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.     

基于入户调查的贵阳市生活燃煤排放清单

为准确掌握贵阳市生活燃煤大气污染物的排放状况,为南方山地城市大气污染防治工作提供科学依据,本研究于2017年对贵阳市生活燃煤情况开展了入户调查.据统计分析,2016—2018年贵阳市常住人口和生活煤炭消费量变化小.同时,采用排放系数法结合GIS技术,建立了贵阳市2016年1 km×1 km生活燃煤大气污染物排放清单.结果表明：①全市生活燃煤量约为55.9×10⁴ t,单位面积燃煤量为69.5 t·km^-2,不同区（市、县）生活燃煤量存在明显差异;从燃煤总量来看,开阳县最大,云岩区最小;从单位面积燃煤量来看,云岩区最大,息烽县最小.②全市生活燃煤PM₁₀、PM_2.5、SO₂、NO_x、VOCs、CO、OC、BC排放量分别为1230.5、783.0、6963.5、615.3、1006.8、39096.4、55.9、3.9 t,单位面积排放量分别为153.0、97.4、865.7、76.5、125.2、4860.7、7.0、0.5 kg·km^-2.③生活燃煤污染物排放量呈明显的季节性变化特征,冬季采暖季污染物的排放量远高于非采暖季.④在空间分布上,大气污染物排放主要集中在云岩区、南明区、白云区中南部,以及观山湖区东南部、乌当区西南部及花溪区东北部,这与居民生活区域基本呈一致性分布.⑤调查样本量覆盖了总家庭户数的1.5%,全市以煤炭为生活能源的住户占比约为38.1%,户均燃煤量为（1.158±0.010）t·a^-1,排放清单不确定性总体范围为-82.6%~201.0%.     

哈尔滨市秸秆焚烧大气污染负荷估算方法研究

本文针对近些年哈尔滨秋末冬初大气污染程度增加的溯源问题,基于静风污染气象及降雪对秸秆焚烧的影响等基本假设,采用箱式模型和优化拟合的方法对秸秆焚烧产生污染物的源强及其负荷进行了估算.通过对2015年和2017年典型时段数据的优化拟合得到降雪前重污染天气下PM₁₀排放源强分别为20.16、21.83 μg·m^-2·s^-1,CO的排放源强分别为149.32、138.65 mg·m^-2·s^-1;降雪后重污染天气下PM₁₀排放源强分别为15.98、7.09 μg·m^-2·s^-1,CO的排放源强分别为122.91、89.21 mg·m^-2·s^-1.由降雪前后各污染物的源强差得到2015年和2017年秸秆焚烧产生的PM₁₀的排放源强分别为4.18、14.74 μg·m^-2·s^-1,负荷分别为20.73%、67.52%;CO的排放源强分别为26.41、49.44 mg·m^-2·s^-1,负荷分别为17.69%、35.66%.本文为相关清单的研究提供了一种客观的校核方法,具有重要的社会、环境及现实意义.     

兰州市高分辨率人为源排放清单建立及在WRF-Chem中应用评估

城市尺度高分辨率人为源大气污染物排放清单是城市空气质量预报预警、污染成因分析和减排措施制定的重要基础数据,目前我国西部地区城市尺度的人为源排放清单研究仍然相对薄弱,能对接于空气质量模式的排放清单更为缺乏.本文整合已发表的清单文献,建立了可对接于空气质量模式的2016年兰州市城市尺度的人为源清单模型（HEI-LZ16）,将之应用于WRF-Chem模式,评估HEI-LZ16的准确性和适用性.结果表明：兰州市2016年人为源排放的SO₂、NO_x、CO、NH₃、VOCs、PM₁₀、PM_2.5、BC和OC总量分别为25642、53998、319003、10475、35289、49250、19822、2476和1482 t·a^-1.在模拟时间内,HEI-LZ16相比于MEIC,O₃和PM_2.5的NME值分别减小了140.2%和28.8%,HEI-LZ16更加准确适用.分析了HEI-LZ16情景下模拟的PM_2.5和O₃时空分布,兰州市臭氧MDA8呈现冬春季城区低而郊区高,夏秋季河谷城区西部及其下风向地区高的分布特征,夏秋季高浓度区的分布受偏东风和光化学反应的共同影响,冬季城区O₃浓度受NO_x排放的抑制作用浓度反而降低.PM_2.5浓度的高值区主要集中在黄河河谷盆地,本研究表明沿白银—兰州黄河河谷盆地走向的西侧存在一个污染物传输通道,其对兰州市环境空气质量具有较大的影响.     

