江苏省内河船舶大气污染物排放清单及特征

基于船舶签证、过闸数据以及AIS数据,采用船舶引擎功率的方法建立了江苏省内河船舶大气污染物排放清单.结果表明,2014年江苏省内河船舶共排放NO_x18. 71万t、SO_25. 13万t、PM_(2.5)0. 82万t、PM_(10)1. 10万t、HC 0. 64万t、CO 1. 67万t和CO_21 051. 13万t;对于内河船舶(不计长江),干货船污染物排放量最大,吨位范围200～600 t的污染物排放量最高,船舶正常航行工况下污染物排放量最高;对于长江江苏段抵港船舶,非集装箱货轮污染物排放量最高,装卸货工况下污染物排放量最高,其次是巡航状态,对于不同动力单元,主机和辅机是主要排放单元;对于长江江苏段过境船舶,非集装箱货轮的污染物排放量最高,其次为油轮,缓慢行驶状态下各污染物排放量均为最高,对于不同动力单元,SO2、PM_(2.5)和PM_(10)主机排放量高于辅机;京杭运河苏北段航道单位航道长度大气污染物排放量较大,苏南航道次之;江苏省内河船舶排放受时间影响较小,除2月排放占比略小外,其余月份排放占比基本较为均匀,均在8%～10%左右.     

粤港澳大湾区飞机LTO污染排放因子及排放清单

针对2018~2019航季年粤港澳大湾区机场群,通过实际滑行时间修正和大气混合层高度对爬升/进近时间的修正,获得飞机主发动机排放因子和区内机场加权排放因子,同时考虑飞机辅助动力装置的排放,建立了区内飞机起飞着陆（LTO）污染排放清单.结果表明,区域内各机场污染物排放因子存在较大差异,主要来源于实际运行时间的修正以及各个机场不同的机型占比,其中NO_x、CO、HC、SO₂、PM 5类污染物的加权排放因子区内均值分别为17.58,8.60,0.79,1.37,0.15kg.排放量分别为15327.4,8066.7,728.4,1186.1,121.9t,绝大部分来自飞机主发动机排放.研究期内,NO_x排放量在年内呈现夏秋季高、冬春季低的变化趋势,其他污染物排放量变化较为平缓.所有污染物在各机场排放量的次序较为一致,香港、广州白云分列前两位.各机型中,区内NO_x及SO₂主要来自A320排放,所占比例分别为19.5%、17.1%;CO及HC排放占比最大的机型均为A321,分别为25.4%、27.2%;PM排放量占比最大的机型是B738,约为23.1%.     

粤港澳大湾区飞机LTO污染排放因子及排放清单

针对2018~2019航季年粤港澳大湾区机场群,通过实际滑行时间修正和大气混合层高度对爬升/进近时间的修正,获得飞机主发动机排放因子和区内机场加权排放因子,同时考虑飞机辅助动力装置的排放,建立了区内飞机起飞着陆（LTO）污染排放清单.结果表明,区域内各机场污染物排放因子存在较大差异,主要来源于实际运行时间的修正以及各个机场不同的机型占比,其中NO_x、CO、HC、SO₂、PM 5类污染物的加权排放因子区内均值分别为17.58,8.60,0.79,1.37,0.15kg.排放量分别为15327.4,8066.7,728.4,1186.1,121.9t,绝大部分来自飞机主发动机排放.研究期内,NO_x排放量在年内呈现夏秋季高、冬春季低的变化趋势,其他污染物排放量变化较为平缓.所有污染物在各机场排放量的次序较为一致,香港、广州白云分列前两位.各机型中,区内NO_x及SO₂主要来自A320排放,所占比例分别为19.5%、17.1%;CO及HC排放占比最大的机型均为A321,分别为25.4%、27.2%;PM排放量占比最大的机型是B738,约为23.1%.     

