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.     

渭南市道路移动源高分辨温室气体排放清单及特征研究

根据渭南市机动车保有量和抽样调查与观测数据,采用MOVES模型计算了渭南市2017—2019年道路移动源CO₂、CH₄、N₂O和CO 4种 温室气体的排放量,分析了机动车车型、燃料和排放标准对温室气体排放量的影响.基于ArcGIS和渭南市道路网信息,建立了高分辨率（1 km× 1 km和1 h×1 h）的温室气体排放清单.结果表明,渭南市2019年道路移动源CO₂、CH₄、N₂O和CO的排放量分别为424.322×10⁴、0.044×10⁴、0.007×10⁴和2.808×10⁴ t,以CO₂当量计,机动车温室气体的总排放量为432.843×10⁴ t. 4种道路移动源温室气体中,CO₂占总温室气体排放量的98.03%.渭南市小型客车对温室气体的贡献率最大,分别排放了43.41%的CO₂、74.78%的N₂O和57.17%的CO.大型客车排放了34.47%的CH₄, 汽油车和天然气汽车是N₂O和CH₄的主要排放源,分别排放了86.76%的N₂O和61.87%的CH₄.渭南市道路移动源温室气体排放强度24 h变化呈“双峰”分布,空间分布呈明显的“线-面”特征,这与道路分布密度高度相关,路网密集的城市中心为机动车温室气体的高排放区.     

重庆市主城区移动源排放清单建立与分布模拟

为掌握重庆市主城区机动车排放情况及其对排放的定量影响,于重庆市机动车类型分布、技术水平、行驶情况进行数据采集的基础上,利用Arc GIS系统建立了重庆市主城区2105年1 km×1 km的高时空分辨率移动眼排放清单。结果表明,2015年,重庆市主城区机动车污染物VOCs的年排放量为6.26×10~4t/a,主要来自线源道路的排放,排放量为5.84×10~4t/a,其排放量占移动源总排放量的93.08%,与人群出行规律有极大的相关性。     

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.     

长三角地区典型城市非道路移动机械大气污染物排放清单

本研究选取上海和杭州两市开展了非道路移动机械的实地调查,分析了各城市非道路移动机械的种类构成、使用特点、燃料类型、功率分布和排放标准等级,在此基础上建立了城市尺度非道路移动机械排放清单技术方法,编制了上海和杭州市2014年非道路移动机械大气污染物排放清单.结果表明,上海和杭州市非道路移动机械柴油消费分别为6.1×10~5t和3.2×10~5t,NO_x排放分别为3.09×10~4t和1.72×10~4t,PM_(2.5)排放分别为1.41×10~3t和8.1×10~2t,其中,挖掘机等建筑市政施工机械的排放贡献最为突出.非道路移动机械NO_x排放分别占两城市所有源的11.1%和16.1%,占流动源的18.5%和32.2%,已成为城市大气污染的重要来源之一.     

港口自有移动源大气污染物排放清单

基于全面开展大气污染源排放清单编制工作的要求,研究制定了天津市港口自有移动源排放清单.对道路和非道路移动源各源类6种大气污染物建立了分辨率为3 km×3 km的网格化排放清单,并分析其污染物排放时空分布特征,利用蒙特卡罗方法分析了清单的不确定性.结果表明,2020年港口自有移动源共排放PM₁₀ 148.22 t、 PM_2.5 135.34 t、 SO₂ 1 061.04 t、 NO_x 4 027.16 t、 CO 756.60 t和VOCs 237.07 t,其中道路和非道路移动源污染物总排放量占移动源排放量的比例分别为6.66%和93.34%.全港区自有道路移动源机动车污染物排放的主要贡献源是小型、中型、大型载客汽车(汽油)和重型载货汽车(柴油),非道路移动源排放的各污染物的主要贡献源均是船舶和工程机械.不确定性分析结果表明,移动源总体不确定性范围为-13.3%～16.53%.     

