长江三角洲地区人为源氨排放清单及分布特征

根据各类氨排放源的活动水平和排放因子,估算了2004年长江三角洲地区16个城市的氨排放量.结果表明,2004年长三角地区氨排放量为460.68kt,其中,氮肥使用和畜牧源是两个最大排放源,氨排放量分别为227.33kt和203.28kt,分别占长江三角洲地区氨排放总量的49.3%和44.1%,氨排放在长三角地区各城市间有较大差异,排放量超过40kt·a-1的城市为南通市、上海市、嘉兴市和泰州市,这4个城市的氨排放总量约占长三角地区氨排放量的42.5%.长江三角洲地区氨平均排放强度为4.20t·km-2·a-1,排放强度超过6t·km-2·a-1的城市为嘉兴市、南通市、泰州市和上海市,其中,嘉兴市的排放强度最大,为10.83 t·km-2·a-1.     

东海无机氮排海通量年际变化估算

通过系统收集和推算1980～2005年东海几种入海污染源的无机氮数据(河流、排污口、陆源面源、大气沉降和海水养殖)基础上,研究估算了东海无机氮的入海年际通量变化情况.结果表明,自20世纪80年代初至21世纪初,东海无机氮入海通量总体呈现上升趋势:由20世纪80年代初的8.8×105t.a-1左右逐渐增加到本世纪初的2.6×106t.a-1左右,年平均增长率为4.3%.长江作为东海最大入海河流,其无机氮排海通量占河流排海海通量的76.5%,排放量由80年代初的4.0×105t.a-1上升到80年代中期的6.2×105t.a-1,后保持在此值上下浮动,然后从90年代开始快速上升到本世纪初的1.8×106t.a-1.东海无机氮主要来源是以入海河流为主的陆源排放,大约为总量的79%,其中河流、排污口和陆源面源分别为73%、4%和2%.除陆源外,大气沉降约为18%,海水养殖约为3%.     

红河州人为源氨排放清单及分布特征

根据收集的红河州各类人为源氨排放活动水平数据和排放因子,建立了2017年红河州人为源氨分类别和县市排放清单。结果表明,2017年红河州人为氨源排放总量为93. 21kt,其中农田生态系统、畜牧养殖业和其它源排放量分别为10. 43kt、71. 18kt和11. 6kt,畜牧养殖业是红河州氨排放的主要来源,占排放总量的73. 37%。弥勒市、建水县和泸西县是红河州氨排放量最大的3个县市,排放量为36. 57kt,排放份额占红河州总排放量的39. 23%,排放量最小的是河口县为0. 85kt,仅占全州的0. 91%。红河州的氨排放强度为3. 0t/km2·a-1,泸西县是氨排放强度最大县市,高达6. 8t/km2·a-1。     

中国区域HCFC-142b排放量模式反演研究

利用拉格朗日粒子扩散模式FLEXPART结合上甸子区域本底站在线观测HCFC-142b数据,采取自上而下的反演方法,估算了2009和2010年中国HCFC-142b的排放量分别为10.82kt/a和15.42kt/a,分别占全球HCFC-142b排放量的29.7%和45.8%.反演HCFC-142b排放量的空间分布结果显示其排放源主要集中在京津冀、四川、山东西部以及长江中下游地区,与相关研究中自下而上方法获得的排放量分布一致.模式反演源较先验源更接近观测数据,2009年相关系数从0.38提高到0.47,2010年相关系数则从0.60提高到0.65.     

基于物质流分析的钾素流动与循环研究

我国钾矿资源匮乏,自给率低,主要的使用和流动过程集中在种植业活动中.本研究利用物质流分析方法对2009年我国种植业生产和消费过程中钾素的流动和循环过程进行了解析.结果表明,农田土壤钾素平均亏损量达到50.4 kg·hm-2,大量钾素由陆生生态系统进入水生生态系统,造成资源流失.伴随降雨径流进入水环境的钾素达231.2万t·a-1,占当年化学钾肥施用量的40.97%.生活污水排放是钾素进入水体的另一主要途径,城市和农村区域的年排放量分别为67.1万t·a-1和54.7万t·a-1,占进入水环境钾素总量的19.00%和15.50%.其中通过城市污水处理厂排放进入地表水环境中钾素为50.5万t·a-1,占城市区域排放总量的75.25%.     

中国水泥工业CO2产生机理及减排途径研究

根据水泥生产的基本原理和工艺特点,推导出煤燃烧和石灰质原料煅烧时CO2排放因子分别为2.38 t·t-1和0.527 t·t-1;采用水泥工业CO2排放数学模型计算2001-2008年中国水泥工业CO2排放量,并分析了不同的生产技术水平和产品品种结构对CO2,排放量的影响.结果表明:中国水泥工业CO2排放量与单位产品的...     

