长江三角洲城市群人为热排放特征研究

基于常规可获取的能源、交通、人口等统计资料,利用“自上而下”的能源清单法,研究了2010年长江三角洲(以下简称“长三角”)城市群地区各类人为热排放量及其时空分布特征.结果表明:该地区人为热排放总量为1.4′1019J/a,其中工业、交通、建筑、新陈代谢分别占75.1%、12.5%、9.9%和2.5%.上海、苏州、无锡、杭州和南京五个城市的人为热排放总量约占研究区域总量的71%.长三角城市群的人为热年平均排放通量为5.3W/m2,大部分地区介于5~30W/m2,城市高值区一般介于20~70W/m2,上海明显高于其他城市.为方便有关环境气候模式的输入,本文提供了人为热排放的网格化空间分布和简单的时间变化廓线.     

基于多源遥感信息的人为热排放量空间化——以浙江省为例

基于自上而下能源清单法,主要考虑工业、交通、建筑和人体新陈代谢这4个热源对人为热的贡献,估算了2010年浙江省68个县市的人为热排放总量.使用DMSP/OLS遥感夜间灯光数据以及阈值法提取出人为热排放的主要区域,并有效减少夜灯像元溢出效应的影响.利用夜间灯光数据和增强型植被指数(EVI)构建人居指数,基于各市县人为热排放总量与其行政区范围内人居指数累计值之间很强的相关关系建立人为热排放量空间化模型,获得了250m分辨率下浙江省2010年城市人为热通量的空间分布.结果显示浙江省各县市的平均人为热排放通量为5.5W/m²,城市高值区一般介于10~40W/m².栅格化的人为热数据可以为城市气候环境的数值模拟研究提供基础数据支持.     

中国城市人为热通量估计及时空分布

基于中国统计年鉴中1985~2018年全国能源消耗和人口数据,估计中国城市人为热排放通量及其时间变化趋势.利用人口空间分布和污染物排放清单数据,探讨人为热排放的空间分布特征.依据能源类型,人为热分为工业、交通运输、建筑和新陈代谢4类排放.结果表明,我国人为热排放多年来持续增长,2000年增长加速,2012~2016年增速有所放缓.2016年我国平均人为热排放通量达到0.442W/m²,工业、建筑、交通、新陈代谢排放的全国平均人为热排放通量分别为0.311,0.072,0.038和0.020W/m².人为热排放的高值主要分布在京津冀、长江三角洲、珠江三角洲重点城市群区域以及其他一些规模较大的区域重点城市.4类人为热排放均呈现东部多、西部少的特点.工业排放人为热分布与区域经济发展水平和城市化程度有关.交通运输排放的人为热主要集中在交通枢纽城市.与已有的人为热排放清单相比,本研究估计的人为热排放通量在规模较大的城市具有更大的数值,更能体现人类活动对人为热排放的贡献.     

北京主城区人为热排放的时空特征研究

利用源清单法对北京主城区的人为热进行研究,得出不同热源排放总量与时空特征并进行小区验证.结果表明：主城区的人为热年排放总量为1.11×10¹⁸J/a,为太阳辐射总量的8.1%,其中建筑排热占人为热排放的45.3%,交通和工业部分分别占30.1%、20.2%;人为排热总量最大的为朝阳和海淀区,占主城区总量的52.2%,最少的东城和大兴区均占7.7%;主城区平均排放强度为14.55W/m²,最大为西城区82.30W/m²,大兴区仅为2.61W/m²;人为热排放高值区多集中于北二环与北四环内,约为60~100W/m²,少数街道和地区排热在150W/m²以上,最高排热强度272~376W/m²为北京CBD区,人为热结果与遥感反演的地表温度有一定的正相关关系;交通排热的月变化不显著,日变化系数在09：00、18：00左右较高,建筑排热在不同季节不同时刻均有明显差别,出现“双峰”现象,同人们作息规律相一致.     

中国地区人为热分布特征研究

利用中国统计年鉴中全国各省份的非再生能源消费资料和2.5min×2.5min分辨率的人口格点数据,对中国地区人为热排放的时空分布进行研究,讨论了其分布特征和影响因素.结果表明,中国地区人为热通量随时间持续增长,特别是在2000年后增长加速,1985年到2000年从0.09W/m2增长到0.16W/m2,而到2013年已经增长到0.38W/m2.中国地区的人为热排放具有显著的地域特征,在华北、华东和华南,由于人口密度大、经济发达,人为热的污染很严重;在华中地区,人为热污染较严重的区域主要分布在以武汉为中心的经济圈;在东北地区,以大连、沈阳、长春和哈尔滨为中心的城市区域人为热污染也较为严重;而在西北和西南的大部分地区,人为热排放量很小,仅在以成都、重庆为中心的区域较大.历年来全国年均人为热的最大值都出现在上海,其中2010年最大,为113.5W/m2,上海人为热排放的年均值增长明显,可达到0.6W/m2/a.随着城市化进程的加快,人为热的排放愈来愈强,热污染对城市和区域的气候以及空气污染的影响也会越来越重要.     

