长沙市人为源大气污染物排放清单及特征研究

根据收集的长沙市人为源活动水平数据,建立了该地区2014年1 km×1 km人为源大气污染物排放清单.结果显示,2014年长沙市SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放总量分别为53.5×10~3、78.3×10~3、284.6×10~3、102.3×10~3、42.1×10~3、4.0×10~3、7.2×10~3、64.2×10~3、27.1×10~3t.化石燃料固定燃烧源为最大的SO_2排放贡献源,道路移动源是主要的NO_x贡献源,CO排放主要来自化石燃料固定燃烧源和道路移动源,长沙市VOCs的最大贡献源是溶剂使用源,PM_(10)、PM_(2.5)最主要的排放源是扬尘源,BC最大的排放贡献源为化石燃料固定燃烧源,生物质燃烧源是最大的OC贡献源,NH_3排放主要来源于畜禽养殖和农业施肥.空间分布结果显示,长沙市NH_3的排放在宁乡县、望城区、长沙县、浏阳市分布较多,主要呈现片状分布.其他污染物排放高值区则主要分布在中心城区、工业区及道路分布区域.     

兰州盆地人为源大气污染物网格化排放清单及其空间分布特征

基于所搜集的兰州盆地各类人为污染源排放大气污染物的活动水平数据及其排放因子,采用"自下而上"的方法建立了2009年兰州盆地(石油化工城市)1 km×1 km的7种(类)大气污染物网格化排放清单,并对其来源和空间分布特征进行了分析研究.结果显示:2009年兰州盆地NOx、SO_2、VOCs、CO、PM_(10)、PM_(2.5)和NH3的排放总量分别为1.2×10~5、8.8×10~4、4.3×10~4、4.1×10~5、9.6×10~4、4.2×10~4和1.4×10~4t;工业燃烧排放是兰州盆地NO_x和SO_2的主要贡献源,分别占其总排放量的85.70%和52.55%;工业非燃烧过程排放是VOCs的最大贡献源,占总排放量的81.25%;工业点源和工业非燃烧过程排放是CO的两大贡献源,分别占其总排放量的33.97%和28.32%;PM_(10)和PM_(2.5)主要来源于工业非燃烧过程,贡献分别为51.09%和55.12%;氮肥使用和禽畜养殖是NH_3排放最大的贡献源,分别占其总排放量的39.20%和30.70%.空间分布特征表现为:以工业源为主要排放源的NO_x、SO_2、VOCs、CO、PM_(10)、PM_(2.5)主要分布在工业和人口最为集中的兰州盆地市区一带,NH_3的排放则主要集中在榆中县和皋兰县交界的农村地区.同时,还对2014年工业燃烧源和道路移动源的7种(类)大气污染物排放量进行了估算,并与2009年进行了排放比较研究.结果表明,2014年工业污染源的7种(类)污染物排放量与2009年相比平均增幅不高,最高不超过30%,但移动源污染物排放量却大幅增加,增幅将近1倍.此外,基于排放因子及活动水平的不确定性,本研究对排放清单的结果进行了不确定性分析,并通过蒙特卡罗模拟对各污染物的排放量进行了评估.本排放清单的建立,不仅填补了兰州盆地大气污染物网格化排放清单的空白,还可为兰州盆地大气污染物排放清单更新、区域环境过程、大气复合污染成因及大气污染预警技术等相关研究提供基本方法手段及基础数据.     

