南昌市移动源排放清单研究

根据收集的南昌市移动源活动水平数据,采用合适的估算方法、排放因子和GIS技术,建立了南昌市2007—2014年移动源排放清单,并对2014年移动源清单进行了空间化处理与分析,空间分辨率为1 km×1 km.结果表明,2007—2014年南昌市移动源共向大气排放CO、HC、NO_x、PM_(2.5)、PM_(10)、SO_2分别为18.26×10~4、5.07×10~4、18.46×10~4、0.99×10~4、1.08×10~4、3.31×10~4t.其中,2014年移动源向大气中排放的这6种污染物总量分别为2.14×10~4、0.76×10~4、1.97×10~4、0.08×10~4、0.09×10~4、0.55×10~4t.道路移动源中,汽油小型客车是CO、HC和SO_2最大的贡献源,排放量分别占机动车排放总量的55.1%、78.5%和56.1%;柴油重型货车是NO_x、PM_(2.5)和PM_(10)排放贡献率最大的车型,分别占43.2%、40%和40%.非道路移动源中,小型拖拉机对CO、HC、NO_x、PM_(2.5)和PM_(10)的贡献率均较大,分别占非道路移动源排放总量的29.9%、26.9%、23.4%、29.5%和29.8%;SO_2排放主要来源于船舶,占非道路移动源SO_2排放总量的45.1%.高污染排放集中的区域,主要是青山湖区、西湖区和东湖区.     

广西工业源大气污染物排放清单及空间分布特征研究

大气污染物排放清单是了解区域污染物排放特征的重要资料,而工业源是大气污染的重点排放源.研究根据收集的工业企业活动水平数据,选择合理的计算方法和排放因子,建立了广西2016年工业源大气污染物排放清单.结果表明,2016年广西工业源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOCs排放总量分别为20.7×10~4、21.6×10~4、147.5×10~4、48.4×10~4、25.7×10~4、34.7×10~4 t.其中,电厂和非金属矿物制品业对SO_2、NO_x、PM_(2.5)和VOCs的贡献最高.除此之外,黑色金属冶炼是SO_2、NO_x和PM_(2.5)的主要贡献源;有色金属冶炼是PM_(2.5)的主要贡献源;农副食品加工业是VOCs的主要贡献源.根据排放源污染物排放量及地理坐标信息,建立了污染物排放量空间分布特征图.结果显示,广西工业企业SO_2和NO_x排放主要集中在百色、柳州、防城港和贵港市;颗粒物排放主要集中在贵港、柳州和百色市;VOCs排放主要集中在柳州、贵港和崇左市.研究建立的排放源清单结果具有一定的不确定性,建议进一步完善基础研究.     

南京市工业源大气污染物排放清单的建立

通过收集整理南京市工业源活动水平,采用"自下而上"的方法建立了2014年南京市工业源大气污染物排放清单。清单结果显示,2014年南京市工业源SO_2、NO_x、PM_(2.5)、PM_(10)、CO、VOCs和NH_3的一次排放总量分别为6.70、14.45、4.97、7.06、83.03、14.47和0.07万t。电力生产是SO_2和NO_x的主要排放源,占工业源总排放量的40%以上,钢铁行业是PM_(2.5)、PM_(10)和CO的主要排放源,均占55%以上,VOCs排放主要来自石化化工,贡献了约62.6%的工业源排放。工业重点源空间分布结果显示,南京市重点源排放主要集中于长江沿岸一带的2个园区:南京化学工业园区和南京经济技术开发区。该研究建立的排放清单具有一定的不确定性,建议后续研究加强大气污染物排放系数的研究,进一步完善大气污染物排放清单,为该市大气污染预报预警和污染控制措施的制定提供重要基础数据。     

基于本地污染源调查的杭州市大气污染物排放清单研究

基于实地调查数据并辅以统计数据,采用物料衡算法和排放因子法,估算了杭州市2015年大气污染物排放清单,并选取经纬度坐标、路网、航道、土地类型和人口等数据作为权重因子,研究了该地区各类排放源污染物排放空间分布特征.结果表明,杭州市2015年SO_2、NO_x、CO、VOCs、PM_(10)、PM_(2.5)和NH_3年排放总量分别为22.20×10~3、108.17×10~3、192.10×10~3、134.94×10~3、78.12×10~3、27.65×10~3和59.75×10~3t.工业源是杭州市SO_2排放的主要来源,移动源对NO_x和CO的排放贡献最为显著,扬尘源是杭州市PM_(10)和PM_(2.5)排放的最主要来源,其次为工业源;VOCs排放的主要来源依次为工业源、天然源和移动源;NH_3排放主要来自农业源.从空间分布来看,排放主要集中在中心城区及其周边的萧山、下沙、大江东、余杭和富阳等工业企业相对密集的区域.本研究建立的排放清单在污染源覆盖范围和排放因子方面仍然存在一定的不确定性,建议在后续研究中重点开展低、小、散企业及本地化排放因子调查研究工作,进一步提升大气污染物排放清单的准确度.     

