区域高时空分辨率VOC天然源排放清单的建立

将中尺度气象模式MM5应用于估算VOC天然源排放的研究,建立了高时空分辨率VOC天然源排放清单的估算方法.根据方法需要,确定了我国部分树木排放异戊二烯和萜烯的标准排放因子,各植被类型排放各种VOC的标准排放因子,以及各植被类型季节平均的叶生物量密度.应用该方法估算了华南地区满足区域空气质量数值模拟要求的高时空分辨率VOC天然源排放清单.结果表明,华南地区夏季典型日的VOC天然源排放总量约1.12×10⁴t,VOC排放速率具有明显的时空分布,其中地理分布取决于植被类型及其分布,日变化规律则依赖于太阳辐射和温度的高低.并讨论了VOC天然源排放估算过程中误差的来源     

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.     

基于实地调研的广东省工业VOC排放清单改进研究

工业源是人为源挥发性有机物(VOC)排放的重要贡献源,然而现有基于统计年鉴数据建立的工业VOC排放清单仍然存在排放源缺失、排放量低估、空间分配精度不足等问题.为了提高清单表征及空间分配的精细度,本文在2014年基于统计年鉴数据建立的广东省工业VOC排放清单的基础上,利用问卷调研方式获取了12000多家工业企业的详细活动水平数据,对工业VOC排放表征与空间分配进行改进,进而建立了基于实地调研和统计年鉴数据相结合的2014年广东省工业VOC排放改进清单.结果表明,改进后广东省工业VOC清单排放量由500927 t增至716470 t,珠三角地区行业VOC排放量增加30%左右,非珠三角地区增加90%左右,其中,炼油及石化行业VOC排放量变化最为明显.改进前清单借助人口密度等空间地理信息为空间分配依据,导致部分VOC排放分配到工业源较少的居民区或市中心;改进后的空间分配优先采用基于经纬度信息的点源分配方法,点源调研数据使得分配后的工业VOC主要集中在工业园区,少数工业VOC排放分配给人类活动有限的偏远农村地区,分配结果更为合理、精细.利用CAMx模型结合实际观测站点监测结果评估此次改进对O_3生成的影响,总体上改进后清单提高了广州、东莞、惠州和茂名等城市的O_3峰值期的模拟浓度,降低了东莞及广州O_3污染时期的模拟偏差,部分被低估的模拟峰值可以提高6～9μg·m~(-3);同时,空间分配的改进也影响了城市间O_3传输模拟.     

珠江三角洲大气面源排放清单及空间分布特征

估算了珠江三角洲地区2006年大气面源污染物的排放清单,并利用2006年珠江三角洲人口分布栅格数据作为代用空间分配权重因子,建立了该地区大气面源3km′3km的SO2、NOx、PM10和VOC网格化排放清单.结果表明,2006年珠江三角洲大气面源排放的SO2为1.12′105 t, NOx为5.25′104 t, PM10为1.6′105 t, VOC为3.14′105 t.SO2、NOx和PM10排放量较大的区域集中在广州市区、佛山、东莞和中山,而VOC排放量较大的区域位于广州市区、东莞和深圳.     

天津郊区土壤风蚀源PM10排放清单不确定性分析

运用课题组自主开发的空气颗粒物风蚀源排放清单构建模型软件（PMEI-WES）,估算2016年天津市郊区土壤风蚀源颗粒物排放清单.采用蒙特卡罗模拟,分析了主要气象参数和土壤参数输入不确定性对排放量的影响,量化排放清单的不确定性.结果表明：2016年天津市郊区土壤风蚀源PM₁₀排放总量为22025.1731t.风速是影响排放量的最主要参数,排放量随风速增加呈指数增长,土壤碳酸钙与排放量呈正相关关系,土壤有机质与排放量呈负相关关系.排放总量95%概率范围为（15237.7581t,37434.8873t）,不确定度为（-37.48%,53.60%）;90%概率范围排放量为（16111.8606t,36104.7554t）,不确定度为（-33.89%,48.14%）.各区排放量不确定度大小与风速误差大小最显著.土壤参数对不确定度极值的影响较大.     