内河船舶大气污染物排放特征实测研究

为获得内河船舶航行时的大气污染物排放特征,本研究基于船舶尾气测试系统测试了珠三角西江水域内航行的5艘内河船舶,识别了内河船舶气态污染物瞬时排放特征及基于燃油消耗量的排放因子,并探讨了船舶排放的PM_(2.5)化学组分特征及来源.结果表明:船舶在巡航行驶状态下气态污染物的排放浓度变化都较为平稳,货船污染物排放浓度明显高于快艇.CO_2、CO、NO、NO_2、NO_x、SO_2与PM_(2.5)的排放因子范围分别是3135.90～3149.90、3.10～12.03、30.87～41.18、3.90～7.43、36.36～48.61、0.08～5.50、0.32～4.17 g·kg~(-1).内河船舶排放的PM_(2.5)中碳组分、水溶性离子和金属元素的贡献占比分别为43.8%～64.2%、9.7%～39.0%和0.6%～3.4%,其中,有机碳/元素碳(OC/EC)比值范围为0.40～2.69,OC可能受船舶制动影响较大,润滑油损耗是重要来源.     

2019年江苏省内河船舶（不含长江）大气污染物排放清单

以2019年为基准年，采用自下而上统计法建立江苏省内河船舶(不含长江)大气污染物排放清单，系统分析船舶排放特征，并与2014年排放清单成果进行比较，在此基础上结合既有政策措施现状提出江苏省内河船舶大气污染物防治对策.研究表明：2019年江苏省内河(不计长江)船舶NO_x、PM₁₀、PM_2.5、SO₂、CO、HC排放量分别为38042.80、2884.23、2539.68、38.10、2461.80以及1116.31 t；与2014年船舶排放特征相似，干货船是大气污染物排放贡献最大的船舶类型，200～600吨位范围的船舶大气污染物排放贡献最大，船舶各种主机工况中“正常航行工况”排放贡献最大，内河船舶排放受时间影响较小，航道上运行船舶的大气污染物排放贡献最大；由于江苏省干线航道“两纵五横”的规划与建设，船舶在航道上的排放分布有所分散，船舶排放贡献较大的航道由2014年单一的京杭运河江苏段拓展至多条航道；受使用低硫燃油的政策影响，SO₂、颗粒物排放量较2014年均有大幅度下降，分别下降...     

青岛市船舶废气排放清单及应用

基于AIS的数据基础运用动力法编制了2016年青岛市港口船舶废气排放清单,并分析了其空间排放特征、不同船舶类型排放特征及不同工况下的排放特征;基线内加基线外12海里以内船舶SO_2、NO_x、PM_(10)、PM_(2.5)、HC、CO排放量分别为1.56、2.34、0.21、0.18、0.09、0.17万t。船舶排放各污染物排放强度最高的区域集中在主航道、港口以及锚地。排放占比较大的船舶类型依次为集装箱船、渔船和油轮。船舶在巡航和停泊工况下的污染排放占比最高,分别为40%～44%和23%～46%;而机动操作状态时的排放占比较低,达到14%～37%。运用WRF-CMAQ模式模拟分析了青岛港船舶废气排放对市环境空气质量的影响,基线内加基线外12海里以内船舶排放对青岛市SO_2、NO_2、PM_(2.5)的贡献比例分别达到15.96%、12.47%、4.09%,贡献浓度分别为3.12、4.02、1.84μg/m~3。     