成都市道路移动源排放清单与空间分布特征

以成都市为例开展了路网、交通流、道路行驶工况和机动车保有量等数据的收集工作,运用自下而上的方法,基于实测校正和本地化的IVE模型计算了不同区域机动车在高速路、主干道、次干道和支路的排放因子,应用GIS技术建立了1 km×1 km的成都市高时空分辨率道路移动源排放清单.结果表明,2016年成都市道路移动源CO、VOCs、NO_x、SO_2、PM_(10)和NH_3排放量分别为4.2×10~5、4.5×10~4、7.2×10~4、0.4×10~3、1.1×10~4和6.2×10~3t.CO排放主要贡献车型为小型客车、中型客车和大型客车,VOCs排放主要源于小型客车和摩托车,NOx和SO2排放主要产生于小型客车和重型货车,PM10排放主要贡献车型为重型货车,NH3排放主要由小型客车贡献.污染物排放量空间分布呈现出由城市中心向卫星城市、远郊区递减趋势,中心城区和二圈层区域路网密集,排放呈片状分布,三圈层则呈带状分布.排放清单机动车技术分布数据可靠性较高,而交通流数据和排放因子存在一定不确定性.     

南昌市移动源排放清单研究

根据收集的南昌市移动源活动水平数据,采用合适的估算方法、排放因子和GIS技术,建立了南昌市2007—2014年移动源排放清单,并对2014年移动源清单进行了空间化处理与分析,空间分辨率为1 km×1 km.结果表明,2007—2014年南昌市移动源共向大气排放CO、HC、NO_x、PM_(2.5)、PM_(10)、SO_2分别为18.26×10~4、5.07×10~4、18.46×10~4、0.99×10~4、1.08×10~4、3.31×10~4t.其中,2014年移动源向大气中排放的这6种污染物总量分别为2.14×10~4、0.76×10~4、1.97×10~4、0.08×10~4、0.09×10~4、0.55×10~4t.道路移动源中,汽油小型客车是CO、HC和SO_2最大的贡献源,排放量分别占机动车排放总量的55.1%、78.5%和56.1%;柴油重型货车是NO_x、PM_(2.5)和PM_(10)排放贡献率最大的车型,分别占43.2%、40%和40%.非道路移动源中,小型拖拉机对CO、HC、NO_x、PM_(2.5)和PM_(10)的贡献率均较大,分别占非道路移动源排放总量的29.9%、26.9%、23.4%、29.5%和29.8%;SO_2排放主要来源于船舶,占非道路移动源SO_2排放总量的45.1%.高污染排放集中的区域,主要是青山湖区、西湖区和东湖区.     

广西工业源大气污染物排放清单及空间分布特征研究

大气污染物排放清单是了解区域污染物排放特征的重要资料,而工业源是大气污染的重点排放源.研究根据收集的工业企业活动水平数据,选择合理的计算方法和排放因子,建立了广西2016年工业源大气污染物排放清单.结果表明,2016年广西工业源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOCs排放总量分别为20.7×10~4、21.6×10~4、147.5×10~4、48.4×10~4、25.7×10~4、34.7×10~4 t.其中,电厂和非金属矿物制品业对SO_2、NO_x、PM_(2.5)和VOCs的贡献最高.除此之外,黑色金属冶炼是SO_2、NO_x和PM_(2.5)的主要贡献源;有色金属冶炼是PM_(2.5)的主要贡献源;农副食品加工业是VOCs的主要贡献源.根据排放源污染物排放量及地理坐标信息,建立了污染物排放量空间分布特征图.结果显示,广西工业企业SO_2和NO_x排放主要集中在百色、柳州、防城港和贵港市;颗粒物排放主要集中在贵港、柳州和百色市;VOCs排放主要集中在柳州、贵港和崇左市.研究建立的排放源清单结果具有一定的不确定性,建议进一步完善基础研究.     

长株潭地区人为源氨排放清单及分布特征

根据收集到的长株潭地区各类人为源氨排放的活动水平数据和排放系数,建立了长株潭地区2013年人为源氨排放清单,并根据空间特征数据进行了3 km×3km的空间网格分配.结果表明,长株潭地区2013年人为源氨排放总量为7.27×10~4t,排放强度为2.59 t·km~(-2);其中,畜禽养殖业和农田生态系统为最主要的氨排放源,氨排放分担率分别达58.60%和29.73%;畜禽养殖业中,肉牛、蛋鸡和肉猪是主要贡献源,分别占畜禽养殖业氨排放总量的26.26%、21.40%和18.43%;宁乡县、湘潭县和浏阳市为氨排放量较大的县市,分别占长株潭地区氨排放总量的17.49%、12.82%和12.02%;石峰区和岳塘区的氨排放强度最大,分别达到了9.14 t·km~(-2)和5.01 t·km~(-2).空间分布特征显示排放量较大的网格主要是大型点源.     

