杭州市大气污染物排放清单及特征

以杭州市区为研究区域,通过调查整合多套污染源数据库及其他统计资料,研究文献报道及模型计算的各种污染源排放因子,获得杭州市区各行业PM10、PM2.5、SO2、NOx、CO、VOCs、NH3等污染物的排放量,建立了杭州市区2010年1 km×1 km大气污染物排放清单。结果表明,2010年杭州市区PM10、PM2.5、SO2、NOx、CO、VOCs和NH3的排放总量分别为7.96×104、4.02×104、7.23×104、8.98×104、73.90×104、39.56×104、3.32×104t。从排放源的行业分布来看,机动车尾气排放是杭州市区大气污染物最重要排放源之一,对PM10、PM2.5、NOx、CO和VOCs的贡献分别达到14.4%、27.1%、40.3%、21.4%、31.1%。道路扬尘、电厂锅炉、工业炉窑、植被、畜禽养殖对不同污染物分别有着重要贡献,道路扬尘对PM10和PM2.5的贡献分别为44.6%和20.0%、电厂锅炉对SO2和NOx的贡献分别为37.0%和25.7%、工业炉窑对CO的贡献为41.5%、植被排放对VOCs的贡献为27.1%、畜禽养殖对NH3的贡献为76.5%。从空间分布来看,萧山区和余杭区对SO2、NH3和植被排放BVOC的贡献要显著高于主城区;而主城区机动车对PM2.5、NOx和VOCs的贡献分别达到36.3%、56.0%和47.4%,较市区范围内显著增加,表明机动车尾气排放已成为杭州主城区大气污染最重要的来源之一。     

中国高精度温室气体排放清单编制研究进展

高精度温室气体排放清单是摸清区域碳排放来源、识别时空演变特征的数据基础,也是政府部门科学制定“减污降碳”策略、实现“双碳”目标的科技支撑。通过调研国内外组织机构、科研团队在高精度排放清单方面的成果,从核算范围、核算方法、时空化方法、评估与校验4个方面介绍了我国温室气体排放清单编制方法的研究进展。针对我国高精度温室气体排放清单研究区域分散、方法与格式不统一的问题,提出我国清单编制要逐步统筹本地化、精细化和动态化的发展建议。     

天津市北辰区大气污染物小尺度精细化源排放清单

以天津市北辰区空气站周边3 km为研究对象,基于拉网式实地调查,获得该地区2016年各类典型行业污染源详细的活动水平数据,以环境保护部发布的"清单编制技术指南"为参考,建立了2016年天津市北辰区空气站周边3 km大气污染源排放清单。结果表明:2016年天津市北辰区空气站周边3 km大气污染源的排放总量PM_(10)为431.28 t、PM_(2.5)为147.94 t、SO_2为48.67 t、CO为1 395.39 t、NO_x为469.52 t、VOCs为305.66 t;PM_(10)和PM_(2.5)的最大排放源是工地,贡献率分别为25.49%、15.16%;SO_2的最大排放源是散煤,贡献率为49.36%;CO和NO_x的最大排放源是道路机动车,贡献率分别为45.85%、53.89%;VOCs的最大排放源是制造业企业,贡献率为48.80%。天津市北辰区改善空气质量应从控煤、控尘、控车3个方面入手。     

新疆温室气体排放清单编制浅析

本文旨在介绍温室气体排放清单的编制方法及应用建议,重点介绍了在编制过程中排放因子本地化研究成果,并得到以下结论:新疆温室气体排放清单编制工作已形成常态化机制,相关工作流程已经基本完善;在将来的工作中,可以将温室气体排放结果应用到政策研究和目标考核当中,通过网络化建设和本地排放因子研究进一步提高工作效率和编制水平.     

