沈阳市机动车大气污染物排放清单的研究

基于机动车主要污染物排放量计算方法,对主要污染物排放因子进行识别与修正,建立沈阳市机动车污染物排放清单。结果表明:沈阳市机动车污染物的排放总量为206 804. 3 t,CO、NOx、HC和PM10的排放量分别为128 500. 4 t、44 206. 3 t、32 104. 8 t和1 992. 8 t;机动车排放的各污染物二环以内的排放量占总量70. 0%以上,和平区、沈河区和铁西区是该市机动车污染物高排放区域;小型客车和出租车对CO、HC的排放分担率较高,重型货车和轻型货车是NOx、PM10的主要排放源;沈阳市机动车污染物主要来自汽油车和柴油车,新能源机动车排放量较低。     

上海市机动车污染实时排放预警系统设计与应用

研究上海市机动车污染的动态排放测算和网格化动态排放清单构建,在实时的交通数据和交通环境监测数据的基础上,结合交通模型、机动车排放清单模型等业务模型和算法,依托大数据存储、可视化和GIS等技术,开发了上海市机动车污染物实时排放预警系统,实现了上海市全市道路的机动车动态排放测算、交通环境政策实施情景模拟和网格化排放清单,更新频率为每30 min一次,包含PM、NOx、CO、SO2、VOCs等污染物和9种车型。系统建成后直接服务于首届中国国际进口博览会,为大气污染排放实时总量跟踪评估、污染源管控措施分析及监测成因分析等提供了有力的实时数据和技术支撑。     

常州市大气污染物排放清单及分布特征

以点源、流动源、面源分类,在研究工业企业、机动车、建筑工地、秸秆焚烧等20多类排放源的基础上,建立2011年常州市大气污染物排放清单。结果表明:2011年该市大气污染物PM、PM10、PM2.5、SO_2、NO_x、CO、NH_3和VOCs的排放总量分别为13.514万t、6.746万t、2.67万t、5.975万t、12.316万t、66.595万t、1.64万t、9.026 1万t。道路、工业、建筑工地、机动车是颗粒物的主要排放来源;SO_2、NO_x、CO排放主要来自工业和机动车;NH_3的主要排放源为农业氮肥使用和畜禽养殖;VOCs的排放主要来自机动车、涂料、植被和工业。各行政区中,武进、溧阳、新北和金坛大气污染物排放量较大。     

北京市机动车尾气排放PM10组分特征研究

为提高机动车尾气排放可吸入颗粒物PM10成分谱的代表性和准确性,提出并采用在机动车尾气检测线上采用稀释通道采样器随机采集机动车排出PM10的采样方法。采集了591辆轻、重型汽油车和柴油车尾气排放PM10,测试并分析了颗粒物的27种组分。数据表明:机动车排放颗粒物PM10中含量丰富的组分为OC、EC、NH+4、NO-3和SO2-4;柴油车排放PM10中OC和EC的质量分数为49.08%,是汽油车(38.38%)的1.3倍,汽油车的OC/EC(2.36)是柴油车(0.78)的3倍;汽油车排放PM10中的二次转化产物(SO42-+NH4++NO3-)的质量分数为19.37%,是柴油车(3.57%)的5.4倍;汽油车排放NH+4是柴油车的5.3倍。     

重庆市内环货车错时限行对空气质量的影响

在分析货车实施错时限行后内环车流量时段分布变化基础上,通过对PM_(2.5)、NO_2等指标的ADMS模型模拟和实际监测数据对比分析,探讨了内环货车错时限行对环境空气质量的影响。结果表明,货车错时限行后主城区环境空气中PM_(2.5)、NO_2小时平均质量浓度分别降低了9.4%和6.0%,峰值浓度明显降低,晚上出现峰值时间往后推移了2~3 h。经ADMS模型模拟计算,内环高峰时段机动车排放对主城区NO_2、PM、VOCs的浓度贡献分别降低了54.1%、56.3%、17.5%,CO浓度贡献不大。内环货车错时限行措施对重庆市主城区空气质量的改善有一定的积极作用。     

基于MOVES的西安市出租车污染物排放分析

利用MOVES模型对2012年西安市出租车油改气后污染物排放因子进行模拟,得出污染物CO、NOx、PM2.5、PM10、HC的排放因子分别为3.488 1 g/km、0.370 0 g/km、0.004 7 g/km、0.005 1 g/km、0.095 2 g/km,计算得到5种污染物的年排放总量分别为4 830.76 t、512.42 t、6.51 t、7.06 t、131.85 t。将得到的数据与2010年相关数据比对,说明出租车油改气后污染物排放量在机动车总排放量中所占比例有所下降。     

