污染问题（Yang et al.，2017；赖安琪等，2017；Wu et al.，2021）.广州于2017年首次实现PM2.5达标，但 DOI：10.13671/j.hjkxxb.2022.0450黄若琳，朱云，张冰瑶，等.2023.污染减排及新冠肺炎对广州空气质量影响分析 J.环境科学学报，43（1）：204-215HUANG Ruolin，ZHU Yun，ZHANG Bingyao，et al.2023.Impact assessment of emission control policies and COVID-19 pandemic on air quality improvement in Guangzhou J.Acta Scientiae Circumstantiae，43（1）：204-215收稿日期：2022-09-30 修回日期：2022-11-27 录用日期：2022-12-05基金项目：广东省科技计划项目（科技创新平台类）（No.2019B121201002）；南方海洋科学与工程广东省实验室（珠海）创新团队建设项目（No.311021001）；无人机集群高精度快速溯源项目（No.2130218003008）作者简介：黄若琳（1996），女，E-mail：；*责任作者，E-mail：1 期黄若琳等：污染减排及新冠肺炎对广州空气质量影响分析二氧化氮及臭氧仍面临达标难题（广州市生态环境局，2018）.为持续改善环境空气质量，广州于2017年发布了 广州市空气质量达标规划（以下简称 规划），明确提出2020年实现空气质量6项主要污染物全面达标，并颁布了燃煤机组超洁净改造、锅炉整治、机动车污染治理、挥发性有机物污染治理及施工扬尘整治等一系列大气污染控制措施（广州市人民政府，2017）.规划 实施后，广州市空气质量改善明显，于2020年首次实现全面达标（广州市生态环境局，2021）.评估 规划 实施对广州市空气质量的改善成效，有利于广州市 总结经验、科学布局“十四五”大气污染防治工作.然而，2020年爆发的新冠肺炎疫情给 规划 实施效果的评估带来了较大的不确定性.广州市自2020年1月底实施的一系列疫情防控措施在减少人口流动与经济生产活动的同时，也致使相关大气污染排放水平骤降（Wang et al.，2020；Wang et al.，2021；Wen et al.，2022）.此外，气象条件差异、周边排放控制等其它因素对空气质量变化的贡献（Zhao et al.，2021；Lin et al.，2021），也是评估 规划 实施的空气质量改善效果时所必须考虑的因素.国内外有不少学者对大气防控政策的空气质量效果开展了研究，但考虑疫情等因素在内的综合评估较少.Zhang等（2021）基于夏季臭氧浓度监测数据，使用GeoDectector模型量化识别得到 大气污染防治行动计划（20152017年）和 蓝天防御行动政策（20182020年）两项政策实施期间，影响中国6个典型地区夏季臭氧浓度的主要气象因素、社会经济因素及污染物种类，但其对后一项政策的评估中忽视了2020年政策实施期间的疫情影响；Li等（2022）基于4种空气污染物的地表监测数据变化，分析得知 打赢蓝天保卫战三年行动计划（20182020年）实施期间，更加严格的排放控制政策加快了中国空气质量的改善，但其结论的推导缺乏对气象条件变化及疫情影响的考虑.本文基于本地化大气污染源排放清单，通过空气质量模型模拟量化得到2017（基准年）2020（目标年）本地大气污染控制措施、周边排放控制、气象条件及新冠肺炎疫情4种因素对广州市空气质量影响，并进一步融合空气质量自动监测数据，量化识别各因素浓度贡献，以期为广州下一阶段大气污染控制策略的制定与调整提供科学依据和数据支持.此外，由于广州市作为经济发达的超大城市，在大气污染防治工作上具有 技术和实践的先行性，在全国各地大气污染控制工作面临瓶颈、区域污染治理边际递减效应逐步显现的现阶段，对广州市20172020年间空气质量的进一步改善经验进行总结，也能为其它地区突破瓶颈、持续完成大气治理攻坚目标提供参考.2研究方法（Research methods）2.1技术路线本研究技术路线如图1所示，以实现量化评估广州本地污染减排措施、新冠肺炎疫情防控工作、周边城市排放控制及气象条件变化4种因素对广州市20172020年期间空气质量改善贡献为主要目的.