长三角地区大气NO2和CO2浓度的时空变化及驱动因子分析

以长三角城市群为研究对象,利用卫星遥感观测数据协同分析长三角地区大气NO₂和CO₂浓度的时空变化特征和驱动因子,揭示了长三角地区污染物和CO₂高浓度地区空间格局.结果表明长三角城市群地区大气NO₂和CO₂浓度的时空分布及变化特征呈现了受化石燃料燃烧和机动车排放等人为活动以及区域地形、地表覆盖、气候等自然条件的综合影响结果.大气NO₂和CO₂高浓度值围绕太湖明显呈口对西南向的U字形分布,一致于围绕太湖分布的杭州、上海、苏州、无锡、常州和南京等大型城市区域,以及安徽铜陵地区的工业排放区.大气NO₂浓度值呈现秋冬时期较高,夏季最低的季节分布特征.大气CO₂浓度受植被CO₂吸收和CO₂的积累影响,8~9月最低,4~5月最高.此外,随着人为排放活动的急剧减少,2020年1~3月的大气NO₂浓度比2019年同时期降低了50%以上,其中分布了以钢铁厂、燃煤厂为主的大型工业热源的城市NO₂浓度下降最多,如镇江、南京、马鞍山.     

珠三角地区人为热排放演变趋势及不确定性分析

人类生产生活中产生的大量废热对城市环境中的温度、城市边界层结构、空气质量及人类健康都有着重要的影响.然而目前人为热排放清单的计算方法存在所需基础资料种类繁多、计算过程复杂,空间分布和排放量有较大偏差等不足.本研究采用统计回归法基于CO和NO_x污染源清单计算了2007—2015年珠江三角洲地区的人为热排放清单,对其排放趋势、热排放来源类型变化以及空间格局的演变进行了梳理.结果表明：2007—2015年珠三角地区年平均人为热均大于9 W·m^-2,人为热排放峰值出现在2010年,趋势为先增加后减少,这与燃料消耗总量的变化趋势基本一致,而工业源和道路移动源是影响人为热排放总量变化的最大因素：2007—2015年珠三角地区大部分区域人为热排放处于0~20 W·m^-2,高值区（>20 W·m^-2）主要分布于珠三角地区中心地带的城市群,高值区缩减的面积和速度在2010—2012年期间达到最大.进一步对2012年人为热清单的不确定性分析表明：总人为热的95%置信区间的不确定性为-16%~49%,其中电厂类别排放估算中的不确定性最小,为-13%~16%,而工业源的不确定性最高,为-46%~73%.     

长三角地区VOCs排放特征及其对大气O3和SOA的潜在影响

以长三角地区(包括江苏省、安徽省、浙江省与上海市)为研究对象,对比分析了挥发性有机物(VOCs)人为源(AVOCs)和自然源(BVOCs)的排放总量、物种组成及其时空变化特征,评估了不同来源和种类的VOCs对臭氧(O₃)和二次有机气溶胶(SOA)的生成潜势(OFP和SOAFP).结果表明,长三角地区2017年VOCs的排放总量为618.1万t, AVOCs和BVOCs分别为385.6万t和232.5万t.该地区VOCs的主要物种为烷烃、芳香烃、异戊二烯、甲醇和萜烯,其占比分别为27.6%、20.2%、15.4%、8.7%和6.1%.时间变化上,AVOCs排放的季节变化较小,BVOCs的排放主要集中在5～9月,其中,7、8月的BVOCs排放量占全年排放总量的40.3%,显著高于同时段的AVOCs排放量.长三角地区VOCs的主要物种在5～9月为烯烃,其余月份则为烷烃和芳香烃.空间分布上,AVOCs排放高值区主要集中在上海、江苏中南部、浙江省北部、安徽省中部等经济较发达的地区;BVOCs排放高值区主要分布在浙江以及安徽南部等森林覆盖率较高的地区.长三角地区全年AVOCs...     

长江三角洲地区能源消费大气污染物排放特征

针对长江三角洲(以下简称“长三角”)16个主要地区,基于常规可获取的统计资料确定污染源活动水平,结合最新的污染源调查资料及相关研究成果确定污染物排放因子,以2008年为基准年,研究了能源消费大气污染物排放特征,建立了具有较高时空分辨率、且便于滚动更新的网格化动态排放清单.结果表明:长三角16个地区2008年能源消费过程中SO2、NOx、PM10、PM2.5、CO的排放量分别为3158.58, 3154.96,979.76,632.34,5258.08kt.其中上海、苏州、南京、杭州、无锡和宁波6城市污染物排放总量均占长三角地区排放总量的60%左右.SO2和NOx排放主要集中在工业和火电部门,颗粒物和CO排放则主要集中在工业部门,机动车对于CO也有较大的排放贡献率.火电部门污染排放具有较强的月变化特征;道路机动车排放受居民出行规律影响,具有明显的周变化和日变化特征.     

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.     

