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.     

船舶排放及不确定性对中国空气质量的影响

船舶排放是我国沿海地区重要的人为排放源,但现有的船舶排放评估研究大多只关注区域尺度的影响分析,而且忽视了排放清单的不确定性,这在一定程度上削弱了评估结果的可靠性.为此,本文利用WRF-SMOKE-CAMQ空气质量模型,定量评估了船舶排放及其不确定性对我国七大沿海港口城市夏季空气质量的影响,结果表明：船舶排放对我国主要沿海港口城市的SO₂、NO_x和PM_2.5浓度贡献范围分别为16.5%~62.5%、21.9%~72.9%和5.9%~26.0%,尤其对宁波、青岛和深圳等港口城市空气质量的影响显著,主要是由于港口较高的船舶排放以及气象传输两方面原因造成的;如果考虑船舶排放清单的总量不确定性,船舶排放对沿海港口城市夏季SO₂、NO_x和PM_2.5的影响分别呈现1.0~3.1,2.1~5.5,0.3~0.9μg/m³的波动;考虑船舶排放清单的时空分配不确定性,船舶排放对沿海港口城市夏季SO₂、NO_x和PM_2.5的影响分别呈现1.9~15.7,5.1~29.3,0.6~2.5μg/m³的波动.可见,船舶排放清单的不确定性对沿海城市船舶排放贡献影响量化有明显的影响.所以在评估船舶排放对港口城市空气质量的影响时,要考虑船舶排放清单的不确定性,尤其是时空分配的不确定性.而合理的时空分配能够提高船舶排放清单的质量和对沿海空气质量模拟的准确性.     

长春市餐饮源PM2.5和VOCS排放清单

采用自下而上的四种不同清单编制方法（以人口、就餐次数、用油量和灶头为核算基准）,评估了长春市辖区2014年不同餐饮活动（家庭餐饮、社会餐饮和食堂餐饮）的大气污染物PM_2.5和VOC_S的排放量,编制了餐饮源大气污染物PM_2.5和挥发性有机物（VOC_S）排放清单,并分析了餐饮源排放的时空分布特征.结果表明：2014年长春市辖区餐饮源PM_2.5总排放量183~770t,VOC_S总排放量9~586t;长春市辖区餐饮源PM_2.5和VOC_S的最大排放源是家庭餐饮,其贡献率分别为74%~81%和28%~78%,食堂餐饮的贡献率分别为8%~22%和3%~26%,社会餐饮的贡献率分别为2%~17%和2%~69%;排放强度空间分布表明,长春市辖区餐饮源污染物在排放区域上：朝阳区 > 南关区 > 绿园区 > 二道区 > 宽城区 > 双阳区;时间变化特征显示,日变化峰值为07：00~08：00,11：30~12：30,18：00~20：00;周变化中周三、周六和周日排放量较大;季节变化中,冬季排放强度高于其他季节,其中十二月份贡献率最大（9.98%）;不同方法计算的大气污染物排放清单中,以人口为基准的不确定性最大,VOC_S的不确定性为302%,以用油量为基准的不确定性最小,PM_2.5和VOC_S的不确定性分别为31%和61%,可以作为区域餐饮源大气污染物清单推荐方法.未来的工作将侧重于典型餐饮源本地排放因子的测定,从而有效减少排放清单的不确定性.     

广东省火电污染物排放特征及其对大气环境的影响

采用物料衡算及排放因子法建立了2012年广东省火电大气污染物排放(下称火电排放)清单,并运用WRF/SMOKE/CAMx模型分析火电排放对大气环境质量的影响. 结果表明:SO₂、NO_x、CO、PM₁₀、PM_2.5、VOCs和NH₃排放量分别为269 408、539 565、301 257、135 920、65 050、18 790、1 949 t. 300 MW以上的机组对火电排放的贡献较大,但125 MW以下的机组单位煤耗污染物排放较高. 春季、夏季、秋季、冬季火电排放所占比例分别为27.1%、25.4%、24.0%和23.5%,24 h排放呈“三峰三谷”特征;排放量较大的城市为广州、佛山、东莞、江门、汕头、潮州和梅州,不同区域火电排放贡献率顺序为珠三角 (46.2%~52.3%)>广东省东部(26.9%~34.3%)>广东省西部(11.9%~14.4%)>广东省北部(5.5%~10.0%). 8月火电排放对珠三角城市ρ(SO₂)、ρ(NO₂)月均值的贡献率较高,分别为17.0%、11.1%,其次为10月、4月、1月,其影响集中于火电厂所在城市及下风向区域,对不同城市的贡献差异性较大,具有局地特征;火电排放10月对ρ(PM₁₀)、ρ(PM_2.5)月均值贡献率(9.1%、10.6%)较高,其次为8月、4月和1月,影响区域更广,对不同城市的贡献差异较小,呈现区域性特征.      

