2019年江苏省内河船舶（不含长江）大气污染物排放清单

以2019年为基准年，采用自下而上统计法建立江苏省内河船舶(不含长江)大气污染物排放清单，系统分析船舶排放特征，并与2014年排放清单成果进行比较，在此基础上结合既有政策措施现状提出江苏省内河船舶大气污染物防治对策.研究表明：2019年江苏省内河(不计长江)船舶NO_x、PM₁₀、PM_2.5、SO₂、CO、HC排放量分别为38042.80、2884.23、2539.68、38.10、2461.80以及1116.31 t；与2014年船舶排放特征相似，干货船是大气污染物排放贡献最大的船舶类型，200～600吨位范围的船舶大气污染物排放贡献最大，船舶各种主机工况中“正常航行工况”排放贡献最大，内河船舶排放受时间影响较小，航道上运行船舶的大气污染物排放贡献最大；由于江苏省干线航道“两纵五横”的规划与建设，船舶在航道上的排放分布有所分散，船舶排放贡献较大的航道由2014年单一的京杭运河江苏段拓展至多条航道；受使用低硫燃油的政策影响，SO₂、颗粒物排放量较2014年均有大幅度下降，分别下降...     

江苏省非道路移动源大气污染排放清单研究

以江苏省非道路移动源为研究对象,通过文献资料调研、问卷调查等方法获取非道路移动源活动水平数据,分析了2015年度江苏省非道路移动源大气污染排放情况。结果表明:非道路移动源PM_(10)、PM_(2.5)、HC、NOx、CO、SO_2等污染物排放总量分别为23878.3 t、18925.8 t、21673.6 t、430193.9 t、62846.0 t和112403.5 t;内河船舶各类污染物排放量均为非道路移动源污染物排放量之首,占总排放量的51.9%～90.4%,工程机械、农业机械以及内河船舶三类非道路移动源排放量占总排放量的95%以上,工程机械、农业机械以及内河船舶应作为非道路移动源大气污染排放控制的重点;非道路移动源排放的二氧化硫、氮氧化物和PM_(10)分别占全省废气污染物排放量的6.3%、19.0%和1.8%。     

广州港船舶停泊工况排放因子实测及排放量初步估算

为获取大型船舶停泊工况下排放因子,选取在广州港停泊的3艘总吨位40×10~3t的大型货柜船为研究对象,登船采集其辅机尾气样品进行分析,并利用"碳平衡法"计算得到基于燃油消耗量的污染物排放因子.实测3艘大型货柜船CO_2排放因子分别为3 096、3 031和3 028 g·kg~(-1);NO_x排放因子分别为61.8、19.9和27.0 g·kg~(-1);CO排放因子分别为8.0、4.0和5.3 g·kg~(-1);SO_2排放因子分别为31.4、41.9和56.7 g·kg~(-1);PM_(2.5)排放因子分别为2.4、1.1和1.5 g·kg~(-1);VOCs排放因子分别为0.13、0.09和0.17 g·kg~(-1).结合广州港进出港船舶类型、船舶抵港次数、船舶停泊时间等调查数据,初步估算2014年广州港船舶停泊工况NO_x、CO、SO_2、PM_(2.5)和NH3的排放量分别为1 231、226、1 229、47.6和0.04 t,其中总吨位为10×10~3~50×10~3t的船舶对NO_x、CO、SO_2、PM_(2.5)和NH3的分担率最大,其次是总吨位50×10~3t的船舶;VOCs的排放量为33.6 t,总吨位3×10~3t的船舶分担率最大.     

青岛市船舶废气排放清单及应用

基于AIS的数据基础运用动力法编制了2016年青岛市港口船舶废气排放清单,并分析了其空间排放特征、不同船舶类型排放特征及不同工况下的排放特征;基线内加基线外12海里以内船舶SO_2、NO_x、PM_(10)、PM_(2.5)、HC、CO排放量分别为1.56、2.34、0.21、0.18、0.09、0.17万t。船舶排放各污染物排放强度最高的区域集中在主航道、港口以及锚地。排放占比较大的船舶类型依次为集装箱船、渔船和油轮。船舶在巡航和停泊工况下的污染排放占比最高,分别为40%～44%和23%～46%;而机动操作状态时的排放占比较低,达到14%～37%。运用WRF-CMAQ模式模拟分析了青岛港船舶废气排放对市环境空气质量的影响,基线内加基线外12海里以内船舶排放对青岛市SO_2、NO_2、PM_(2.5)的贡献比例分别达到15.96%、12.47%、4.09%,贡献浓度分别为3.12、4.02、1.84μg/m~3。     