齐齐哈尔市春季大气中PM2.5的污染特征分析

2013年4—6月分析了齐齐哈尔市大气PM2.5的浓度特征、元素组成、水溶性离子及其来源,并利用单颗粒分析技术获得了单颗粒的形貌、化学组成及粒度分布。结果表明,监测周期PM2.5日均质量浓度为34μg/m3,受气象条件影响显著。PM2.5单颗粒类型主要为烟尘集合体、飞灰和矿物颗粒,分别来源于煤炭燃料的燃烧、机动车尾气排放和扬尘。其中约90%的PM2.5颗粒粒径小于1.0μm,属大气细粒子。全样分析表明,PM2.5主要组成元素是Al、Fe、Ca、K、Mg和Na,而Zn、Cu和Pb因受到人为污染富集度较高。SO42-、NO3-和Cl-为PM2.5主要监测到的水溶性阴离子,NO3-与SO42-的质量浓度比说明了固定排放源对齐齐哈尔市春季大气PM2.5的贡献大于移动排放源。     

南京市建筑扬尘排放清单研究

统计分析了2010年南京市各行政区建筑场地面积和工期，结合扬尘排放因子，建立了南京市建筑扬尘排放清单。研究表明，2010年南京市建筑扬尘TSP、PM10和PM2．5的排放量分别达2．53万t、1．40万t和0．95万t，占工业烟（粉）尘排放量的23％、13％和8．6％。郊区县建筑扬尘排放量较大，约占全市 TSP、PM10、PM2．5排放总量的72％；主城区排放强度较高。对不同建筑工程类型扬尘排放量估算表明，城市建设工程和市政工程是建筑扬尘的主要来源，城市建设工程中又以住宅类建设工程为主。对不同研究获得的建筑扬尘结果比较，发现扬尘排放因子选择和污染源活动水平统计是影响建筑扬尘结果的关键因素。     

天津市北辰区大气污染物小尺度精细化源排放清单

以天津市北辰区空气站周边3 km为研究对象,基于拉网式实地调查,获得该地区2016年各类典型行业污染源详细的活动水平数据,以环境保护部发布的"清单编制技术指南"为参考,建立了2016年天津市北辰区空气站周边3 km大气污染源排放清单。结果表明:2016年天津市北辰区空气站周边3 km大气污染源的排放总量PM_(10)为431.28 t、PM_(2.5)为147.94 t、SO_2为48.67 t、CO为1 395.39 t、NO_x为469.52 t、VOCs为305.66 t;PM_(10)和PM_(2.5)的最大排放源是工地,贡献率分别为25.49%、15.16%;SO_2的最大排放源是散煤,贡献率为49.36%;CO和NO_x的最大排放源是道路机动车,贡献率分别为45.85%、53.89%;VOCs的最大排放源是制造业企业,贡献率为48.80%。天津市北辰区改善空气质量应从控煤、控尘、控车3个方面入手。     

常州市工业大气污染物排放特征研究

通过调查企业生产情况,采用现场实测、模型、排放因子等方法,获得了常州市工业大气污染物的排放量,从行业、排放口高度、空间、时间及重点源所占比例等方面,分析了常州市工业大气污染物的分布特征。结果显示:常州市工业PM、PM_(10)、PM_(2.5)、SO_2、NO_x、CO、NH_3、VOCs排放量分别为3.089、1.348、0.695、5.380、7.077、14.459、0.030、0.848万t;钢铁、水泥、热电、金属制品、化工是常州市大气污染物产生的主要行业;高架源、中架源、低架源排放比例依次增加;11.5%的企业占据了全市排放量的86%以上;SO2等污染物各月排放量基本稳定,PM2.5等上半年排放量波动较大;市区企业的集中排放在不利气象条件下易造成大气污染。     

成都双流国际机场大气污染物排放清单与时空分布特征

基于成都双流国际机场活动水平数据,采用排放因子法和计算模型等,编制了机场大气污染物排放清单,并完成了时空分配和不确定性分析,建立了高分辨率网格化排放清单。结果表明,成都双流国际机场标准起飞着陆(LTO)循环数为2.4×10~5次/a,CO、VOCs、NO_x、PM_(10)、PM_(2.5)、SO_2排放量分别为1.2×10~3、1.3×10~2、2.1×10~3、2.8×10、2.7×10、2.5×10~2t/a,且主要由飞机发动机排放;活动水平数据仅包括LTO循环数和地面保障设备两部分;污染物排放分布和跑道类型相关性较高;排放清单活动水平数据可靠性较高,而排放因子存在一定的不确定性。     