PM2.5和臭氧对前体物减排和气象变化的响应及其政策启示

《大气污染防治行动计划》实施以来,我国重点区域PM_2.5浓度快速下降,但臭氧(O₃)浓度逐步上升,大气污染控制形势已由单一的PM_2.5控制转变为PM_2.5和O₃的协同控制. 了解PM_2.5和O₃对前体物排放变化和气象条件变化的响应,对制定PM_2.5和O₃协同控制策略具有重要意义. 本文通过使用FNL全球再分析资料和自下而上的排放清单ABaCAS-EI,结合三维空气质量模式和响应曲面模型,评估前体物变化和气象条件变化后PM_2.5和O₃浓度的响应,并依据解析的响应关系提出了前体物减排、联防联控区域划分和目标设定等方面的政策建议. 结果表明:①VOCs减排对降低各省份PM_2.5和O₃浓度均有利,NO_x的减排量不足会导致京津冀、长三角地区的O₃浓度和京津冀地区的PM_2.5浓度增加,为避免PM_2.5和O₃年评价值反弹需要的VOCs与NO_x减排比分别为15%~25%(PM_2.5)和5%~90%(O₃). ②O₃污染防治需要更大范围的联防联控,对于京津冀地区,需要考虑引入河南省和山东省的联合控制,对于长三角和珠三角地区,还需要联合江西省、福建省进行控制. ③气象条件对PM_2.5和O₃背景值的影响较大,使用3年或5年滑动平均值可以有效降低气象条件年际变化对PM_2.5和O₃浓度的影响(对于PM_2.5,2008—2019年其背景值极差的降幅分别为35%~81%或60%~86%;对于O₃,极差的降幅分别为40%~67%或53%~87%). 采用多年滑动平均有助于科学设定和考核PM_2.5和O₃的控制目标. 研究显示:PM_2.5和O₃的协同控制依赖于NO_x和VOCs的协同减排,其减排比例在不同地区存在差异;此外,科学的PM_2.5和O₃的协同控制还需要更大范围的联防联控和评价指标的持续更新.      

珠江三角洲机动车污染物排放特征及分担率

建立了2006年珠江三角洲(以下简称为珠三角)地区机动车排放清单,获得了该地区分车型、区域以及燃料类型的机动车排放分担率. 结果表明:①珠三角地区不同车型的机动车污染排放分担率有显著差别,其中柴油大货车、汽油小客车和柴油小货车是机动车排放NO_x的主要来源,摩托车、汽油小货车和汽油小客车是机动车排放VOCs的主要来源,柴油大货车、柴油大客车和柴油小货车是机动车排放PM₁₀的主要来源;②广州、佛山、东莞和深圳等经济发达和快速发展地区的机动车污染物排放量均较大,这4个城市机动车NO_x,VOCs和PM₁₀的排放量之和分别占珠三角地区机动车排放总量的79.7%,69.8%和77.9%;③机动车燃油比例对污染排放影响显著. 汽油车(含摩托车)对VOCs的排放分担率较大(约为93.8%),而柴油车对NO_x和PM₁₀的排放分担率较大(分别为61.5%和84.0%).      

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%.     

邯郸市大气污染源排放清单建立及总量校验

邯郸作为"2+26"城市主要的重工业城市之一,位于京津冀南北传输通道的核心位置,在京津冀地区大气污染协同调控中处于重要地位.为改善当地空气质量,以邯郸市为研究对象,基于拉网式调查获取详细活动水平数据,结合相关排放因子,得到2016年邯郸市大气污染源排放清单;采用WRF-CMAQ（气象-空气质量）数值模型,模拟了2016年典型季节代表月（1月、4月、7月、10月）的空气质量,验证了数值模型的准确性;最后基于总量校验方法,反向估算了邯郸市典型污染物的排放总量,对初始大气污染源排放清单进行校验.结果表明:①2016年邯郸市SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOCs、NH₃的总排放量分别为78 533、183 126、497 466、258 940、124 637、3 735 355、200 309、187 299 t.②工业源是SO₂、NO_x、PM_2.5、CO和VOCs的主要排放源,分别占总排放量的74.5%、54.5%、30.6%、76.7%和28.1%;无组织扬尘源对TSP、PM₁₀、PM_2.5的贡献较大,分别占总排放量的58.5%、43.6%、30.3%;NH₃的主要排放源为农畜氨及人体和其他氨,二者排放的NH₃占总排放量的96.9%.③总量模型估算得到邯郸市PM_2.5、SO₂、NO₂年排放量分别为152 739、79 405、206 549 t;对比分析校验前、后典型污染物排放发现,校验前的大气污染源排放清单可能低估了PM_2.5和NO_x的排放量.研究显示,邯郸市污染物排放量较大,工业源为主要排放源,建议相关部门加强对工业源的管控力度.      

