北京市“十四五”时期大气污染物与温室气体协同控制效果评估研究

面对国家碳达峰、碳中和战略目标,“十四五”时期,北京市提出推进大气污染物和温室气体排放协同控制,因此,开展协同控制效果评估对于持续改善空气质量和减少碳排放具有重要意义 .本研究在减排措施筛选和减排量测算的基础上,分析了主要大气污染物和 CO₂的减排潜力,采用协同控制效应坐标系法、协同控制交叉弹性分析法和协同评估指数法,对减排措施主要大气污染物 SO₂、NO_x、PM₁₀、VOCs 和温室气体CO₂的协同控制效果进行评估 . 结果表明,减排措施对于 SO₂、NO_x的减排潜力均在 20% 以上,对于 CO₂的减排潜力约为 7%. 各项措施对 NO_x、PM₁₀、VOCs和 CO₂排放具有协同控制效果 .从坐标系法和评估指数法分析结果来看,浅山区煤改清洁能源和压减本地火力发电量对 SO₂和 CO₂的协同控制效果较好...     

基于前体物多情景排放的兰州市2030年夏季臭氧预测

近年来,兰州市夏季臭氧污染问题日渐凸显,已成为影响当地环境空气质量达标的首要污染因子和制约环境空气质量持续改善的突出短板.解决臭氧污染问题需结合城市经济发展的实际情况定量评估前体物减排量并提出切实可行的减排对策,为环境管理的中长期规划提供科学依据.在2015年本地排放清单的基础上,通过情景分析法预测了兰州市2030年3种梯度城市发展与污染控制情景下臭氧的两类主要前体物氮氧化物（NO_x）和挥发性有机物（VOCs）的排放量,利用WRF-Chem模型对不同情景下的2030年夏季臭氧污染程度进行了数值模拟,分析了臭氧浓度与生成敏感性的时空变化情况,并提出了兰州市臭氧前体物的总量控制参考和针对不同行政区的减排对策建议.结果表明,3种不同的城市发展与污染控制情景下兰州市2030年NO_x排放量为4.57×10⁴～12.14×10⁴ t, VOCs排放量为5.30×10⁴～7.69×10⁴ t, NO_x排放可通过调整能源结构,加强末端治理和限制机动车...     

基于LEAP模型的京津冀地区钢铁行业中长期减排潜力分析

京津冀地区是我国钢铁行业集中布局的地区,也是大气污染最突出的地区.分析京津冀地区钢铁行业各类治污工具的中长期减排影响,对于选择最优减排措施、加快推动该地区大气污染治理意义重大.构建基于LEAP模型的京津冀地区钢铁行业模型,以2015年为基准年,以每5 a为一个时间节点,结合规模减排、结构减排、技术减排、末端治理4种减排措施,模拟计算了4种单一政策情景及4种组合政策情景下2015-2030年京津冀地区钢铁行业主要污染物（SO₂、NO_x、PM₁₀、PM_2.5、CO₂）排放量及相应的减排影响.结果表明:在单一政策情景下,规模减排情景对5种污染物减排效果均十分显著.在组合政策情景下,4种减排措施叠加的综合减排情景效果最好,在该情景下京津冀地区钢铁行业到2030年SO₂、NO_x、PM₁₀、PM_2.5、CO₂排放量将分别削减27.73×104、17.85×104、42.94×104、27.35×104、23.15×107 t;在规模-末端治理情景下,除CO₂外其余污染物减排效果仅次于综合减排情景;规模-结构减排情景对PM₁₀和PM_2.5的减排效果相对明显;规模-技术减排情景对CO₂、SO₂、NO_x的减排效果相对明显.研究显示,京津冀地区钢铁行业需要在大力淘汰落后过剩产能、缩减产量等源头治理措施的基础上,持续加强末端治理、提高废钢比例、提升节能减排技术水平等协同治理能力,以提高治污减排效果.      

