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...     

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%.     

新冠期间河北省典型钢铁企业大气污染影响

基于国家气象局气象预报数据,建立了基于AERMOD的钢铁企业污染预报模型,模拟了新冠疫情管控期（2020年2~3月）及解封后期（2020年4~10月）河北省某钢铁企业对大气污染的影响,并结合空气质量实测数据进行模型验证.结果显示,不利风向条件下,该钢铁厂大气污染物排放对当地3个国控站点SO₂、NO_x和PM₁₀的平均浓度贡献占比,在疫情管控期分别为20.19%~33.81%,17.49%~23.46%和2.02%~2.69%,在解封后期分别为13.43%~21.01%,11.09%~20.92%和1.20%~2.22%.由于疫情管控期受其他人为源干扰较少,该钢铁厂SO₂、NO_x和PM₁₀的预报值和三个国控站点实际监测值的相关系数,在新冠疫情管控期（在单个站点中,最高分别为0.43、0.48和0.29）高于解封后期（最高分别为0.42、0.39和0.07）.     

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%.     

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）.     

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.     

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%.     

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.     

秸秆露天焚烧典型大气污染物排放因子

利用烟气污染物稀释采样系统,基于实际测试,针对玉米、小麦、花生和棉花4种农作物秸秆开展露天焚烧排放大气污染物采集和分析.利用修正燃烧效率区分燃烧状态,根据碳平衡法计算烟气中颗粒物和气态污染物排放因子.结果表明,4种秸秆露天焚烧CO、SO₂、NO_x和CH₄平均排放因子分别在7.39~92.4g/kg、0.11~0.89g/kg、0.72~3.86g/kg和0.2~5.45g/kg之间,PM_2.5平均排放因子在1.48~13.29g/kg之间.OC和EC的质量分别占PM_2.5全部质量的27.7%~54.3%和4.4%~17.1%,是PM_2.5的主要组成成分.污染物排放主要来自混合燃烧状态,焖烧状态排放污染物浓度相对较高.随着含水率升高,焖烧过程增强显著,CO、CH₄、PM_2.5和OC的排放因子升高,其中PM_2.5排放量增高主要是由OC排放占比升高导致.     

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.     

首都国际机场航空器排放清单的计算分析

基于微脉冲激光雷达提取的混合层高度与首都机场的实际运行数据,采用美国EPA方法,更准确的估算了2016年首都国际机场航空器排放清单.结果表明：在航空器起飞着陆（LTO）循环排放的各种污染物中,NO_x和CO排放量最多,分别占排放总量的53.3%和38.5%.滑行阶段和爬升阶段的排放总量较多,占排放总量的49.7%和25.7%.滑行阶段是航空器排放CO、SO_x、HC和PM的主要阶段.在滑行阶段的主要排放物是CO和NO_x,分别占滑行阶段排放总量的71.7%和17.2%.混合层高度变化对航空器排放的NO_x与CO影响最大,对SO_x、HC与PM影响较小.在所有的起降航班机型中,A320对排放影响最小,B77W影响最大.航空器场面滑行时间是影响污染物排放量的一个非常重要的因素.优化航空器滑行效率,减少滑行时间,对减少机场排放量会有非常积极的作用.     

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.     

飞机LTO排放影响评估耦合模型研究与应用

民航飞机在LTO起降阶段的飞行中,发动机污染物排放的源强和空间位置是动态的.为准确定量评估其影响,构建了飞机LTO污染排放影响评估耦合模型.首先利用飞行动力学模型,模拟飞机LTO飞行轨迹,并获得轨迹中每一位置点的性能参数（实时燃油流量）;再通过排放计算模型,确定每一位置点的污染物排放量（源强）;在此基础上,基于拉格朗日烟团模型,针对飞机烟团排气特点进行修正,实现污染扩散模拟.最后采集了一架典型飞机在一个完整LTO飞行过程中的机载数据,结合实时气象参数,进行了实例应用研究.结果显示.在LTO过程中NO_x、SO₂、CO、PM和HC的平均排放速率分别为17.71、2.21、1.05、0.20和0.03g/s;飞机在起飞离地时刻,烟团扩散范围集中于跑道附近及侧向300m、纵向3000m范围内,NO_x地面最大浓度超过100mg/m³;当飞机爬升至混合层顶完成起飞时,地面污染物扩散至侧向1200m范围,NO_x浓度降至298.5μg/m³,依然较为严重,其他污染物地面浓度相对较低_.     

中国水路运输业能源消耗与废气排放测算

采用基于运输周转量的自下而上方法建立了中国水路运输业能源消耗和废气排放测算模型.根据GDP增长预测得到未来一段时间内中国内河、沿海和远洋货运周转量,结合IMO(International Maritime Organization)温室气体研究采用的废气排放因子,测算得到2001~2030年中国水路运输业的能源消耗和废气排放.研究结果表明:2001年,中国水路运输业燃油消耗量及NO_x、CO、NMVOC(非甲烷挥发性有机物)、CO₂、SO₂和PM排放量分别为790.9,63.6,5.9,1.9,2483.2,37.2,4.6万t,到2030年,将分别为5951.8,405.1,16.5,18.3,18743.2,15.5,6.1万t;2001~2030年,中国水路运输业燃油消耗及CO₂和NO_x排放呈逐年增长趋势,年均增长率分别为7.2%、7.2%和6.6%;受国际公约的限制,与硫含量密切相关的SO₂和PM排放量自2020年之后显著下降;2001年,中国水路运输业CO₂排放量占世界航运排放量的比重在3.2%左右,此后呈逐渐上升趋势,到2020和2030年,将分别增长至11.5%和15.3%.     

深圳市道路交通源温室气体排放特征分析

于2019年9月～2020年7月对深圳市福田区路边的大气CO2、CH4、N2O和CO浓度进行了观测分析.结果显示,其观测时段平均浓度分别为(430.8±6.1)×10-6、(2318.5±137.9)×10-9、(332.6±1.6)×10-9和(333.4±121.2)×10-9.CO2与CO浓度的季节变化表现为冬季...