长三角地区火电行业主要大气污染物排放估算

以2012年为基准年,利用排放因子法估算了长三角地区火电行业主要大气污染物(SO2、NOx、烟尘、PM10、PM2.5)排放.其中,SO2、NOx、烟尘、PM10、PM2.5的排放量分别为473 238、1 566 195、587 713、348 773、179 820 t.对于SO2和NOx,300 MW以上机组的贡献分别为85%和82%;烟尘、PM10和PM2.5方面,100 MW以下的机组贡献占比分别为81%、53%和40%.地区贡献方面,由大到小依次为江苏、浙江和上海.另通过对上海地区多家电厂不同等级机组污染排放数据进行统计计算,得出上海地区300 MW以上等级机组的污染物排放因子,对比分析可知,上海地区火电厂污染物排放因子水平总体较低.假设长三角地区火电行业同等级机组均与现在上海地区机组排放水平相当,则行业排放SO2可削减55.8%~65.3%,NOx可以削减50.5%~64.1%,烟尘可以削减3.4%~11.3%.若能提高较小等级机组的发电技术和污染控制水平,各污染物排放削减量可进一步提高.然而,根据长三角地区实际污染情况,应综合因素考虑火电行业削减排放,以促进区域空气质量不断改善.     

河北省国道和省道机动车基于交通流量的尾气排放量估算

河北省各城市均已开展利用机动车保有量等宏观统计数据的城市移动源排放清单编制工作,但尚缺乏对跨省及全省各城市间国省道高时空分辨率的移动源排放清单研究.本研究利用2017年河北省国道、省道日均交通流量监测数据,计算了2017年河北省国道和省道机动车大气污染物排放量.结果表明：2017年河北省国道和省道机动车CO、HC、NO_x、PM_2.5和PM₁₀排放量,与利用宏观统计数据计算得到的全省机动车排放总量相比,分别占27.8%、15.7%、55.6%、58.3%和58.5%.重型货车是国道和省道机动车CO、NO_x、PM_2.5和PM₁₀排放的主要来源.河北省南部国省道的机动车排放量以南部各城市为中心呈网状辐射,东北部沿海地区的排放量主要在沧州-天津-唐山-秦皇岛-承德沿线分布,西北部则主要在保定-张家口-内蒙沿线分布.月均排放量分布情况为1月最高,9月最低;周日均分布情况为周一—周三逐日增加,周四开始回落,周日降至最低;每日小时平均分布呈现明显的双高峰现象,两次高峰分别出现在11：00和18：00左右;最低值出现在凌晨4：00.河北省内,各市国省道机动车污染物排放分担率前3位的依次为保定、沧州和张家口.跨省交通车辆排放的CO、HC、NO_x、PM_2.5、PM₁₀分别占河北省国省道机动车总排放量的48.1%、48.7%、42.9%、41.3%和41.3%,其中天津市出入河北省的车辆排放分担率最高,其次是北京.京津冀应在区域层面建立机动车污染联合防治协调机制,从调整区域货运交通运输结构、推动柴油车污染控制措施升级等方面改善区域环境空气质量.     

Advances in emission control of diesel vehicles in China

Diesel vehicles have caused serious environmental problems in China. Hence, the Chinese government has launched serious actions against air pollution and imposed more stringent regulations on diesel vehicle emissions in the latest China VI standard. To fulfill this stringent legislation, two major technical routes, including the exhaust gas recirculation (EGR) and high-efficiency selective catalytic reduction (SCR) routes, have been developed for diesel engines. Moreover, complicated aftertreatment technologies have also been developed, including use of a diesel oxidation catalyst (DOC) for controlling carbon monoxide (CO) and hydrocarbon (HC) emissions, diesel particulate filter (DPF) for particle mass (PM) emission control, SCR for the control of NOx emission, and an ammonia slip catalyst (ASC) for the control of unreacted NH₃. Due to the stringent requirements of the China VI standard, the aftertreatment system needs to be more deeply integrated with the engine system. In the future, aftertreatment technologies will need further upgrades to fulfill the requirements of the near-zero emission target for diesel vehicles.     

