深圳市船舶排放清单与时空特征研究

为分析深圳市船舶排放特征,本研究以劳氏船级社数据库(Lloyd's register of shipping,LR)以及船舶自动识别系统(automatic identification system,AIS)为基础,收集整理深圳市各主要船舶类型及其活动水平的本地化参数,使用基于引擎功率和燃料消耗量的排放因子法,估算深圳市2010年船舶排放清单,并利用船舶AIS活动轨迹建立1 km×1 km空间分配因子和时间特征谱.结果表明,2010年深圳市各类船舶排放的SO2、NOx、CO、PM10、PM2.5和VOCs总量分别为13.6×103、23.3×103、2.2×103、1.9×103、1.7×103和1.1×103t,全槽格式集装箱船为最大贡献船型,靠泊模式排放比例最大.船舶排放的高峰期集中在白天时段,但不同船舶的具体峰值有所不同;船舶排放量的空间分布呈面状及带状分布交错,高值排放区为西部港口群、东部大鹏湾海域及主要水运航道.     

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%.     

我国燃煤电厂颗粒物排放特征

基于我国燃煤电厂(不含港、澳、台数据,下同)的燃烧技术及颗粒物控制技术分类,建立了燃煤电厂颗粒物排放计算方法.利用该方法,分析了2000─2010年我国燃煤电厂颗粒物排放量及分布特征.结果表明:我国燃煤电厂颗粒物排放量自2000年起持续增加,于2005年达到最高值(375×104t),其中PM10、PM2.5排放量分别为237×104、129×104t;此后逐年降低,2010年降至166×104t,其中PM10、PM2.5排放量分别降至126×104、85×104t.随着静电除尘及湿法脱硫的普及,颗粒物中PM2.5所占比例由2005年的34.3%升至2010年的51.2%.我国燃煤电厂颗粒物排放地区分布不均衡,2010年内蒙古、山东、河南、江苏、山西和广东六省区的排放量占全国排放总量的44%.PM2.5排放因子也因各省燃煤电厂颗粒物排放控制技术不同而产生差异,其中煤粉炉、循环流化床锅炉的PM2.5排放因子分别为0.35~0.75、0.27~0.90 kgt.从机组规模影响来看,单台容量在30×104k W以下的燃煤机组是粗颗粒(PM10)的主要来源,而在30×104k W以上的燃煤机组对PM2.5排放贡献(64.6%)较大,这主要与这类燃煤机组静电除尘和湿法脱硫的安装比例高有关.     

广东省人为源大气污染物排放清单及特征研究

本研究根据收集的广东省人为源活动水平数据,采用合理的估算方法、排放因子和GIS技术,建立了该地区2010年3 km×3 km人为源大气污染物排放清单.结果显示,2010年广东省SO2、NOx、CO、PM10、PM2.5、BC、OC、VOCs和NH3排放总量分别为867.8×103、1607.0×103、7476.0×103、1397.6×103、633.2×103、50.5×103、98.3×103、1436.5×103和578.3×103t.固定燃烧源是SO2和NOx的最大排放贡献源,CO排放主要来自道路移动源、固定燃烧源和生物质燃烧源,扬尘源和工业过程源是主要的PM10和PM2.5排放源,生物质燃烧源是最大的BC和OC贡献源,VOCs排放主要来自有机溶剂使用源、道路移动源和工业过程源,NH3排放主要来源于畜禽养殖和氮肥施用.东莞、佛山和广州是主要的SO2、NOx、CO和VOCs排放城市,广州、清远和梅州是最主要的PM10和PM2.5排放城市,BC排放集中在广州、深圳、东莞、佛山等珠三角城市,OC的重要排放城市为湛江和茂名,NH3排放主要分布在茂名、湛江和肇庆.空间分布结果显示,广东省NH3排放高值区分布在粤西和粤东地区,其他污染物排放高值区则主要分布在珠三角城市群.本研究建立的排放源清单仍具有一定的不确定性,建议后续研究加强大气污染源排放的基础研究,进一步完善该地区的排放源清单,以期为区域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.     

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.     