廊坊市区主要大气污染源排放清单的建立

通过调研、统计廊坊市区工业、城中村及机动车等资料,结合以往清单文献研究结果及清单编制指南中的排放因子,计算了廊坊市区主要大气污染物的排放量,得到廊坊市区2014年主要大气污染源排放清单.结果显示,2014年廊坊市区工业源(固定燃烧)NO_x、SO_2、NMVOC、CO、PM_(10)、PM_(2.5)排放总量分别为6.4×10~3、1.2×10~4、31、1.0×10~4、7.3×10~2、4.4×10~2t,其中热电行业排污贡献率最高,分别占NO_x、SO_2、CO、PM_(10)、PM_(2.5)工业源(固定燃烧)年排放总量的55%、48%、67%、63%、69%;安次区工业企业对气态污染物贡献较高,广阳区及开发区工业企业对颗粒物排污贡献较大.低矮面源(城中村)NO_x、SO_2、NMVOC、CO、PM10、PM_(2.5)年排放总量分别为1.8×10~2、3.6×10~3、3.0、4.9×10~3、1.5×10~2、72 t.道路移动源CO、HC、NO_x、PM_(2.5)年排放总量分别为2.4×10~4、1.9×10~3、2.2×10~3、44 t,其中小型客车对HC和CO贡献率较高,分别为53%和61%;NO_x年排放总量中26%由重型货车贡献;PM_(2.5)则主要由轻型货车和重型货车贡献,占比分别为39%和21%.     

四川省人为源大气污染物排放清单及特征

在收集四川省各城市人为污染源活动水平数据基础上,基于自下而上和自上而下结合的清单构建方法,选取排放因子并结合GIS技术,建立了该地区2015年1 km×1 km人为源大气污染物排放清单.结果表明,2015年四川省人为源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放量分别为444.9×10~3、820.0×10~3、3 773.1×10~3、1 371.6×10~3、537.5×10~3、28.7×10~3、53.1×10~3、923.6×10~3和988.0×10~3t.电厂和工业锅炉等燃煤排放贡献了95%以上的SO_2,移动源、化石燃料燃烧源和工艺过程源分别贡献了54%、23%和20%的NO_x,以钢铁和建材制造为主的工艺过程源分别贡献了20%的PM_(10)和34%的PM_(2.5),以道路扬尘为主的扬尘源分别贡献了60%的PM_(10)和35%的PM_(2.5),生物质燃烧分别贡献了33%的BC和51%的OC,以机械加工、建筑装饰、电子设备制造、印刷和家具等行业为主的溶剂使用源贡献了46%的VOCs,NH_3主要来自畜禽养殖和氮肥施用等农业部门排放,分别占总排放量的70%和25%.污染物空间分布结果显示,四川省各项大气污染物主要集中分布于人口最为密集,农业和工业均较为发达的四川盆地和攀枝花部分区域,其中,以成都、德阳和绵阳为代表的成都平原城市群为四川盆地内的主要排放高值区域.所建立的排放清单存在一定不确定性,后续研究中应针对活动水平数据获取的不足开展数据收集工作,加强排放贡献较大典型污染源的排放因子本地化研究工作,逐步完善四川省大气污染物排放清单,为四川省复合型大气污染研究和防治提供科学支撑.     

