荆州开发区高分辨率大气源排放清单构建研究

为准确掌握荆州开发区大气污染物排放状况,该研究采用排放因子法,基于资料收集与实地调查结合的方式获取活动水平、文献调研选取排放系数,结合ArcGIS平台,建立了荆州开发区2019年1 km×1 km 10类排放源9种大气污染物排放清单。结果表明：开发区SO₂、NO_x、CO、VOCs、NH₃、PM₁₀、PM_2.5、BC和OC的排放量分别为850.4、2 407.1、4 584.0、4 848.3、107.7、8 602.1、4 485.3、57.8和159.6 t。移动源是NO_x的主要来源,占NO_x总排放量的43.8%。固定燃烧源是CO的主要来源,占CO总排放量的81.5%。工艺过程源是SO₂、VOCs、PM₁₀、PM_2.5和OC的主要来源,分别占SO₂、VOCs、PM₁₀、PM_2.5和OC总排放量的50.9...     

沈阳市人为源大气污染物排放清单研究

为全面评估沈阳市大气污染物排放状况，文章收集和整理了相关活动水平信息和排放因子数据并采用排放因子法建立了2016年沈阳市人为源大气污染物排放清单。结果显示：2016年沈阳市人为源CO、NO_x、SO₂、NH₃、VOCs、PM2.5、PM10、BC和OC的排放总量分别为38.64×10⁴、10.63×10⁴、3.17×10⁴、5.28×10⁴、14.03×10⁴、5.54×10⁴、10.59×10⁴、0.57×10⁴和1.82×10⁴ t。按照排放源分类，CO、NO_x和BC主要来自移动源，SO₂主要来自化石燃料固定燃烧源，NH₃主要来自农业源，VOCs主要来自工艺过程源，PM_2.5和PM₁₀主要来自扬尘源，OC主要来自其他...     

聊城市2020年大气污染物排放清单与空间分布特征研究

为准确掌握聊城市大气污染物排放情况，加强大气污染管控，本文采用“自上而下”与“自下而上”相结合的方法建立了聊城市2020年大气污染物排放清单.结果显示，2020年聊城市SO₂、NO_x、CO、VOCs、NH₃、PM₁₀、PM_2.5、BC、OC排放量分别为11.70×10³、61.28×10³、285.19×10³、28.43×10³、66.87×10³、47.83×10³、17.15×10³、0.751×10³、1.07×10³ t.其中，SO₂最大排放源为化石燃料固定燃烧源(64.96%)，移动源为NO_x排放第一大源(71.27%),CO排放主要来源于工艺过程源(45.71%)和化石燃料固定燃烧源(32.88%),VOCs的主要排放源为溶剂...     

邯郸市大气污染源排放清单建立及总量校验

邯郸作为"2+26"城市主要的重工业城市之一,位于京津冀南北传输通道的核心位置,在京津冀地区大气污染协同调控中处于重要地位.为改善当地空气质量,以邯郸市为研究对象,基于拉网式调查获取详细活动水平数据,结合相关排放因子,得到2016年邯郸市大气污染源排放清单;采用WRF-CMAQ（气象-空气质量）数值模型,模拟了2016年典型季节代表月（1月、4月、7月、10月）的空气质量,验证了数值模型的准确性;最后基于总量校验方法,反向估算了邯郸市典型污染物的排放总量,对初始大气污染源排放清单进行校验.结果表明:①2016年邯郸市SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOCs、NH₃的总排放量分别为78 533、183 126、497 466、258 940、124 637、3 735 355、200 309、187 299 t.②工业源是SO₂、NO_x、PM_2.5、CO和VOCs的主要排放源,分别占总排放量的74.5%、54.5%、30.6%、76.7%和28.1%;无组织扬尘源对TSP、PM₁₀、PM_2.5的贡献较大,分别占总排放量的58.5%、43.6%、30.3%;NH₃的主要排放源为农畜氨及人体和其他氨,二者排放的NH₃占总排放量的96.9%.③总量模型估算得到邯郸市PM_2.5、SO₂、NO₂年排放量分别为152 739、79 405、206 549 t;对比分析校验前、后典型污染物排放发现,校验前的大气污染源排放清单可能低估了PM_2.5和NO_x的排放量.研究显示,邯郸市污染物排放量较大,工业源为主要排放源,建议相关部门加强对工业源的管控力度.      