乌鲁木齐市机动车排放清单研究

近年来随着乌鲁木齐市机动车数量的快速增加,致使机动车排放污染突出.通过调查乌鲁木齐市2007年机动车的保有情况及技术水平分布,研究了各类型机动车的排放因子以及年均行驶里程,并测算了该市2007年机动车污染物排放总量、分区排放量及各类型机动车的分担率.结果表明:2007年在乌鲁木齐市注册的各类型机动车排放的CO总量为11.09×104t,HC总量为1.53×104t,NOx总量为2.73×104t,PM总量为0.38×104t;其中CO和HC排放主要集中在城区,NOx和PM排放主要集中在外埠;在城区的机动车排放中,CO和HC排放以轻型载客汽车为主,NOx排放以中重型公交车为主,PM排放以中、重型载货汽车为主.     

京津冀燃煤工业和生活锅炉的技术分布与大气污染物排放特征

燃煤工业和生活锅炉(下称燃煤锅炉)是京津冀地区大气污染控制的重点,分析其污染物排放特征对燃煤锅炉的污染控制具有重要意义.对京津冀地区燃煤锅炉的容量、锅炉种类、除尘方式、实际除尘效率等技术分布信息进行了统计,在此基础上建立了基于技术分布信息的2012年京津冀地区燃煤锅炉大气污染物排放清单,并分析了技术特征对燃煤锅炉大气污染物排放的影响.结果表明:京津冀地区燃煤锅炉以10 t/h及以下的小容量锅炉为主,主要炉型为层燃炉,除尘方式以湿式除尘及多管旋风除尘为主;2012年京津冀地区燃煤锅炉的SO2、NOx、颗粒物、PM10和PM2.5排放量分别为90.81×104、30.88×104、31.46×104、14.64×104和8.07×104t,排放主要集中于10 t/h及以下和35 t/h以上的锅炉;天津、石家庄、保定、唐山是锅炉污染物排放量最大的城市;供热、食品、化工、造纸是燃煤锅炉排放最集中的行业.京津冀地区不同城市锅炉的容量及行业分布差异明显,各城市对燃煤锅炉应因地制宜采取天然气替代、集中供热等措施,以控制燃煤锅炉的污染物排放.     

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.     

可再生能源发电对PM_(10)和PM_(2.5)减排的贡献核算

发展可再生能源发电是《大气污染防治行动计划》的一项重要措施,有助于推进PM10和PM2.5减排,改善空气质量。从生命周期来看,各类可再生能源发电的PM10和PM2.5排放系数均低于燃煤火电,各类可再生能源发电单位发电量的PM10和PM2.5减排因子由高到低依次为水电并网风电太阳能发电生物质发电。通过生命周期评价计算可知,以可再生能源发电替代燃煤发电,PM10和PM2.5在2012年已经实现了较好的减排效果,减排量分别为37.87×104和18.94×104ta;未来仍将具有较大的减排潜力,2015年PM10和PM2.5可分别减排44.21×104和22.10×104ta,2020年PM10和PM2.5可分别减排65.41×104和32.71×104ta。     

我国水泥工业大气污染物排放量估算

水泥工业是粉尘,SO2和NOx等多种大气污染物的重要排放源.根据各地水泥工业的工艺现状、活动水平、除尘器的除尘效率和污染物排放因子,估算了1995-2005年我国水泥工业生产过程中排放的粉尘,PM10,PM2.5,SO2,NOx,氟化物和CO等的排放量,并给出了2005年分省区、分工艺的排放清单.结果表明,污染物排放量与水泥活动水平呈正相关.1995年以来,随着水泥产量增加,污染物排放量增长迅速,2005年我国水泥工业排放排放粉尘520.69×104 t,PM10437.24×104t,PM2.5301.06×104t,SO2 86.09×104t,NOx286.67×104t,氟化物57.72×104t,CO 1 987.97× 104t;山东、浙江、江苏、河北和广东等水泥生产大省污染物排放量较大,污染物排放总量占全国总排放量的46.6%,新型干法的推广应用有助于大气污染物的减排.     

