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.     

北京大兴国际机场排放及其环境影响与预测

本研究结合北京大兴国际机场(PKX)运营后一年间的实际航班飞行数据，参考国际民航组织(ICAO)最新发布的飞机发动机排放数据库(EEDB)，建立了大兴机场飞机起飞着陆循环(LTO)大气污染物排放清单，将排放清单分为试运营、新冠疫情和常态化3个阶段，利用ADMSAirport模型模拟评估了不同阶段机场排放大气污染物对周边地区的空气质量影响.最后，创新性地提出一种基于航班活动水平和气象要素的预测方法，预测了中长期规划下，机场对未来的大气环境影响.结果表明，研究期间内北京大兴国际机场LTO循环CO、NO_x、HC、SO₂和PM的排放量分别为389.55、574.37、31.21、45.22和4.85 t，其中NO_x和CO是主要排放污染物，分别占总排放污染物的54.9%和37.3%.CO和HC排放主要分布于滑行阶段，分别占该污染物总排放量的93.4%和94.1%，而NOx排放主要集中在起飞和爬升阶段，约占其排放总量的63.7%.在该机场起降所有机型中，B738排放污染物总量最高，A332/333单位LTO循环排放的PM最高.空气质...     

中国民用航空机场大气污染物及碳排放清单

基于2017~2020年中国民用航空局飞机起降数据、机队配置数据和国际民航组织（ICAO）飞机发动机排放因子数据库等数据,自下而上编制了2017~2020年中国民用航空机场高分辨率飞机起飞着陆（LTO）循环大气污染物及碳排放清单,在此基础上探究中国民用航空机场大气污染物和碳排放时空分布特征.分析2000~2020年3次疫情（2003年非典、2012年中东呼吸症、2020年新冠疫情）对机场大气污染物及碳排放影响.结果表明,2020年中国民航机场LTO循环NO_x、CO、HC、SO₂、PM和CO₂排放量分别为10.90,8.22,0.96,0.28,0.06,1360.27万t;HC、CO、SO₂、CO₂在滑行阶段排放量最大,分别占总排放量的92.80%、91.56%、41.81%、41.81%.NO_x、PM在爬升阶段排放量最大,分别占总排放量的47.93%、37.39%;2017~2019年我国民航机场飞机LTO循环大气污染物及碳排放总量呈现逐年增长的趋势,受新冠疫情影响2020年排放总量下降22.39%;排放集中在经济较为发达的华东地区.在2000~2020年3次疫情中,新冠疫情对我国民航机场飞机LTO循环排放量影响最显著.     

基于实际飞行数据的首都机场飞机发动机日排放清单估算方法研究

根据航班实际飞行数据估算机场飞机主发动机排放量,可以提升机场排放清单编制的准确度.基于北京首都机场某日运行数据和国内1326架次航班的机载飞行数据(QAR数据),研究了基于飞行数据的机场飞机主发动机排放清单制定方法.采用一阶近似3.0(FOA3.0)方法补充国际民航组织发动机排放数据库颗粒物基准排放指数,结合QAR数据,应用波音燃油流量法2(BFFM2)估算了实际飞行条件下污染物排放指数,编制了首都机场该日飞机主发动机排放清单,分析了首都机场航班排放特征.在此基础上,探讨了结合实际数据本地化的着陆和起飞循环,以期为机场飞机主发动机排放量的快速准确核算提供新的思路.结果发现,该日航班主发动机HC、CO、NO_x和PM_(2.5)排放量分别为933.9、10967.8、14703.5和85.5 kg,较标准LTO循环估算结果的偏差分别为15.6%、13.2%、-29.1%和-18.9%.NO_x排放主要集中在起飞和爬升阶段,占其排放总量的68.0%;HC和CO排放主要集中在滑行和慢车阶段,分别占其排放总量的90.0%和88.0%;PM_(2.5)在各飞行阶段的排放较为平均.对于单位LTO循环,航班滑行过程中平均排队等候(地速为零)时间为7.7 min,产生的HC、CO、NO_x和PM_(2.5)分别占总滑行阶段对应污染物排放量的26.3%、27.5%、25.7%和27.5%,这一部分排放量有望通过场面运行优化进一步控制.     

