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。     

双怠速法测定LPG汽车尾气中污染物的排放水平

依据双怠速法跟踪监测了广州市LPG改装车辆的排气状况，分析了LPG改装车辆排气状况未达到预期效果的原因，提出需加强汽车专用液化气供给系统的建设与管理，确保车用液化气的质量达到规定要求；进一步筛选应用技术可靠、质量稳定的LPG装置，并制定有关规定；加强对油改气车辆的日常检查与维护保养。     

适用于城市碳排放反演的CO2格点化排放清单编制——以杭州市为例

基于碳监测网络测算城市人为碳排放通量，需要二氧化碳（CO₂）格点化排放清单作为反演计算的先验信息。现有格点化清单大多针对全球或全国尺度编制，排放源的空间位置不确定性高，不足以支撑城市碳监测工作。以杭州市为例，构建了高空间分辨率（1 km）、分部门（工业能源、工业过程、交通等6类排放部门）的城市CO₂格点化排放清单，并对其不确定性进行了表征。该格点化清单基于中国城市温室气体工作组编制的《中国城市二氧化碳排放数据集（2020）》，依据848个点源的精确位置信息和一系列空间代理数据，对各部门的城市CO₂排放量进行格点化分配，得到杭州市高分辨率排放清单模型。与现有清单，如欧洲开发的全球大气研究排放数据库（EDGAR）、清华大学开发的中国多尺度排放清单模型（MEIC）等相比，本研究编制的格点化清单能合理地反映杭州市CO₂排放的空间格局，包括人口、路网密集的市中心，萧山区和钱塘区的工业园区，钱塘江中上游沿岸的水泥企业等高排放热点，可以作为杭州市CO₂反演的人为源先验清单。     

浅论α值对汽车尾气污染排放的影响

针对汽车尾气污染物排放浓度与过量空气系数（α）的关系，通过对实际车辆的测试进行了比较，说明α在0.85-1.05时，汽车运转时不但可达到最佳的动力性、经济性，还可降低尾气排放浓度，减少对大气环境的污染。     

北京市废弃物处理温室气体排放特征

基于《2006年IPCC国家温室气体清单指南》推荐的方法，结合《省级温室气体清单编制指南（试行）》和《城市温室气体核算工具指南》的部分数据与核算范围，针对固体废弃物填埋、焚烧和废水处理等过程，核算了北京市2005-2014年废弃物处理过程中温室气体总排放量。结果表明：2005-2014年北京市废弃物处理过程温室气体总排放量呈逐渐上升趋势，2014年温室气体总排放量比2005年增长98%。10年间，固体废弃物填埋过程一直是最主要的温室气体排放源，到2014年排放量达到最大，为416.3×10⁴t二氧化碳当量（CO₂e）。废弃物填埋、废水处理和废弃物焚烧过程占总排放量的比例分别为78.5%（CO₂e质量分数，下同）、13.5%和8%。结合已有研究，系统优化国内7个典型城市废弃物处理温室气体排放因子，核算7个城市排放情况，并对比分析了北京市排放情况。     

典型超低排放烟气中颗粒物组分特征研究

为了解超低排放改造后工业源烟气颗粒物排放状况及其组分特征,于2020年1—5月对2家垃圾焚烧企业和2家燃煤电厂外排烟气开展了调查,同步采集外排烟气中的可过滤颗粒物（FPM）和可凝结颗粒物（CPM）,测定质量浓度及其离子组分、元素组分,对各组分浓度范围及平均值进行统计评价。结果表明：4家企业外排烟气中CPM和FPM质量浓度平均值的比值分别为30.5,10.3,3.0,0.94,CPM的排放不可忽视;离子分析结果发现,烟气处理过程中产生的铵离子和硫酸根离子等水溶性离子,在FPM中基本未检出,在CPM中检出且浓度较高;金属元素分析结果发现,检出的铬（Cr）、镍（Ni）、铅（Pb）3种元素主要存在于FPM中,而砷（As）、汞（Hg）元素则更多地存在于CPM中;CPM中水溶性离子为主要成分,以水溶性离子作为CPM排放的控制因子是可行的。     

佛山市交通CO2排放及低碳出行对策

以佛山市2012年数据为基础,结合COPERT模型,分析了车型种类、排气量、燃油类型、排放水平等对CO2排放因子的影响规律,探讨了不同车型组成与排放水平下的CO2排放分担率,讨论并评估了佛山市的低碳交通出行对策。结果表明:排放水平对CO2排放因子的影响不明显,除重型客车与公交车,燃油类型对CO2排放因子的影响亦不明显,各车型的CO2排放因子随着排气量的增加而增加;当佛山市机动车平均行驶速度提高至55 km/h时,每辆车CO2综合排放因子可达最小值125.73 g/km;轻型客车和摩托车的CO2排放量最大,分别为1469 493 t/a和394 174.3 t/a,分担率分别为52.1%和14.0%;不同排放水平的载客车CO2排放分担率从大到小排序依次为:国I国0国Ⅱ国Ⅲ国Ⅳ,分别为34.7%、22.0%、21.2%、17.5%及4.6%。     