2006—2012年广东省机动车尾气排放特征及变化规律

利用广东省年鉴及实地调查资料,基于COPERT Ⅳ模型计算并分析了2006─2012年广东省珠三角和非珠三角地区的机动车尾气排放清单. 结果表明:研究地区2006─2012年机动车保有量上升,国Ⅲ、国Ⅳ车辆所占比例提高,其中珠三角地区优化程度大于非珠三角地区;2006─2012年2个地区污染物(CO、VOC、NO_x、PM_2.5)排放因子均有降低,降幅在24.54%~57.89%之间. 机动车污染物排放量上升趋势及贡献特征地区性差异明显,2006─2012年非珠三角地区CO、VOC排放量分别上升了37.20%、26.93%,增幅高于珠三角地区,而珠三角地区2012年的NO_x、PM_2.5排放量增幅(分别为21.65%、14.60%)高于非珠三角地区. 轻型客车是2个地区CO和VOC的主要贡献车型,贡献率均达46.96%以上,并且处于上升状态,但珠三角地区增幅小于非珠三角地区;重型客车和重型货车是2个地区NO_x、PM_2.5的主要来源,贡献率均在40.78%以上.      

基于在线监测的2015年中国火电排放清单

伴随着超低排放技术在中国火电行业的广泛应用,中国火电行业排放水平已发生了显著变化.故现有火电排放清单排放因子和排放量等无法反映当前火电污染物排放提标情况.基于全国火电在线监测（CEMS）、环境统计和排污许可等数据,提出一种自下而上逐企业建立中国火电行业排放清单的方法.与传统方法相比较,该方法的特点是更加全面的考虑了火电行业超低技术,实际排放浓度与活动水平等综合因素.作为实例,本文基于所提出的火电行业排放清单的方法计算了新的2015年中国火电行业排放清单（HPEC）.结果表明2015年全国火电厂SO₂、NO_x和烟尘平均排放浓度范围分别为7.88~208.57、40.33~238.2和5.86~53.93mg/m³.北京、上海火电排放基本达到《煤电节能减排升级与改造行动计划（2014~2020年）》制定的超低改造目标;绝大部分的省份SO₂、NO_x在线监测均值小于排污许可执行标准均值.中国燃煤机组的SO₂、NO_x、烟尘排放因子平均值分别为0.67、0.76、0.16g/kg（以入炉煤计）.全国火电CO、VOCs、NO_x、SO₂、PM₁₀、PM_2.5总排放量分别为403.87、10.73、122.94、146.68、28.72和22.80万t/a,平均排放绩效值分别为1.06、0.03、0.32、0.39、0.08、0.06g/（kW×h）.     

厦门港船舶排放清单及港口生态效率评价

采用基于船舶活动的排放因子法,测算了2018年进出厦门港的船舶排放清单,并在排放数据的基础上,借助外部成本评估工具,从环境和社会两类指标层面上评估了港口的生态效率.结果表明：2018年厦门港船舶排放SO_x、NO_x、HC、CO、PM_2.5、PM_2.0和CO₂e（二氧化碳当量）的总量分别为3222,11977,490,1118,411,542和710374t;集装箱船为最大贡献船型,船舶主机排放比例最大;对于不同运行工况,巡航工况排放的污染气体最多,停泊工况（包括港内停泊和港外锚泊）排放的温室气体最多;8~12月份的船舶排放量较高.船舶排放的外部总成本约为19.95亿元（约为港口年收入的7.6%）,其中NO_x、PM₁₀和SO_x的外部成本较高.港口生态效率的评估反映了港口生产运营对环境和社会的影响.船舶使用低硫油和岸电能够减少船舶排放,同时能够提高港口的生态效率.     