中国民航机场飞机起飞着陆(LTO)循环排放量估算

为了估算飞机在民航机场的污染物(HC、CO、NOx、SO2)排放量,基于国际民航组织(ICAO)标准中的起飞着陆(LTO)循环概念,采用其发动机排放数据库(Engine emission data bank),结合我国民航机队资料和民航飞行数据,通过计算全国123个机场1周内飞机LTO循环的气体污染物排放量,拟合出LTO循环数与各种污染气体排放因子的关系.结果表明,2002～2006年民航机场LTO循环排放量分别为24680.54、24701.30、31084.55、35633.84、40645.55t;2006年我国全民航机场飞机LTO循环HC、CO、NOx、SO2的排放量分别为1514.48、14341.16、23095 19、1694.71t,旅客吞吐量前20位的机场排放占全国排放总量的68.25%.考察对比了2003及2004年度全国7大空域的机场飞机LTO循环排放分布,结果表明,在标准LTO循环的进近、滑行、起飞以及爬升4种模式中,滑行段所排放的污染物约占整个循环的50%,滑行时间降低4min,排放总量降低6%.     

郑州新郑国际机场本地化排放因子与排放清单

基于郑州新郑国际机场的飞行数据和国际民航组织发动机排放数据库,获得2019年飞机实际飞行时间,测算了全年所有机型飞机 主发动机的污染物排放因子,建立了包括飞机及地面特种车辆在内的机场精细化大气污染物排放清单.结果表明,新郑国际机场飞机运行时间对典型机型耗油量影响明显,月际变化趋势一致.典型机型的本地化污染物排放因子的差异,与各飞行阶段的耗油量和单位燃油污染排放量密切相关,其中,波音B738机型运行占比最大且排放因子较高.2019年新郑国际机场NO_x、CO、HC、SO₂和PM的总排放量分别为1207.7、921.2、123.7、268.3和36.2 t,主要来自飞机主发动机排放.研究期内,各类污染物排放均在11：00达到峰值.飞行阶段中,NO_x排放主要来自飞机在 起飞降落循环中的爬升阶段,占比达45.6%;CO和HC在地面滑行阶段的排放占比远高于其他运行阶段,分别占95.4%和93.9%;SO₂和PM在不同工作模式下的排放占比较为接近.各机型中,波音B738和空客A320两种机型在5类污染物排放量中贡献最大,波音B737机型排放CO较高.     

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%.     

首都国际机场飞机排放清单的建立

将基于标准起飞着陆（LTO）循环各阶段工作时间的飞机排放量计算方法加以改进,利用AMDAR资料计算飞机的有效排放高度,进而准确计算出基于逐架飞机的大气污染物排放总量.结果表明,首都国际机场2013年飞机NO_x、CO、HC、SO₂和PM_2.5排放总量分别为7042.1t、3189.9t、295.3t、429.4t和150.4t.与传统的基于LTO循环的方法相比,修正后的首都机场飞机NO_x、CO、HC和SO₂排放增加了23.5%、2.3%、2.1%和18.1%.飞机排放的CO、HC、SO₂和PM_2.5月变化较小,NO_x排放受飞机有效排放高度影响月波动较大.1～2月飞机污染物排放量处于全年最低水平,8月各污染物排放达到峰值.此外,飞机在爬升和滑行/慢车两种模式下污染物排放比例最大,分别占排放总量的37.7%与36.8%.     

民航飞机起飞过程气态污染物排放特征分析

民航飞机在起飞过程中发动机推力高、耗油量大,并且飞行高度低,由其排放的污染物对局地空气质量和人体健康存在较大影响.选择B737-800作为典型机型,通过对飞机性能参数的模拟,精确计算了其在全推力和减推力等多种方式下起飞离场爬升至1 000 m高度过程中NO_x、CO、HC和SO_2的排放量,并与ICAO基准模型估算结果进行对比.结果表明,NO_x是排放量最大的污染物.其中,全推力起飞过程4种污染物的排放量分别为4.849、0.062、0.031和0.229 kg.减推力起飞方式下,选择更高的灵活温度后,NO_x和CO排放量分别降低和升高,HC和SO2排放量变化不大.经过对比发现,ICAO的基准排放模型,对4种污染物的估算结果存在较大偏差.与机动车相比,单次全推力起飞过程与一辆小客车行驶9 508 km的NO_x排放量相当.精确计算方法为准确估算机场区域飞机污染排放清单提供基础.     

