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。     

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。     

基于减排情景下的泉州市机动车污染物排放控制分析

基于情景分析法,设置5种减排情景,估算2020年不同控制情景下泉州市机动车常规污染物排放量,并分析不同减排情景下机动车污染总量的削减比例和不同车型减排量。结果表明:与2015年相比,2020年机动车污染物的排放有明显增加,排放总量为10.98万t,各污染物排放量的增长6.5%~13.7%。情景分析结果显示,实施机动车不同排放控制措施均有一定的减排效果,单一控制措施中,淘汰黄标车的减排量最大;其次是公交车优先情景,公交车优先可以有效降低机动车活动水平;再者是提高排放标准;新能源车替代情景减排量最小,减排潜力大;而综合实施各种措施的效果最为显著。     

基于GIS分析江苏省夏秋季大气污染热点特征

基于全省72个国控点位、185个网格化监测点位数据,利用GIS空间分析技术开展夏秋季江苏省大气臭氧与PM2.5污染热点分析.结果表明:江苏省夏秋季臭氧和PM2.5高值热点重合区域主要分布于徐州、宿迁,镇江、扬州、泰州、南通交界,以及苏州南部一带.结合该省污染源排放清单,在热点重合区域污染来源中,VOCs单位面积年均排放...     

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。     

2017年佛山市大气复合污染特征及来源分析

利用2017年佛山市8个国控监测点位的6项常规大气污染物自动监测数据,研究细颗粒物(PM_(2.5))、可吸入颗粒物(PM 10)、臭氧(O_(3))的时空变化和复合污染特征,并采用单颗粒气溶胶质谱仪对佛山市大气PM_(2.5)进行来源解析,分析O_(3)与二次气溶胶的协同增长关系。结果表明,2017年佛山市空气质量综合指数(AQI)为4.75,主要的空气质量污染物为PM_(2.5)、二氧化氮(NO_(2))和O_(3),除O_(3)呈现第2,3季度较高外,其他5项污染物均呈现第1,4季度较高的趋势。ρ(PM_(2.5))和ρ(PM_(2.5))/ρ(CO)在1—4月和11,12月较高,二次生成强度较大。机动车尾气源、燃煤源和工业工艺源是大气PM_(2.5)的主要来源。佛山市中心城区等道路密集以及交通枢纽地区的ρ(NO_(2))较高,机动车尾气排放是大气NO_(2)的主要来源。O_(3)污染主要发生在4,5,7—10月。ρ(O_(3))和ρ(PM_(2.5))/ρ(CO)的日变化均在12:00—17:00达到峰值。ρ(PM_(2.5))随光化学活性水平增强而提高,高度和中度光化学活性水平下ρ(PM_(2.5))/ρ(CO)明显大于轻度和低光化学活性水平。在统计时段,PM_(2.5)和O_(3)协同增长的时间占37.3%,O_(3)污染对二次气溶胶的氧化生成有明显的促进作用。     

南通市大气VOCs四季变化特征和臭氧生成潜势分析

于2019年在南通市采用TH-300B大气挥发性有机物(VOCs)在线分析仪对57种VOCs开展在线监测,对比分析了VOCs组分变化、季节变化、日变化特征,并用最大增量反应活性(MIR)估算了VOCs的臭氧生成潜势(OFP),找到了南通市VOCs的优控物种。结果表明,2019年南通市VOCs平均体积分数为15.57×10^(-9),不同组分体积分数排序为:烷烃(9.65×10^(-9))>芳香烃(2.85×10^(-9))>烯烃(1.84×10^(-9))>炔烃(1.23×10^(-9)),总体表现为冬季高、夏季低的特征。和国内其他城市比较,南通市VOCs和各组分体积分数处于较低水平。烯烃和炔烃的日变化特征均呈现较明显的双峰分布,峰值位于7:00-8:00和19:00-21:00;烷烃的日变化特征均呈现较明显的单峰分布,峰值位于6:00-8:00;芳香烃的日变化特征在4个季节变化趋势有所不同。烷烃和芳香烃夜间体积分数均高于白天。VOCs的OFP年均值为108.17μg/m3,季节排序为:冬季(122.70μg/m^(3))>春季(116.15μg/m^(3))>秋季(111.26μg/m^(3))>夏季(82.58μg/m^(3))。VOCs优控物种为丙烷、乙烯、异戊烷、甲苯、间/对二甲苯,因此控制市区臭氧浓度的首要任务是控制机动车排放、加油站油气挥发和溶剂使用。     