本文编制了广州市及周边城市的2017年及2020年排放清单，并估算了广州市污染减排措施实施及新冠肺炎疫情防控工作的减排量；之后，利用中尺度气象模式-多尺度空气质量模式耦合体系（the Weather Research and Forecasting-Community Multiscale Air Quality Model，WRF-CMAQ）模拟了基准情景及各评估情景对广州市SO2、NO2、O3、PM10及PM2.5浓度的影响；最后，通过空气质量达标评估工具（Software of Model Attainment Test-图 1研究技术路线Fig.1Research technical route205环境科学学报43 卷Community Edition，SMAT-CE）将模型模拟结果与监测数据融合，用于量化4种因素对广州市国控点污染物浓度变化贡献.由于新冠肺炎疫情对大气污染物排放源活动水平的影响具有明显的阶段性特征，在对4种因素进行空气质量影响分析时，根据疫情响应等级变化将2020年划分1月1日1月22日（未响应）、1月23日2月23日（公共卫生一级响应）、2月24日5月8日（公共卫生二级响应）及5月9日12月31日（公共卫生三级响应）4个研究时段，以进一步细分不同因素在不同时段对广州市空气质量的改善贡献.2.2排放清单编制及减排量核算2.2.1广州市及周边城市排放清单编制广州市及其周边城市（韶关、清远、佛山、中山、东莞及惠州）的2017年及2020年高时空分辨率排放清单由课题组团队按照排放清单编制技术指南（中华人民共和国生态环境部，2014a；2014b）使用排放因子法核算得到，其中包含化石燃料固定燃烧源、工艺过程源、道路移动源、非道路移动源、溶剂使用源、农业源、扬尘源、餐饮油烟源、生物质燃烧源、储存运输源及废弃物处理源共11类排放源的SO2、NOx、CO、VOCs、NH3、PM10及PM2.5排放量核算结果.清单编制所用排放源活动水平数据主要来自统计年鉴（广东省统计局，2018；2021；广州市统计局，2018；2021）及生态环境、交通、住建、农业、水务等相关职能部门的统计调研工作，排放因子主要来自清单编制指南及相关文献（中华人民共和国生态环境部，2014a；2014b；Zhong et al.，2018）.2.2.2本地污染减排措施减排量估算为识别措施减排贡献，量化 规划 实施效果，研究基于生态环境部门环统数据及相关调研工作，对 规划 中燃煤机组超洁净改造、燃煤锅炉污染整治、生物质锅炉污染整治、挥发性有机污染物治理、机动车污染控制及施工扬尘整治6类污染减排措施在研究期间的减排量进行估算，各措施的减排量估算依据如表1所示.表 1污染减排措施的减排量估算依据Table 1Reference for estimation of emission reduction from various emission control measures措施类型燃煤机组超洁净改造燃煤锅炉污染整治生物质锅炉污染整治挥发性有机污染物治理机动车污染控制施工扬尘整治减排量估算依据环统数据对比20182020年广州市10万千瓦及以上燃煤机组较2017年的关停情况和“气代煤”工程中新建成投运的能源站及电厂的使用情况环统数据对比20182020年广州市35蒸吨以下燃煤锅炉较2017年的淘汰或清洁能源改造情况环统数据对比20182020年广州市生物质锅炉较2017年的淘汰情况广州市重点企业“一企一方案”专家验收核实统计结果广州市机动车维修企业的VOCs污染整治工作调研结果广州市重点企业VOCs工序搬迁、关停、废弃处理改善情况调研结果广州市家重点企业VOCs污染整治工作实施情况调研结果环统数据对比20182020年广州市相对2017年新投入运营的纯电动公交车数量以及淘汰的非纯电动公交车数量环统数据对比20182020年广州市相对2017年新增的纯电动出租车数量以及淘汰的非纯电动出租车数量环统数据对比20182020年广州市相对2017年新注册及转入的符合国六排放标准的轻型汽车数量以及淘汰置换为国六车型或纯电动车的老旧汽油轻型汽车数量广州市重点施工单位扬尘污染防治整改工作实施情况调研结果统计调研结果关停10万千瓦及以上燃煤机组10台，新建成能源站4座，实施“气代煤”工程电厂1座完成了26台35蒸吨以下燃煤锅炉淘汰或清洁能源改造，淘汰或者清洁能源改造锅炉共计641.75蒸吨，减煤约31.3万吨生物质锅炉由507台减少到78台，生物质成型燃料消耗量由约92.5万吨削减到约34.2万吨共完成410家重点企业挥发性有机物综合整治工作，VOCs减排量约为9657 t共完成1240家机动车维修企业的VOCs污染整治工作，共减排562 t VOCs共完成872家企业销号式综合整治任务，VOCs减排量约为10360 t共完成293家家具企业的VOCs污染整治工作，扣除与其他整治工作重复的135家企业后，VOCs减排量约为741 t累计新投入运营纯电动公交车 11394 辆，淘汰非纯电动 公交车10378辆累计推广应用纯电动出租车约 1.3 万台，淘汰非纯电动 出租车1137辆20192020年间新增轻型汽车约16万辆，其中约65.3%符合国六排放标准，引导2029辆老旧汽油车淘汰置换为国六汽油车型，引导153辆老旧汽油车淘汰置换为纯电动车冬春季确保工地全面落实“6个100%”同时加大扬尘巡查频次，施工扬尘控制率的提高约使PM2.5减排1273 t，PM10减排5445 t2061 期黄若琳等：污染减排及新冠肺炎对广州空气质量影响分析2.2.3新冠肺炎疫情减排量估算广州市自2020年1月23日起按广东省统一要求启动了重大突发公共卫生事件一级响应，随后实施的一系列疫情防控措施对全市交通及工业活动有较大影响，广州大气污染排放源活动水平受疫情影响幅度及减排量贡献估算方法如表2所示.