中国城市轻型车的排放特性

采用机动车实际上路排放测试系统对北京、重庆和成都3城市27辆轻型车进行了测试和分析;采用发动机比功率VSP、发动机负荷ES和排放单元BIN分析了轻型车瞬态排故的特征及影响排放的主要因素.结果表明.发动机技术和累计行驶里程对排放的影响很大,而VSP等概念还反映了道路坡度对排放因子的影响;由于城市道路坡度的差异,导致同一测试车辆在重庆和成都2个城市的排放水平相差10%～100%.     

基于在线监测的2015年中国火电排放清单

伴随着超低排放技术在中国火电行业的广泛应用,中国火电行业排放水平已发生了显著变化.故现有火电排放清单排放因子和排放量等无法反映当前火电污染物排放提标情况.基于全国火电在线监测（CEMS）、环境统计和排污许可等数据,提出一种自下而上逐企业建立中国火电行业排放清单的方法.与传统方法相比较,该方法的特点是更加全面的考虑了火电行业超低技术,实际排放浓度与活动水平等综合因素.作为实例,本文基于所提出的火电行业排放清单的方法计算了新的2015年中国火电行业排放清单（HPEC）.结果表明2015年全国火电厂SO₂、NO_x和烟尘平均排放浓度范围分别为7.88~208.57、40.33~238.2和5.86~53.93mg/m³.北京、上海火电排放基本达到《煤电节能减排升级与改造行动计划（2014~2020年）》制定的超低改造目标;绝大部分的省份SO₂、NO_x在线监测均值小于排污许可执行标准均值.中国燃煤机组的SO₂、NO_x、烟尘排放因子平均值分别为0.67、0.76、0.16g/kg（以入炉煤计）.全国火电CO、VOCs、NO_x、SO₂、PM₁₀、PM_2.5总排放量分别为403.87、10.73、122.94、146.68、28.72和22.80万t/a,平均排放绩效值分别为1.06、0.03、0.32、0.39、0.08、0.06g/（kW×h）.     

广州市机动车排放因子隧道测试研究

选取广州城市隧道进行连续48h的监测,获得了隧道内NOx,CO,SO2,PM10和HC等污染物的浓度、交通和气象等实测数据,计算出隧道内机动车NOx,CO,SO2,PM-10和HC的单车平均排放因子分别为1.38,15.40,0.14,0.64和1.86g/(km*辆),并得到了8类机动车各种排放污染物的综合排放因子.      

乌鲁木齐市机动车排放清单研究

近年来随着乌鲁木齐市机动车数量的快速增加,致使机动车排放污染突出. 通过调查乌鲁木齐市2007年机动车的保有情况及技术水平分布,研究了各类型机动车的排放因子以及年均行驶里程,并测算了该市2007年机动车污染物排放总量、分区排放量及各类型机动车的分担率. 结果表明:2007年在乌鲁木齐市注册的各类型机动车排放的CO总量为11.09×104 t,HC总量为1.53×104 t,NO_x总量为2.73×104 t,PM总量为0.38×104 t;其中CO和HC排放主要集中在城区,NO_x和PM排放主要集中在外埠;在城区的机动车排放中,CO和HC排放以轻型载客汽车为主,NO_x排放以中重型公交车为主,PM排放以中、重型载货汽车为主.      

中国典型城市机动车排放演变趋势

选择中国12个典型城市建立1990~2009年机动车排放清单,分析各城市机动车排放历史演变趋势.结果显示,1990~2009年,研究各城市CO、VOCs、NOx和PM排放因子分别降低57%~81%、53%~78%、22%~74%和31%~76%.20年间,各城市CO和VOCs排放量总体在2000年后陆续达到增长峰值后开始下降,总量分别增长1.0倍和1.4倍;NOx和PM排放量总体保持持续增长,分别增长3.2倍和3.3倍.各城市汽油车是CO和VOCs排放主要贡献源,LDA-G、MDTB-G和HDTB-G对各城市机动车CO和VOCs排放的贡献和分别为约70%~90%和约50%~85%,其中LDA-G的排放贡献明显提高.LDA-G、MDTB-G、MDTB-D和HDTB-D贡献了80%~90%的NOx排放,其中MDTB-D和HDTB-D的排放贡献率从平均57.8%上升为72.7%.对于PM,MDTB-D和HDTB-D占排放的70%~90%.此外,部分城市摩托车排放的贡献不容忽视.     

