兰-白城市群主要大气污染物网格化排放清单及来源贡献

甘肃兰-白城市群为我国西北地区重要的重工业基地,大气污染物排放总量较大.研究高空间分辨率的污染物排放清单对于区域空气质量预报预警、减排方案模拟研究及大气污染防治等具有重要的科学意义.本文以兰州和白银为主要研究区域,基于研究区域污染源排放及统计年鉴等数据资料,建立了兰（2015年）-白（2016年）城市群7种（类）主要大气污染物网格化排放清单,并对其空间排放特征以及排放源贡献进行了详尽地讨论分析.结果表明,兰-白城市群7种主要污染物年排放量分别为：NO_x 2.22×10⁵ t、NH₃ 4.53×10⁴ t、VOCs 7.74×10⁴ t、CO 5.62×10⁵ t、PM₁₀ 4.95×10⁵ t、PM_2.5 1.91×10⁵ t和SO₂ 1.37×10⁵ t.其中CO的排放量最大,NH₃的排放量最小.本清单与北大和清华MEIC清单对比结果表明,交通源排放3个清单一致性较高,CO排放总量和其工业源排放与北大和清华MEIC清单排放源相差30%~40%,推测原因主要为清单计算过程中排放因子、分辨率和数据年份的差异.本清单网格化空间分布显示除NH₃外的其他6种（类）污染物,排放主要集中在市区,排放源中工业非燃烧过程源均为最大贡献占比,NH₃的主要贡献源是氮肥的施用及禽畜排放,其污染分布受耕地分布等因素影响较大.因此,减少工业非燃烧过程源、整合优质高效电力供应、使用清洁能源、严格控制工地扬尘、工业粉尘和做好城区绿化等,能有效地降低兰-白城市群NO_x、VOCs、CO、PM₁₀、PM_2.5和SO₂这6种（类）主要污染物的排放.NH₃的减排则主要可从控制氮肥的使用及减少禽畜排放两方面考虑.本研究还利用蒙特卡洛法分析了排放清单的不确定性,NH₃的不确定性最大为-31%~30%,CO的不确定性最小为-18%~16%,清单整体可信度较高.     

四川省大气固定污染源排放清单及特征

根据收集到的四川省电厂、工业及民用部门的活动水平数据,采用合理的估算方法和排放因子,建立了四川省2010年大气固定污染源排放清单.结果表明:12010年四川省固定源共排放SO₂ 84.1万t、NO_x 44.9万t、CO 318.8万t、PM₁₀ 44.1万t、PM_2.5 25.5万t、VOC 17.9万t;2电厂和工业过程是固定源排放的主要贡献源;3燃煤是固定燃烧排放的主要贡献源,煤矸石、焦炭、天然气对污染物的贡献也不容忽视,水泥、钢铁、轻工业制造是本地区主要的工业过程排放源;4宜宾、成都及攀枝花是固定源污染物的主要贡献城市,约占四川省总排放量的20%~40%;5电厂、能源工业燃烧清单的不确定性主要来自排放因子,而工业过程涉及排放源种类繁多且复杂,排放测试研究较少,不确定性较高.     

典型沿海城市采暖期细颗粒物组分特征及来源解析

为明确威海市采暖期细颗粒物的组分及来源,于2018年1~3月在威海市3个空气质量例行监测点采集了环境空气PM_2.5样品,分析OC、EC、水溶性离子及元素组分特征,利用PMF模型解析PM_2.5的来源.结果表明,采样期间威海市PM_2.5日均质量浓度为（33.80±22.45）μg·m^-3,NO₃^-、NH₄⁺、SO₄^2-、OC和EC是其主要组分.作为沿海城市其Cl^-占比相对较高,同时PM_2.5组分特征体现出颗粒物成分受本地工业特征污染物排放的影响.NO₃^-/SO₄^2-和OC/EC比值均表明威海市采暖期移动源对PM_2.5贡献大;水溶性离子中酸碱离子比例分析表明,威海市采暖期PM_2.5呈弱碱性,NH₄⁺过量,主要以NH₄NO₃和（NH₄）₂SO₄等形式存在.污染时段威海市二次污染物浓度上升明显,主要组分NH₄⁺、NO₃^-、SO₄^2-、OC和EC质量浓度是清洁时段的4.21、5.27、3.23、2.02和1.81倍.源解析结果表明,二次气溶胶占PM_2.5的32.4%~36.0%,移动源（15.6%~18.9%）、燃煤源（12.1%~17.8%）、生物质燃烧源（9.0%~10.4%）和扬尘（8.6%~11.3%）是威海市环境空气PM_2.5的主要来源,而工艺过程源（2.1%~8.3%）、非道路移动源（2.4%~3.7%）和海盐（3.5%~5.6%）贡献比例较小.     