首先，选取不同类型的活动水平参数用于评估各排放源受新冠疫情影响的幅度大小；其次，基于由广州市统计局及广东省统计局提供的各类活动水平 参数20172019年的逐月统计数据，估算得到无疫情影响情况下各类活动水平参数2020年的逐月预测值，随后与疫情影响下的2020年逐月实际统计数据进行比较，使用2020年活动水平参数的实际数值相对于预测值的相对偏差（表3）来表示各排放源排放活动受疫情影响程度；最后，使用各排放源的活动水平相对偏差估算结果与广州市2020年对应月份的源排放量相乘，计算得到2020年1月23日12月31日期间相关排放源受疫情影响所致的减排量贡献.2.3空气质量模型模拟2.3.1WRF-CMAQ模拟配置研究使用CMAQv5.2对广州市及周边城市的空气质量状况进行模拟，模拟域采用分辨率分别为27、9和3 km的3层嵌套网格，其中，最外层范围覆盖整个东亚地区，中间层囊括了华南地区，最内层包含了如图2所示的广州市及其周边6市.最外层模拟使用CMAQ默认配置作为初始和边界 条件，中间层及最内层模拟的初始和边界条件则来自上一层模拟结果.最外层及中间层模拟使用的人为源清单为清华大学 MEIC（Multi-resolution Emission Inventory for China）团队研发的中国多尺度排放清单产品（http：/meicmodel.org/），最内层模拟使用本研究编制的2017和2020年广州市及周边城市大气污染物源排放清单.此外，CMAQ模拟使用的自然源排放清单由MEGANv3.2（Guenther et al.，2012）计算得到，选用的气相和气溶胶化学反应机理为CB6和AERO6机理.CMAQ模拟的气象输入由WRFv3.9.1模拟结果提供.WRF模拟表2排放源受疫情影响的活动水平参数选择Table 2Activities data for impacts assessment of COVID-19 shutdown on emission sources排放源化石燃料固定燃烧源工艺过程源道路移动源非道路移动源活动水平参数发电量工业行业产品产量公路货运量公路客运量水路货运量建筑施工面积排放源溶剂使用源扬尘源餐饮油烟源储存运输源活动水平参数工业行业产品产量建筑施工面积公路货运量公路客运量住宿和餐饮业生产总值石化制造业产值表 3广州市各活动水平参数2020年实际值相对于无疫情影响情况下预测值的相对偏差Table 3The relative deviation of the actual activities data in Guangzhou in 2020 compared with the predicted activities data without the impact of the COVID-19 shutdown月份1月2月3月4月5月6月7月8月9月10月11月12月相对偏差发电量-19.72%-19.83%-17.95%-8.71%-4.07%3.07%3.98%8.59%5.45%10.88%3.98%10.49%工业行业产品产量-23.55%-28.12%-21.73%-18.25%0.90%7.87%0.69%21.54%7.17%18.48%80.07%4.42%公路货运量-5.68%-50.00%-26.90%-24.70%-18.90%-15.50%-12.80%-10.30%9.20%18.90%16.10%13.30%公路客运量-12.12%-52.15%-26.36%-41.70%-36.80%-34.10%-31.88%-30.90%-29.90%-29.50%-28.80%-28.00%水路货运量-10.74%-16.99%-15.00%-12.00%-9.60%-9.30%-10.50%-9.40%-9.00%-8.80%-7.90%-6.80%建筑施工面积2.12%-17.03%-15.13%-3.92%-3.91%3.92%21.57%25.02%40.23%18.98%3.91%43.64%住宿和餐饮业生产总值-18.75%-18.75%-18.75%-10.93%-10.93%-10.93%-4.35%-4.35%-4.35%5.32%5.32%5.32%石化制造业产值-4.37%-13.30%-10.20%-5.20%-3.10%-3.20%-0.50%0.30%1.30%2.80%3.20%3.40%207环境科学学报43 