2013～2017年江苏省人为源氨排放清单的建立及特征

根据江苏省各类氨排放源活动水平数据,采用合理的清单测算方法和排放因子,建立了2013～2017年江苏省人为源氨排放清单,对其历年来人为源氨排放量的变化趋势进行分析.利用Arc GIS软件对江苏省人为源氨排放量及排放强度的分布特征进行分析.结果表明,江苏省的氨排放量由2013年的624. 84 kt减少至2017年的562. 47 kt,年均下降率约为2. 6%.农业源一直是江苏省最主要的氨排放源,2017年时占江苏省氨排放总量的82. 4%;蛋鸡是畜禽养殖源中最大的氨排放源,占畜禽源氨排放量的49. 3%. 2017年江苏省氨平均排放强度为5. 3 t·km~(-2),其中盐城市和徐州市是江苏省人为源氨排放量和排放强度最大的两个城市,镇江市的氨排放量和排放强度最小.     

大气排污交易政策在我国的试点

在分析国内外近年来环境管理思想及策略发展的基础上,以实例说明了大气排污交易政策在我国实施的重要意义及强大的生命力。大气排污交易由泡泡政策、补偿政策、净得政策、排污量存储政策组成。现阶段我国实施大气排污交易政策主要在同一厂区＂以新带老＂、排污补偿及可用购买盈余排污量来达到排放标准三方面进行。文章还论述了排污交易量、排污交易费用确定的原则及管理办法。     

船舶大气污染排放的研究进展

船舶是大气污染的重要来源,其排放的NOx占化石燃料源的15%左右,SO2占人为源的4%~9%。国内外从3个方向开展对船舶大气污染的研究:(1)对大气气候影响;(2)源清单计算;(3)排放因子测量。船舶排放的多种污染物可改变空气质量;对大气辐射收支产生直接和间接影响;对海洋大气的成云效应产生影响。船舶源清单主要有2种计算方法:基于燃料消耗的方法,适用于长时间大尺度计算;基于船舶活动情况的方法,适用于高空间分辨率计算。排放因子测量有台架试验和空中烟羽测量2种方法:前者测量结果准确,条件设定自由;后者可行性高,并能提供颗粒物增长转化信息。国内研究尚处于起步阶段,需要建立完整的船舶排放清单,开展排放因子的测试和修正工作。     

北京市民用燃煤烟气中气态污染物排放特征

以北京远郊农村居民常用的蜂窝煤、煤球、烟煤散煤为实验用煤,开展燃烧实验.研究了烟气无机污染物排放因子、VOCs释放情况.结果表明在充分燃烧的条件下,蜂窝煤、煤球、烟煤气态污染物SO2排放因子分别为1.50、1.91、1.62kg·t~(-1);NOx排放因子分别为0.420、0.901、2.20 kg·t~(-1);CO排放因子分别为22.4、37.3、87.3 kg·t~(-1).燃烧排放的NOx和CO的排放因子顺序关系为:烟煤煤球蜂窝煤;SO2的排放因子大小顺序分别为:煤球烟煤蜂窝煤.获得了北京市2014年3种民用煤燃烧排放的气态污染物的排放清单,烟煤散煤排放的SO2超过了0.55万t,NOx超过了0.75万t,CO超过了29万t.3种煤质燃烧过程中点火和封火阶段VOCs排放浓度相对较高,各阶段VOCs排放因子为点火阶段最高,封火阶段次之.     

Estimation of VOC emissions

Emissions of volatile organic compounds (VOCs) is a major concern for industry. In order to reduce these, and to apply prevention options, it is necessary to accurately quantify them. A reliable methodology for such quantification does not yet exist. This paper presents an overview of methods currently available, together with some shortcomings. It urges further work to develop reliable techniques, and suggests possible areas for future work.