基于油耗调查的2010年天津市农业机械排放研究

通过问卷调查,采用基于燃油消耗量的方法估算出天津市2010年农业机械氮氧化物(NOx)和颗粒物(PM)的总排放量.2010年天津市农业机械总保有量为57.5万台,其中种植业机械最大约占52.5%;总动力为588万kW,运输机械占比最大为47.3%.估算出2010年天津市农业机械总油耗(主要为柴油)为6.7万t,其中运输机械耗油量为4.5万t.再根据燃油消耗量估算了天津2010年农业机械污染物排放量,NOx和PM年排放量分别为3470t和303t.     

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%.     

中国生物质燃烧大气污染物排放清单

根据2000-2007年各省市生物质燃烧消耗量和排放因子,估算了中国大陆生物质燃烧所导致的NOx、SO2、CO、CO2、CH4、NMHC、PM、BC排放量,并给出了分省区、分生物质类型的排放清单.研究表明,2007年中国生物质燃烧排放的NOx、SO2、CO、CO2、CH4、NMHC、PM和BC排放量分别为109万t,1...     

杭州市机动车污染物排放清单的建立

基于调研的基础数据,运用修正后的IVE排放模型及GIS系统建立了杭州市2010年1km×1km的高时空分辨率的机动车排放清单.结果表明,2010年杭州市机动车污染物CO、HC、NOx、PM的年排放量分别为44.06,2.31,4.43,0.65万t,主要来自线源道路的排放.各车型污染物分担率各不相同,汽油乘用车和公交车排放CO和HC最大,柴油重型货车和公交车是NOx和PM排放的主要来源,两种燃油下的机动车排放差异十分明显.机动车污染排放与路网密集程度及道路长度密切相关,因此西湖区和江干区排放总量远远高出其他区域.机动车各污染物排放强度空间分布均呈现由城市中心向城市边缘的递减趋势,各污染物中心城区排放量占总排量的70%以上.机动车污染物排放日变化十分明显,与人群出行规律有极大的相关性.     

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%.     

北京市压缩天然气公交车的环境效果分析

经过对北京市2007年公交车队的详细技术构成与实际运营情况的调研,发现北京市公交车队的主力车型为国三和国四车辆,应用修正的COPERTIV模型计算出北京市各技术水平的汽油、柴油和压缩天然气(CNG)公交车的排放因子.2007年北京市国三CNG公交车PM2.5和NOx单车排放因子分别比国三柴油车削减了97%和30%,而公交车队中排放控制最为严格的EEV天然气公交车的PM2.5和NOx单车排放因子分别比国四柴油公交车削减了93%和69%.但由于CNG公交车的CH4排放水平较高,导致CNG公交车的总碳氢化合物(THC)单车排放因子显著高于相近控制水平的柴油公交车.在单车排放水平的基础上建立了北京市公交车排放清单,2007年北京市公交车排放的CO、NMHC、THC、NOx和PM2.5分别为9051t、955t、1222t、8553t和161t.与没有CNG公交车的对照情景进行比较,在使用了CNG公交车后,2007年北京市公交车CO、NMHC、NOx和PM2.5排放总量分别削减了293t、62t、775t和33t,削减比例分别为3.1%、6.1%、8.3%和17.2%.2007年北京市通过在公交车队中使用CNG车辆共减少了柴油消耗量约5.0×104t,相当于北京市各行业柴油总消耗量的2.6%.2007年北京市公交车尾气排放的温室气体的CO2当量为8.3×105t,比不使用CNG车辆的情景略微增加了2.4%.     

北京机动车尾气排放特征研究

近年来随着机动车保有量的快速增加,北京市机动车排放污染受到越来越多的关注。本研究应用COPERTⅣ模型计算了北京不同类型机动车排放因子,根据保有量和年均行驶里程等基础数据计算了2009年机动车尾气污染物排放量;调查了北京典型道路车流量和车辆运行速度等参数,计算机动车尾气排放强度,得出了典型道路不同污染物的综合排放因子;应用COPERTⅣ模型分析了车速对不同污染物排放的影响,将基于G IS的机动车活动强度、行驶速度和排放因子结合在一起,得到了北京机动车尾气排放网格分布清单。结果表明:CO排放量为71.58×104t,HC排放量为7.95×104t,NOx排放量为8.77×104t,PM排放量为0.38×104t。北京城区高峰小时CO排放量为143.9 t/h,HC排放量为18.6 t/h,NOx排放量为12.5/h,PM10排放量为1.14 t/h。     

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%.     