成都市道路移动源排放清单与空间分布特征

以成都市为例开展了路网、交通流、道路行驶工况和机动车保有量等数据的收集工作,运用自下而上的方法,基于实测校正和本地化的IVE模型计算了不同区域机动车在高速路、主干道、次干道和支路的排放因子,应用GIS技术建立了1 km×1 km的成都市高时空分辨率道路移动源排放清单.结果表明,2016年成都市道路移动源CO、VOCs、NO_x、SO_2、PM_(10)和NH_3排放量分别为4.2×10~5、4.5×10~4、7.2×10~4、0.4×10~3、1.1×10~4和6.2×10~3t.CO排放主要贡献车型为小型客车、中型客车和大型客车,VOCs排放主要源于小型客车和摩托车,NOx和SO2排放主要产生于小型客车和重型货车,PM10排放主要贡献车型为重型货车,NH3排放主要由小型客车贡献.污染物排放量空间分布呈现出由城市中心向卫星城市、远郊区递减趋势,中心城区和二圈层区域路网密集,排放呈片状分布,三圈层则呈带状分布.排放清单机动车技术分布数据可靠性较高,而交通流数据和排放因子存在一定不确定性.     

天津市非道路移动源污染物排放清单开发

基于天津市非道路移动源污染管控需求,根据调研收集到的2015年非道路移动源活动水平数据,采用环保部《非道路移动污染源排放清单编制技术指南(试行)》推荐的核算方法,建立较为完整的天津市非道路移动源排放清单,分析污染物的时空分布.2015年,天津市非道路移动源排放CO 6.15×10~3t、HC 2.45×10~3t、NO_x2.90×10~4t、PM 1.45×10~3t、SO_21.37×10~4t.船舶污染物排放占比最高,为所有非道路移动源污染物排放总量的73.66%,主要分布于天津港区;其次是非道路移动机械,占21.66%,主要分布于市郊种植业和养殖业区县、城市建设和人群活动较为密集的城区;民航飞机和铁路机车占比较小,分别为3.55%和1.13%,主要分布于机场和铁路沿线.总体上,非道路移动源从3月开始排放量逐渐升高,而年底和年初(冬季)排放量相对较低.     

中国城镇污水处理厂温室气体排放时空分布特征

城镇污水处理厂由于运行过程中能够大量产生二氧化碳(CO_2)、甲烷(CH_4)和氧化亚氮(N_2O),而被视为重要的人为温室气体释放源.采用基于污染物削减量的排放因子法建立了2014年中国城镇污水处理厂温室气体(CO_2、CH_4和N_2O)排放清单,并分析温室气体排放的时空分布和影响因素.结果表明,2014年中国城镇污水处理厂温室气体排放总量(以CO_2-eq计)为7 348.60 Gg,CO_2、CH_4和N_2O排放量分别为6 054.57 Gg、27.47 Gg(769.08 Gg,以CO_2-eq计)和1.98 Gg(524.95 Gg,以CO_2-eq计);各省份间排放量差异明显,华东地区排放量较高,西北地区排放量较低,西藏几乎没有排放,2005~2014年这10年间中国通过城镇污水处理厂排放的温室气体总量增长了229.4%,CO_2、CH_4和N_2O的涨幅分别为217.9%、217.9%和520.3%;地区经济的发展水平和污水处理量与当地城镇污水厂温室气体释放量相关性最大,人均蛋白质供应量与城镇污水厂N_2O产生量密切相关.     

深圳市温室气体排放清单研究

根据深圳市相关统计资料收集到的活动水平数据,参照《2006年IPCC国家温室气体清单指南》温室气体核算方法,建立了深圳市温室气体排放清单,并且与其他城市的温室气体排放水平进行了对比. 结果表明:2008年深圳市温室气体总排放量(以CO₂排放当量计)为6 569.4×104 t,能源部门的温室气体排放量占总排放量的比例最大,达80.8%;工业过程、废物处理处置部门和农林和其他土地利用(AFOLU)部门排放所占比例分别为16.5%、5.1%和-2.4%. 深圳市温室气体人均排放量为7.49 t/人,单位GDP的温室气体排放量为0.84 t/104元,二者均低于北京、上海、天津和无锡的平均排放水平,但高于重庆市.      