华北地区典型机场清单建立及空气质量影响

基于利用AMDAR数据确定大气混合层高度进而对飞机不同工作状态下的时间进行修正的计算方法，核算了2017年华北地区6座典型机场大气污染物排放量.结果显示，6座机场NO_x、CO、VOC、SO₂与PM_2.5的排放总量分别为21504.2，7074.8，1424.0，1283.6和323.2t.飞机源NO_x、CO、VOC与SO₂的排放量远高于机场内其他污染源，而对PM_2.5的排放贡献相差较小.HC与CO的排放主要集中在滑行阶段，占比分别为90.6%与90.2%，而NO_x、SO₂与PM_2.5的排放主要集中在爬升阶段，排放占比分别为58.9%、38.7%和43.5%.6座机场1月份污染物排放量较低，在8月份达到峰值.基于本研究建立的天津滨海国际机场大气污染物排放清单，利用WRF-CAMQ模型研究机场排放对周边区域PM_2.5浓度的影响.结果表明机场区域小时最大贡献浓度为3.24μg/m³；距离机场5km处的年均贡献浓度与小时最大贡献浓度分别为0.08和2.84μg/m³.     

中国钢铁行业排放清单及大气环境影响研究

自下而上建立2018年中国高分辨率钢铁企业大气污染物排放清单（HSEC,2018）,定量模拟中国钢铁企业2018年和未来年情景下排放各种大气污染物对环境的影响情况.结果表明：2018年,中国钢铁行业共排放SO₂、NO_x、PM₁₀、PM_2.5、PCDD/Fs、VOCs、CO、BC、OC、EC、氟化物分别为29.02万t、66.57万t、28.73万t、11.69万t、2.24kg、89.21万t、4057.49万t、0.45万t、0.61万t、0.06万t、0.88万t,焦化、烧结、球团、高炉4个铁前工序是中国钢铁行业大气污染物主要排放环节,中国钢铁行业对各省份SO₂、NO_x、PM_2.5年均浓度贡献比例平均值分别为2.85%、3.37%、1.54%;未来年,中国钢铁企业SO₂、NO_x、PM₁₀排放量分别为4.94万t、7.58万t、4.11万t,分别下降了82.98%、88.61%、85.69%,中国钢铁行业对各省份SO₂、NO_x、PM_2.5年均浓度贡献比例平均值分别为0.31%、0.22%、0.02%.     

我国水泥工业大气污染物排放量估算

水泥工业是粉尘,SO₂和NO_x等多种大气污染物的重要排放源.根据各地水泥工业的工艺现状、活动水平、除尘器的除尘效率和污染物排放因子,估算了1995—2005年我国水泥工业生产过程中排放的粉尘,PM₁₀,PM_2.5,SO₂,NO_x,氟化物和CO等的排放量,并给出了2005年分省区、分工艺的排放清单.结果表明,污染物排放量与水泥活动水平呈正相关.1995年以来,随着水泥产量增加,污染物排放量增长迅速,2005年我国水泥工业排放排放粉尘520.69×104 t,PM₁₀437.24×104 t,PM_2.5301.06×104 t,SO₂ 86.09×104 t,NO_x286.67×104 t,氟化物57.72×104t,CO1 987.97×104 t;山东、浙江、江苏、河北和广东等水泥生产大省污染物排放量较大,污染物排放总量占全国总排放量的46.6%,新型干法的推广应用有助于大气污染物的减排.      