北京市减污降碳协同控制情景模拟和效应评估

将能源、建筑、产业和交通作为减污降碳重点领域,设置了基准情景、政策情景和强化情景,以2020年为基准年,2035年为目标年,开展北京市大气污染物和CO₂减排潜力测算,并构建了一种协同控制效应分级评估方法,对政策情景和强化情景下大气污染和CO₂协同控制效应进行量化评估.结果表明,与基准情景相比,政策情景和强化情景下大气污染物减排率分别在11%～75%和12%～94%,CO₂分别为41%和52%.优化机动车结构对于NO_x、 VOCs和CO₂的减排贡献最大,政策情景下减排率分别达到74%、 80%和31%,强化情景下分别达到68%、 74%和22%;完成农村地区散煤清洁能源改造对SO₂的减排贡献最大,政策和强化情景下分别达到47%和35%;提升新建建筑绿色化水平对PM₁₀的减排贡献最大,政策和强化情景下分别达到79%和74%.优化出行结构和推动数字基础设施绿色发展的协同控制效应最佳;强化情景下,完成农村地区散煤清洁能源改造、优化机动车结构和...     

天津市“十三五”期间PM2.5减排效果评估

为了解“十三五”期间天津市PM_2.5减排效果,基于2015～2020年不同大气污染治理措施的减排量核算结果,利用空气质量模型和高时空分辨率PM_2.5监测数据,对“十三五”期间天津市PM_2.减排效果进行分析.结果表明,2015～2020年,天津市SO₂、 NO_x、 VOCs和PM_2.5的排放量分别减少4.77×10⁴、 6.20×10⁴、 5.37×10⁴和3.53×10⁴t,其中工艺过程、散煤和电力治理对SO₂的减排贡献大,工艺过程、电力和钢铁治理对NO_x的减排贡献大,工艺过程对VOCs的减排贡献最大,工艺过程、散煤和钢铁治理对PM_2.5的减排贡献大.“十三五”期间天津市PM_2.5浓度平均值、污染天数和重污染天数明显下降,分别较2015年下降31.4%、 51.2%和60.0%;与前...     

基于LEAP模型的兰州市道路交通温室气体与污染物协同减排情景模拟

基于LEAP模型,构建了2015～2040年兰州市道路交通发展“零措施”的基准（BAU）情景以及低碳（LC）和强化低碳（ELC）这2个节能减排情景,模拟评估各项政策和措施下能源消耗情况和温室气体与大气污染物协同减排效果.结果表明,LC情景能源消耗和CO₂排放将于2026年达峰,ELC情景能源消耗和CO₂排放将于2020年达峰;两种情景下,NO_x、 CO、 HC、 PM_2.5和PM₁₀等污染物排放量于2015～2017年间开始出现大幅下降,下降趋势于2023年前后逐渐减缓.结合措施可行性和减排成本,LC情景可作为兰州市道路交通碳达峰减排情景：到2040年能源消耗量、 CO₂、 NO_x、 CO、 HC、 PM_2.5和PM₁₀排放相对于BAU情景的削减率分别达到-24.17%、-26.57%、-55.38%、-65.91%、-72.87%、-76.66%和-77.18%.兰州市道路交通当前应以公共...     

中国城市工业减污降碳协同度的影响因素分析

当前减污降碳协同控制大多关注国家或省级尺度,且聚焦单一环境介质,缺少城市尺度、多介质污染物与碳排放的协同性研究。分析了2013—2019年中国178个城市工业CO₂排放与SO₂、NO_x、COD、NH₃-N 4类不同介质污染物排放的协同度,并探究了影响协同度的社会经济因素。结果表明,工业CO₂和各类污染物的年平均减排协同度呈现“N”型变化趋势。约40%的城市已实现工业协同减污降碳,约50%的城市只实现污染物减排,碳污均增排城市约占10%。加强政府政策力度是影响城市工业协同减污降碳的关键因素,且东、中、西部城市工业协同减污降碳的关键影响因素具有异质性。此外,鼓励科技创新和吸引人才回流是促进老工业城市协同减污降碳的关键因素。     