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。     

蚌埠市夏季大气细颗粒物在线源解析

为了解蚌埠市环境空气中PM_(2.5)的来源,于2017年8月18日—9月18日,在百货大楼和高新区站点,利用单颗粒物气溶胶飞行时间质谱仪开展PM_(2.5)在线源解析。结果表明,百货大楼点位ρ(PM_(2.5))高于高新区点位,轻度污染比例(4.2%)明显高于高新区点位(0.8%),出现了中度污染(0.3%);SPAMS的PM_(2.5)质谱图显示百货大楼点位PM_(2.5)中K~+、Na~+特征明显,高新区点位HSO_4~-、NO_3~-、NO_2~-等无机信号较为明显;2个点位NO_3~-、NO_2~-、NH_4~+离子颗粒数占总颗粒数的百分比明显较高,且高新区点位NO_3~-、HSO_4~-离子数占比要明显高于百货大楼点位,燃料燃烧、工业工艺源、农田氮肥施用是其主要的人为污染源;2个点位PM_(2.5)成分主要为元素碳,分别占比42.4%,40.6%;污染时段,ρ(PM_(2.5))快速上升,除受本地机动车尾气源和燃煤源累积影响外,百货大楼点位扬尘源排放增加,高新区点位扬尘源和工业工艺排放源增加;2个点位机动车尾气源均为首要污染源,分别占比29.5%和30.9%,其次为燃煤源(24.3%和24.7%),扬尘源占比分别为22.9%和20.8%。     

江苏省夏季典型传输通道城市臭氧污染成因及VOCs污染特征

在2020年8月11—15日的一次典型光化学污染过程中,在江苏省东南沿江传输通道城市同步开展了大气挥发性有机物(VOCs)的加密观测,使用基于观测的OBM模型诊断了典型城市臭氧(O_(3))生成机制,并分析其污染成因,梳理了通道城市VOCs化学组成特征、O_(3)生成潜势(OFPs)及污染日与清洁日的差异。结果表明,监测期间大部分城市呈现首尾(8月11和15日)O_(3)超标、中间达标的特征,气象要素影响较小,与前体物关联更为密切。沿江通道城市污染日VOCs总体积分数为15.79×10^(-9)~54.9×10^(-9),均值为31.88×10^(-9),是清洁日城市总体积分数均值(18.08×10^(-9))的1.76倍。南京、镇江、扬州等城市O_(3)生成总体处于VOCs控制区,泰州8月11日处于NOx控制区。各城市VOCs化学组成均以烷烃为主(平均占比31.8%),其次是含氧挥发性有机物(OVOCs)(26.5%)和卤代烃(19.1%),其他组分占比较低。污染日烷烃、炔烃和芳香烃的体积分数升幅显著高于其他类组分,尤其是芳香烃,增幅为45.1%~296.3%。各城市OFPs中,优势组分均为芳香烃和烯烃,其中乙烯、丙烯、甲苯、乙苯和间对二甲苯等物种质量浓度在污染日上升显著,对O_(3)生成影响较大。     

南京市机动车污染物减排因素分析

以南京市机动车排污监控系统的实时检测数据为基础,简述了南京市机动车减排效果,在“十二五”期间南京市机动车保有量增长71.8%的背景下,实现了污染物排放量削减18.8%,单车平均排放CO、HC、NOx较3年前分别下降了33%,31%和36%;排放标准和使用年限二因素方差分析表明,其对NOx、CO和HC排放值的影响由大到小排序均为：油品质量〉排放标准〉使用年限。提出,进一步提升油品质量至关重要。     

Possible markers of traffic-related emissions

Looking for robust indicators of motor vehicle emissions it has been found that brake wear and linings are significant contributors of Cu, Mo and Sb to air particulate matter. These trace elements, whose mutual ratios in airborne particulate matter resulted quite different from those in crustal material, appear to be available fingerprinting tools to identify the contribution of on-road vehicles to traffic-derived particulate matter. In this study, the results of analytical determinations of Cu, Mo and Sb on PM(10), PM(2.5), vegetation and brake dust samples, together with gas (CO, NOx) concentrations, are discussed. Highly significant correlations among Cu, Sb and Mo were observed in particulate matter from Palermo and between Cu-Sb and Cu-Mo at Catania. Further significant positive correlations have been found in pine needles from Palermo, Gela and in platanus leaves from Catania.     

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.     