南昌市固定燃烧点源大气污染物排放清单及特征

大气污染物排放清单是了解区域污染物排放特征、准确模拟空气质量的重要资料,而工业点源是大气污染的重点排放源.通过收集相关活动水平信息和合理的排放因子,采用"自下而上"的方法建立了南昌市2014年点源大气污染物排放清单.结果表明,SO_2、NO_x、CO、PM_(10)、PM_(2.5)和VOC排放总量分别为29576.2、17115.1、25946.6、4689.4、922.9和1190.4 t,其中,金属炼制行业对SO_2、CO和VOC的贡献最高,分别占37.75%、30.59%和38.45%;火电行业是NO_x的主要来源,其贡献率为47%;水泥等建材制造行业对PM_(10)和PM_(2.5)排放贡献最高,分别为26%和25%.根据排放源污染物排放量及地理坐标信息,建立了0.4 km×0.4 km的污染物排放量空间分布特征图,结果表明,南昌市大气污染物排放较为集中,青山湖区北部和新建区北部是SO_2、NO_x、CO和VOC的主要排放区,而PM_(10)和PM_(2.5)的排放量相对分散,并在安义县出现排放高值区.通过将计算结果与统计数据结果进行对比,了解所估算清单的准确程度.对SO_2和NO_x的计算值和统计值进行统计分析,结果显示,NMB(标准化平均偏差)和NME(标准化平均误差)值均小于50%,清单计算精度较高.同时,为了解清单数据质量,对清单的不确定性进行定量分析,结果显示,SO_2和VOC不确定性较低而PM_(10)和PM_(2.5)的不确定性相对较高,清单整体不确定性与其他研究结果相差不大.建议后期研究可以从提升基础数据质量和建立具有区域代表性的排放因子数据库着手,从而减小排放量的不确定性,获得精准可靠的大气污染物清单并应用于空气质量模型预报等更深入的研究.     

兰州盆地人为源大气污染物网格化排放清单及其空间分布特征

基于所搜集的兰州盆地各类人为污染源排放大气污染物的活动水平数据及其排放因子,采用"自下而上"的方法建立了2009年兰州盆地(石油化工城市)1 km×1 km的7种(类)大气污染物网格化排放清单,并对其来源和空间分布特征进行了分析研究.结果显示:2009年兰州盆地NOx、SO_2、VOCs、CO、PM_(10)、PM_(2.5)和NH3的排放总量分别为1.2×10~5、8.8×10~4、4.3×10~4、4.1×10~5、9.6×10~4、4.2×10~4和1.4×10~4t;工业燃烧排放是兰州盆地NO_x和SO_2的主要贡献源,分别占其总排放量的85.70%和52.55%;工业非燃烧过程排放是VOCs的最大贡献源,占总排放量的81.25%;工业点源和工业非燃烧过程排放是CO的两大贡献源,分别占其总排放量的33.97%和28.32%;PM_(10)和PM_(2.5)主要来源于工业非燃烧过程,贡献分别为51.09%和55.12%;氮肥使用和禽畜养殖是NH_3排放最大的贡献源,分别占其总排放量的39.20%和30.70%.空间分布特征表现为:以工业源为主要排放源的NO_x、SO_2、VOCs、CO、PM_(10)、PM_(2.5)主要分布在工业和人口最为集中的兰州盆地市区一带,NH_3的排放则主要集中在榆中县和皋兰县交界的农村地区.同时,还对2014年工业燃烧源和道路移动源的7种(类)大气污染物排放量进行了估算,并与2009年进行了排放比较研究.结果表明,2014年工业污染源的7种(类)污染物排放量与2009年相比平均增幅不高,最高不超过30%,但移动源污染物排放量却大幅增加,增幅将近1倍.此外,基于排放因子及活动水平的不确定性,本研究对排放清单的结果进行了不确定性分析,并通过蒙特卡罗模拟对各污染物的排放量进行了评估.本排放清单的建立,不仅填补了兰州盆地大气污染物网格化排放清单的空白,还可为兰州盆地大气污染物排放清单更新、区域环境过程、大气复合污染成因及大气污染预警技术等相关研究提供基本方法手段及基础数据.     

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%.      