低碳城市的CO2与PM2.5减排协同效应分析

将基于卫星遥感数据的CO₂与PM_2.5纳入统一研究框架,运用多期双重差分等方法,在城市尺度上分析评估2007～2019年中国低碳城市政策对CO₂减排与PM_2.5污染控制的协同效应及其影响机制.研究发现:低碳城市CO₂与PM_2.5减排的协同效应十分显著,低碳政策使试点城市的CO₂排放量和大气PM_2.5浓度分别下降3.2%和0.74%,且结论在一系列稳健性检验后依然成立.机制分析表明,改善公共交通环境是低碳城市建设实现协同效应的最主要途径.低碳城市政策的协同效应存在地区差异,经济发展水平高、产业结构水平高的城市以及非资源型城市的协同效应更为显著.对此,应充分发挥协同效应,进一步加快低碳城市建设,实现CO₂和PM_2.5等大气污染物协同治理.     

北京市制造业减污降碳协同效应分析和驱动因素

基于北京市2013～2020年制造业大气污染物和CO₂排放数据计算结果,分析了制造业排放变化特征,采用协同效应系数评估了制造业减污降碳的协同效果,并利用LMDI模型量化分析了人口规模、经济发展、产业结构、能耗强度、能源结构和排放强度对于大气污染物排放、CO₂排放以及二者综合的驱动影响程度.结果表明,北京市制造业排放总体呈下降趋势,2013～2020年,大气污染物排放减少了79.2%～92.5%,CO₂排放减少了60.3%,各项排放在“清空五年”和“蓝天三年”时期呈现不同的阶段性特征.从减污降碳协同效果来看,各项大气污染物和CO₂的协同效应系数均在0～1之间,对于大气污染物的减排作用大于CO₂.从各驱动因素影响来看,能耗强度降低和能源结构优化对于排放的负向拉动作用较大,排放强度降低对于大气污染物排放具有抑制作用;从协同减排综合驱动影响来看,能耗强度降低的协同效果最为明显,产业结构调整在“蓝天三年”时期的协同效果最佳.     

广东省经济结构转型对协同减污降碳的影响

在经济快速发展和减污降碳的双重压力下,通过经济结构转型实现协同减污降碳,是广东省可持续发展的迫切需要. 本研究利用减排量弹性系数评估SO₂、NO_x、烟粉尘与CO₂排放量变化的协同性,基于环境投入产出模型和结构分解分析方法探究广东省经济结构转型对协同减污降碳的影响. 结果表明:①从生产端看,电力热力的生产和供应业以及非金属矿物制品业的大气污染物和CO₂排放量较大;从消费端看,建筑业同时排放了大量大气污染物和CO₂. ②2007—2017年生产结构变化和最终需求产品结构变化对减污降碳的影响存在不协同性,未来可通过优化生产结构和最终需求产品结构促进协同减污降碳. 研究显示,应以生产结构和最终需求产品结构转型为重要抓手,提高广东省减污降碳的协同性,实现高质量可持续发展.      

基于燃料生命周期的中国铁路排放趋势

铁路运输是现代运输的主要方式之一,在空气质量改善和"双碳"目标的双重约束下,厘清铁路运输CO₂和污染物排放趋势,对于交通领域的减污降碳工作具有重要意义.基于燃料生命周期法分析了中国火车2001~2018年的CO₂和污染物排放特征,在此基础上,结合情景分析评估了2019~2030年的铁路排放趋势.结果表明,随着铁路电气化进程的推进、内燃机车新车投入使用和燃油标准的不断升级,铁路运输燃料生命周期的CO₂和污染物排放整体分别呈上升和下降趋势,而其上游阶段的排放占比逐年升高.2018年铁路运输的CO₂、NO_x、CO、BC和SO_x排放总量分别为3780.29万t、11.98万t、3.94万t、0.20万t和3.08万t.情景分析表明,加快电力结构改善和降低单位运输能耗分别是降低铁路CO₂、SO_x和NO_x、BC、CO排放的最佳单一控制手段.积极应对铁路减污降碳工作的综合情景下,CO₂、NO_x、CO、BC和SO_x的减排率可分别达35%、37%、39%、32%和45%.电力结构改革和铁路电气化进程的停滞均会造成铁路运输排放总量的显著增加,铁路减污降碳工作仍需高度重视.     