基于WRF-Chem模拟验证的天水市主城区大气污染源排放清单

通过部门调研、现场调查和遥感解译等方法获取天水市主城区大气污染源活动水平数据,采用排放因子法估算了天水市主城区 10类污染源的9种污染物排放量,构建了2019年天水市主城区高分辨率排放清单,并采用横向比较法和模式验证法评估了排放清单的合理性.结果表明:(1)2019年天水市主城区 SO2、NOx、CO、VOCs、NH3...     

四川省非道路移动源大气污染物排放清单研究

根据调查收集到的2015年四川省工程机械、农业机械、铁路机车、船舶和民航飞机的保有量、活动水平等数据,采用"排放因子法"计算了非道路移动源大气污染物排放量,分析了2015四川省非道路移动源的尾气污染排放特征,并建立了3km×3km的网格化排放清单.结果表明,2015年四川省非道路移动源排放的PM₁₀为1.38×10⁴t,PM_2.5为1.25×10⁴t,NO_x为1.83×10⁵t,THC为2.98×10⁴t,CO为1.21×10⁵t.工程机械对污染物的贡献率相对较高,占比达到70%;其次为农业机械,对NO_x和PM的贡献占比分别达到15%.工程机械和农业机械的排放主要集中在夏季和秋季,而飞机、铁路机车和船舶的时间变化较不明显;而从空间分布来看,高排放源主要分布于成都平原地区和川南地区.     

京津冀燃煤锅炉大气污染物精细化排放清单

基于环境统计数据,采用排放因子法建立2020年京津冀地区燃煤工业锅炉县级大气污染物排放清单.结果表明,2020年京津冀地区燃煤工业锅炉常规大气污染物SO₂、NO_x、颗粒物(PM)、PM₁₀、PM_2.5排放量分别为6351,7399,2952,825,399t.,其中PM₁₀和PM_2.5分别占PM排放总量的27.9%和13.5%.重金属Hg、Pb、Cd、Cr、As的排放量分别为197.9,1391.3,32.0,1214.2,362.4kg.65t/h及以上燃煤工业锅炉为主要的排放贡献源,各类污染物的排放量占京津冀地区工业锅炉各类污染物排放总量的比重为51.1%~81.2%,是污染控制及监管的重点.河北省承德市、唐山市、张家口市为污染物排放量最大的3个城市,3个城市各类污染物排放量占京津冀地区工业锅炉各类污染物排放总量的14.6%~71.9%.污染物排放强度大的区域主要集中在天津市、河北省廊坊市、唐山市的一些区县.     

京津冀地区散煤燃烧大气污染物排放清单

为研究京津冀地区民用散煤燃烧大气污染物的排放情况，结合散煤燃烧活动水平与燃用特征，根据排放因子法自下而上建立了2018年京津冀地区民用散煤燃烧污染物排放清单，研究了污染物排放的时空分布特征并使用蒙特卡罗方法对排放清单进行了不确定性分析.结果表明：2018年京津冀地区民用散煤燃烧量共计3799.22万t，PM_2.5、CO、SO₂、NO_x的排放量分别为9.27，341.31，5.17，5.44万t.污染物排放集中在11月份~次年3月份，大多数地区呈现出相同的日排放趋势.8：00、11：00、18：00、21：00左右出现污染物排放峰值，小时排放系数平均值分别为11%，6%，7%，13%.PM_2.5排放高值区主要集中在北部、东部及部分南部地区，CO主要集中在北京和天津地区，SO₂和NO_x主要集中在天津和承德地区.     

气象和排放变化对PM2.5污染的定量影响

基于WRF-CMAQ模型系统定量分析了气象和排放因素对全国及重点区域PM_2.5污染影响程度.从年度特征来看,与2015年相比,2016年、2017年全国空气质量明显改善,PM_2.5年均浓度分别下降7%和14%;2016年气象条件总体转好,气象因素和排放因素变化导致全国PM_2.5年均浓度下降幅度分别为4%和3%;2017年全国气象条件与2015年相比基本持平,大气污染物排放量下降是PM_2.5污染减轻的决定因素.除汾渭平原外,京津冀及周边地区"2+26"城市、长三角、成渝地区空气中的PM_2.5年均浓度持续下降;珠三角气象条件变化对PM_2.5影响较大,2017年导致PM_2.5浓度上升了29%;除汾渭平原外,其他4个重点地区的污染物排放变化导致PM_2.5年均浓度下降且2017年的下降幅度进一步加大,说明污染管控措施的环境效益明显.从季节特征来看,气象影响值的区域性差异明显.本文分析方法可用于制定空气质量目标或者评估污染控制方案的环境效果.