西安人为源VOCs排放特征及其对O3和SOA生成潜势的影响

为研究西安市人为源VOCs（挥发性有机物）对OFP（O₃生成潜势）和SOAFP（二次有机气溶胶生成潜势）的影响,基于西安市环境统计数据和相关统计资料,结合排放因子法和已有的源成分谱,建立西安市人为源VOCs排放清单,并利用最大增量反应活性（MIR）和气溶胶生成系数（FAC）估算各类人为源排放VOCs对O₃和SOA（二次有机气溶胶）的生成贡献.结果表明:①2016年西安市人为源VOCs排放总量为119.187×103 t,其中,溶剂使用源、移动源和工艺过程源是主要的排放源,排放量分别为50.676×103、29.414×103、24.430×103 t. ②2016年西安市各区县VOCs排放总量较大的依次为长安区、雁塔区、未央区和碑林区,排放量分别为15.28×103、12.34×103、11.81×103和10.14×103 t,莲湖区、新城区和灞桥区VOCs排放量大于5×103 t,而阎良区排放量最小. ③2016年西安市总OFP为222.087×103 t,间/对-二甲苯、甲苯、邻-二甲苯等对总OFP的贡献率为72.40%;溶剂使用源对总OFP的贡献率最大,其次是生物质燃烧源,并且生物质燃烧源单位质量VOCs的OFP最强. ④2016年西安市总SOAFP为318.347 t,间/对-二甲苯、甲苯、邻-二甲苯、乙苯等对总SOAFP的贡献率为88.65%;溶剂使用源对总SOAFP的贡献率最大,其次是生物质燃烧源,而且溶剂使用源单位质量VOCs的SOAFP强于其他排放源.研究显示,与其他地区VOCs单位面积排放清单相比,西安市VOCs单位面积排放强度处于中等水平.      

北京城市副中心(通州区)加油站VOCs排放清单

通州区作为北京城市副中心,面临着加油站VOCs排放量快速增长的巨大压力,本研究以通州区为例,建立了一套自下而上的加油站VOCs排放清单估算方法,利用北京市本地化加油站VOCs排放因子,结合每座加油站油品销售量,编制了通州区2015~2022年高时空分辨率加油站VOCs排放清单.结果表明:(1)北京市加油站在卸油、加油和罐压控制措施的基础上增加在线监控系统(OMS),汽油VOCs排放因子由190 mg·L~(-1)降至115 mg·L~(-1),再叠加50%车载油气回收系统,排放因子分别降至131 mg·L~(-1)和96 mg·L~(-1);加油站柴油VOCs排放因子(13 mg·L~(-1))是汽油未控制排放因子(1 552 mg·L~(-1))的0.8%;(2)通州区2015年加油站VOCs排放量为97.8 t·a-1,汽油和柴油VOCs排放量分别为96.2 t·a-1和1.6 t·a-1,分别占98.4%和1.6%,排放主要集中在北京市政府新址周边区域;(3)实施《北京市2013~2017年清洁空气行动计划》油气回收要求后,考虑油品销售量增长,通州区2017年和2022年加油站VOCs排放量相比2015年减排9%和6%,假设2022年底前在28座2 000~5 000 t·a-1的加油站也安装OMS,加油站VOCs排放量相比2015年减排13%;(4)2014年APEC期间单双号限行措施使加油站每日排放量减少了(22±12)%;(5)建议加强北京市政府新址周边区域加油站和夏季以及中午加油闲时的油气回收监管工作.     

浙江省人为源VOCs排放清单

基于挥发性有机物(VOCs)活动水平数据和相关排放因子,建立了浙江省人为源VOCs排放清单。结果表明:2009年浙江省VOCs排放总量为1.47×10~6t,其中工业排放源1.34×10~6 t,生活排放源1.176×10~5t,生物质燃烧源1.18×10~4t,分别占排放总量的91.17%、8.03%和0.8%;VOCs排放量最大的行业为纺织印染业、金属制品制造业、化学药品原药制造业、石油炼制、石油化工业等9大行业,其VOCs排放量均在5×10~4t以上,占全省总排放量的比例高达90%,为浙江省主要排放源;VOCs排放量最高的城市分别为杭州、宁波、温州、绍兴、嘉兴和湖州。     

西安市人为源大气氨排放清单及特征

根据西安市各类氨排放源活动水平数据,采用合理的估算方法和排放因子,建立了2013年西安市人为源大气氨排放清单.结果表明,2013年西安市人为源大气氨排放量为47.17×10~3t,排放强度为4.57 t·km~(-2);畜禽养殖和氮肥施用是排放贡献最大的两个人为源,氨排放量分别为20.55×10~3t和17.51×10~3t,占排放总量的80.68%;畜禽养殖中,牛和猪是最大的排放源,占畜禽养殖排放总量的75.03%;临潼区是排放量最大行政区,排放量为10.73×10~3t,分担率为23.22%;阎良区的排放强度最大,达到14.75 t·km~(-2).     