广西工业源大气污染物排放清单及空间分布特征研究

大气污染物排放清单是了解区域污染物排放特征的重要资料,而工业源是大气污染的重点排放源.研究根据收集的工业企业活动水平数据,选择合理的计算方法和排放因子,建立了广西2016年工业源大气污染物排放清单.结果表明,2016年广西工业源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOCs排放总量分别为20.7×10~4、21.6×10~4、147.5×10~4、48.4×10~4、25.7×10~4、34.7×10~4 t.其中,电厂和非金属矿物制品业对SO_2、NO_x、PM_(2.5)和VOCs的贡献最高.除此之外,黑色金属冶炼是SO_2、NO_x和PM_(2.5)的主要贡献源;有色金属冶炼是PM_(2.5)的主要贡献源;农副食品加工业是VOCs的主要贡献源.根据排放源污染物排放量及地理坐标信息,建立了污染物排放量空间分布特征图.结果显示,广西工业企业SO_2和NO_x排放主要集中在百色、柳州、防城港和贵港市;颗粒物排放主要集中在贵港、柳州和百色市;VOCs排放主要集中在柳州、贵港和崇左市.研究建立的排放源清单结果具有一定的不确定性,建议进一步完善基础研究.     

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.     

内河船舶大气污染物排放特征实测研究

为获得内河船舶航行时的大气污染物排放特征,本研究基于船舶尾气测试系统测试了珠三角西江水域内航行的5艘内河船舶,识别了内河船舶气态污染物瞬时排放特征及基于燃油消耗量的排放因子,并探讨了船舶排放的PM_(2.5)化学组分特征及来源.结果表明:船舶在巡航行驶状态下气态污染物的排放浓度变化都较为平稳,货船污染物排放浓度明显高于快艇.CO_2、CO、NO、NO_2、NO_x、SO_2与PM_(2.5)的排放因子范围分别是3135.90～3149.90、3.10～12.03、30.87～41.18、3.90～7.43、36.36～48.61、0.08～5.50、0.32～4.17 g·kg~(-1).内河船舶排放的PM_(2.5)中碳组分、水溶性离子和金属元素的贡献占比分别为43.8%～64.2%、9.7%～39.0%和0.6%～3.4%,其中,有机碳/元素碳(OC/EC)比值范围为0.40～2.69,OC可能受船舶制动影响较大,润滑油损耗是重要来源.     

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.     

北京市燃煤源排放控制措施的污染物减排效益评估

为分析北京市燃煤源排放控制措施的污染物减排效益,基于MEIC（中国多尺度排放清单模型）,采用情景分析法,评估了北京市电厂能源清洁化与末端治理、燃煤锅炉改造和城区平房区居民采暖改造等措施的污染物减排效益.结果表明,相对于无控情景,2013年北京市电厂能源清洁化与末端治理减少PM_2.5、PM₁₀、SO₂和NO_x排放量为1.28×104、2.10×104、5.13×104和4.98×104 t,分别占无控情景的85%、86%、87%、74%;北京市燃煤锅炉改造减少PM_2.5、PM₁₀、SO₂、NO_x排放量为1.09×104、2.68×104、11.64×104和5.81×104 t,分别占无煤改气情景的83%、89%、83%、83%;北京市老旧平房区的居民采暖改造减少PM_2.5、PM₁₀、SO₂和NO_x排放量分别为630、870、2 070和790 t,均占无煤改电情景的8%.研究显示,北京市从1998年开始采取的各种减排措施有效地减少了污染物的排放,对北京市空气质量改善具有重要意义.      

长沙市人为源大气污染物排放清单及特征研究

根据收集的长沙市人为源活动水平数据,建立了该地区2014年1 km×1 km人为源大气污染物排放清单.结果显示,2014年长沙市SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放总量分别为53.5×10~3、78.3×10~3、284.6×10~3、102.3×10~3、42.1×10~3、4.0×10~3、7.2×10~3、64.2×10~3、27.1×10~3t.化石燃料固定燃烧源为最大的SO_2排放贡献源,道路移动源是主要的NO_x贡献源,CO排放主要来自化石燃料固定燃烧源和道路移动源,长沙市VOCs的最大贡献源是溶剂使用源,PM_(10)、PM_(2.5)最主要的排放源是扬尘源,BC最大的排放贡献源为化石燃料固定燃烧源,生物质燃烧源是最大的OC贡献源,NH_3排放主要来源于畜禽养殖和农业施肥.空间分布结果显示,长沙市NH_3的排放在宁乡县、望城区、长沙县、浏阳市分布较多,主要呈现片状分布.其他污染物排放高值区则主要分布在中心城区、工业区及道路分布区域.     