基于遥感数据的秸秆焚烧源排放清单及时空分布特征

分析秸秆焚烧事件引起的空气污染状况,常使用CMAQ、NAQPMS、WRF-CHEM等模型进行空气质量模拟,而污染源排放清单是模拟模型的关键输入.为满足模型清单输入要求,以2014年5月7日四川盆地内发生的一次由油菜秸秆焚烧引起的重污染事件为例,采用排放因子法进行污染物年排放量估算,结合卫星火点数据、土地利用数据对其进行空间特征分析,并使用Bluesky CONSUME模型估算了污染物的烟羽抬升,结合激光雷达获取了气溶胶消光系数以分析其时间特征.结果表明:以2013年为基准年,全年区域内CO、NO_x、SO₂、PM_2.5、PM₁₀及NMVOC（非甲烷挥发性有机化合物）的年排放量分别为5 791.022、193.842、43.268、574.602、1 495.350和1 495.350 t,成都市、德阳市、绵阳市、眉山市、资阳市各污染物排放量占比分别为13.90%、22.39%、31.81%、12.11%、19.79%.各污染物排放量均在地面层呈3个大值中心、2个空值带的分布趋势.采用环境1B卫星和MODIS火点数据结合提取焚烧火点分析发现,5月7日四川盆地内5个城市均存在不同程度的秸秆焚烧情况.经空间分配后发现,此次排放的重点在德阳市及绵阳市南部,污染物排放量最大值出现在德阳市中部,成都市秸秆焚烧火点最少,污染物排放量也最小.受当天大气边界层高度的影响,污染物垂直分布主要集中在35 m以下,并在30 m左右形成污染物极大层.另外,受秸秆焚烧管制影响,在16:00-翌日04:00排放量呈逐渐上升趋势,09:00-16:00排放量较少.研究显示,秸秆焚烧源排放清单与前人研究结果较为一致,排放清单的烟羽抬升结果与气溶胶消光系数的垂直分布较为吻合.      

大连海域远洋船舶排放清单

为准确评估船用柴油机实际排放,利用船舶自动识别系统(automatic identification system,AIS)采集远洋船舶的船速、航行时间、地理位置信息等实时航行数据,采用动力法对2012年大连港远洋船舶的排放清单进行计算. 结果表明:2012年大连港远洋船舶PM₁₀、NO_x、SO_x、CO、HC、CO₂总排放量分别为5 785(包括4 628 t PM_2.5)、51 451、49 437、4 677、2 010及2 885 388 t. 在4种运行工况中系泊工况排放量最大,受船舶类型和污染物种类影响,系泊工况污染物排放所占比例有所不同,但其分担率均在75.0%左右. 船舶排放污染物的空间分析表明,船舶系泊停靠的港口区域是污染物排放最密集的区域. 从船舶类型来看,散货船、集装箱船、邮轮和油轮是污染物主要排放船型,在整个船舶排放清单中,这4类船舶对DPM(柴油机颗粒物)、NO_x、SO_x、CO、CO₂的排放分担率之和分别为90.9%、91.4%、91.9%、91.5%、91.9%. 在船舶的主机、辅机和锅炉3种排放源中,主机是主要排放源,集装箱船和滚装船的主机分担率为90.0%,货船和邮轮的辅机排放分担率达到40.0%.      

珠江三角洲大气排放源清单与时空分配模型建立

收集整理2012年珠江三角洲地区(简称“珠江三角洲”)各种大气人为源及天然源基础活动数据,以排放因子法“自下而上”为主计算多污染物排放量,并建立本地化污染物空间分配方案及基于行业排污特征的时间分配谱,构建了具备时空分布属性的区域性网格化大气源排放清单.清单结果显示,2012年珠江三角洲SO2、NOx、CO、PM10、PM2.5、VOCs和NH3排放总量分别为55.2万t、102.9万t、349.2万t、95.2万t、38.5万t、153.9万t和17.7万t. 固定燃烧源是珠江三角洲SO2和NOx的最大排放贡献源,其中电厂和锅炉分别贡献了35.0%和41.8%的SO2排放,以及28.2%和16.2%的NOx排放;VOCs的最大贡献源是过程源,其中家具制造、石油精炼、油气码头排放量总和占比为52.4%;扬尘源是颗粒物的主要来源之一,对PM2.5的排放贡献达42.3%;NH3的主要排放源为畜禽养殖和化肥施用源,两者排放量占比分别为50.7%和26.8%.珠江三角洲大气污染物空间与时间分布结果显示,高排放污染源主要集中于“东莞-广州-佛山”一带,呈半环带状结构分布;白天时段(9:00~20:00)的排放强度明显高于夜晚时段(21:00~次日8:00);夏秋季节(4~10月)的排放强度略高于冬春季节(11月~次年3月).     