长江三角洲地区人为源大气污染物排放特征研究

在收集整理长江三角洲地区（简称＂长三角＂）各城市人为大气污染源资料的基础上,采用以＂自下而上＂为主的方法建立了2007年长三角地区人为源大气污染物排放清单.清单结果显示,2007年长三角地区的SO2、NOx、CO、PM10、PM2.5、VOCs和NH3等大气污染物排放总量分别达到2391.8、2292.9、6697.1...     

中国国道和省道机动车尾气排放特征

近年来,随着我国机动车保有量的持续增长,机动车排放已成为我国重要的大气污染物来源之一.现有的机动车排放研究多关注城市内的机动车大气污染物排放,针对城市间的大气污染物排放研究较少.我国城市间交通道路主要包括国道和省道,截止至2015年我国国道里程18.53万km、省道里程32.97万km,约占全国等级公路总里程的13%,因此开展我国国道和省道机动车大气污染物排放研究十分重要.本研究基于全国国道和省道交通监测站的年均监测数据,采用环境保护部发布的《道路机动车大气污染物排放清单编制技术指南(试行)》中的指导方法,计算了2015年我国国道和省道机动车的大气污染物排放清单,分析了污染物排放的时空分布特征.结果表明,我国国道和省道公路机动车排放的一氧化碳(CO)、氮氧化物(NO_x)、颗粒物(PM)和碳氢化合物(HC)排放量分别占全国机动车污染物总排放量的4.5%、27.9%、14.4%和7.7%;不同车型对国道和省道机动车大气污染物排放的分担率不同,其中大货车是NO_x、PM_(10)、PM_(2.5)的主要来源,摩托车是CO和HC的主要来源;不同道路类型中各车型的大气污染物排放分担率也不同,如高速路上大货车是NO_x、PM_(10)和PM_(2.5)的主要来源,普通道路上大客车和大货车是NO_x、PM_(10)和PM_(2.5)的主要来源.     

大城市机动车污染物排放与控制的情景预测

机动车排放控制措施的有效实施对改善城市大气环境质量具有重要意义. 以北京市为例,利用情景预测法评估2011—2020年各项控制措施对城市机动车常规污染物(CO、NO_x、HC、PM₁₀)的削减效果.建立Gompertz模型并估算动态车龄分布以预测机动车保有量,运用排放因子法估算6种机动车排放控制情景的污染物削减量. 结果表明:与基准情景相比,轻型客车保有量调控情景对CO、HC和PM₁₀的削减效果较显著,在2020年可分别削减7.81%、9.88%和5.78%;排放标准更新情景对4种污染物均能有效削减,尤其是对NO_x和PM₁₀,可分别削减21.19%和24.67%;而淘汰高排放机动车情景的短期削减效果显著,但中、长期效果较差;新能源车推广情景因受到经济、技术条件的限制,削减效果较弱;综合情景考虑了以上所有的削减控制措施并达到最大的削减效果,2020年对CO、NO_x、HC和PM₁₀的削减率分别达到29.45%、42.54%、28.04%和41.30%,与基准年(2010年)相比,分别削减约2.81×105、0.63×104、3.77×104和0.17×104t.      

乌鲁木齐市城区机动车大气污染物排放特征

对乌鲁木齐市城区车辆信息(包括车流量和车辆构成、车辆控制技术水平、车辆行驶工况、车辆启动分布等)进行调研和测试,并根据IVE模型计算得到机动车污染物排放清单,获得分车型、燃料类型及启动/运行方式的机动车污染物排放分担率.结果表明:2011年乌鲁木齐市机动车CO、NO_x、HC和PM的排放量分别为20.22×104、2.60×104、1.84×104和0.44×10~4t·a~(-1),机动车污染物排放分担率差别显著,乘用车、公交车和重型货车是CO和HC主要排放源;重型货车和乘用车是NO_x的主要排放源;重型货车是PM的主要排放源.汽油车是CO和HC排放的主要来源,柴油车是NO_x和PM排放的主要来源,天然气车各类污染物排放量均较低.控制柴油重型货车是消减机动车污染物排放的重要方式.     

