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。     

杭州市大气污染物排放清单及特征

以杭州市区为研究区域,通过调查整合多套污染源数据库及其他统计资料,研究文献报道及模型计算的各种污染源排放因子,获得杭州市区各行业PM10、PM2.5、SO2、NOx、CO、VOCs、NH3等污染物的排放量,建立了杭州市区2010年1 km×1 km大气污染物排放清单。结果表明,2010年杭州市区PM10、PM2.5、SO2、NOx、CO、VOCs和NH3的排放总量分别为7.96×104、4.02×104、7.23×104、8.98×104、73.90×104、39.56×104、3.32×104t。从排放源的行业分布来看,机动车尾气排放是杭州市区大气污染物最重要排放源之一,对PM10、PM2.5、NOx、CO和VOCs的贡献分别达到14.4%、27.1%、40.3%、21.4%、31.1%。道路扬尘、电厂锅炉、工业炉窑、植被、畜禽养殖对不同污染物分别有着重要贡献,道路扬尘对PM10和PM2.5的贡献分别为44.6%和20.0%、电厂锅炉对SO2和NOx的贡献分别为37.0%和25.7%、工业炉窑对CO的贡献为41.5%、植被排放对VOCs的贡献为27.1%、畜禽养殖对NH3的贡献为76.5%。从空间分布来看,萧山区和余杭区对SO2、NH3和植被排放BVOC的贡献要显著高于主城区;而主城区机动车对PM2.5、NOx和VOCs的贡献分别达到36.3%、56.0%和47.4%,较市区范围内显著增加,表明机动车尾气排放已成为杭州主城区大气污染最重要的来源之一。     

北京市建筑施工裸地的空间分布及扬尘效应

北京市作为中国典型的快速城市化大城市之一,大规模的城市建设使得城市内部存在大量的建筑施工裸地,工地扬尘效应造成了严重的大气颗粒物污染。以北京市平原区为研究区,首先利用高分辨率卫星数据反演了建筑施工裸地的空间分布格局,在此基础上,结合建筑施工裸地的扬尘排放因子,在空间上定量分析建筑施工裸地的扬尘效应。结果显示,2012年全市平原区建筑施工裸地总面积为140.77 km2,主要分布在城市核心区向外拓展的城乡过渡带。建筑施工裸地的扬尘效应分析中发现北京市平原区建筑施工裸地中TSP、PM10和PM2.5的排放量分别是31.53、16.66、9.16万吨,并且这些污染物的排放量在城市发展新区与功能拓展区中较高,生态涵养发展区较小。以北京市的建筑施工裸地为例,示范了以遥感为技术手段结合污染排放因子的城市内部典型面源污染的监测和污染排放定量化,为今后面源污染的快速准确监测开辟了新的研究思路。     

常州市裸露地面风蚀扬尘排放清单及分布特征研究

以2014年为基准年,以常州市行政边界为研究区域,利用卫星遥感解译的土地利用类型和裸土面积信息,并通过国土、气象等部门提供的土壤类型、气象因子等相关资料获取本地化因子和参数,估算常州市行政区域内裸露地面土壤扬尘中颗粒物的年排放量。结果表明:常州市裸露地面主要分布在金坛市、溧阳市和武进区,市中心区域最少,裸露土地利用类型主要为农田、滩涂、裸露山体、荒地及未硬化或未绿化的空地等;2014年常州市行政区域内裸露地面风蚀扬尘中TSP、PM 10、PM 2.5的年排放量分别为62.66 t、5.63 t、0.24 t,其中,金坛市土壤起尘量最大,其次为武进区,再次为新北区、溧阳市,市中心区域土壤扬尘最少。     

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。     

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。     

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。     

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。     

南京市冬季大气颗粒态汞的分布特征

采集了南京市2012年冬季4个功能区的PM2．5、PM10、TSP样品，对不同粒径大气颗粒物中的颗粒态汞测试。结果表明，南京冬季大气颗粒物TSP中汞的质量浓度为49．26 pg/m3～257．14 pg/m3，平均质量浓度为161．27 pg/m3；PM10中汞的质量浓度为44．82 pg/m3～228．29 pg/m3，平均质量浓度为147．38 pg/m3；PM2．5中汞的质量浓度为35．98 pg/m3～178．58 pg/m3，平均质量浓度为104．10 pg/m3。不同功能区大气颗粒态汞质量浓度的分布趋势为：交通综合区＞旅游区＞住宿综合区＞商业区。大气颗粒态汞60％以上存在于可吸入肺的PM2．5中，细颗粒物富集汞的能力比粗颗粒物强。     