基于互联网大数据的成都餐饮源细颗粒物排放空间分配研究

餐饮过程排放的废气正成为大城市大气污染的重要来源之一.根据成都市2013年排放清单更新的研究成果,综合运用本地化的餐饮排放因子、排放活动水平的调查成果和成都市统计年鉴的统计数据等信息,对成都市餐饮源的PM_(2.5)排放总量进行了估算,其结果为4740 t·a~(-1).为了对区域的餐饮废气排放进行空间分配,本文抓取了互联网兴趣点POI信息.通过这些信息,对成都市的社会餐饮、学校食堂餐饮和家庭餐饮的空间来源进行了表征,对成都市生活源中餐饮污染物排放的空间分布规律进行了探索,并提出了新的餐饮源高分辨空间分配方法.结果表明,基于POI空间分配的2013年成都餐饮源单位面积年排放强度均值为0.29 t·km~(-2)·a~(-1),主城区均值为3.47 t·km~(-2)·a~(-1),全市的排放量分布区间为0~35.7 t·km~(-2)·a~(-1).互联网POI信息可以作为研究城市餐饮源空间分布的重要数据来源,在实际应用上更适于表征社会餐饮点源污染.     

基于本地污染源调查的杭州市大气污染物排放清单研究

基于实地调查数据并辅以统计数据,采用物料衡算法和排放因子法,估算了杭州市2015年大气污染物排放清单,并选取经纬度坐标、路网、航道、土地类型和人口等数据作为权重因子,研究了该地区各类排放源污染物排放空间分布特征.结果表明,杭州市2015年SO_2、NO_x、CO、VOCs、PM_(10)、PM_(2.5)和NH_3年排放总量分别为22.20×10~3、108.17×10~3、192.10×10~3、134.94×10~3、78.12×10~3、27.65×10~3和59.75×10~3t.工业源是杭州市SO_2排放的主要来源,移动源对NO_x和CO的排放贡献最为显著,扬尘源是杭州市PM_(10)和PM_(2.5)排放的最主要来源,其次为工业源;VOCs排放的主要来源依次为工业源、天然源和移动源;NH_3排放主要来自农业源.从空间分布来看,排放主要集中在中心城区及其周边的萧山、下沙、大江东、余杭和富阳等工业企业相对密集的区域.本研究建立的排放清单在污染源覆盖范围和排放因子方面仍然存在一定的不确定性,建议在后续研究中重点开展低、小、散企业及本地化排放因子调查研究工作,进一步提升大气污染物排放清单的准确度.     

南京工业区挥发性有机物来源解析及其对臭氧贡献评估

在南京工业区连续测量了2014年5月1日~7月31日和2015年6月1日~7月16日夏季两个高臭氧期的大气中的挥发性有机化合物(VOCs).结合正交矩阵分解(PMF)模型和箱模式(OBM)分析VOCs来源对局部O3生成的贡献.2014年和2015年夏季VOCs浓度平均分别为(36.47±33.44)×10-9和(34.69±34.08)×10-9.PMF模型确定了7种源类别,其中包括汽车尾气、液化石油气(LPG)排放、生物源排放、家具制造业、化工业、化学涂料行业、化学材料工业排放源.在OBM模拟中评估O3与前体物的关系.南京工业区是VOCs控制区,VOCs具有正RIR值,NO的RIR值为负值.烯烃(1.20~1.79)和芳香烃(1.42~1.48)呈现较高的RIR值,控制这两类物种是控制O3浓度最有效的途径.烯烃排放量减少80%时烯烃RIR值达到最高.汽车尾气(1.01~1.11)、液化石油气(0.74~0.82)、生物源排放量(0.34~0.42)和家具制造业(0.32~0.49)是O3形成贡献最大的四大类VOCs来源;减少汽车尾气,生物排放,LPG和家具制造业排放应成为减少局地O3生成最有效策略.     