基于隧道PM2.5取样研究南京市机动车尾气颗粒物排放特征

为研究南京地区机动车尾气颗粒物排放特征,于2020年8月对南京富贵山隧道内和隧道外进行PM_2.5采集,对样品中的水溶性离子、碳质组分的分布特征进行分析,综合总碳同位素（δ¹³C）与主成分分析（PCA）探究隧道内PM_2.5来源,并使用质量平衡模型计算了污染物的平均排放因子.结果显示,隧道入口、出口及隧道外早晚高峰期内PM_2.5平均值分别为（69.25±24.19）、（116.67±28.70）和（60.87±16.08）μg·m^-3,隧道内污染程度明显高于隧道外.隧道内外二次无机气溶胶（SNA）分布略有不同,隧道外NH₄⁺主要以（NH₄）₂SO₄的形式存在,其次为NH₄NO₃;隧道内则主要以（NH₄）₂SO₄和NH₄NO₃的形式存在.隧道内δ¹³C存在着较小的分馏,平均值为-26.0‰±0.72‰,综合δ¹³C与主成分分析,隧道内PM_2.5主要来源于机动车的一次排放、尾气颗粒物的二次转化和扬尘.富贵山隧道中PM_2.5、EC、OC的平均排放因子分别为82.86、24.22、7.07 mg·km^-1·veh^-1,与国内外其他隧道实验排放因子的对比结果显示,通过柴油车比例为6%的富贵山隧道远低于柴油车比例较高的地区.     

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.     

生活垃圾无害化处理大气污染物排放清单

为全面评估中国大陆地区生活垃圾处理大气污染物排放状况,系统收集和整理全国31个省市基础统计信息,采取排放因子法建立了2016年中国大陆地区生活垃圾无害化处理大气污染物排放清单.结果表明,2016年,全国生活垃圾填埋处理排放气态污染物的CH₄、VOCs、NH₃、TSP、PM₁₀和PM_2.5总量分别是3472084.50、185117.10、66.45、54.94、25.99和3.92 t,焚烧处理排放气态污染物的CH₄、SO₂、NO_x、NH₃、VOCs、CO、TSP、PM₁₀、PM_2.5和BC总量分别是25389.10、6419.30、70923.84、221.36、435.33、3025.19、221.36、221.36、2.21和2.86 t.通过对固体废弃物处理源、大气污染物时空分布特征以及对各省市焚烧厂在生活垃圾无害化处理厂数量的占比分析,确定生活垃圾焚烧源和填埋源处理排放的气态污染物总量在2010~2016年期间呈现上升趋势,2016年生活填埋处理是我国最主要的垃圾处理方式,主要集中在中部和西部等人口密度适中和土地资源较多的地区,生活垃圾焚烧处理主要集中在长三角、珠三角和京津冀等地区的发达城市.     

超低排放改造后燃煤电厂常规大气污染物排放特征

基于海口电厂"超低排放"燃煤机组在线监测数据和实测结果，研究颗粒物、SO₂、NO_x排放特征，分析颗粒物粒径分布和化学成分谱.结果显示，"超低排放"机组颗粒物、SO₂、NO_x排放浓度均值分别为（1.57±0.81）、（15.15±6.23）和（40.10±3.63）mg·m^-3，均满足超低排放限值要求.TSP、PM₁₀、PM_2.5、PM₁、SO₂、NO_x的排放因子均值分别为0.0099、0.0098、0.0092、0.0065、0.1131、0.2882 kg·t^-1，排放因子集中在很窄的区间内，呈正态或偏正态分布，与未进行超低改造研究结果比较，排放因子减小了1~2个数量级.颗粒物数浓度分布呈双峰分布，数浓度峰值粒径为0.027 μm和0.641 μm；质量浓度呈单峰分布，峰值粒径为1.100 μm.PM₁₀、PM_2.5、PM₁的成分谱差异很小，其主要化学组分为SO₄^2-、Ca、NH₄⁺、NO₃^-、OC，在PM₁₀中质量占比分别为29.41%±0.94%、12.09%±1.95%、9.49%±2.35%、6.96%±0.49%、4.93%±0.57%；在PM_2.5中质量占比分别为29.18%±1.58%、12.72%±1.77%、9.21%±2.01%、5.31%±0.13%、4.33%±0.72%；在PM₁中质量占比分别为29.04%±3.15%、17.99%±3.61%、8.42%±1.50%、4.445±0.08%、5.075±0.07%.     