环渤海经济区海域船舶大气污染物排放特征

环渤海经济区是我国重点打造的7个跨省（区、市）的经济区域之一,也是我国北方大气污染控制重点区域和主要航运发展区域.随着陆上污染物减排力度的不断加强,环渤海经济区周边海域船舶大气污染日益受到各界关注.为分析环渤海经济区周边海域船舶大气污染物排放特征,采用船舶AIS（Automatic Identification System,自动识别系统）数据、国内外船舶登记注册数据,利用基于AIS的动力法计算了环渤海经济区周边海域船舶大气污染物排放清单.结果表明:2017年环渤海经济区船舶SO_x、NO_x、PM₁₀、HC和CO的排放量分别为26.18×104、41.12×104、3.48×104、1.13×104和2.66×104 t;船舶大气污染物排放主要在低速航行、巡航和系泊工况下产生,低速航行下SO_x、NO_x、PM₁₀、HC、CO的分担率较大,分别为45.56%、48.79%、46.55%、48.68%、47.00%,系泊工况下SO_x、NO_x、PM₁₀、HC和CO的排放量分别为5.06×104、6.86×104、0.67×104、0.19×104和0.51×104 t,因此,推进靠港船舶使用岸电等举措具有良好的减排效果.船舶使用硫含量（以质量分数计）为0.5%和0.1%的燃料油后,SO_x排放量分别减少81.47%和96.29%,可见船舶使用低硫油时SO_x减排效果显著.研究显示,禁止船舶在航行时使用高硫油、要求船舶靠港前换烧低硫油、提高港口岸电覆盖率、加大靠港船舶使用岸电力度是环渤海经济区周边海域船舶大气污染物减排的有效措施.      

厦门港船舶排放清单及港口生态效率评价

采用基于船舶活动的排放因子法,测算了2018年进出厦门港的船舶排放清单,并在排放数据的基础上,借助外部成本评估工具,从环境和社会两类指标层面上评估了港口的生态效率.结果表明：2018年厦门港船舶排放SO_x、NO_x、HC、CO、PM_2.5、PM_2.0和CO₂e（二氧化碳当量）的总量分别为3222,11977,490,1118,411,542和710374t;集装箱船为最大贡献船型,船舶主机排放比例最大;对于不同运行工况,巡航工况排放的污染气体最多,停泊工况（包括港内停泊和港外锚泊）排放的温室气体最多;8~12月份的船舶排放量较高.船舶排放的外部总成本约为19.95亿元（约为港口年收入的7.6%）,其中NO_x、PM₁₀和SO_x的外部成本较高.港口生态效率的评估反映了港口生产运营对环境和社会的影响.船舶使用低硫油和岸电能够减少船舶排放,同时能够提高港口的生态效率.     

港口自有移动源大气污染物排放清单

基于全面开展大气污染源排放清单编制工作的要求,研究制定了天津市港口自有移动源排放清单.对道路和非道路移动源各源类6种大气污染物建立了分辨率为3 km×3 km的网格化排放清单,并分析其污染物排放时空分布特征,利用蒙特卡罗方法分析了清单的不确定性.结果表明,2020年港口自有移动源共排放PM₁₀ 148.22 t、 PM_2.5 135.34 t、 SO₂ 1 061.04 t、 NO_x 4 027.16 t、 CO 756.60 t和VOCs 237.07 t,其中道路和非道路移动源污染物总排放量占移动源排放量的比例分别为6.66%和93.34%.全港区自有道路移动源机动车污染物排放的主要贡献源是小型、中型、大型载客汽车(汽油)和重型载货汽车(柴油),非道路移动源排放的各污染物的主要贡献源均是船舶和工程机械.不确定性分析结果表明,移动源总体不确定性范围为-13.3%～16.53%.     