我国日化用品使用挥发性有机物(VOCs)排放及臭氧生成潜势研究

溶剂使用源是挥发性有机物（VOCs）的重要排放源之一.近年来,VOCs排放清单中对工业生产类溶剂的VOCs排放估算较多,但对于生活类溶剂使用的研究有所欠缺.本研究以日化用品为研究对象,基于产品消费量、产品中的溶剂含量及其挥发特性,建立了我国2000—2017年日化用品使用的VOCs排放清单,并基于最大增量反应活性值（MIR）评估了日化用品对臭氧生成的潜在贡献.结果表明,2000年我国日化用品VOCs排放量为36.1×10⁴ t,到2017年排放量达218.5×10⁴ t,年平均增长率为11%.护肤品、香水和洗护用品是日化用品中VOCs的主要排放类别,2017年这3类的VOCs排放量分别占总量的40%、30%和21%.上海（8.0×10⁴ t）、北京（7.0×10⁴ t）、广州（4.5×10⁴ t）、重庆（4.5×10⁴ t）、深圳（3.7×10⁴ t）是日化用品VOCs排放量前5的城市.含氧VOCs是日化用品排放的主要VOCs组分,其排放量贡献达到64%.2017年日化用品VOCs产生的臭氧生成潜势（OFP）为306.4×10⁴ t,含氧VOCs、烯烃和烷烃分别占OFP总量的67%、18%和14%.对OFP贡献最大的前8个物种是乙醇、柠檬烯、异丁烷、丙二醇、二丙二醇、异戊烷、二甲醚和异丙醇,其排放量占VOCs总量的77%,但贡献了OFP总量的93%.针对日化用品的VOCs排放及其引起的臭氧污染防控应重点关注护肤品、香水和洗护用品3类产品.     

东莞市低碳路径下加速电气化对CO2和污染物协同减排影响

城市是能源消耗的中心，电气化可以整合城市能源结构，实现清洁能源高效利用，探究城市低碳路径下加速电气化的协同减排影响对实现城市减污降碳至关重要.基于长期能源替代规划模型(LEAP-DG),设置了基准情景、低碳情景和加速电气化情景等3类情景，评估电气化措施在不同电力结构下的减排潜力，量化重点部门的措施贡献，探讨广东省典型制造业城市东莞的协同减排效果.结果表明，电力结构优化促进了电气化措施的协同减排效果，低碳路径下加速电气化将进一步降低电力污染物排放强度，2050年，东莞市CO₂、 NO_x、 VOC和CO减排7.35×10⁶、 1.28×10⁴、 1.62×10⁴和8.13×10⁴ t, SO₂和PM_2.5消费侧减排量和生产侧增排量达到平衡.电气化渗透速率和电力结构优化协调发展是电气化措施实现减排效益的关键，工业和交通部门加速电气化将同时降低CO₂和大气污染物排放，交通部门得益于燃油车和电动车的高...     

成都市城区大气VOCs季节污染特征及来源解析

为研究成都市城区大气VOCs季节变化特征,本研究在2018年12月至2019年11月对VOCs组分进行监测,并对VOCs的浓度水平、各化学组成、化学反应活性和来源进行分析.结果表明,成都市城区春、夏、秋和冬季VOCs的平均体积分数分别为32.29×10~(-9)、 36.25×10~(-9)、 40.92×10~(-9)和49.48×10~(-9),冬季的浓度明显高于其他季节,春季和夏季的浓度水平相差不大,各季节VOCs的组分浓度水平有所差异,冬季烷烃占总VOCs的比例最大,可能受机动车排放的影响较明显;夏季和秋季含氧(氮)挥发性有机物占比远高于春、冬季,一次源的挥发排放和二次转化的生成贡献较大;成都市城区不同季节大气中VOCs平均浓度排名靠前的关键组分基本无变化,主要是C_2～C_4的烷烃、乙烯、乙炔及二氯甲烷等,可能受机动车尾气、油气挥发、溶剂使用和LPG燃料等影响明显,夏季丙酮以及乙酸乙酯等含氧有机物浓度贡献突出;根据·OH消耗速率和OFP计算可知关键活性物种主要为间/对-二甲苯、乙烯、丙烯、1-己烯、甲苯、异戊烷和正丁烷等,这些物种应该优先减排和控制;四季VOCs源解析结果显示:春、夏季温度较秋、冬季高,光照更强,PMF明显解析出天然源和二次排放贡献,同时,由于夏季温度较高,解析出油气挥发占9%;秋、冬季占比增加的源主要为机动车尾气和燃烧源,燃烧源的排放占比在25%左右,另餐饮源的排放占比在9%左右.     