四川省人为源大气污染物排放清单及特征

在收集四川省各城市人为污染源活动水平数据基础上,基于自下而上和自上而下结合的清单构建方法,选取排放因子并结合GIS技术,建立了该地区2015年1 km×1 km人为源大气污染物排放清单.结果表明,2015年四川省人为源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放量分别为444.9×10~3、820.0×10~3、3 773.1×10~3、1 371.6×10~3、537.5×10~3、28.7×10~3、53.1×10~3、923.6×10~3和988.0×10~3t.电厂和工业锅炉等燃煤排放贡献了95%以上的SO_2,移动源、化石燃料燃烧源和工艺过程源分别贡献了54%、23%和20%的NO_x,以钢铁和建材制造为主的工艺过程源分别贡献了20%的PM_(10)和34%的PM_(2.5),以道路扬尘为主的扬尘源分别贡献了60%的PM_(10)和35%的PM_(2.5),生物质燃烧分别贡献了33%的BC和51%的OC,以机械加工、建筑装饰、电子设备制造、印刷和家具等行业为主的溶剂使用源贡献了46%的VOCs,NH_3主要来自畜禽养殖和氮肥施用等农业部门排放,分别占总排放量的70%和25%.污染物空间分布结果显示,四川省各项大气污染物主要集中分布于人口最为密集,农业和工业均较为发达的四川盆地和攀枝花部分区域,其中,以成都、德阳和绵阳为代表的成都平原城市群为四川盆地内的主要排放高值区域.所建立的排放清单存在一定不确定性,后续研究中应针对活动水平数据获取的不足开展数据收集工作,加强排放贡献较大典型污染源的排放因子本地化研究工作,逐步完善四川省大气污染物排放清单,为四川省复合型大气污染研究和防治提供科学支撑.     

辽宁省人为源大气污染物排放清单及特征研究

为全面评估辽宁省关键大气污染物排放状况,系统收集和整理全省基础活动水平信息,采用排放因子法建立了该省2012年人为源大气污染物排放清单.结果显示,2012年辽宁省SO_2、NO_x、CO、PM10、PM_(2.5)、BC、OC及NH_3排放总量分别为1434.8×10~3、1632.3×10~3、6682.9×10~3、1529.9×10~3、1087.8×10~3、74.5×10~3、176.1×10~3t及880.4×10~3t.BC和OC最大贡献源为生物质燃烧源,排放集中分布在辽宁中、西部;NH_3主要来自畜禽养殖与化肥施用,排放高值区位于辽宁中部农业畜牧业发达地区;其他污染物主要来自固定燃烧源和工艺过程源,集中分布在辽宁中部城市群以及大连金州区、甘井子区和普兰店区.大连、沈阳是SO_2、NO_x、NH_3和颗粒物主要排放城市,鞍山和本溪由于钢铁行业发达,成为CO排放量最大的城市.基于卫星观测获得的NO_2垂直柱浓度对NO_x排放空间分布进行评估,两者相关性系数为0.57(p0.01).辽宁省级排放清单与国家尺度排放清单在一定程度存在差异,主要原因在于采用的活动水平和污染物控制效率的不同,基于详细本地化污染源信息建立的省级排放清单可以较好地反映实际情况.建议完善点源排放特征信息并加强本地化测试,进一步降低省级排放清单不确定性.     

广东省船舶排放源清单及时空分布特征研究

分别采用基于船舶引擎功率和耗油量的排放因子法,估算了广东省地区2010年的船舶排放清单,并选取客货运输吞吐量、航道通航能力因子和港口地理坐标等数据作为权重因子,研究了该地区各类船舶排放的时空分布特征.结果表明,广东省各类船舶在2010年的SO2、NO x、CO、PM10、PM2.5和VOCs排放总量分别为14.6×104t、23.1×104t、3.0×104t、7.9×103t、7.2×103t和9.3×103t.广东省客货运输船舶月排放波动较小;渔业船舶在1月、4月和11月份的排放比例最高.广东省客货运输船舶水域排放集中在西江干线水道和珠江三角洲高等级航道网内,港口排放主要分布在广东省珠江三角洲沿海发达城市地区;渔船港口排放量呈显著的沿海条带状空间分布特征.     

深圳市船舶排放清单与时空特征研究

为分析深圳市船舶排放特征,本研究以劳氏船级社数据库(Lloyd's register of shipping,LR)以及船舶自动识别系统(automatic identification system,AIS)为基础,收集整理深圳市各主要船舶类型及其活动水平的本地化参数,使用基于引擎功率和燃料消耗量的排放因子法,估算深圳市2010年船舶排放清单,并利用船舶AIS活动轨迹建立1 km×1 km空间分配因子和时间特征谱.结果表明,2010年深圳市各类船舶排放的SO2、NOx、CO、PM10、PM2.5和VOCs总量分别为13.6×103、23.3×103、2.2×103、1.9×103、1.7×103和1.1×103t,全槽格式集装箱船为最大贡献船型,靠泊模式排放比例最大.船舶排放的高峰期集中在白天时段,但不同船舶的具体峰值有所不同;船舶排放量的空间分布呈面状及带状分布交错,高值排放区为西部港口群、东部大鹏湾海域及主要水运航道.     