基于Urban-RAM模型的上海居民生活碳排放研究

随着全球对碳排放相关研究的不断深入,居民生活引起的能源消耗和碳排放问题引起了研究人员越来越多的关注,但目前鲜有对上海市居民生活整体碳排放的系统研究.本文以2010年为基准年,引入美国劳伦斯伯克利国家实验室开发的Urban-RAM模型,对上海市居民生活碳排放情况进行定量分析,旨在初步掌握上海市居民生活碳排放的总体规模和结构特征,为上海市低碳城市建设和相关决策提供科学依据.研究结果表明,上海市2010年居民生活碳排放总量(CO2e)为4985.7万t,主要以间接排放为主,间接碳排放和直接碳排放分别占居民生活碳排放总量的64.1%和35.9%;上海市居民生活碳排放在各个消费领域的分布不均,直接碳排放主要来自公共和居住建筑领域,该领域的直接碳排量为1065.0万t,占全市居民生活直接碳排放总量的59.5%;间接碳排放主要来自家庭消费领域,该领域的间接碳排量为1625.2万t,占全市居民生活间接碳排放总量的50.9%,其中以食品消费和衣装消费的贡献最大,分别占家庭消费领域碳排放总量的53.5%和29.5%;综合来看,公共和居住建筑领域的整体碳排量最大,为2231.6万t,占全市居民生活碳排放总量的44.8%.     

中国平板玻璃生产碳排放研究

平板玻璃行业是典型的高能耗、高排放行业,目前关于中国平板玻璃行业的碳排放问题还没有得到深入的研究.因此,本文调查了中国300余条主要的平板玻璃生产线,并在此基础上从范围1(工艺过程和化石燃料燃烧引起的直接排放)和范围2(净购入电力和热力在生产阶段引起的间接排放)评估了中国平板玻璃行业从2005年到2014年的CO_2排放情况.结果发现,中国平板玻璃行业CO_2排放量逐年增加,由2005年的2626.9×10~4t逐步上升到2015年的4620.5×10~4t.研究表明:能源消耗是平板玻璃行业碳排放的最主要来源,占比在80%左右,节能降耗是促进平板玻璃行业CO_2减排的主要途径;平板玻璃生产原料中碳酸盐的热分解是CO_2的主要来源之一,占总排放量的20%左右,控制平板玻璃配合料的气体率,在减少平板玻璃生产过程中的CO_2排放有很大潜力;推荐平板玻璃新建项目使用天然气并配备大型熔窑(日熔化量650 t以上)的浮法玻璃生产线,以减少CO_2排放.     

2010年中国机动车CH4和N2O排放清单

中国大部分机动车温室气体排放研究都集中于CO₂排放,对于CH₄和N₂O等排放的研究鲜见. 以中国机动车污染防治年报(2011年)、中国汽车工业年鉴(2011年)、中国统计年鉴(2011年)以及交通运输部发布的相关信息和数据(2011年)等为基础,结合文献调研和2008─2010年对北京、广州等国内10余座典型城市的实地调查结果,获得2010年我国机动车活动水平及排放特征. 基于上述基础信息,解析得到按不同车型、燃料和车龄分布的机动车保有量、年均行驶里程及排放因子,建立2010年中国机动车CH₄和N₂O排放清单. 结果表明:2010年中国机动车CH₄和N₂O排放量分别为23.90×104和6.01×104t,折算成CO₂分别为501.99×104和1862.51×104t. 不确定性分析则显示,中国CH₄排放量在18.21×104～27.52×104t之间,N₂O排放量在4.32×104～7.62×104t之间. 在机动车中,汽车CH₄和N₂O排放量最大,分担率(某车型污染物排放量占机动车排放总量的比例)分别为77.99%和94.22%,而摩托车和农用车排放分担率较小. 在各类汽车中,CH₄排放主要来源于轻型汽油车和天然气出租车,二者的排放分担率分别为47.98%和23.42%;N₂O排放则主要源于轻型汽油车,其分担率为73.09%. 因此,轻型汽油车是削减机动车CH₄和N₂O排放的重点车型,同时天然气出租车也应作为控制CH₄排放的主要车型.      