基于隧道PM2.5取样研究南京市机动车尾气颗粒物排放特征

为研究南京地区机动车尾气颗粒物排放特征,于2020年8月对南京富贵山隧道内和隧道外进行PM_2.5采集,对样品中的水溶性离子、碳质组分的分布特征进行分析,综合总碳同位素（δ¹³C）与主成分分析（PCA）探究隧道内PM_2.5来源,并使用质量平衡模型计算了污染物的平均排放因子.结果显示,隧道入口、出口及隧道外早晚高峰期内PM_2.5平均值分别为（69.25±24.19）、（116.67±28.70）和（60.87±16.08）μg·m^-3,隧道内污染程度明显高于隧道外.隧道内外二次无机气溶胶（SNA）分布略有不同,隧道外NH₄⁺主要以（NH₄）₂SO₄的形式存在,其次为NH₄NO₃;隧道内则主要以（NH₄）₂SO₄和NH₄NO₃的形式存在.隧道内δ¹³C存在着较小的分馏,平均值为-26.0‰±0.72‰,综合δ¹³C与主成分分析,隧道内PM_2.5主要来源于机动车的一次排放、尾气颗粒物的二次转化和扬尘.富贵山隧道中PM_2.5、EC、OC的平均排放因子分别为82.86、24.22、7.07 mg·km^-1·veh^-1,与国内外其他隧道实验排放因子的对比结果显示,通过柴油车比例为6%的富贵山隧道远低于柴油车比例较高的地区.     

超低排放改造后燃煤电厂常规大气污染物排放特征

基于海口电厂"超低排放"燃煤机组在线监测数据和实测结果，研究颗粒物、SO₂、NO_x排放特征，分析颗粒物粒径分布和化学成分谱.结果显示，"超低排放"机组颗粒物、SO₂、NO_x排放浓度均值分别为（1.57±0.81）、（15.15±6.23）和（40.10±3.63）mg·m^-3，均满足超低排放限值要求.TSP、PM₁₀、PM_2.5、PM₁、SO₂、NO_x的排放因子均值分别为0.0099、0.0098、0.0092、0.0065、0.1131、0.2882 kg·t^-1，排放因子集中在很窄的区间内，呈正态或偏正态分布，与未进行超低改造研究结果比较，排放因子减小了1~2个数量级.颗粒物数浓度分布呈双峰分布，数浓度峰值粒径为0.027 μm和0.641 μm；质量浓度呈单峰分布，峰值粒径为1.100 μm.PM₁₀、PM_2.5、PM₁的成分谱差异很小，其主要化学组分为SO₄^2-、Ca、NH₄⁺、NO₃^-、OC，在PM₁₀中质量占比分别为29.41%±0.94%、12.09%±1.95%、9.49%±2.35%、6.96%±0.49%、4.93%±0.57%；在PM_2.5中质量占比分别为29.18%±1.58%、12.72%±1.77%、9.21%±2.01%、5.31%±0.13%、4.33%±0.72%；在PM₁中质量占比分别为29.04%±3.15%、17.99%±3.61%、8.42%±1.50%、4.445±0.08%、5.075±0.07%.     

