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.     

苏州市人为源挥发性有机物排放清单研究

以2009年为基准年,使用排放因子法估算了苏州市人为源的VOCs排放量,建立了苏州市分行业的挥发性有机物排放清单。结果表明2009年苏州市VOCs排放量17.79万吨,其中工业源和移动源排放量最大,分别为10.15万吨和6.29万吨,生活源和生物质燃料燃烧源的排放量分别为0.62万吨和0.73万吨。除移动源外(占比35%),金属制品制造、通用设备及专用设备制造、机械制造等行业的(涂装)VOCs排放量最大,占总排放量的20%,其次为塑料制品制造、轮胎制造、黑色和有色金属冶炼、合成材料,上述6个行业的VOCs排放量占排放总量的80%以上,是苏州市VOCs排放的重点行业。     

京津冀地区火电企业的大气污染影响

以在线监测、环评、验收等火电企业排放数据为基础,自下而上编制京津冀火电企业排放清单,利用气象模式WRF生成中尺度气象数据,采用CALPUFF空气质量模式模拟了不同情境下京津冀地区火电企业排放SO2、NOx、一次PM10,以及二次生成硫酸盐、硝酸盐等污染情况.结果显示,2011年京津冀地区火电行业排放污染物对京津冀西南部地区影响较大,各污染物年均最大浓度均出现在石家庄市;采取减排措施后,京津冀地区火电排放量SO2、NOx、烟粉尘总量与2011年火电排放现状相比 ,分别下降了33%、71%、68%;减排后火电行业对各城市SO2、NOx、一次PM10,以及二次生成硫酸盐、硝酸盐年均贡献浓度均大幅度减少,年均贡献最大值分别降低46.34%、78.43%、76.34%、39.49%、73.87%.     

典型石化企业排放空气质量影响模拟研究

基于惠州市大亚湾区2017年大气污染源排放清单,利用WRF-CMAQ模型系统量化评估了大亚湾区某典型石化企业在关停和增产排放情景下对周边空气质量的影响.清单结果显示该企业2017年SO₂、NO_x、PM₁₀、PM_2.5、CO和VOCs的排放量分别为212 、1744 、455 、359 、1458 和6446 t,在严格落实等量替代及减排措施后,该石化企业虽然产能翻倍,但VOCs排放量同比2017年显著减少了30%,其它污染物排放量增加了6%~19%.模拟结果显示2017年该石化企业排放对大亚湾区NO₂、PM₁₀、PM_2.5和O₃的浓度贡献分别为0.91、0.64、0.54和-0.08 μg·m^-3,完全关闭该企业排放后对周边站点NO₂改善效果最大（可使邻近管委会子站NO₂浓度下降1.24 μg·m^-3,下降百分比为5.10%）,但由于NO的滴定效应,该企业NO_x减排对周边管委会子站和霞涌子站的O₃浓度均有轻微负贡献;该石化企业的增产改造对周边O₃浓度降低影响明显,周边站点中O₃浓度最高可下降2.45 μg·m^-3（下降幅度为1.72%）,大亚湾区O₃浓度整体也可下降1.45 μg·m^-3.此外,受秋冬季不利扩散条件以及主导上风向污染传输影响,该企业在1月和10月对管委会子站NO₂、PM₁₀和PM_2.5的浓度贡献较大,由于冬季低温导致光化学反应自由基活性降低,该企业在1月对管委会子站O₃浓度负贡献显著.     

广东省人为源大气污染物排放清单及特征研究

本研究根据收集的广东省人为源活动水平数据,采用合理的估算方法、排放因子和GIS技术,建立了该地区2010年3 km×3 km人为源大气污染物排放清单.结果显示,2010年广东省SO2、NOx、CO、PM10、PM2.5、BC、OC、VOCs和NH3排放总量分别为867.8×103、1607.0×103、7476.0×103、1397.6×103、633.2×103、50.5×103、98.3×103、1436.5×103和578.3×103t.固定燃烧源是SO2和NOx的最大排放贡献源,CO排放主要来自道路移动源、固定燃烧源和生物质燃烧源,扬尘源和工业过程源是主要的PM10和PM2.5排放源,生物质燃烧源是最大的BC和OC贡献源,VOCs排放主要来自有机溶剂使用源、道路移动源和工业过程源,NH3排放主要来源于畜禽养殖和氮肥施用.东莞、佛山和广州是主要的SO2、NOx、CO和VOCs排放城市,广州、清远和梅州是最主要的PM10和PM2.5排放城市,BC排放集中在广州、深圳、东莞、佛山等珠三角城市,OC的重要排放城市为湛江和茂名,NH3排放主要分布在茂名、湛江和肇庆.空间分布结果显示,广东省NH3排放高值区分布在粤西和粤东地区,其他污染物排放高值区则主要分布在珠三角城市群.本研究建立的排放源清单仍具有一定的不确定性,建议后续研究加强大气污染源排放的基础研究,进一步完善该地区的排放源清单,以期为区域大气污染预报预警和污染控制措施的制定提供重要基础数据.     