超低改造下中国火电排放清单及分布特征

本研究基于2018年火电在线监测和环境统计等数据,自下而上编制了中国高分辨率火电行业排放清单,并核算了排放浓度、排放因子和排放量.结果表明超低排放政策效果显著：2018年火电SO₂、NO_x和烟尘平均排放浓度分别为37.57、56.71和7.41mg ·m^-3.比2015年分别下降58.71%、43.12%和60.79%;中国燃煤机组的SO₂、NO_x和烟尘平均排放因子分别为0.30、0.48和0.06 g ·kg^-1,比2015年分别下降55.2%、36.84%和62.5%;中国火电SO₂、NO_x、烟尘和PM_2.5总排放量分别为72.14、118.38、14.90和13.59万t ·a^-1,比2015年分别下降41.32%、19.29%、48.12%和40.39%.     

贵州农村地区冬季典型燃料产生的室内空气PM2.5和CO排放污染特征研究

贵州冬季阴冷潮湿,农村家庭使用原煤和生物质燃料作为家庭做饭和取暖燃料,室内空气污染对居民健康造成潜在危害。论文选取贵州农村地区冬季典型燃料使用产生的室内空气PM_2.5和CO排放为研究对象,研究其排放污染特征,并探讨室内空气CO-PM_2.5浓度间的相关性。研究结果表明,不同类型燃料的家庭室内PM_2.5浓度水平是燃煤 > 燃柴 > 沼气;厨房浓度高于客厅。燃煤的家庭厨房PM_2.5浓度最高,为222.54±41.12 μg/m³,燃柴家庭次之,为130.48±26.53 μg/m³,燃沼气家庭的厨房为74.95±19.20 μg/m³。室内CO浓度较低,不同类型燃料的家庭室内CO浓度水平是燃柴 > 燃煤 > 沼气。燃柴家庭客厅CO浓度最高,为3.16±0.73 mg/m³,其次是燃柴家庭的厨房,为2.76±0.25 mg/m³;燃煤家庭的厨房CO浓度较低,为2.32±0.33 mg/m³;最低为燃沼气家庭的厨房,为0.66±0.07 mg/m³。除沼气村外,燃煤及燃柴家庭室内(厨房和客厅)PM_2.5浓度均超过环境空气质量标准(GB3095-2012)PM_2.5限值75 μg/m³,室内CO浓度均低于该标准中CO限值10 mg/m³。固体燃料燃烧是贵州农村PM_2.5的主要来源,室内PM_2.5和CO浓度相关性分析表明二者不具有显著相关性,采用CO监测值来推算PM_2.5以提高监测效率的应用可能性受到限制。研究表明,贵州农村地区需采取更加有效的干预措施以减少室内空气污染尤其是控制PM_2.5排放。     

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.     

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.     

基于达标约束的南京市环境空气质量情景模拟

以2030年南京市6项污染物达标为约束,在2015年大气污染物排放清单基础上,利用CMAQ模型分析了PM_(2.5)对南京本地不同前体物排放的敏感性,通过情景分析预测排放清单,模拟了4种减排情景的空气质量变化,最终获得达标约束下大气污染物总量控制指标.模拟结果显示,减少一次颗粒物PPM (primary particulate matter)排放对降低大气中的PM_(2.5)浓度最为有效;在周边地区减排的基础上,本地减少PPM排放对PM_(2.5)年均浓度下降的相对贡献可达88%,其次为NH_3、NOx、SO_2与VOCs减排,其相对贡献分别为10. 3%、5. 5%、3. 2%与0. 5%;相比2015年,4种情景下南京市主要大气污染物减排比例在22%～53%,未来控制活动水平对减排SO_2、NH_3与CO较有效,而NOx和VOCs末端治理方面还有较大空间;将SO_2、NOx、PM10、PM_(2.5)、BC、OC、CO、VOCs及NH_3的排放量分别控制在2. 43×104、8. 47×10~4、9. 42×10~4、3. 74×10~4、0. 19×10~4、0. 30×10~4、26. 56×10~4、13. 08×10~4及1. 50×10~4t以内时,预计南京市6项污染指标可以达到国家环境空气质量二级标准.     

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.     

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%.     

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.     

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.     

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.     

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%.