利用IVE模型建立成都市轻型汽油客车排放清单

城市机动车污染物排放清单的建立是控制机动车污染的关键.本研究以2012年为基准年,通过对成都市轻型汽油客车技术水平分布、活动水平和保有量等数据的调查,将IVE模型本地化,计算了成都市2012年轻型汽油客车VOCs、PM、NOx、CO的排放清单,并分析了清单的不确定性.结果表明:成都市2012年轻型汽油客车排放的VOCs、PM、NOx和CO分别为2.23×104t、1.6×102t、1.26×104t和2.03×105t;轻型汽油客车中黄标车VOCs、PM、NOx、CO的排放量分别占排放总量的27.5%、18.1%、37.2%和42.5%,表明黄标车是轻型汽油客车污染物排放的主要来源;排放清单的不确定性主要来自于排放因子,VOCs、PM、NOx和CO清单的不确定性分别为-31.67%~32.35%、-54.75%~55.09%、-6.56%~6.76%和-12.22%~12.51%.     

红河州机动车污染物排放特征研究

基于《道路机动车大气污染物排放清单编制技术指南》建立了红河州2019年机动车排放清单。结果表明:2019年红河州CO、HC、NOx、PM2. 5、PM10和SO2排放总量分别为29494、11908、13259、273、301和138t/a。机动车污染物分担率差别显著,小型汽油载客车、轻型汽油载货车和摩托车是CO的主要排放来源,小型汽油载客车和摩托车对HC排放贡献最大,对NOx、PM2. 5和PM10贡献最大的是大型柴油载货车。汽油车是CO和HC机动车污染物排放的主要贡献源,其排放量分别占排放总量的82. 01%和96. 64%,柴油车是NOx、PM2. 5和PM10的主要贡献源。     

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.     

Exhaust emission inventory of typical construction machinery and its contribution to atmospheric pollutants in Chengdu, China

To study the emission characteristics of typical construction machinery in Chengdu, 12 construction machinery (excavators, bulldozers, loaders, and forklifts) under idling mode, moving mode, and working mode, were tested using a portable emission measurement system (PEMS). Under three operating modes, the typical construction machinery in the working mode was higher in the fuel-based average emission factors of PM_2.5 and NO_x, while the fuel-based average emission factors of HC and CO were higher in idling mode. Integrated the results of investigation on ownership and activity levels of construction machinery, an exhaust emission inventory of typical construction machinery of Chengdu in 2018 was established according to the recommendation method. The annual emission of PM_2.5, NO_x, HC, and CO were 1.67 × 10⁶, 1.61 × 10⁸, 3.83 × 10⁶, and 1.26 × 10⁷ kg, respectively, and the excavator contributed the maximum emissions, accounting for an average proportion of 43.95%. The emission of construction machinery in Chengdu exhibited a clear monthly trend, with the highest from April to October and the lowest from November to March. In addition, the exhaust emissions presented an obvious spot-like characteristics, and the high-value areas were mainly concentrated in the surrounding suburban counties such as Shuangliu Wenjiang etc. To reduce pollution from construction machinery and improve the quality of the atmospheric environment, more effective measures on housing construction and municipal construction should be taken in those districts in Chengdu.     

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.     

Recent advances and perspectives towards emission inventories of mobile sources: Compilation approaches, data acquisition methods, and case studies

In recent years, great efforts have been devoted to reducing emissions from mobile sources with the dramatic growth of motor vehicle and nonroad mobile source populations. Compilation of a mobile source emission inventory is conducive to the analysis of pollution emission characteristics and the formulation of emission reduction policies. This study summarizes the latest compilation approaches and data acquisition methods for mobile source emission inventories. For motor vehicles, a high-resolution emission inventory can be developed based on a bottom-up approach with a refined traffic flow model and real-world speed-coupled emission factors. The top-down approach has advantages when dealing with macroscale vehicle emission estimation without substantial traffic flow infrastructure. For nonroad mobile sources, nonroad machinery, inland river ships, locomotives, and civil aviation aircraft, a top-down approach based on fuel consumption or power is adopted. For ocean-going ships, a bottom-up approach based on automatic identification system (AIS) data is adopted. Three typical cases are studied, including emission reduction potential, a cost-benefit model, and marine shipping emission control. Outlooks and suggestions are given on future research directions for emission inventories for mobile sources: building localized emission models and factor databases, improving the dynamic updating capability of emission inventories, establishing a database of emission factors of unconventional pollutants and greenhouse gas from mobile sources, and establishing an urban high temporal-spatial resolution volatile organic compound (VOC) evaporation emission inventory.     