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.     

浙江省人为源VOCs排放清单

基于挥发性有机物(VOCs)活动水平数据和相关排放因子,建立了浙江省人为源VOCs排放清单。结果表明:2009年浙江省VOCs排放总量为1.47×10~6t,其中工业排放源1.34×10~6 t,生活排放源1.176×10~5t,生物质燃烧源1.18×10~4t,分别占排放总量的91.17%、8.03%和0.8%;VOCs排放量最大的行业为纺织印染业、金属制品制造业、化学药品原药制造业、石油炼制、石油化工业等9大行业,其VOCs排放量均在5×10~4t以上,占全省总排放量的比例高达90%,为浙江省主要排放源;VOCs排放量最高的城市分别为杭州、宁波、温州、绍兴、嘉兴和湖州。     

基于路网车流量的北京城市副中心机动车污染控制情景

应用基于路网车流信息的情景分析方法,对北京城市副中心地区依据不同控制情景,以2015年为基准年建立机动车尾气排放清单.通过计算未来年路网车流信息和各情景下实际路网机动车污染物的排放清单,预测2020年和2025年的污染物排放变化.结果表明,未来10年北京城市副中心路网密度和机动车行驶里程持续增长,与基准情景相比,各控制情景对污染物排放量均有削减,新能源车推广情景对各污染物减排效果显著,且对NOx和PM的减排效果更好.外埠车限行情景对各污染物减排效果均较为显著,淘汰高排放车措施在短时间内削减效果显著,但长期削减效果较弱.综合情景对污染物的削减率达到最佳,机动车污染物CO、NOx、HC和PM排放量分别下降39.0%、58.7%、49.2%和55.5%.     

兰州市煨炕污染物排放清单及其对PM2.5浓度贡献

在考虑经济水平差异的基础上,通过对典型区域的调查确定煨炕活动水平,采用排放因子法建立了兰州市2016年煨炕大气污染物排放清单,煨炕排放的SO_2、NO_x、NH_3、CO、VOCs、PM_(10)、PM_(2.5)、OC和EC的总量分别为340. 8、201. 8、106. 0、36 628. 2、4 997. 2、6 070. 3、5 645. 1、1 089. 3和1 233. 1 t·a~(-1).对污染物排放总量进行时空分配,排放主要集中在11月至次年4月中旬;排放量与区域经济水平密切相关,且存在着明显的空间差异,排放量大的区域主要集中在榆中东南部、永登中部和七里河南部.利用WRF~-Chem模式研究了采暖季煨炕对兰州市PM_(2.5)浓度的平均贡献,引入煨炕污染物排放清单提高了模拟结果的准确性,兰苑宾馆(位于城区)和榆中站(位于农村)的PM_(2.5)平均浓度在模拟期间分别升高了32μg·m~(-3)和34μg·m~(-3),贡献率分别为37. 6%和49. 2%.可见,研究和制定科学的煨炕污染物防控对策对改善区域环境空气质量具有重要意义.     

基于大数据分析和IVE模型的杭州市机动车污染物排放变化特征研究

以杭州市全市域为研究对象,基于机动车排放管理数据库和IVE模型本地化后计算出市区、城区、城郊和郊区4类区域及快速路、主干路和次干路3类道路的各类机动车排放清单,利用Arc GIS及杭州市路网信息建立了1 km×1 km网格化空间分布,分析了机动车污染物排放特征.结果显示,杭州市机动车各污染物NO_x、CO、PM_(2.5)和VOCs的年排放量分别为4.9×10~4、12.5×10~4、0.2×10~4、2.1×10~4t.各种车型中,中重型货车对NO_x和PM_(2.5)的贡献均最大,分别为45.8%和36.3%,其次为大中型客车、公交客运,小微型客车对CO和VOCs的排放贡献最大,分别为69.3%和51.1%.机动车各污染物排放强度均呈现由城市中心向城市边缘递减的趋势,高排放区域集中在城中心及城南和城北区域,同时各污染物排放量日变化特征明显,均出现弱双峰现象.