2010~2015年我国水泥工业NOx排放清单及排放特征

基于我国2011~2015年水泥企业逐条生产线基础信息、活动水平及控制技术等数据,建立了水泥工业NO_x排放量计算方法和动态排放数据库.利用该方法,计算了2011~2015年逐条水泥生产线NO_x排放量,分析了2010~2015年我国水泥工业NO_x排放特征.结果表明,我国水泥工业NO_x排放量变化范围为168~199万t,自2010年的169万t增加到2012年的199万t,达到排放峰值,随后逐年下降,到2015年与2010年基本持平.水泥工业NO_x排放的地区分布不均衡,2015年安徽、四川、河南、湖南、云南、山东是排放量最大的省份,占全国排放总量的40%,上海、内蒙、山西、新疆、湖南、云南、四川是单位熟料NO_x排放强度最大的省份.从生产线规模来看,规模≥ 4000 t·d^-1的熟料生产线产量占比和NO_x排放量占比均最大,分别为68.5%和66.5%,单位熟料NO_x平均排放强度最低.水泥生产工艺结构的转变及水泥工业降氮脱硝工作的开展是影响水泥工业大气NO_x排放特征的主要因素.     

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%.     

中国商品能源消耗导致的氮氧化物排放量

能源消耗导致的NO_x排放是影响环境空气质量及区域酸沉降的重要因素.根据全国及各省区商品能源消耗与不同经济部门、不同燃料类型NO_x排放因子,估算了90年代中国NO_x排放量,详细给出了1997年分省、分地区、分行业及分燃料排放清单,并绘出了NO_x平均排放强度分布图.结果表明,中国NO_x排放量由1990年8.4Mt快速增长到1996年的12.0Mt.但与1996年NO_x排放峰值相比,1997和1998年中国NO_x排放量分别下降了约0.34Mt和0.82Mt.中国NO_x排放的燃料、行业及地区分布极不平衡:大约3/4的NO_x排放源自煤的燃烧;行业分布上,NOx则主要来自于工业(39.56%)、电力(36.74%)和交通运输(11.22%);各省区NO_x排放差别很大,河北、江苏、辽宁、山东、广东、山西、黑龙江、湖北和河南9省超过0.5Mt,而青海、宁夏和海南3省区小于0.1Mt.NO_x平均排放强度最大的地区(＞10t·(km²·a)^-1)包括上海、天津和北京市.总体来说,中国NO_x排和污染主要集中在人口密集、经济相对发达的东中部和东南部地区,尤其是北京、上海、天津等大城市.     

成渝地区典型城市O3污染对人为源前体物排放敏感性模拟研究

以2019年3—4月臭氧（O₃）污染小高峰为例，应用空气质量模型CAMx-DDM法分析了成渝地区O₃浓度对人为源前体物排放敏感性，并用2020年"新冠"疫情防控及生产恢复导致的污染排放同比变化情景进行模拟验证.模拟结果表明成渝地区O₃对NO_x的敏感性为负、对VOCs的敏感性为正，其中，重庆市主城区、主城区以西地区、川南城市群和成都平原西部地区敏感性较高，与其自身污染排放源分布密集有关.以典型城市重庆市主城区为例，2019年3—4月O₃小时浓度对NO_x和VOCs的敏感性平均值分别为-19.14 μg·m^-3和7.25 μg·m^-3，两者表现出相反的日变化规律，且主要受到本地及周边区域的影响，模拟结果显示在所有区域VOCs排放均削减25%的情况下，3月和4月月均O₃日最大8 h浓度分别下降2.62 μg·m^-3和3.59 μg·m^-3.敏感性模拟得到2020年3月四川省和重庆市NO_x排放量同比下降8.00%和22.40%，VOCs同比下降1.00%和7.92%；4月NO_x排放量同比上升5.00%和9.50%，四川省VOCs同比持平，重庆市上升3.63%，与同期"新冠"疫情防控及生产恢复导致的实际排放情况非常一致.     