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.     

长沙市人为源大气污染物排放清单及特征研究

根据收集的长沙市人为源活动水平数据,建立了该地区2014年1 km×1 km人为源大气污染物排放清单.结果显示,2014年长沙市SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放总量分别为53.5×10~3、78.3×10~3、284.6×10~3、102.3×10~3、42.1×10~3、4.0×10~3、7.2×10~3、64.2×10~3、27.1×10~3t.化石燃料固定燃烧源为最大的SO_2排放贡献源,道路移动源是主要的NO_x贡献源,CO排放主要来自化石燃料固定燃烧源和道路移动源,长沙市VOCs的最大贡献源是溶剂使用源,PM_(10)、PM_(2.5)最主要的排放源是扬尘源,BC最大的排放贡献源为化石燃料固定燃烧源,生物质燃烧源是最大的OC贡献源,NH_3排放主要来源于畜禽养殖和农业施肥.空间分布结果显示,长沙市NH_3的排放在宁乡县、望城区、长沙县、浏阳市分布较多,主要呈现片状分布.其他污染物排放高值区则主要分布在中心城区、工业区及道路分布区域.     

金华市人为源大气污染物排放清单

该文基于对金华市大气污染排放源的摸底调查,基础数据收集和分析,结合国内外的研究结果,采用"自下而上"为主的排放系数法,建立了2013年金华市人为源大气污染物排放清单。该清单涉及的污染物包括SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOC和NH_3。人为污染源种类包括电厂源、工业源、移动源、扬尘源、VOC相关源及其他污染源,农业源,居民生活源等。结果表明,金华市2013年大气污染源SO_2排放总量约为3.83万t,NO_x约为7.75万t、CO约为12.50万t、PM_(10)约为4.10万t,PM_(2.5)约为1.88万t、VOC约为7.66万t、NH_3约为2.63万t。从排放源的分担率来看,工业源是金华市大气污染物的最主要的排放源之一,对SO_2、NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了67.31%、34.42%、30.39%、53.02%和50.95%。同样,道路移动源的贡献也不容忽视,对NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了42.84%、34.13%、3.31%、6.55%。电厂锅炉、道路扬尘、工业溶剂使用、畜禽养殖对不同污染物分别有着重要贡献。电厂锅炉对SO_2、NO_x、CO的排放量分别贡献了29.06%、17.89%、9.73%。道路扬尘对PM_(10)和PM_(2.5)的贡献分别为25.68%和18.01%。工业溶剂对于VOC的贡献为32.65%。NH_3主要来自畜禽养殖,占了66.57%。该人为源大气污染物排放清单可为当地的污染防控提供重要的基础信息。     

南昌市固定燃烧点源大气污染物排放清单及特征

大气污染物排放清单是了解区域污染物排放特征、准确模拟空气质量的重要资料,而工业点源是大气污染的重点排放源.通过收集相关活动水平信息和合理的排放因子,采用"自下而上"的方法建立了南昌市2014年点源大气污染物排放清单.结果表明,SO_2、NO_x、CO、PM_(10)、PM_(2.5)和VOC排放总量分别为29576.2、17115.1、25946.6、4689.4、922.9和1190.4 t,其中,金属炼制行业对SO_2、CO和VOC的贡献最高,分别占37.75%、30.59%和38.45%;火电行业是NO_x的主要来源,其贡献率为47%;水泥等建材制造行业对PM_(10)和PM_(2.5)排放贡献最高,分别为26%和25%.根据排放源污染物排放量及地理坐标信息,建立了0.4 km×0.4 km的污染物排放量空间分布特征图,结果表明,南昌市大气污染物排放较为集中,青山湖区北部和新建区北部是SO_2、NO_x、CO和VOC的主要排放区,而PM_(10)和PM_(2.5)的排放量相对分散,并在安义县出现排放高值区.通过将计算结果与统计数据结果进行对比,了解所估算清单的准确程度.对SO_2和NO_x的计算值和统计值进行统计分析,结果显示,NMB(标准化平均偏差)和NME(标准化平均误差)值均小于50%,清单计算精度较高.同时,为了解清单数据质量,对清单的不确定性进行定量分析,结果显示,SO_2和VOC不确定性较低而PM_(10)和PM_(2.5)的不确定性相对较高,清单整体不确定性与其他研究结果相差不大.建议后期研究可以从提升基础数据质量和建立具有区域代表性的排放因子数据库着手,从而减小排放量的不确定性,获得精准可靠的大气污染物清单并应用于空气质量模型预报等更深入的研究.     

