济南市人为源挥发性有机物排放清单及特征

该研究以2016年为基准年,采用"自下而上"的排放因子法建立了济南市人为源挥发性有机物(VOCs)排放清单。结果显示,济南市2016年人为源VOCs排放总量为81 512 t,排放量较大的源类为工艺过程源、移动源和溶剂使用源,分别占VOCs排放总量的47.8%、17.7%、16.8%。工艺过程源中的石油、化工行业排放量较大,且多为无组织排放,应加强泄露检测与修复;移动源中的载客汽车尤其是小型载客汽车由于保有量大,排放突出,应加强控制;溶剂使用源中的医药和汽车制造业排放量较大,应提高VOCs收集和处理效率。各区县VOCs排放总量居前3位的分别为历下区、历城区和章丘市。清单不确定性半定量评估结果表明,济南市人为源VOCs排放清单不确定度级别为中,为降低VOCs排放清单不确定性,需开展VOCs污染控制效率实际测试和排放因子本地化研究。     

东北地区农业源一次颗粒物排放清单研究

采用自下而上的清单编制方法,搜集各农业环节(秸秆燃烧、整地、收割、谷物处理、化肥施用、农机排放、风蚀)排放因子、作物面积和耕作方式等信息,编制了2010年东北地区县级尺度的农业一次颗粒物(PM₁₀和PM_2.5)排放清单,并分析了农业源颗粒物排放的时空分布特征.结果表明:1)2010年东北地区农业源一次颗粒物PM₁₀总排放量54.6万t,PM_2.5总排放量35.6万t;2)东北地区农业源一次颗粒物PM₁₀排放量最大的农业活动环节是秸秆燃烧,占农业源总排放量的比例为60%,秸秆燃烧排放PM_2.5占PM_2.5农业源排放量的87%,整地环节是一次颗粒物排放的第2大农业排放源,对农业源排放PM₁₀和PM_2.5总量的贡献率分别是27%和6%; 3)PM₁₀和PM_2.5的排放强度空间分布表明,东北地区农业源颗粒物排放区域集中在黑龙江省东北部和中部地区,吉林省中部和辽宁省中部地区; 4)PM₁₀和PM_2.5排放的时间变化特征显示,PM₁₀农业源排放年变化曲线中,5月份和9、10月份是农业源排放一次颗粒物PM₁₀较多的月份,PM_2.5排放集中在9、10月份;5)本研究估算的污染物排放清单的不确定性为184.3%.未来的工作将侧重于典型农业区本土排放因子测定,从而有效减小排放清单的不确定性.     

1995~2015年中国风蚀扬尘TSP、PM10和PM2.5排放清单及未来趋势预测

通过收集1995~2015年中国大陆31个省级行政区风速、降水量和气温地面站数据，结合各省、市自治区的土地利用分布及每种土地利用类型对应的土质类型，基于环保部推荐的起尘模型建立了1995~2015年中国风蚀扬尘颗粒物（TSP、PM₁₀和PM_2.5）排放清单.研究表明，在本研究的时间序列中，中国土壤风蚀扬尘颗粒物排放量呈现波动的趋势，2015年全国风蚀扬尘颗粒物TSP、PM₁₀和PM_2.5的年排放量分别约为2.27×10⁷、6.77×10⁶和1.17×10⁶t.排放量的空间分布总体上呈现"北强南弱"，并且以"黑河-腾冲"一线为界呈现"西强东弱"的排放格局，排放强度最大的地区出现在内蒙古西部和新疆大部.基于IPCC对于未来气候变化的预测情景，估计了未来风蚀扬尘颗粒物的排放变化趋势，在降水和气温共同作用下，不考虑风速变化，2100年的排放量相对2005年的变化幅度在-8.5%~7.7%之间，降水量增多会抑制风蚀扬尘颗粒物排放，温度升高则会使得地表更容易产生风蚀扬尘颗粒物.     

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%.     

鹤壁市大气挥发性有机物源排放清单研究

采用排放系数法与“自下而上”的活动水平数据收集方法,建立了鹤壁市化石燃料固定燃烧源、工艺过程源、溶剂使用源、储存运输源、废弃物处理源等固定源、移动源、餐饮油烟和生物质燃烧等面源的VOCs排放清单.结果表明：鹤壁市2017年VOCs排放总量为8829.7t.其中,工艺过程源排放量最大（3052.5t）,占VOCs总排放量的32%;其次是移动源（2712.8t）和溶剂使用源（1447.1t）,分别占总排放量的29%和15%;从空间分布看,浚县的VOCs排放量最大（3444.0t）,其次为淇滨区（1519.4t）、山城区（1516.0t）、淇县（1103.8t）和鹤山区（1041.9t）;其中,机动车（1932.0t）、建材冶金（903.6t）、化学制品制造（829.6t）、橡塑（646.8t）等VOCs排放量较大.对比河南省省会郑州市、同为煤炭资源型城市焦作市,鹤壁市的VOCs排放总量是郑州市的1/11,焦作市的1/3.但鹤壁市单位面积的VOCs排放量较大,是郑州市的1/3,焦作市的1/2,且鹤壁市单位GDP的VOCs排放量与郑州市和焦作市非常接近.说明鹤壁市VOCs排放总量低,但排放强度较高,仍需要加大减排力度.根据本清单的研究结果,建议鹤壁市可着重加强工艺过程源和移动源的减排,重点减排区域为浚县、鹤山区和淇滨区的交汇地带,重点减排机动车、建材冶金、化学制品制造等;此外,还应关注橡塑、餐饮油烟、工业生物质锅炉等行业的VOCs排放.     