京津冀地区散煤燃烧大气污染物排放清单

为研究京津冀地区民用散煤燃烧大气污染物的排放情况，结合散煤燃烧活动水平与燃用特征，根据排放因子法自下而上建立了2018年京津冀地区民用散煤燃烧污染物排放清单，研究了污染物排放的时空分布特征并使用蒙特卡罗方法对排放清单进行了不确定性分析.结果表明：2018年京津冀地区民用散煤燃烧量共计3799.22万t，PM_2.5、CO、SO₂、NO_x的排放量分别为9.27，341.31，5.17，5.44万t.污染物排放集中在11月份~次年3月份，大多数地区呈现出相同的日排放趋势.8：00、11：00、18：00、21：00左右出现污染物排放峰值，小时排放系数平均值分别为11%，6%，7%，13%.PM_2.5排放高值区主要集中在北部、东部及部分南部地区，CO主要集中在北京和天津地区，SO₂和NO_x主要集中在天津和承德地区.     

京津冀机场群飞机LTO大气污染物排放清单

基于国际民航组织(ICAO)标准排放模型,调查搜集京津冀机场群9个机场实际航班情况,充分考虑了大气混合层高度的影响,采用EPA方法修正运行时间,精确估算了2018～2019航季年(364 d)京津冀机场群飞机起飞着陆循环(LTO)大气污染物排放清单.结果表明, 2018～2019航季年京津冀机场群飞机LTO循环NO_x、 CO、 SO_2、 HC和PM排放总量分别为10 720.5、 3 972.2、 407.8、 508.0和53.7 t.其中,冬春航季排放量分别为4 290.2、 1 646.7、 168.3、 220.1和22.4 t;夏秋航季排放量分别为6 430.3、 2 325.5、 239.5、 287.9和31.3 t.从空间分布来看,北京首都机场是该机场群大气污染物排放量最多的机场.从时间分布来看,07:00～08:00处于排放量最高峰, 12:00～20:00处于中等偏高排放水平, 21:00之后排放量相对较低.飞机在LTO循环中NO_x和CO排放量较多,PM排放量最少.各污染物不同工作模式下的排放情况差异明显.在该机场群起降所有机型中,B777单位LTO循环排放污染物最多,B737最少,B787单位LTO循环排放HC最低.     

基于AIS数据的中国沿海集装箱港口碳排放

为了精确有效地测量船舶在港碳排放,提出了一种基于海量船舶AIS (Automatic identification System)航行轨迹数据的港口碳排放计算框架,并结合上市港务公司经营数据,估算港口碳排放承担能力.以中国11个沿海主要集装箱港口为例,采用2018年全球4280艘集装箱船的AIS轨迹全年数据计算碳排放社会成本.结果显示:中国沿海集装箱港口碳排放量与船舶抵港艘次整体呈正相关,上海港是全球第一大集装箱港口,2018年其港口CO₂排放量最高,为69.3万t;船舶靠港作业时,在泊和锚泊状态CO₂的排放比例较高,占碳排放比例的65.8%;从CO₂排放社会成本来看,上海港域内的船舶碳排放社会成本最高,2018年需要支付2459.6万元,从承担碳排放社会成本的能力来看,连云港压力较大,每亿营业收入需要承担碳排放社会成本24.46万元.     

厦门市工业源VOCs排放清单及控制对策分析

根据收集厦门市所辖6个区的工业源活动水平数据和厦门市环境统计数据等相关资料,运用排放因子法计算得到2019年厦门市6个辖区的8个行业的工业源VOCs排放清单,分析了厦门市各辖区VOCs排放强度的空间分布格局.在工业源VOCs排放清单的基础上结合企业调研,分析排放清单企业VOCs污染处理技术情况并提出相应的控制对策建议.结果表明,2019年厦门市工业源VOCs产生总量为16027.88 t,排放总量为5514.58 t,其中厦门岛外的海沧区、同安区、翔安区和集美区VOCs排放量分别为1648.35、2111.13、667.52和750.48 t,岛内的湖里区和思明区VOCs排放量较少,分别为292.42 t和44.68 t.除了湖里区,厦门市排放强度呈现岛外大于岛内的空间分布特点.厦门市8个行业中,VOCs排放主要来自于涂装、印刷、化工和橡胶行业,分别占厦门市总排放量的51.21%、20.18%、13.63%和10.67%.厦门市VOCs废气处理工艺情况分析结果表明,从源头控制层面,企业使用低（无）产生VOCs的原辅材料,可有效地从源头控制VOCs产生和排放;从末端处理工艺层面,UV光解/光催化、吸附处理、低温等离子体和生物法的实际处理效率均低于80%,吸附与催化燃烧等组合工艺以及燃烧法的实际处理效率均高于90%.     

