Sfalsato

npj Climate and Atmospheric Science volume 5, numero articolo: 99 (2022) Citare questo articolo

827 accessi

5 Altmetrico

Dettagli sulle metriche

La produzione a picco scaglionato (SP), una misura per fermare la produzione industriale nella stagione di riscaldamento, è stata implementata nella pianura della Cina settentrionale per alleviare l’inquinamento atmosferico. Abbiamo confrontato le variazioni della composizione del PM1 a Pechino durante il periodo SP nella stagione di riscaldamento 2016 (SPhs) con quelle nei periodi di produzione normale (NP) durante la stagione di riscaldamento 2015 (NPhs) e la stagione di non riscaldamento 2016 (NPnhs) per indagare l'efficacia dell'SP. La concentrazione di massa di PM1 è diminuita da 70,0 ± 54,4 μg m−3 in NPhs a 53,0 ± 56,4 μg m−3 in SPhs, con notevoli riduzioni delle emissioni primarie. Tuttavia, la frazione di nitrati durante SPhs (20,2%) era circa il doppio di quella durante NPhs (12,7%) nonostante una forte diminuzione di NOx, suggerendo un'efficiente trasformazione di NOx in nitrati durante il periodo SP. Ciò è coerente con l’aumento dell’aerosol organico ossigenato (OOA), che è quasi raddoppiato da NPhs (22,5%) a SPhs (43,0%) nella frazione totale di aerosol organico (OA), evidenziando un’efficiente formazione secondaria durante l’SP. Il carico di PM1 era simile tra SPhs (53,0 ± 56,4 μg m−3) e NPnhs (50,7 ± 49,4 μg m−3), indicando una differenza minore nell’inquinamento da PM tra le stagioni di riscaldamento e quelle di non riscaldamento dopo l’implementazione della misura SP. Inoltre, è stata utilizzata una tecnica di apprendimento automatico per disaccoppiare l’impatto della meteorologia sugli inquinanti atmosferici. I risultati deweathered erano comparabili con i risultati osservati, indicando che le condizioni meteorologiche non hanno avuto un grande impatto sui risultati del confronto. Il nostro studio indica che la politica SP è efficace nel ridurre le emissioni primarie ma promuove la formazione di specie secondarie.

L’inquinamento da particolato (PM) esercita profondi impatti sulla salute umana1,2,3,4,5, sul clima6,7,8, sulla visibilità9,10 e sull’ecosistema11. A causa della rapida industrializzazione e urbanizzazione degli ultimi decenni, la Cina ha sofferto di un persistente e pervasivo inquinamento da foschia, soprattutto durante l’inverno12,13,14,15. Essendo una delle più grandi megalopoli della Cina, Pechino ha subito un grave inquinamento atmosferico negli ultimi decenni13,15,16. I carichi annuali di PM2,5 variavano da 89,5 a 73,0 μg m−3 nel periodo 2013-2016 a Pechino (Ufficio municipale per l'ecologia e l'ambiente di Pechino, http://sthjj.beijing.gov.cn/bjhrb/), superando i limiti ambientali nazionali cinesi. Standard di qualità dell'aria (CNAAQS, 35 µg m−3). Negli ultimi anni, per alleviare l’inquinamento atmosferico, sono state implementate a livello nazionale diverse misure rigorose di prevenzione e controllo dell’inquinamento riguardanti i principali settori dell’inquinamento, ad esempio la restrizione del traffico17, il passaggio dal carbone al gas18 e il Piano d’azione per la prevenzione dell’inquinamento atmosferico19. Esistono molti studi che indagano sull’efficacia di questi interventi sulla qualità dell’aria. Ad esempio, Gao et al. hanno riscontrato una diminuzione del 21% nella concentrazione media di PM2,5 a Pechino durante gli inverni dal 2011 al 2016, attribuita principalmente a rigorose misure di controllo delle emissioni20. Gu et al. hanno dimostrato che le concentrazioni medie di PM1 nelle aree urbane di Pechino nel 2014-2015 sono diminuite del 16-43% rispetto a quelle del 2008-2013 dopo l’implementazione delle misure di controllo delle emissioni a partire dal 201321. La distribuzione dimensionale, le proprietà di ossidazione e l’acidità degli aerosol sono cambiate sostanzialmente dopo l’attuazione del piano d’azione pulito22,23,24. Inoltre, i controlli delle emissioni a breve termine sono efficaci anche nel migliorare la qualità dell’aria. Grandi riduzioni delle concentrazioni dei principali componenti dell’aerosol submicronico sono state segnalate durante il vertice della Cooperazione economica Asia-Pacifico (APEC) del 201425. La concentrazione di massa di PM (PM1) è diminuita del 57% a causa di un controllo rigoroso durante la parata del Giorno della Vittoria in Cina nel 201526. Questi risultati dimostrano che l’inquinamento atmosferico è stato efficacemente mitigato dopo un controllo rigoroso. Nello specifico, anche le condizioni meteorologiche possono influenzare la variazione della concentrazione degli inquinanti, il che rende difficile il confronto diretto dei livelli di emissione degli inquinanti. Zhang et al. ha stimato che le condizioni meteorologiche hanno contribuito al 9% della riduzione nazionale di PM2,5 dal 2013 al 2017 e hanno contribuito al 16% alla riduzione di PM2,5 nella regione di Pechino-Tianjin-Hebei (BTH) dal 2013 al 201727. Al contrario, durante il periodo COVID -19 periodo di blocco, il grave inquinamento da foschia è stato facilitato dalla meteorologia stagnante e dall'elevata umidità relativa nonostante la sostanziale riduzione delle emissioni primarie28,29,30. Pertanto, è essenziale dissociare gli impatti meteorologici dalla qualità dell’aria ambiente per valutare l’efficacia delle misure di controllo a Pechino. I modelli di regressione31,32, i modelli di trasporto chimico20,33,34,35 e i modelli di apprendimento automatico sono metodi comuni per disaccoppiare i potenziali effetti delle variazioni legate al clima36,37,38,39,40. Confronti dettagliati di questi metodi possono essere trovati altrove37,39,41. L'algoritmo della foresta casuale (RF) basato sull'apprendimento automatico ha mostrato un'elevata precisione di previsione riducendo la varianza e l'errore in set di dati ad alta dimensione e il processo di apprendimento può essere spiegato e interpretato laddove viene visualizzata l'importanza delle variabili di input e le loro interazioni37,41. Grange et al. ha applicato una tecnica di normalizzazione meteorologica basata sull'algoritmo RF per controllare i cambiamenti nella meteorologia durante l'analisi dei dati sulla qualità dell'aria36. Shi et al. ha utilizzato un algoritmo RF basato sull’apprendimento automatico per valutare le principali riduzioni delle emissioni di inquinanti atmosferici dopo gli interventi sulle emissioni a breve termine39.