产业转移视角下京津冀石化产业碳排放因素分解与减排潜力分析

石化产业是我国经济的支柱性产业,但其大量的碳排放却给环境造成严重负担,因此提倡石化产业低碳发展能有效推动京津冀区域经济与环境绿色均衡发展.基于产业转移视角,分析2007-2016年京津冀区域石化产业碳排放量现状;运用对数平均迪式分解（Logarithmic Mean Divisia Index,LMDI）法分解并分析京津冀区域石化产业碳排放量影响因素在三地的作用效果,进而借助产业竞争力系数佐证碳排放量影响因素作用效果在区域间的关联性;最后通过合理调整京津冀区域石化产业能源结构,将未调整和调整后的能源结构类型分别设置为基准情境和低碳情境,利用SPSS拟合最优曲线来预测2017-2030年京津冀区域石化产业减排潜力.结果表明:①2007-2016年京津冀区域石化产业碳排放量增加386.79×104 t,碳排放强度由0.77 t/（104元）降至0.31 t/（104元）.②2007-2016年,能源强度因素使京津冀区域石化产业碳排放量减少13 663.77×104 t,其贡献率高达148.38%;人均GDP因素促使石化产业碳排放量增加12 327.10×104 t,贡献率达110.69%.③对于石化产业竞争力系数,北京市由0.03降至-0.02,为三地石化产业转出地;河北省由-0.14增至0.16,为转入地.④在低碳情境下,2020年、2030年京津冀区域石化产业碳排放量分别比基准情境减少502.84×104、528.95×104 t,碳排放强度分别降至0.19、0.17 t/（104元）,均达到发展目标的要求.研究显示,2007-2016年京津冀区域石化产业碳排放量逐年上升,承受巨大减排压力,该区域可以通过调整石化产业能源结构来挖掘碳减排潜力,推动石化产业绿色发展.      

天津市非道路移动源污染物排放清单开发

基于天津市非道路移动源污染管控需求,根据调研收集到的2015年非道路移动源活动水平数据,采用环保部《非道路移动污染源排放清单编制技术指南(试行)》推荐的核算方法,建立较为完整的天津市非道路移动源排放清单,分析污染物的时空分布.2015年,天津市非道路移动源排放CO 6.15×10~3t、HC 2.45×10~3t、NO_x2.90×10~4t、PM 1.45×10~3t、SO_21.37×10~4t.船舶污染物排放占比最高,为所有非道路移动源污染物排放总量的73.66%,主要分布于天津港区;其次是非道路移动机械,占21.66%,主要分布于市郊种植业和养殖业区县、城市建设和人群活动较为密集的城区;民航飞机和铁路机车占比较小,分别为3.55%和1.13%,主要分布于机场和铁路沿线.总体上,非道路移动源从3月开始排放量逐渐升高,而年底和年初(冬季)排放量相对较低.     

经济结构调整的污染减排效应：以COD减排为例

经济结构调整是减少污染物排放的重要手段.为定量分析经济结构调整对污染减排的影响,将全国分为东部、东北、中部和西部4个子区域、工业分为39个行业,以化学需氧量(COD)为例,通过构建模型分析区域结构和行业结构调整对总量减排和排放强度的影响.结果表明,2000～2010年:1中国COD排放量由1445×104t降至1 238×104t,11 a间共排放14 950×104t.其中东部地区排放量最多,占总量的比重约为35.6%.2在工业COD排放量中,造纸及纸制品业排放量最大,占工业COD排放量的35.8%.3四大地区经济结构变化减少COD排放420×104t,使COD排放强度降低1.29%.4工业内部行业结构的变化减少COD排放533×104t,使COD排放强度降低3.1%.研究结果对指导中国经济结构调整、实现节能减排目标具有一定的参考价值.     