基于实测的船舶辅机大气污染物排放量估算

于2017年3月—2018年5月在广州市南沙港区选取不同吨位的5艘船舶进行登船实测,建立了基于燃油消耗的排放因子.结果表明,船舶辅机CO₂排放因子为(3085±439)~(3195±121) g·kg^-1,CO排放因子为(5.50±1.33)~(26.10±8.90) g·kg^-1,TVOC排放因子为(0.29±0.02)~(1.68±0.06) g·kg^-1,PM_2.5排放因子为(0.56±0.09)~(12.50±3.11) g·kg^-1,NO_x排放因子为(19.20±4.12)~(83.30±11.80) g·kg^-1,基于燃油消耗量,估算2017年广州港船舶停泊工况辅助发动机SO₂、CO、TVOC、PM_2.5和NO_x排放总量分别为736、(794±209)、(46.40±2.39)、(223.0±49.4)和(3237±698) t.船舶引擎功率对排放CO、TVOC和PM_2.5影响显著,引擎功率较低的船舶以上3种大气污染物排放因子更高.从吨位而言,≥10000总吨的船舶对SO₂、CO、TVOC和NO_x 4种大气污染物的排放分担率均超过50%,≤2999总吨的船舶则对PM_2.5的排放分担率最高.从船舶类型而言,分担率最高的是集装箱船,分别占SO₂、CO、TVOC、PM_2.5和NO_x排放总量的43.8%、30.8%、41.4%、16.3%和40.9%,此外,散货船、其他货船、顶推拖船和油船对排放量的分担率也较高,以上5种船舶占到了各类大气污染物排放总量的90%.     

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.     

不同居民燃煤炉具大气污染物排放差异性及减排分析

为探究不同类型炉具的大气污染物排放差异,本研究选择5种常见的新式居民燃煤炉具（方型煤炉具、折流换热炉具、炕暖炊一体化炉具、气化正烧及气化反烧炉具）在实验室内进行模拟燃烧和大气污染物排放水平监测,定量评估不同炉具的环境效果,识别污染排放水平差异的影响因素及原因,从而提出炉具研发设计等污染减排的改进建议.结果表明：①不同炉具大气污染物排放差异较大,炕暖炊一体的炉具污染排放强度最大,3种大气污染物（SO₂、NO_x和颗粒物）的排放强度为2.9 kg ·t^-1,是平均值的1.6倍;应用方型煤技术的炉具大气污染物排放强度最低,是平均值的65%.②不同炉具在不同燃烧阶段其气态污染物排放也呈现出明显的差异和特征.旺火阶段方型煤炉具NO_x排放浓度为0.49mg ·m^-3,相较于其他类型炉具降低了45%~72%;气化反烧炉具的SO₂排放浓度为1.38mg ·m^-3,相较于其他类型炉具最高降低了28%.③影响炉具大气污染物排放因素包括应用技术及燃烧类型,采用方型煤及气化反烧技术的炉具环境效益较好,但两类炉具的经济成本分别达到2.0万元和1.8万元,明显高于其他类型炉具.④考虑不同炉具污染排放差异,建议采取差异化的经济政策和严格的排放和产品标准,推广使用节能环保型炉具,降低燃煤炉具大气污染物排放.     