西宁市生物质燃烧源大气污染物排放清单

本研究根据调查的西宁市生物质燃烧源活动水平数据,采用排放因子方法,建立了 2018年西宁市生物质燃烧源9种大气污染物的排放清单,并分析了清单的时空分布特征和不确定性.结果表明,西宁市2018年生物质燃烧源CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC 的排放量分别为 11 718.34、604.41、167.80、209.72、1 617.97、2 054.04、2 135.04、281.07和 1 224.78 t.秸秆露天焚烧 CO、NOx、VOCs、PM2.5、PM10、BC 和OC 的排放对生物质燃烧源的排放贡献率最高;其中,秸秆露天焚烧NOx、VOCs和CO的贡献率分别为72.35％、63.94％和53.18％.户用生物质炉NH3和SO2的排放对生物质燃烧源的贡献率最大,分别为41.49％和42.05％.生物质燃烧源大气污染物排放地区分布不均衡,主要集中于大通县和湟中区.生物质燃烧源9项污染物的排放量在1、2、3、10、11和12月较大,占比在5％～33％.蒙特卡罗模拟结果表明,在95％置信区间下,不确定度最高的是森林和草原火灾的PM2.5排放,不确定度为-26.71％～29.78％.     

基于卫星火点排放清单(FINN)的我国东北三省生物质户外燃烧网格化清单建立及时空演变特征分析

生物质户外燃烧是影响环境空气质量的重要污染源,东北三省作为我国的重要农业产区,分析其生物质户外燃烧情况能够为当地秸秆资源综合利用和环境质量改善等提供依据.该研究基于卫星火点排放清单(Fire INventory from NCAR,FINN),分析了我国东北三省2016-2020年生物质户外燃烧火点的时空分布特征,结合空气质量监测数据进行了重污染天气成因分析,并建立了可用于数值模拟的生物质户外燃烧源网格化清单.结果表明：(1)东北三省2018-2019年火点数量较2016-2017年大幅减少,2020年有所增加.年内火点主要出现在春秋两季,春季相对更多.火点主要分布在东北平原,即黑龙江省的东部和西部,以及吉林省西部等,其他地区火点数量相对较少,呈零散式分布的特点.(2)该研究搭建了东北三省2016-2020年生物质户外燃烧源网格化清单,清单空间分辨率为3 km,污染物种类包括SO₂、NO_x、CO、NMVOC、NH₃、PM₁₀、PM_2.5、BC和OC等,2016-2020年污染物...     

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%.     

四川省大气固定污染源排放清单及特征

根据收集到的四川省电厂、工业及民用部门的活动水平数据,采用合理的估算方法和排放因子,建立了四川省2010年大气固定污染源排放清单.结果表明:12010年四川省固定源共排放SO₂ 84.1万t、NO_x 44.9万t、CO 318.8万t、PM₁₀ 44.1万t、PM_2.5 25.5万t、VOC 17.9万t;2电厂和工业过程是固定源排放的主要贡献源;3燃煤是固定燃烧排放的主要贡献源,煤矸石、焦炭、天然气对污染物的贡献也不容忽视,水泥、钢铁、轻工业制造是本地区主要的工业过程排放源;4宜宾、成都及攀枝花是固定源污染物的主要贡献城市,约占四川省总排放量的20%~40%;5电厂、能源工业燃烧清单的不确定性主要来自排放因子,而工业过程涉及排放源种类繁多且复杂,排放测试研究较少,不确定性较高.     