天津市2017年移动源高时空分辨率排放清单

移动源已成为城市地区大气污染的主要贡献源.已有研究多关注道路移动源（机动车）或非道路移动源（工程机械、农业机械、船舶、铁路内燃机车和民航飞机）中单一源类的排放,欠缺对移动源总体排放特征的把握.本研究提出了移动源高时空分辨率排放清单的构建方法,据此建立了天津市2017年移动源排放清单,并分析其排放构成与时空特征.结果表明,天津市移动源CO、VOCs、NO_x和PM₁₀的排放量分别为18.30、6.42、14.99和0.84万t.道路移动源是CO和VOCs的主要贡献源,占比分别为85.38%和86.60%.非道路移动源是NO_x和PM₁₀的主要贡献源,占比分别为57.32%和66.95%.从时间变化来看,移动源所有污染物排放在2月均为最低,CO和VOCs在10月排放最高,而NO_x和PM₁₀则在8月排放最高.节假日（如春节和国庆节等）对移动源排放的时间变化影响显著.从空间分布来看,CO和VOCs排放主要集中于城区和车流量大的公路（高速路和国道）上,NO_x和PM₁₀在城区与港区均具有较高排放强度.污染物的空间分布差异是由其主要贡献源的空间位置决定的.本研究可为天津市大气污染的精细化管控和空气质量模拟提供数据支撑,同时可为其他地区移动源排放清单的建立提供方法参考.     

兰-白城市群主要大气污染物网格化排放清单及来源贡献

甘肃兰-白城市群为我国西北地区重要的重工业基地,大气污染物排放总量较大.研究高空间分辨率的污染物排放清单对于区域空气质量预报预警、减排方案模拟研究及大气污染防治等具有重要的科学意义.本文以兰州和白银为主要研究区域,基于研究区域污染源排放及统计年鉴等数据资料,建立了兰（2015年）-白（2016年）城市群7种（类）主要大气污染物网格化排放清单,并对其空间排放特征以及排放源贡献进行了详尽地讨论分析.结果表明,兰-白城市群7种主要污染物年排放量分别为：NO_x 2.22×10⁵ t、NH₃ 4.53×10⁴ t、VOCs 7.74×10⁴ t、CO 5.62×10⁵ t、PM₁₀ 4.95×10⁵ t、PM_2.5 1.91×10⁵ t和SO₂ 1.37×10⁵ t.其中CO的排放量最大,NH₃的排放量最小.本清单与北大和清华MEIC清单对比结果表明,交通源排放3个清单一致性较高,CO排放总量和其工业源排放与北大和清华MEIC清单排放源相差30%~40%,推测原因主要为清单计算过程中排放因子、分辨率和数据年份的差异.本清单网格化空间分布显示除NH₃外的其他6种（类）污染物,排放主要集中在市区,排放源中工业非燃烧过程源均为最大贡献占比,NH₃的主要贡献源是氮肥的施用及禽畜排放,其污染分布受耕地分布等因素影响较大.因此,减少工业非燃烧过程源、整合优质高效电力供应、使用清洁能源、严格控制工地扬尘、工业粉尘和做好城区绿化等,能有效地降低兰-白城市群NO_x、VOCs、CO、PM₁₀、PM_2.5和SO₂这6种（类）主要污染物的排放.NH₃的减排则主要可从控制氮肥的使用及减少禽畜排放两方面考虑.本研究还利用蒙特卡洛法分析了排放清单的不确定性,NH₃的不确定性最大为-31%~30%,CO的不确定性最小为-18%~16%,清单整体可信度较高.