人为热对广州高温天气影响的数值模拟个例分析

基于广州市2009,2000和1990年工业、交通、生活能源统计数据,通过能源清单法估算出广州市对应年份的人为热排放量,再通过在WRF模式中引入2009,2000和1990年的下垫面数据和人为热排放方案,对2005,2012和2017年广州市的3次持续高温过程进行模拟,从而评估不同年代人为热排放水平对广州市极端高温天气的影响.结果表明,模拟的2m气温较为准确,能合理模拟出城市地区的热岛效应,但对极端高温的模拟略有偏低,而引入人为热有助于改善模拟结果.在case2012中,2009,2000和1990年3种人为热排放水平使广州城市下垫面的平均气温分别上升0.53,0.44和0.13℃,热岛强度增强0.43,0.38和0.13℃.3个模拟个例的结果均表明,日间的人为热排放比夜间大,但夜间气温及热岛强度的变化比日间要明显.     

中国人为热变化及其对地表能量平衡的影响

利用人口统计、分布数据及能源消费统计资料,对中国1980~2015年人为热通量（Q_a）的时空变化进行了研究,并将其与地表净太阳辐射（R_n）进行了对比分析,以探讨人为热对不同尺度地表能量平衡的影响.结果表明,在研究时段内,全国平均Q_a呈显著升高趋势（0.11W/m²/10a,P<0.001）,从1980年的0.07W/m²上升到2015年的0.45W/m²,已经约相当于全球工业革命以来CO₂排放引起辐射强迫（1.68W/m²）的27%;其中Q_a高值区（≥ 1.00W/m²）已由1990年的点状分布变为2015年的面状分布,占到全国面积的10%;全国平均R_n的趋势率（0.18W/m²/10a）略大于Q_a,但未通过显著性检验（P=0.381）.对于参与计算的31个省会城市,2015年市区Q_a平均值在1~32W/m²之间,平均达17W/m²,相当于R_n平均值（147W/m²）的12%;在栅格尺度上（0.5min×0.5min）,除拉萨外,其余城市的Q_a像元最大值均超过了120W/m²,已经导致局地的热平衡发生了本质变化.研究认为,人为热释放因素不但需要在城市气候模拟研究中给予更多考虑,而且在全球和区域气候模拟与评价中以及制定气候变化应对策略时也有必要给予充分考虑,以促进全面认识并减缓气温升高.     

上海市能源消费CO2排放清单与碳流通图

基于上海市能源统计数据,参照IPCC(2006)方法,测算了上海市能源CO2排放清单,并绘制了2007年上海市碳流通图.结果表明,上海市能源相关的CO2排放总量从1995年的1.10亿t增长到2007年的2.01亿t,期间年均增长率为5.0%.其中“交通”对应的CO2排放量增长最为迅速,年均增长率达15.1%;而“热电厂”的CO2排放量增幅逐渐变缓,其原因为近年上海市外来电力比重增大.2007年“热电厂”、“工业与建筑业”、“交通”、“商业”、“居民生活”与“农业”各部分CO2排放分担率分别为35.4%、34.4%、23.8%、4.0%、2.0%、0.4%.由2007年上海市碳流通图可见,15.6%的煤炭直接由终端使用,这不利于能源效率的提高与污染物的减排;成品油存在较多的交叉流通,若能够减少不必要的流通,不但能够缓解成品油的运输,还能够减少其在转运过程中的输配损失.     

基于OMI数据的长三角地区NOx排放清单校验

近年来伴随着我国经济的持续增长,人为源氮氧化物排放居高不下,导致我国区域大气复合污染日趋严重. NO_x排放清单对于大气复合污染研究具有极为重要的意义.为了降低NO_x排放清单的不确定性,基于OMI卫星观测的对流层NO₂柱浓度资料,结合WRF-CMAQ模型系统,对2014年长三角区域NO_x排放清单进行了校验,对于该清单的不确定性进行了初步评估.结果表明,基于长三角地区2014年大气污染物排放清单,利用WRF-CMAQ系统模拟所获得的区域NO₂柱浓度平均值（4.66×1015~10.58×1015 mole/cm2）与OMI卫星数据（3.49×1015~11.47×1015 mole/cm2）较为接近,并且相关性较好（平均R=0.65）,归一化平均偏差（NMB）在-7.71%~33.52%之间,平均偏差（Bias）在0.06~0.28之间,可以在一定程度上说明2014年长三角区域NO_x排放总量基本能够反映区域NO₂污染状况.对比分析了OMI卫星遥感资料与CMAQ模型模拟结果,二者NO₂柱浓度空间分布情况总体一致,然而,苏南、上海和浙北等工业较发达地区OMI卫星NO₂柱浓度低于CMAQ模型模拟值,周边经济欠发达地区OMI卫星数据高于CMAQ模型模拟值,表明空间分布仍有进一步优化的空间.利用近地面卫星观测数据与CMAQ模型模拟结果对比,可得近地层观测ρ（NO₂）高于模拟结果,说明仅仅利用地面观测数据验证模型模拟结果存在一定偏差.研究显示,NO_x排放清单模型模拟结果在总量和时间变化方面与OMI卫星资料一致,在空间分配方面存在一定偏差.