Language
千鳥状
ホームページホームページ > ニュース > 千鳥状
最新ニュース

千鳥状

Feb 03, 2024

npj 気候と大気科学 第 5 巻、論文番号: 99 (2022) この記事を引用

885 アクセス

5 オルトメトリック

メトリクスの詳細

大気汚染を軽減するために、暖房期に工業生産を停止する措置である時差ピーク生産（SP）が華北平原で実施されている。 我々は、2016 年の暖房期（SPhs）の SP 期間における北京の PM1 組成の変動を、2015 年の暖房期（NPhs）および 2016 年の非暖房期（NPnhs）の通常生産（NP）期間の変動と比較しました。 SPの効果。 PM1 の質量濃度は、NPhs の 70.0 ± 54.4 μg m-3 から SPhs の 53.0 ± 56.4 μg m-3 に減少し、一次排出量が顕著に減少しました。 しかし、NOx が大幅に減少したにもかかわらず、SPh 中の硝酸塩の割合 (20.2%) は NPh 中の硝酸塩の割合 (12.7%) の約 2 倍であり、SP 期間中に NOx が硝酸塩に効率的に変換されたことを示唆しています。 これは、酸素化有機エアロゾル (OOA) の増加と一致しており、全有機エアロゾル (OA) 画分中の NPhs (22.5%) から SPhs (43.0%) へとほぼ 2 倍となり、SP 中の効率的な二次形成を強調しています。 PM1 負荷量は SPhs (53.0 ± 56.4 μg m-3) と NPnhs (50.7 ± 49.4 μg m-3) の間で同様であり、SP 対策の実施後、暖房期と非暖房期の間で PM1 汚染の差が小さいことを示しています。 さらに、機械学習技術を使用して、大気汚染物質に対する気象学の影響を分離しました。 除湿結果は観測結果と同等であり、気象条件が比較結果に大きな影響を与えていないことが示されました。 私たちの研究は、SP政策が一次排出量の削減には効果的であるが、二次種の形成を促進することを示しています。

粒子状物質 (PM) 汚染は、人間の健康 1、2、3、4、5、気候 6、7、8、可視性 9、10、および生態系 11 に重大な影響を与えます。 過去数十年にわたる急速な工業化と都市化により、中国は特に冬季に持続的かつ蔓延するヘイズ汚染に悩まされてきた12、13、14、15。 中国最大の巨大都市の一つである北京は、過去数十年にわたって深刻な大気汚染に見舞われてきた13、15、16。 2013 年から 2016 年の北京における年間 PM2.5 負荷量は 89.5 ～ 73.0 μg m-3 であり (北京市生態環境局、http://sthjj.beijing.gov.cn/bjhrb/)、中国の全国環境基準を超えています。大気質基準 (CNAAQS、35 µg m−3)。 近年、大気汚染を緩和するために、交通規制17、石炭からガスへの転換18、大気汚染防止行動計画19など、主要な汚染分野をカバーするさまざまな厳格な汚染防止・制御措置が全国的に実施されている。 これらの大気質への介入の有効性を調査する研究が数多くあります。 たとえば、Gao et al. 研究者らは、2011 年から 2016 年の冬の間、北京の平均 PM2.5 濃度が 21% 減少したことを発見しました。これは主に厳格な排出規制措置によるものです20。 グーら。 2013 年以降の排出規制措置の実施により、2014 年から 2015 年の北京都市における PM1 の平均濃度は 2008 年から 2013 年と比較して 16 ～ 43% 減少したことが示されています21。エアロゾルのサイズ分布、酸化特性、酸性度は大幅に変化しました。クリーン行動計画の実施後22、23、24。 さらに、短期的な排出規制も大気質の改善に効果的です。 2014 年のアジア太平洋経済協力会議 (APEC) サミット中に、サブミクロンエアロゾルの主要成分の濃度が大幅に減少したことが報告されました25。 2015 年の中国戦勝記念日のパレード中の厳格な管理により、PM (PM1) の質量濃度は 57% 減少しました26。これらの結果は、厳格な管理後に大気汚染が効果的に緩和されたことを示しています。 具体的には、気象条件も汚染物質濃度の変動に影響を与える可能性があるため、汚染物質の排出レベルを直接比較することが困難になります。 張ら。 研究者らは、気象条件が 2013 年から 2017 年の全国的な PM2.5 削減の 9% に寄与し、2013 年から 2017 年の北京・天津・河北地域 (BTH) の PM2.5 削減の 16% に寄与したと推定しています27。 -19年のロックダウン期間中、一次排出量は大幅に減少したにもかかわらず、気象の停滞と高い相対湿度によって深刻なヘイズ汚染が促進された28、29、30。 したがって、北京における制御措置の有効性を評価するには、周囲の大気の質から気象への影響を切り離すことが不可欠である。 回帰モデル 31、32、化学輸送モデル 20、33、34、35、および機械学習モデルは、気象関連変動の潜在的な影響を切り離す一般的な方法です 36、37、38、39、40。 これらの方法の詳細な比較は、他の場所で見つけることができます37、39、41。 機械学習ベースのランダム フォレスト (RF) アルゴリズムは、高次元データセットの分散と誤差を削減することで高い予測精度を示し、入力変数とその相互作用の重要性が視覚化されることで、学習プロセスを説明および解釈できます 37,41。 グランジら。 は、大気質データ分析を行う際に気象の変化を制御するために、RF アルゴリズムに基づく気象正規化手法を適用しました36。 史ら。 機械学習ベースの RF アルゴリズムを使用して、短期的な排出介入後の大気汚染物質排出量の大幅な削減を評価しました39。