西安人为源VOCs排放特征及其对O3和SOA生成潜势的影响

为研究西安市人为源VOCs（挥发性有机物）对OFP（O₃生成潜势）和SOAFP（二次有机气溶胶生成潜势）的影响,基于西安市环境统计数据和相关统计资料,结合排放因子法和已有的源成分谱,建立西安市人为源VOCs排放清单,并利用最大增量反应活性（MIR）和气溶胶生成系数（FAC）估算各类人为源排放VOCs对O₃和SOA（二次有机气溶胶）的生成贡献.结果表明:①2016年西安市人为源VOCs排放总量为119.187×103 t,其中,溶剂使用源、移动源和工艺过程源是主要的排放源,排放量分别为50.676×103、29.414×103、24.430×103 t. ②2016年西安市各区县VOCs排放总量较大的依次为长安区、雁塔区、未央区和碑林区,排放量分别为15.28×103、12.34×103、11.81×103和10.14×103 t,莲湖区、新城区和灞桥区VOCs排放量大于5×103 t,而阎良区排放量最小. ③2016年西安市总OFP为222.087×103 t,间/对-二甲苯、甲苯、邻-二甲苯等对总OFP的贡献率为72.40%;溶剂使用源对总OFP的贡献率最大,其次是生物质燃烧源,并且生物质燃烧源单位质量VOCs的OFP最强. ④2016年西安市总SOAFP为318.347 t,间/对-二甲苯、甲苯、邻-二甲苯、乙苯等对总SOAFP的贡献率为88.65%;溶剂使用源对总SOAFP的贡献率最大,其次是生物质燃烧源,而且溶剂使用源单位质量VOCs的SOAFP强于其他排放源.研究显示,与其他地区VOCs单位面积排放清单相比,西安市VOCs单位面积排放强度处于中等水平.      

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.     

浙江省2008~2018年人为源氨排放清单及分布特征

以浙江省为研究区域,通过收集11个地级市各类氨排放的活动水平数据,采用排放因子法建立了2008~2018年浙江省人为源氨排放清单,并利用ArcGIS进行1 km×1 km空间网格分配.结果表明,2008~2018年浙江省人为源氨排放量总体呈现下降趋势,年均下降率约3.97%;2018年浙江省氨排放量为108.52 kt,其中农业源为90.02 kt,非农业源为18.50 kt,排放强度为1.03 t ·km^-2;杭州市、嘉兴市和温州市的氨排放量高于其他城市,分别占全省总量的14.72%、11.86%和11.80%;空间分布特征显示,氨排放主要分布在浙江省北部区域,呈现出"北高南低"的排放趋势;不确定性分析表明,氨排放量模拟平均值为108.37 kt,在95%置信区间的不确定度范围为-5.40%~5.60%.     

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).     

北京市平原区裸露地风蚀扬尘排放量

以北京市平原区为研究对象,基于美国国家航空航天局（NASA）的陆地卫星（Landsat系列）遥感资料,设计算法批量提取裸露地信息,并结合通用扬尘排放模型,计算估计北京市平原区的裸露地风蚀扬尘源中PM₁₀、PM_2.5的排放系数及年排放量,建立了北京市各区的裸露地风蚀扬尘排放清单.研究表明,1987~2016年间北京市平原区裸露地面积减小了约600km²;风蚀扬尘最严重的地区为大兴区,其次为通州区;以气候年均值为参数计算获得,2016年北京平原区裸露地由于风蚀扬尘效应产生的PM₁₀年排放量为7591.7t,这一排放量与前人研究估算的北京裸地风蚀扬尘PM₁₀排放量较为接近.在此基础上,进一步引入月和季度尺度气候参数,并对模型进行改进,探讨了逐月和季度累计的扬尘排放结果.进一步的研究表明：北京市平原区裸露地面积具有显著季节变化特征,2月裸露地面积最大,可达4500km²,8月最小为500km²;基于月气候参数和季度气候参数结合每月卫星资料反演获得的裸地面积估算,逐月累计的PM₁₀年排放量可达55175t,分季度累计PM₁₀年排放量为39294t.这说明当前常采用的裸地扬尘估算方法,由于扬尘排放模型的气候参数采用年均值,忽视了风蚀过程的季节差异,将会导致裸地风蚀扬尘的极大低估.     