省级高空间分辨率扬尘源排放清单研究

通过对浙江省统一开展部署和行动,现场调查收集全省7 507个施工工地、3 923个堆场以及不同等级公路和城市道路的真实活动水平数据,并基于点源地理信息和路网信息图层,采用排放系数法和ArcGIS工具构建了浙江省2015年3 km×3 km高空间分辨率扬尘源排放清单。结果表明,2015年浙江省扬尘源PM₁₀和PM_2.5的排放量分别为24.26×10⁴t和6.00×10⁴t,其中PM₁₀和PM_2.5排放贡献均主要为施工扬尘和道路扬尘,施工扬尘分别贡献37.7%和39.3%,道路扬尘分别贡献36.5%和39.1%。从城市空间分布来看,杭州市、宁波市、温州市、绍兴市扬尘排放总量居于全省前四,舟山市最低,而城市主城区排放量显著高于郊区。     

杭州市燃煤废气中重金属排放清单建立

采用基于燃料消耗的排放因子法,以污染源普查动态更新数据为基础,建立了2010年杭州市燃煤废气中重金属(汞、砷、铅、镉、总铬、镍、锑等7种)排放清单。结果表明,2010年杭州市燃煤废气中汞、砷、铅、镉、总铬、镍、锑的年排放量分别为194.2、252.9、1 915.7、53.9、3 390.4、1 465.4、101.0 kg。燃煤废气中重金属的排放主要集中在燃煤消耗较高的拱墅区和江干区,其次是上城区,这3个区燃煤废气中重金属的排放量之和超过全市的95%。燃煤废气中重金属的排放量与燃煤量密切相关,但锅炉燃烧方式、除尘脱硫设施对重金属排放也起到了决定性作用。     

机场大气污染物高时间分辨率排放清单计算方法研究

通过研究机场大气污染物排放特征,结合我国相关排放政策及规范,以排放因子法为主要方法,设计了可建立机场高时间分辨率大气污染物排放清单的计算方法,以期为机场大气污染物排放实时监管提供研究基础。该方法针对飞机发动机和地面保障设备(GSE),实现了颗粒物、二氧化硫、氮氧化物等大气污染物和温室气体的半小时级别排放量计算。通过收集整理北京首都国际机场日航班计划与GSE运作情况实际数据,计算并建立了高时间分辨率的排放清单,验证了计算方法的可行性。随后,从活动水平误差和排放因子适用性两方面,对清单进行了不确定性分析,并通过计算结果对机场排放特征进行了分析,提出了减排建议。     

与我国环境管理对接的大气污染源排放清单分析

环境管理与大气污染源清单对接的基础是环境管理数据体系。选取京津冀大气污染传输通道"2+26"城市中的14个城市实施访谈与问卷调查,普遍认为大气污染源清单的主要用途为大气污染应急、预警以及污染源解析,但由于环境统计、污染源监测和排污许可三大环境管理数据体系差异较大,导致环境管理数据的行业和工艺过程针对性不强,无法满足污染源清单的需求。造成该问题的主要原因在于基层生态环境部门技术储备不足、污染源信息分散以及数据管理任务分工不明确。促进环境管理与大气污染源清单的对接,重点在于污染源数据定期更新和环境管理数据的一体化,应着重形成多部门数据共享、全面和全过程环境管理以及人才和技术保障机制。     

典型大气污染源动态排放清单编制方法及应用研究

随着环境空气质量精细化管理要求的提高,在应对重污染天气过程中,对大气污染源排放清单的时间分辨率提出了更高的要求。文章从固定源、移动源、油气储运源等方面探讨了大气污染源动态排放清单编制技术方法,并选取某城市进行了应用计算。结果表明,通过获取动态更新的数据,移动源的船舶、机动车、飞机可以逐时分析污染物排放量变化;固定源和油气储运源可以逐日分析。同时与相关指南算法进行定量比较,探讨了精细化改进方法及可能存在的问题,为建立更精细化动态排放清单提供有益参考。     

高精度船舶排放清单在城市空气质量管理中的应用

上海港船舶大气污染物排放对城市空气质量的影响不容小觑。基于船舶AIS数据,高精度船舶大气污染物排放清单得以建立并应用。2018年11月5—10日召开的第一届中国国际进口博览会期间,在气象条件不利的情况下,通过提前实施船舶排放控制区政策等措施,使船舶单日SO_x排放量下降28.5%,一次PM_2.5排放量下降25.5%,全市空气质量达到了保障要求。     