Assessment of New Vehicles Emissions Certification Standards in the Metropolitan Area of Mexico City

Light duty gasoline vehicles account for most of CO hydrocarbons and NOx emissions at the Metropolitan Area of Mexico City (MAMC). In order to ameliorate air pollution from the beginning of 2001, Tier 1 emission standards became mandatory for all new model year sold in the country. Car manufacturers in Mexico do not guarantee the performance of their exhaust emissions systems for a given mileage. The purpose of this study was to assess whether the Tier 1 vehicles will stand the certification values for at least 162000 km with the regular fuel available at the MAMC. Mileage accumulation and deterioration show that certified carbon monoxide emissions will stand for the useful life of the vehicles but in the case of non-methane hydrocarbons will be shorter by 40%, and nitrogen oxides emissions above the standard will be reached at one third of the accumulated kilometers. The effect of gasoline sulfur content, on the current in use Tier 1 vehicles of the MAMC and the impact on the emissions inventory in year 2010 showed that 31000 extra tons of NOx could be added to the inventory caused by the failure of the vehicles to control this pollutant at the useful life of vehicles.     

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。     

南京市机动车排气监测与评价

通过对南京市机动车排气污染物的年检监测,表明南京市的汽油车、柴油车、摩托车排气合格率总体呈上升趋势,2002年全市机动车排气监测总合格率为99.9%,比1993年上升了8.6个百分点;汽车尾气达标率也呈上升趋势,2002年达83.8%,比1993年上升了2.6个百分点。对机动车排气路检结果表明,CO超标的车辆占84.4%,CO、HC两项指标都超标的车辆占31.1%。对各类汽油助力车排气监测结果表明,二冲程汽油助力车尾气中CO、HC排放量要高于四冲程汽油助力车的排放量。对各类正三轮摩托车排气抽检结果表明,大部分四冲程正三轮摩托车尾气排放污染物能达标,且排气管无碳烟;二冲程正三轮摩托车尾气中HC值偏高,排气管碳烟明显。     

苏州市重点监控行业VOCs产生和排放特征调查与分析

通过调查与分析苏州市重点监控行业企业VOCs的产生和排放特征,调研典型企业,重点关注其涉及VOCs产生的工艺环节、原辅材料、排放浓度。结果表明:苏州市涉及VOCs排放企业行业众多,尤其以电子信息最多,其次为塑料橡胶制品行业、石油化工行业、纺织印染行业等。重点监控VOCs排放企业使用了大量有机溶剂,生产工艺中涉及VOCs排放的环节多,排放的VOCs种类多、成分复杂,具有行业特征。     

春季广州城区空气中VOCs来源解析

2013年4月在广州市区对大气中挥发性有机化合物(VOCs)进行了观测,对其变化特征和来源进行了分析。结果表明,观测期间测得的VOC总平均混合比为41.35×10~(-9),表现为烷烃芳香烃烯烃炔烃;利用PMF解析出观测时段内影响广州市区的9个VOCs主要来源,各源占比情况依次为:LPG排放老化VOC汽油挥发石化、未知源汽油车排放油漆溶剂柴油车排放天然源;与机动车相关和工业相关的来源分别占到了大气VOCs的46.8%和21.0%。     

南通市夏季VOCs污染特征与来源研究

运用大气挥发性有机物(VOCs)快速在线连续自动监测系统,于2018年7月对南通市区环境空气中VOCs进行观测,分析VOCs的浓度状况、组成特征、对臭氧生成潜势的贡献及主要来源。结果表明:观测期间共检出100种VOCs,总挥发性有机物(TVOCs)的平均体积分数为(38. 18±23. 63)×10^-9,各物种体积分数从大到小顺序依次为烷烃>含氧有机物>芳香烃>卤代烃>烯、炔烃;芳烃和烯烃是最主要的活性物种,间/对二甲苯、甲苯、邻二甲苯等是VOCs的关键活性组分;利用PMF模型解析得到VOCs的主要污染来源是工业排放与溶剂使用、机动车尾气排放、燃料挥发排放和生物源排放。     

大连市秋冬季环境空气中VOCs特征及臭氧生成潜势分析

对大连市2015年秋冬季环境空气中VOCs进行采样分析,获得其组成、含量、昼夜和季节变化规律,分析不同类别VOCs的来源,并计算不同VOCs物种的臭氧生成潜势（OFP）。结果表明：大连市环境空气中秋季VOCs平均体积浓度（55.81×10^-9）略高于冬季（42.66×10^-9）;秋季VOCs以羰基化合物和烷烃为主,而冬季VOCs以烷烃和烯炔烃为主。大连环境空气中光化学反应的主要VOCs类别为羰基化合物、烯炔烃和芳香烃,主要物种为丙烷、乙烷、正丁烷和乙烯。羰基化合物含量高与机动车尾气及医院大量试剂的使用有关,烷烃主要来源于汽油车与液化石油气（LPG）燃烧排放,芳香烃主要由机动车排放贡献。各类别VOCs的组分含量与其OFP并不一致,大连市环境空气中各类VOCs的OFP由高到低依次为羰基化合物>芳香烃>烯炔烃>烷烃。