基于优化的深度极限学习机的柴油车NOx排放预测

用麻雀搜索算法优化的深度极限学习机（SSA-DELM）构建柴油车NOx排放预测模型，对柴油车低速、中速和高速状态下的NOx排放进行预测，并将此模型性能与深度极限学习机（DELM）模型性能进行对比分析。结果表明：SSA-DELM模型的预测效果较好，在低速、中速、高速状态下该模型平均绝对百分比误差MAPE分别为0.061 0、0.044 9、0.039 1；在低速、中速、高速状态下SSA-DELM模型的性能评价指标比DELM模型性能评价指标分别优约23%、44%、11%。     

南京市加油站VOCs排放清单

在分析国内外加油站VOCs排放因子的基础上,结合油气回收进程和排放控制现状,初步建立南京市加油站VOCs排放清单。结果表明：全市加油站VOCs排放因子为168 mg/L,年排放VOCs为300 t。S1+S2、S1+S2+OMS和S1+S2+OMS+VRD 3类加油站的VOCs排放因子分别为335 mg/L、198 mg/L和147 mg/L,OMS和VRD对VOCs排放控制效果显著。     

常州市人为源挥发性有机物排放清单

对常州市VOCs人为源进行系统划分,运用国内外排放因子研究成果及常州市各排放源调研结果,采用排放因子法建立了2017年常州市分类型、分辖区(市)的人为源VOCs排放清单。结果表明,2017年常州市人为源VOCs排放总量约为9. 662×10~4t,其中化石燃料燃烧源、工业过程源、移动源、非工业溶剂使用源、油品储运源、生物质燃烧源、固废污水处理源和餐饮源排放分别占排放总量的1. 9%,47. 2%,9. 0%,27. 6%,9. 4%,2. 6%,0. 4%和1. 9%。工业过程源中黑色(有色)金属冶炼及压延加工业、非金属矿物制品业、化学原料和化学品制造业、机械装备制造业、交通设备制造业、纺织业是重点行业;武进区、溧阳市、新北区3个工业发达的区域VOCs排放量明显高于常州其他几个辖区,占全市总排放量的71%;各辖区(市)的重点排放源存在差异,其中武进区、溧阳市、新北区以工业过程源为主,金坛区、天宁区、钟楼区以非工业溶剂使用源为主。     

不同类型机动车尾气挥发性有机化合物排放特征研究

机动车尾气主要成分包括一氧化碳、氮氧化物、碳氢化合物、铅及苯并[a]芘等.其中,挥发性有机化合物由于其对光化学烟雾的贡献及对人体健康的影响而成为近年来大气化学研究的热点.文章首次对北京市9种车辆、5种燃料在不同工况下排放挥发性有机化合物特征进行了定量研究.结果表明,车型、燃料、净化器及工况等因素对排放量产生影响,电喷车比化油器车排放低,其中,夏利比富康与奥迪排放量高;LPG与汽油车排放量最高,柴油车与CNG车排放最低.其中,-10#柴油车比0#柴油车排放更低;使用净化器可以降低挥发性有机化合物排放量;不同工况对排放量的影响随车型、燃料类型的不同而不同.因此,使用清洁燃料、安装净化器和使用电喷装置,可减少尾气中挥发性有机化合物含量.     

滨州市大气VOCs污染现状及防控措施分析

利用挥发性有机物(VOCs)手工监测和走航监测技术,分析了滨州市城区、各县(市、区)涉VOCs工业园区的VOCs排放情况。结果表明,城区大气VOCs各组分的体积分数差异较为明显,烷烃类占比最高,其次是挥发性含氧有机物和芳香烃。排名前3的组分为异戊烷、正丁烷、丙烷,主要来自以液化石油气为燃料的车辆排放。各县(市、区)不同涉VOCs工业园区周边的VOCs组分与园区涉及的原辅料和产品类型有关,对应的组分主要为苯系物、烷烃类和烯烃类。园区内的有机化学原料制造、化学药品原料药制造和表面涂装等行业对VOCs组分的影响较大。建议从系统性溯源、科学性推进、精准化管控、针对性治理4个方面开展VOCs治理研究,从而实现VOCs排放控制,减少对周边环境的污染和影响,提升滨州市整体环境空气质量。     

江苏省机动车“天地车人”一体化监控系统建设研究

构建江苏省“天地车人”一体化监控系统,利用道路遥感监测、定期排放检验、路检路查和停放地监督抽测、重型柴油车远程排放监控等手段发现高排放车辆,通过系统检测与维护(I/M)制度,对机动车进行全天候、全方位实时监控及闭环管理,同时开展非道路移动机械的登记和管理,并对5000 t以上的加油站进行油气回收在线监控。通过大数据分析开展机动车排放数据的深入挖掘,以期为重污染天气的应急管理及政府决策提供有效技术支撑。     