郑州市公交车队电动化减污降碳环境效益

公交车队电动化是道路交通部门实现减污降碳的重要手段,评估当前公交车队电动化减排成效,对推进大中型城市公交全面电动化具有重要参考意义.基于燃料生命周期法分析了郑州市公交车队电动化前后CO₂和污染物排放特征,并评估了不同电动化情景下的车队排放.结果表明,本轮电动化使公交车队燃料生命周期内CO₂和PM_2.5排放量分别增长32.6%和42.6%,CO、NO_x和VOC排放量下降了28%,34%和25%.优化发电结构对于电动化过程中的CO₂及PM_2.5减排尤为重要,在全面电动化和发电结构优化的最佳情景下,CO₂、CO、NO_x、VOC和PM_2.5减排可达38.7%、80.1%、84.4%、92.2%、30.2%.在全面电动化进程中,应优先对中长里程线路车辆进行电动化替换,此外,插电混动天然气车型的纯电动化替换对减排利弊兼有,同步推进车队替换和电力结构调整进程才能实现减污降碳协同增效.     

北京市燃煤源排放控制措施的污染物减排效益评估

为分析北京市燃煤源排放控制措施的污染物减排效益,基于MEIC（中国多尺度排放清单模型）,采用情景分析法,评估了北京市电厂能源清洁化与末端治理、燃煤锅炉改造和城区平房区居民采暖改造等措施的污染物减排效益.结果表明,相对于无控情景,2013年北京市电厂能源清洁化与末端治理减少PM_2.5、PM₁₀、SO₂和NO_x排放量为1.28×104、2.10×104、5.13×104和4.98×104 t,分别占无控情景的85%、86%、87%、74%;北京市燃煤锅炉改造减少PM_2.5、PM₁₀、SO₂、NO_x排放量为1.09×104、2.68×104、11.64×104和5.81×104 t,分别占无煤改气情景的83%、89%、83%、83%;北京市老旧平房区的居民采暖改造减少PM_2.5、PM₁₀、SO₂和NO_x排放量分别为630、870、2 070和790 t,均占无煤改电情景的8%.研究显示,北京市从1998年开始采取的各种减排措施有效地减少了污染物的排放,对北京市空气质量改善具有重要意义.      

基于IVE模型和大数据分析的杭州市道路移动源主要温室气体排放清单研究

利用IVE模型和对杭州市机动车排放管理数据库大数据的分析,得到杭州市2015年各类机动车主要温室气体高分辨率排放清单,分析了排放分担情况及时间变化特征,并利用Arc GIS及杭州市路网信息建立了1 km×1 km网格化空间分布.结果表明,杭州市道路移动源温室气体排放中CO_2、CH_4和N_2O的年排放量分别为818.11×10~4、0.85×10~4和0.07×10~4t,合计856.79×10~4t(以CO2当量计).从温室气体种类来看,CO_2占道路移动源温室气体排放总量的绝大部分,为95.5%;从机动车类型来看,小微型客车对道路移动源温室气体排放的贡献率最大,占72.8%;从道路类型的排放情况来看,杭州市市中心、城区、城郊和郊区中温室气体合计CO_2当量贡献率最高的均为主干路,分别为43.4%、61.8%、58.0%和42.4%.杭州市道路移动源温室气体排放强度均呈现由城市中心向城市边缘递减的趋势,同时温室气体排放量日变化特征明显,均出现弱双峰现象.     