卷域由CMAQ模拟域增添上下3行及左右3列获得，所用气象驱动数据为美国环境预报中心（National Centers for Environmental Prediction，NCEP）提供的气象再分析资料（https：/rda.ucar.edu/datasets/ds083.2/），模拟所用参数化方案参照课题组先前已发表研究进行设置（Li et al.，2022）.2.3.2空气质量影响量化方法为明确广州污染减排措施、新冠疫情防控工作、周边城市排放控制及气象条件变化4类影响因素对20172020年广州市空气质量变化的贡献，研究设置了如表4所示的6个模拟情景，使用2017年基准情景与其它评估情景的污染物浓度模拟结果的差值来量化不同因素的空气质量影响.各情景的模拟时期均包括全年12个月，模拟污染物物种包括SO2、NO2、O3、PM10及PM2.5.对于模拟结果，O3浓度取研究时段中的日最大8 h第90分位数，其余污染物浓度均取日均值.此外，如图2所示，研究取广州市内10个国控点所处网格的污染物浓度均值代表广州市空气质量模拟结果（Yu et al.，2019）.为使评估结果更好地反映空气质量实际情况，研究使用美国环保署（U.S.Environmental Protection Agency，U.S.EPA）开发的 SMAT-CE 软件实现空气质量模型模拟结果与空气质量监测浓度的数据融合（Wang et al.，2015；Qiu et al.，2015）.对于基准情景，研究在SMAT-CE中选用既能反映监测数据实际表现又能保留模拟结果梯度特征的eVNA插值算法对其模拟结果进行处理（Ding et al.，2019），计算原理如式（1）所示.GCE，base=i=1mWi CiME，baseMi，base（1）式中，GCE，base为基准情景下网格E的污染物浓度调整值，即SMAT-CE工具处理后所得浓度结果；m为由泰森多边形法计算识别得到的网格E邻近空气监测站点数量；Wi和Ci分别为邻近站点i的反距离加权插值权重和浓度监测值；ME，base和Mi，base分别为网格E和邻近站点i所处网格的基准情景模拟值.研究所用空气质量 监测浓度数据为由广东省空气质量发布实时数据接口（https：/ et al.，2015）.同时，由于不同因素的空气质量影响存在非线性关系，其单一因素影响的总和不等于污染物浓度总变化（Wang et al.，2022）.因此，研究对各因素的单一影响进行标准化处理，即使用各因素的单一影响除以独立影响之和，再乘以污染物浓度总变化得到各因素的影响评估结果（Ding et al.，2019）.其中，污染物浓度总 变化量由2017年和2020年基准情景的SMAT-CE校准结果作差获得.图2WRF-CMAQ最内层模拟域中的广州及其周边城市国控点分布Fig.2National-controlled air-monitoring sites in Guangzhou and its neighboring cities in the innermost WRF-CMAQ modeling domain2081 期黄若琳等：污染减排及新冠肺炎对广州空气质量影响分析3结果与讨论（Results and discussion）3.1减排量核算结果2020 年广州市 SO2、NOx、CO、VOCs、NH3、PM10、PM2.5排放量分别为 11.21103、107.46103、162.29103、98.87103、18.55103、67.58103、31.07103 t，各类大气污染物排放量相较2017年均有所下降，降幅依次为30.98%、28.83%、12.40%、19.74%、10.02%、13.78%、19.83%.本地污染减排措施的实施及新冠疫情防控工作对广州市污染物的减排贡献如表5所示.从总体上看，本地污染减排措施的减排效果基本上优于疫情防控工作，其对广州市SO2、NOx、VOCs及PM10的减排贡献占比均大于54.70%.而对于NH3减排，本地污染减排措施的贡献小于疫情防控工作，主要由于在轻型汽车国六排放标准的实施过程中，老旧机动车被淘汰置换的 同时，新增及转入的大量国六车辆带来了较大的机动车净增长量，所致排放增长量抵消了生物质锅炉整治等其它本地污染减排措施对NH3的减排贡献.图3展示了20172020年广州市各污染物的减排量来源.