2013年1月华北地区重霾污染过程SO2和NOx的CMAQ源同化模拟研究

以2006年中国地区的INTEX-B排放清单为基础,采用CMAQ模式污染源同化方法,反演更新了2013年1月重霾污染过程华北地区的SO₂和NO_x排放源;应用WRF-CMAQ模式以及2006年INTEX-B初始排放源和2013年1月改进的排放源,分别模拟了1月9-15日和28-31日两次持续重霾污染过程的SO₂和NO₂浓度,并与华北地区47个环境监测站点实测值进行对比,重点分析了基于初始源和同化反演源的模拟效果及其改进原因;本文亦采用2012年清华大学编制的东亚地区MEIC排放清单评估了SO₂和NO_x同化反演源的合理性.分析结果表明:①CMAQ模式污染源同化方法可适用于重霾污染过程,即采用同化反演源模拟的SO₂、NO₂浓度时空变化特征与实测值较一致,而且可反映SO₂、NO_x排放源强的动态变化特征;②基于同化反演源的SO₂、NO₂浓度模拟效果明显优于2006年INTEX-B排放源,其时间变化趋势与实测值较一致,而且可模拟重霾污染过程SO₂、NO₂浓度的峰值;③采用反演源模拟的SO₂、NO₂浓度空间区分布特征与实测值较一致,而且可较好反映重污染区的极值分布特征;④经污染源同化改进后SO₂、NO₂模拟浓度与实测值的相关系数有所提高,误差明显减小;SO₂的改进效果略优于NO₂,这与污染源对两种污染物浓度的影响差异有关;⑤初始源中SO₂、NO_x排放源的空间分布和强度与2012年清华大学编制的排放源强差异较大,而同化反演源的空间分布和强度均接近于上述2012年排放源,较好反映出重点地区的高污染源分布特征.本文研究结果将为改进重霾污染过程的空气质量预报、减小自下而上建立的排放源清单不确定性、评估SO₂、NO_x等排放源的影响效应以及不同气象条件下区域排放源的动态调控等提供新技术途径和研究思路.     

典型石化企业排放空气质量影响模拟研究

基于惠州市大亚湾区2017年大气污染源排放清单,利用WRF-CMAQ模型系统量化评估了大亚湾区某典型石化企业在关停和增产排放情景下对周边空气质量的影响.清单结果显示该企业2017年SO₂、NO_x、PM₁₀、PM_2.5、CO和VOCs的排放量分别为212 、1744 、455 、359 、1458 和6446 t,在严格落实等量替代及减排措施后,该石化企业虽然产能翻倍,但VOCs排放量同比2017年显著减少了30%,其它污染物排放量增加了6%~19%.模拟结果显示2017年该石化企业排放对大亚湾区NO₂、PM₁₀、PM_2.5和O₃的浓度贡献分别为0.91、0.64、0.54和-0.08 μg·m^-3,完全关闭该企业排放后对周边站点NO₂改善效果最大（可使邻近管委会子站NO₂浓度下降1.24 μg·m^-3,下降百分比为5.10%）,但由于NO的滴定效应,该企业NO_x减排对周边管委会子站和霞涌子站的O₃浓度均有轻微负贡献;该石化企业的增产改造对周边O₃浓度降低影响明显,周边站点中O₃浓度最高可下降2.45 μg·m^-3（下降幅度为1.72%）,大亚湾区O₃浓度整体也可下降1.45 μg·m^-3.此外,受秋冬季不利扩散条件以及主导上风向污染传输影响,该企业在1月和10月对管委会子站NO₂、PM₁₀和PM_2.5的浓度贡献较大,由于冬季低温导致光化学反应自由基活性降低,该企业在1月对管委会子站O₃浓度负贡献显著.     

郑州新郑国际机场本地化排放因子与排放清单

基于郑州新郑国际机场的飞行数据和国际民航组织发动机排放数据库,获得2019年飞机实际飞行时间,测算了全年所有机型飞机 主发动机的污染物排放因子,建立了包括飞机及地面特种车辆在内的机场精细化大气污染物排放清单.结果表明,新郑国际机场飞机运行时间对典型机型耗油量影响明显,月际变化趋势一致.典型机型的本地化污染物排放因子的差异,与各飞行阶段的耗油量和单位燃油污染排放量密切相关,其中,波音B738机型运行占比最大且排放因子较高.2019年新郑国际机场NO_x、CO、HC、SO₂和PM的总排放量分别为1207.7、921.2、123.7、268.3和36.2 t,主要来自飞机主发动机排放.研究期内,各类污染物排放均在11：00达到峰值.飞行阶段中,NO_x排放主要来自飞机在 起飞降落循环中的爬升阶段,占比达45.6%;CO和HC在地面滑行阶段的排放占比远高于其他运行阶段,分别占95.4%和93.9%;SO₂和PM在不同工作模式下的排放占比较为接近.各机型中,波音B738和空客A320两种机型在5类污染物排放量中贡献最大,波音B737机型排放CO较高.     