海峡西岸地区人为源大气污染物排放特征研究

采用以"自下而上"为主的方法建立了2007年海峡西岸地区的人为源大气污染物排放清单.计算结果显示,海西地区人为源SO2、NOx、CO、PM10、PM2.5、VOCs和NH3排放总量分别为69.5×104、96.1×104、413.1×104、93.9×104、40.6×104、85.0×104和28.5×104t.电厂和工业燃烧设施分别占SO2排放的48%和39%,以及NOx排放的51%和25%.水泥、砖瓦等制造过程贡献了约51%的PM10排放和36%的PM2.5排放.秸秆燃烧、加油站和涂料等VOCs面源分别占到其排放总量的27%、15%和4%.NH3的主要排放源为畜禽养殖和氮肥施用等农业部门,占到总排放量的89%.海西地区的单位面积大气污染物排放量仅相当于长三角地区的25%左右,略高于全国平均水平.该地区人为源和天然源VOCs排放比重分别占56%和44%,人为源VOCs排放比重低于全国大部分地区.海西大气污染高排放地区主要集中在沿海一带,以泉州、潮汕、福州和温州等地区为主,建议"十二五"发展过程中,重点关注上述高排放地区,限制重点排放源的发展,开发低耗能、低污染的发展模式.     

四川省基于第二次污染源普查数据的人为源大气污染源排放清单及特征

本研究根据自下而上和自上而下相结合的方法收集四川省人为源活动水平数据,其中工业源活动水平来自四川省第二次污染源普查数据,涵盖11 020台锅炉信息、 60 078家工业企业信息,成都市收集了19152家工业企业数据,占四川省企业总数的32%.各污染源选取合理的排放因子并结合GIS技术,构建了该地区2017年9 km×9 km人为源大气污染物排放清单.结果表明, 2017年四川省SO₂、 NO_x、 CO、 PM₁₀、 PM_2.5、 BC、 OC、 VOCs和NH₃排放总量分别为308.6×10³、 725.7×10³、 3 131.2×10³、 927.6×10³、 422.4×10³、 30.2×10³、 72.0×10³、 600.9×10³和887.1×10³t.固定燃烧源和工艺...     

兰-白城市群主要大气污染物网格化排放清单及来源贡献

甘肃兰-白城市群为我国西北地区重要的重工业基地,大气污染物排放总量较大.研究高空间分辨率的污染物排放清单对于区域空气质量预报预警、减排方案模拟研究及大气污染防治等具有重要的科学意义.本文以兰州和白银为主要研究区域,基于研究区域污染源排放及统计年鉴等数据资料,建立了兰（2015年）-白（2016年）城市群7种（类）主要大气污染物网格化排放清单,并对其空间排放特征以及排放源贡献进行了详尽地讨论分析.结果表明,兰-白城市群7种主要污染物年排放量分别为：NO_x 2.22×10⁵ t、NH₃ 4.53×10⁴ t、VOCs 7.74×10⁴ t、CO 5.62×10⁵ t、PM₁₀ 4.95×10⁵ t、PM_2.5 1.91×10⁵ t和SO₂ 1.37×10⁵ t.其中CO的排放量最大,NH₃的排放量最小.本清单与北大和清华MEIC清单对比结果表明,交通源排放3个清单一致性较高,CO排放总量和其工业源排放与北大和清华MEIC清单排放源相差30%~40%,推测原因主要为清单计算过程中排放因子、分辨率和数据年份的差异.本清单网格化空间分布显示除NH₃外的其他6种（类）污染物,排放主要集中在市区,排放源中工业非燃烧过程源均为最大贡献占比,NH₃的主要贡献源是氮肥的施用及禽畜排放,其污染分布受耕地分布等因素影响较大.因此,减少工业非燃烧过程源、整合优质高效电力供应、使用清洁能源、严格控制工地扬尘、工业粉尘和做好城区绿化等,能有效地降低兰-白城市群NO_x、VOCs、CO、PM₁₀、PM_2.5和SO₂这6种（类）主要污染物的排放.NH₃的减排则主要可从控制氮肥的使用及减少禽畜排放两方面考虑.本研究还利用蒙特卡洛法分析了排放清单的不确定性,NH₃的不确定性最大为-31%~30%,CO的不确定性最小为-18%~16%,清单整体可信度较高.