如何让空气污染防治政策更加有效？

来源：ScienceAAAS

评述论文：Keeping air pollution policies on track (Science 26 JULY 2019: Vol 365, Issue 6451) 

地球大气圈是生物赖以生存的基础，空气污染作为一个全球性问题受到各国的关注。但由于社会发展阶段不同，各国空气污染防治也处于不同的时期。欧美发达国家起步早，空气污染问题基本得以解决；我国处于空气污染治理的关键时期，《大气污染防治行动计划》（以下简称《大气十条》）出台以来，大气细颗粒物浓度显著下降，但大气复合污染防治的压力依然很大；而印度处于空气污染治理的初期，经常遭受大范围空气污染的侵袭。 

虽然空气污染程度和防治阶段有所不同，但为了防治空气污染，各国均出台了相应的政策和措施。所制定的政策和措施主要依据两类标准，分别为空气污染物浓度限值（绝对值）和空气污染物浓度的变化率（相对值）。其中，空气污染物浓度限值包括各类污染源排放标准（限定污染物排放量）和环境空气质量标准（限定空气污染物浓度）。空气污染物浓度的变化率则是以某段时间为基准，限定未来时段的空气污染物浓度。

最新在Science杂志 (Science, 26 July 2019, 365(6451), 322-323)上发表了针对空气污染防治政策的述评文章“Keeping air pollution policies on track”，详细讨论了以哪种标准制定的政策更有效[1]。文章结合各国空气污染防治的经验，指出相对于以绝对值（浓度限值）为依据制定的政策，以相对值（浓度变化率）来制定的政策更有利于空气质量的持续改善。

文章指出，以绝对限值为依据来对空气质量进行评判经常会衍生出一些偏激的应对措施。例如，虽然欧洲逐年提高柴油车排放标准，个别车企生产的柴油车也通过了出厂检测，但实际路况上污染物排放量却显著高于排放标准。另外，对监测站周围过多人为干预（交通限行、工厂搬迁和雾炮车等）虽然会降低监测站周边观测数据，却可能会造成临近区域空气质量的恶化，对区域空气污染改善并没有实质性帮助。

然而，以污染物浓度变化率为依据制定的空气污染防治措施成效却极为显著。例如，2013年9月我国颁布《大气十条》，要求到2017年京津冀、长三角和珠三角区域细颗粒物浓度比2012年分别下降25%、20%和15%左右。这一措施极大地加快了中国空气质量改善的进度，2017年全国74个重点城市细颗粒物浓度相比2013年下降了33%[2]。                  

图1. 2013-2017年我国及重点区域细颗粒物变化趋势(图引自[3])

文章还指出，虽然利用污染物浓度的演变趋势来评估可以更有效的改善空气质量，但仍需注意三个问题：

1

天气对污染物长期演变趋势的影响

空气污染物受气象条件的影响极大，气象条件的变化会对评估污染物的长期变化趋势造成干扰。因此，采用科学的方法剥离气象要素的影响，客观的表征污染物的演变趋势，是评估政策有效性的必要手段。针对《大气十条》成效的评估中指出，气象要素的影响仅占12.1%，措施导致的排放量下降的成效高达87.9%[4]。

2

污染物空间差异的影响

由于排放源的空间差异性，各个区域空气质量对政策措施的响应不同。为了评估这些政策的有效性，需要针对不同的区域的长期演变分别进行评估，而不是采用笼统的加权平均方式。例如，评价机动车减排措施的成效，需重点考核交通站的空气污染物浓度变化。

3

数据的可用率

空气质量监测站的建设和维护一般都处于动态变化过程中，一方面会在污染更严重的区域设立新监测点，另一方面部分达标的监测点会被废弃，这种动态变化方式虽然对空气质量达标有利，但监测数据却无法满足对长期演变评价的要求。

因此，保持空气污染防治政策的有效性，需要基于空气污染物的趋势变化制定合理的政策。基于此，文章强调建立污染物演变趋势和政策之间的反馈机制是下一步工作的关键点。首先，需要立法保障空气污染防治政策的延续性。即使空气质量达标，仍需考核污染物变化趋势，以持续地改善空气质量。欧洲针对细颗粒物制定了长期政策，确保了空气质量的稳定；加拿大采取同样的政策，并收到了良好效果。此外，为了评估长期演变趋势，需要重新设计空气质量监测网络，确保站点布设合理，数据长期可用。同时，为防止措施失效，需要制定应急预案以保障空气质量持续改善。我国的秋冬季重污染防治措施及“红色预警”预案均属此列。

这一研究分析了空气污染防治过程中以空气污染物浓度限值（绝对值）为依据制定防治措施的弊端，论证了以污染物变化率（相对值）为依据来推动空气污染防治进程的有效性，全球空气污染防治决策者在决策制定过程中都将受益于此项研究。

参考文献

[1] Fuller, G., and Font, A., Keeping air pollution policies on track, Science, 365(6451), 322-323, 2019.

[2] 中华人民共和国生态环境部.2017中国生态环境状况公报[EB/OL].2018-5-22/2019-7-25

[3] Wang, Y., Li, W., Gao, W., Liu, Z., Tian, S., Shen, R., Ji, D., Wang, L., Tang, G., Song, T., Cheng, M., Wang, G.,Gong, Z., Hao, J., and Zhang, Y., Trends in particulate matter and its chemical compositions in China from 2013–2017, Sci. China Earth Sci., 62, https://doi.org/10.1007/s11430-2018-9373-1,2019.

[4] Cheng, J., Su, J., Cui, T., Li, X.,Dong, X., Sun, F., Yang, Y., Tong, D., Zheng, Y., Li, Y., Li, J., Zhang, Q., and He, K.: Dominant role of emission reduction in PM2.5 air quality improvement in Beijing during 2013–2017: a model-based decomposition analysis, Atmos. Chem. Phys., 19, 6125-6146, https://doi.org/10.5194/acp-19-6125-2019, 2019.