Vehicle emissions of primary air pollutants from 2009 to 2019 and projection for the 14th Five-Year Plan period in Beijing, China

Over the past decade, the emission standards and fuel standards in Beijing have been upgraded twice, and the vehicle structure has been improved by accelerating the elimination of 2.95 million old vehicles. Through the formulation and implementation of these policies, the emissions of carbon monoxide (CO), volatile organic compounds (VOCs), nitrogen oxides (NO_x), and fine particulate matter (PM_2.5) in 2019 were 147.9, 25.3, 43.4, and 0.91 kton in Beijing, respectively. The emission factor method was adopted to better understand the emissions characteristics of primary air pollutants from combustion engine vehicles and to improve pollution control. In combination with the air quality improvement goals and the status of social and economic development during the 14th Five-Year Plan period in Beijing, different vehicle pollution control scenarios were established, and emissions reductions were projected. The results show that the emissions of four air pollutants (CO, VOCs, NO_x, and PM_2.5) from vehicles in Beijing decreased by an average of 68% in 2019, compared to their levels in 2009. The contribution of NO_x emissions from diesel vehicles increased from 35% in 2009 to 56% in 2019, which indicated that clean and energy-saving diesel vehicle fleets should be further improved. Electric vehicle adoption could be an important measure to reduce pollutant emissions. With the further upgrading of vehicle structure and the adoption of electric vehicles, it is expected that the total emissions of the four vehicle pollutants can be reduced by 20%-41% by the end of the 14th Five-Year Plan period.     

On-board measurements of gaseous pollutant emission characteristics under real driving conditions from light-duty diesel vehicles in Chinese cities

A total of 15 light-duty diesel vehicles(LDDVs) were tested with the goal of understanding the emission factors of real-world vehicles by conducting on-board emission measurements. The emission characteristics of hydrocarbons(HC) and nitrogen oxides(NOx) at different speeds, chemical species profiles and ozone formation potential(OFP) of volatile organic compounds(VOCs) emitted from diesel vehicles with different emission standards were analyzed. The results demonstrated that emission reductions of HC and NOxhad been achieved as the control technology became more rigorous from Stage I to Stage IV. It was also found that the HC and NOxemissions and percentage of O2 dropped with the increase of speed, while the percentage of CO2 increased. The abundance of alkanes was significantly higher in diesel vehicle emissions, approximately accounting for 41.1%–45.2%, followed by aromatics and alkenes. The most abundant species were propene,ethane, n-decane, n-undecane, and n-dodecane. The maximum incremental reactivity(MIR)method was adopted to evaluate the contributions of individual VOCs to OFP. The results indicated that the largest contributors to O3 production were alkenes and aromatics, which accounted for 87.7%–91.5%. Propene, ethene, 1,2,4-trimethylbenzene, 1-butene, and1,2,3-trimethylbenzene were the top five VOC species based on their OFP, and accounted for 54.0%-64.8% of the total OFP. The threshold dilution factor was applied to analyze the possibility of VOC stench pollution. The majority of stench components emitted from vehicle exhaust were aromatics, especially p-diethylbenzene, propylbenzene, m-ethyltoluene, and p-ethyltoluene.     

2010~2017年四川省机动车污染物排放趋势分析

四川省机动车保有量日益增加,本研究基于特定的清单计算方法及多口径的活动水平数据,得到四川省2010~2017年机动车尾气污染物排放量.结果表明,四川省小型载客汽车的保有量增长最快,不管是机动车还是小型载客车保有量的增速,均高于全国平均增速;2017年四川省机动车共排放CO、NO_x、SO₂、NH₃、HC、PM_2.5、PM₁₀、BC和OC分别为706.9、275.3、0.3、5.7、164.8、8.1、8.9、4.1和1.4 kt,除NH₃以外,四川省所排放的其他污染物呈现波动中下降的趋势,在2014~2016年前后达到高值.柴油车的保有量变化与NO_x的变化显示出较强的相关性;新车排放标准加严是最具有减排潜力的措施之一,同时随着实施年份的增长,显示的减排潜力越大,燃油品质的提升对于污染物的减排每年也会有6%以上的减排效力.未来应将HC和NO_x减排作为四川省机动车管控的重要内容.     