江苏省内河船舶大气污染物排放清单及特征

基于船舶签证、过闸数据以及AIS数据,采用船舶引擎功率的方法建立了江苏省内河船舶大气污染物排放清单.结果表明,2014年江苏省内河船舶共排放NO_x18. 71万t、SO_25. 13万t、PM_(2.5)0. 82万t、PM_(10)1. 10万t、HC 0. 64万t、CO 1. 67万t和CO_21 051. 13万t;对于内河船舶(不计长江),干货船污染物排放量最大,吨位范围200～600 t的污染物排放量最高,船舶正常航行工况下污染物排放量最高;对于长江江苏段抵港船舶,非集装箱货轮污染物排放量最高,装卸货工况下污染物排放量最高,其次是巡航状态,对于不同动力单元,主机和辅机是主要排放单元;对于长江江苏段过境船舶,非集装箱货轮的污染物排放量最高,其次为油轮,缓慢行驶状态下各污染物排放量均为最高,对于不同动力单元,SO2、PM_(2.5)和PM_(10)主机排放量高于辅机;京杭运河苏北段航道单位航道长度大气污染物排放量较大,苏南航道次之;江苏省内河船舶排放受时间影响较小,除2月排放占比略小外,其余月份排放占比基本较为均匀,均在8%～10%左右.     

我国钢铁工业一次颗粒物排放量估算

针对我国钢铁工业生产工艺以及颗粒物控制技术的分类,建立了一个细化到排放节点的自下而上的颗粒物排放模型.结合我国钢铁工业各地区活动水平以及颗粒物控制技术分布的历史变化趋势分析,利用此模型计算了2006—2012年我国钢铁工业一次颗粒物的排放系数和排放量.模型计算结果显示,2006年以来,我国钢铁工业颗粒物控制水平不断提高,PM_(2.5)、PM_(2.5)~10和PM10的排放系数分别降低了21.2%、19.3%和19.0%.钢铁工业一次颗粒物排放量在2006—2011年间持续增长,2011年TSP排放量为602×104t,PM10排放量为200×104t,PM_(2.5)排放量为124×104t;2012年排放量出现下降,TSP排放量为561×104t,PM10排放量为187×104t,PM_(2.5)排放量为116×104t.2012年我国钢铁工业一次PM_(2.5)排放量中的有组织排放占39.5%,无组织排放占60.5%;除加严有组织源管控之外,减少颗粒物无组织排放,对于钢铁工业颗粒物排放控制也非常重要.我国钢铁工业颗粒物排放量分布不均衡,河北、山东、江苏、辽宁、山西5个省的排放超过全国总排放的50%.     

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.     

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.     

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.     

我国燃煤电厂PM2.5减排潜力预测与分析

为研究燃煤电厂在燃煤发电机组结构优化调整和不同末端控制措施条件下PM_2.5的排放情况,以2012年为基准年,设计了分阶段、分地区不断优化的控制情景(基准、适中、加严和最严情景),并依据《大气细颗粒物一次源排放清单编制技术指南(试行)》建立的减排潜力模型对2017年、2020年和2030年我国燃煤电厂PM_2.5减排潜力及空间分布进行预测分析. 结果表明:通过燃煤发电机组结构优化调整,2017年、2020年和2030年我国燃煤电厂PM_2.5排放量与调整前相比可分别减少3.62×104、8.52×104和24.43×104 t,但相对于基准年而言,PM_2.5排放量并未减少;进一步结合末端控制措施优化进行控制,PM_2.5最大减排潜力(相对于基准年而言)可分别达到59.42×104±7.83×104、82.83×104±5.82×104和81.89×104±6.76×104 t,最高减排比例分别达到66.5%±8.8%、92.8%±6.5%和91.6%±7.6%. 我国各省(市/区)燃煤电厂PM_2.5减排潜力与其煤耗量和采取的控制措施有关,燃煤量越大,控制措施越严格,则减排潜力越大. 京津冀、长三角和珠三角地区燃煤电厂在实现超低排放,即最严情景下2017年PM_2.5减排潜力分别为5.93×104、12.04×104和4.70×104 t;2017年、2020年和2030年这3个区域PM_2.5总减排潜力分别为22.68×104、22.36×104和22.07×104 t. 内蒙古、江苏、山东、广东、河北和山西等地在实施超低排放后,其PM_2.5减排潜力均超过4×104 t,并且在全国范围内实施超低排放可显著降低我国燃煤电厂PM_2.5排放量.      

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.     

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.      

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%.