我国钢铁工业一次颗粒物排放量估算

针对我国钢铁工业生产工艺以及颗粒物控制技术的分类,建立了一个细化到排放节点的自下而上的颗粒物排放模型.结合我国钢铁工业各地区活动水平以及颗粒物控制技术分布的历史变化趋势分析,利用此模型计算了2006—2012年我国钢铁工业一次颗粒物的排放系数和排放量.模型计算结果显示,2006年以来,我国钢铁工业颗粒物控制水平不断提高,PM_(2.5)、PM_(2.5)~10和PM10的排放系数分别降低了21.2%、19.3%和19.0%.钢铁工业一次颗粒物排放量在2006—2011年间持续增长,2011年TSP排放量为602×104t,PM10排放量为200×104t,PM_(2.5)排放量为124×104t;2012年排放量出现下降,TSP排放量为561×104t,PM10排放量为187×104t,PM_(2.5)排放量为116×104t.2012年我国钢铁工业一次PM_(2.5)排放量中的有组织排放占39.5%,无组织排放占60.5%;除加严有组织源管控之外,减少颗粒物无组织排放,对于钢铁工业颗粒物排放控制也非常重要.我国钢铁工业颗粒物排放量分布不均衡,河北、山东、江苏、辽宁、山西5个省的排放超过全国总排放的50%.     

Atmospheric sulfur hexafluoride in-situ measurements at the Shangdianzi regional background station in China

We present in-situ measurements of atmospheric sulfur hexafluoride（SF6） conducted by an automated gas chromatograph–electron capture detector system and a gas chromatography/mass spectrometry system at a regional background site, Shangdianzi,in China, from June 2009 to May 2011, using the System for Observation of Greenhouse gases in Europe and Asia and Advanced Global Atmospheric Gases Experiment（AGAGE）techniques. The mean background and polluted mixing ratios for SF6 during the study period were 7.22 × 10-12（mol/mol, hereinafter） and 8.66 × 10-12, respectively. The averaged SF6 background mixing ratios at Shangdianzi were consistent with those obtained at other AGAGE stations located at similar latitudes（Trinidad Head and Mace Head）, but larger than AGAGE stations in the Southern Hemisphere（Cape Grim and Cape Matatula）. SF6 background mixing ratios increased rapidly during our study period, with a positive growth rate at 0.30 × 10-12year-1. The peak to peak amplitude of the seasonal cycle for SF6 background conditions was 0.07 × 10-12, while the seasonal fluctuation of polluted conditions was 2.16 × 10-12. During the study period, peak values of SF6 mixing ratios occurred in autumn when local surface horizontal winds originated from W/WSW/SW/SWS/S sectors, while lower levels of SF6 mixing ratios appeared as winds originated from N/NNE/NE/ENE/E sectors.     

海峡西岸地区人为源大气污染物排放特征研究

采用以"自下而上"为主的方法建立了2007年海峡西岸地区的人为源大气污染物排放清单.计算结果显示,海西地区人为源SO2、NOx、CO、PM10、PM2.5、VOCs和NH3排放总量分别为69.5×104、96.1×104、413.1×104、93.9×104、40.6×104、85.0×104和28.5×104t.电厂和工业燃烧设施分别占SO2排放的48%和39%,以及NOx排放的51%和25%.水泥、砖瓦等制造过程贡献了约51%的PM10排放和36%的PM2.5排放.秸秆燃烧、加油站和涂料等VOCs面源分别占到其排放总量的27%、15%和4%.NH3的主要排放源为畜禽养殖和氮肥施用等农业部门,占到总排放量的89%.海西地区的单位面积大气污染物排放量仅相当于长三角地区的25%左右,略高于全国平均水平.该地区人为源和天然源VOCs排放比重分别占56%和44%,人为源VOCs排放比重低于全国大部分地区.海西大气污染高排放地区主要集中在沿海一带,以泉州、潮汕、福州和温州等地区为主,建议"十二五"发展过程中,重点关注上述高排放地区,限制重点排放源的发展,开发低耗能、低污染的发展模式.     