 50% was chosen for better comparison16,50,51. As shown in Fig. 4, the concentrations of precursors in SPhs were 15.1 ± 8.2 ppb for SO2 and 41.5 ± 16.4 ppb for NO2, much lower than those in NPhs (29.1 ± 6.1 ppb for SO2 and 51.7 ± 8.4 ppb for NO2). On the contrary, the concentration of O3 in SPhs (3.1 ± 4.6 ppb) was higher than that in NPhs (2.2 ± 0.9 ppb), indicating stronger atmospheric oxidation capacity in SPhs. The mass concentration of nitrate in SPhs (20.9 ± 16.4 μg m−3) was 1.4 times that in NPhs (15.1 ± 5.0 μg m−3), which was consistent with a higher NOR in SPhs (0.13 ± 0.07) compared to that in NPhs (0.09 ± 0.02). In comparison, the mass concentration of sulfate in SPhs (10.7 ± 8.1 μg m−3) was lower than that in NPhs (18.4 ± 8.0 μg m−3), which may relate to the lower SO2 concentration in SPhs and similar SOR between SPhs (0.14 ± 0.09) and NPhs (0.13 ± 0.05). The concentrations of SO2 and NO2 decreased from 15.1 ± 8.2 ppb and 41.5 ± 16.4 ppb in SPhs to 6.2 ± 2.6 ppb and 38.8 ± 13.1 ppb in NPnhs, respectively, while O3 largely increased from 3.1 ± 4.6 ppb in SPhs to 7.0 ± 9.2 ppb in NPnhs (as shown in Fig. 4). Consistently, the SOR and NOR in NPnhs (SOR: 0.20 ± 0.13; NOR: 0.152 ± 0.10) were also higher than those in SPhs (SOR: 0.14 ± 0.09; NOR: 0.13 ± 0.07). This was consistent with the increase of nitrate from SPhs (20.9 ± 16.4 μg m−3) to NPnhs (22.7 ± 19.2 μg m−3) (As shown in Supplementary Table 1). Specifically, the mass concentration of sulfate decreased from SPhs (10.7 ± 8.1 μg m−3) to NPnhs (8.1 ± 7.5 μg m−3), probably due to the reduction of SO2 from central heating emissions. These results suggested that the SP, central heating and seasonal variations all contributed to changes in secondary species./p> 75 µg m−3), respectively. As shown in Fig. 5, in NPhs, the relative contributions of chloride were the lowest on clean days (6.7%) when compared with the other two pollution stages (8.3% on average pollution days; 8.2% on heavy-pollution days). What’s more, the mass fractions of chloride in NPhs were higher than those in SPhs and NPnhs in all pollution stages. The fractional contributions of POA to OA increased largely from 68.2% on clean days to 75.8% on average-pollution days and further to 79.2% on heavy-pollution days. As for secondary species, the fractional contribution of SIA in heavy-pollution days was the highest (33.4%) when compared with those on average-pollution days (28.0%) and clean days (29.8%), while the fractional contributions of OOA to OA decreased from 31.8% on clean days to 24.2% on average-pollution days and further to 20.8% on heavy-pollution days. These results indicated that primary emissions and secondary inorganic formations (e.g., nitrate and ammonium) contributed largely to heavy pollution events in NPhs. In SPhs, relative contributions of primary emissions were comparable in different pollution stages, while fractional contributions of secondary inorganic species increased from clean days (34.7%) to average-pollution days (36.4%) and further to heavy-pollution days (42.8%) and the increase ratios of SIA from clean days to average-pollution days and further to heavy-pollution days in SPhs were larger than those in NPhs. LSOA presented a similar increasing trend with secondary inorganic species from clean days to heavy-pollution days. Specifically, the relative contributions of RSOA to OA decreased largely from clean days (7.4%) to average-pollution days (5.2%) and further to heavy-pollution days (3.7%). These results suggested that both primary emissions and secondary formation (e.g., nitrate, ammonium, and LSOA) were important in the haze formation in SPhs and the secondary formation in SPhs was stronger than that in NPhs. Different from NPhs and SPhs, the mass fractions of chloride decreased from clean days (3.6%) to heavy-pollution days (2.4%) in NPnhs. The relative contributions of POA in NPnhs also decreased from 40.3% on clean days to 38.4% on heavy-pollution days. However, fractional contributions of SIA increased largely from 39.1% on clean days to 51.9% on average-pollution days and further to 54.8% on heavy-pollution days in NPnhs. The relative contributions of LSOA to OA were also increased from clean days (38.5%) to heavy-pollution days (50.3%) in NPnhs. Although RSOA presented a similar decreasing trend with that in SPhs, the relative contributions of RSOA increased prominently from SPhs and NPnhs in all pollution stages. These results illustrated that when compared with NPhs and SPhs, secondary formation, including local oxidation and regional transportation, was more prominent in aggravating atmospheric pollution in NPnhs./p>