基于WEPS模型的天津郊区土壤风蚀起尘及对中心城区迁移量估算

为了预测地表风蚀起尘,针对我国当前地表风蚀预测模型欠缺,相关开发滞后问题,借鉴美国风蚀预报系统(WEPS),研究典型地区地表风蚀预测模型的结构、参数体系以及各参数体系之间的关系,结合卫星遥感技术和实验数据,建立适合天津市的地表风蚀尘预测模型参数体系,开发适合天津市的地表风蚀尘预测模型系统.将天津市域划分为11080个分辨率为1×1 km²的地块,并从中筛选7778个起尘地块; 本地化各地块参数,包括地块经纬度、高程、方向等; 本地化各地块数据库文件,包括风文件、气象文件、土壤文件及管理文件; 编制weps.run文件.以Microsoft Visualstudio 2008为平台,利用C++语言完成WEPS的二次开发,循环计算7778块起尘地块的起尘量,包括蠕移质+跃移质平均损失量、悬移质平均损失量及PM₁₀平均损失量. 2009年,天津郊区各区县总(蠕移质+跃移质)损失量为2.54×10⁶ t,其中指向中心城区的为5.61×10⁵ t; 总悬移质损失量为1.25×10⁷ t,其中指向中心城区的为2.89×10⁶ t; 总PM₁₀损失量为9.04×10⁵ t,其中指向中心城区的为2.03×10⁵ t.     

中国人为源VOC排放清单不确定性研究

针对采用"排放因子法"构建的中国人为源VOC排放清单,开展了不确定性研究工作.基于排放清单输入信息的准确性和可靠性,构建了活动水平和排放因子的不确定度评估系统,获得了清单输入信息概率密度分布函数.利用Monte Carlo模型将输入信息的不确定度传递到清单的输出值,计算了2005年我国人为源VOC排放概率密度分布函数....     

大连海域远洋船舶排放清单

为准确评估船用柴油机实际排放,利用船舶自动识别系统(automatic identification system,AIS)采集远洋船舶的船速、航行时间、地理位置信息等实时航行数据,采用动力法对2012年大连港远洋船舶的排放清单进行计算. 结果表明:2012年大连港远洋船舶PM₁₀、NO_x、SO_x、CO、HC、CO₂总排放量分别为5 785(包括4 628 t PM_2.5)、51 451、49 437、4 677、2 010及2 885 388 t. 在4种运行工况中系泊工况排放量最大,受船舶类型和污染物种类影响,系泊工况污染物排放所占比例有所不同,但其分担率均在75.0%左右. 船舶排放污染物的空间分析表明,船舶系泊停靠的港口区域是污染物排放最密集的区域. 从船舶类型来看,散货船、集装箱船、邮轮和油轮是污染物主要排放船型,在整个船舶排放清单中,这4类船舶对DPM(柴油机颗粒物)、NO_x、SO_x、CO、CO₂的排放分担率之和分别为90.9%、91.4%、91.9%、91.5%、91.9%. 在船舶的主机、辅机和锅炉3种排放源中,主机是主要排放源,集装箱船和滚装船的主机分担率为90.0%,货船和邮轮的辅机排放分担率达到40.0%.      

A biogenic hydrocarbon emission inventory for the U.S.A. using a simple forest canopy model

A biogenic hydrocarbon emission inventory system, developed for acid deposition and regional oxidant modeling, is described, and results for a U.S. emission inventory are presented. For deciduous and coniferous forests, scaling relationships are used to account for canopy effects upon solar radiation temperature, humidity and wind speed as a function of height through the canopy. Leaf temperature is calculated iteratively from a leaf energy balance as a function of height through the canopy. The predicted light and temperature levels are used with mean emprical emission rate factors and laboratory emission algorithms to predict hydrocarbon emission rates. For application to a U.S. inventory, diurnal emission fluxes of isoprene, α-pinene, other monoterpenes adn otehr hydrocarbons are predicted for eight land cover classes by state climatic division by month. The total U.S. emissions range from 22 to 50 Tg yr⁻¹ depending upon the formulation of different emission rate factors. In the case where the forest canopy model is not used, the isoprene emissions increase by 50% and terpene emissions increase by 6%. In case study analyses, the predicted leaf temperatures were within 1–2°C of observed for a deciduous forest, and predicted emissions were within a factor of two of observations. Further evaluation of the inventory using field measurements is required to determine the overall accuracy of the emission estimates.     

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.     

西宁市农牧源氨排放清单及其分布特征

以西宁市为研究区域,通过实地调研获得西宁市农牧源活动水平数据,利用排放因子法编制了西宁市2018年农牧源氨排放清单.分析了西宁市农牧源氨排放特征,利用ArcGIS进行3 km×3 km的空间网格化分配,利用蒙特卡罗模拟对畜禽养殖和氮肥施用氨排放清单进行不确定性分析.结果表明,西宁市2018年农牧源氨排放总量为4 644...