福建省重点地区人为源VOCs排放清单

通过收集福建省福州、厦门、莆田、泉州、漳州和龙岩等重点地区人为源活动水平数据,通过排放因子法进行合理估算,计算2016年福建省重点地区人为源的VOCs排放量。结果表明,2016年福建省重点地区人为源VOCs排放量为47 262.8 t。VOCs排放主要由石油炼制、化工、建筑材料制造、塑料制品和食品饮料加工等行业贡献,占总排放量的62.0%。泉州市是VOCs污染排放的主要贡献城市,占全省重点地区VOCs总排放量的48.9%。     

洛阳市2017年大气氨排放清单的建立及其空间分布特征

基于洛阳市不同类型氨排放源的活动水平数据,主要采取排放因子法构建了2017年洛阳市大气氨排放清单,并以GIS技术为基础进行2 km分辨率的空间网格分配。通过研究得出,2017年洛阳市的大气氨排放量为63.2 kt,排放强度达到4 t/km~2以上,全市主要的氨排放源为畜禽养殖和农田生态系统,排放量分别为43.7 kt和10.4 kt,分别占氨排放总量的69.2%和16.5%。在畜禽养殖源中,肉牛是最大的贡献源,贡献率为30.4%;在农田生态系统中,氮肥施用是最大的贡献源,贡献率为87.7%。各区县中,宜阳县和伊川县排放量最大,共占氨排放总量的32.0%;偃师市、伊川县为排放强度最高;空间分布特征上呈现北部氨排放量大、南部排放量少、在城市区周边氨排放量较突出的现象。     

Source apportionment of PM10 and PM(2.5) at Tocopilla, Chile (22 degrees 05' S, 70 degrees 12' W)

Tocopilla is located on the coast of Northern Chile, within an arid region that extends from 30 degrees S to the border with Perú. The major industrial activities are related to the copper mining industry. A measurement campaign was conducted during March and April 2006 to determine ambient PM10 and PM(2.5) concentrations in the city. The results showed significantly higher PM10 concentrations in the southern part of the city (117 microg/m3) compared with 79 and 80 (microg/m3) in the central and northern sites. By contrast, ambient PM2.5 concentrations had a more uniform spatial distribution across the city, around 20 (microg/m3). In order to conduct a source apportionment, daily PM10 and PM(2.5) samples were analyzed for elements by XRF. EPA's Positive Matrix Factorization software was used to interpret the results of the chemical compositions. The major source contributing to PM(2.5) at sites 1, 2 and 3, respectively are: (a) sulfates, with approximately 50% of PM2.5 concentrations at the three sites; (b) fugitive emissions from fertilizer storage and handling, with 16%, 21% and 10%; (c) Coal and residual oil combustion, with 15%, 15% and 4%; (d) Sea salt, 5%, 6% and 16%; (e) Copper ore processing, 4%, 5% and 15%; and (f) a mixed dust source with 11%, 7% and 4%. Results for PM10--at sites 1, 2 and 3, respectively--show that the major contributors are: (a) sea salt source with 36%, 32% and 36% of the PM10 concentration; (b) copper processing emissions mixed with airborne soil dust with 6.6%, 11.5% and 41%; (c) sulfates with 31%, 31% and 12%; (d) a mixed dust source with 16%, 12% and 10%, and (e) the fertilizer stockpile emissions, with 11%, 14% and 2% of the PM10 concentration. The high natural background of PM10 implies that major reductions in anthropogenic emissions of PM10 and SO2 would be required to attain ambient air quality standards for PM10; those reductions would curb down ambient PM(2.5) concentrations as well.     

长三角区域环境空气质量预测预警体系建设的思考

世博会期间长三角区域空气质量自动监测网络和数据共享平台的成功搭建和有效运行,为探索长三角区域空气质量预测预警长期合作模式提供了宝贵的经验和启示。需要建立全方位区域空气质量监测网络和数据资源共享系统、源排放清单、开发区域多模式集合预报系统,构建区域多层面运作机制和会商制度,建设一批专业技术和复合型人才队伍。区域不同层面有效的管理体制机制的保障是区域环境空气质量预测预警体系的基础支撑。     

上海市浦东新区大气细颗粒物中重金属污染特征及来源解析

于2017年对浦东城区和郊区大气PM2.5中的重金属特征和来源进行了分析。结果表明,K、Fe、Na、Ca、Mg、Al等矿物元素为浦东新区PM2.5中含量最高的金属元素,其中K的年均值为297.3 ng/m^3。浦东城区的不同元素在季节变化上呈现较为不同的变化规律,郊区的金属元素值大部分呈现春季先逐月下降,在夏、秋季有起伏波动,在10月之后逐渐上升;沙尘+道路源+建筑扬尘、煤燃烧、工业排放、金属冶炼、船舶排放、海盐+垃圾焚烧+生物质燃烧为浦东城区PM2.5中重金属元素的6大类主要来源。其中沙尘+道路源+建筑扬尘对Ca的贡献率为82.7%,煤燃烧对As的贡献率为86.6%,工业排放对SO4^2-的贡献率达到65.9%,金属冶炼对Cr的贡献率为75.7%,船舶排放对V的贡献率为97.5%、海盐+垃圾焚烧+生物质燃烧对Cl^-的贡献率为93.0%。煤燃烧和金属冶炼主要来自于西部方向。船舶排放分布在长江口及其延伸带。浦东新区PM2.5中重金属元素的质量浓度与本地源排放强度、外界传输和大气扩散条件均有密切关系。     