其中，化石燃料固定燃烧源对SO2的减排贡献最大，其高达61.13%的减排贡献占比主要源于燃煤机组超洁净及燃煤锅炉污染整治等本地污染减排措施的实施.道路移动源为NOx提供了76.49%的减排量，机动车污染治理措施及疫情防控工作均对此有较大贡献.溶剂使用源是VOCs减排的首要贡献源，其减排量贡献大部分源于挥发性有机物污染治理措施的实施，同时也有疫情防控工作的贡献.扬尘源对PM10和PM2.5均有主要减排贡献，贡献占比分别为71.54%和40.03%，以施工扬尘整治为首的本地污染减排措施及疫情防控工作对扬尘源的颗粒物减排工作均有较大贡献.由上述讨论得到，疫情防控工作对NOx、PM10和PM2.5的首要减排贡献源，即道路移动源和扬尘源均有较显著影响.研究对各排放源受疫情影响幅度的估算结果（图4）显示，道路移动源在2020年各月份均受到疫情防控工作较大的减排影响，同时其与扬尘源在2020年年末均未恢复预期排放水平，而工艺过程源及溶剂 使用源、化石燃料固定燃烧源、储存运输源和餐饮油烟源依次在2020年5月、6月、8月和10月随着社会复工复产恢复至预期排放水平.疫情防控工作对道路移动源和扬尘源幅度较大、持续较久的减排影响，主要归因于其对交通运输活动的持续影响.截至2020年12月，广州市部分交通活动仍未恢复往年同期水平（广州市统计局，2021），机动车排放和道路扬尘排放也未能达到无疫情影响下的预测水平.对于广州周边 6 市，核算结果得到其 2020 年的 SO2、NOx、CO、VOCs、NH3、PM10、PM2.5排放总量依次为53.77103、408.83103、2142.62103、756.63103、76.98103、355.03103、133.84103 t，与2017年相比，排放量削减比例分别为30.98%、28.83%、12.40%、19.74%、10.02%、13.78%、19.83%.表 4模拟情景设置Table 4Configuration of simulation scenarios情景名称2017年基准情景2020年基准情景气象影响评估情景措施影响评估情景疫情影响评估情景周边影响评估情景CMAQ排放场输入2017年排放清单2020年排放清单2017年排放清单基于2017年基准情景的排放场，应用污染减排措施减排量估算结果更新广州市排放清单基于2017年基准情景的排放场，应用新冠肺炎疫情减排量估算结果更新广州市排放清单基于2017年基准情景的排放场，将周边城市排放量更新至2020年排放水平CMAQ气象场输入2017年WRF气象模拟结果2020年WRF气象模拟结果2020年WRF气象模拟结果2017年WRF气象模拟结果2017年WRF气象模拟结果2017年WRF气象模拟结果表 5广州市空气质量达标规划主要污染减排措施及新冠疫情防控工作所致减排量Table 5Emission reduction contributed by implement of GAQCP and the COVID-19 shutdown in Guangzhou影响因素本地污染减排措施新冠疫情防控工作减排量/103 tSO25.660.87NOx26.7118.40CO23.9016.52VOCs24.308.87NH30.010.22PM1014.538.99PM2.54.503.38209环境科学学报43 卷3.2模型模拟结果校验研究使用番禺中学（位于广州南部市区）、体育西路（位于广州中心市区）和花都师范（位于广州北部 郊区）3个国控点2017年及2020年的气象及污染物浓度逐小时监测数据对WRF-CMAQ模拟结果进行校验，并取平均偏差（MB）、平均绝对误差（ME）和均方根误差（RMSE）作为气象模拟结果评价指标，取标准化平均偏差（NMB）和相关系数（r）作为污染物模拟结果评价指标（Emery et al.，2017）.表6总结了温度、风速、风向及相对湿度模拟的校验结果.其中，WRF对温度及风速的模拟效果相对较好，MB值均在0.5个单位以内，温度的ME值均小于1.98，风速的RMSE值不高于1.96%.相对湿度的模拟偏差稍大于温度与风速，其MB值在3.76%以内，ME值低于7.43%.风向的MB值和ME值取值范围分别为-9.846.50及15.7925.30，模拟精度相对较弱，但仍在允许误差范围内.从总体上看，本研究的WRF模拟精度满足气象模型模拟的精度要求（Emery et al.，2001），可以较好反映广州市2017年及2020年的气象条件.表7总结了SO2、NO2、O3、PM10和PM2.5浓度模拟的校验结果.其中，CMAQ在O3模拟上表现良好，NMB绝对值范围在10%以内，r值在0.65以上.PM10和PM2.5的模拟偏差相对较小，NMB值范围均在15%以内.SO2及NO2的模拟准确性稍弱于其它污染物，NMB范围分别为-16.44%17.72%及-21.04%18.21%，r值范围分别为0.400.71及0.480.77.