江苏省人为源挥发性有机物排放清单

掌握VOCs排放特征是研究区域大气复合污染特征和控制策略的前提. 对江苏省VOCs人为源进行系统分类,收集活动水平数据,应用国内外排放因子研究成果及江苏省行业调研结果,采用排放因子法建立了江苏省2010年分行业、分城市的人为源VOCs排放清单. 结果表明:江苏省人为源VOCs排放总量约为179.20×104t,其中化石燃料燃烧源、生物质燃烧源、工业过程源、溶剂使用源、移动源、油品储运源的排放量分别占排放总量的24.1%、3.3%、22.3%、25.3%、18.4%和6.6%,工业过程源中石油炼制、有机化工、医药制造是重点行业,溶剂使用源中机械装备制造、电子设备制造是重点行业. 南京、苏州、无锡、常州、南通5个苏南城市VOCs排放量明显高于苏北和苏中地区,占全省总排放量的60.0%,苏州、南京、无锡排放量居前3位. 各城市化石燃料燃烧源和移动源排放所占比例均超过10.0%,其他重点行业差异显著,其中南京市为石油炼制、有机化工,苏州市为有机化工、机械涂装,无锡市为有机化工、电子设备制造.      

苏州市人为源挥发性有机物排放清单及特征

掌握挥发性有机物(VOCs)排放清单是研究区域大气复合污染和控制策略的基础.本文通过结合国内外学者的源清单研究成果对苏州市人为源VOCs进行系统分类,并根据苏州市相关统计数据和实地调研结果,采用排放因子法建立了苏州市2016年人为源VOCs排放理论值清单.结果表明,2016年苏州市人为源VOCs排放总量约为2.75×10~5 t,其中,生物质燃烧源、化石燃料燃烧源、工业过程源、溶剂使用源、移动源、储存源和生活源分别占排放总量的3.9%、4.3%、22.8%、36.7%、24.0%、6.3%和2.0%.纺织印染、电子设备制造、机械设备制造、橡胶塑料制品生产、基础化学原料制造及建筑装饰、轻型客车制造是苏州市人为源VOCs排放的重点行业(产业),排放量均超过1×10~(4 )t.苏州市各县级市及市辖区中,市辖6区及张家港市的总排放量较高,约占总排放量的60%,张家港市和昆山市的平均排放强度较高,均超过了40 t·km~(-2).     

基于调查的中国秸秆露天焚烧污染物排放清单

基于2010年初农村能源消费情况的问卷调查,获得全国分省秸秆露天焚烧比例,在此基础上确定秸秆露天焚烧的活动水平,采用排放因子法建立中国秸秆露天焚烧的污染物排放清单. 结果表明,中国农村秸秆露天焚烧平均比例为20.8%. 2009年全国28个省区(不包括西藏自治区、天津市、上海市、港澳台地区,下同)秸秆露天焚烧的PM_2.5、BC、OC、SO₂、NO_x、CO、NMVOC、NH₃、CH₄和CO₂排放量分别138.1×104、6.4×104、41.1×104、8.7×104、41.8×104、594.6×104、94.4×104、8.0×104、44.2×104和14 355.4×104 t. 稻谷、玉米和小麦是露天焚烧的三大作物秸秆,其对污染物排放的贡献合计约为87%. 秸秆露天焚烧排放量最高的前3位分别为湖南省、河南省和安徽省, 秸秆露天焚烧比例分别43.1%、20.8%和39.7%. 污染排放的高值区主要集中在华北和华中地区. 95%置信区间下的不确定性分析结果显示,PM_2.5、BC、OC、SO₂、NO_x、CO和NMVOC排放的不确定性范围分别为-60%~83%、-78%~147%、-73%~135%、-48%~75%、-49%~78%、-91%~155%和-67%~94%. 2015年初对六省(湖南省、广东省、江苏省、河南省、黑龙江省和辽宁省)农村能源消费调查的结果显示,2014年江苏省、湖南省和广东省的秸秆露天焚烧比例较2009年均有下降,而辽宁省、黑龙江省和河南省则相对上升. 研究显示,秸秆禁烧政策已取得初步成效,建议国家有关部门进一步加大秸秆禁烧政策的推行力度,完善相关政策措施.      

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.     

长三角地区秸秆焚烧污染物排放清单及其在重霾污染天气模拟中的应用

根据2008年长三角地区江苏、安徽、浙江3省各地级市及上海市水稻、小麦、玉米、油菜4种农作物的年产量,结合谷草比、秸秆焚烧比例及排放因子建立了长三角地区秸秆焚烧大气污染物排放清单.结果表明：长三角地区秸秆焚烧产生的PM10、PM2.5、SO2、NOx、CO、EC、OC分别为36.8×104、14.4×104、1.5×104、9.2×104、20.8×104、2.6×104、12.2×104t.秸秆焚烧污染物排放量较大的区域主要集中在江苏中北部和安徽北部.在区域大气环境模拟系统RegAEMS中考虑秸秆焚烧源的影响,针对2008年10月底江苏一次重霾污染天气事件进行模拟,发现考虑秸秆焚烧源后模拟结果有较大的改善.秸秆焚烧可以导致区域PM10、CO浓度上升30%以上,黑碳和有机物的消光贡献明显增强.区域输送研究表明,苏中地区、外省秸秆焚烧排放源对此次重霾污染的贡献分别达到32.4%、33.3%.