Language
시차를 두고
홈페이지홈페이지 > 소식 > 시차를 두고
최근 뉴스

시차를 두고

May 07, 2023

npj 기후 및 대기 과학 5권, 기사 번호: 99(2022) 이 기사 인용

827 액세스

5 알트메트릭

측정항목 세부정보

대기 오염을 완화하기 위해 난방 시즌에 산업 생산을 중단하는 조치인 시차적 피크 생산(SP)이 화베이 평원에서 시행되었습니다. 우리는 2016년 난방 시즌(SPhs) SP 기간 동안 베이징의 PM1 구성 변화를 2015년 난방 시즌(NPhs) 및 2016년 비난방 시즌(NPnhs) 동안 정상 생산(NP) 기간의 PM1 조성 변화와 비교하여 조사했습니다. SP의 효율성. PM1 질량 농도는 NPhs 기준 70.0 ± 54.4 μg m−3에서 SPhs 기준 53.0 ± 56.4 μg m−3으로 감소했으며, 1차 배출이 눈에 띄게 감소했습니다. 그러나 NOx의 큰 감소에도 불구하고 SPhs(20.2%) 동안의 질산염 비율은 NPhs(12.7%) 동안의 대략 두 배였으며, 이는 SP 기간 동안 NOx가 질산염으로 효율적으로 변환되었음을 시사합니다. 이는 총 유기 에어로졸(OA) 비율에서 NPhs(22.5%)에서 SPhs(43.0%)로 거의 두 배 증가한 산소화 유기 에어로졸(OOA)의 증가와 일치하며, 이는 SP 동안 효율적인 2차 형성을 강조합니다. PM1 부하량은 SPhs(53.0 ± 56.4 μg m−3)와 NPnhs(50.7 ± 49.4 μg m−3) 사이에서 유사했으며, 이는 SP 측정 시행 후 난방 계절과 비난방 계절 사이의 PM 오염 차이가 더 작음을 나타냅니다. 또한 대기 오염 물질에 대한 기상의 영향을 분리하기 위해 기계 학습 기술이 사용되었습니다. 풍화현상이 관측된 결과와 유사하여 기상조건이 비교결과에 큰 영향을 미치지 않는 것으로 나타났다. 우리의 연구에 따르면 SP 정책은 1차 배출을 줄이는 데 효과적이지만 2차 종의 형성을 촉진합니다.

입자상 물질(PM) 오염은 인간의 건강1,2,3,4,5, 기후6,7,8, 가시성9,10 및 생태계11에 심각한 영향을 미칩니다. 지난 수십 년 동안 급속한 산업화와 도시화로 인해 중국은 특히 겨울철에 지속적이고 만연한 안개 오염으로 고통 받았습니다12,13,14,15. 중국에서 가장 큰 대도시 중 하나인 베이징은 지난 수십 년 동안 심각한 대기 오염을 겪었습니다13,15,16. 베이징(Beijing Municipal Ecology and Environment Bureau, http://sthjj.beijing.gov.cn/bjhrb/)에서 2013~2016년 동안 연간 PM2.5 부하량은 89.5~73.0μgm−3로 중국 국립 주변 환경을 초과했습니다. 대기 질 표준(CNAAQS, 35 µg m−3). 최근에는 교통 제한17, 석탄에서 가스로의 전환18, 대기 오염 방지 실행 계획19 등 대기 오염을 완화하기 위해 주요 오염 부문을 포괄하는 다양한 엄격한 오염 방지 및 통제 조치가 전국적으로 시행되었습니다. 이러한 대기 질 개입의 효과를 조사하는 많은 연구가 있습니다. 예를 들어, Gao et al. 는 2011년부터 2016년까지 겨울 동안 베이징의 평균 PM2.5 농도가 21% 감소한 것을 발견했는데, 이는 주로 엄격한 배출 통제 조치에 기인한 것입니다20. Gu et al. 2013년 이후 배출 통제 조치를 시행한 후 2014~2015년 베이징 도시의 PM1 평균 농도는 2008~2013년에 비해 16~43% 감소한 것으로 나타났습니다21. 에어로졸의 크기 분포, 산화 특성 및 산도는 크게 변경되었습니다. 깨끗한 실행 계획 실행 후22,23,24. 또한, 단기적인 배출가스 규제도 공기질 개선에 효과적입니다. 2014년 아시아태평양경제협력체(APEC) 정상회담에서 서브미크론 에어로졸의 주요 성분 농도가 크게 감소한 것으로 보고되었습니다25. 2015년 중국 전승절 퍼레이드 당시 엄격한 통제로 PM(PM1) 질량 농도가 57% 감소했습니다.26 이러한 결과는 엄격한 통제 이후 대기오염이 효과적으로 완화되었음을 보여줍니다. 특히, 기상 조건도 오염물질 농도의 변화에 ​​영향을 미칠 수 있어 오염물질 배출 수준을 직접 비교하는 것이 어렵습니다. Zhang et al. 기상 조건은 2013년부터 2017년까지 전국 PM2.5 감소의 9%에 기여했으며 2013년부터 2017년까지 베이징-천진-허베이 지역(BTH) PM2.5 감소의 16%에 기여한 것으로 추정됩니다27. -19 폐쇄 기간 동안 1차 배출의 상당한 감소에도 불구하고 정체된 기상 및 높은 RH로 인해 심각한 연무 오염이 촉진되었습니다28,29,30. 따라서 베이징의 통제 조치의 효율성을 평가하려면 기상 영향을 주변 공기 질과 분리하는 것이 필수적입니다. 회귀 모델31,32, 화학 수송 모델20,33,34,35 및 기계 학습 모델은 기상 관련 변동의 잠재적 영향을 분리하는 일반적인 방법입니다36,37,38,39,40. 이러한 방법에 대한 자세한 비교는 다른 곳에서 찾을 수 있습니다. 기계학습 기반의 랜덤 포레스트(RF) 알고리즘은 고차원 데이터 세트의 분산과 오류를 줄여 높은 예측 정확도를 보였으며, 입력 변수의 중요성과 상호 작용을 시각화하는 곳에서 학습 과정을 설명하고 해석할 수 있습니다37,41. Grangeet al. 대기 질 데이터 분석을 수행할 때 기상 변화를 제어하기 위해 RF 알고리즘을 기반으로 한 기상 정규화 기술을 적용했습니다. Shiet al. 단기 배출 개입 후 대기 오염 물질 배출의 주요 감소를 평가하기 위해 기계 학습 기반 RF 알고리즘을 사용했습니다.

 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>