综上所述，CMAQ对广州市2017年及2020年空气质量的模拟结果总体满足空气质量模型模拟精度要求（Emery et al.，2017），能较好反映广州市空气质量状况.3.3不同因素的分时段空气质量影响特征研究使用监测数据与各模拟情景结果进行融合处理，随后使用措施影响评估情景、疫情影响评估情景、周边影响评估情景及气象影响评估情景与2017年基准情景下4个研究时段的融合结果进行作差，并对作差结果进行标准化处理，得到4种影响因素对广州市不同时段中SO2、NO2、O3、PM10、PM2.5的浓度影响，结果如图5所示.图 3广州市20172020年各污染物排放源减排贡献占比Fig.3Proportions of air pollutants emissions reduction from various emission sources in total emission reduction in Guangzhou between 2017 and 2020图 4广州市各排放源2020年实际活动水平相对于无疫情影响情况下活动水平预测值的相对偏差Fig.4The relative deviation of the actual activity level of each emission source in Guangzhou in 2020 compared with the predicted value of the activity level without the impact of the COVID-19 shutdown2101 期黄若琳等：污染减排及新冠肺炎对广州空气质量影响分析在4个研究时段中，广州本地污染减排措施的实施对除O3以外的污染物均有较稳定且明显的浓度削减贡献.在多数时段中本地污染减排措施均对SO2、NO2、PM10及PM2.5浓度削减起主导作用，除了在时段2中其NO2浓度削减贡献稍弱于疫情防控工作，以及在时段1和时段2中对PM10和PM2.5的浓度削减贡献不及气象因素以外.本地污染减排措施在时段13中均对O3浓度削减存在负贡献，原因或为这些时段主要分布于14月，广州非生物排放源的VOCs排放量相对较少，此时区域O3生成机制属于VOCs控制区，包括本地污染减排措施及疫情防控工作在内的人为减排因素在此期间引起的 NOx排放量下降，反而不利于 O3浓度下降（Yang et al.，2019；Liu et al.，2020）.疫情防控工作在时段2中对O3以外的污染物均有较大的浓度削减贡献，在之后的研究时段中，其削减 贡献随着疫情防控形势的逐渐稳定和社会生产的逐步恢复而减小.疫情防控工作在各时段中均对NO2有较明显的浓度削减贡献，由图5可得，其在时段2中作为NO2浓度削减的主导因素，浓度削减量贡献高达13.89 gm-3.而在时段2中，疫情防控工作对O3浓度削减表现为负贡献，推测原因为该时段的区域O3生成机制属于VOCs控制区，O3前体物NOx的排放量削减会使得O3浓度反升（Liu et al.，2020）.此外，在时段4中，疫情防控工作对NO2、PM10和PM2.5仍有一定的浓度削减影响，但其对SO2和O3的浓度削减贡献已远小于其它因素贡献.该结果与图4中的排放源受疫情减排影响估算结果相符，持续的交通管制使得NOx、PM10及PM2.5的首要减排贡献源道路移动源及扬尘源从疫情影响中恢复的速度相对较慢.气象条件变化对多数时段中的污染物浓度削减均有正贡献，且在2020年各时段中其对O3的达标尤为重要.由图5可得，时段1、时段2及时段4中，O3浓度下降的主导因素均为气象条件变化.气象模型模拟结果显示，2020年时段 1和时段 2中广州日照时长相对 2017年同期偏低 11.47%24.26%，时段 4中 O3峰值浓度出现 表 62017年及2020年广州市监测点温度、风速、相对湿度模拟结果校验Table 6Validation of temperature，wind speed，and relative humidity at air-monitoring sites in Guangzhou in 2017 and 2020年份20172020时段时段1时段2时段3时段4时段1时段2时段3时段4站点番禺中学体育西路花都师范番禺中学体育西路花都师范番禺中学体育西路花都师范番禺中学体育西路花都师范番禺中学体育西路花都师范番禺中学体育西路花都师范番禺中学体育西路花都师范番禺中学体育西路花都师范温度/MB0.250.190.270.270.190.310.410.310.450.470.460.420.430.410.340