环境化学

X1312(X户灯l3()l区域高时空分辨率VOC天然源排放清单的建立/胡泳涛…(北京大学环境科学中心环境模拟与污染控制国家重点联合实验室大气环境模拟分室)//环境科学/中科院生态环境研究中心一2阅1,22(6)一l二6环图X一5 将中尺度气象模式MMS应用于估算VOC天然源排放的研究,建立了高时空分辨率VOC天然源排放清单的估算方法。根据方法需要,确定了我国部分树木排放异戊二烯和枯烯的标准排放因子,各植被类型排放各种VOC的标准排放因子,以及各植被类型季节平均的叶生物量密度。应用该方法估算了华南地区满足区域空气质量数值模拟要求的高时空…     

植物源挥发性有机化合物排放清单的研究进展

根据近期国内外相关文献,从植物VOC排放清单的角度,对不同空间尺度下植物VOC排放模型的建立与排放清单量值的估算进行了归纳,其中,中国植被VOC年排放总量的估算值(以C计)在12.4~28.4 Tg·a-1之间,2000年北京市园林绿地植物VOC年总排放量约为3.85万t.另外,以北京城市为例,为确定城市大气污染物的总体减排对策,还进一步对园林植物VOC排放清单量值对大气中O3与SOA形成的贡献进行了介绍,在同一时期内,相比园林植物,人为源排放的活性芳香烃类化合物和烯烃类对大气中O3的产生贡献最大,人为源排放的芳香烃还是北京SOA生成潜势的主要贡献源.最后建议重点控制城市人为源的VOC排放,这将对降低北京城市臭氧与二次有机气溶胶污染起到关键作用.     

我国人为源挥发性有机物排放清单的建立

以2000 年为基准年,使用排放因子法估算了75 种人为源挥发性有机物(VOC)的年排放量,建立了我国VOC 人为源的县级排放清单.研究表明,我国2000 年VOC 的排放总量为8273Gg,其中流动源排放2710Gg、溶剂使用排放2150Gg、固定燃烧源排放1600Gg、工艺过程排放1190Gg、石油精炼及运储排放量为498Gg、混杂源125Gg.排放量最高的5 个省依次为广东、山东、江苏、河北、河南.     

成都市工业源重点VOC排放行业排放清单及空间分布特征

以2013年为基准,采用排放系数法对成都市区域范围内工业源的VOC排放进行了核算,利用GIS工具构建成都市1 km×1 km网格化排放清单,分析了VOCs的空间分布特征.研究结果表明:2013年成都市工业源VOC排放总量为(5.77±3.35)×10~4t,其中溶剂使用源排放(3.09±4.93)×10~4t,工艺过程源排放(2.35±3.82)×10~4t,化石燃料燃烧源排放(0.21±0.61)×10~4t,生物质燃烧源排放(0.12±0.48)×10~4t.从工业源VOC排放的空间分布特征上看,都江堰、郫县、温江和崇州是最主要的贡献区县,涉及的排污企业类型主要包括钢铁、化工和水泥行业.     

广东省人为源BC、OC排放清单建立与校验

根据收集的人为源活动水平数据和最新的排放因子,采用"自下而上"和"自上而下"相结合的排放因子法建立了广东省2012年人为源BC、OC排放清单.结果显示,2012年广东省人为源BC、OC排放量分别为53.5×103、78.8×103t.BC排放主要来自道路移动源和生物质燃烧源,贡献率分别为30.1%和29.4%,生物质燃烧源和餐饮源是主要的OC排放贡献源,贡献率分别为48.5%和16.9%.建立的BC、OC排放源清单仍然具有较大的不确定性,分别为-66%~154%和-63%~126%.其中,道路移动源和生物质燃烧源是主要的不确定贡献源,餐饮源和扬尘源次之,不确定性主要来自由质量分数间接得到的BC和OC排放因子.最后,采用清单结果横向比较法和基于环境监测浓度结果对比法2种方法对本研究的结果进行了校验,结果表明,本研究清单结果基本合理.建议统一不同排放源成分谱的建立方法,加强排放源颗粒物测试,并重视清单结果校验的研究以降低不确定性,从而改进BC、OC排放源清单.     

Sensitivity analysis as a tool for systematic reductions in greenhouse gas inventory uncertainties

A greenhouse gas emission inventory consists of a large number of input parameters, many of which have high uncertainties. The Kyoto protocol will require accurate emission data. It is, consequently, important to reduce the inventory uncertainty by improving the input parameters and methodologies in a cost-efficient manner. A key parameter is defined as one that has significant effect on the total emissions or trend and their uncertainty. Key parameters may be ranked according to their contribution to total emissions and trend uncertainty. Quantitative uncertainty estimates of emissions are not available in many countries. In order to evaluate key parameters in such inventories a simplified approach based on thresholds is proposed. Various methods of sensitivity analysis have been applied to Norwegian inventory data. The simplified threshold approach gives insight into the inventory and identifies the key parameters. More sophisticated methods of sensitivity analysis assessments are, however, useful in order to seek specific improvements. The key parameters for determination of total emissions are the large and uncertain sources. Smaller emission sources may be key parameters for the trend determination if their source level is strongly increasing or decreasing.     