基于在线监测的江苏省大型固定燃煤源排放清单及其时空分布特征

大气污染物排放清单是了解各地区大气污染物排放及其时空分布,精确模拟该地区环境空气质量的最基础资料.现有大气污染物排放清单的粗时空分辨率,极大地限制了空气质量数值预报的准确性.本研究以江苏省大型固定燃煤源为例,以2012年为基准年,收集江苏省电力企业在线监控系统数据及江苏省大气核查核算表数据,结合相关文献的排放因子,分析了江苏省大型固定燃煤源主要污染物的总排放量和月变化特征.分析结果表明:1 SO2、NOx、TSP、PM10、PM2.5、CO、EC、OC、NMVOC、NH3等大气污染物的排放总量分别达到106.0、278.3、40.9、32.7、21.7、582.0、3.6、2.5、17.3、2.2 kt.2呈现2~3、7~8、12月排放量高,9~10月排放量低的月变化特征,可能原因是2~3月处于春节阶段,为保证节日供应,在此期间居民取暖、用电等都有可能增加;7~8月高温天气用电量增加,12月北方城市冬季燃煤取暖导致的煤炭消耗量增加.另外,由于部分污染物排放因子取自国内外相关文献,是本研究清单不确定性的主要因素.今后的工作可以在排放因子实测更新以及将排放清单纳入空气质量预报模式等方面进行更为深入的研究.     

四川省基于第二次污染源普查数据的人为源大气污染源排放清单及特征

本研究根据自下而上和自上而下相结合的方法收集四川省人为源活动水平数据,其中工业源活动水平来自四川省第二次污染源普查数据,涵盖11020台锅炉信息、60078家工业企业信息,成都市收集了19152家工业企业数据,占四川省企业总数的32%.各污染源选取合理的排放因子并结合GIS技术,构建了该地区2017年9 km×9 km人为源大气污染物排放清单.结果表明,2017年四川省SO₂、NO_x、CO、PM₁₀、PM_2.5、BC、OC、VOCs和NH₃排放总量分别为308.6×10³、725.7×10³、3131.2×10³、927.6×10³、422.4×10³、30.2×10³、72.0×10³、600.9×10³和887.1×10³t.固定燃烧源和工艺过程源是SO₂主要贡献源,CO的主要贡献源为工艺过程源和移动源,扬尘源和工艺过程源为PM₁₀和PM_2.5的主要贡献源,扬尘源是BC和OC最大贡献源,VOCs排放源主要来自工艺过程源、移动源和溶剂使用源,NH₃排放主要来源于畜禽养殖和氮肥施用.污染空间分布结果显示,各项污染物主要集中分布于人口密集,工业和农业较为发达的四川盆地和攀枝花部分区域,高值点位集中在成都平原地区的德阳—成都—眉山—乐山沿线.本研究建立的排放清单仍具有一定不确定性,后续研究工作中应进一步加强活动水平数据获取的准确性,针对典型污染源开展污染物排放因子测试工作,完善网格化排放清单,为四川省大气污染防治提供科学支撑.     

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.     

Comprehensive and high-resolution emission inventory of atmospheric pollutants for the northernmost cities agglomeration of Harbin-Changchun, China: Implications for local atmospheric environment management

Using a bottom-up estimation method, a comprehensive, high-resolution emission inventory of gaseous and particulate atmospheric pollutants for multiple anthropogenic sectors with typical local sources has been developed for the Harbin-Changchun city agglomeration (HCA). The annual emissions for CO, NOx, SO₂, NH₃, VOC_S, PM_2.5, PM₁₀, BC and OC during 2017 in the HCA were estimated to be 5.82 Tg, 0.70 Tg, 0.34 Tg, 0.75 Tg, 0.81Tg, 0.67 Tg, 1.59 Tg, 0.12 Tg and 0.26 Tg, respectively. For PM₁₀ and SO₂, the emissions from industry processes were the dominant contributors representing 54.7% and 49.5%, respectively, of the total emissions, while 95.3% and 44.5% of the total NH₃ and NOx emissions, respectively, were from or associated with agricultural activities and transportation. Spatiotemporal distributions showed that most emissions (except NH₃) occurred in November to March and were concentrated in the central cities of Changchun and Harbin and the surrounding cities. Open burning of straw made an important contribution to PM_2.5 in the central regions of the northeastern plain during autumn and spring, while domestic coal combustion for heating purposes was significant with respect to SO₂ and PM_2.5 emissions during autumn and winter. Furthermore, based on Principal Component Analysis and Multivariable Linear Regression model, air temperature, relative humidity, electricity and energy consumption, and the urban and rural population were optimized to be representative indicators for rapidly assessing the magnitude of regional atmospheric pollutants in the HCA. Such indicators and equations were demonstrated to be useful for local atmospheric environment management.     