基于积尘负荷的西安市铺装道路扬尘排放研究

近年来城市颗粒物污染问题日渐突出,严重影响着人们的环境幸福指数和对美好环境的期待.道路扬尘作为城市扬尘的重要组成部分,对颗粒物污染的贡献不容小觑.在此背景下,采用积尘负荷法采集西安市快速路、主干道、次干道、支路等4种类型25条道路的道路扬尘样品,并分析采样速率、采样次数等因素对采样效率的影响.在此基础上,计算得到西安市各类型道路的平均积尘负荷,结合车流量、车重、道路长度,通过《扬尘源颗粒物排放清单技术指南》中的公式计算得到各种类型道路TSP、PM₁₀、PM_2.5的排放系数及排放量.结果显示：采样速率为1.0 m²·min^-1,采样次数为两次可满足采样要求.不同类型道路积尘顺序为：支路（4.18 g·m^-2）>次干道（2.80 g·m^-2）>快速路（1.49 g·m^-2）>主干路（1.34 g·m^-2）;道路积尘TSP、PM₁₀、PM_2.5的平均排放系数分别为6.066、1.542和0.447 g·km^-1.快速路和主干路的扬尘排放系数较小,支路的扬尘排放系数次之,次干路的扬尘排放系数较大.采用Monte Carlo方法对TSP、PM₁₀和PM_2.5的排放量进行不确定性分析,在95%的概率分布范围下,三者定量不确定性均为-16.88%~17.96%.     

乌海市高分辨率大气污染源排放清单构建及其在臭氧污染成因探究中的应用

乌海市是我国典型的煤焦化工业基地,大气污染物排放总量较大且近年来夏季O₃污染问题逐渐突出,明确大气污染物排放特征,探究O₃污染形成机制是客观认识其O₃污染现状,科学制定污染控制措施的基础.基于"系数法"采用自下而上的方式构建了2018年乌海市高分辨率大气污染源排放清单（HEI-WH18）,利用WRF-Chem对HEI-WH18的适用性和准确性进行评估,并结合模式诊断模块探究了乌海市夏季O₃污染形成的原因.排放清单结果表明,2018年乌海市SO₂、NO_x、CO、PM₁₀、PM_2.5、VOCs、NH₃、BC和OC的排放总量分别为65943、40934、172867、159771、47469、69191、1407、1491和1648 t ·a^-1.与MEIC清单相比,利用HEI-WH18能更好地捕捉到O₃及其前体物的排放变化规律和量级,适用于乌海市夏季O₃的模拟及其来源分析研究.从O₃及前体物的空间分布来看,乌海市海勃湾城区白天为O₃高值区,3个工业园区无论白天和夜间均为O₃低值区和NO₂高值区,CO的空间分布特征与煤层及矸石堆自燃源一致.根据对O₃污染过程的诊断分析,边界层中高层O₃浓度的升高主要是平流输送和化学过程共同作用的结果,低层O₃浓度的升高是垂直混合和平流输送导致的,化学过程在低层的贡献较为复杂,其正贡献起到了维持高O₃浓度的作用,负贡献结合平流输送造成了O₃污染的最终消散.     

宿迁市PM2.5中水溶性无机离子的季节特征和来源分析

为了研究宿迁市PM_2.5中水溶性无机离子的季节特征和来源,于2017年5月至2018年1月在宿迁市水汽通道上的3个监测点位采集了171份PM_2.5样品,分析了PM_2.5质量浓度以及9种水溶性无机离子含量.结果表明,宿迁市PM_2.5中水溶性无机离子的年均浓度为（44.08±34.61）μg ·m^-3,占PM_2.5质量的41.8%,9种水溶性离子浓度大小排序为ρ（NO₃^-） > ρ（SO₄^2-） > ρ（NH₄⁺） > ρ（Cl^-） > ρ（Na⁺） > ρ（Ca²⁺） > ρ（K⁺） > ρ（F^-） > ρ（Mg²⁺）,其中NO₃^-、SO₄^2-和NH₄⁺是主要的离子组分,占总水溶性无机离子浓度的75.6%.ρ（NO₃^-）/ρ（SO₄^2-）年均值为1.53±0.88,表明移动污染源对PM_2.5的贡献高于固定污染源.水溶性无机离子相关性分析表明,NH₄⁺与NO₃^-、SO₄^2-可能以（NH₄）₂ SO₄、NH₄HSO₄和NH₄NO₃的形式存在.结合主成分分析,水溶性无机离子主要来源于二次转化、工业源、生物质燃烧和扬尘.PM_2.5浓度与相对湿度在冬季呈显著正相关,水汽传输在冬季更容易对PM_2.5浓度增长有促进作用.     