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.      

一次航班飞行全过程大气污染物排放特征

飞机发动机以航空煤油为燃料,在运行过程中会排放多种大气污染物,对空气质量和人体健康存在较大影响.选择A320作为典型机型,提取了一次真实航班飞行过程中的机载飞行数据,基于BM2及BM2-FOA耦合模型,获得了其在飞行全过程中每一时刻CO、UHC、NO_x及PM_(2.5)的排放指数,并计算了CO、UHC、NO_x、SO_2、CO_2及PM_(2.5)的精确排放量.结果表明,飞行过程中CO和UHC排放指数与推力变化趋势相反,数值范围分别为0.67~595.34 g·kg~(-1)和0.05~0.43 g·kg~(-1).NO_x排放指数与燃油流量变化趋势一致,数值范围是0.96~114.25 g·kg~(-1).PM_(2.5)排放指数全过程变化较小,约为0.25~0.36 g·kg~(-1).飞行全过程中,CO_2排放总量最大,约为2.0×10~4kg.同时,NO_x的排放量约为213.4 kg,SO_2也排放了24.5 kg.CO、PM_(2.5)和UHC的排放量分别为7.5、2.2和0.5 kg.将本次精确计算结果与使用ICAO基准模型对LTO起降阶段的估算结果进行对比后发现,基准模型LTO飞行时间较真实时间偏长37%.基准模型估算LTO阶段CO、UHC污染物排放量偏高,NO_x偏低,且偏差较大;而SO_2、CO_2和PM_(2.5)的排放量估算结果偏差相对较小.与机动车相比,A320飞机的一次LTO起飞着陆飞行,NO_x排放量约等于一辆小客车行驶8.6×10~4km,或相当于1274辆小客车1 d的排放量.     

海峡西岸经济区大气污染物排放清单的初步估算

以2009年为基准年,结合污染源普查数据、统计年鉴及工业活动、居民生活等多个方面对海峡西岸经济区包括SO2、NOx、PM2.5、VOCs和NH3在内的大气污染物的排放量进行了估算,建立了海西区大气污染物排放清单.结果发现,上述5类污染物基准年的排放量分别为40.67×104、55.84×104、50.57×104、152.26×104和26.18×104t.其中,SO2、NOx及PM2.5的排放主要来自电厂,占排放总量的比例分别为25.58%、34.89%和38.75%;VOCs和NH3的主要排放源分别来自植被排放和养殖业,其贡献量分别为49.12%和47.07%.采用GIS对排放清单进行网格化处理,得出SO2、NOx及PM2.5的高排放强度区域与固定源的空间分布较为一致.此外,结合国家和地方"十二五"发展规划,采用情景分析方法估算了2015年海西区大气污染物的排放清单.与基准年相比,SO2、NOx和NH3的排放量呈下降趋势,PM2.5和VOCs的排放量呈大幅度增加.基准年排放清单的不确定性分析显示,VOCs排放估算的不确定度最大,为225%.     

乌鲁木齐市散煤燃烧大气污染物排放清单及时空分布特征

为研究乌鲁木齐市散煤燃烧对大气污染物的贡献情况,根据实地调研收集到的散煤燃烧活动水平数据,利用排放因子法建立2015年乌鲁木齐市散煤燃烧PM_2.5、SO₂和NO_x的排放清单,利用ArcGIS空间分析工具进行空间分布特征分析,使用蒙特卡罗方法进行不确定性分析.结果表明:2015年散煤燃烧排放PM_2.5、SO₂、NO_x分别为1.70×104、4.13×104、2.80×103 t.PM_2.5和SO₂排放的主要贡献区域为乌鲁木齐县,分别占排放总量的27.35%和26.23%,这是由于乌鲁木齐县社区居民和大棚种植耗煤量较大所致;NO_x排放的主要贡献区域为米东区,贡献率高达28.03%,这是因为米东区社区居民所用炉灶为手动炉排层燃炉灶,其排放因子较大所致.空间分布特征表明,污染物主要分布在米东区南部、沙依巴克区北部及乌鲁木齐县中部.不确定性分析表明,村庄、社区、大棚种植、商业和事业单位在95%的置信区间时不确定性分别为-69%~165%、-57%~116%、-68%~171%和-67%~165%.蒙特卡罗预测结果（平均值）高于排放清单的计算结果.研究显示,乌鲁木齐市散煤燃烧对污染物排放贡献较大,并且具有明显的季节性和区域性特征.      