电动汽车普及对江苏冬季大气污染影响的数值模拟

为研究电动汽车普及对空气质量的影响,首先利用机动车排放计算模型MOBILE估算了在电动汽车替代50%小型载客车情景下江苏省的大气污染物排放量,并利用中尺度气象-化学模式(WRF-Chem)模拟和分析了电动车替代前后冬季污染物浓度的变化特征.结果表明,如果用电动汽车替代小型载客车,江苏省13个地级市的CO、NO_x、VOC排放量都有所降低,减排量从地区来看,苏南苏中苏北.电动汽车替代将会造成江苏地区由交通排放引起的CO浓度降低20%～35%,氮氧化物浓度降低10%～30%,减排效果总体上苏南地区好于苏中和苏北地区.交通排放对于SO_2、一次PM_(2.5)和PM_(10)的贡献小,也可能是因为清单低估了交通源对它们的贡献,因此,减排效果不明显.受NO_x影响,交通减排增加了O_3浓度.     

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%.     

广东省非道路移动机械排放清单及不确定性研究

随着工业源和机动车等重点污染源减排空间的下降,非道路移动机械排放已成为大气污染防治领域的研究热点之一.本研究通过资料收集与实地调研,初步构建了广东省非道路机械基于机型的活动水平数据集、综合排放因子及时空分配因子,采用自下而上的排放因子法,建立了广东省2014年非道路移动机械排放清单.并利用蒙特卡洛方法定量评估清单结果不确定性.结果表明,广东省2014年非道路移动机械的SO_2、NO_x、PM_(10)、PM_(2.5)、VOCs和CO排放总量分别为4.9、61.1、4.8、4.5、11.6 kt和45.1 kt.其中,农业机械排放以四轮农用运输车和小型拖拉机为主,贡献率分别为38.4%和18.0%,主要分布在非珠三角的农村地区;工程机械排放以建筑运输车和挖掘机为主,贡献率分别为40.1%和33.9%,主要分布在珠三角地区.此外,不确定性分析结果显示VOCs和PM_(2.5)排放结果不确定性较大,不确定性范围分别为-25.2%~41.7%和-23.4%~32.8%.NO_x不确定性较小,不确定性范围为-15.2%~17.5%.     

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.     

城市汽车年检碳排放数据挖掘及其应用研究

基于城市汽车年检中CO₂的过程动态检测数据,对小型汽油客车CO₂的排放因子和排放水平信息进行了挖掘,并与文献研究结果进行了对比.结果表明,从城市汽车年检数据中挖掘的CO₂排放结果可以作为研究城市机动车碳排放的重要参考依据;合理有效地利用汽车年检数据可以为城市车辆尾气排放的精准分级管控、城市交通运输碳排放达峰的量化分析,以及城市交通源的污染物和CO₂协同减排提供重要的数据支撑;从国Ⅰ到国Ⅴ不同排放阶段汽油车的常规污染物CO、NO_x和HC的排放水平下降非常明显,而对应的CO₂排放水平差异不大;CO₂排放因子随累计行驶里程、车龄、基准质量和排量的变化关系反映出,如果需要削减城市汽车碳排放水平,应鼓励使用基准质量小或者排量小的车辆,淘汰高油耗高排放的老旧车辆,鼓励公共绿色出行而降低单车活动水平,增加纯电动车辆优化车队能源结构.     

上海市夏季颗粒物污染过程数值模拟研究

利用观测资料和嵌套网格空气质量模式(Nested Air Quality Prediction Model System,NAQPMS)模拟研究了2010年7月26日—8月26日上海市及周边城市PM10、PM2.5及其无机盐组分的浓度变化趋势及时空分布特点.结果表明,NAQPMS模式较为合理的重现了上海各方位站点及其周边城市PM10、PM2.5及其硫酸盐、硝酸盐等无机化学组分的浓度水平与变化趋势,相关系数在0.7以上.研究期间造成上海颗粒物污染的主要原因是:弱气旋低压系统控制下,西南或西北气流将内陆污染物输送至上海市,当低压中心移至上海附近时带来的辐合气流使得污染进一步累积上升.长三角地区PM2.5主要无机盐组分分布特征表明,上海市及周边城市的硫酸盐、硝酸盐和铵盐的总和占PM2.5浓度的40%~60%,二次气-粒转化过程贡献明显,且以SO2向SO2-4的氧化转换为主;污染上升过程中NO-3/SO2-4比率增大,说明流动源的贡献有所增加.     