沈阳市冬季大气PM2.5中水溶性离子污染特征及来源解析

为研究沈阳市冬季PM_2.5和水溶性离子的污染特征,使用URG-9000D在线监测系统于2018年冬季对大气颗粒物和气体组分进行连续采样.结果表明,采样期间沈阳市PM_2.5的平均质量浓度为80.67 μg·m^-3,总水溶性离子质量浓度变化范围为2.68~132.79 μg·m^-3.与清洁天相比,污染天NO₃^-、SO₄^2-和NH₄⁺（SNA）占比明显增加,占到PM_2.5的43.7%.静稳天气时SO₂短时间内的迅速累积使得沈阳市冬季大气PM_2.5有暴发性增长现象.Pearson相关性分析可知,SNA、Cl^-与PM_2.5之间的相关系数均达0.78以上,表明沈阳市冬季PM_2.5的主要贡献组分为SNA和Cl^-.PMF源解析表明沈阳市冬季污染物来源主要包括二次反应源、燃煤和生物质燃烧源以及扬尘源.     

伊犁河谷夏季PM2.5和PM10中水溶性无机离子浓度特征和形成机制

区域尺度大气颗粒物的同步观测与分析是制定大气污染防治策略的重要途径.为研究伊犁河谷城市群大气颗粒物和水溶性无机离子的空间分布特征,于2021年7月19~29日期间同步采集伊宁市和周边三县大气颗粒物样品,深入分析了PM_2.5和PM₁₀中9种水溶性无机离子（WSIIs）的空间分布特征、存在形式和影响因素,并对二次无机颗粒物的形成机制进行了探讨.结果表明,夏季伊犁河谷城市群ρ（PM_2.5）和ρ（PM₁₀）均值分别为（23±3）μg ·m^-3和（59±7）μg ·m^-3,伊宁市受本地工业源和移动源排放影响,导致其PM_2.5浓度在区域中最高;伊宁县受扬尘源和地形影响,使其PM₁₀浓度在区域中最高;而霍城县的良好扩散条件使其PM_2.5和PM₁₀浓度最低.PM_2.5和PM₁₀中WSIIs占比分别介于28.2%~29.9%和16.0%~20.2%之间.4种主要离子（SO₄^2-、NO₃^-、NH₄⁺和Ca²⁺）占到WSIIs的90%左右,在PM_2.5中浓度大小排序为：SO₄^2->Ca²⁺>NH₄⁺>NO₃^-,在PM₁₀中浓度大小排序为：SO₄^2->Ca²⁺>NO₃^->NH₄⁺;相关性研究结果显示4个城市SO₄^2-浓度相近主要是由区域输送所致,而Ca²⁺在PM_2.5和PM₁₀中占比高于国内大部分城市反映出伊犁河谷核心区城市受扬尘源的影响较大.PM_2.5和PM₁₀中n（NO₃^-）/n（SO₄^2-）分别为0.78和0.76,表明伊犁河谷受固定源影响大于移动源;4个城市n（NO₃^-）/n（SO₄^2-）的大小排序为：伊宁市>霍城县>伊宁县>察县,与各城市机动车保有量大小一致,反映出伊宁市受机动车等移动源的影响高于周边三县.二次组分主要以（NH₄）₂SO₄、NH₄HSO₄和NH₄NO₃的形式存在,各城市NH₄⁺与SO₄^2-反应后均有盈余,盈余的铵盐在伊宁市主要以NH₄NO₃存在,与伊宁市较高的NO₂浓度有关.夏季PM_2.5和PM₁₀中NOR变化幅度分别为0.03~0.10和0.03~0.16,受夏季高温影响导致NO₃^-二次转化较弱;SOR分别介于0.21~0.41和0.23~0.44之间,察县相对较高的湿度使其SOR较高,而霍城县受区域输送影响使其SOR高于伊宁市.形成机制表明：察县和伊宁市的SO₄^2-主要由非均相反应生成,伊宁县主要由均相反应产生,而霍城县SO₄^2-的形成机制较为复杂,受到均相反应和非均相反应的共同影响.     

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.     

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.     

