陈松蹊团队在通过“静稳期数据实验”有效度量本地排放方面取得进展

众所周知,人类活动引起的过度排放是造成大气污染的主要原因,北京大学统计科学中心陈松蹊教授团队,经过反复的数据筛选和建模分析,近日,所取得的最新研究进展:通过静稳期数据实验度量本地污染排放的论文——“Assessing Local Emission for Air Pollution via Data Experiments”,被大气环境领域重要英文国际期刊Atmospheric Environment正式接收。

文章以华北平原北部北京、唐山和保定三个城市为研究对象,针对2013年3月至2019年2月六个季节年的空气质量数据和气象数据,开发了一种数据选择算法,通过数据实验,在强清洗过程之后选择“静稳期数据”,采用面板数据回归模型,来研究三种大气污染物(PM2.5、NO2和SO2)浓度在污染传输到达前的增长趋势,从而科学度量本地污染排放。

“静稳期”数据选择是本研究的一个重要前提和关键,基于华北平原的地理特点和气象现实,“静稳期”设定为强大的偏北风系统彻底地使空气清新之后,南风输送污染物到来之前的平静、干燥期。静稳期具体由三个关键时间点来确定:(i)北风清洁过程的结束时间tw,(ii)静稳期开始时间ts,(iii)静稳期的结束时间te

图1.2013年冬季北京东四监测点选出的静稳期PM2.5时间序列数据(红色)

文章将华北地区三个城市的空气质量监测站点根据地理位置,分成四个组群:BeijingSE、BeijingNW、Tangshan、Baoding进行研究。选择气象变量:边界层耗散(BLD)、露点温度(DEWP)、边界层高度(BLH)、相对湿度(HUMI)、温度(TEMP)、气压(PRES)、累积北风风速(CNWS)、累积南风风速(CSWS),对四个组群选出的静稳期数据,加入小时虚拟变量进行线性面板数据回归,估计三种污染物(PM2.5、SO2和NO2)静稳期的小时增长率。

为了消除气象干扰,估计的增长率根据2013—2018年气象基准线分布进行了季节调整。以北京西北站点群为例,静稳期PM2.5增长率调整前后对比如图2所示。

图2.北京西北站点群静稳期前6小时PM2.5增长率气象调整前后对比

四组监测站点三种污染物(PM2.5、SO2和NO2)浓度,从2013年到2018年调整后四个季节平均的年增长速度(µg/m3perhour)如下表所示,并分别相对2013年和2014年的水平做了对比,负值代表上升。

表一 2013年至2018年气象调整后对四个季节平均的小时增长率(µg/m3perhour),以及2018年相对于2013年和2014年的(相对)减少。

估计结果显示,自2013年以来,经气象调整的PM2.5和SO2平均增长率呈持续下降趋势。与2013年相比,2018年PM2.5小时平均增长速度从5.9-11.1µg/m3下降到了2.9-4.5µg/m3,SO2小时平均增长速度从2.2-8.9µg/m3下降到了0.4-2.5µg/m3,降幅分别达到了44-70%和57-82%。然而,NO2小时平均增长率变化较小,2018年相对于2013年的年度平均降幅在-9.4%到27.9%之间,唐山和保定反而呈现出一些明显的增长趋势。对北京来说,在2017年开始出现一些减少的迹象。这也印证了华北地区空气质量治理策略的效应,该策略一直以改善与煤炭有关的排放为重点,而与机动车有关的排放控制远远落后于煤炭。

图3.四组监测站点群2013-2018六个季节年三种污染物浓度在不同季节里静稳期前6小时内的平均增长

综上,研究表明,与2013年相比,2017—2018年几乎所有季节和城市的PM2.5和SO2小时平均增长率显著降低。然而,保定和唐山春季和冬季的NO2相关排放量没有明显减少。研究还发现,北京的PM2.5冬季增长率与重工业城市唐山和保定相当,甚至北京2018年冬季PM2.5小时增长率还高于唐山和保定,表明北京冬季的污染排放压力仍然很大。文章中“静稳期数据”选择的算法和统计分析模型,可以推广到世界上其他区域,所估计的静稳期污染物浓度增长率可及时有效评估本地污染排放。

该论文的第一作者是朱玉茹(北京大学统计科学中心2018级博士生),通讯作者是其导师陈松蹊教授,另一作者是梁银双副教授(郑州工程技术学院信息工程学院,曾为北京大学统计科学中心访问学者)。本研究得到了国家重点研发计划《大气污染成因与控制技术研究》专项项目2016YFC0207701的部分资助和国家自然科学基金项目71532001、71973005的资助。

转载本网文章请注明出处