江苏省内河船舶大气污染物排放清单及特征

基于船舶签证、过闸数据以及AIS数据,采用船舶引擎功率的方法建立了江苏省内河船舶大气污染物排放清单.结果表明,2014年江苏省内河船舶共排放NO_x18. 71万t、SO_25. 13万t、PM_(2.5)0. 82万t、PM_(10)1. 10万t、HC 0. 64万t、CO 1. 67万t和CO_21 051. 13万t;对于内河船舶(不计长江),干货船污染物排放量最大,吨位范围200～600 t的污染物排放量最高,船舶正常航行工况下污染物排放量最高;对于长江江苏段抵港船舶,非集装箱货轮污染物排放量最高,装卸货工况下污染物排放量最高,其次是巡航状态,对于不同动力单元,主机和辅机是主要排放单元;对于长江江苏段过境船舶,非集装箱货轮的污染物排放量最高,其次为油轮,缓慢行驶状态下各污染物排放量均为最高,对于不同动力单元,SO2、PM_(2.5)和PM_(10)主机排放量高于辅机;京杭运河苏北段航道单位航道长度大气污染物排放量较大,苏南航道次之;江苏省内河船舶排放受时间影响较小,除2月排放占比略小外,其余月份排放占比基本较为均匀,均在8%～10%左右.     

成都市城区大气VOCs季节污染特征及来源解析

为研究成都市城区大气VOCs季节变化特征,本研究在2018年12月至2019年11月对VOCs组分进行监测,并对VOCs的浓度水平、各化学组成、化学反应活性和来源进行分析.结果表明,成都市城区春、夏、秋和冬季VOCs的平均体积分数分别为32.29×10~(-9)、 36.25×10~(-9)、 40.92×10~(-9)和49.48×10~(-9),冬季的浓度明显高于其他季节,春季和夏季的浓度水平相差不大,各季节VOCs的组分浓度水平有所差异,冬季烷烃占总VOCs的比例最大,可能受机动车排放的影响较明显;夏季和秋季含氧(氮)挥发性有机物占比远高于春、冬季,一次源的挥发排放和二次转化的生成贡献较大;成都市城区不同季节大气中VOCs平均浓度排名靠前的关键组分基本无变化,主要是C_2～C_4的烷烃、乙烯、乙炔及二氯甲烷等,可能受机动车尾气、油气挥发、溶剂使用和LPG燃料等影响明显,夏季丙酮以及乙酸乙酯等含氧有机物浓度贡献突出;根据·OH消耗速率和OFP计算可知关键活性物种主要为间/对-二甲苯、乙烯、丙烯、1-己烯、甲苯、异戊烷和正丁烷等,这些物种应该优先减排和控制;四季VOCs源解析结果显示:春、夏季温度较秋、冬季高,光照更强,PMF明显解析出天然源和二次排放贡献,同时,由于夏季温度较高,解析出油气挥发占9%;秋、冬季占比增加的源主要为机动车尾气和燃烧源,燃烧源的排放占比在25%左右,另餐饮源的排放占比在9%左右.     

江西赣州站大气CO2和CH4浓度变化特征研究

通过分析2018年12月—2019年11月江西赣州站大气CO₂和CH₄浓度高精度在线观测资料,对其CO₂和CH₄浓度变化特征进行了研究,分析了区域大气输送的影响以及潜在排放源区分布特征.结果表明：研究期内赣州站CO₂和CH₄的平均浓度分别为433.1×10^-6和2142.5×10^-9.赣州站CO₂和CH₄浓度日变化均表现为日间低、早晚高,CO₂浓度日振幅在夏季最大,为29.7×10^-6,冬季最小,为6.9×10^-6.CH₄浓度日振幅在秋季最大,为145.1×10^-9,冬季最小,为41.4×10^-9.CO₂本底浓度季节变化表现为4—8月迅速下降,8—11月逐渐上升,最大值出现在1月,最小值出现在8月,季节振幅为26.2×10^-6.CH₄本底浓度季节变化表现为1—7月逐渐下降,7—9月逐渐上升,最大值出现在1月,最小值出现在7月,季节振幅为79.5×10^-9,基本可代表江西赣州地区混合均匀大气的CO₂和CH₄季节变化状况.与南昌站对比分析表明,赣州站各季节CO₂和CH₄本底浓度均低于南昌站.赣州地区CO₂和CH₄潜在源区主要分布在江西北部、湖北东部、安徽南部和珠江三角洲地区.     