成都市人为源挥发性有机物排放清单及特征

基于成都市实地调查和环境统计等活动水平数据,采用排放因子法和计算模型等,编制了2014年成都市人为源VOCs排放清单,并完成了空间分配和不确定性分析。成都市人为源VOCs排放量为15.8×10~4t,其中化石燃料固定燃烧源、工艺过程源、溶剂使用源、移动源、储存运输源、其他源排放量分别为0.5×10~4、3.8×10~4、6.0×10~4、4.9×10~4、0.4×10~4、2.2×10~4t,溶剂使用源为最大人为排放源,其次是移动源和工艺过程源。木材加工业为最大工业贡献源,然后依次是医药制造业、非金属矿物制品业、化学原料、化学制品制造业、汽车制造业等。成都市人为源82%的VOCs排放量分布于二、三圈层的工业园区,而中心城区主要为移动源和建筑施工所贡献,其排放分布已随建成区联片发展而形成整体。排放清单活动水平数据可靠性较高,而排放因子存在一定不确定性。     

南京市建筑扬尘排放清单研究

统计分析了2010年南京市各行政区建筑场地面积和工期,结合扬尘排放因子,建立了南京市建筑扬尘排放清单。研究表明,2010年南京市建筑扬尘TSP、PM10和PM2．5的排放量分别达2．53万t、1．40万t和0．95万t,占工业烟（粉）尘排放量的23％、13％和8．6％。郊区县建筑扬尘排放量较大,约占全市 TSP、PM10、PM2．5排放总量的72％;主城区排放强度较高。对不同建筑工程类型扬尘排放量估算表明,城市建设工程和市政工程是建筑扬尘的主要来源,城市建设工程中又以住宅类建设工程为主。对不同研究获得的建筑扬尘结果比较,发现扬尘排放因子选择和污染源活动水平统计是影响建筑扬尘结果的关键因素。     

成都双流国际机场大气污染物排放清单与时空分布特征

基于成都双流国际机场活动水平数据,采用排放因子法和计算模型等,编制了机场大气污染物排放清单,并完成了时空分配和不确定性分析,建立了高分辨率网格化排放清单。结果表明,成都双流国际机场标准起飞着陆(LTO)循环数为2.4×10~5次/a,CO、VOCs、NO_x、PM_(10)、PM_(2.5)、SO_2排放量分别为1.2×10~3、1.3×10~2、2.1×10~3、2.8×10、2.7×10、2.5×10~2t/a,且主要由飞机发动机排放;活动水平数据仅包括LTO循环数和地面保障设备两部分;污染物排放分布和跑道类型相关性较高;排放清单活动水平数据可靠性较高,而排放因子存在一定的不确定性。     

常州市人为源挥发性有机物排放清单

对常州市VOCs人为源进行系统划分,运用国内外排放因子研究成果及常州市各排放源调研结果,采用排放因子法建立了2017年常州市分类型、分辖区(市)的人为源VOCs排放清单。结果表明,2017年常州市人为源VOCs排放总量约为9. 662×10~4t,其中化石燃料燃烧源、工业过程源、移动源、非工业溶剂使用源、油品储运源、生物质燃烧源、固废污水处理源和餐饮源排放分别占排放总量的1. 9%,47. 2%,9. 0%,27. 6%,9. 4%,2. 6%,0. 4%和1. 9%。工业过程源中黑色(有色)金属冶炼及压延加工业、非金属矿物制品业、化学原料和化学品制造业、机械装备制造业、交通设备制造业、纺织业是重点行业;武进区、溧阳市、新北区3个工业发达的区域VOCs排放量明显高于常州其他几个辖区,占全市总排放量的71%;各辖区(市)的重点排放源存在差异,其中武进区、溧阳市、新北区以工业过程源为主,金坛区、天宁区、钟楼区以非工业溶剂使用源为主。     

南京市加油站VOCs排放清单

在分析国内外加油站VOCs排放因子的基础上,结合油气回收进程和排放控制现状,初步建立南京市加油站VOCs排放清单。结果表明：全市加油站VOCs排放因子为168 mg/L,年排放VOCs为300 t。S1+S2、S1+S2+OMS和S1+S2+OMS+VRD 3类加油站的VOCs排放因子分别为335 mg/L、198 mg/L和147 mg/L,OMS和VRD对VOCs排放控制效果显著。     