广州市实施I/M简易瞬态工况检测方法的环境效果分析

采用简易瞬态工况法对在用车进行检测,能够更为有效地筛选高排放车辆.2007—2009年广州市轻型汽油车的简易瞬态工况法的初检数据表明,国Ⅰ排放标准实施以前(简称"国Ⅰ前")车辆和国Ⅰ及以后排放标准车辆排放超限值比例分别为20.1%和17.6%.简易瞬态工况法复检数据得到的国Ⅰ前和国Ⅰ及以后车辆经维护后能够达标的比例分别为76.0%和64.7%,且经过有效维护后超标车辆的平均排放水平有较大比例的削减.同时,采用修正的MOBILE5模型对广州市轻型汽油车排放进行模拟.结果发现,广州市2009年轻型汽油车的CO、HC和NO_x排放量分别为24.4×10⁴、3.8×10⁴和1.8×10⁴ t.如果考虑I/M制度实施及实际执行率,复检不达标车辆在全部淘汰情景下,2009年广州市轻型汽油车排放的CO、HC和NO_x分别能削减4.20×10⁴、0.58×10⁴和0.15×10⁴ t,占全部轻型汽油车的削减比例分别为17.2%、15.3%和8.2%;而在全部置换为国Ⅳ新车情景下,3种污染物分别能削减4.12×10⁴、0.57×10⁴和0.14×10⁴ t,削减比例分别为16.9%、15.0%和8.0%.国Ⅰ前及国Ⅰ车辆对CO和HC削减量的贡献达到90%左右,对NO_x削减量的贡献也在85%左右.     

APEC会议期间北京机动车排放控制效果评估

机动车尾气排放是影响北京市大气环境质量的首要因素,为了保障APEC期间的空气质量,北京市采取了包括控制机动车排放在内的严格的控制措施.本研究基于路网车流量、车速和车型变化数据,提出了一种基于自下而上排放清单的控制措施效果评估方法.结果表明,APEC会议期间北京市路网车流量下降,车速上升,小客车的车流量下降幅度最大;APEC会议期间机动车尾气CO、NO_x、HC和PM排放削减比例分别为:快速路15.1%、22.4%、18.4%和21.8%,主干道29.9%、36.4%、32.7%和35.8%,次干道35.7%、41.7%、38.4%和41.2%,支路40.8%、46.5%、43.1%和46.0%.基于自下而上的排放清单方法,建立了APEC会前和会期的机动车尾气排放清单,结果显示研究区域内会期机动车尾气排放量CO、NO_x、HC和PM排放量分别削减37.5%、43.4%、39.9%和42.9%.     

基于远程在线监控车载终端的柴油车NOx排放等级诊断研究

远程在线监控车载终端集成了远程通讯模块、卫星定位模块、发动机OBD信息解析模块,能够实时读取车辆排放相关运行信息,但无法直接判断车辆NO_x排放情况.为了快速、准确地评估车辆排放情况,诊断和监测NO_x高排放车,同时为了克服有些重型柴油车监测数据中缺失进气流量、燃油流量、车速等重要的实时信息,无法计算出车辆NO_x排放因子的问题.本文提出了由NO_x浓度分布特征驱动的高排放重型柴油车识别算法,通过远程在线监控车载终端设备获取车辆的发动机信息和SCR系统运行信息,运用NO_x浓度分布计算车辆每天NO_x排放浓度占比,通过系统聚类法对车辆NO_x排放浓度占比进行聚类,结果聚为优、良、中、差4类.利用车辆NO_x排放浓度区间分布及其聚类结果分别作为训练集的输入和输出,选择BP神经网络作为训练算法,训练获得的模型分类准确率为90%,利用训练好的模型判断在用柴油车NO_x排放等级,从而识别及监测NO_x高排放车辆.研究结果可为柴油车NO_x高排放诊断及监测提供依据,有助于监管部门能够快速识别NO_x高排放车辆.     

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.