兰州盆地人为源大气污染物网格化排放清单及其空间分布特征

基于所搜集的兰州盆地各类人为污染源排放大气污染物的活动水平数据及其排放因子,采用"自下而上"的方法建立了2009年兰州盆地(石油化工城市)1 km×1 km的7种(类)大气污染物网格化排放清单,并对其来源和空间分布特征进行了分析研究.结果显示:2009年兰州盆地NOx、SO_2、VOCs、CO、PM_(10)、PM_(2.5)和NH3的排放总量分别为1.2×10~5、8.8×10~4、4.3×10~4、4.1×10~5、9.6×10~4、4.2×10~4和1.4×10~4t;工业燃烧排放是兰州盆地NO_x和SO_2的主要贡献源,分别占其总排放量的85.70%和52.55%;工业非燃烧过程排放是VOCs的最大贡献源,占总排放量的81.25%;工业点源和工业非燃烧过程排放是CO的两大贡献源,分别占其总排放量的33.97%和28.32%;PM_(10)和PM_(2.5)主要来源于工业非燃烧过程,贡献分别为51.09%和55.12%;氮肥使用和禽畜养殖是NH_3排放最大的贡献源,分别占其总排放量的39.20%和30.70%.空间分布特征表现为:以工业源为主要排放源的NO_x、SO_2、VOCs、CO、PM_(10)、PM_(2.5)主要分布在工业和人口最为集中的兰州盆地市区一带,NH_3的排放则主要集中在榆中县和皋兰县交界的农村地区.同时,还对2014年工业燃烧源和道路移动源的7种(类)大气污染物排放量进行了估算,并与2009年进行了排放比较研究.结果表明,2014年工业污染源的7种(类)污染物排放量与2009年相比平均增幅不高,最高不超过30%,但移动源污染物排放量却大幅增加,增幅将近1倍.此外,基于排放因子及活动水平的不确定性,本研究对排放清单的结果进行了不确定性分析,并通过蒙特卡罗模拟对各污染物的排放量进行了评估.本排放清单的建立,不仅填补了兰州盆地大气污染物网格化排放清单的空白,还可为兰州盆地大气污染物排放清单更新、区域环境过程、大气复合污染成因及大气污染预警技术等相关研究提供基本方法手段及基础数据.     

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.     

黄河上游灌区连作稻田N2O排放特征及影响因素

黄河上游灌区高产连作稻田氮肥的过量施用引起土壤氮素盈余,进而导致稻田N2O排放量增大.为了探明水稻连作模式下稻田N2O排放特征及影响因素,采用静态箱-气相色谱法,开展了为期2年的连作水稻田试验研究.试验共设置3个施氮处理,包括常规氮肥300kg.hm-2(N300)、优化氮肥240kg.hm-2(N240)和对照不施氮肥(N0),并在稻田连作的第2年,对N240处理灌溉节水30%.2年连作试验结果表明,水稻生长季稻田N2O排放主要发生在水稻施基肥后及水稻生长的中后期,在稻田灌水泡田后N2O排放速率达最大值.稻田高氮肥(300kg.hm-2)施用显著增加N2O的排放量,优化氮肥(240kg.hm-2)处理可有效降低土壤N2O排放量(p<0.01).水稻生长季稻田淹水状态时N2O排放量极低,稻田灌溉节水会相应增加土壤N2O排放量.土壤温度变化对稻田N2O的生成和排放会产生较大影响,但受稻田肥水管理等因素的影响,温度与N2O排放量相关性不显著.灌区稻田土壤N2O排放通量与田面水NO3--N含量变化及耕层0～40cm土壤NO3--N积累量变化有显著的相关性.稻田连作显著增加了耕层土壤剖面0～40cm土层NO3--N的积累量,耕层土壤NO3--N积累量的增加进而加大了土壤N2O排放的风险.在宁夏黄灌区稻田常规灌水和高氮肥(300kg.hm-2)水平下,2年连作稻田水稻生长季土壤N2O总排放量分别达55.98×104kg.a-1和51.48×104kg.a-1,在100a时间尺度上的全球增温潜势(GWPs)均值为16.02×107kg.hm-2(以CO2计),表明黄灌上游灌区高氮肥施用导致稻田N2O排放量增大,由此引起的增温潜势严重.     