沈阳市大气中PM2.5来源解析研究

通过2015年在沈阳市采集PM2.5样品及源类样品,分析样品的质量浓度和化学组成,用化学质量平衡(CMB)模型对该市PM2.5来源进行解析。结果表明:沈阳市大气中PM2.5浓度时空变化特征明显;各主要源类对沈阳市PM2.5的分担率依次为煤烟尘(28.03%)、二次无机离子(22.63%)、机动车尾气尘(17.27%)、城市扬尘(13.28%)、建筑尘(5.94%)、土壤风沙尘(5.82%)、道路尘(3.04%)、生物质燃烧尘(2.74%)和冶金尘(1.25%)。燃煤和机动车的有效控制既能降低本类源的贡献,也能降低二次无机离子,体现了多源类综合治理原则。     

应用化学质量平衡模型解析西宁大气PM2.5的来源

为研究影响西宁市大气环境PM_(2.5)污染水平的主要来源,于2014年采暖季、风沙季和非采暖季依托西宁市大气地面观测网络在11个监测点采集大气PM_(2.5)样品,对其化学组分(元素、离子和碳)进行分析。研究同步采集了4类固定源、14类移动源和4类开放源的PM_(2.5)样品,并构建源排放成分谱。应用化学质量平衡受体模型(CMB)开展源解析研究。源解析结果表明,观测期间西宁市PM_(2.5)主要来源包括城市扬尘(分担率为26.4%)、燃煤尘(14.5%)、机动车尾气(12.8%)、二次硫酸盐(9.0%)、生物质燃烧(6.6%)、二次硝酸盐(5.7%)、钢铁尘(4.7%)、锌冶炼尘(3.4%)、建筑尘(4.4%)、土壤尘(4.4%)、餐饮排放(2.9%)和其他未识别的来源(5.2%)。大力开展城市扬尘为主的开放源污染控制,严格控制本地燃煤、机动车等污染源的PM_(2.5)排放,是改善西宁市空气质量的重要途径。     

A study of diffusion models applied to dust emissions from industrial complexes

Industrial complexes may release dust emissions through several to up to tens of stacks, as well as via fugitive area sources. Several diffusion models for small-scale fugitive dust sources have been developed and combined with a point source model to form a series of models for industrial complexes. The applicable area of these models and the methods for obtaining the main parameters in the models have been tested and verified using measurement data gained from several field experiments. The models developed in this paper can give quite satisfactory results when compared to other current models.     

Preparation and Validation of Gridded Emission Inventory of Criteria Air Pollutants and Identification of Emission Hotspots for Megacity Delhi

Delhi is one of the many megacities struggling with punishing levels of pollution from industrial, residential, and transportation sources. Over the years, pollution abatement in Delhi has become an important constituent of state policies. In the past one decade a lot of policies and regulations have been implemented which have had a noticeable effect on pollution levels. In this context, air quality models provide a powerful tool to study the impact of development plans on the expected air pollution levels and thus aid the regulating and planning authorities in decision-making process. In air quality modeling, emissions in the modeling domain at regular interval are one of the most important inputs. From the annual emission data of over a decade (1990–2000), emission inventory is prepared for the megacity Delhi. Four criteria pollutants namely, CO, SO₂, PM, and NO _x are considered and a gridded emission inventory over Delhi has been prepared taking into account land use pattern, population density, traffic density, industrial areas, etc. A top down approach is used for this purpose. Emission isopleths are drawn and annual emission patterns are discussed mainly for the years 1990, 1996 and 2000. Primary and secondary areas of emission hotspots are identified and emission variations discussed during the study period. Validation of estimated values is desired from the available data. There is a direct relationship of pollution levels and emission strength in a given area. Hence, an attempt has been made to validate the emission inventory for all criteria pollutants by analyzing emissions in various sampling zones with the ambient pollution levels. For validation purpose, the geographical region encompassing the study area (Delhi) has been divided into seven emission zones as per the air quality monitoring stations using Voronoi polygon concept. Dispersion modeling is also used for continuous elevated sources to have the contributing emissions at the ground level to facilitate validation. A good correlation between emission estimates and concentration has been found. Correlation coefficient of 0.82, 0.77, 0.58 and 0.68 for CO, SO₂, PM and NO _x respectively shows a reasonably satisfactory performance of the present estimates.