基于混合生命周期评价的不同坝型温室气体排放对比分析

为了研究不同坝型对环境造成的影响,采用混合生命周期评价方法定量分析并比较同规模的重力坝和堆石坝水电枢纽布置在全生命周期内的温室气体排放.研究基于糯扎渡工程实例,生命周期考虑材料设备生产阶段、运输阶段、施工阶段和运行维护阶段.结果表明:重力坝方案和堆石坝方案生命周期温室气体排放量分别为1145.49×104和815.85×104t(以CO2当量计),重力坝比堆石坝多排放40.4%.其中,重力坝在生产、运输和运行阶段的碳足迹比堆石坝大,但堆石坝在施工阶段的碳足迹比重力坝大.运行阶段的温室气体排放量占全生命周期碳足迹的比例最大,其次是材料设备生产阶段、施工阶段和运输阶段.糯扎渡水电工程的碳排放因子明显低于火电碳排放因子,合理开展水电建设,是实现我国"十二五"规划碳减排目标的有效途径.     

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.     

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...     

快速城市化区河流温室气体排放的时空特征及驱动因素

河流是大气温室气体重要的排放源,近十多年来全球城市化导致河流生态系统各要素发生改变,对河流水体温室气体排放产生影响.为研究快速城市化区不同土地利用方式下河流温室气体排放的时空特征及其影响因素,采用薄边界层模型法,于2014年9月(秋季)和12月(冬季)及2015年3月(春季)和6月(夏季)的晴天对重庆市区内梁滩河干、支流水体pCO_2、CH_4、N_2O溶存浓度进行监测.结果表明,梁滩河干、支流水体pCO_2范围为(23. 38±34. 89)～(1395. 33±55. 45) Pa、CH_4溶存浓度范围(65. 09±28. 09)～(6 021. 36±94. 36) nmol·L~(-1)、N_2O溶存浓度范围为(29. 47±5. 16)～(510. 28±18. 34)nmol·L~(-1); CO_2、CH_4和N_2O排放通量分别为-6. 1～786. 9、0. 31～27. 62和0. 06～1. 08 mmol·(m~2·d)~(-1);流域水体温室气体浓度空间格局与快速城市化带来的污染负荷空间梯度吻合,干流温室气体浓度与通量从上游向下游均呈先增加后降低,在城市化速度最快的中游出现峰值,其中城市河段CO_2和CH_4浓度约为非城市河段的2倍,同时支流水体自上游农业区向下游城市区呈显著增加;由于受到降雨、温度、外源输入的综合影响,河流CO_2排放通量呈秋季冬季夏季春季的季节模式,CH_4排放通量春季最高夏季最低,N_2O排放通量季节差异不显著.流域水体碳、氮含量均较高,水体CO_2的产生和排放不受生源要素限制,但受水温、pH、DO、叶绿素a等生物代谢因子影响; CH_4的产生和排放受水体碳、氮、磷含量和外源污水输入的共同驱动; N_2O的产生和排放主要受高N_2O浓度的城市污水排放影响.本研究认为流域快速城市化加快了河流水体温室气体排放,形成排放热源,因此城市河流温室气体排放对全球河流排放通量的贡献可能被忽视,在未来研究中应受到更多关注.     

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.