双视角下中国畜牧业甲烷排放的温室效应

准确评价甲烷（CH₄）的温室效应是制定有效减排路径的基础.首次采用新提出的、针对短寿命气候污染物（SLCP）设计的气候指标GWP-star （GWP^*）对中国畜牧业CH₄排放的温室效应进行定量评价,并与常用的GWP指标评价结果相比较.结果表明,GWP的视角下我国畜牧业CH₄排放的温室效应持续增加.因此,畜牧业实现碳中和需要完全消除排放,或以增加碳汇、增加资源化利用的形式抵消每年稳定的CH₄排放.在GWP^*的视角下,2015~2019年间畜牧业CH₄排放的温室效应较20年前有所减少,降低的热量相当于从20年前的大气中减少2.1×10⁴万t CO₂的热量,畜牧业只需每年有效降低0.3%的CH₄排放则可在短期内实现自身碳中和.在中国畜牧业持续采取有效减排措施的情况下,采用GWP^*的标准制定减排目标比用GWP制定的减排目标更早达到,但选择GWP还是GWP^*需要综合考虑评价的目的、评价的时间尺度和实际可操作性.     

东莞市低碳路径下加速电气化对CO2和污染物协同减排影响

城市是能源消耗的中心，电气化可以整合城市能源结构，实现清洁能源高效利用，探究城市低碳路径下加速电气化的协同减排影响对实现城市减污降碳至关重要.基于长期能源替代规划模型(LEAP-DG),设置了基准情景、低碳情景和加速电气化情景等3类情景，评估电气化措施在不同电力结构下的减排潜力，量化重点部门的措施贡献，探讨广东省典型制造业城市东莞的协同减排效果.结果表明，电力结构优化促进了电气化措施的协同减排效果，低碳路径下加速电气化将进一步降低电力污染物排放强度，2050年，东莞市CO₂、 NO_x、 VOC和CO减排7.35×10⁶、 1.28×10⁴、 1.62×10⁴和8.13×10⁴ t, SO₂和PM_2.5消费侧减排量和生产侧增排量达到平衡.电气化渗透速率和电力结构优化协调发展是电气化措施实现减排效益的关键，工业和交通部门加速电气化将同时降低CO₂和大气污染物排放，交通部门得益于燃油车和电动车的高...     

深圳市船舶排放清单与时空特征研究

为分析深圳市船舶排放特征,本研究以劳氏船级社数据库(Lloyd's register of shipping,LR)以及船舶自动识别系统(automatic identification system,AIS)为基础,收集整理深圳市各主要船舶类型及其活动水平的本地化参数,使用基于引擎功率和燃料消耗量的排放因子法,估算深圳市2010年船舶排放清单,并利用船舶AIS活动轨迹建立1 km×1 km空间分配因子和时间特征谱.结果表明,2010年深圳市各类船舶排放的SO2、NOx、CO、PM10、PM2.5和VOCs总量分别为13.6×103、23.3×103、2.2×103、1.9×103、1.7×103和1.1×103t,全槽格式集装箱船为最大贡献船型,靠泊模式排放比例最大.船舶排放的高峰期集中在白天时段,但不同船舶的具体峰值有所不同;船舶排放量的空间分布呈面状及带状分布交错,高值排放区为西部港口群、东部大鹏湾海域及主要水运航道.     

辽宁省人为源大气污染物排放清单及特征研究

为全面评估辽宁省关键大气污染物排放状况,系统收集和整理全省基础活动水平信息,采用排放因子法建立了该省2012年人为源大气污染物排放清单.结果显示,2012年辽宁省SO_2、NO_x、CO、PM10、PM_(2.5)、BC、OC及NH_3排放总量分别为1434.8×10~3、1632.3×10~3、6682.9×10~3、1529.9×10~3、1087.8×10~3、74.5×10~3、176.1×10~3t及880.4×10~3t.BC和OC最大贡献源为生物质燃烧源,排放集中分布在辽宁中、西部;NH_3主要来自畜禽养殖与化肥施用,排放高值区位于辽宁中部农业畜牧业发达地区;其他污染物主要来自固定燃烧源和工艺过程源,集中分布在辽宁中部城市群以及大连金州区、甘井子区和普兰店区.大连、沈阳是SO_2、NO_x、NH_3和颗粒物主要排放城市,鞍山和本溪由于钢铁行业发达,成为CO排放量最大的城市.基于卫星观测获得的NO_2垂直柱浓度对NO_x排放空间分布进行评估,两者相关性系数为0.57(p0.01).辽宁省级排放清单与国家尺度排放清单在一定程度存在差异,主要原因在于采用的活动水平和污染物控制效率的不同,基于详细本地化污染源信息建立的省级排放清单可以较好地反映实际情况.建议完善点源排放特征信息并加强本地化测试,进一步降低省级排放清单不确定性.