省级高空间分辨率扬尘源排放清单研究

通过对浙江省统一开展部署和行动，现场调查收集全省7 507个施工工地、3 923个堆场以及不同等级公路和城市道路的真实活动水平数据，并基于点源地理信息和路网信息图层，采用排放系数法和ArcGIS工具构建了浙江省2015年3 km×3 km高空间分辨率扬尘源排放清单。结果表明，2015年浙江省扬尘源PM₁₀和PM_2.5的排放量分别为24.26×10⁴ t和6.00×10⁴ t，其中PM₁₀和PM_2.5排放贡献均主要为施工扬尘和道路扬尘，施工扬尘分别贡献37.7%和39.3%，道路扬尘分别贡献36.5%和39.1%。从城市空间分布来看，杭州市、宁波市、温州市、绍兴市扬尘排放总量居于全省前四，舟山市最低，而城市主城区排放量显著高于郊区。     

西宁市金属冶炼和压延加工业大气颗粒物排放清单

大气污染物排放清单是了解大气污染特征和控制对策的前提。根据排放因子方法,建立了2018年西宁市金属（包括黑色和有色金属）冶炼和压延加工业PM_2.5、PM₁₀大气污染物的排放清单,并对其时空分布特征和清单不确定性进行了分析。结果表明：西宁市黑色金属冶炼和压延加工业PM_2.5、PM₁₀的总排放量分别是4.88×10³、8.37×10³ t;该行业对PM_2.5、PM₁₀排放量贡献率最大的是城北区,分别为58.36%、49.61%。有色金属冶炼和压延加工业PM_2.5、PM₁₀的总排放量分别是1.85×10³、2.78×10³ t,该行业对PM_2.5、PM₁₀贡献率最大的是大通县,分别为53.51%、56.99%。黑色金属冶炼和压延加工业对PM_2.5、PM₁₀贡献率最大的产业是粗钢产业,贡献率分别是38.41%、30.28%。有色金属冶炼和压延加工业对PM_2.5、PM₁₀贡献率最大的是铝行业,贡献率分别是97.33%和98.01%。2个行业PM_2.5和PM₁₀的排放受月份影响较小,一天中09：00—18：00是排放高峰期。蒙特卡罗法模拟结果表明：黑色金属冶炼和压延加工业95%置信区间的不确定性较高,PM_2.5和PM₁₀的不确定性分别为-59.33%~58.55%和-47.51%~47.28%。     

基于火点辐射能量的2017—2021年广西秸秆露天燃烧排放时空分析

基于2017—2021年MODIS、VIIRS和Himawari-8等多套卫星的火点辐射能量(FRE)和云量反演数据,使用更高分辨率的火点替代相邻位置低分辨率火点的融合方法,利用晴空的火点分布数据对被云遮蔽的区域进行补偿,核算得到了2 km高分辨率的广西秸秆露天燃烧排放数据,并针对2017—2021年的广西秸秆露天燃烧排放量展开精细的时空分布研究。结果表明:2017—2021年广西秸秆露天燃烧的CO、NO_x、SO₂、NH₃、VOCs、PM₁₀和PM_2.5的年排放量均值分别为12.91万、0.78万、0.16万、0.17万、2.77万、2.26万、2.21万t,排放高值区域分布在广西中部及西南部。秸秆露天燃烧排放的主要时间集中在冬、春季节(10月至次年3月),时值晚稻收割期和甘蔗榨季,占全年排放量的60%以上。广西秸秆露天燃烧PM_2.5年均排放量是全广西PM_2.5人为源年排放量的8.74%,通过逐日排放贡献分析发现,秸秆露天燃烧具有短期排放量较大的特点,2017—2021年,在1—2月有34 d出现秸秆露天燃烧导致PM_2.5排放量超过人为源排放量50%的情况。     