长三角区域非道路移动机械排放清单及预测

基于长三角典型城市非道路移动机械实地调查成果,结合长三角各城市非道路移动机械相关指标现状及变化趋势,建立了长三角三省一市非道路移动机械大气污染源排放清单,并开展了2005~2025年区域非道路移动机械保有量、燃油消费量及污染物排放量预测.2014年长三角非道路移动机械总量约为8.23×106台,柴油消费量约9.95×106t,SO_2、NO_x、CO、VOCs、PM10和PM_(2.5)排放分别为5.5×10~3、4.9×10~5、7.6×10~5、1.1×10~5、2.9×10~4和2.7×10~4t,农用机械占长三角机械总量的93%,CO和VOCs排放贡献分别为88%和77%;建筑及市政工程机械的NO_x和PM_(2.5)排放贡献较为突出,分别占49%和35%.长三角中部和北部城市机械排放贡献相对突出.2005~2014年间,长三角地区非道路移动机械保有量、油耗及排放增幅均相对较快,预计到2020和2025年,区域非道路移动机械总量增速明显放缓,柴油消费量分别比2014年增加2%和8%.到2020年,SO_2、NO_x、CO、VOCs、PM10和PM_(2.5)排放分别比2014年下降97%、10%、3%、10%、11%和11%;到2025年分别下降97%、16%、3%、15%、21%和21%.预计未来长三角区域非道路移动机械排放将呈现逐年下降趋势,但相比机动车降幅仍相对较小,其排放贡献将日益突出,加快老旧机械淘汰并进一步提升机械排放标准对削减非道路移动机械排放总量具有十分重要的意义.     

四川省人为源大气污染物排放清单及特征

在收集四川省各城市人为污染源活动水平数据基础上,基于自下而上和自上而下结合的清单构建方法,选取排放因子并结合GIS技术,建立了该地区2015年1 km×1 km人为源大气污染物排放清单.结果表明,2015年四川省人为源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放量分别为444.9×10~3、820.0×10~3、3 773.1×10~3、1 371.6×10~3、537.5×10~3、28.7×10~3、53.1×10~3、923.6×10~3和988.0×10~3t.电厂和工业锅炉等燃煤排放贡献了95%以上的SO_2,移动源、化石燃料燃烧源和工艺过程源分别贡献了54%、23%和20%的NO_x,以钢铁和建材制造为主的工艺过程源分别贡献了20%的PM_(10)和34%的PM_(2.5),以道路扬尘为主的扬尘源分别贡献了60%的PM_(10)和35%的PM_(2.5),生物质燃烧分别贡献了33%的BC和51%的OC,以机械加工、建筑装饰、电子设备制造、印刷和家具等行业为主的溶剂使用源贡献了46%的VOCs,NH_3主要来自畜禽养殖和氮肥施用等农业部门排放,分别占总排放量的70%和25%.污染物空间分布结果显示,四川省各项大气污染物主要集中分布于人口最为密集,农业和工业均较为发达的四川盆地和攀枝花部分区域,其中,以成都、德阳和绵阳为代表的成都平原城市群为四川盆地内的主要排放高值区域.所建立的排放清单存在一定不确定性,后续研究中应针对活动水平数据获取的不足开展数据收集工作,加强排放贡献较大典型污染源的排放因子本地化研究工作,逐步完善四川省大气污染物排放清单,为四川省复合型大气污染研究和防治提供科学支撑.