基于污染防治技术模拟的造纸行业环境管理方法研究

为评估工业水污染物减排潜力、探究污染防治技术模拟在污染物总量控制、污染物排放限值等环境管理中的应用,按照"原料-工艺-技术-产品"的耦合关系建立了"工业污染物减排潜力分析及环境管理"模型,集成自下而上建模和情景分析等方法在我国造纸行业进行案例研究.结果表明,在政策组合情景下,废水、COD、氨氮在2015年的减排潜力分别为7×108t、39×104t、0.3×104t,2020年分别为13.8×108t、56×104t和0.5×104t;2010~2020年期间加强末端治理仍然是主要减排途径,但2015~2020年间行业结构调整的作用将逐渐提升,并使行业产污水平在2015年和2020年基本达到国内或国际先进水平,废水和氨氮指标在2015年和2020年基本满足排放标准,但COD难以达标.     

北京怀柔O3污染过程初始VOCs浓度特征及来源分析

为了解北京怀柔区夏季典型O₃污染过程中初始VOCs（挥发性有机物）浓度（以φ计）的特征,识别其关键物种及主要来源,于2016年8月3-11日在中国科学院大学雁栖湖校区教学楼顶开展强化观测,利用光化学物种比值法和连续反应模型法测算观测期间大气初始φ（VOCs）,采用MIR（最大增量反应活性）法估算初始VOCs的OFP（O₃生成潜势）,识别关键物种,并应用PMF（正交矩阵因子）模型对初始VOCs的来源进行解析.结果表明:北京怀柔区O₃污染过程中初始φ（VOCs）平均值为25.27×10-9,如忽略化学损失,φ（VOCs）将被低估约18.6%.初始VOCs的总OFP值为144.6×10-9,VOCs物种对总OFP贡献率的顺序依次为醛酮类>烯烃>芳香烃>烷烃,异戊二烯、乙醛、己醛、间/对-二甲苯、甲苯、乙烯、丙烯、1,2,4-三甲苯、丁酮、1,3,5-三甲苯是怀柔区O₃形成的关键活性物种.PMF解析结果显示,机动车尾气源对初始φ（VOCs）的贡献率（23.5%）最高,其次是溶剂使用源（18.3%）、植物排放源（18.1%）、工业过程源（17.6%）、生物质燃烧源（12.1%）和煤炭燃烧源（10.5%）.研究显示,在北京怀柔区典型O₃污染过程中,减少机动车尾气源、溶剂使用源、上风向工业过程源的排放是控制怀柔区VOCs的有效措施,而控制异戊二烯、乙醛、己醛、间/对-二甲苯、甲苯等关键活性物种则是有效抑制VOCs排放对O₃生成贡献的重要手段.      

北京市燃煤源排放控制措施的污染物减排效益评估

为分析北京市燃煤源排放控制措施的污染物减排效益,基于MEIC（中国多尺度排放清单模型）,采用情景分析法,评估了北京市电厂能源清洁化与末端治理、燃煤锅炉改造和城区平房区居民采暖改造等措施的污染物减排效益.结果表明,相对于无控情景,2013年北京市电厂能源清洁化与末端治理减少PM_2.5、PM₁₀、SO₂和NO_x排放量为1.28×104、2.10×104、5.13×104和4.98×104 t,分别占无控情景的85%、86%、87%、74%;北京市燃煤锅炉改造减少PM_2.5、PM₁₀、SO₂、NO_x排放量为1.09×104、2.68×104、11.64×104和5.81×104 t,分别占无煤改气情景的83%、89%、83%、83%;北京市老旧平房区的居民采暖改造减少PM_2.5、PM₁₀、SO₂和NO_x排放量分别为630、870、2 070和790 t,均占无煤改电情景的8%.研究显示,北京市从1998年开始采取的各种减排措施有效地减少了污染物的排放,对北京市空气质量改善具有重要意义.