A biogenic volatile organic compounds emission inventory for Yunnan Province

Introduction Volatile organic compounds(VOC) are very important tothe chemical composition of ambient atmosphere. Ozone isformed through the photochemical reactions of VOC of bothanthropogenic and biogenic origin with oxides of nitrogen(NOx), …     

珠江三角洲地区重点VOC排放行业的排放清单

根据收集的珠江三角洲(珠三角)重点挥发性有机物(VOC)排放行业的活动水平数据,采用近年来VOC估算方面的研究成果及估算方法,建立了该地区2006年重点挥发性有机物排放行业和分城市的VOC排放清单.结果表明:珠江三角洲地区2006年重点挥发性有机物排放行业VOC排放总量为416.9kt,其不确定性(95%置信区间)为302.5~689.6kt(-31%~58%);家具制造业、建筑涂料使用、制鞋业是珠江三角洲重点VOC排放行业的主要来源,分别占总排放量的23.3%,21.2%和17.5%;东莞是珠江三角洲地区2006年重点挥发性有机物排放行业VOC排放量贡献最大的城市,其次是深圳,两者排放量分别占总排放量的23.6%和21.9%,主要的排放亦来源于家具制造业、建筑涂料使用与制鞋业.缺乏本地排放因子和良好的活动水平数据是本研究VOC排放量估算中主要的不确定性来源.     

Uncertainty analysis of emission estimates in the RAINS integrated assessment model

Uncertainty is a critical issue for all models that attempt to quantify the necessary emission reductions that are required to meet environmental quality targets. This paper discusses a methodology specifically developed to analyse the uncertainties in the emission estimates with the regional air pollution information and simulation (RAINS) integrated assessment model, considering the uncertainties in the model parameters themselves. Overall, it was found that a typical range of uncertainties for modeled national emissions of sulfur dioxide, nitrogen oxides and ammonia in Europe lies between 10 and 30%. In general, the uncertainties are strongly dependent on the potential for error compensation. This compensation potential is larger (and uncertainties are smaller) if calculated emissions are composed of a larger number of equal-sized source categories, where the errors in input parameters are not correlated with each other. Thus, estimates of the national total emissions are generally more certain than estimates of sectoral emissions. A sensitivity analysis with respect to the uncertainty in input parameters showed that the actual uncertainties are critically influenced by the specific situation (pollutant, year, country). However, the emission factor is an important contributor to the uncertainty in estimates of historical emissions, while uncertainty in the activity data dominates the future estimates.     

2000～2020年天津市机动车全过程VOCs排放特征及演变

机动车排放已成为城市地区人为源挥发性有机物(VOCs)的重要来源,排放清单是量化其环境影响的重要手段.针对已有研究中存在的过程区分不清、排放因子测试不全和气象参数考虑不细等问题,基于文献调研与实验测试完善了排放因子库,在月尺度上提出了涵盖尾气排放和蒸发排放(包括运行损失、昼间排放、热浸排放和加油排放)的机动车全过程VOCs逐月排放清单构建方法,并应用此方法建立了2000～2020年天津市机动车全过程VOCs排放清单.研究期内,天津市机动车VOCs排放总量呈现出先缓慢上升后逐步下降的趋势,2020年排放总量为2.14万t,小型客车是对排放总量贡献最大的车型,贡献率达75.00%.排放标准升级对不同过程VOCs排放的影响存在差异.与尾气排放量的持续下降不同,蒸发排放量呈现出先升后降的倒U型走势,且对总排放量的贡献逐年上升,2020年时贡献率为31.69%.机动车排放的月度变化受活动水平与排放因子的双重影响.VOCs排放量呈现出秋冬季高和春夏季低的特点,2020年新冠疫情期间,封控措施限制了机动车活动水平,使得VOCs排放量显著低于往年同期.计算方法和数据结论可为大气污染防治工作提供技术参考...     

中国涂料应用过程挥发性有机物的排放计算及未来发展趋势预测

基于各行业的涂料当前消费量和未来消费预测,以及各行业使用涂料的挥发性有机物(VOC)含量,建立了分省、分行业、分化学组分的排放清单模型,获得2005~2020年中国涂料应用过程的VOC排放清单.结果表明,2005年,我国涂料应用共排放VOC约1 883 kt,以苯系物、醇、酯、醚、酮5类化合物为主,平均增量反应活性指标(以O3/VOC计)约为3.6 g/kg,其中31%的VOC为有毒物质.如不加强控制,到2020年该部门VOC排放量将激增至5 673 kt;因此,国家应及时开展其排放控制行动.排放控制情景分析表明,通过提高涂料产品品质达到发达国家上世纪末水平,且要求新建规模企业安装有机废气末端处理设施,2020年该部门VOC排放量可控制在3 519 kt;通过进一步将建筑涂料和木器涂料改进到当前欧美发达国家先进水平,且规模企业均安装有机废气末端处理设施,2020年该部门VOC排放量有可能控制在2 243 kt.2种控制情景下所排放VOC的化学毒性和大气氧化活性均得到了有效改善.