北京市典型重污染过程中PM2.5载带水溶性无机离子污染特征分析

为研究北京地区冬季PM_(2.5)载带的水溶性无机离子组分污染特征,2013年1月在中国环境科学研究院内采用在线离子色谱(URG-9000B,AIM-IC)对PM_(2.5)中水溶性无机离子(SO_4~(2-)、NO_3~-、Cl~-、NH_4~+、Na~+、K~+、Mg~(2+)、Ca~(2+))进行监测与分析。结果表明,采样期间总水溶性无机离子(TWSI)浓度为61.0μg/m~3,其中二次无机离子SO_4~(2-)、NO_3~-、NH_4~+(SNA)占比达72.3%,在PM_(2.5)中占比为40.29%,表明北京市PM_(2.5)二次污染严重。重污染天[NO_3~-]/[SO_4~(2-)]表明,固定源污染较移动源更为显著。三元相图表明,在空气质量为优的情况下,NH_4~+(在SNA中占比为30.3%~65.5%,下同)主要以NH_4NO_3的形式存在,较少比例以(NH_4)_2SO_4存在;严重污染时,NH_4~+(47.3%~77.9%)主要以(NH_4)_2SO_4形式存在,其次以NH_4NO_3的形式存在,其余的NH_4~+以NH_4Cl的形式存在。[NO_3~-]/[SO_4~(2-)]日变化表明,早、晚机动车高峰影响北京重污染发生。     

杭州秋冬季PM2.5污染特征分析

为研究杭州PM_2.5污染来源特征,利用2013—2019年杭州市PM_2.5监测数据和气象观测数据,分析了杭州市2013—2019年PM_2.5浓度变化,选取本地积累型和输入型2种PM_2.5污染过程,结合单颗粒气溶胶飞行时间质谱仪（SPAMS）和在线离子色谱数据,探讨杭州市PM_2.5化学组分和污染来源。结果表明：每年秋冬季（11月至次年3月）杭州以东北风、西北风及偏南风为主,风速低于4 m/s时,大气扩散条件差,受本地污染物积累影响,PM_2.5浓度容易出现超标;风速较大且为东北风和西北风时,受上游污染输入影响,易出现PM_2.5重度污染。本地积累型和输入型案例中,PM_2.5化学组分中占比最大的为NO₃^-、SO₄^2-和NH₄⁺;PM_2.5浓度上升过程中,二次NO₃^-和SO₄^2-转换率明显上升,其中NO₃^-上升更为显著,二次气溶胶污染严重。2次案例中,PM_2.5来源贡献占比前3位均为机动车尾气源、燃煤源和工业工艺源,其中本地积累型PM_2.5浓度上升阶段,机动车尾气源占比会明显上升;输入型案例中,输入阶段机动车尾气源占比显著上升,燃煤源贡献也小幅上升。     

Estimation of air pollutant emission loads from construction and operational activities of a port and harbour in Mumbai, India

Port causes environmental and health concerns in coastal cities if its operation and development are not made environmentally compatible and sustainable. An emission inventory is necessary to assess the impact of port projects or growth in marine activity as well as to plan mitigation strategies. In this study, a detailed emission inventory of total suspended particulate (TSP) matter, respirable particulate matter (PM₁₀), sulphur dioxide (SO₂) and oxides of nitrogen (NO_x) for a port having operation and construction activities in parallel is compiled. The study has been done for 1 year. Results show that the maximum contribution of emission of air pollutants in the port area was from TSP (68.5%) and the minimum was from SO₂ (5.3%) to the total pollutants considered in this study. Total TSP emission from all activities of the port was 4,452 tyr^???1 and PM₁₀ emission was 903 tyr^???1 in the year 2006. Re-suspension of dust from paved roads was the major contributor of TSP and PM₁₀ in the road transport sector. Construction activities of the port had contributed 3.9% of TSP and 7.4% of PM₁₀ to total emission of particulate matter. Of the total particulate emissions from various port activities approximately 20% of TSP could be attributed to PM₁₀. The sectoral composition indicates that major contribution of SO₂ emission in the port was from maritime sector and major contribution of NO_x was from road transport sector.     

Atmosphic pollutants study of particles ionic species during high wind speed (>7 m s-1) near Taiwan strait in central Taiwan from 2004 to 2005

This study monitored atmospheric pollutants during high wind speed (> 7 m s⁻¹) at two sampling sites: Taichung Harbor (TH) and Wuci traffic (WT) during March 2004 to January 2005 in central Taiwan. The correlation coefficient (R ²) between TSP, PM_2.5, PM_2.5−10 particle concentration vs. wind speed at the TH and WT sampling site during high wind speed (< 7 m s⁻¹) were also displayed in this study. In addition, the correlation coefficients between TSP, PM_2.5 and PM_2.5−10 of ionic species vs. high wind speed were also observed. The results indicated that the correlation coefficient order was TSP > PM_2.5−10 > PM_2.5 for particle at both sampling sites near Taiwan strait. In addition, the concentration of Cl⁻, NO₃ ⁻, SO₄ ²⁻, NH₄ ⁺, Mg²⁺, Ca²⁺ and Na⁺ were also analyzed in this study.