新车免检新政实施后对高污染车的管理思路与对策的探讨

2014年9月1日起,国家试行6年以内的非营运轿车等车辆免检制度。大多数城市根据此规定,对于车辆的排放定期检验也同步实施6年免检。随着汽车保有量的快速增长,车辆尾气排放对大气环境的影响不容忽视。因此,地方环保部门应针对机动车污染排放的管理重点,从管理手段、管理体制机制、管理对策等方面进一步加强对高污染车辆的监管。     

Vehicular particulate matter emissions in road tunnels in Sao Paulo, Brazil

In the metropolitan area of S?o Paulo, Brazil, ozone and particulate matter (PM) are the air pollutants that pose the greatest threat to air quality, since the PM and the ozone precursors (nitrogen oxides and volatile organic compounds) are the main source of air pollution from vehicular emissions. Vehicular emissions can be measured inside road tunnels, and those measurements can provide information about emission factors of in-use vehicles. Emission factors are used to estimate vehicular emissions and are described as the amount of species emitted per vehicle distance driven or per volume of fuel consumed. This study presents emission factor data for fine particles, coarse particles, inhalable particulate matter and black carbon, as well as size distribution data for inhalable particulate matter, as measured in March and May of 2004, respectively, in the Janio Quadros and Maria Maluf road tunnels, both located in S?o Paulo. The Janio Quadros tunnel carries mainly light-duty vehicles, whereas the Maria Maluf tunnel carries light-duty and heavy-duty vehicles. In the Janio Quadros tunnel, the estimated light-duty vehicle emission factors for the trace elements copper and bromine were 261 and 220 microg km(-1), respectively, and 16, 197, 127 and 92 mg km(-1), respectively, for black carbon, inhalable particulate matter, coarse particles and fine particles. The mean contribution of heavy-duty vehicles to the emissions of black carbon, inhalable particulate matter, coarse particles and fine particles was, respectively 29, 4, 6 and 6 times higher than that of light-duty vehicles. The inhalable particulate matter emission factor for heavy-duty vehicles was 1.2 times higher than that found during dynamometer testing. In general, the particle emissions in S?o Paulo tunnels are higher than those found in other cities of the world.     

2020年江苏省机动车排放污染分布特征及与大气质量耦合性研究

依据生态环境部2021年6月发布的《排放源统计调查产排污核算方法和系数手册》,结合本地实测数据,在对汽油车颗粒物(PM)排放系数进行测算的基础上,核算了2020年江苏省机动车PM、氮氧化物(NO_(X))、挥发性有机物(VOC_(S))的排放总量,分析了机动车排放污染分布特征及与大气质量的耦合关系。结果表明:2020年江苏省机动车PM、NO_(X)、VOC_(S)排放量分别为0.5×10^(4),3.71×10^(5),1.17×10^(5) t。从区域分布来看,苏州、南京、无锡3市的3项污染物排放总量及NO_(X)、VOC_(S)排放量均位列前3位,PM排放量位列前3位的是苏州、徐州、无锡。从车型、燃料类型和排放阶段来看,国Ⅳ及以下排放标准的汽油小型客车是机动车VOC_(S)排放控制的重点,国Ⅲ排放标准的重型柴油货车是机动车PM和NO_(X)排放控制的重点。分析区域机动车PM排放量与大气中PM_(2.5)来源解析结果的耦合关系,其间存在不同程度的正相关性,控制机动车污染对改善大气环境会产生积极成效,南京、徐州和盐城3市的成效会尤为明显。     

Application and Quality Assessment of an Instantaneous Vehicle Emission Model at Fleet Level

A developed instantaneous emission model is applied to predict emission factors for small vehicle fleets for quality assessment. Extensive vehicle measurements of pre-Euro-1 gasoline, Euro-3 gasoline, and Euro-2 diesel vehicles are available. The data were used to develop individual vehicle emission models for each car. The prediction quality for each vehicle category was determined by averaging the results obtained from the individual vehicle models. The results show that the prediction quality is improved in comparison with the individual vehicles, even with a small number of vehicles in a specific category. This indicates that the errors in the individual models are mainly random and that prediction quality, when applied to fleets of cars, is exceptionally high.     

长三角典型城市公交车实际道路细颗粒物排放测试

为研究长三角典型城市公交车细颗粒物排放特征，采用便携式排放测试系统（PEMS），对上海、杭州和苏州三大城市的8辆典型城市公交车开展实际道路细颗粒物排放实验。研究结果表明：长三角典型城市车辆的实际道路平均车速为22.7 km/h，怠速比例为20.4%，加减速比例为54.5%；在稳态行驶工况下，随车速增大，公交车颗粒物质量及数量排放呈逐渐增大趋势；在20 km/h车速范围内，上海国III、国IV和苏州国III公交车颗粒数浓度呈双峰粒径分布，其他公交车均为单峰分布；随比功率的增大，公交车颗粒质量呈逐渐增大的趋势，国IV公交车颗粒数量呈先下降再增大趋势，国III公交车颗粒数量呈上升趋势；公交车颗粒质量综合排放因子为0.8~189 mg/km，颗粒数量综合排放因子为6.2×10¹²~9.6×10¹⁴#/km。