廊坊市区主要大气污染源排放清单的建立

通过调研、统计廊坊市区工业、城中村及机动车等资料,结合以往清单文献研究结果及清单编制指南中的排放因子,计算了廊坊市区主要大气污染物的排放量,得到廊坊市区2014年主要大气污染源排放清单.结果显示,2014年廊坊市区工业源(固定燃烧)NO_x、SO_2、NMVOC、CO、PM_(10)、PM_(2.5)排放总量分别为6.4×10~3、1.2×10~4、31、1.0×10~4、7.3×10~2、4.4×10~2t,其中热电行业排污贡献率最高,分别占NO_x、SO_2、CO、PM_(10)、PM_(2.5)工业源(固定燃烧)年排放总量的55%、48%、67%、63%、69%;安次区工业企业对气态污染物贡献较高,广阳区及开发区工业企业对颗粒物排污贡献较大.低矮面源(城中村)NO_x、SO_2、NMVOC、CO、PM10、PM_(2.5)年排放总量分别为1.8×10~2、3.6×10~3、3.0、4.9×10~3、1.5×10~2、72 t.道路移动源CO、HC、NO_x、PM_(2.5)年排放总量分别为2.4×10~4、1.9×10~3、2.2×10~3、44 t,其中小型客车对HC和CO贡献率较高,分别为53%和61%;NO_x年排放总量中26%由重型货车贡献;PM_(2.5)则主要由轻型货车和重型货车贡献,占比分别为39%和21%.     

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.     

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.     

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.     

四川省2012年人为源氨排放清单及分布特征

根据收集到的各类人为氨源的活动水平数据,采用合理的估算方法和排放因子,建立了四川省2012年人为源氨排放清单,并分析了氨排放的空间分布特征.结果表明:四川省2012年人为源氨排放总量为994.8×103t,排放强度为2.12 t·km-2;畜禽养殖为最主要的排放源,分担率达62.31%,其次为氮肥施用,分担率为23.14%;生猪和牛是畜禽养殖中主要贡献者,共占畜禽排放总量的64%;成都市和达州市为氨排放量较大的城市,均占四川省排放总量的10%;空间分布特征显示排放量较大的网格主要集中在四川省东部,且多来自于城市周边区县.     

餐饮行业细颗粒物(PM2.5)排放测算方法:以上海市为例

以上海市餐饮企业为例,研究了餐饮企业PM_(2.5)排放特征以及排放测算方法.按照单位灶头、单位时间、单位就餐人次这3种计算基准,获得了不同类型餐饮企业PM_(2.5)的排放因子,并在此基础上结合2014年上海市餐饮企业活动水平测算了PM_(2.5)的排放清单.结果表明,餐饮企业排放PM_(2.5)的浓度范围0.1~1.8 mg·m~(-3),甚至超过国家饮食业标准中关于油烟1mg·m~(-3)的排放限值;PM_(2.5)中OC质量贡献超过50%,OC/EC比值的变化范围为58.8~752.3,平均值为128.4,可作为餐饮排放的示踪特征.企业规模是影响餐饮企业PM_(2.5)排放因子的重要因素.按照灶头活动、餐饮作业时间以及就餐人次这3种方法计算得出的餐饮企业PM_(2.5)排放因子均表明,大型、中型企业明显高于小型和微型企业(食堂、快餐).基于上述3种排放因子,计算2014年上海PM_(2.5)排放量相对一致,表明本研究获得基于3种活动水平的排放因子比较可靠,未来可应用于其他城市餐饮企业排放清单的核算.     

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.     

广东省船舶排放源清单及时空分布特征研究

分别采用基于船舶引擎功率和耗油量的排放因子法,估算了广东省地区2010年的船舶排放清单,并选取客货运输吞吐量、航道通航能力因子和港口地理坐标等数据作为权重因子,研究了该地区各类船舶排放的时空分布特征.结果表明,广东省各类船舶在2010年的SO2、NO x、CO、PM10、PM2.5和VOCs排放总量分别为14.6×104t、23.1×104t、3.0×104t、7.9×103t、7.2×103t和9.3×103t.广东省客货运输船舶月排放波动较小;渔业船舶在1月、4月和11月份的排放比例最高.广东省客货运输船舶水域排放集中在西江干线水道和珠江三角洲高等级航道网内,港口排放主要分布在广东省珠江三角洲沿海发达城市地区;渔船港口排放量呈显著的沿海条带状空间分布特征.