南昌市固定燃烧点源大气污染物排放清单及特征

大气污染物排放清单是了解区域污染物排放特征、准确模拟空气质量的重要资料,而工业点源是大气污染的重点排放源.通过收集相关活动水平信息和合理的排放因子,采用"自下而上"的方法建立了南昌市2014年点源大气污染物排放清单.结果表明,SO_2、NO_x、CO、PM_(10)、PM_(2.5)和VOC排放总量分别为29576.2、17115.1、25946.6、4689.4、922.9和1190.4 t,其中,金属炼制行业对SO_2、CO和VOC的贡献最高,分别占37.75%、30.59%和38.45%;火电行业是NO_x的主要来源,其贡献率为47%;水泥等建材制造行业对PM_(10)和PM_(2.5)排放贡献最高,分别为26%和25%.根据排放源污染物排放量及地理坐标信息,建立了0.4 km×0.4 km的污染物排放量空间分布特征图,结果表明,南昌市大气污染物排放较为集中,青山湖区北部和新建区北部是SO_2、NO_x、CO和VOC的主要排放区,而PM_(10)和PM_(2.5)的排放量相对分散,并在安义县出现排放高值区.通过将计算结果与统计数据结果进行对比,了解所估算清单的准确程度.对SO_2和NO_x的计算值和统计值进行统计分析,结果显示,NMB(标准化平均偏差)和NME(标准化平均误差)值均小于50%,清单计算精度较高.同时,为了解清单数据质量,对清单的不确定性进行定量分析,结果显示,SO_2和VOC不确定性较低而PM_(10)和PM_(2.5)的不确定性相对较高,清单整体不确定性与其他研究结果相差不大.建议后期研究可以从提升基础数据质量和建立具有区域代表性的排放因子数据库着手,从而减小排放量的不确定性,获得精准可靠的大气污染物清单并应用于空气质量模型预报等更深入的研究.     

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.     

辽宁省人为源大气污染物排放清单及特征研究

为全面评估辽宁省关键大气污染物排放状况,系统收集和整理全省基础活动水平信息,采用排放因子法建立了该省2012年人为源大气污染物排放清单.结果显示,2012年辽宁省SO_2、NO_x、CO、PM10、PM_(2.5)、BC、OC及NH_3排放总量分别为1434.8×10~3、1632.3×10~3、6682.9×10~3、1529.9×10~3、1087.8×10~3、74.5×10~3、176.1×10~3t及880.4×10~3t.BC和OC最大贡献源为生物质燃烧源,排放集中分布在辽宁中、西部;NH_3主要来自畜禽养殖与化肥施用,排放高值区位于辽宁中部农业畜牧业发达地区;其他污染物主要来自固定燃烧源和工艺过程源,集中分布在辽宁中部城市群以及大连金州区、甘井子区和普兰店区.大连、沈阳是SO_2、NO_x、NH_3和颗粒物主要排放城市,鞍山和本溪由于钢铁行业发达,成为CO排放量最大的城市.基于卫星观测获得的NO_2垂直柱浓度对NO_x排放空间分布进行评估,两者相关性系数为0.57(p0.01).辽宁省级排放清单与国家尺度排放清单在一定程度存在差异,主要原因在于采用的活动水平和污染物控制效率的不同,基于详细本地化污染源信息建立的省级排放清单可以较好地反映实际情况.建议完善点源排放特征信息并加强本地化测试,进一步降低省级排放清单不确定性.     

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.