辽宁省港口邻近区域海运废气排放测算

为准确测算沿海地区船舶废气排放量,基于试验数据确定了NO_x、CO、HC和CO₂排放因子;结合文献资料和海事局进出港船舶签证数据,采用基于船舶活动过程的方法测算了2014年辽宁省港口邻近区域〔距港口减速区外边界25 n mile(1 n mile=1 852 m)以外的边界线与港口陆地岸线所围成的区域〕海运废气排放清单. 结果表明:2014年辽宁省港口邻近区域海运NO_x、CO、HC、CO₂、SO₂和PM(颗粒物)的排放量分别为11 827.1、971.4、399.6、1 097 426.5、11 654.1和959.2 t;散货船、集装箱船和油船3种主要类型船舶的NO_x、CO、HC、CO₂、SO₂和PM的分担率之和分别为74.7%、77.8%、70.8%、68.0%、70.9%和70.6%;主机NO_x、CO、HC、CO₂、SO₂和PM的分担率最大,分别为63.7%、63.0%、46.0%、40.4%、46.4%和45.3%;停泊工况下的NO_x、CO、HC、CO₂、SO₂和PM排放量分别为3 318.3、281.7、168.3、520 194.9、4 894.0和411.5 t. 船舶降速运行、减少停港时间、燃用低硫油和向船舶供应岸电等措施能降低港口邻近区域海运废气排放. 基础数据缺乏或数据代表性不足给废气排放清单带来了一定的不确定性.      

珠江三角洲非道路移动源排放清单开发

根据收集到的珠江三角洲非道路移动源活动水平数据,采用适合各类非道路移动源污染物排放量的估算方法和排放因子,建立了珠江三角洲地区2006年非道路移动源排放清单.结果表明,珠江三角洲地区2006年非道路移动源排放SO2为6.52×104t,NOx为1.24×105t,VOC为4.54×103t,CO为2.67×104t,PM10为4.51×103t.其中船舶为最大的SO2、NOx、CO和PM10排放贡献源,分别占非道路移动源排放总量的96.4%、73.8%、39.4%和50.5%.在船舶排放源中,SO2、NOx、VOC、CO和PM10排放量的89.8%、81.8%、77.3%、79.5%和81.7%来自货轮和散装干货船.非道路移动源已成为该地区第三大SO2和NOx排放贡献源,分别占珠江三角洲大气污染源SO2和NOx排放总量的8.6%和13.5%.     

北京市民用燃煤烟气中气态污染物排放特征

以北京远郊农村居民常用的蜂窝煤、煤球、烟煤散煤为实验用煤,开展燃烧实验.研究了烟气无机污染物排放因子、VOCs释放情况.结果表明在充分燃烧的条件下,蜂窝煤、煤球、烟煤气态污染物SO2排放因子分别为1.50、1.91、1.62kg·t~(-1);NOx排放因子分别为0.420、0.901、2.20 kg·t~(-1);CO排放因子分别为22.4、37.3、87.3 kg·t~(-1).燃烧排放的NOx和CO的排放因子顺序关系为:烟煤煤球蜂窝煤;SO2的排放因子大小顺序分别为:煤球烟煤蜂窝煤.获得了北京市2014年3种民用煤燃烧排放的气态污染物的排放清单,烟煤散煤排放的SO2超过了0.55万t,NOx超过了0.75万t,CO超过了29万t.3种煤质燃烧过程中点火和封火阶段VOCs排放浓度相对较高,各阶段VOCs排放因子为点火阶段最高,封火阶段次之.     

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.