长三角城市群机动车污染物排放清单建立及特征研究

为研究长三角城市群机动车污染物排放特征,本研究应用COPERTⅣ模型估算1999—2017年长三角城市群机动车污染物CO、NMVOC、NO_x、PM_(2.5)、PM_(10)、CO_2、CH_4、N_2O、NH_3和SO_2排放因子,建立排放清单,并对其排放特征展开分析,结果表明:1999—2017年不同污染物时间变化趋势存在差异,污染物CO、NMVOC、NO_x、PM_(2.5)、PM_(10)和CH_4排放量呈现先增长后下降的趋势,但开始下降的年份不同,CO_2和NH_3排放量增长趋势显著,2017年相对于1999年分别增加621%和3925%,N_2O和SO_2排放量总体呈上升趋势并在特定年份下降明显;污染物排放空间分布与路网分布基本一致,沿海地区的排放强度要明显大于内陆地区,特别是长江下游、杭州湾和太湖附近的城市最为明显;轻型客车为污染物CO、NMVOC、CO_2、CH_4、N_2O和NH_3的主要贡献车型,重型货车和重型客车为污染物NO_x、PM_(2.5)、PM_(10)和SO_2主要贡献车型;长三角城市群各城市机动车污染物排放量的差别主要与各城市机动车保有量有关,上海市各污染物贡献率下降幅度明显,机动车污染物主要贡献城市除了省会城市和直辖市之外,其余城市的污染物排放也不容忽视.     

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.     

基于大数据分析和IVE模型的杭州市机动车污染物排放变化特征研究

以杭州市全市域为研究对象,基于机动车排放管理数据库和IVE模型本地化后计算出市区、城区、城郊和郊区4类区域及快速路、主干路和次干路3类道路的各类机动车排放清单,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,分析了机动车污染物排放特征.结果显示,杭州市机动车各污染物NO_x、CO、PM_(2.5)和VOCs的年排放量分别为4.9×10~4、12.5×10~4、0.2×10~4、2.1×10~4t.各种车型中,中重型货车对NO_x和PM_(2.5)的贡献均最大,分别为45.8%和36.3%,其次为大中型客车、公交客运,小微型客车对CO和VOCs的排放贡献最大,分别为69.3%和51.1%.机动车各污染物排放强度均呈现由城市中心向城市边缘递减的趋势,高排放区域集中在城中心及城南和城北区域,同时各污染物排放量日变化特征明显,均出现弱双峰现象.     

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.     

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.     

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.      

基于达标约束的南京市环境空气质量情景模拟

以2030年南京市6项污染物达标为约束,在2015年大气污染物排放清单基础上,利用CMAQ模型分析了PM_(2.5)对南京本地不同前体物排放的敏感性,通过情景分析预测排放清单,模拟了4种减排情景的空气质量变化,最终获得达标约束下大气污染物总量控制指标.模拟结果显示,减少一次颗粒物PPM (primary particulate matter)排放对降低大气中的PM_(2.5)浓度最为有效;在周边地区减排的基础上,本地减少PPM排放对PM_(2.5)年均浓度下降的相对贡献可达88%,其次为NH_3、NOx、SO_2与VOCs减排,其相对贡献分别为10. 3%、5. 5%、3. 2%与0. 5%;相比2015年,4种情景下南京市主要大气污染物减排比例在22%～53%,未来控制活动水平对减排SO_2、NH_3与CO较有效,而NOx和VOCs末端治理方面还有较大空间;将SO_2、NOx、PM10、PM_(2.5)、BC、OC、CO、VOCs及NH_3的排放量分别控制在2. 43×104、8. 47×10~4、9. 42×10~4、3. 74×10~4、0. 19×10~4、0. 30×10~4、26. 56×10~4、13. 08×10~4及1. 50×10~4t以内时,预计南京市6项污染指标可以达到国家环境空气质量二级标准.     

辽宁省2000~2030年机动车排放清单及情景分析

机动车排放已经成为城市地区大气污染的主要来源.基于COPERT模型和ArcGIS技术,建立了2000~2030年辽宁省机动车排放清单,分析6类污染物（CO、NMVOC、NO_x、PM₁₀、SO₂和CO₂）排放的总体趋势与空间演变特征,同时以2016年为基准年,基于情景分析法设置8类控制措施情景并评估不同控制措施对污染物的减排效果.结果表明2000~2016年,机动车的CO、NMVOC、NO_x和PM₁₀排放量呈现先增后降的趋势,SO₂排放量呈现波动变化,而CO₂排放量则呈现持续增长态势.轻型载客车和摩托车是CO和NMVOC排放的主要贡献车型,重型载客车和重型载货车是NO_x和PM₁₀的主要排放源,SO₂和CO₂则主要是由轻型载客车排放.辽宁省中部及南部机动车排放量明显高于辽东和辽西.从城市层面来看,排放主要集中在沈阳市和大连市.情景分析表明,实施更加严格的排放标准可以增强减排效果,且升级排放标准的时间越提前减排效果越好.综合情景将实现减排最大化,强化综合情景对CO、NMVOC、NO_x、PM₁₀、CO₂和SO₂的削减率达到了30.7%、14.3%、81.7%、29.4%、12.3%和12.1%.