臭氧前体物排放清单相关模型及应用

欧美等国家对于O_3污染的研究开展较早,已建立较成熟的O_3污染生成、扩散及空气质量等模型。文章主要介绍评述了美国环保局推荐使用的计算O_3前体物的相关模型(MOVES、NONROAD、SMOKE、EMFAC和EDMS),从基本原理和功能、污染源类型、研究尺度、所需参数等方面对比分析各模型的特点和适用范围,并综述其国内外研究应用情况;讨论了中国在这些模型的使用方面应该注意的问题,如加强开展模型计算结果验证和基础实验获得本土化的模型参数,以及中国开发的相关模型的优势和适用性等。     

全球大气汞排放清单研究现状

综述了全球大气汞排放清单研究现状,结果表明,2010年全球排放汞约1 960 t,其中东亚和东南亚地区约占39.7%,在排放来源方面黄金生产和煤炭燃烧分别占37%和24%。介绍了美国、英国和日本的汞大气排放清单,指出中国在汞排放研究方面与发达国家之间还有差距,建议建立详细的汞排放清单,准确掌握汞的使用和排放现状。     

南充市大气PM10与PM2.5排放清单及特征

以四川省南充市为研究区域,通过实地调研、现场测试及结合统计年鉴等获得数据,采用排放因子法计算南充市2014年大气PM_(10)、PM_(2.5)排放量并建立排放清单。结果表明,南充市2014年扬尘源、移动源、生物质燃烧源、化石燃料固定燃烧源、工艺过程源排放总量PM_(10)分别为85 187、1 777、9 175、2 417、3 519 t,PM_(2.5)分别为16 093、1 619、7 322、914、1 585 t,PM_(10)贡献率分别为83.5%、1.7%、9.0%、2.4%、3.4%,PM_(2.5)贡献率分别为58.4%、5.9%、26.6%、3.3%、5.8%。城市区域扬尘源、生物质燃烧源、移动源、化石燃料固定燃烧源、工艺过程源对PM_(10)贡献分别为60.0%、12.5%、6.3%、8.6%、12.5%,对PM_(2.5)贡献分别为41.8%、21.6%、14.4%、8.1%、14.1%。南充市2014年大气PM_(10)、PM_(2.5)排放源总量和贡献率以及区域空间分布特征均存在差异。     

镇层级温室气体排放清单编制及案例分析

参考《省级温室气体清单编制指南(试行)》等资料,结合小区域的特点,研制了《小区域温室气体排放清单编制方法》。以无锡市胡埭镇为例,介绍了清单的结构、核算方法、活动水平数据获取要求和排放因子选取方式,通过案例分析,表明该方法适用于城市以下区域的温室气体排放清单编制工作。     

Preparation and Validation of Gridded Emission Inventory of Criteria Air Pollutants and Identification of Emission Hotspots for Megacity Delhi

Delhi is one of the many megacities struggling with punishing levels of pollution from industrial, residential, and transportation sources. Over the years, pollution abatement in Delhi has become an important constituent of state policies. In the past one decade a lot of policies and regulations have been implemented which have had a noticeable effect on pollution levels. In this context, air quality models provide a powerful tool to study the impact of development plans on the expected air pollution levels and thus aid the regulating and planning authorities in decision-making process. In air quality modeling, emissions in the modeling domain at regular interval are one of the most important inputs. From the annual emission data of over a decade (1990–2000), emission inventory is prepared for the megacity Delhi. Four criteria pollutants namely, CO, SO₂, PM, and NO _x are considered and a gridded emission inventory over Delhi has been prepared taking into account land use pattern, population density, traffic density, industrial areas, etc. A top down approach is used for this purpose. Emission isopleths are drawn and annual emission patterns are discussed mainly for the years 1990, 1996 and 2000. Primary and secondary areas of emission hotspots are identified and emission variations discussed during the study period. Validation of estimated values is desired from the available data. There is a direct relationship of pollution levels and emission strength in a given area. Hence, an attempt has been made to validate the emission inventory for all criteria pollutants by analyzing emissions in various sampling zones with the ambient pollution levels. For validation purpose, the geographical region encompassing the study area (Delhi) has been divided into seven emission zones as per the air quality monitoring stations using Voronoi polygon concept. Dispersion modeling is also used for continuous elevated sources to have the contributing emissions at the ground level to facilitate validation. A good correlation between emission estimates and concentration has been found. Correlation coefficient of 0.82, 0.77, 0.58 and 0.68 for CO, SO₂, PM and NO _x respectively shows a reasonably satisfactory performance of the present estimates.